Khám Phá Ứng Dụng Của Đại Số Tuyến Tính Trong Nhiều Lĩnh Vực

Đại số tuyến tính đóng vai trò quan trọng trong nhiều lĩnh vực ứng dụng, từ xử lý ảnh đến kinh tế lượng. 68 trang · Đại học Cần Thơ · 2022.

• Tác giả: Trần Đình Chiến
• Người hướng dẫn: Cô Phạm Bích Như
• Trường học: Đại học Cần Thơ
• Chuyên ngành: Toán Ứng Dụng
• Đề tài: Một Số Ứng Dụng Của Đại Số Tuyến Tính Vào Các Lĩnh Vực Khác
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: Cần Thơ

Mục lục chi tiết

• LỜI CẢM ƠN
• LÝ DO CHỌN ĐỀ TÀI
• 1. CHƯƠNG 1: KIẾN THỨC CHUẨN BỊ
• 1.1. Hệ phương trình tuyến tính
• 1.2. Đại số ma trận
• 1.3. Các phép toán về ma trận
• 1.4. Phương pháp Gauss
• 2. CHƯƠNG 2: ỨNG DỤNG HỆ PHƯƠNG TRÌNH TUYẾN TÍNH TRONG CÁC BÀI TOÁN THỰC TẾ
• 2.1. Xây dựng các đường cong và bề mặt đi qua các điểm đã chỉ định
• 2.2. Giải hệ phương trình vi phân
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Ứng dụng của Đại Số Tuyến Tính trong Thực Tế

Đại số tuyến tính đóng vai trò quan trọng trong nhiều lĩnh vực ứng dụng, từ xử lý ảnh đến kinh tế lượng. Tài liệu này tập trung phân tích ứng dụng của đại số tuyến tính trong các lĩnh vực khác, bao gồm:

1.1. Xây dựng Đường cong và Bề mặt

Đại số tuyến tính cho phép xây dựng các đường cong và bề mặt đi qua các điểm đã cho. Bằng cách sử dụng hệ phương trình tuyến tính, ta có thể xác định phương trình của đường thẳng, đường tròn, parabol, elip dựa trên tọa độ các điểm. Ví dụ, để xây dựng phương trình đường tròn đi qua ba điểm, ta thay tọa độ ba điểm vào phương trình tổng quát của đường tròn, từ đó tạo thành một hệ phương trình tuyến tính. Giải hệ này, ta thu được các hệ số của phương trình đường tròn.

1.2. Giải Hệ Phương Trình Vi Phân

Hệ phương trình vi phân được sử dụng để mô hình hóa nhiều hiện tượng thực tế, ví dụ như dự đoán dân số. Đại số tuyến tính cung cấp các công cụ để giải các hệ phương trình vi phân. Ví dụ, bài toán dân số con mồi - động vật ăn thịt có thể được mô hình hóa bằng một hệ phương trình vi phân. Số lượng con mồi ảnh hưởng đến số lượng động vật ăn thịt và ngược lại. Bằng cách sử dụng ma trận và vector, ta có thể biểu diễn và giải hệ phương trình vi phân này, từ đó dự đoán được sự biến đổi dân số của cả hai loài.

II. Giá trị và Ứng dụng Thực Tiễn

Tài liệu cung cấp cái nhìn tổng quan về ứng dụng của đại số tuyến tính trong việc giải quyết các bài toán thực tế. Việc sử dụng hệ phương trình tuyến tính, ma trận, vector giúp đơn giản hóa và giải quyết hiệu quả các vấn đề phức tạp.

2.1. Ứng dụng Rộng Rãi

Đại số tuyến tính có ứng dụng rộng rãi trong nhiều lĩnh vực như khoa học máy tính, xử lý ảnh, học máy, trí tuệ nhân tạo, kinh tế lượng, tài chính, và nhiều lĩnh vực khác.

2.2. Tối ưu hóa và Hiệu Quả

Việc sử dụng đại số tuyến tính cho phép tối ưu hóa và giải quyết vấn đề một cách nhanh chóng và hiệu quả, đặc biệt là trong các hệ thống lớn và phức tạp. Các thuật toán dựa trên đại số tuyến tính được sử dụng rộng rãi trong học máy, phân tích dữ liệu, đồ họa máy tính.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Khóa luận tốt nghiệp chuyên ngành Toán Ứng Dụng với đề tài "Một số ứng dụng của đại số tuyến tính vào các lĩnh vực khác" được thực hiện bởi sinh viên Trần Đình Chiến dưới sự hướng dẫn của cô Phạm Bích Như tại Bộ môn Toán học, Trường Đại học Cần Thơ (tháng 12 năm 2022).

