Bối cảnh và vấn đề nghiên cứu

Trong toán học ứng dụng và kỹ thuật, các bài toán vi phân và tích phân đóng vai trò trung tâm trong việc mô hình hóa các hiện tượng tự nhiên và kỹ thuật. Tuy nhiên, việc tìm kiếm nghiệm giải tích tường minh (nghiệm chính xác dưới dạng hàm sơ cấp) cho các bài toán này thường gặp nhiều trở ngại hoặc hoàn toàn không thể thực hiện được do tính chất phi tuyến hoặc biểu thức hàm quá phức tạp. Trước yêu cầu giải quyết các bài toán định tính và định lượng trong thực tế, giải tích số (phương pháp tính) trở thành công cụ quan trọng, cung cấp các thuật toán xấp xỉ với độ chính xác kiểm soát được.

Một trong những khâu trọng yếu của phương pháp giải tích số khi giải các phương trình vi phân - tích phân là bài toán tính gần đúng đạo hàm và tích phân của hàm số. Vấn đề này có ý nghĩa cốt lõi đối với các bài toán thực nghiệm, nơi hàm số chỉ được xác định dưới dạng bảng số liệu rời rạc thu được từ quan trắc hoặc đo đạc. Khóa luận tốt nghiệp của tác giả Nguyễn Thị Vân tập trung nghiên cứu, hệ thống hóa và cài đặt thuật toán cho các phương pháp số giải gần đúng đạo hàm và tích phân.

Theo văn bản khóa luận, mục đích nghiên cứu bao gồm ba nội dung:

  1. Tìm hiểu cơ sở lý thuyết về đạo hàm, tích phân và các phương pháp số giải gần đúng đạo hàm, tích phân.
  2. Nghiên cứu, xây dựng và phân tích các lược đồ giải gần đúng đạo hàm và tích phân trên máy tính điện tử.
  3. Hệ thống và phân loại các dạng bài tập cơ bản liên quan đến tính gần đúng đạo hàm và tích phân.

Nhiệm vụ nghiên cứu được xác định là: Nghiên cứu các lược đồ giải gần đúng đạo hàm và tích phân.

Đối tượng và phạm vi nghiên cứu của đề tài bao gồm:

  • Đối tượng nghiên cứu: Đạo hàm, tích phân và các lược đồ thuật toán giải gần đúng đạo hàm, tích phân.
  • Phạm vi nghiên cứu: Các thuật toán giải tích số cổ điển và hiện đại (nội suy Lagrange, Newton, sai phân hữu hạn, hàm ghép Spline bậc ba, công thức hình thang, Simpson, Newton - Cotes, Chebyshev, Gauss và phương pháp xác suất Monte - Carlo); môi trường thử nghiệm thuật toán được triển khai trên phần mềm tính toán ký hiệu và số Maple 17. Thời gian hoàn thành khóa luận vào tháng 05 năm 2018 tại Trường Đại học Hồng Đức, tỉnh Thanh Hóa.

Cơ sở lý thuyết và phương pháp

Khóa luận dựa trên nền tảng lý thuyết giải tích toán học cổ điển kết hợp với lý thuyết xấp xỉ hàm số và lý thuyết sai số trong giải tích số:

  • Khung lý thuyết: Lý thuyết không gian tuyến tính và phiếm hàm tuyến tính, định lý Weierstrass về xấp xỉ đa thức liên tục trên đoạn đóng, lý thuyết chuỗi Taylor và số gia, hệ đa thức trực giao Legendre, cùng với lý thuyết xác suất thống kê (luật số lớn và định lý giới hạn trung tâm áp dụng cho phương pháp Monte - Carlo).
  • Phương pháp nghiên cứu:
    • Phương pháp nghiên cứu định tính: Thu thập, phân tích, tổng hợp và hệ thống hóa các tài liệu tham khảo chuyên ngành liên quan đến lý thuyết đạo hàm, tích phân và các phương pháp giải tích số.
    • Phương pháp nghiên cứu định lượng: Phân tích cấu trúc giải thuật số, đánh giá sai số phương pháp và sai số tính toán, thiết lập thuật toán và cài đặt thực nghiệm trên phần mềm Maple để kiểm chứng độ chính xác của các lược đồ tính toán.
  • Nguồn dữ liệu: Các mô hình hàm giải tích mẫu, các bảng số liệu thực nghiệm rời rạc và các công thức giải tích chuẩn được sử dụng để minh họa và so sánh sai số.

