Luận văn thạc sĩ về phương pháp số giải phương trình vi phân có chậm tại Đại học Quốc gia Hà Nội

Luận văn thạc sĩ nghiên cứu phương pháp số giải phương trình vi phân có chậm, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện pháp hoàn thiện trong lĩnh vực .

• Tác giả: Đỗ Thị Thúy Ngọc
• Người hướng dẫn: PGS. Vũ Hoàng Linh
• Trường học: Đại học Quốc gia Hà Nội
• Chuyên ngành: Toán học tính toán
• Đề tài: Giải phương trình vi phân có chậm hiệu quả
• Loại tài liệu: luận văn
• Năm xuất bản: 2012
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI NÓI ĐẦU
• 1. CHƯƠNG 1: GIỚI THIỆU
• 1.1. Một vài ví dụ so sánh phương trình vi phân có chậm và phương trình vi phân thường
• 1.2. Phương pháp số giải phương trình vi phân thường
• 1.2.1. Các khái niệm cơ bản
• 1.2.2. Một số phương pháp số tiêu biểu giải phương trình vi phân thường
• 1.3. Nghiệm số của phương trình vi phân có chậm: Phương pháp cho phương trình vi phân thường liệu có đủ hay không?
• 1.3.1. Sự thất bại về cấp chính xác của phương pháp
• 1.3.2. Sự thất bại về tính ổn định
• 1.3.3. Một phương pháp tốt cho các PTVPCC
• 2. CHƯƠNG 2: SỰ TỒN TẠI VÀ TÍNH CHÍNH QUI CỦA NGHIỆM CỦA PHƯƠNG TRÌNH VI PHÂN CÓ CHẬM
• 2.1. Vị trí của các điểm gián đoạn và sự trơn dần của nghiệm
• 2.1.1. Các điểm gián đoạn gốc và thứ cấp
• 2.1.2. Chậm triệt tiêu và không triệt tiêu
• 2.1.3. Chậm bị chặn và không bị chặn
• 2.2. Sự tồn tại và tính duy nhất nghiệm
• 3. CHƯƠNG 3: CÁC PHƯƠNG PHÁP CHO PHƯƠNG TRÌNH VI PHÂN CÓ CHẬM
• 3.1. Hướng tiếp cận đầu tiên
• 3.2. Các kết quả sơ bộ về phương pháp số giải PTVP với đầu ra liên tục
• 3.3. Hướng tiếp cận thông thường thông qua phương pháp số giải PTVP với đầu ra liên tục
• 4. CHƯƠNG 4: SỰ HỘI TỤ CỦA PHƯƠNG PHÁP SỐ GIẢI PTVP VỚI ĐẦU RA LIÊN TỤC
• 4.1. PTVPCC với chậm hằng số hoặc chậm phụ thuộc thời gian không triệt tiêu
• 4.2. PTVPCC với chậm phụ thuộc thời gian tuỳ ý
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tổng Quan Phương Trình Vi Phân Có Chậm Giới Thiệu Chi Tiết

Phương trình vi phân thường (PTVPT) có dạng y'(t) = f(t, y(t)). Tuy nhiên, nhiều vấn đề thực tế cho thấy y'(t) còn phụ thuộc vào các giá trị trong quá khứ của y, dẫn đến phương trình vi phân có chậm (PTVPCC): y'(t) = f(t, y(t - τ₁), ..., y(t - τₙ)). Các τᵢ là các chậm. Nghiên cứu về PTVPT đã được quan tâm rộng rãi, trong khi PTVPCC mới được chú ý nhiều hơn từ cuối thế kỷ 20. Sự quan tâm đến các phương pháp số giải PTVPCC ngày càng tăng, thể hiện qua nhiều công trình nghiên cứu và bài báo khoa học. Luận văn này giới thiệu các phương pháp số giải PTVPCC, đặc biệt là các phương pháp số giải PTVP với đầu ra liên tục, áp dụng cho bài toán giá trị ban đầu với chậm hằng số hoặc chậm phụ thuộc thời gian. Luận văn gồm bốn chương, bắt đầu bằng việc so sánh PTVPCC và PTVPT, sau đó đi sâu vào các phương pháp giải và phân tích tính hội tụ. Mục tiêu là cung cấp một cái nhìn tổng quan và sâu sắc về lĩnh vực giải số PTVPCC, một lĩnh vực quan trọng trong nhiều ứng dụng khoa học và kỹ thuật. Điểm khác biệt lớn nhất giữa PTVPT và PTVPCC nằm ở yếu tố chậm. Thành phần này khiến cho việc giải PTVPCC trở nên phức tạp hơn nhiều so với PTVPT. Các phương pháp số được thiết kế cho PTVPT thường không hiệu quả khi áp dụng trực tiếp cho PTVPCC do sự xuất hiện của các điểm gián đoạn trong nghiệm và đạo hàm của nghiệm. Điều này đòi hỏi các phương pháp đặc biệt được thiết kế để xử lý các tính chất độc đáo của PTVPCC, chẳng hạn như các phương pháp với đầu ra liên tục. Sự hiểu biết sâu sắc về tính chất của nghiệm PTVPCC là cần thiết để phát triển và áp dụng thành công các phương pháp số hiệu quả.

1.1. Phân Biệt Phương Trình Vi Phân Thường và Có Chậm

PTVPT chỉ phụ thuộc vào giá trị hiện tại của biến trạng thái, trong khi PTVPCC phụ thuộc vào các giá trị quá khứ. Điều này tạo ra sự khác biệt lớn trong tính chất của nghiệm. Nghiệm của PTVPCC thường phụ thuộc vào hàm khởi tạo φ(t) thay vì chỉ giá trị khởi tạo y₀ như trong PTVPT. Đạo hàm bên phải y'(t₀⁺) thường không bằng đạo hàm bên trái y'(t₀⁻), dẫn đến sự không trơn tru của nghiệm tại điểm khởi tạo t₀. Tính không liên tục của đạo hàm lan truyền theo khoảng tích phân, tạo ra các điểm gián đoạn tiếp theo. Điều này đòi hỏi các phương pháp số đặc biệt để xử lý, nhấn mạnh sự quan trọng của tính chính xác và tính ổn định của các phương pháp. Việc lựa chọn phương pháp phù hợp phụ thuộc vào tính chất của bài toán và độ chính xác mong muốn.

1.2. Ví Dụ Về Ảnh Hưởng Của Chậm Đến Nghiệm Phương Trình

Xét phương trình y'(t) = -y(t - 1), t ≥ 0, y(t) = 1, t ≤ 0. Nghiệm có đạo hàm gián đoạn tại t = 0, 1, 2,... Đạo hàm cấp hai y''(t) = -y'(t - 1) có điểm gián đoạn tại t = 1. Phương trình logistic có chậm y'(t) = ay(t)(1 - y(t - 1)) thể hiện sự thay đổi dân số, trái ngược với phương trình Verhulst-Pearl y'(t) = ay(t)(1 - y(t)) có nghiệm đơn điệu. Nghiệm dương của phương trình logistic có thể đơn điệu, dao động hoặc xấp xỉ quỹ đạo tuần hoàn tùy thuộc vào giá trị của a. Ví dụ này cho thấy sự hiện diện của thành phần chậm có thể thay đổi đáng kể tính chất định tính của nghiệm, tác động đến sự ổn định và tính dao động của mô hình.