Trong bối cảnh toàn cầu hóa kinh tế và sự phát triển mạnh mẽ của cuộc Cách mạng công nghiệp lần thứ tư (CMCN 4.0), toán học giữ vai trò nền tảng cho nhiều lĩnh vực khoa học công nghệ mũi nhọn như công nghệ thông tin, viễn thông, vật liệu mới và công nghệ sinh học. Khi giải quyết các bài toán thực tiễn phức tạp, các phương pháp tính toán thủ công truyền thống thường bộc lộ hạn chế về mặt thời gian và độ chính xác. Đại số tuyến tính—đặc biệt là lý thuyết hệ phương trình tuyến tính và đại số ma trận—đã trở thành công cụ toán học thiết yếu để mô hình hóa và tối ưu hóa quy trình tính toán trong nhiều ngành nghề.

Khóa luận tập trung thực hiện các nhiệm vụ nghiên cứu sau:

1. Hệ thống hóa các cơ sở lý thuyết nền tảng về hệ phương trình đại số tuyến tính, định lý về nghiệm, thuật toán khử Gauss và các phép toán trên ma trận.
2. Khảo sát phương pháp ứng dụng hệ phương trình tuyến tính trong hình học giải tích (xác định đường cong, mặt cong) và giải hệ phương trình vi phân tuyến tính (mô hình động học quần thể).
3. Xây dựng và phân tích các mô hình toán học ứng dụng ma trận vào 7 lĩnh vực thực tế: Di truyền học, Mật mã học, Hóa học, Kinh tế học Leontief, Chuỗi Markov, Mạch điện và Phân luồng giao thông.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Hệ phương trình đại số tuyến tính, lý thuyết đại số ma trận, định thức, hạng ma trận, ma trận nghịch đảo, bài toán giá trị riêng - vectơ riêng và kỹ thuật chéo hóa ma trận.
• Phạm vi nội dung: Các bài toán ứng dụng liên ngành trong sinh học quần thể, hệ mật mã cổ điển/Hill, cân bằng phản ứng hóa học, mô hình kinh tế vĩ mô cân đối liên ngành (Input-Output).
• Phạm vi thời gian và địa bàn: Khóa luận được hoàn thành và nghiệm thu vào tháng 12 năm 2022 tại Trường Đại học Cần Thơ.

---

Cơ sở lý thuyết và phương pháp

Khóa luận sử dụng khung lý thuyết giải tích và đại số tuyến tính chuẩn tắc kết hợp với phương pháp mô hình hóa toán học liên ngành:

• Khung lý thuyết và mô hình toán học:

  • Dạng phương trình ma trận tổng quát: $Ax = b$, trong đó $A \in M_{m \times n}(\mathbb{R})$ là ma trận hệ số, $x \in \mathbb{R}^n$ là vectơ ẩn, $b \in \mathbb{R}^m$ là vectơ hệ số tự do.
  • Quy tắc Cramer: Nghiệm duy nhất $x_i = \frac{\Delta_i}{\Delta}$ áp dụng cho hệ có ma trận vuông $A$ không suy biến ($\det(A) \neq 0$).
  • Định lý Kronecker – Capelli: Điều kiện cần và đủ để hệ phương trình có nghiệm là $\text{rank}(A) = \text{rank}(B)$, với $B = (A|b)$ là ma trận mở rộng. Hệ có nghiệm duy nhất khi $\text{rank}(A) = \text{rank}(B) = n$ và vô số nghiệm khi $\text{rank}(A) = \text{rank}(B) < n$.
  • Kỹ thuật chéo hóa ma trận: Biểu diễn ma trận $A$ dưới dạng $A = PDP^{-1}$ (với $D$ là ma trận đường chéo chứa các giá trị riêng $\lambda_i$, $P$ là ma trận chuyển cơ sở tạo bởi các vectơ riêng độc lập tuyến tính) nhằm tối ưu phép tính lũy thừa $A^n = PD^n P^{-1}$.
  • Mô hình kinh tế đầu vào - đầu ra mở của Wassily Leontief (Mô hình Input - Output, Nobel Kinh tế 1973) thông qua hệ phương trình $(I - C)p = d$.

• Phương pháp nghiên cứu:

  • Phương pháp phân tích - tổng hợp lý thuyết: Thu thập, hệ thống hóa các định lý, hệ quả và thuật toán đại số ma trận từ tài liệu chuẩn.
  • Phương pháp mô hình hóa toán học: Chuyển đổi các bài toán từ ngôn ngữ thực tế (sinh học, hóa học, mật mã, kinh tế) thành các bài toán đại số ma trận tương đương.
  • Phương pháp biến đổi sơ cấp dòng (Gauss - Jordan): Khử ẩn tuần tự đưa ma trận về dạng bậc thang hoặc bậc thang rút gọn để giải hệ phương trình, tính hạng, tìm ma trận nghịch đảo và giải mã thông tin.
  • Phương pháp phân tích phổ: Sử dụng giá trị riêng và vectơ riêng để đánh giá trạng thái dừng dài hạn trong các mô hình tiến hóa di truyền và cân bằng kinh tế.

• Nguồn dữ liệu:

  • Dữ liệu giả định và dữ liệu thực nghiệm tiêu chuẩn trong các bài toán hóa học (phản ứng cháy, phản ứng phức tạp), các bảng xác suất lai di truyền Mendel, bảng hoán vị mật mã ký tự chữ số và bảng thông số hệ số kỹ thuật của nền kinh tế giả định.