Nội dung chính theo từng chương

Khóa luận được cấu trúc thành 4 chương chính cùng phần Mở đầu, Kết luận và Tài liệu tham khảo:

Chương 1: Kiến thức mở đầu

Chương 1 trình bày toàn diện các khái niệm nền tảng về lý thuyết sai số và các định nghĩa cơ bản của phép tính vi tích phân, chia làm hai phần chính:

  1. Lý thuyết sai số:

    • Khái niệm sai số: Định nghĩa số gần đúng $x$, số đúng $x^$, sai số tuyệt đối $\Delta_x$ thỏa mãn $|x^ - x| \le \Delta_x$, và sai số tương đối $\delta_x = \frac{\Delta_x}{|x|}$. Mối quan hệ giữa hai loại sai số: $\Delta_x = |x| \cdot \delta_x$.
    • Quy tròn số và sai số quy tròn: Quy tắc quy tròn số, sai số quy tròn tuyệt đối $\Delta_{x'}$ và sự tích lũy sai số khi làm tròn: $|x^* - x'| \le \Delta_x + \Delta_{x'}$.
    • Biểu diễn số gần đúng: Định nghĩa chữ số có nghĩa (tính từ chữ số khác 0 đầu tiên từ trái sang phải) và chữ số đáng tin (chữ số chắc). Các chuẩn quy ước viết số gần đúng.
    • Quy tắc lan truyền sai số cho hàm số $u = f(x_1, x_2, \dots, x_n)$:
      • Sai số tuyệt đối của tổng: $\Delta(x+y) = \Delta x + \Delta y$.
      • Sai số tương đối của hiệu: Khi trừ hai số gần bằng nhau, sai số tương đối tăng rất lớn, do đó trong tính toán số cần tránh phép trừ giữa các số xấp xỉ nhau.
      • Sai số tương đối của tích và thương: $\delta(xy) = \delta x + \delta y$; $\delta(x^n) = n \cdot \delta x$; $\delta(x/y) = \delta x + \delta y$.
      • Công thức vi phân toàn phần tổng quát để đánh giá sai số hàm nhiều biến: $\Delta u \le \sum_{j=1}^n \left| \frac{\partial f}{\partial x_j} \right| \Delta x_j$.
    • Phân loại nguồn sai số: Phân biệt sai số phương pháp (do thay mô hình toán học phức tạp bằng mô hình giải tích gần đúng) và sai số tính toán (sai số làm tròn trong quá trình thực hiện các phép tính số).

  2. Đạo hàm và tích phân:

    • Định nghĩa đạo hàm tại một điểm qua giới hạn tỉ số gia $\lim_{\Delta x \to 0} \frac{\Delta y}{\Delta x}$, mối quan hệ giữa tính khả vi và tính liên tục.
    • Ý nghĩa hình học của đạo hàm: Hệ số góc của tiếp tuyến đồ thị $y = f(x)$ tại điểm $M_0(x_0, f(x_0))$ và phương trình tiếp tuyến tương ứng $y - f(x_0) = f'(x_0)(x - x_0)$.
    • Khái niệm đạo hàm trên khoảng, các tính chất cơ bản của tích phân xác định (tính tuyến tính, tính chất đổi cận, tính chất cộng tính trên đoạn phân chia).
    • Ý nghĩa hình học của tích phân xác định: Diện tích hình thang cong giới hạn bởi đường cong $y = f(x)$, trục hoành và hai đường thẳng $x = a, x = b$.

