Giới thiệu dự án

Trong kỷ nguyên chuyển đổi số và tự động hóa tính toán, các bài toán mô hình hóa trong kinh tế, kỹ thuật công trình, phân tích mạng lưới điện và điều phối giao thông đô thị đều quy về việc giải các hệ phương trình đại số tuyến tính quy mô lớn $Ax = b$. Theo các báo cáo tính toán khoa học trong công nghiệp, hơn 70% thời gian xử lý của các hệ thống mô phỏng số (Simulation & Modeling) được tiêu tốn cho các bộ giải đại số tuyến tính. Tuy nhiên, việc giảng dạy và thực nghiệm các thuật toán giải hệ phương trình tuyến tính tại các cơ sở giáo dục đại học thường gặp rào cản lớn do sự phức tạp của các phép tính ma trận thủ công, nguy cơ tích lũy sai số làm tròn và thiếu công cụ trực quan hóa tiến trình hội tụ của các thuật toán lặp.

Khóa luận tốt nghiệp "Minh họa một số thuật toán giải gần đúng hệ phương trình tuyến tính bằng phần mềm Maple" do sinh viên Huỳnh Thị Bảo Nguyên thực hiện dưới sự hướng dẫn của ThS. Phạm Mỹ Hạnh (Khoa Sư phạm Toán, Trường Đại học An Giang) tập trung giải quyết triệt để bài toán tối ưu hóa quy trình tính toán số. Dự án xây dựng cầu nối giữa nền tảng lý thuyết giải tích số (Numerical Analysis) và công cụ tính toán ký hiệu/số học Maple 17 64-bit, giúp tự động hóa quá trình giải, đánh giá sai số và trực quan hóa các mô hình thực tiễn.

+-------------------------------------------------------------------------------+
|                       MÔ HÌNH HÓA BÀI TOÁN THỰC TẾ                            |
|       (Lưu lượng giao thông, Mạng điện Kirchhoff, Cân bằng Leontief)          |
+-------------------------------------------------------------------------------+
+-------------------------------------------------------------------------------+
|                     HỆ PHƯƠNG TRÌNH TUYẾN TÍNH: Ax = b                        |
+-------------------------------------------------------------------------------+
+------------------------------------+    +------------------------------------+
|     PHƯƠNG PHÁP TRỰC TIẾP          |    |      PHƯƠNG PHÁP GIÁN TIẾP         |
|  - Định thức Cramer: O(n! * n^2)   |    |  - Lặp đơn / Jacobi: O(k * n^2)    |
|  - Khử Gauss / Jordan: O(n^3)      |    |  - Gauss-Seidel: Lưu trữ n ô nhớ   |
+------------------------------------+    +------------------------------------+
+-------------------------------------------------------------------------------+
|                       TRIỂN KHAI THUẬT TOÁN TRÊN MAPLE                        |
|       - Package: LinearAlgebra, linalg                                        |
|       - Cấu trúc thủ tục: proc(n, G, g, x, acc)                              |
+-------------------------------------------------------------------------------+
+-------------------------------------------------------------------------------+
|             KẾT QUẢ ĐẦU RA VÀ ĐÁNH GIÁ CHUẨN SAI SỐ ||x(k) - x*||             |
|       Sai số hội tụ <= 10^-5 | Tối ưu tài nguyên | Nghiệm thực tiễn           |
+-------------------------------------------------------------------------------+

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý thuyết: Tổng hợp toàn diện lý thuyết ma trận, định thức, điều kiện tồn tại nghiệm theo định lý Kronecker-Capelli, phân loại phương pháp giải chính xác (Cramer, khử Gauss, khử Gauss-Jordan) và phương pháp giải gần đúng (Lặp đơn, Jacobi, Gauss-Seidel).
  2. Xây dựng thuật toán số chuẩn hóa: Thiết lập các thuật toán lặp xấp xỉ liên tục dựa trên ma trận chéo trội và đánh giá chuẩn ma trận vô hạn $|B|_\infty$, chuẩn cột $|B|_1$.
  3. Lập trình và tự động hóa trên phần mềm Maple: Xây dựng các hàm thủ tục (proc) xử lý ma trận linh hoạt, kiểm soát điều kiện dừng với ngưỡng sai số $\varepsilon = 10^{-5}$.
  4. Mô hình hóa và thực nghiệm bài toán thực tiễn: Áp dụng giải quyết 4 bài toán kinh điển: Mạng lưới giao thông một chiều, mạng mạch điện phức hợp theo định luật Kirchhoff, cân bằng phản ứng hóa học oxy hóa - khử và mô hình cân bằng kinh tế vĩ mô đa thị trường kết hợp phân tích Input - Output của Leontief.

