Bối cảnh và vấn đề nghiên cứu

Trong toán học ứng dụng và giải tích số (phương pháp tính), phép nội suy là một trong những công cụ giải tích nền tảng nhằm xấp xỉ các hàm số phức tạp hoặc hàm số chỉ được xác định tại các điểm rời rạc. Nội suy cổ điển thường sử dụng đa thức đại số bậc cao (như đa thức nội suy Lagrange hay Newton). Tuy nhiên, khi số lượng mốc nội suy tăng lên, đa thức bậc cao thường xuất hiện hiện tượng dao động mạnh ở biên (hiện tượng Runge), gây khó khăn cho việc tính toán thực hành và giảm độ chính xác giải tích.

Để khắc phục nhược điểm trên, giải pháp chia đoạn được đưa ra dưới hai hình thức: nội suy đa thức từng đoạn và nội suy bằng hàm spline bậc ba (cubic spline). Khóa luận tốt nghiệp đại học "Một Số Vấn Đề Về Nội Suy Hàm Số" được thực hiện bởi sinh viên Phạm Hữu Danh, dưới sự hướng dẫn của TS. Trịnh Công Diệu tại Bộ môn Toán Ứng dụng, Khoa Toán Tin học, Trường Đại học Sư phạm TP.HCM (bảo vệ ngày 23/05/2008), tập trung nghiên cứu lý thuyết và ứng dụng của hai phương pháp nội suy này.

Nhiệm vụ nghiên cứu của đề tài được xác định cụ thể gồm:

  1. Trình bày định nghĩa và thuật toán xây dựng đa thức nội suy bậc ba từng đoạn và hàm spline bậc ba.
  2. Chứng minh các tính chất giải tích của hàm spline bậc ba trên không gian hàm, đặc biệt là tính chất cực tiểu hóa phiếm hàm năng lượng.
  3. Thiết lập công thức và đánh giá sai số phương pháp cũng như sai số do dữ liệu đầu vào của hai phương pháp nội suy.
  4. Xây dựng thuật toán áp dụng phép nội suy vào hai bài toán số học cơ bản: tính giá trị gần đúng của hàm sơ cấp và tính tích phân xác định.
  5. Thực hiện so sánh định lượng về độ chính xác và phạm vi hiệu quả giữa nội suy spline bậc ba và nội suy đa thức bậc ba từng đoạn thông qua các ví dụ giải tích số cụ thể.

Đối tượng nghiên cứu là các lớp hàm nội suy một biến trên đoạn $[a, b]$, tập trung vào đa thức bậc ba từng đoạn và cubic spline với điều kiện biên tự nhiên.

Cơ sở lý thuyết và phương pháp

Khóa luận xây dựng trên nền tảng của giải tích hàm và giải tích số thực:

  • Khung lý thuyết: Không gian hàm liên tục có đạo hàm cấp hai liên tục $C^2[a, b]$, không gian Sobolev $W_2^2[a, b]$ gồm các hàm có bình phương đạo hàm cấp hai khả tích trên $[a, b]$, định lý Rolle về giá trị trung gian của đạo hàm, phiếm hàm năng lượng $\Phi(u) = \int_a^b [u''(x)]^2 dx$, và lý thuyết ma trận tam đường chéo (tridiagonal matrix).
  • Phương pháp nghiên cứu: Phương pháp giải tích kết hợp biến phân đại số tuyến tính để giải hệ phương trình xác định các hệ số đạo hàm cấp hai; phương pháp chặn sai số giải tích (error bounds); và phương pháp thực nghiệm số so sánh trực tiếp kết quả tính toán giữa các thuật toán.
  • Nguồn dữ liệu: Khóa luận kế thừa và phát triển từ tài liệu chuyên khảo giải tích số tiếng nước ngoài do giảng viên hướng dẫn cung cấp cùng các giáo trình Giải tích số hiện hành tại thời điểm nghiên cứu.