Chương 2: Một số phương pháp số giải gần đúng đạo hàm

Chương 2 đi sâu vào việc xây dựng các công thức tính đạo hàm xấp xỉ dựa trên các mô hình nội suy và sai phân:

  • Bài toán nội suy tổng quát: Thiết lập bài toán tìm $x \in X$ trong không gian tuyến tính $n$ chiều thỏa mãn $L_i(x) = y_i$. Định lý khẳng định bài toán có nghiệm duy nhất khi và chỉ khi hệ phiếm hàm ${L_i}$ độc lập tuyến tính. Ứng dụng định lý Weierstrass về sự tồn tại đa thức xấp xỉ đều cho hàm liên tục.
  • Tính đạo hàm bằng đa thức nội suy Lagrange: Xây dựng đa thức $P(x) = \sum_{k=0}^n y_k P_k(x)$, biểu diễn phần dư đạo hàm $r(x) = R'(x)$ và chứng minh với $n=1$, công thức đạo hàm xấp xỉ quy về khai triển Taylor bậc nhất.
  • Tính đạo hàm bằng đa thức nội suy Newton:
    • Mốc nội suy cách đều: Định nghĩa sai phân hữu hạn cấp 1, cấp $k$, lập bảng sai phân. Xây dựng đa thức Newton tiến và Newton lùi. Thiết lập công thức tính đạo hàm cấp 1 và cấp 2 tại các mốc đầu bảng $x_0$ và cuối bảng $x_n$, kèm theo biểu thức đánh giá phần dư sai số.
    • Mốc nội suy không cách đều: Định nghĩa tỷ sai phân các cấp, tính chất đối xứng của tỷ sai phân, công thức đa thức Newton với tỷ sai phân kết hợp lược đồ Horner trong tính toán.
  • Phương pháp ngoại suy Richardson và sai phân hữu hạn:
    • Sai phân thuận (Forward Difference): $f'(x) \approx \frac{f(x+h) - f(x)}{h}$, sai số rút gọn bậc nhất $O(h)$.
    • Sai phân ngược (Backward Difference): $f'(x) \approx \frac{f(x) - f(x-h)}{h}$, sai số rút gọn bậc nhất $O(h)$.
    • Sai phân trung tâm (Central Difference): $f'(x) \approx \frac{f(x+h) - f(x-h)}{2h}$, sai số rút gọn bậc hai $O(h^2)$.
  • Phương pháp hàm ghép Spline bậc ba (Cubic Spline):
    • Xây dựng hàm ghép bậc ba $S(x) \in C^2[a, b]$ trên từng đoạn phân hoạch $[x_i, x_{i+1}]$.
    • Thiết lập hệ phương trình đại số tuyến tính với các ẩn là mômen đạo hàm cấp hai $m_i = S''(x_i)$. Hệ phương trình có ma trận hệ số dạng đường chéo trội nghiêm ngặt, đảm bảo nghiệm duy nhất.
    • Ví dụ thực nghiệm tính đạo hàm cấp 1 và cấp 2 của hàm $f(x) = \cos x$ tại $x = \pi/4$ với phân hoạch $[0, \pi/4, \pi/2]$, đưa ra so sánh với nghiệm chính xác $\frac{\sqrt{2}}{2} \approx 0.7071068$.
  • Lược đồ giải trên phần mềm Maple: Xây dựng thủ tục ProcNewton sử dụng gói thư viện CurveFitting[PolynomialInterpolation] và hàm vi phân diff trên Maple 17, cho phép tự động tính đạo hàm đến cấp $n$ tại các điểm tùy ý từ bảng dữ liệu rời rạc.
Phương pháp tính đạo hàm Dạng công thức chính Cấp chính xác sai số rút gọn Điều kiện áp dụng
Sai phân thuận $\frac{f(x+h) - f(x)}{h}$ $O(h)$ Mốc cách đều, điểm đầu
Sai phân ngược $\frac{f(x) - f(x-h)}{h}$ $O(h)$ Mốc cách đều, điểm cuối
Sai phân trung tâm $\frac{f(x+h) - f(x-h)}{2h}$ $O(h^2)$ Mốc cách đều, điểm giữa
Spline bậc ba Đạo hàm hàm ghép $S'(x), S''(x)$ Cao (trơn cấp $C^2$) Tránh hiện tượng dao động bậc cao
Nội suy Newton Đạo hàm đa thức $P_n'(x)$ Phụ thuộc bậc $n$ và mốc $h$ Áp dụng cho cả mốc đều và không đều