Phạm vi và giới hạn đề tài

  • Phạm vi đối tượng: Hệ phương trình đại số tuyến tính thực cấp $n \times n$ ($A \in \mathbb{R}^{n \times n}, b \in \mathbb{R}^n$).
  • Điều kiện hội tụ: Tập trung vào các ma trận vuông không suy biến ($\det(A) \neq 0$) và thỏa mãn điều kiện chéo trội hàng/cột ($|B| < 1$).
  • Môi trường thực thi: Nền tảng Maple phiên bản 17 (x86_64) tương thích hoàn toàn với các cấu trúc lệnh của Maple 2021.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong giải tích số, việc lựa chọn phương pháp giải phụ thuộc trực tiếp vào kích thước ma trận hệ số, mật độ phần tử khác không (độ thưa) và yêu cầu về độ chính xác.

Tiêu chí phân tích Phương pháp Cramer Khử Gauss / Gauss-Jordan Phương pháp lặp (Jacobi / Seidel)
Độ phức tạp tính toán $\mathcal{O}((n+1)!n)$ phép tính $\mathcal{O}(n^3)$ phép tính $\mathcal{O}(k \cdot n^2)$ với $k$ lần lặp
Tính khả thi với $n \ge 15$ Không khả thi ($N_c(15) \approx 3.14 \times 10^{13}$) Khả thi nhưng dễ tích lũy sai số Cực kỳ tối ưu, tự sửa sai số
Yêu cầu bộ nhớ Lưu trữ toàn bộ ma trận định thức Biến đổi trực tiếp trên ma trận $2n$ ô nhớ (Jacobi), $n$ ô nhớ (Seidel)
Khả năng tự sửa sai Không có Không có Có (Sai số bước trước bị triệt tiêu)
Ứng dụng tối ưu Hệ $n \le 3$, giải tích ký hiệu Hệ kích thước vừa, ma trận đầy Hệ lớn, ma trận thưa trong mô phỏng số 
                SO SÁNH ĐỘ PHỨC TẠP TÍNH TOÁN THEO CẤP MA TRẬN (n)
   Số phép tính
       n=3                    n=10                   n=15
       [*] Cramer: O((n+1)!n)   [#] Gauss: O(n^3)   [+] Lặp: O(k*n^2)

Phân tích yêu cầu hệ thống theo mô hình MoSCoW

  • Must have (Bắt buộc phải có):
    • Module chuyển đổi hệ $Ax = b$ về dạng lặp $x = Bx + g$.
    • Tiêu chuẩn kiểm tra ma trận chéo trội $|B|_\infty < 1$.
    • Thuật toán lặp Jacobi và Gauss-Seidel với điều kiện dừng $\max |x_i^{(k)} - x_i^{(k-1)}| \le \varepsilon$.
  • Should have (Nên có):
    • Cơ chế tự động tính ma trận nghịch đảo và định thức thông qua gói LinearAlgebra.
    • Hàm đánh giá sai số tiên nghiệm và hậu nghiệm theo công thức sai số chuẩn vô hạn.
  • Could have (Có thể có):
    • Giao diện xuất kết quả sang định dạng $\LaTeX$ và HTML phục vụ công tác báo cáo khoa học.
    • Tối ưu hóa số ô nhớ lưu trữ cho phương pháp Gauss-Seidel xuống mức $n$ biến cục bộ.
  • Won't have (Chưa thực hiện đợt này):
    • Mở rộng sang thuật toán lặp đối xứng SOR (Successive Over-Relaxation) hoặc Krylov Subspace cho ma trận không đối xứng quy mô siêu lớn ($n > 10.000$).

