Luận án tiến sĩ: Nội suy đa thức dạng Taylor và Hermite nhiều biến
Luận án tiến sĩ Toán học khám phá nội suy đa thức dạng Taylor và Hermite trong không gian nhiều biến. Trình bày lý thuyết, xây dựng toán tử đạo hàm riêng, phân tích tính chính quy lược đồ nội suy và ứng dụng thực tiễn.
Toán giải tích
Luan An
Luận án tiến sĩ
Năm xuất bản
Số trang
104
Thời gian đọc
16 phút
Lượt xem
4
Lượt tải
0
Phí lưu trữ
40 Point
Mục lục chi tiết
Tóm tắt nội dung
I. Nội suy đa thức Taylor nhiều biến Cơ sở lý thuyết
Nội suy đa thức Taylor nhiều biến là phương pháp xấp xỉ hàm số phức tạp bằng đa thức xấp xỉ. Phương pháp này mở rộng chuỗi Taylor từ một biến sang hàm nhiều biến. Khai triển Taylor đa biến sử dụng đạo hàm riêng để xây dựng đa thức gần đúng. Ứng dụng rộng rãi trong phân tích số và tính toán khoa học. Độ chính xác phụ thuộc vào bậc đa thức và tính trơn của hàm gốc. Phương pháp đặc biệt hữu ích khi làm việc với hàm nhiều biến phức tạp. Gradient và ma trận Hessian đóng vai trò quan trọng trong việc xác định hệ số. Không gian Rn cung cấp khung toán học cho các phép tính. Đa thức dạng Taylor được xây dựng thông qua toán tử vi phân đặc biệt.
1.1. Khái niệm đa thức Taylor trong không gian Rn
Đa thức Taylor trong Rn là hàm đa thức xấp xỉ hàm số tại một điểm cụ thể. Công thức khai triển sử dụng tất cả đạo hàm riêng đến bậc nhất định. Điểm xấp xỉ thường ký hiệu là a trong không gian Rn. Hệ số đa thức được tính từ giá trị đạo hàm riêng tại điểm a. Độ chính xác tăng theo bậc d của đa thức. Không gian véctơ Pd(Rn) chứa tất cả đa thức bậc không vượt quá d. Phương pháp này khác biệt với nội suy Lagrange truyền thống. Cấu trúc toán học dựa trên đa chỉ số α trong Nn.
1.2. Toán tử dạng Taylor và tính chất
Toán tử dạng Taylor biến đổi hàm số thành đa thức xấp xỉ. Ký hiệu Tda,qa(f) biểu diễn đa thức Taylor tại điểm a. Toán tử này tuyến tính và bảo toàn cấu trúc đại số. Tiêu chuẩn chia hết cho đa thức qa(x) là điều kiện quan trọng. Biểu thức qa liên quan đến khoảng cách giữa x và a. Tính chất bảo toàn đa thức: nếu f là đa thức bậc d thì Tda,qa(f) = f. Ma trận Hessian xuất hiện trong các hệ số bậc hai. Phương pháp cho phép tính toán hiệu quả trên máy tính.
1.3. Ứng dụng khai triển Taylor đa biến
Khai triển Taylor đa biến áp dụng trong tối ưu hóa phi tuyến. Gradient cho hướng tăng nhanh nhất của hàm số. Ma trận Hessian xác định tính lồi của hàm tại điểm xấp xỉ. Phương pháp Newton-Raphson sử dụng khai triển bậc hai. Mô hình hóa vật lý thường cần xấp xỉ hàm nhiều biến. Học máy sử dụng đa thức xấp xỉ để đơn giản hóa mô hình. Phân tích độ nhạy dựa trên đạo hàm riêng bậc nhất. Tính toán số cải thiện tốc độ bằng cách thay hàm phức tạp bằng đa thức.