Nội dung chính theo từng chương

Chương mở đầu: Kiến thức chuẩn bị

Chương này hệ thống hóa các định nghĩa và công thức giải tích cơ bản của phép nội suy:

  • Định nghĩa bài toán nội suy: Cho hàm số $f(x)$ xác định trên $[a, b]$ với $n+1$ mốc nội suy $a = x_0 < x_1 < \dots < x_n = b$ và các giá trị $f(x_i) = f_i$. Tìm hàm $g(x)$ thỏa mãn $g(x_i) = f_i$ với $i = 0, \dots, n$ để xấp xỉ $f(x)$, đạo hàm hoặc tích phân của $f(x)$.
  • Các lớp hàm nội suy:
    • Nội suy đa thức Lagrange: Xây dựng đa thức duy nhất bậc $n$ theo công thức $P(x) = \sum_{i=0}^n f_i P_i(x)$.
    • Nội suy đa thức bậc ba từng đoạn: Phân hoạch đoạn $[a, b]$ thành $k$ đoạn con ($n = 3k$), trên mỗi đoạn con $[x_{3j-3}, x_{3j}]$ xây dựng đa thức Lagrange bậc ba $P_j(x)$ qua 4 mốc nội suy cục bộ.
  • Đánh giá sai số:
    • Sai số phương pháp đa thức Lagrange: $R(x) = f(x) - P(x) = \frac{f^{(n+1)}(\xi)}{(n+1)!}\omega(x)$, với $|R(x)| \le \frac{M}{(n+1)!}|\omega(x)|$ và $M = \sup_{x \in [a, b]} |f^{(n+1)}(x)|$.
    • Sai số do dữ liệu đầu vào: $|\Delta P| \le \sum_{i=0}^n |\Delta y_i| |P_i(x)|$.
    • Sai số đa thức bậc ba từng đoạn: Sai số cực đại trên mỗi đoạn $[x_{3j-3}, x_{3j}]$ bị chặn bởi $R_j \le \frac{3\sqrt{3}}{32} M_j h_j^4$ (với $h_j = \max{h_{3j-2}, h_{3j-1}, h_{3j}}$).
  • Ứng dụng tính toán cơ bản:
    • Xây dựng thuật toán 5 bước tính giá trị hàm sơ cấp với sai số không quá $10^{-k}$. Đưa ra ví dụ tính xấp xỉ $\sqrt{6} \approx 2,45$ trên $[4, 9]$ và $2^{1,2} \approx 2,3$ trên $[-3, 3]$.
    • Xây dựng công thức tính gần đúng tích phân Newton-Cotes bậc 3 ($n=3$): $$\int_{x_0}^{x_3} f(x) dx \approx \frac{3h}{8}(f_0 + 3f_1 + 3f_2 + f_3)$$ Thiết lập công thức tính tích phân cho đa thức từng đoạn $J = \frac{3h}{8} \sum (f_{3j-3} + 3f_{3j-2} + 3f_{3j-1} + f_{3j})$ cùng đánh giá sai số toàn cục $R \le \frac{27}{1190} (b-a) M h^4$. Minh họa qua ví dụ tính $\int_0^3 \frac{2}{1+x}dx = \ln 4$.
Phương pháp nội suy Bậc đa thức trên đoạn Bậc đạo hàm trong sai số phương pháp Bậc cấp số của bước $h$
Đa thức toàn cục (Lagrange) $n$ Cấp $n+1$ $O(h^{n+1})$
Đa thức từng đoạn $3$ (trên từng 4 mốc) Cấp 4 ($f^{(4)}$) $O(h^4)$
Spline bậc ba (Cubic Spline) $3$ (trên từng 2 mốc) Cấp 2 ($f'' - g''$) $O(h^2)$

Chương I: Những vấn đề cơ bản về hàm spline

Chương này trình bày chi tiết cấu trúc toán học của hàm spline bậc ba:

  • Định nghĩa: Hàm $g(x)$ là hàm spline bậc ba trên phân hoạch $a = x_0 < x_1 < \dots < x_n = b$ nếu thỏa mãn:
    1. $g(x) \in C^2[a, b]$ (liên tục đến đạo hàm cấp hai trên toàn đoạn).
    2. Trên mỗi đoạn con $[x_{k-1}, x_k]$, $g(x)$ là một đa thức bậc ba.
    3. $g(x_k) = f_k$ với mọi $k = 0, \dots, n$.
    4. Điều kiện biên tự nhiên: $g''(a) = g''(b) = 0$ (tức $m_0 = m_n = 0$).
  • Quy trình xây dựng hàm spline: Đặt $g''(x_i) = m_i$. Lấy tích phân hai lần trên từng đoạn con và sử dụng điều kiện liên tục của đạo hàm cấp một $g'(x_i^-) = g'(x_i^+)$, tác giả thiết lập hệ $n-1$ phương trình đại số tuyến tính: $$\frac{h_i}{6} m_{i-1} + \frac{h_i + h_{i+1}}{3} m_i + \frac{h_{i+1}}{6} m_{i+1} = \frac{f_{i+1} - f_i}{h_{i+1}} - \frac{f_i - f_{i-1}}{h_i}$$ Hệ phương trình được biểu diễn dưới dạng ma trận $Am = Hf$, trong đó $A$ là ma trận tam đường chéo vuông đối xứng, xác định dương kích thước $(n-1) \times (n-1)$, đảm bảo nghiệm vector $m$ tồn tại và duy nhất.
  • Tính chất cực tiểu hóa phiếm hàm (Độ trơn tối ưu): Tác giả chứng minh định lý biến phân: Trong tất cả các hàm $u(x) \in W_2^2[a, b]$ đi qua các điểm nội suy $(x_k, f_k)$, hàm spline bậc ba $g(x)$ làm cực tiểu hóa phiếm hàm năng lượng uốn cong: $$\Phi(u) = \int_a^b [u''(x)]^2 dx$$ Chứng minh dựa trên khai triển tích phân từng phần: $\Phi(u - g) = \Phi(u) - \Phi(g) - 2 \int_a^b (u'' - g'')g'' dx = \Phi(u) - \Phi(g) \ge 0$.
  • Mở rộng lý thuyết:
    • Nội suy bậc ba từng đoạn trơn: Xét phiếm hàm kết hợp sai số bình phương $\Phi_p(u) = \int_a^b [u''(x)]^2 dx + \sum_{k=0}^n p_k [u(x_k) - \tilde{f}_k]^2$. Thiết lập hệ ma trận $H^m + Pu = Pf \Rightarrow (H P^{-1} H^)m + Hu = Hf$.
    • Phương pháp nối dài đều: Ghép các đa thức Lagrange bậc $p$ để tạo hàm nội suy thuộc lớp $C^p$.
  • Sai số của nội suy spline bậc ba:
    • Sai số phương pháp: $|R(x)| \le \frac{1}{2} N_i (x - x_{i-1})(x_i - x)$, từ đó suy ra sai số cực đại trên đoạn $[x_{i-1}, x_i]$ là $R_i \le \frac{1}{8} N_i h_i^2$, với $N_i = \max_{x \in [x_{i-1}, x_i]} |f''(x) - g''(x)|$.
    • Sai số do dữ liệu đầu vào: $\Delta m = |A^{-1} H \Delta f|$, dẫn đến công thức lan truyền sai số tổng quát cho giá trị $g(x)$.

Chương II: Áp dụng của hàm spline

Chương II triển khai các ứng dụng thực hành và so sánh định lượng:

  • Tính giá trị hàm sơ cấp:
    • Xây dựng thuật toán chọn bước chia $h \le \sqrt{\frac{8 \cdot 10^{-k}}{N}}$.
    • Ví dụ 4: Tính $\sqrt{11}$ trên $[9, 16]$ qua 4 mốc nội suy, giải hệ $Am = Hf$ tìm $m_1 = -8,694 \cdot 10^{-3}$, $m_2 = -4,347 \cdot 10^{-3}$, thu được $g(11) \approx 3,32$.
    • Ví dụ 5: Tính $\sin(\frac{\pi}{6})$ trên $[0, 1]$ qua 4 mốc, thu được $g(\frac{1}{6}) \approx 0,59$.
  • So sánh thực nghiệm giữa hàm spline bậc ba và đa thức bậc ba từng đoạn:
    • Bản chất giải tích: Sai số hàm spline tỉ lệ với $h^2$ và phụ thuộc đạo hàm cấp hai ($N_i$), trong khi sai số đa thức từng đoạn tỉ lệ với $h^4$ và phụ thuộc đạo hàm cấp bốn ($M_j$).
    • Khóa luận kiểm chứng qua 2 ví dụ số học thực nghiệm:
Ví dụ kiểm chứng Khoảng khảo sát Sai số Đa thức từng đoạn $P(x)$ Sai số Hàm Spline $g(x)$ Phương pháp tối ưu hơn
Hàm mũ $f(x) = 2^x$ (Ví dụ 6, 7 mốc cách đều) $[-3, 0]$ $R_1 \approx 0,0216$ $R_1 \approx 0,01$ Hàm Spline
$[0, 3]$ $R_2 \approx 0,1731$ $R_2 \approx 1,85$ Đa thức từng đoạn
Hàm phân thức $f(x) = \frac{1}{x}$ (Ví dụ 7, 7 mốc cách đều) $[1, 4]$ $R_1 \approx 0,11$ $R_1 \approx 0,5$ Đa thức từng đoạn
$[4, 7]$ $R_2 \approx 0,035$ $R_2 \approx 0,00015$ Hàm Spline
  • Tính tích phân xác định bằng hàm spline:
    • Thiết lập công thức cầu phương tổng quát trên từng đoạn: $$\int_{x_{i-1}}^{x_i} g(x)dx = -\frac{h_i^3}{24}(m_{i-1} + m_i) + \frac{h_i}{2}(f_{i-1} + f_i)$$
    • Với mốc cách đều ($h_i = h$), công thức tích phân toàn cục: $$J = -\frac{h^3}{24}(m_0 + 2m_1 + \dots + 2m_{n-1} + m_n) + \frac{h}{2}(f_0 + 2f_1 + \dots + 2f_{n-1} + f_n)$$
    • Sai số phương pháp tích phân bị chặn bởi $|I - J| \le \frac{1}{12} N h^2 (b-a)$.
    • Đánh giá sai số do dữ liệu đầu vào: $\Delta I \le \frac{h^3}{24} \sum \Delta m_i + \frac{h}{2} \sum \Delta f_i$.

Kết quả và đóng góp

  1. Hệ thống hóa thuật toán xây dựng spline bậc ba: Văn bản đã cụ thể hóa tường minh toàn bộ quá trình thiết lập và giải ma trận tam đường chéo $Am = Hf$, giúp việc lập trình hoặc tính toán giải tích trở nên trực tiếp và tuần tự.
  2. Làm rõ các chứng minh toán học: Tác giả đã chứng minh chi tiết tính chất cực tiểu hóa phiếm hàm $\Phi(u) = \int_a^b [u''(x)]^2 dx$ trên không gian $W_2^2[a, b]$ cùng các bổ đề vi phân ma trận đại số tuyến tính ($(Am, m)' = 2((Am)', m)$) mà tài liệu tham khảo nước ngoài chưa trình bày đầy đủ.
  3. Đưa ra quy tắc chọn lựa phương pháp theo đặc tính hàm: Nghiên cứu chỉ ra rằng spline bậc ba không phải lúc nào cũng vượt trội hơn đa thức từng đoạn về mặt sai số tuyệt đối. Hiệu quả phụ thuộc vào tốc độ tăng của đạo hàm cấp 2 so với đạo hàm cấp 4 trên từng miền xác định. Khi hàm có đạo hàm cấp hai biến thiên chậm, spline cho độ chính xác cao vượt trội; ngược lại, khi đạo hàm cấp cao ổn định và bước chia $h < 1$, đa thức từng đoạn đạt tốc độ hội tụ bậc 4 ($O(h^4)$).

Hạn chế và hướng nghiên cứu tiếp

  • Hạn chế:
    • Đề tài chỉ khảo sát trường hợp spline bậc ba với điều kiện biên tự nhiên ($g''(a) = g''(b) = 0$), chưa xét các điều kiện biên khác như biên kẹp (clamped spline) hay biên tuần hoàn.
    • Các ví dụ tính toán thực nghiệm chủ yếu thực hiện trên số lượng nút nhỏ ($n=3$ đến $n=6$) và thực hiện bằng phương pháp tính toán bán thủ công, chưa khảo sát trên tập dữ liệu lớn.
  • Hướng mở rộng:
    • Mở rộng nghiên cứu sang các lớp spline bậc cao hơn (spline bậc 5) hoặc B-spline.
    • Khảo sát bài toán nội suy spline hai chiều (Bicubic spline) ứng dụng trong xử lý ảnh và đồ họa máy tính.
    • Nghiên cứu ứng dụng spline trong giải gần đúng phương trình vi phân và phương trình đạo hàm riêng.