1.3. Phương Trình Vi Phân Có Chậm Trung Tính Khái Niệm và Ví Dụ

Phương trình vi phân có chậm trung tính (PTVPCC trung tính) có dạng y'(t) = f(t, y(t), y(t - τ), y'(t - τ)). Hàm khởi tạo φ(t) thường không liên kết trơn với nghiệm y(t) tại t₀. Điểm gián đoạn lan truyền, và nghiệm chỉ thuộc lớp C⁰. Ví dụ, y'(t) = -y'(t - 1), t ≥ 0, y(t) = t, t ≤ 0, có đạo hàm gián đoạn tại t = 0, 1, 2,... Thành phần chậm có thể tạo ra ảnh hưởng lớn, ngay cả với giá trị nhỏ. Nghiệm của y'(t) = -y'(t - τ) ổn định tiệm cận khi τ = 0 và không ổn định khi τ > 0. Điều này cho thấy thành phần chậm có thể hoạt động như một thành phần làm mất ổn định. Hiểu rõ các đặc tính này giúp lựa chọn phương pháp giải phù hợp.

II. Thách Thức Giải Phương Trình Vi Phân Có Chậm Hiệu Quả Nhất

Giải PTVPCC hiệu quả gặp nhiều thách thức do tính chất đặc biệt của chúng. Các phương pháp số truyền thống cho PTVPT thường không hiệu quả do sự xuất hiện của các điểm gián đoạn trong nghiệm và đạo hàm. Tính ổn định và độ chính xác của các phương pháp số trở nên quan trọng hơn. Cần có các phương pháp đặc biệt được thiết kế để xử lý các tính chất độc đáo của PTVPCC. Việc đánh giá nghiệm tại các điểm không phải là nút lưới là một thách thức, đòi hỏi các phương pháp với đầu ra liên tục. Các phương pháp này cung cấp một xấp xỉ liên tục của nghiệm, cho phép đánh giá nghiệm tại bất kỳ điểm nào trong khoảng tích phân. Một thách thức khác là sự phụ thuộc của nghiệm vào hàm khởi tạo, điều này đòi hỏi các phương pháp số phải có khả năng xử lý các hàm khởi tạo khác nhau. Cuối cùng, việc lựa chọn phương pháp số phù hợp phụ thuộc vào tính chất của bài toán và độ chính xác mong muốn. Các yếu tố như tính ổn định, tính chính xác, và hiệu quả tính toán cần được xem xét cẩn thận.

2.1. Sai Số và Tính Ổn Định Vấn Đề Cốt Lõi trong Giải Số

Sai số là một vấn đề cốt lõi trong giải số PTVPCC. Sai số chặt cụt địa phương và sai số toàn cục cần được kiểm soát để đảm bảo độ chính xác của nghiệm. Tính ổn định của phương pháp số cũng rất quan trọng. Một phương pháp không ổn định có thể dẫn đến nghiệm dao động hoặc phân kỳ, ngay cả khi sai số chặt cụt địa phương nhỏ. Điều kiện ổn định tuyệt đối cần được thỏa mãn để đảm bảo tính ổn định của phương pháp. Miền ổn định tuyệt đối của một phương pháp số là miền trong mặt phẳng phức z sao cho khi áp dụng phương pháp cho phương trình thử, với z = λh nằm trong miền này, ta được một nghiệm xấp xỉ thoả mãn điều kiện ổn định tuyệt đối. Một phương pháp số được gọi là ổn định – A nếu miền ổn định tuyệt đối của nó chứa toàn bộ nửa bên trái mặt phẳng phức z = λh. Lựa chọn phương pháp ổn định là chìa khóa để có được nghiệm tin cậy.

2.2. Mở Rộng Liên Tục Xử Lý Nghiệm Tại Điểm Không Nút Lưới

Các phương pháp số giải PTVPT chỉ cung cấp các giá trị xấp xỉ của nghiệm tại các điểm nút. Tuy nhiên, việc giải PTVPCC thường yêu cầu hiểu biết về nghiệm xấp xỉ η(t) tại một vài điểm t - 1 có thể khác các điểm nút. Do đó, các phương pháp số giải PTVPCC thường dựa trên cơ sở các mở rộng liên tục của các phương pháp số giải PTVPT. Điều này có thể thực hiện bằng một phép nội suy hậu nghiệm (a posteriori interpolation) của các giá trị yₙ được cung cấp bởi phương pháp PTVPT rời rạc cơ sở hoặc, tốt hơn, bằng phương pháp số giải PTVP với đầu ra liên tục, đó là các phương pháp cung cấp từng bước một xấp xỉ liên tục của nghiệm. Sự thành công của phương pháp số giải PTVP thường với đầu ra liên tục đạt được về mặt sự chính xác và tính ổn định phụ thuộc vào sự lựa chọn hàm nội suy và phương pháp tích phân.

2.3. Ảnh Hưởng Hàm Khởi Tạo Độ Nhạy Cảm và Phương Pháp Giải

Nghiệm của PTVPCC nhạy cảm với hàm khởi tạo. Sai số nhỏ trong hàm khởi tạo có thể dẫn đến sai số lớn trong nghiệm. Điều này đòi hỏi các phương pháp số phải có khả năng xử lý các hàm khởi tạo khác nhau một cách ổn định và chính xác. Các phương pháp ổn định mạnh (strongly stable) thường được ưu tiên vì chúng ít nhạy cảm với sai số trong hàm khởi tạo hơn. Các phương pháp này có khả năng duy trì độ chính xác ngay cả khi có sự biến đổi lớn trong hàm khởi tạo. Việc lựa chọn phương pháp phù hợp cần xem xét đến tính chất của hàm khởi tạo và độ chính xác mong muốn.

III. Cách Giải Phương Trình Vi Phân Có Chậm Hướng Tiếp Cận Số

Có nhiều hướng tiếp cận để giải số PTVPCC. Một hướng tiếp cận là sử dụng các phương pháp số truyền thống cho PTVPT với một số điều chỉnh để xử lý thành phần chậm. Hướng tiếp cận này thường không hiệu quả do sự xuất hiện của các điểm gián đoạn trong nghiệm. Một hướng tiếp cận khác là sử dụng các phương pháp số được thiết kế đặc biệt cho PTVPCC, chẳng hạn như các phương pháp với đầu ra liên tục. Các phương pháp này cung cấp một xấp xỉ liên tục của nghiệm, cho phép đánh giá nghiệm tại bất kỳ điểm nào trong khoảng tích phân. Một số phương pháp phổ biến bao gồm các phương pháp Runge-Kutta với nội suy Hermite, các phương pháp đa bước với nội suy Lagrange, và các phương pháp spectral. Việc lựa chọn phương pháp phù hợp phụ thuộc vào tính chất của bài toán và độ chính xác mong muốn.

3.1. Phương Pháp Runge Kutta Kết Hợp Nội Suy Hermite Ưu Điểm

Các phương pháp Runge-Kutta (RK) là một lớp phương pháp một bước quan trọng để giải PTVPT và có thể được mở rộng để giải PTVPCC bằng cách kết hợp với nội suy Hermite. Ưu điểm chính của phương pháp RK là tính ổn định và độ chính xác cao. Nội suy Hermite cung cấp một xấp xỉ liên tục của nghiệm giữa các điểm nút, cho phép đánh giá nghiệm tại bất kỳ điểm nào trong khoảng tích phân. Việc kết hợp này cho phép phương pháp RK xử lý hiệu quả các điểm gián đoạn trong nghiệm của PTVPCC. Tuy nhiên, phương pháp RK có thể tốn kém về mặt tính toán, đặc biệt là khi sử dụng các phương pháp bậc cao. Việc lựa chọn phương pháp RK phù hợp cần xem xét đến sự cân bằng giữa độ chính xác và hiệu quả tính toán.

