Phân tích Số

Tổng quan: Bài học này thiết lập nền tảng kết nối giữa giải tích lý thuyết và tính toán số thực tế. Nó ôn lại các định lý giải tích quan trọng dùng để ước lượng sai số – như Định lý Taylor và Định lý giá trị trung bình – trước khi chuyển sang các giới hạn của phép tính máy tính. Sinh viên sẽ học cách đo lường sai số, xác định nguyên nhân mất độ chính xác (như hủy số chữ số có nghĩa), và đánh giá hiệu quả thuật toán bằng ký hiệu Big Oh.

Kết quả học tập:

• Áp dụng Định lý giá trị trung bình và Định lý Rolle để chứng minh sự tồn tại và duy nhất của nghiệm.
• Xây dựng các đa thức Taylor và sử dụng các hạng tử dư để thiết lập giới hạn sai số nghiêm ngặt cho các xấp xỉ số.
• Phân biệt giữa phép làm tròn và cắt bỏ trong hệ số thập phân và tính toán sai số tuyệt đối cũng như tương đối trong hệ số dấu phẩy động.

Tổng quan: Bài học này khám phá các kỹ thuật số để tìm nghiệm của phương trình f(x) = 0, một bài toán cơ bản trong tính toán khoa học. Nó bao gồm chuỗi các phương pháp từ phương pháp Bisection ổn định nhưng chậm đến phương pháp Newton hội tụ nhanh và các biến thể của nó (Secant, Phương pháp vị trí sai). Ngoài ra, bài học còn đề cập đến các chủ đề nâng cao như phân tích sai số cho hội tụ lặp, kỹ thuật xử lý nghiệm kép, và các thuật toán đặc biệt cho đa thức như phương pháp Müller và Horner.

Kết quả học tập:

• Áp dụng các phương pháp Bisection, điểm cố định, Newton, Secant và Phương pháp vị trí sai để xấp xỉ nghiệm.
• Phân tích bậc hội tụ và giới hạn sai số cho các phương pháp lặp khác nhau.
• Sử dụng các phương pháp Aitken’s \Delta^2 và Steffensen để tăng tốc độ hội tụ của các dãy tuyến tính.

Tổng quan: Bài học này nghiên cứu các phương pháp xấp xỉ hàm liên tục bằng các đa thức đại số. Bắt đầu từ nền tảng lý thuyết của Định lý xấp xỉ Weierstrass, nội dung tiến triển qua dạng Lagrange và Newton của nội suy, phương pháp lặp Neville, và các đa thức Hermite. Bài học kết thúc bằng nội suy spline bậc ba và đường cong tham số, minh họa cách các đa thức từng đoạn tránh được các vấn đề dao động của đa thức toàn cục bậc cao trong các ứng dụng thực tế như khớp đường cong.

Kết quả học tập:

• Phát biểu và giải thích Định lý xấp xỉ Weierstrass và hệ quả của nó đối với việc xấp xỉ hàm số.
• Xây dựng các đa thức nội suy Lagrange, Newton chia đôi, và Hermite từ các tập dữ liệu đã cho.
• Áp dụng Phương pháp Neville để tạo dần các xấp xỉ bằng đa thức.

Tổng quan: Bài học này trình bày các phương pháp xấp xỉ đạo hàm và tích phân, cần thiết để giải các bài toán toán học mà lời giải giải tích khó hoặc không thể tìm được. Sinh viên sẽ tìm hiểu phương pháp đạo hàm độ chính xác cao nhờ công thức ba điểm và khai thác Richardson, tiến đến các kỹ thuật tích phân Newton-Cotes (quy tắc hình thang và Simpson), và thành thạo các phương pháp tích phân nâng cao như Romberg, thích nghi và tích phân Gauss. Phần cuối cùng bao gồm xử lý số học cho tích phân kép và tích phân suy rộng.

Kết quả học tập:

• Biến đổi và áp dụng các công thức xấp xỉ đạo hàm số (ba điểm) và ước lượng sai số.
• Triển khai phương pháp khai thác Richardson để tăng bậc chính xác của các xấp xỉ số.
• Áp dụng các quy tắc tích phân hợp thành và tích phân thích nghi để xử lý các biến thiên chức năng phức tạp.