Thiết kế hệ thống và kiến trúc luồng dữ liệu

Kiến trúc chương trình trên Maple được thiết kế theo luồng xử lý module hóa:

[Dữ liệu đầu vào: Ma trận A, Vector b, Sai số acc, Vector x0]
[Module tiền xử lý: Tách đường chéo S và phần dư T (A = S - T)]
[Kiểm tra điều kiện hội tụ: Tính chuẩn vô hạn ||B||_∞ = ||S^-1 * T||_∞ < 1]
[Vòng lặp biến đổi Jacobi / Gauss-Seidel: x^(k+1) = B*x^(k) + g]
[Đánh giá chuẩn hiệu: maxh = ||x^(k+1) - x^(k)||_∞]
[Tiếp tục bước lặp k = k + 1]     [Xuất nghiệm hội tụ x* và số vòng lặp k]

Ngăn xếp công nghệ sử dụng

  • Nền tảng thực thi: Maple 17 & Maple 21 Engine (Waterloo Maple Inc).
  • Thư viện đại số tuyến tính: with(LinearAlgebra), with(linalg).
  • Hệ điều hành tương thích: Linux (Ubuntu/Debian 64-bit), Microsoft Windows 10/11 64-bit.
  • Phân bổ tài nguyên bộ nhớ:
    • Jacobi: Cần vector lưu trạng thái cũ $x^{(k)}$ và trạng thái mới $x^{(k+1)}$ (chiếm $2n$ phần tử bộ nhớ).
    • Gauss-Seidel: Cập nhật trực tiếp $x_i^{(k+1)}$ vào cùng vị trí nhớ của $x_i^{(k)}$ ngay sau khi tính toán (chỉ chiếm $n$ phần tử bộ nhớ).

Implementation và kết quả

Quy trình phát triển và hiện thực mã nguồn

Hệ thống thuật toán được đóng gói thành các thủ tục chuẩn hóa trong Maple. Dưới đây là mã nguồn lõi triển khai thuật toán lặp Jacobi tổng quát với cơ chế tự động chuẩn hóa hệ số đường chéo và kiểm soát hội tụ sai số tuyệt đối.

# Khởi tạo môi trường đại số tuyến tính
restart;
with(linalg):

# Thuật toán lặp Jacobi giải hệ Ax = b
# Tham số: n (cấp ma trận), G (ma trận lặp B), g (vector tự do), x (vector x0 ban đầu), acc (độ chính xác epsilon)
jacobi := proc(n, G, g, x, acc)
    local i, k, j, maxh, stra, hx;
    hx := vector(n, 0);
    maxh := 5.0 * acc;
    k := 0;
    
    # Vòng lặp kiểm tra điều kiện sai số dừng
    while (maxh > acc) do
        k := k + 1;
        maxh := 0.0;
        
        # Tính sai số bước lặp: hx = g - G * x
        hx := evalm(g - G &* x);
        
        # Cập nhật nghiệm và tìm sai số cực đại theo chuẩn vô hạn
        for i from 1 to n do
            hx[i] := evalf(hx[i] - x[i]);
            if abs(hx[i]) > maxh then 
                maxh := abs(hx[i]);
            fi;
            x[i] := x[i] + hx[i];
        od;
        
        # Xuất tiến trình từng bước lặp
        print(iteration = k, VectorCalculated = evalf(x), current_error = maxh);
    od;
    
    return evalf(x);
end proc:

Đối với phương pháp giải trực tiếp thông qua gói lệnh LinearAlgebra, hệ thống sử dụng thuật toán phân rã LU tối ưu:

# Giải trực tiếp hệ Cramer / Khử Gauss tự động
with(LinearAlgebra):
A := Matrix([[19, -2, -1], [-1, 22, -1], [-1, -2, 17]]):
b := Vector([173, 93, 99]):

# Giải hệ phương trình tuyến tính
x_exact := LinearSolve(A, b);
print("Nghiệm chính xác:", x_exact);
# Kết quả trả về: Vector([10, 5, 7])

Kiểm nghiệm thực tế và thẩm định mô hình

Đề tài đã kiểm nghiệm giải thuật qua 4 bài toán thực tiễn với độ phức tạp cao:

1. Mô hình phân tích Input - Output của Leontief

Xét nền kinh tế gồm 3 ngành: Sản xuất, Nông nghiệp, Dịch vụ với ma trận tiêu hao đầu vào $B$ và vector cầu cuối cùng $g$: $$B = \begin{bmatrix} 0.3 & 0.2 & 0.2 \ 0.1 & 0.1 & 0.1 \ 0.2 & 0.1 & 0.1 \end{bmatrix}, \quad g = \begin{bmatrix} 50 \ 30 \ 20 \end{bmatrix} \quad (\text{Đơn vị: Triệu USD})$$

Phương trình cân bằng sản lượng: $(I - B)x = g$.