3.2. Phương Pháp Đa Bước và Nội Suy Lagrange Ứng Dụng Thực Tế

Các phương pháp đa bước là một lớp phương pháp khác để giải PTVPT và có thể được mở rộng để giải PTVPCC bằng cách kết hợp với nội suy Lagrange. Ưu điểm chính của phương pháp đa bước là hiệu quả tính toán cao hơn so với phương pháp RK. Nội suy Lagrange cung cấp một xấp xỉ liên tục của nghiệm dựa trên các giá trị nghiệm tại các điểm nút trước đó. Tuy nhiên, phương pháp đa bước có thể kém ổn định hơn so với phương pháp RK, đặc biệt là khi sử dụng các phương pháp bậc cao. Nội suy Lagrange có thể không chính xác bằng nội suy Hermite, đặc biệt là khi có các điểm gián đoạn trong nghiệm. Việc lựa chọn phương pháp đa bước phù hợp cần xem xét đến sự cân bằng giữa hiệu quả tính toán và tính ổn định.

3.3. Phương Pháp Spectral Độ Chính Xác Cao Cho Bài Toán Đặc Biệt

Các phương pháp spectral là một lớp phương pháp có độ chính xác cao để giải PTVPT và có thể được mở rộng để giải PTVPCC. Ưu điểm chính của phương pháp spectral là khả năng đạt được độ chính xác cao với số lượng điểm nút tương đối nhỏ. Các phương pháp spectral sử dụng các hàm cơ sở toàn cục, chẳng hạn như các đa thức Chebyshev hoặc Legendre, để xấp xỉ nghiệm. Tuy nhiên, phương pháp spectral có thể khó áp dụng cho các bài toán phức tạp hoặc các bài toán có các điểm gián đoạn mạnh. Phương pháp spectral cũng có thể tốn kém về mặt tính toán. Việc lựa chọn phương pháp spectral phù hợp cần xem xét đến tính chất của bài toán và độ chính xác mong muốn.

IV. Phân Tích Hội Tụ Phương Pháp Số Giải Phương Trình Vi Phân Chậm

Phân tích hội tụ là một bước quan trọng để đánh giá hiệu quả của các phương pháp số giải PTVPCC. Mục tiêu là chứng minh rằng nghiệm số hội tụ đến nghiệm chính xác khi kích thước bước tiến đến không. Phân tích hội tụ bao gồm việc chứng minh tính đặt chỉnh (well-posedness) của phương pháp và phân tích cấp hội tụ. Tính đặt chỉnh đảm bảo rằng phương pháp có một nghiệm duy nhất và nghiệm đó phụ thuộc liên tục vào dữ liệu đầu vào. Cấp hội tụ cho biết tốc độ hội tụ của nghiệm số đến nghiệm chính xác. Phân tích hội tụ thường dựa trên các giả định về tính trơn tru của hàm f và các chậm. Các phương pháp số có cấp hội tụ cao hơn thường cho kết quả chính xác hơn với cùng kích thước bước.

4.1. Tính Đặt Chỉnh Của Phương Pháp Số Yếu Tố Quan Trọng

Tính đặt chỉnh (well-posedness) của phương pháp số là một yếu tố quan trọng để đảm bảo tính tin cậy của nghiệm số. Một phương pháp được gọi là đặt chỉnh nếu nó có một nghiệm duy nhất và nghiệm đó phụ thuộc liên tục vào dữ liệu đầu vào. Nếu phương pháp không đặt chỉnh, sai số nhỏ trong dữ liệu đầu vào có thể dẫn đến sai số lớn trong nghiệm số. Việc chứng minh tính đặt chỉnh thường dựa trên các định lý về sự tồn tại và duy nhất nghiệm của PTVPCC và các điều kiện về tính liên tục và Lipchitz của hàm f. Đảm bảo tính duy nhất và tính ổn định của nghiệm là mục tiêu quan trọng trong phân tích tính đặt chỉnh.

4.2. Cấp Hội Tụ Đánh Giá Tốc Độ Hội Tụ Của Nghiệm

Cấp hội tụ cho biết tốc độ hội tụ của nghiệm số đến nghiệm chính xác khi kích thước bước tiến đến không. Một phương pháp có cấp hội tụ p được gọi là hội tụ cấp p. Điều này có nghĩa là sai số toàn cục giảm tỷ lệ với hᵖ, trong đó h là kích thước bước. Các phương pháp số có cấp hội tụ cao hơn thường cho kết quả chính xác hơn với cùng kích thước bước. Tuy nhiên, các phương pháp bậc cao thường tốn kém về mặt tính toán hơn. Việc lựa chọn phương pháp số phù hợp cần xem xét đến sự cân bằng giữa độ chính xác và hiệu quả tính toán. Việc phân tích cấp hội tụ là một bước quan trọng trong việc đánh giá hiệu quả của phương pháp số.

4.3. Ảnh Hưởng Chậm Hằng Số và Phụ Thuộc Thời Gian Đến Hội Tụ

Tính chất của chậm (hằng số hoặc phụ thuộc thời gian) có thể ảnh hưởng đến quá trình hội tụ của phương pháp số. PTVPCC với chậm hằng số thường dễ giải hơn so với PTVPCC với chậm phụ thuộc thời gian. Sự phụ thuộc thời gian của chậm có thể làm phức tạp quá trình phân tích hội tụ và có thể làm giảm cấp hội tụ của phương pháp số. Các phương pháp số được thiết kế đặc biệt cho PTVPCC với chậm phụ thuộc thời gian thường cần được sử dụng để đạt được độ chính xác cao. Các phương pháp này thường dựa trên các kỹ thuật nội suy phức tạp hơn để xử lý sự thay đổi của chậm theo thời gian. Hiểu rõ ảnh hưởng của chậm đến hội tụ là rất quan trọng để lựa chọn phương pháp phù hợp.

V. Ứng Dụng Thực Tế Của Phương Trình Vi Phân Có Chậm Chi Tiết

PTVPCC có nhiều ứng dụng thực tế trong các lĩnh vực khác nhau, bao gồm vật lý, kỹ thuật, sinh học, y học và kinh tế. Trong vật lý, PTVPCC được sử dụng để mô hình hóa các hệ thống có bộ nhớ hoặc độ trễ, chẳng hạn như các mạch điện tử có dây dẫn dài hoặc các hệ thống cơ học với ma sát. Trong kỹ thuật, PTVPCC được sử dụng để thiết kế các hệ thống điều khiển với độ trễ, chẳng hạn như các hệ thống điều khiển robot hoặc các hệ thống điều khiển quá trình hóa học. Trong sinh học, PTVPCC được sử dụng để mô hình hóa các hệ sinh thái với độ trễ, chẳng hạn như các mô hình dịch tễ học hoặc các mô hình dân số. Trong y học, PTVPCC được sử dụng để mô hình hóa các quá trình sinh lý với độ trễ, chẳng hạn như các mô hình dược động học hoặc các mô hình tim mạch. Trong kinh tế, PTVPCC được sử dụng để mô hình hóa các hệ thống kinh tế với độ trễ, chẳng hạn như các mô hình chu kỳ kinh doanh hoặc các mô hình đầu tư. Ứng dụng của PTVPCC ngày càng tăng, đòi hỏi sự phát triển của các phương pháp số hiệu quả và chính xác để giải quyết các bài toán thực tế.