Giá trị tham khảo

Tài liệu là nguồn tham khảo hữu ích cho sinh viên chuyên ngành Sư phạm Toán, Toán Tin học và Toán Ứng dụng khi học tập các học phần Giải tích số, Phương pháp tính và Cơ sở giải tích hàm. Các nội dung có giá trị sử dụng trực tiếp bao gồm:

  • Quy trình thiết lập hệ ma trận $Am = Hf$ và công thức tích phân giải tích bằng spline.
  • Kỹ thuật chứng minh biến phân cực tiểu phiếm hàm năng lượng trong không gian Sobolev.
  • Bảng so sánh sai số thực nghiệm giúp định hướng lựa chọn mô hình xấp xỉ hàm trong thực tế tính toán kỹ thuật.

Câu hỏi thường gặp

1. Tại sao ma trận $A$ trong hệ phương trình xác định hàm spline luôn đảm bảo có nghiệm duy nhất?

Ma trận $A$ được thiết lập từ các điều kiện liên tục đạo hàm là ma trận vuông cấp $(n-1)$, có tính chất đối xứng, đường chéo trội nghiêm ngặt ($\frac{h_i + h_{i+1}}{3} > \frac{h_i}{6} + \frac{h_{i+1}}{6}$) và xác định dương. Theo lý thuyết đại số tuyến tính, ma trận có đường chéo trội luôn không suy biến ($\det(A) \neq 0$), do đó hệ phương trình $Am = Hf$ luôn có nghiệm duy nhất.

2. Ý nghĩa hình học và vật lý của tính chất cực tiểu hóa phiếm hàm $\int_a^b [g''(x)]^2 dx$ là gì?

Đạo hàm cấp hai $g''(x)$ xấp xỉ độ cong của đường cong phẳng. Việc làm cực tiểu hóa phiếm hàm $\int_a^b [g''(x)]^2 dx$ đồng nghĩa với việc tìm đường cong nội suy đi qua các mốc cho trước sao cho tổng độ cong toàn phần (năng lượng uốn cong đàn hồi) là nhỏ nhất. Điều này giải thích tại sao đường cong spline có độ trơn mượt tự nhiên và không bị dao động đột ngột như đa thức Lagrange bậc cao.

3. Tại sao sai số của đa thức bậc ba từng đoạn phụ thuộc $h^4$ trong khi spline bậc ba lại phụ thuộc $h^2$?

Nội suy đa thức bậc ba từng đoạn sử dụng 4 mốc nội suy độc lập trên mỗi đoạn con, sai số phương pháp kế thừa từ đa thức Lagrange bậc 3 nên chứa thừa số đạo hàm cấp bốn $f^{(4)}(\xi)$ và cấp số $h^4$. Trong khi đó, việc đánh giá sai số hàm spline trong văn bản sử dụng khai triển dựa trên đạo hàm cấp hai liên tục ($f''(x) - g''(x)$), dẫn đến đánh giá chặn phụ thuộc vào bậc $h^2$.

4. Sai số do dữ liệu đầu vào ảnh hưởng như thế nào đến nghiệm của hàm spline?

Nếu các giá trị mốc nội suy có sai số $\Delta f$, sai số lan truyền sang vector đạo hàm cấp hai $m$ được xác định theo công thức $\Delta m = |A^{-1} H \Delta f|$. Từ đó, sai số của hàm spline $g(x)$ trên mỗi đoạn con sẽ chịu ảnh hưởng cộng dồn tuyến tính từ cả sai số mốc nội suy $\Delta f_i$ và sai số nghiệm $\Delta m_i$.

Kết luận

Khóa luận tốt nghiệp của tác giả Phạm Hữu Danh đã giải quyết trọn vẹn và chặt chẽ các vấn đề lý thuyết cơ bản về nội suy đa thức từng đoạn và nội suy spline bậc ba. Công trình không chỉ cung cấp các chứng minh giải tích biến phân hoàn chỉnh mà còn xây dựng các thuật toán số cụ thể cho bài toán tính giá trị hàm sơ cấp và tích phân xác định. Kết quả so sánh thực nghiệm trong khóa luận mang lại cái nhìn khách quan về phạm vi ứng dụng tối ưu của từng phương pháp xấp xỉ trong giải tích số.