---

Nội dung chính theo từng chương

Chương 1: Kiến thức chuẩn bị

Chương 1 thiết lập hệ thống khái niệm và công cụ tính toán cơ bản của đại số tuyến tính:

• Hệ phương trình tuyến tính: Phân loại hệ thuần nhất ($b_i = 0, \forall i$) và không thuần nhất; hệ tương thích (có nghiệm) và không tương thích (vô nghiệm); hệ xác định (nghiệm duy nhất) và bất định (vô số nghiệm). Trình bày chứng minh quy tắc Cramer và Định lý Kronecker – Capelli.
• Phương pháp khử Gauss: Mô tả thuật toán biến đổi sơ cấp theo hàng đưa hệ phương trình về dạng tam giác để truy hồi ngược tìm nghiệm. Văn bản minh họa bằng ví dụ giải hệ 3 phương trình 3 ẩn: $$\begin{cases} 4x_1 + 6x_2 + 10x_3 = 4 \ 6x_1 - 5x_2 + 8x_3 = 20 \ -8x_1 + 6x_2 + 4x_3 = 4 \end{cases} \implies (x_1, x_2, x_3) = (-1, -2, 2)$$
• Đại số ma trận: Định nghĩa các dạng ma trận đặc biệt (ma trận dòng, ma trận không, ma trận vuông, ma trận tam giác trên/dưới, ma trận chéo, ma trận đơn vị $I_n$, ma trận chuyển vị $A^t$, ma trận đối xứng). Định nghĩa các phép toán: cộng ma trận cùng cấp, nhân vô hướng, nhân ma trận.
• Biến đổi sơ cấp và ma trận nghịch đảo: Định nghĩa ma trận bậc thang, khái niệm hạng ma trận $\text{rank}(A)$ và thuật toán tìm ma trận nghịch đảo $A^{-1}$ bằng cách biến đổi sơ cấp trên ma trận ghép $(A | I_n) \to (I_n | A^{-1})$.

Khái niệm / Công cụ	Điều kiện áp dụng	Kết quả / Ý nghĩa toán học
Quy tắc Cramer	Hệ có số phương trình bằng số ẩn ($m=n$) và $\det(A) \neq 0$	Nghiệm duy nhất $x_i = \Delta_i / \Delta$
Định lý Kronecker – Capelli	Áp dụng cho mọi hệ $m \times n$	Hệ có nghiệm $\iff \text{rank}(A) = \text{rank}(A|b)$
Khử Gauss - Jordan	Mọi ma trận đại số	Đưa về ma trận bậc thang rút gọn để giải hệ và tìm $A^{-1}$
Chéo hóa ma trận	Ma trận vuông cấp $n$ có $n$ vectơ riêng độc lập tuyến tính	$A = PDP^{-1}$, tính nhanh $A^k = PD^k P^{-1}$

Chương 2: Ứng dụng hệ phương trình tuyến tính trong các bài toán thực tế

Chương này trình bày hai hướng ứng dụng hình học và giải tích của hệ phương trình tuyến tính:

• Xây dựng đường cong và mặt cong: Xác định phương trình đường thẳng $ax + by + c = 0$, đường tròn $ax^2 + by^2 + cx + dy + e = 0$, hoặc các đường conic qua các điểm chỉ định bằng cách thiết lập hệ phương trình tuyến tính thuần nhất $AX = 0$. Hệ có nghiệm không tầm thường khi và chỉ khi $\det(A) = 0$.
  • Ví dụ: Tìm đường tròn đi qua ba điểm $A(1,1)$, $B(-2,1)$, $C(3,2)$ thông qua giải hệ định thức cấp 4 với các ẩn hệ số $a, b, c, d$.
• Giải hệ phương trình vi phân: Mô hình hóa các bài toán sinh thái học về mối quan hệ giữa quần thể con mồi và động vật ăn thịt (predator - prey). Kỹ thuật chuyển đổi phương trình vi phân tuyến tính bậc cao (cấp 2, cấp 4) về hệ phương trình vi phân tuyến tính cấp 1 dạng ma trận: $\vec{x}'(t) = A\vec{x}(t) + \vec{g}(t)$.

Chương 3: Ứng dụng hệ số ma trận trong các bài toán thực tế

Chương 3 triển khai chi tiết các ứng dụng của ma trận trong các ngành khoa học chuyên biệt:

• Ứng dụng trong Di truyền học:

  • Mô hình hóa sự phân bố kiểu gen ($AA, Aa, aa$) qua $n$ thế hệ bằng phương trình trạng thái $X_n = A^n X_0$, với $A$ là ma trận chuyển tiếp xác suất.
  • Áp dụng kỹ thuật chéo hóa ma trận $A = PDP^{-1}$ để tính phân bố giới hạn khi $n \to \infty$. Trong bài toán lai cá thể với kiểu gen $AA$, ma trận chuyển tiếp có các giá trị riêng $\lambda_1 = 1, \lambda_2 = 1/2, \lambda_3 = 0$; phân phối kiểu gen dài hạn hội tụ về vector $[1, 0, 0]^T$ (100% cá thể mang kiểu gen $AA$).
  • Phân tích di truyền liên kết giới tính trên nhiễm sắc thể X.
  • Bài toán chuyển đổi nguyện vọng giữa 200 sinh viên ngành Toán và 350 sinh viên ngành Sinh với ma trận chuyển tiếp $A = \begin{pmatrix} 0.92 & 0.04 \ 0.08 & 0.96 \end{pmatrix}$, tìm ra số sinh viên toán học sau 15 năm là 186 người và sau 20 năm có 365 người theo ngành Sinh học.