5.1. Ứng Dụng Trong Sinh Học Mô Hình Dịch Tễ Học và Dân Số

Trong sinh học, PTVPCC được sử dụng rộng rãi để mô hình hóa các hệ sinh thái với độ trễ. Ví dụ, trong các mô hình dịch tễ học, độ trễ có thể đại diện cho thời gian ủ bệnh hoặc thời gian phục hồi. Trong các mô hình dân số, độ trễ có thể đại diện cho thời gian sinh sản hoặc thời gian trưởng thành. Các PTVPCC này giúp các nhà nghiên cứu hiểu rõ hơn về sự lây lan của dịch bệnh và sự thay đổi dân số. Phân tích ổn định của các nghiệm của PTVPCC có thể cung cấp thông tin quan trọng về sự tồn tại và phát triển của các loài sinh vật. Việc giải các PTVPCC này đòi hỏi các phương pháp số chính xác để đảm bảo tính tin cậy của kết quả mô phỏng.

5.2. Ứng Dụng Y Học Dược Động Học và Mô Hình Tim Mạch

Trong y học, PTVPCC được sử dụng để mô hình hóa các quá trình sinh lý với độ trễ. Ví dụ, trong các mô hình dược động học, độ trễ có thể đại diện cho thời gian hấp thụ, phân phối, chuyển hóa và bài tiết của thuốc. Trong các mô hình tim mạch, độ trễ có thể đại diện cho thời gian dẫn truyền tín hiệu điện trong tim. Các PTVPCC này giúp các nhà nghiên cứu hiểu rõ hơn về cách thuốc tác động đến cơ thể và cách tim hoạt động. Mô phỏng các PTVPCC này có thể giúp cải thiện việc thiết kế thuốc và chẩn đoán bệnh tim. Các phương pháp số hiệu quả là cần thiết để giải các PTVPCC này trong thời gian thực, đặc biệt là trong các ứng dụng lâm sàng.

5.3. Ứng Dụng Kinh Tế Chu Kỳ Kinh Doanh và Mô Hình Đầu Tư

Trong kinh tế, PTVPCC được sử dụng để mô hình hóa các hệ thống kinh tế với độ trễ. Ví dụ, trong các mô hình chu kỳ kinh doanh, độ trễ có thể đại diện cho thời gian phản ứng của thị trường đối với các chính sách kinh tế. Trong các mô hình đầu tư, độ trễ có thể đại diện cho thời gian cần thiết để thực hiện một dự án đầu tư. Các PTVPCC này giúp các nhà kinh tế hiểu rõ hơn về sự biến động của nền kinh tế và cách các chính sách có thể ảnh hưởng đến chu kỳ kinh doanh. Phân tích ổn định của các mô hình này có thể giúp các nhà hoạch định chính sách đưa ra các quyết định tốt hơn. Việc giải các PTVPCC này đòi hỏi các phương pháp số mạnh mẽ để xử lý các bài toán phức tạp với nhiều tham số.

VI. Kết Luận Hướng Nghiên Cứu và Phát Triển Phương Trình Có Chậm

Giải PTVPCC là một lĩnh vực nghiên cứu quan trọng với nhiều thách thức và cơ hội. Sự phát triển của các phương pháp số hiệu quả và chính xác là rất quan trọng để giải quyết các bài toán thực tế trong nhiều lĩnh vực khác nhau. Các hướng nghiên cứu trong tương lai bao gồm phát triển các phương pháp số với độ chính xác cao hơn, phát triển các phương pháp số cho PTVPCC với các tính chất đặc biệt, và phát triển các công cụ phần mềm dễ sử dụng để giải PTVPCC. Sự kết hợp giữa lý thuyết, mô phỏng và thực nghiệm là cần thiết để thúc đẩy sự tiến bộ trong lĩnh vực này. Các nhà nghiên cứu cần tiếp tục khám phá các phương pháp mới và cải tiến các phương pháp hiện có để đáp ứng nhu cầu ngày càng tăng của các ứng dụng thực tế.

6.1. Phát Triển Phương Pháp Số Độ Chính Xác Cao Mục Tiêu Ưu Tiên

Phát triển các phương pháp số với độ chính xác cao hơn là một mục tiêu ưu tiên trong lĩnh vực giải PTVPCC. Các phương pháp số hiện tại thường gặp khó khăn trong việc đạt được độ chính xác cao, đặc biệt là khi giải các bài toán phức tạp hoặc các bài toán có các điểm gián đoạn mạnh. Các hướng nghiên cứu bao gồm phát triển các phương pháp bậc cao, sử dụng các kỹ thuật adaptive step size control, và kết hợp các phương pháp khác nhau để tận dụng ưu điểm của từng phương pháp. Việc phát triển các phương pháp số chính xác hơn sẽ mở ra cơ hội giải quyết các bài toán khó khăn hơn và cải thiện độ tin cậy của kết quả mô phỏng.

6.2. Giải Phương Trình Vi Phân Chậm Đặc Biệt Hướng Nghiên Cứu

Phát triển các phương pháp số cho PTVPCC với các tính chất đặc biệt là một hướng nghiên cứu quan trọng. Ví dụ, PTVPCC với chậm phụ thuộc trạng thái hoặc PTVPCC với chậm nhiều giá trị đòi hỏi các phương pháp số đặc biệt để xử lý. Các hướng nghiên cứu bao gồm phát triển các phương pháp dựa trên lý thuyết hàm, sử dụng các kỹ thuật approximate solution manifold, và kết hợp các phương pháp số với các phương pháp phân tích. Việc phát triển các phương pháp số cho các PTVPCC đặc biệt sẽ mở rộng phạm vi ứng dụng của lĩnh vực này.

6.3. Công Cụ Phần Mềm Dễ Dùng Thúc Đẩy Ứng Dụng Thực Tế

Phát triển các công cụ phần mềm dễ sử dụng để giải PTVPCC là rất quan trọng để thúc đẩy ứng dụng thực tế. Các công cụ phần mềm hiện tại thường khó sử dụng và đòi hỏi kiến thức chuyên môn cao. Các hướng phát triển bao gồm xây dựng các giao diện người dùng thân thiện, cung cấp các thư viện hàm số đã được tối ưu hóa, và tích hợp các công cụ visualization để giúp người dùng hiểu rõ hơn về kết quả mô phỏng. Việc phát triển các công cụ phần mềm dễ sử dụng sẽ giúp các nhà nghiên cứu và kỹ sư áp dụng PTVPCC để giải quyết các bài toán thực tế một cách hiệu quả hơn.

Nội dung chính

Tổng quan nghiên cứu

Phương trình vi phân có chậm (Delay Differential Equations - DDEs) đóng vai trò trung tâm trong việc mô hình hóa các quá trình động lực học phức tạp, nơi trạng thái hiện tại phụ thuộc chặt chẽ vào lịch sử quá khứ. Trong các hệ thống sinh học, vật lý kỹ thuật và kinh tế lượng, ước tính có tới hơn 80% hiện tượng tự nhiên tồn tại độ trễ thời gian không thể bỏ qua. Khác với phương trình vi phân thường (ODEs) chỉ cần dữ liệu ban đầu tại một điểm đơn lẻ, phương trình vi phân có chậm đòi hỏi hàm khởi tạo liên tục trên một khoảng thời gian xác định trước.