Chương 3: Một số phương pháp số giải gần đúng tích phân

Chương 3 trình bày các họ phương pháp cầu phương số để tính gần đúng tích phân xác định $\int_a^b f(x)dx$:

  1. Công thức hình thang:

    • Phân hoạch đoạn $[a, b]$ thành $n$ đoạn bằng nhau với bước $h = \frac{b-a}{n}$.
    • Công thức tích phân: $\int_a^b f(x)dx \approx \frac{b-a}{2n} \left[ y_0 + y_n + 2(y_1 + \dots + y_{n-1}) \right]$.
    • Sai số tuyệt đối: $|R_n| \le \frac{M(b-a)h^2}{12}$, trong đó $M = \max_{x \in [a,b]} |f''(x)|$.
    • Ví dụ tính $\int_1^5 \frac{dx}{x}$ với $n=4$, ước lượng sai số tương ứng.

  2. Công thức Parabol (Simpson):

    • Xấp xỉ đường cong hàm số trên từng cặp đoạn con bằng các cung parabol (yêu cầu số khoảng chia $n$ là số chẵn).
    • Công thức tổng hợp với hệ số xen kẽ $1, 4, 2, 4, \dots, 2, 4, 1$: $$\int_a^b f(x)dx \approx \frac{h}{3} \left[ y_0 + y_n + 4(y_1 + y_3 + \dots) + 2(y_2 + y_4 + \dots) \right]$$
    • Đánh giá sai số: $|R_n| \le \frac{M(b-a)h^4}{180}$, trong đó $M = \max_{x \in [a,b]} |f^{(4)}(x)|$.

  3. Công thức Newton – Cotes:

    • Thay hàm dưới dấu tích phân bằng đa thức nội suy Lagrange với mốc cách đều, dẫn đến công thức dạng $\int_a^b f(x)dx \approx (b-a) \sum_{i=0}^n H_i y_i = \frac{b-a}{N} \sum_{i=0}^n H_i y_i$, với $H_i$ là các hệ số Cotes không phụ thuộc vào hàm $f(x)$ và bước $h$.
    • Khóa luận lập bảng tra cứu hệ số Cotes từ $n=1$ đến $n=6$:
Bậc $n$ $H_0$ $H_1$ $H_2$ $H_3$ $H_4$ $H_5$ $H_6$ Mẫu số chung $N$
1 1 1 - - - - - 2
2 1 4 1 - - - - 6
3 1 3 3 1 - - - 8
4 7 32 12 32 7 - - 90
5 19 75 50 50 75 19 - 288
6 41 216 27 272 27 216 41 840

  1. Công thức Chebyshev:

    • Xây dựng công thức cầu phương có dạng $\int_{-1}^1 f(x)dx \approx \frac{2}{n} \sum_{i=1}^n f(x_i)$, trong đó các hệ số gắn với $f(x_i)$ đều bằng nhau ($K = 2/n$).
    • Các hoành độ Chebyshev $x_i$ được xác định từ hệ phương trình phi tuyến đối xứng.
    • Phân tích hạn chế: Khóa luận chỉ ra rằng với $n=8$ và $n \ge 10$, hệ phương trình xác định hoành độ Chebyshev xuất hiện nghiệm phức, làm giới hạn khả năng mở rộng của phương pháp.

  2. Công thức Gauss (Gauss - Legendre):

    • Đưa bài toán về tìm $n$ mốc $x_i \in [-1, 1]$ và $n$ hệ số $A_i$ sao cho công thức đúng chính xác với mọi đa thức có bậc cao nhất lên tới $2n-1$.
    • Các mốc $x_i$ chính là các nghiệm thực phân biệt của đa thức trực giao Legendre cấp $n$: $L_n(x) = \frac{1}{2^n n!} \frac{d^n}{dx^n}(x^2 - 1)^n$.
    • Các trọng số $A_i$ được giải duy nhất từ hệ phương trình tuyến tính thông qua định thức Vandermonde.
    • Nhận xét: Các giá trị mốc $x_i$ và trọng số $A_i$ là các số vô tỷ nên việc tính toán thủ công phức tạp, nhưng đạt bậc chính xác đại số cao nhất.