• Ứng dụng trong Mật mã học:

  • Nghiên cứu mật mã ma trận (mật mã Hill): Biểu diễn bản rõ thành chuỗi số nguyên, gom cụm thành các vectơ kích thước $n \times 1$ và mã hóa bằng ma trận khả nghịch $A$ cấp $n$ ($C = AP$). Quá trình giải mã thực hiện bằng tích $P = A^{-1}C$.
  • Thám mã (phá mã) khi biết một phần bản rõ và bản mã tương ứng: Thiết lập phương trình $Q = AP \implies A^{-1} = PQ^{-1}$, tìm ma trận khóa giải mã $(A^{-1})^T$ bằng cách khử hàng Gauss trên ma trận ghép $[Q^T | P^T] \to [I | (A^{-1})^T]$. Minh họa qua việc giải mã thành công thông điệp ẩn "IAMAGOODSTUDENTT" từ chuỗi mật mã cho trước.

• Ứng dụng trong Hóa học:

  • Thiết lập phương trình cân bằng phản ứng hóa học dựa trên định luật bảo toàn nguyên tố. Chuyển đổi số lượng nguyên tử từng nguyên tố thành các vectơ thành phần, ghép thành ma trận hệ số và đưa về dạng bậc thang rút gọn (RREF).
  • Nghiệm của hệ là không gian nghiệm chứa biến tự do; chọn giá trị nguyên dương nhỏ nhất cho biến tự do để thu được các hệ số nguyên tối giản của phương trình hóa học.

• Ứng dụng trong Mô hình kinh tế Leontief:

  • Mô hình Input - Output mở: Xét nền kinh tế gồm $n$ ngành sản xuất, ma trận tiêu thụ $C = (c_{ij}){n \times n}$ (trong đó $c{ij}$ là giá trị sản lượng ngành $i$ cần để ngành $j$ tạo ra một đơn vị giá trị), vectơ sản xuất $p$, vectơ nhu cầu mở bên ngoài $d$.
  • Mối quan hệ cân bằng: $(I - C)p = d \implies p = (I - C)^{-1}d$.
  • Điều kiện sinh lời và tính khả dụng của mô hình: Ma trận tiêu thụ $C$ là hiệu quả khi $(I - C)^{-1}$ tồn tại và không âm. Điều kiện đủ là tổng các phần tử trên mỗi cột (hoặc mỗi hàng) của ma trận $C$ đều nhỏ hơn 1.

---

Kết quả và đóng góp

• Kết quả tính toán cụ thể trong văn bản:

  • Giải quyết chính xác các bài toán nghiệm đại số bằng phương pháp ma trận nghịch đảo, quy tắc Cramer và phương pháp khử Gauss.
  • Xác định trạng thái dừng phân bố di truyền sau $n$ thế hệ: chứng minh bằng giải tích phổ rằng khi cho lai liên tục với dòng thuần chủng $AA$, vector trạng thái luôn tiệm cận về $[1, 0, 0]^T$.
  • Xác định nghiệm của bài toán dịch chuyển chuyên ngành với giá trị riêng $\lambda_1 = 22/25, \lambda_2 = 1$, đưa ra dự báo chính xác số lượng 186 sinh viên Toán sau 15 năm và 365 sinh viên Sinh sau 20 năm.
  • Thiết lập quy trình thám mã tìm ma trận nghịch đảo $A^{-1} = \begin{pmatrix} -2/13 & 5/13 \ 3/13 & -1/13 \end{pmatrix}$ để khôi phục bản rõ từ bản mã mà không cần biết trước khóa mã hóa ban đầu.
  • Đưa ra nghiệm tổng quát cho bài toán cân bằng kinh tế Leontief với ma trận tiêu thụ $C$ có các phần tử $k$ ($0 < k < 1/3$), xác định vectơ sản xuất $p = \frac{1000}{1-3k}[1, 1, 1]^T$ tương ứng với nhu cầu tiêu dùng $d = [1000, 1000, 1000]^T$.

• Đóng góp của khóa luận:

  • Hệ thống hóa quy trình ứng dụng công cụ đại số tuyến tính vào các bài toán liên ngành từ khoa học tự nhiên (Hóa học, Sinh học), kỹ thuật tính toán (Mật mã học, Phương trình vi phân) đến khoa học xã hội (Kinh tế học vĩ mô).
  • Minh họa tính ưu việt của phương pháp ma trận (như thuật toán Gauss-Jordan, kỹ thuật chéo hóa ma trận) so với các phép biến đổi đại số sơ cấp rời rạc khi xử lý bài toán nhiều biến số.