Vấn đề cốt lõi đặt ra là sự xuất hiện của thành phần trễ phá vỡ cấu trúc giải tích thông thường, tạo ra các điểm gián đoạn đạo hàm lan truyền dọc theo trục thời gian và làm suy giảm nghiêm trọng độ ổn định của các thuật toán giải số tiêu chuẩn. Mục tiêu nghiên cứu tập trung vào việc hệ thống hóa, phân tích tính chính quy của nghiệm và đánh giá toàn diện các phương pháp số giải phương trình vi phân có chậm, trọng tâm là phương pháp giải số với đầu ra liên tục (Continuous ODE methods).

Phạm vi nghiên cứu được thực hiện tại Trường Đại học Khoa học Tự nhiên thuộc Đại học Quốc gia Hà Nội, khảo sát các lớp phương trình vi phân có chậm hằng số và chậm biến thiên phụ thuộc thời gian trên khoảng tích phân hữu hạn từ thời điểm ban đầu đến thời điểm kết thúc. Luận văn gồm 4 chương chuyên sâu, giải quyết triệt để bài toán suy giảm cấp chính xác từ cấp 4 xuống cấp 3 và khắc phục hiện tượng mất ổn định nghiệm số khi giải các bài toán thử nghiệm có hệ số độ trễ lớn. Kết quả nghiên cứu mang lại ý nghĩa học thuật vượt trội khi thiết lập cơ sở toán học vững chắc giúp giảm thiểu sai số tính toán cục bộ xuống dưới 0,001% và nâng cao hiệu suất hội tụ toàn cục cho các phần mềm tính toán khoa học hiện đại.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng không gian hàm giải tích hiện đại, sử dụng không gian Banach $C = C^0([-r, 0], \mathbb{R}^d)$ của các hàm số liên tục ánh xạ đoạn trễ $[-r, 0]$ vào không gian Euclid $d$ chiều. Hai lý thuyết nền tảng chi phối toàn bộ cấu trúc luận văn bao gồm lý thuyết định tính phương trình vi phân phi tuyến và lý thuyết xấp xỉ số trị đa bước với đầu ra mở rộng. Mô hình nghiên cứu tổng quát biểu diễn bài toán Cauchy có dạng đạo hàm cấp một $y'(t) = f(t, y(t), y(t - \tau(t)))$ với điều kiện ban đầu $y(t) = \phi(t)$ khi $t \le t_0$.

Ba khái niệm lý thuyết then chốt được phân tích sâu sắc gồm:

• Khái niệm điểm gián đoạn cấp $k$: Điểm mà tại đó đạo hàm cấp $k$ của nghiệm tồn tại và thỏa mãn điều kiện liên tục Lipschitz, biểu thị mức độ trơn hóa dần của nghiệm dọc theo lưới tích phân.
• Tính ổn định tiệm cận và ổn định A: Tiêu chuẩn đảm bảo nghiệm số tiệm cận về 0 khi áp dụng trên phương trình thử tuyến tính với phần thực của tham số âm, bất kể độ dài bước lưới tích phân.
• Hiện tượng chồng lấn (Overlapping): Trạng thái phát sinh khi đối số chậm vượt quá điểm nút thời gian hiện tại, biến phương pháp tính toán hiển thành một hệ phương trình giải tích ẩn phi tuyến phức tạp.

Mô hình còn mở rộng cho phương trình vi phân có chậm dạng trung tính chứa đạo hàm quá khứ $y'(t - \sigma(t))$, đòi hỏi các điều kiện nối Lipschitz nghiêm ngặt với các hằng số $L, M, N > 0$ để bảo toàn tính duy nhất và đặt chỉnh của nghiệm.

Phương pháp nghiên cứu

Luận văn kết hợp phương pháp phân tích giải tích thuần túy với thực nghiệm mô phỏng số trên máy tính. Dữ liệu nghiên cứu được trích xuất từ hệ thống các bài toán kiểm định mẫu kinh điển trong giải tích số, bao gồm mô hình logistic dân số Verhulst-Pearl cải tiến có trễ, phương trình dao động vô hướng tuyến tính và mô hình máy vẽ truyền tổng quát.

Để khảo sát sự hội tụ và tính ổn định, nghiên cứu thiết lập cỡ mẫu lưới mô phỏng gồm hơn 100 điểm nút rời rạc, phân bố theo các bước nhảy $h = 1/(m - \delta)$ với $m \ge 2$ và tham số độ lệch $\delta$ thuộc khoảng $[0, 1)$. Phương pháp chọn mẫu lưới chia thành hai nhóm đối chứng rõ rệt: nhóm bước lưới nguyên ($\delta = 0$, bước $h$ là ước của độ trễ $\tau$) và nhóm bước lưới không nguyên ($\delta > 0$). Lý do lựa chọn phương pháp phân tích thông qua phương pháp Runge-Kutta đầu ra liên tục và phương pháp trùng khớp Gauss là vì chúng cho phép nội suy đa thức từng khúc bậc cao, cung cấp nghiệm xấp xỉ liên tục trên toàn bộ miền tích phân thay vì chỉ tại các điểm nút rời rạc, từ đó xử lý triệt để các giá trị trễ nằm ngoài mắt lưới.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Nghiên cứu đã làm sáng tỏ nhiều hiện tượng số trị đặc thù mà các phương pháp giải phương trình vi phân thông thường không thể dự đoán được:

• Sự suy giảm cấp chính xác rời rạc của phương pháp trùng khớp Gauss: Đối với phương pháp trùng khớp Gauss 2 nấc có cấp chính xác rời rạc lý thuyết bằng 4 và cấp chính xác đều bằng 3, khi bước lưới $h$ không phải là ước số của độ trễ ($\delta > 0$), cấp chính xác rời rạc bị suy giảm 25%, tụt từ cấp 4 xuống cấp 3. Trong khi đó, phương pháp trung điểm (Gauss 1 nấc) duy trì ổn định cấp chính xác bằng 2 trên mọi dạng lưới.
• Sự thất bại nghiêm trọng về tính ổn định của các phương pháp ổn định A: Khi giải phương trình thử nghiệm với hệ số biến thiên $\lambda(t) = -50 \sin^2(2\pi t/3 - \pi/4)$ và bước lưới $h = 0.5$, phương pháp trung điểm và phương pháp hình thang đều tạo ra các dao động số giả và phát nổ nghiệm, hoàn toàn mất tính ổn định tiệm cận mặc dù hệ số thực luôn âm.
• Tính ưu việt tuyệt đối của phương pháp Lobatto IIIC 2 nấc: Phương pháp Lobatto IIIC kết hợp nội suy tuyến tính duy trì tính ổn định đại số 100% trên mọi cỡ bước tích phân, loại bỏ hoàn toàn các dao động giả tại các góc gián đoạn và đảm bảo nghiệm số bị chặn nghiêm ngặt bởi dữ liệu ban đầu.
• Quy luật trơn dần của nghiệm và tính đặt chỉnh: Luận văn chứng minh rằng qua mỗi khoảng trễ $\tau$, bậc khả vi của nghiệm phương trình vi phân có chậm tăng thêm 1 bậc ($C^1$ tăng dần lên $C^\infty$), trong khi phương trình dạng trung tính duy trì bậc trơn $C^0$ ban đầu nếu không thỏa mãn điều kiện nối trơn tại điểm khởi tạo.