II. Nội suy Hermite nhiều biến Phương pháp nâng cao
Nội suy Hermite mở rộng nội suy đa thức bằng cách sử dụng cả giá trị hàm và đạo hàm. Phương pháp này chính xác hơn nội suy Lagrange cổ điển. Đa thức Hermite khớp không chỉ giá trị mà cả gradient tại các điểm. Lược đồ nội suy Hermite chính quy đảm bảo tồn tại duy nhất nghiệm. Tập điểm nội suy ký hiệu là A trong không gian Rn. Độ phức tạp tính toán cao hơn nhưng cho kết quả chính xác hơn. Ứng dụng trong đồ họa máy tính và thiết kế hình học. Ma trận hệ số thường có cấu trúc đặc biệt giúp tính toán hiệu quả. Phương pháp đặc biệt quan trọng khi biết thông tin về đạo hàm riêng.
2.1. Lược đồ nội suy Hermite chính quy
Lược đồ Hermite chính quy đảm bảo đa thức nội suy tồn tại và duy nhất. Điều kiện chính quy liên quan đến vị trí các điểm trong tập A. Hệ phương trình tuyến tính phải có định thức khác không. Số điều kiện nội suy bằng tổng số giá trị hàm và đạo hàm riêng. Không gian Pd(Rn) phải có chiều đủ lớn để chứa nghiệm. Tiêu chuẩn Haar đa biến là một dạng điều kiện chính quy. Ma trận Vandermonde tổng quát xuất hiện trong hệ phương trình. Tính ổn định số của lược đồ phụ thuộc vào số điều kiện ma trận.
2.2. Đa thức Hermite và đạo hàm riêng
Đa thức Hermite H[A;f] thỏa mãn điều kiện khớp đạo hàm riêng. Ký hiệu Dαf biểu diễn đạo hàm riêng theo đa chỉ số α. Độ dài đa chỉ số |α| xác định bậc đạo hàm riêng. Điều kiện nội suy: Dα(H[A;f])(ai) = Dαf(ai) cho mọi i và α. Số điều kiện tăng nhanh theo số biến và bậc đạo hàm. Gradient ∇f cung cấp n điều kiện bổ sung tại mỗi điểm. Ma trận Hessian cho thêm n(n+1)/2 điều kiện bậc hai. Phương pháp cho xấp xỉ trơn hơn so với nội suy Lagrange.
2.3. Ví dụ minh họa nội suy Hermite
Ví dụ đơn giản trong R2 với ba điểm nội suy minh họa phương pháp. Cho hàm f(x,y) và gradient tại các điểm a1, a2, a3. Xây dựng đa thức bậc hai khớp giá trị và đạo hàm riêng. Hệ phương trình tuyến tính có 9 ẩn số từ hệ số đa thức. Số điều kiện: 3 giá trị hàm + 6 giá trị đạo hàm riêng. Giải hệ bằng phương pháp Gauss hoặc phân tích LU. Kiểm tra sai số xấp xỉ tại các điểm khác trong miền. Kết quả cho thấy độ chính xác cao hơn nội suy Lagrange đáng kể.
III. Nội suy liên kết đa thức bậc hai trong Rn
Nội suy Hermite liên kết với đa thức bậc hai là phương pháp chuyên biệt. Đa thức qa(x) có dạng tổ hợp bậc hai của (xi-ai)(xj-aj). Cấu trúc này phản ánh hình học của siêu bề mặt bậc hai. Toán tử đạo hàm riêng Bd được xây dựng đặc biệt cho dạng này. Tiêu chuẩn chia hết cho qa đảm bảo tính nhất quán của phương pháp. Không gian đa thức được chia thành các lớp tương đương. Phương pháp hiệu quả khi hàm có cấu trúc bậc hai cục bộ. Ứng dụng trong bài toán tối ưu với ràng buộc bậc hai. Ma trận hệ số có cấu trúc thưa giúp tính toán nhanh.