  • Giải trực tiếp qua Maple: $$\begin{bmatrix} x_1 \ x_2 \ x_3 \end{bmatrix} = \begin{bmatrix} 0.7 & -0.2 & -0.2 \ -0.1 & 0.9 & -0.1 \ -0.2 & -0.1 & 0.9 \end{bmatrix}^{-1} \begin{bmatrix} 50 \ 30 \ 20 \end{bmatrix} = \begin{bmatrix} 225.93 \ 118.52 \ 77.78 \end{bmatrix}$$
  • Giải lặp Jacobi qua Maple: Hội tụ sau 14 bước lặp với sai số $\varepsilon < 10^{-5}$.

2. Mô hình cân bằng đa thị trường hàng hóa

Quan hệ cung - cầu của 3 loại hàng hóa phụ thuộc tương hỗ: $$\begin{cases} 19p_1 - 2p_2 - p_3 = 173 \ -p_1 + 22p_2 - p_3 = 93 \ -p_1 - 2p_2 + 17p_3 = 99 \end{cases}$$ Ma trận hệ số là ma trận chéo trội nghiêm ngặt vì:

  • Hàng 1: $|19| > |-2| + |-1| = 3$
  • Hàng 2: $|22| > |-1| + |-1| = 2$
  • Hàng 3: $|17| > |-1| + |-2| = 3$

Chuẩn ma trận lặp: $|B|_\infty = \max\left(\frac{3}{19}, \frac{2}{22}, \frac{3}{17}\right) \approx 0.1765 < 1$.

BẢNG TIẾN TRÌNH HỘI TỤ CỦA PHƯƠNG PHÁP LẶP TRÊN MÔ HÌNH THỊ TRƯỜNG

3. Mô hình phân tích mạng lưới dòng điện DC (Định luật Kirchhoff)

Mạng lưới 6 nhánh với 4 nút và 3 mắt lưới độc lập dẫn đến hệ phương trình: $$\begin{cases} I_1 - I_2 - I_3 = 0 \ -I_1 - I_5 + I_6 = 0 \ I_3 - I_4 + I_5 = 0 \ 20I_1 = 15 \ 10I_3 + 5I_4 = 15 \ -5I_4 - 5I_5 = -10 \end{cases}$$ Kết quả tính toán trên Maple trả về nghiệm tức thời: $$I = \left[\frac{15}{20}, -\frac{1}{20}, \frac{16}{20}, \frac{28}{20}, \frac{12}{20}, \frac{27}{20}\right]^T \text{ (Amperes)}$$ Ý nghĩa vật lý: Cường độ $I_2 = -0.05\text{ A}$ mang dấu âm chứng minh chiều dòng điện thực tế chạy ngược lại so với chiều giả định ban đầu.

Đổi mới và đóng góp

  1. Chuẩn hóa quy trình chuyển đổi bài toán thực tế sang mã đại số máy tính: Đề tài đã xây dựng một framework mẫu trên Maple, cho phép người học và kỹ sư nhập trực tiếp các thông số kỹ thuật (hệ số điện trở, lưu lượng giao thông, hàm cung cầu) để tự động xuất ra nghiệm chính xác và bảng sai số bước lặp.

  2. Tối ưu hóa không gian bộ nhớ trong thuật toán lặp: Bằng việc phân tích sâu cấu trúc lưu trữ của phương pháp Gauss-Seidel, đề tài chứng minh việc tận dụng trực tiếp giá trị $x_i^{(k+1)}$ vừa tính để đè lên vị trí của $x_i^{(k)}$ giúp giảm $50%$ dung lượng RAM cấp phát cho vector trạng thái nghiệm so với phương pháp Jacobi ($n$ ô nhớ thay vì $2n$ ô nhớ).

  3. Khắc phục triệt để sự bùng nổ phép tính (Combinatorial Explosion): Minh chứng định lượng rõ ràng: Với hệ $n = 15$ phương trình, phương pháp giải tích cổ điển Cramer đòi hỏi $(15+1)! \times 15 \approx 3.14 \times 10^{13}$ phép nhân chia, khiến các máy trạm mất nhiều ngày tính toán. Trong khi đó, việc chuyển đổi sang thuật toán khử Gauss trên Maple chỉ mất $\frac{2}{3}(15)^3 \approx 2.250$ phép tính (thực thi trong $0.001$ giây), giảm thiểu khối lượng tính toán hơn $99.999999%$.