---

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế được ghi nhận:

  • Tác giả tự nhận định kinh nghiệm làm đề tài nghiên cứu còn hạn chế nên luận văn khó tránh khỏi một số thiếu sót về mặt học thuật.
  • Các ví dụ tính toán minh họa trong khóa luận chủ yếu dừng lại ở quy mô nhỏ (ma trận cấp $2 \times 2, 3 \times 3, 4 \times 4$), mang tính minh họa phương pháp lý thuyết chứ chưa xử lý các tập dữ liệu lớn trong thực tế.
  • Khóa luận chưa kết hợp việc lập trình tự động hóa các thuật toán đại số tuyến tính trên các phần mềm tính toán chuyên dụng (như MATLAB, Python NumPy, R).

• Hướng nghiên cứu tiếp theo:

  • Triển khai chi tiết các mục ứng dụng đã nêu trong đề cương mục lục bao gồm: Mô hình chuỗi Markov trong dự báo xác suất, phân tích mạng lưới mạch điện theo định luật Kirchhoff, và mô hình hóa bài toán phân luồng giao thông đô thị.
  • Mở rộng quy mô nghiên cứu sang các hệ thống dữ liệu lớn bằng cách tích hợp thuật toán số trị và lập trình tính toán ma trận.

---

Giá trị tham khảo

Khóa luận là tài liệu học liệu phù hợp cho sinh viên, giảng viên và người học thuộc các nhóm chuyên ngành sau:

• Sinh viên ngành Toán học, Toán Ứng dụng, Sư phạm Toán: Tham khảo các ví dụ thực tiễn sinh động để làm tài liệu học tập, giảng dạy môn Đại số tuyến tính, giúp kết nối lý thuyết trừu tượng với ứng dụng thực tế.
• Sinh viên ngành Kinh tế, Quản trị kinh doanh: Tham khảo phương pháp thiết lập và giải ma trận đầu vào - đầu ra Leontief (Chương 3, Mục 3.4), hiểu rõ điều kiện khả nghịch và tính sinh lời của các ngành kinh tế.
• Sinh viên ngành Khoa học máy tính, An toàn thông tin: Tham khảo nguyên lý hoạt động và kỹ thuật thám mã của hệ mật mã Hill dựa trên phép nhân ma trận và khử Gauss-Jordan (Chương 3, Mục 3.2).
• Sinh viên ngành Công nghệ sinh học, Hóa học: Tham khảo quy trình vector hóa để cân bằng phản ứng hóa học phức tạp và mô hình ma trận chuyển tiếp xác suất kiểu gen qua các thế hệ.

---

Câu hỏi thường gặp

1. Theo Định lý Kronecker – Capelli trong khóa luận, điều kiện nào quyết định số lượng nghiệm của một hệ phương trình tuyến tính?
Điều kiện cần và đủ để hệ phương trình $Ax=b$ có nghiệm là hạng của ma trận hệ số bằng hạng của ma trận mở rộng, tức $\text{rank}(A) = \text{rank}(A|b)$. Nếu $\text{rank}(A) = \text{rank}(A|b) = n$ (số ẩn), hệ có nghiệm duy nhất. Nếu $\text{rank}(A) = \text{rank}(A|b) < n$, hệ có vô số nghiệm phụ thuộc vào $n - \text{rank}(A)$ ẩn tự do.

2. Tại sao trong bài toán di truyền học, tác giả lại sử dụng kỹ thuật chéo hóa ma trận $A = PDP^{-1}$ thay vì nhân ma trận $A^n$ trực tiếp?
Khi tính toán phân bố kiểu gen sau $n$ thế hệ lớn (ví dụ $n = 20$), việc nhân ma trận liên tiếp $A^n$ rất phức tạp và dễ dẫn đến sai số tính toán tích lũy. Kỹ thuật chéo hóa $A = PDP^{-1}$ cho phép tính $A^n = PD^n P^{-1}$ dễ dàng thông qua việc lũy thừa các phần tử trên đường chéo chính của ma trận $D$, giúp giảm khối lượng tính toán và hạn chế sai số.

3. Phương pháp thám mã hệ mật mã ma trận Hill được thực hiện như thế nào khi biết một phần cặp bản rõ - bản mã?
Khi biết trước $n$ vectơ bản rõ $P = [P_1 | P_2 | \dots | P_n]$ và các vectơ bản mã tương ứng $Q = [AP_1 | AP_2 | \dots | AP_n]$, ta có hệ thức $Q = AP \implies A^{-1} = PQ^{-1}$. Để tìm ma trận giải mã $(A^{-1})^T$, tác giả lập ma trận ghép $[Q^T | P^T]$ rồi thực hiện các phép biến đổi sơ cấp dòng của phương pháp Gauss để đưa về dạng $[I | (A^{-1})^T]$, từ đó suy ra ma trận giải mã $A^{-1}$.