  3. Phương pháp Monte - Carlo:

    • Phương pháp ngẫu nhiên hóa để tính tích phân nhiều chiều (tích phân bội) trên miền $n$ chiều $S(x) \subset \mathbb{R}^n$.
    • Thực hiện phép đổi biến đưa miền lấy tích phân về hình hộp đơn vị $V(z)$.
    • Chọn mẫu ngẫu nhiên gồm $N$ điểm $M_1, M_2, \dots, M_N$ phân phối đều trên $V(z)$. Dựa theo luật số lớn và định lý giới hạn trung tâm, kỳ vọng toán học được xấp xỉ qua trung bình mẫu: $I \approx \frac{1}{N} \sum_{i=1}^N f(M_i)$.
    • Đánh giá sai số thống kê: Sai số của phương pháp Monte - Carlo giảm theo quy luật tỷ lệ nghịch với căn bậc hai của số phép thử $\frac{3 \sqrt{D}}{\sqrt{N}}$ (đạt độ tin cậy xấp xỉ 99% theo nguyên lý $3\sigma$).

Chương 4: Các dạng bài tập cơ bản

Chương này tổng hợp và phân loại các dạng bài tập thực hành điển hình, bao gồm:

  • Tính đạo hàm cấp 1, cấp 2 từ bảng số liệu rời rạc sử dụng sai phân và đa thức nội suy.
  • Tính tích phân gần đúng bằng các công thức hình thang, Simpson và Newton - Cotes kèm đánh giá sai số.
  • Các bài toán ứng dụng phần mềm Maple để kiểm tra kết quả tính toán số.

Kết quả và đóng góp

  1. Hệ thống hóa lý thuyết: Khóa luận đã xây dựng một hệ thống lý thuyết hoàn chỉnh từ việc đánh giá sai số, xây dựng công thức nội suy đến các phương pháp giải tích số cụ thể cho đạo hàm và tích phân.
  2. So sánh chi tiết các công thức cầu phương: Phân tích rõ ràng ưu nhược điểm, cấp chính xác và phạm vi ứng dụng của từng phương pháp:
    • Sai phân trung tâm cho độ chính xác $O(h^2)$, tốt hơn sai phân tiến và lùi ($O(h)$).
    • Nội suy Spline bậc 3 khắc phục được hiện tượng Runge (dao động mạnh ở biên khi bậc đa thức tăng cao).
    • Phương pháp Gauss cho độ chính xác đại số tối ưu ($2n-1$) so với các phương pháp mốc cách đều.
    • Phương pháp Monte - Carlo giải quyết hiệu quả bài toán tích phân bội nhiều chiều, nơi các phương pháp lưới cổ điển gặp phải bùng nổ số lượng phép tính.
  3. Ứng dụng công nghệ tính toán: Thiết lập thành công các lược đồ thuật toán và mã nguồn thủ tục (như ProcNewton) trên phần mềm Maple 17, giúp tự động hóa quá trình tính toán và giảm thiểu sai số tính toán thủ công.

Hạn chế và hướng nghiên cứu tiếp

  • Hạn chế:
    • Khóa luận chủ yếu tập trung vào các bài toán đạo hàm và tích phân một chiều (ngoại trừ phương pháp Monte - Carlo khảo sát cho tích phân bội).
    • Một số phương pháp như Chebyshev gặp hạn chế lý thuyết khi bậc $n=8$ hoặc $n \ge 10$ do nghiệm hoành độ rơi vào trường số phức.
    • Các ví dụ tính toán trên Maple chủ yếu dừng lại ở các bài toán mẫu có số mốc rời rạc nhỏ.
  • Hướng nghiên cứu tiếp:
    • Mở rộng cài đặt các thuật toán tích phân thích nghi (Adaptive Quadrature) và thuật toán Gauss - Kronrod.
    • Nghiên cứu sâu hơn về phương pháp phần tử hữu hạn và sai phân hữu hạn giải phương trình đạo hàm riêng nhiều chiều.
    • Tối ưu hóa thuật toán Monte - Carlo bằng các kỹ thuật giảm phương sai (Quasi-Monte Carlo, mẫu quan trọng).