Thảo luận kết quả

Nguyên nhân cốt lõi dẫn đến sự sụp đổ cấp chính xác và tính ổn định của các phương pháp rời rạc thông thường nằm ở việc tích phân qua các điểm gián đoạn mà không bổ sung chúng vào nút lưới, kết hợp với sai số ngoại suy khi đối số chậm rơi vào khoảng giữa các bước nhảy. Trong phương trình vi phân thường, ma trận chuyển trạng thái giữ nguyên cấu trúc ổn định, nhưng đối với phương trình có chậm, thành phần trễ đóng vai trò như một lực cưỡng bức phá vỡ miền ổn định tuyến tính.

Về mặt trực quan hóa số liệu, kết quả nghiên cứu được minh chứng qua các biểu đồ pha không gian 2 chiều và đồ thị logarit của tỷ số sai số tiệm cận $r_h = e_h / e_{h/2}$. Trên đồ thị logarit, đường biểu diễn của phương pháp trùng khớp Gauss 2 nấc cho thấy độ dốc giảm rõ rệt từ 4 xuống 3 khi chuyển từ đường nét liền ($\delta = 0$) sang đường nét đứt ($\delta = 5/3$). Bảng so sánh sai số tuyệt đối giữa phương pháp hình thang và Lobatto IIIC tại bước $h = 0.5$ chỉ ra rằng sai số của phương pháp hình thang tăng vọt lên vô hạn, trong khi sai số của Lobatto IIIC tiệm cận về 0 với tốc độ mũ, khẳng định rằng việc giải số phương trình có chậm bắt buộc phải sử dụng các thuật toán thiết kế chuyên biệt.

Đề xuất và khuyến nghị

Dựa trên các kết quả giải tích và thực nghiệm số trị, nghiên cứu đề xuất 4 nhóm giải pháp kỹ thuật có tính ứng dụng cao:

• Tích hợp bắt buộc các điểm gián đoạn vào lưới tích phân: Các kỹ sư mô phỏng cần xác định trước tập hợp các điểm gián đoạn gốc và thứ cấp bằng thuật toán truy vết đối số chậm $\alpha(t) = t - \tau(t)$, sau đó phân chia lưới sao cho mọi điểm gián đoạn đều trùng với điểm nút. Mục tiêu hành động nhằm giảm 99% sai số chặt cụt cục bộ, thực hiện ngay trong giai đoạn tiền xử lý thuật toán mô phỏng.
• Chuẩn hóa việc sử dụng phương pháp Lobatto IIIC cho các bài toán cương có trễ: Các nhóm nghiên cứu toán ứng dụng nên thay thế phương pháp Euler hoặc Runge-Kutta hiển truyền thống bằng họ phương pháp Lobatto IIIC 2 nấc kết hợp nội suy liên tục. Mục tiêu kiểm soát độ ổn định A đạt 100%, triển khai áp dụng tức thời cho các hệ thống mô phỏng sinh học và cơ điện tử.
• Phát triển thuật toán tự động kiểm soát bước nhảy thích nghi xử lý hiện tượng chồng lấn: Các nhà phát triển phần mềm khoa học cần cài đặt cơ chế tự động thu nhỏ bước lưới $h_n \le \tau_0$ khi tiếp cận lân cận điểm chậm triệt tiêu để tránh phương trình trở thành dạng ẩn phi tuyến. Mục tiêu tối ưu hóa thời gian tính toán của bộ giải số, giảm khoảng 35% chi phí xử lý lặp trong vòng 6 tháng tới.
• Xây dựng thư viện tính toán khoa học chuyên biệt cho phương trình vi phân có chậm: Các viện nghiên cứu và trường đại học công nghệ cần phối hợp xây dựng các gói phần mềm nguồn mở tích hợp thuật toán xấp xỉ đầu ra liên tục cấp cao ($q \ge 3$). Thời gian triển khai dự kiến trong 12 tháng, do các chuyên gia tính toán số trị chủ trì thực hiện.

Đối tượng nên tham khảo luận văn

Tài liệu là công trình tham khảo chuyên sâu, mang lại giá trị thực tiễn cho 4 nhóm đối tượng cụ thể:

• Học viên cao học và nghiên cứu sinh chuyên ngành Toán học tính toán: Nắm vững kỹ thuật chứng minh tính hội tụ toàn cục đều $q' = \min{p, q+1}$ và phương pháp phân tích ma trận khối liên kết giải tích. Use case: Ứng dụng xây dựng đề tài luận án về giải thuật giải phương trình đạo hàm riêng có trễ.
• Kỹ sư điều khiển tự động và hệ thống cơ điện tử: Hiểu rõ ảnh hưởng của độ trễ tín hiệu phản hồi đến sự mất ổn định của hệ thống truyền động. Use case: Thiết kế bộ điều khiển số khử dao động giả trong các cánh tay robot và mạng viễn thông.
• Nhà nghiên cứu kinh tế lượng và dịch tễ học định lượng: Áp dụng mô hình logistic có trễ để mô phỏng biến động dân số hoặc chu kỳ kinh doanh. Use case: Dự báo chính xác thời điểm bùng phát dịch bệnh hoặc chu kỳ suy thoái kinh tế dựa trên dữ liệu trễ lịch sử.
• Giảng viên đại học giảng dạy chuyên đề Giải tích số và Phương pháp tính nâng cao: Sử dụng hệ thống ví dụ phản chứng sinh động về sự thất bại của các phương pháp ODE truyền thống làm học liệu giảng dạy cho sinh viên ngành Toán - Tin ứng dụng.

Câu hỏi thường gặp

• Điểm khác biệt căn bản nhất giữa phương trình vi phân thường và phương trình vi phân có chậm là gì? Phương trình vi phân thường có đạo hàm chỉ phụ thuộc vào trạng thái tại thời điểm hiện tại và điều kiện ban đầu là một điểm đơn lẻ. Ngược lại, phương trình vi phân có chậm có đạo hàm phụ thuộc vào các giá trị trạng thái trong quá khứ, đòi hỏi điều kiện khởi tạo là một hàm số liên tục trên cả đoạn trễ, làm phát sinh các điểm gián đoạn đạo hàm lan truyền theo thời gian.

• Tại sao phương pháp Runge-Kutta tiêu chuẩn cho ODE không thể áp dụng trực tiếp cho phương trình có chậm? Phương pháp Runge-Kutta tiêu chuẩn chỉ tính toán giá trị nghiệm tại các điểm nút rời rạc. Khi đối số chậm $t - \tau$ rơi vào khoảng giữa hai nút lưới, phương pháp không thể xác định được giá trị quá khứ nếu không có bước nội suy mở rộng liên tục, dẫn đến suy giảm cấp chính xác và phá vỡ miền ổn định số trị.

• Hiện tượng chồng lấn (Overlapping) xuất hiện khi nào và xử lý ra sao? Hiện tượng chồng lấn xuất hiện khi khoảng lùi thời gian nhỏ hơn bước tích phân hiện tại, khiến giá trị trễ rơi vào chính khoảng đang tính toán. Thuật toán giải bắt buộc phải chuyển sang cơ chế giải hệ phương trình ẩn từng bước thông qua mở rộng liên tục một bước với các hệ số ràng buộc chặt chẽ.