4. Đại số tuyến tính hỗ trợ cân bằng phương trình phản ứng hóa học bằng nguyên lý nào?
Phương pháp dựa trên định luật bảo toàn nguyên tố để lập hệ phương trình tuyến tính thuần nhất cho các hệ số phản ứng. Mỗi chất được biểu diễn bằng một vectơ số lượng nguyên tử của từng nguyên tố cấu thành. Bằng cách đưa ma trận hệ số về dạng bậc thang rút gọn (RREF), ta xác định được biến tự do và tìm nghiệm nguyên dương nhỏ nhất thỏa mãn phương trình.

5. Trong mô hình kinh tế Leontief, điều kiện nào đảm bảo ma trận tiêu thụ $C$ là hiệu quả và có thể đáp ứng mọi vectơ nhu cầu bên ngoài?
Ma trận tiêu thụ $C$ được gọi là hiệu quả khi ma trận nghịch đảo $(I - C)^{-1}$ tồn tại và không âm. Điều kiện đủ để đạt được điều này là tổng các phần tử trên mỗi cột (hoặc mỗi hàng) của ma trận $C$ phải nhỏ hơn 1, biểu thị rằng chi phí đầu vào của mỗi ngành để tạo ra một đơn vị sản lượng luôn nhỏ hơn giá trị của đơn vị sản lượng đó (ngành có lãi).

---

Kết luận

Khóa luận tốt nghiệp của sinh viên Trần Đình Chiến đã hệ thống hóa toàn diện các kiến thức nền tảng của đại số tuyến tính và chứng minh rõ nét tính ứng dụng liên ngành của công cụ ma trận. Bằng việc giải quyết cụ thể các bài toán từ di truyền học, mật mã học, hóa học đến mô hình kinh tế Leontief, công trình làm sáng tỏ vai trò cầu nối của toán học ứng dụng trong thực tiễn. Đề tài là nguồn tài liệu tham khảo học thuật có giá trị cho sinh viên chuyên ngành Toán cũng như các ngành khoa học tự nhiên, kỹ thuật và kinh tế.

Trích đoạn nội dung tài liệu

MỤC LỤC LỜI CẢM ƠN LÝ DO CHỌN ĐỀ TÀI Trang Chương:1 KIẾN THỨC CHUẨN BỊ .1 Hệ phương trình tuyến tính .1 Dạng của hệ phương trình tuyến tính .2 Giải hệ phương trình tuyến tính .3 Hệ phương trình thuần nhất .4 Phương pháp Gauss .2 Đại số ma trận .2 Các dạng đặc biệt của ma trận.3 Các phép toán về ma trận. 12 Chương:2 ỨNG DỤNG HỆ PHƯƠNG TRÌNH TUYẾN TÍNH TRONG CÁC BÀI TOÁN THỰC TẾ .1 Xây dựng các đường cong và bề mặt đi qua các điểm đã chỉ định .2 Giải hệ phương trình vi phân. 25 Chương:3 ỨNG DỤNG HỆ SỐ MA TRẬN TRONG CÁC BÀI TOÁN THỰC TẾ .1 Ứng dụng Di truyền học .2 Ứng dụng trong mật mã học .3 Ứng dụng trong hóa học .4 Ứng dụng trong mô hình kinh tế Leonteif.5 Ứng dụng trong chuỗi Markov .6 Ứng dụng trong mạch điện .7 Ứng dụng trong phân luồng giao thông .63 TÀI LIỆU THAM KHẢO……………………………………………………………………………….64 LỜI CẢM ƠN Khóa luận tốt nghiệp chuyên ngành Toán Ứng Dụng với Đề tài “Một số ứng dụng của đại số tuyến tính vào các lĩnh vực khác” là kết quả của quá trình cố gắng không ngừng nghỉ của bản thân và được sự giúp đỡ tận tình, động viên khích lệ của thầy cô, bạn bè và người thân. Qua đây, em xin gửi lời cảm ơn chân thành đến những người đã giúp đỡ em trong thời gian học tập vừa qua.

Xin chân thành cảm ơn Ban giám hiệu trường Đại học Cần Thơ vì đã tạo điều kiện về cơ sở vật chất với hệ thống thư viện hiện đại, tài liệu đa dạng đã tạo điều kiện thuận lợi cho em trong việc tìm kiếm thông tin và tài liệu tham khảo. Xin cảm ơn quý Thầy Cô của bộ môn Toán học, đặc biệt là Cô Phạm Bích Như đã tận tình giúp đỡ, định hướng cách tư duy và cách làm việc khoa học cho em những nhận xét quý báu, chỉnh sửa những sai sót trong bản thảo luận văn của em. Trong thời gian làm luận văn cùng cô em đã có thêm cho mình nhiều kiến thức bổ ích, tinh thần học tập hiệu quả, nghiêm túc. Đó là những góp ý hết sức quý báu không chỉ trong quá trình thực hiện luận văn này mà còn là hành trang tiếp bước cho em trong quá trình học tập và lập nghiệp sau này.