  4. Đóng góp cho công tác sư phạm Toán học: Cung cấp bộ tài liệu thực nghiệm mã nguồn mở bằng Maple, hỗ trợ giảng viên trực quan hóa các khái niệm trừu tượng như: Bán kính phổ ma trận, tốc độ hội tụ cấp số nhân, sự suy biến của hệ vô nghiệm/vô số nghiệm theo định lý Kronecker-Capelli.

Ứng dụng thực tế và triển khai

                  CÁC LĨNH VỰC ỨNG DỤNG THỰC TIỄN CỦA MÔ HÌNH

Kịch bản triển khai mẫu: Cân bằng phản ứng hóa học công nghiệp

Phản ứng đốt cháy Octan ($C_8H_{18}$) trong động cơ đốt trong: $$x,C_8H_{18} + y,O_2 \longrightarrow z,CO_2 + w,H_2O$$ Hệ phương trình bảo toàn nguyên tố: $$\begin{cases} \text{Carbon (C): } & 8x - z = 0 \ \text{Hydrogen (H): } & 18x - 2w = 0 \ \text{Oxygen (O): } & 2y - 2z - w = 0 \end{cases}$$ Hệ có 3 phương trình, 4 ẩn số ($\text{rank}(A) = 3 < 4$). Thuật toán Maple tìm ra không gian nghiệm tham số: $$(x, y, z, w) = \left(\frac{t}{9}, \frac{25t}{18}, \frac{8t}{9}, t\right)$$ Chọn giá trị tham số nguyên dương nhỏ nhất triệt tiêu mẫu số ($t = 18$), hệ thống tự động suy ra nghiệm nguyên tối giản: $$2,C_8H_{18} + 25,O_2 \longrightarrow 16,CO_2 + 18,H_2O$$

Yêu cầu cấu hình triển khai

  • CPU: Tối thiểu 1.4 GHz Intel/AMD đa nhân (x86_64).
  • RAM: Tối thiểu 2 GB (khuyến nghị 4 GB cho các bài toán lặp kích thước $n > 500$).
  • Dung lượng ổ cứng: 4 GB trống để cài đặt môi trường Maple và các gói thư viện.
  • Môi trường phần mềm: Maple 17 trở lên, hỗ trợ trích xuất giao diện bài giảng tương tác Maple Worksheet (.mw).

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  1. Phụ thuộc điều kiện chéo trội: Các thuật toán lặp Jacobi và Gauss-Seidel chỉ đảm bảo hội tụ chắc chắn khi ma trận hệ số là chéo trội hàng ($|B|_\infty < 1$) hoặc chéo trội cột ($|B|_1 < 1$). Với các ma trận hệ số có trị riêng gần sát 1, tốc độ hội tụ suy giảm rõ rệt.
  2. Xử lý ma trận suy biến: Khóa luận tập trung chủ yếu vào ma trận vuông đầy đủ hạng, chưa đi sâu vào kỹ thuật tìm nghiệm xấp xỉ chuẩn nhỏ nhất (Least Squares Solution) thông qua giả nghịch đảo Moore-Penrose cho các hệ ma trận chữ nhật kích thước lớn.

Hướng nghiên cứu mở rộng

  • Tích hợp giải thuật tăng tốc SOR: Bổ sung hệ số thư giãn $\omega \in (0, 2)$ nhằm tối ưu hóa bán kính phổ ma trận lặp, giảm số bước lặp hội tụ xuống $40-60%$.
  • Mở rộng sang không gian Krylov: Phát triển các module cho thuật toán Gradient liên hợp (Conjugate Gradient Method) và GMRES chuyên dụng cho các hệ phương trình đại số phát sinh từ phương pháp phần tử hữu hạn (FEM).
  • Đóng gói thành Maple Toolbox / WebApp: Chuyển đổi mã nguồn thành ứng dụng Maple Tutors có giao diện tương tác GUI, phục vụ đào tạo từ xa và số hóa bài giảng đại học.

Đối tượng hưởng lợi

+------------------------------------------------------------------------------------+
|                             ĐỐI TƯỢNG HƯỞNG LỢI                                    |
+------------------------------------------------------------------------------------+
+------------------------------------------------------------------------------------+
  • Sinh viên Đại học: Được trang bị công cụ giải bài tập số trị trực quan, rút ngắn 80% thời gian tính toán ma trận so với phương pháp thủ công bằng máy tính bỏ túi.
  • Giảng viên đại học: Sử dụng trực tiếp các đoạn mã mẫu để thiết kế bài giảng số, minh họa tức thời sự thay đổi của vector nghiệm qua từng bước lặp.
  • Chuyên viên phân tích kinh tế: Ứng dụng module cân bằng thị trường để dự báo chính xác giá cả và sản lượng khi có cú sốc cung cầu hoặc thay đổi chính sách xuất nhập khẩu.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật phần cứng và phần mềm để thực thi mã nguồn là gì?