Giá trị tham khảo

Tài liệu là nguồn tham khảo hữu ích cho:

  • Sinh viên chuyên ngành Toán học, Sư phạm Toán học, Toán tin ứng dụng và các ngành Kỹ thuật đang học tập học phần Phương pháp tính / Giải tích số.
  • Giảng viên và người học cần tài liệu tra cứu các công thức sai số, bảng hệ số Cotes, bảng nghiệm Legendre và các lược đồ giải gần đúng.
  • Những người nghiên cứu muốn tìm hiểu cách ứng dụng phần mềm máy tính (Maple) vào việc giải tự động các bài toán giải tích số.

Câu hỏi thường gặp

1. Tại sao phép trừ hai số gần nhau lại gây nguy hiểm trong tính toán số?
Theo phân tích sai số ở Chương 1, khi xét hiệu $u = x - y$ với hai số xấp xỉ gần bằng nhau ($x \approx y$), sai số tuyệt đối $\Delta u = \Delta x + \Delta y$ không đổi nhưng giá trị $|x - y|$ rất bé, dẫn đến sai số tương đối $\delta_u = \frac{\Delta x + \Delta y}{|x - y|}$ tăng lên rất lớn, làm mất đi các chữ số có nghĩa đáng tin cậy.

2. Điểm khác biệt cơ bản giữa nội suy đa thức Lagrange/Newton và hàm ghép Spline bậc ba khi tính đạo hàm là gì?
Nội suy Lagrange hoặc Newton khi tăng số mốc sẽ làm bậc đa thức tăng lên, dễ gây hiện tượng dao động mạnh ở hai đầu mút (hiện tượng Runge). Ngược lại, hàm ghép Spline bậc ba chia nhỏ khoảng thành các đoạn con và xấp xỉ bằng đa thức bậc 3 có độ trơn $C^2[a,b]$, giúp đường cong trơn tru và tính toán đạo hàm ổn định hơn.

3. Bậc chính xác đại số của công thức cầu phương Gauss $n$ điểm là bao nhiêu?
Công thức tích phân Gauss với $n$ điểm nút nội suy (là các nghiệm của đa thức Legendre cấp $n$) đạt độ chính xác đại số cho mọi đa thức có bậc nhỏ hơn hoặc bằng $2n - 1$, đây là cấp chính xác cao nhất có thể đạt được với $n$ mốc nội suy.

4. Tại sao phương pháp Monte - Carlo lại được sử dụng để tính tích phân bội thay vì các công thức hình thang hay Simpson?
Khi tính tích phân bội trong không gian $n$ chiều, các phương pháp lưới cách đều như hình thang hay Simpson đòi hỏi số điểm tính toán tăng theo hàm mũ $N^d$ (vấn nạn số chiều). Phương pháp Monte - Carlo có tốc độ hội tụ sai số $O(1/\sqrt{N})$ độc lập với số chiều của miền tích phân, giúp tính toán hiệu quả trên miền phức tạp và nhiều chiều.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Thị Vân đã hệ thống hóa một cách mạch lạc và toàn diện các phương pháp số giải gần đúng đạo hàm và tích phân, từ cơ sở lý thuyết sai số đến các thuật toán xấp xỉ nâng cao. Công trình không chỉ cung cấp các phân tích toán học chặt chẽ về sai số phương pháp của từng công thức mà còn kết hợp thực nghiệm tính toán trên phần mềm Maple 17. Đây là tài liệu học thuật có cấu trúc chuẩn mực, mang giá trị tham khảo rõ ràng cho sinh viên và người nghiên cứu trong lĩnh vực giải tích số và toán ứng dụng.