Những kiến thức em đã được học trong suốt những năm quan từ quý Thầy Cô trong Bộ môn vô cùng hữu ích và có tính ứng dụng cao. Chương trình đào tạo đảm bảo cung cấp đủ kiến thức, gắn liền với nhu cầu thực tiễn của xã hội. Mặc dù, em đã có nhiều cố gắng nhưng do bản thân chưa có nhiều kinh nghiệm làm đề tài cũng như còn một số hạn chế về mặt kiến thức cho nên nhưng trong luận văn chắc chắn sẽ không tránh khỏi những thiếu sót. Rất mong nhận được sự góp ý từ phía quý Thầy Cô, các bạn để luận văn được hoàn thiện hơn.

Cuối cùng, em xin cảm ơn gia đình, người thân, bạn bè đã luôn bên cạnh, ủng hộ, động viên. Em xin chân thành cảm ơn! Cần Thơ, tháng 12 năm 2022 Trần Đình Chiến LÝ DO CHỌN ĐỀ TÀI Giai đoạn hiện nay toàn cầu hoá kinh tế trở thành xu thế nổi bật và tất yếu chi phối thời đại là yếu tố quan trọng đối với sự phát triển kinh tế của các nước. Cùng với đó cuộc cách mạng khoa học công nghệ mới lần thứ 4 diễn ra với nhịp độ ngày càng mạnh mẽ, mà cốt lõi là dựa trên việc ứng dụng các phát minh khoa học công nghệ dựa trên nền tảng toán học phát triển các ngành công nghệ cao như công nghệ truyền thông và tin học, công nghệ vật liệu mới, công nghệ sinh học… đã làm thay đổi mọi mặt đời sống kinh tế - chính trị và xã hội nhân loại. Toán học là xương sống của mọi ngành, đóng vai trò quan trọng trong nền kinh tế quốc dân.

Trong khi các phương pháp tính toán truyền thống tốn nhiều thời nhưng hiệu quả lại giảm sút thì hệ phương trình tuyến tính và đại số ma trận gần như đã trở thành lựa chọn số một cho lĩnh vực toán học để phát triển các ngành nghề hiện nay. Số lượng các ngành nghề sử dụng các công cụ ứng dụng toán học ngày càng tăng, ngân sách cho toán học ngày càng cao đủ để chứng tỏ sự tiện lợi cũng như lợi ích mà toán học mang lại cho các ngành không nhỏ. Nhận thức được tầm quan trọng của hệ phương trình tuyến tính và đại số ma trận ảnh hưởng đến hiệu quả các ngành nghề ra sao, tôi đã chọn đề tài “Một số ứng dụng của đại số tuyến tính vào các lĩnh vực khác” là đề tài cho khóa luận của mình. Chương:1 KIẾN THỨC CHUẨN BỊ 1.1 Hệ phương trình tuyến tính 1.1 Dạng của hệ phương trình tuyến tính Dạng tổng quát của hệ phương trình đại số tuyến tính được viết như sau 𝑎11 𝑥1 + 𝑎11 𝑥2 +.

𝑎𝑚𝑛 𝑥𝑛 = 𝑏𝑚 Hệ này được viết dưới dạng ma trận là Ax = b (1.2) ở đây A là ma trận được thành lập từ các hệ số của các biến A=(𝑎𝑖𝑗 )𝑚𝑥𝑛 x: véc tơ cột của các biến.3) b: véc tơ cột các hệ số tự do.4) Hệ phương trình đại số tuyến tính được gọi là:  thuần nhất nếu tất cả các 𝑏𝑖 = 0, i = 1, 2,., m;  không thuần nhất nếu có ít nhất một 𝑏𝑖 ≠ 0;  tương thích nếu hệ có ít nhất một nghiệm, tức là tồn tại ít nhất một bộ giá trị của 𝑥1, 𝑥2,…, 𝑥𝑛 mà khi thay vào hệ phương trình ta sẽ nhận được những đẳng thức đúng;  không tương thích nếu không có một nghiệm nào;  xác định nếu hệ chỉ có một nghiệm duy nhất;  bất định nếu tồn tại quá một nghiệm. Muốn giải hệ phương trình đại số tuyến tính thì trước hết phải xác định xem hệ đã cho Trang 1 tương thích hay không tương thích. Nếu là hệ tương thích thì lại phải xem hệ là xác định hay bất định. Nếu hệ phương trình là xác định thì ta đi tìm nghiệm duy nhất của nó.

Ví dụ 1: x+y= 3 { 2x − 3y = 5 là một hệ hai phương trình 2 ẩn. Ví dụ 2: 2x + 3y + 4z = 3 { x−y+z = 1 4x − 2y + z = 5 là một hệ 3 phương trình 3 ẩn. Ví dụ 3: 3x + y − 2z = 1 { x − 3y + z = 2 là một hệ hai phương trình 3 ẩn.2 Giải hệ phương trình tuyến tính Khi giải hệ phương trình đại số tuyến tính có thể xảy ra hai trường hợp: m= n và m ≠ n. Trường hợp m=n Lúc này ma trận A có dạng Định nghĩa: Hệ (1.2) gọi là hệ Cramer nếu det (A) ≠ 0 (ma trận A không suy biến).