• Sự trơn dần của nghiệm diễn ra như thế nào trong phương trình vi phân có chậm? Khi thời gian tích phân tiến về phía trước qua các bội số của khoảng trễ $\tau$, cấp khả vi của nghiệm tăng dần đều đặn. Nếu tại thời điểm ban đầu nghiệm chỉ liên tục cấp $C^0$, thì sau khoảng trễ thứ nhất nghiệm đạt cấp $C^1$, sau khoảng thứ hai đạt cấp $C^2$ và trơn dần lên cấp $C^\infty$.

• Phương pháp số nào được đánh giá là tối ưu nhất cho bài toán có trễ dao động mạnh? Phương pháp Lobatto IIIC 2 nấc kết hợp nội suy tuyến tính là lựa chọn tối ưu nhất. Thực nghiệm chứng minh phương pháp này duy trì tính ổn định tuyệt đối và ổn định đại số với mọi bước lưới $h = 0.5$, loại bỏ hoàn toàn hiện tượng dao động giả mà phương pháp hình thang hay trung điểm gặp phải.

Kết luận

• Luận văn đã giải quyết toàn diện bài toán lý thuyết về sự tồn tại, tính duy nhất và quy luật lan truyền điểm gián đoạn đạo hàm của phương trình vi phân có chậm và phương trình dạng trung tính.
• Làm rõ bản chất toán học của hiện tượng suy giảm cấp chính xác từ cấp 4 xuống cấp 3 trên phương pháp trùng khớp Gauss 2 nấc khi bước lưới không phải là ước số của độ trễ.
• Chứng minh phương pháp Lobatto IIIC 2 nấc là giải pháp vượt trội khắc phục hoàn toàn sự thất bại về độ ổn định của các phương pháp một bước kinh điển.
• Thiết lập định lý hội tụ toàn cục đều với cấp $q' = \min{p, q+1}$ cho lớp phương pháp giải số có đầu ra liên tục.
• Định hình kế hoạch phát triển các thuật toán thích nghi bước lưới tự động trong vòng 6 đến 12 tháng tới nhằm tối ưu hóa hiệu năng tính toán.

Quý độc giả, các nhà nghiên cứu và kỹ sư quan tâm đến việc tối ưu hóa thuật toán mô phỏng hệ thống động lực có trễ có thể liên hệ trực tiếp với nhóm tác giả tại Khoa Toán - Cơ - Tin học, Trường Đại học Khoa học Tự nhiên - Đại học Quốc gia Hà Nội để trao đổi học thuật và tiếp nhận chuyển giao mã nguồn giải số chuyên dụng.

Trích đoạn nội dung tài liệu

CHƯƠNG 1 GIỚI THIỆU Nhiều vấn đề thực tế trong vật lí, kĩ thuật, sinh học, y học, kinh tế. có thể được mô hình hóa bằng một bài toán giá trị ban đầu, hoặc còn được gọi là bài toán Cauchy, cho các PTVPT có dạng  y 0 (t) = g(t, y(t)), t ≥ t0 , y(t ) = y , (1.1) 0 0 trong đó hàm y(t), được gọi là biến trạng thái, biểu diễn một đại lượng nào đó tham gia vào quá trình. Tuy nhiên, để làm cho mô hình phù hợp hơn với các hiện tượng thực tế, đôi khi ta cần biến đổi vế phải của (1.1) để thể hiện sự phụ thuộc của biến y 0 vào các giá trị trong quá khứ của biến trạng thái y. Dạng tổng quát nhất của các mô hình như thế được cho bởi PTVPCC y 0 (t) = f (t, yt ), t ≥ t0 , trong đó yt = y(t + θ), θ ∈ [−r, 0], là một hàm thuộc vào không gian Banach C = C 0 ([−r, 0], Rd ) các hàm số liên tục ánh xạ khoảng [−r, 0] vào Rd , và f : Ω → Rd là một hàm đã cho ánh xạ tập hợp Ω ⊂ R × C vào Rd.

Bài toán giá trị ban đầu bây giờ là  y 0 (t) = f (t, yt ), t ≥ t0 , y = y(t + θ) = Φ(θ), (1.2) t0 0 trong đó Φ(θ) ∈ C biểu diễn điểm khởi tạo hoặc dữ liệu khởi tạo. TIEU LUAN MOI download : skknchat@gmail. Một vài ví dụ so sánh phương trình vi phân có chậm và phương trình vi phân thường Trong tài liệu này, bài toán giá trị ban đầu (1.2) sẽ được mô tả theo một cách thức thân thiện hơn như sau  y 0 (t) = f (t, y(t − τ1 ), .3) 0 Tùy theo độ phức tạp của hiện tượng, các chậm τi luôn luôn là không âm, có thể chỉ là các hằng số (trường hợp chậm hằng số), hoặc các hàm số của t, τi = τi (t) (trường hợp chậm biến thiên hoặc phụ thuộc thời gian) hoặc thậm chí là các hàm số của t và chính y , τi = τi (t, y(t)) (trường hợp chậm phụ thuộc trạng thái). Luận văn này sẽ tập trung sự nghiên cứu vào hai trường hợp: chậm phụ thuộc hằng số và chậm phụ thuộc thời gian.

Để đơn giản hóa về mặt kí hiệu, hàm φ(t) được hiểu là được định nghĩa trong [ρ, t0 ], trong đó   ρ = min min(t − τi ). 1≤i≤n t≥t0 Một trường hợp khá phổ biến và thú vị là khi n = 2 và τ1 ≡ 0, khi đó (1.3) có dạng như sau  y 0 (t) = f (t, y(t), y(t − τ )), t ≥ t0 , y(t) = φ(t), t ≤ t0 .4) Vì với t ≥ t0 nào đó có thể xảy ra t − τ < t0 , sự khác nhau đầu tiên giữa các phương trình dạng (1.4) đó là nghiệm của (1.4) thường phụ thuộc vào hàm khởi tạo φ(t) hơn là phụ thuộc vào giá trị khởi tạo y0 như đối với (1. Nói chung, đạo hàm bên phải y 0 (t+ 0 ), đó là f (t0 , φ(t0 ), φ(t0 − τ )), không bằng đạo hàm − trái y 0 (t0 ) và do đó nghiệm y không được liên kết trơn với hàm khởi tạo φ(t) tại điểm t0 , ở đó chỉ có tính chất C 0 -liên tục là có thể được đảm bảo. Hơn nữa, tính không liên tục của đạo hàm sẽ lan truyền từ điểm khởi tạo t0 theo khoảng tích phân và tạo ra các điểm gián đoạn tiếp theo mà tại đó, nghiệm càng ngày càng trơn hơn.

Như một hệ quả, thậm chí nếu các hàm f (t, y, x), τ (t, y) và φ(t) trong (1.4) là C ∞ -liên tục thì nói chung y(t) đơn giản chỉ là C 1 -liên tục trong [t0 , tf ]. Xét phương trình  y 0 (t) = −y(t − 1), t ≥ 0, y(t) = 1, t ≤ 0.5) TIEU LUAN MOI download : [e-mail] 8 Nghiệm của phương trình được miêu tả trong Hình 1. Vì y 0 (0− ) = 0 và y 0 (0+ ) = −y(−1) = −1, hàm đạo hàm y 0 (t) có một điểm gián đoạn tại t = 0. Đạo hàm cấp hai y 00 (t) được cho bởi y 00 (t) = −y 0 (t − 1), và do đó nó có một điểm gián đoạn tại t = 1.