Tổng quan: Bài học này trình bày các phương pháp xấp xỉ nghiệm cho bài toán giá trị ban đầu (IVP). Nó bắt đầu từ nền tảng lý thuyết về tính tốt đặt (well-posedness) và điều kiện Lipschitz, rồi tiến tới các phương pháp sơ cấp như Euler, đến các kỹ thuật tiên tiến bao gồm Runge-Kutta, phương pháp đa bước, khai thác và phân tích ổn định. Cuối cùng, nó đề cập đến các tình huống đặc biệt liên quan đến hệ phương trình vi phân và những thách thức riêng biệt do các phương trình cứng gây ra.

Kết quả học tập:

• Xác định xem một IVP có tốt đặt hay không dựa trên điều kiện Lipschitz và các định lý tồn tại - duy nhất.
• Triển khai và phân tích sai số của các phương pháp một bước (Euler, Taylor, Runge-Kutta) và phương pháp đa bước (Adams-Bashforth, Adams-Moulton).
• Áp dụng các kỹ thuật thích nghi (Runge-Kutta-Fehlberg, bước kích thước thay đổi) và khai thác để giải ODE trong giới hạn sai số nhất định.

Tổng quan: Bài học này trình bày các phương pháp thuật toán hệ thống để giải hệ phương trình tuyến tính, từ loại Gaussian đơn giản đến các kỹ thuật phân tích ma trận nâng cao. Sinh viên sẽ tìm hiểu chiến lược giữ ổn định số học thông qua chọn hàng pivot, phân tích các thuộc tính đại số của ma trận (nghịch đảo, định thức), và triển khai các phân tích đặc biệt (LU, LDL^t, Cholesky, Crout) nhằm tính toán hiệu quả trong các bối cảnh kỹ thuật và khoa học.

Kết quả học tập:

• Thực hiện phép khử Gaussian kèm theo thế ngược và đánh giá độ phức tạp vận hành.
• Triển khai các chiến lược chọn pivot một phần và chọn pivot tỷ lệ để giảm thiểu sai số làm tròn.
• Tính toán ma trận nghịch đảo và định thức bằng các phép biến đổi hàng và định thức con.

Tổng quan: Bài học này trình bày sự chuyển dịch từ phương pháp trực tiếp sang phương pháp lặp để giải hệ phương trình tuyến tính lớn. Nó tập trung vào việc đo lường độ lớn vector và ma trận thông qua chuẩn, xác định điều kiện hội tụ dựa trên bán kính phổ, và triển khai các thuật toán lặp cơ bản bao gồm Jacobi, Gauss-Seidel và SOR (Suy diễn quá mức liên tiếp). Ngoài ra, nó đề cập đến ổn định số học thông qua cải tiến lặp, giới hạn sai số, và phương pháp Gradient liên hợp hiệu quả cao được nâng cao bằng tiền điều kiện hóa.

Kết quả học tập:

• Tính toán chuẩn vector và ma trận (l_2 và l_\infty) và xác định bán kính phổ của một ma trận để đánh giá hội tụ.
• Triển khai và so sánh các kỹ thuật lặp Jacobi, Gauss-Seidel và SOR để giải hệ A\mathbf{x} = \mathbf{b}.
• Ước lượng giới hạn sai số bằng số điều kiện và áp dụng cải tiến lặp để nâng cao độ chính xác của nghiệm xấp xỉ.

Tổng quan: Bài học này khám phá các phương pháp xấp xỉ hàm số và tập dữ liệu khi biểu diễn chính xác là không khả thi hoặc không hiệu quả về mặt tính toán. Chúng tôi tập trung vào việc tối thiểu hóa sai số thông qua Bình phương nhỏ nhất rời rạc, tận dụng hiệu quả của đa thức trực giao và Chebyshev, và mở rộng các kỹ thuật này sang xấp xỉ hữu tỉ và lượng giác, kết thúc bằng thuật toán hiệu suất cao Biến đổi Fourier nhanh (FFT).

Kết quả học tập:

• Xây dựng và giải các phương trình chuẩn cho xấp xỉ bình phương nhỏ nhất tuyến tính và đa thức rời rạc.
• Tạo cơ sở đa thức trực giao bằng quá trình Gram-Schmidt để tránh hệ kém điều kiện.
• Áp dụng đa thức Chebyshev để tối thiểu hóa sai số nội suy cực đại và thực hiện thu gọn đa thức.