Khi đó, ma trân hệ số A sẽ tồn tại ma trận nghịch đảo 𝐴−1.1 (Cramer): Hệ Cramer có nghiệm duy nhất tính bằng công thức Giải thích Delta, Delta i là gì?? Chứng minh: Ta nhân hai vế của đẳng thức (3.2) với 𝐴−1 về bên trái, ta được: Trang 2 Bởi vì 𝐴−1A E − = , mà nhân bất cứ ma trận nào với E sẽ được đúng ma trận đó, nên (1.5) Sau khi thế 𝐴−1 bởi biểu thức của nó và thay các véc tơ cộ t x và b, ta có: Vì hai ma trận chỉ bằng nhau khi các phần tử tương ứng của chúng bằng nhau nên (1.6) Theo định lí khai triển: Định thức bằng tổng các tích của các phần tử của hàng hoặc cột với các phần phụ đại số của chúng. Vì vậy bất cứ hàng nào trong biểu thức (3.6) cũng thay được bằng các định thức tương ứng với véc tơ b là một cột của nó, chẳng hạn đối với 𝑥𝑖 sẽ có (1.7) Điều đó có nghĩa là muốn tìm 𝑥𝑖 thì phải chia định thức 𝛥𝑖 thiết lập từ định thức |𝐴| = 𝛥 bằng cách thay cột i của định thức (delta) bởi cột hệ số tự do, tức là (1.8) Vì vậy, có thể phát biểu quy tắc Cramer: Nếu định thức gồm của ma trận các hệ số của hệ n phương trình tuyến tính với n ẩn khác 0 thì hệ có một nghiệm duy nhất được tính bằng công thức (1. Trang 3 Ví dụ: Giải hệ −2x + 4y = 8 { −2x + 2z = 2 −4x + 2y + 6z = 2 Giải: Ta có: −2 4 0 8 A=(−2 0 2) , b= [2] −4 2 6 2 8 4 0 −2 8 0 −2 4 8 𝐴1 =(2 0 2) 𝐴2 =(−2 2 2) 𝐴3 =(−2 0 2) 2 2 6 −4 2 6 −4 2 2 Ta tính được det(A) =24≠ 0; det(𝐴1 )=-64 (𝐴2 ) = 16 (𝐴3 ) = −16 Ta có nghiệm của hệ đã cho là: −64 −8 16 2 −16 −2 𝑋1= = ; 𝑋2 = = ; 𝑋3 = = 24 3 24 3 24 3 Trường hợp m≠ n Ta gọi A= (𝑎𝑖𝑗)𝑚𝑥𝑛là ma trận hệ số của hệ phương trình. Sau khi thêm cột các số hạng tự do b vào ma trận A, ta lập được ma trận mở rộng B.

Để giải trường hợp này, ta dựa vào định lí sau: Định lí 1.2 (Croneker – Capeli): Điều kiện cần và đủ để hệ (1.1) có nghiệm là hạng của ma trận A bằng hạng của ma trận mở rộng B. Nếu r(A)=r(B)=n thì hệ (1.1) có một nghiệm duy nhất. Nếu r(A)=r(B)<n thì hệ (1.1) có vô số nghiệm. Chứng minh: Cần: Giả sử hệ (1.

Ta phải chứng minh r(A)=r(B). Thật vậy, hệ (3.1) có nghiệm, tức là có 𝑥1=𝑐1, 𝑥2=𝑐2,…, 𝑥𝑛=𝑐𝑛 để cho Trang 4 Hay Điều đó chứng tỏ rằng cột cuối cùng của ma trận B là tổ hợp tuyến tính của n cột đầu. Theo tính chất hạng của ma trận, ta có thể bỏ cột cuối cùng mà không làm ảnh hưởng đến hạng của ma trận B. Ta phải chứng minh hệ (3.

Không mất tính tổng quát, có thể coi định thức cấp k khác 0 của A và B nằm ở góc trái. Khi đó, k cột đầu tiên độc lập tuyến tính và các cột còn lại có thể biểu diễn qua k cột đầu. Trong trường hợp riêng, cột b biểu diễn được qua k cột đầu Thật vậy, nếu lấy 𝑥1 = 𝜆1 ,…, 𝑥𝑘 =𝜆𝑘 , 𝑥𝑘+1=𝑥𝑘+2=…=𝑥𝑛 =0 thì chúng tạo nên một nghiệm của hệ (3. Đó là điều phải chứng minh.

Ví dụ: Giải hệ phương trình: 𝑥1 − 2𝑥3 + 3𝑥4 = 2 {−𝑥1 + 𝑥2 + 2𝑥4 = 1 2𝑥1 − 𝑥2 + 𝑥3 = 2 Giải: Ở đây m =3, n = 4. Vậy hệ vô số nghiệm.