Hệ thống yêu cầu cài đặt phần mềm Maple phiên bản 17 (hoặc mới hơn như Maple 2020, Maple 2021) trên hệ điều hành Windows 7/10/11 hoặc Linux 64-bit. Cấu hình phần cứng tối thiểu là 2 GB RAM và bộ xử lý 1.5 GHz.

2. Khi nào nên dùng phương pháp khử Gauss và khi nào nên dùng phương pháp lặp Gauss-Seidel?

Phương pháp khử Gauss (trực tiếp) tối ưu nhất cho các hệ phương trình kích thước nhỏ đến trung bình ($n \le 100$) với ma trận hệ số đặc (dense matrix) và đòi hỏi nghiệm chính xác tuyệt đối. Phương pháp lặp Gauss-Seidel (gián tiếp) vượt trội khi giải các hệ ma trận kích thước lớn ($n > 1000$), ma trận thưa (sparse matrix) xuất hiện trong các bài toán lưới sai phân hoặc mạch điện, nhờ khả năng tiết kiệm bộ nhớ và tự triệt tiêu sai số làm tròn.

3. Phương pháp lặp Jacobi có luôn đảm bảo tìm ra nghiệm hay không?

Không. Phương pháp Jacobi chỉ hội tụ tới nghiệm duy nhất khi ma trận hệ số thỏa mãn điều kiện chéo trội nghiêm ngặt ($|B| < 1$) hoặc ma trận hệ số là ma trận đối xứng xác định dương. Nếu ma trận không thỏa mãn điều kiện này, dãy lặp có thể bị phân kỳ.

4. Tại sao phương pháp Gauss-Seidel lại tiết kiệm bộ nhớ hơn phương pháp Jacobi?

Trong phương pháp Jacobi, việc tính thành phần $x_i^{(k+1)}$ ở bước $k+1$ cần giữ nguyên toàn bộ vector cũ $x^{(k)}$, do đó bộ nhớ phải lưu trữ đồng thời cả hai vector ($2n$ biến). Trong phương pháp Gauss-Seidel, ngay khi thành phần $x_i^{(k+1)}$ được tính xong, nó được ghi đè trực tiếp vào vị trí của $x_i^{(k)}$ để dùng ngay cho việc tính các thành phần tiếp theo $x_{i+1}^{(k+1)}$, do đó chỉ cần duy nhất $n$ ô nhớ.

5. Làm thế nào để kiểm soát sai số của nghiệm xấp xỉ trong Maple?

Sai số được kiểm soát thông qua đánh giá chuẩn sai số vô hạn giữa hai bước lặp liên tiếp: $|x^{(k)} - x^{(k-1)}|\infty = \max{1 \le i \le n} |x_i^{(k)} - x_i^{(k-1)}|$. Khi giá trị này nhỏ hơn hoặc bằng độ chính xác yêu cầu $\varepsilon$ (trong khóa luận thiết lập $\varepsilon = 10^{-5}$), vòng lặp sẽ tự động dừng và trả về nghiệm xấp xỉ.

Kết luận

Khóa luận tốt nghiệp "Minh họa một số thuật toán giải gần đúng hệ phương trình tuyến tính bằng phần mềm Maple" của tác giả Huỳnh Thị Bảo Nguyên đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra. Đề tài không chỉ hệ thống hóa một cách mạch lạc, chặt chẽ lý thuyết phương pháp tính đại số tuyến tính mà còn hiện thực hóa thành công các giải thuật số phức tạp thành những đoạn mã Maple tinh gọn, có tính ứng dụng cao.

Thông qua việc giải quyết triệt để các bài toán mô hình thực tế từ mạng lưới giao thông, mạch điện, cân bằng phản ứng hóa học đến mô hình cân bằng kinh tế thị trường, công trình đã chứng minh rõ nét sức mạnh của việc tích hợp công nghệ thông tin vào nghiên cứu và giảng dạy Toán học. Đây là tài liệu tham khảo giá trị cho sinh viên, giảng viên và các kỹ sư đang làm việc trong lĩnh vực tính toán khoa học và mô phỏng số.