Tổng quan: Bài học này tập trung vào các kỹ thuật số để xấp xỉ giá trị riêng, vượt ra ngoài việc tìm nghiệm biểu tượng của đa thức đặc trưng – vốn thường tốn kém về mặt tính toán hoặc không thể tìm được cho ma trận lớn. Sinh viên sẽ học cách xác định vị trí giá trị riêng bằng Định lý vòng Geršgorin, áp dụng các kỹ thuật lặp như Phương pháp Power và Phương pháp nghịch đảo để tìm giá trị riêng chủ đạo và cụ thể, và sử dụng các biến đổi cấu trúc (Householder và thuật toán QR) cùng Phân tích giá trị kỳ dị (SVD) để phân tích ma trận toàn diện.

Kết quả học tập:

• Xác định vị trí giá trị riêng trong mặt phẳng phức bằng Định lý vòng Geršgorin.
• Triển khai Phương pháp Power và Phương pháp nghịch đảo với gia tốc Aitken để tìm giá trị riêng chủ đạo và giá trị riêng dịch chuyển.
• Giảm ma trận đối xứng về dạng tam giác chéo bằng Phương pháp Householder và tìm tất cả giá trị riêng bằng thuật toán QR.

Tổng quan: Bài học này trình bày sự chuyển dịch từ tìm nghiệm một biến sang giải hệ phương trình phi tuyến, nơi mục tiêu chính là tìm vectơ \mathbf{x} sao cho \mathbf{F}(\mathbf{x}) = \mathbf{0}. Chúng ta khám phá phương pháp lặp điểm cố định cho nhiều biến, phương pháp Newton dựa trên ma trận Jacobian, các phương pháp Quasi-Newton hiệu quả về mặt tính toán (cụ thể là Broyden), và các kỹ thuật mạnh mẽ như Phương pháp giảm dốc và Homotopy/Continuation để tìm nghiệm khởi tạo hoặc xử lý các hệ mà phương pháp chuẩn thất bại.

Kết quả học tập:

• Định nghĩa và áp dụng phương pháp lặp điểm cố định cho hàm nhiều biến và xác định điều kiện hội tụ bằng Định lý 10.6.
• Xây dựng ma trận Jacobian cho hệ phương trình phi tuyến và triển khai phương pháp Newton để đạt hội tụ bậc hai.
• Thực hiện phương pháp Broyden bằng công thức Sherman-Morrison để cập nhật ma trận nghịch đảo của Jacobian một cách hiệu quả.

Tổng quan: Bài học này trình bày phương pháp số để giải các bài toán biên bậc hai (BVPs) nơi điều kiện được đặt ở các điểm khác nhau, trái ngược với bài toán giá trị ban đầu. Sinh viên sẽ học cách biến đổi BVP thành hệ có thể giải được bằng phương pháp Bắn tuyến tính và phi tuyến, xấp xỉ rời rạc bằng phương pháp sai phân hữu hạn, và kỹ thuật biến phân thông qua Phương pháp Rayleigh-Ritz. Những phương pháp này rất cần thiết để giải các bài toán thực tế trong kỹ thuật kết cấu (biến dạng thanh) và vật lý (thế điện tĩnh).

Kết quả học tập:

• Áp dụng Định lý 11.1 để xác định sự tồn tại và duy nhất của nghiệm cho bài toán biên.
• Chuyển đổi một BVP bậc hai thành cặp bài toán giá trị ban đầu (IVPs) bằng phương pháp Bắn tuyến tính.
• Triển khai phương pháp Newton để giải iteratively các bài toán Bắn phi tuyến.

Tổng quan: Bài học này trình bày phương pháp xấp xỉ số nghiệm cho ba lớp phương trình vi phân riêng phần (PDEs) chính: Elliptic, Parabolic và Hyperbolic. Sử dụng phương pháp sai phân hữu hạn, sinh viên sẽ học cách rời rạc hóa miền liên tục thành lưới lưới và biến đổi các toán tử vi phân thành hệ phương trình đại số. Các lĩnh vực trọng tâm bao gồm ổn định của các phương pháp phụ thuộc thời gian (phương pháp sai phân tiến và Crank-Nicolson) và giải hệ phương trình lặp cho các hệ trạng thái ổn định (Poisson và Laplace).

Kết quả học tập:

• Rời rạc hóa miền không gian và thời gian bằng lưới sai phân hữu hạn cho các loại PDE khác nhau.
• Áp dụng các phương pháp sai phân tiến, sai phân lùi và Crank-Nicolson để giải phương trình nhiệt parabolic, đồng thời đánh giá các ràng buộc ổn định.
• Xây dựng và giải hệ phương trình tuyến tính rút ra từ các phương trình elliptic (Poisson/Laplace) và phương trình sóng hyperbolic.