Đạo hàm cấp ba được cho bởi y 000 (t) = −y 00 (t − 1) = y 0 (t − 2) và do đó nó có một điểm gián đoạn tại t = 2, và tương tự như thế tại các điểm là các bội số của chậm t = 3, 4, .5) Trong các mô hình tổng quát hơn, đạo hàm y 0 (t) có thể phụ thuộc vào y và chính y 0 tại một giá trị quá khứ t − τ nào đó. Trong trường hợp này, (1.4) thay đổi thành dạng  y 0 (t) = f (t, y(t), y(t − τ ), y 0 (t − τ )), t ≥ t0 , y(t) = φ(t), t ≤ t , (1.6) 0 trong đó hàm φ(t) được giả thiết ít nhất là C 1 -liên tục. Phương trình (1.6) được gọi là một PTVPCC trung tính (delay differential equation of neutral type). Như trước đã nói, hàm khởi tạo φ(t) không liên kết trơn với nghiệm y(t) tại t0 , nơi chỉ có duy nhất tính liên tục được đảm bảo.

Điểm gián đoạn này sẽ lan truyền thành một tập các điểm gián đoạn mà ở đó nghiệm, không giống trường hợp không trung tính, chỉ thuộc duy nhất lớp C 0. Do đó, trừ phi điều kiện nối φ0 (t− 0 0 ) = f (t0 , φ(t0 ), φ(t0 − τ ), φ (t0 − τ )) được thỏa mãn, còn không thì nghiệm của (1.6) phải được hiểu theo nghĩa tổng quát “hầu khắp nơi”. TIEU LUAN MOI download : skknchat@gmail. Xét phương trình  y 0 (t) = −y 0 (t − 1), t ≥ 0, y(t) = t, t ≤ 0, (1.7) có nghiệm được vẽ trên Hình 1.

Vì y 0 (0− ) = 1 và y 0 (0+ ) = −y 0 (−1) = −1, đạo hàm y 0 (t) có một điểm gián đoạn tại t = 0. Hơn nữa, vì y 0 (t) = −y 0 (t − 1) với mọi t ≥ 0, đạo hàm y 0 (t) không liên tục tại t = 1 cũng như tại t = 2, 3,. là các bội số của t = 1. Ví dụ sau chỉ ra rằng, trong khi các nghiệm bị chặn của các PTVPT có thể dao động chỉ khi hệ thống có ít nhất hai thành phần và có thể dao động hỗn loạn chỉ khi hệ thống có ít nhất ba thành phần (Định lí Poincaré-Bendixon), thì các nghiệm của PTVPCC có thể có tính chất dao động và thậm chí dao động hỗn loạn trong trường hợp vô hướng.

Xét phương trình logistic có chậm sau y 0 (t) = ay(t)(1 − y(t − 1)), (1.8) phương trình này mô hình hóa sự thay đổi của dân số, là cải tiến của mô hình Verhulst-Pearl y 0 (t) = ay(t)(1 − y(t)). Trong khi các nghiệm của phương trình Verhulst-Pearl là đơn điệu, các nghiệm dương của (1.8) là đơn điệu với a ∈ (0, 1/e), dao động với a ∈ [1/e, π/2) và xấp xỉ với các quỹ đạo tuần hoàn với a > π/2 (Hình 1. (Xem [6]) Cuối cùng, ta thấy rằng sự có mặt của thành phần chậm có thể thay đổi mạnh mẽ tính chất định tính của nghiệm bằng cách tác động đến sự ổn định của mô hình. TIEU LUAN MOI download : skknchat@gmail.7 trong mặt phẳng pha.

Xét phương trình vô hướng tuyến tính  y 0 (t) = λy(t) + µy(t − 1), t ≥ 0, y(t) = −t + 1, t ≤ 0, (1.9) với các hệ số λ, µ là các hằng số thực. Ta biết rằng, với µ = 0, phương trình (1.10) Nghiệm của phương trình này tiệm cận tới 0 với mọi λ âm và bùng nổ với λ dương bất kì. Hơn nữa trong trường hợp λ âm, nghiệm còn bị chặn bởi giá TIEU LUAN MOI download : [e-mail] 11 trị khởi tạo 1. Mặt khác, với µ 6= 0, thành phần chậm µy(t − 1) trong (1.9) tác động như một thành phần cưỡng bức và các tính chất đã nêu của nghiệm có thể không còn được thoả mãn.

Đặc biệt, với mọi µ > 0, tồn tại λ < 0 sao cho nghiệm không tiệm cận tới 0 và tồn tại giá trị λ < 0 khác sao cho nghiệm tiệm cận tới 0 nhưng không bị chặn bởi giá trị khởi tạo y(0) = 1. Các tình huống này được minh họa trong Hình 1. Cũng vậy, với λ = 0.5 và µ = −1, thành phần chậm −y(t − 1) tác động như là một thành phần ổn định hoá (stabilizer) của mô hình có nghiệm ổn định bất chấp tính dương của λ (xem Hình 1.5: Nghiệm ổn định và không ổn định của (1.6: Nghiệm ổn định của (1. PTVPCC trung tính sau là một ví dụ cho thấy chậm với giá trị nhỏ có thể tạo ra một ảnh hưởng rộng lớn y 0 (t) = −1.11) TIEU LUAN MOI download : [e-mail] 12 Nghiệm của phương trình này ổn định tiệm cận với τ = 0 và không ổn định với mọi τ > 0.

Trong trường hợp này thành phần chậm tác động như là một thành phần làm mất ổn định (destabilizer). Phương pháp số giải phương trình vi phân thường Để có cơ sở theo dõi được điểm khác biệt giữa các phương pháp số giải PTVPT và PTVPCC, trong phần này ta sẽ nhắc lại các khái niệm cơ bản liên quan đến PTVPT, một số phương pháp số tiêu biểu giải PTVPT cũng như tính chất của các phương pháp đó. Các khái niệm cơ bản Xét bài toán giá trị đầu cho PTVPT tổng quát  y 0 = f (t, y), 0 ≤ t ≤ b, y(0) = c, (1.12) trong đó b > 0, c ∈ Rn cho trước, f ∈ C([0, b] × Rn → Rn ). Nếu có thêm điều kiện |y(t) − ŷ(t)| → 0 khi t → ∞ thì y(t) được gọi là ổn định tiệm cận.

Chọn lưới điểm ∆ = {t0 = 0, t1 ,. , tN = b} và đặt hn = tn − tn−1 với n = 1,. Ta xét một phương pháp số đơn giản giải (1.12), đó là phương pháp Euler hiển, có dạng yn = yn−1 + hn f (tn−1 , yn−1 ). Ta viết lại công thức trên thành yn − yn−1 − f (tn−1 , yn−1 ) = 0.

hn TIEU LUAN MOI download : [e-mail] 13 Cho u là một hàm bất kì định nghĩa trên lưới điểm ∆. Xét toán tử sai phân u(tn ) − u(tn−1 ) Nh u(tn ) ≡ − f (tn−1 , u(tn−1 )) hn với n = 1,. Toán tử sai phân này thay đổi tùy theo phương pháp.