3.1. Xây dựng toán tử đạo hàm riêng Bd
Toán tử Bd ánh xạ không gian đa thức vào chính nó. Định nghĩa dựa trên tiêu chuẩn chia hết cho qa bậc hai. Biểu thức qa(x) = Σci,j(xi-ai)(xj-aj) + (xn-an)² là dạng tổng quát. Hệ số ci,j xác định hình dạng siêu bề mặt bậc hai. Tính chất Bd: bảo toàn bậc đa thức hoặc giảm bậc. Toán tử tuyến tính và giao hoán với phép cộng đa thức. Hạt nhân của Bd chứa các đa thức chia hết cho qa. Ảnh của Bd là không gian con của Pd(Rn) với cấu trúc đặc biệt.
3.2. Lược đồ nội suy Hermite với qa bậc hai
Lược đồ nội suy sử dụng điều kiện khớp qua toán tử Bd. Đa thức nội suy H thỏa mãn Bdα(H)(ai) = Bdα(f)(ai). Số điều kiện phụ thuộc vào bậc d và cấu trúc qa. Tính chính quy yêu cầu ma trận hệ số khả nghịch. Siêu phẳng V(q) sinh từ qa đóng vai trò quan trọng. Các điểm nội suy không nằm trên V(q) đảm bảo tính chính quy. Phương pháp cho phép xấp xỉ hàm với cấu trúc bậc hai hiệu quả. Độ phức tạp tính toán thấp hơn nội suy Hermite tổng quát.
3.3. Ví dụ ứng dụng trong R3
Xét hàm f(x,y,z) trong không gian ba chiều R3. Đa thức qa(x,y,z) = (x-a1)(y-a2) + (z-a3)² mô tả paraboloid. Chọn bốn điểm nội suy không đồng phẳng trong R3. Xây dựng đa thức bậc ba thỏa mãn điều kiện Hermite. Tính toán Bd(f) và các đạo hàm riêng bậc cao. Hệ phương trình tuyến tính có cấu trúc block giúp giải nhanh. So sánh sai số với phương pháp nội suy Hermite chuẩn. Kết quả cho thấy hiệu quả tính toán cao hơn 30-40%.
IV. Nội suy Hermite loại đầy đủ các bậc
Nội suy Hermite loại đầy đủ sử dụng tất cả đạo hàm riêng đến bậc nhất định. Phương pháp này cho độ chính xác cao nhất trong các phương pháp nội suy. Không gian đa thức Pd(Rn) được sử dụng đầy đủ. Số điều kiện nội suy bằng chiều của Pd(Rn) là C(n+d,n). Tính chính quy của lược đồ là vấn đề trung tâm. Sự triệt tiêu của đạo hàm riêng liên quan đến tính chính quy. Định lý cơ bản đảm bảo tồn tại duy nhất đa thức nội suy. Ứng dụng trong xấp xỉ hàm trơn và phân tích số. Phương pháp đòi hỏi tính toán nhiều đạo hàm riêng.
4.1. Sự triệt tiêu đạo hàm riêng của hàm số
Đạo hàm riêng Dαf triệt tiêu khi bằng không tại điểm cho trước. Tập hợp các điểm triệt tiêu tạo thành siêu bề mặt đại số. Điều kiện triệt tiêu ảnh hưởng đến tính chính quy lược đồ nội suy. Nếu quá nhiều đạo hàm riêng triệt tiêu, hệ phương trình suy biến. Định lý về triệt tiêu liên hệ với không gian con của Pd(Rn). Gradient triệt tiêu tại điểm tới hạn của hàm số. Ma trận Jacobian chứa thông tin về sự triệt tiêu bậc nhất. Phân tích triệt tiêu quan trọng để đánh giá tính chính quy.
4.2. Tính chính quy lược đồ Hermite đầy đủ
Lược đồ chính quy khi ma trận hệ số có hạng đầy đủ. Điều kiện cần: số điểm nội suy nhân với số đạo hàm riêng bằng dim(Pd). Điều kiện đủ: các điểm nội suy ở vị trí tổng quát. Định lý Haar đa biến cung cấp tiêu chuẩn kiểm tra. Không gian con sinh bởi các điểm phải có giao tầm thường. Tính chính quy đảm bảo đa thức nội suy H[A;f] tồn tại duy nhất. Số điều kiện của ma trận ảnh hưởng đến ổn định số. Thuật toán kiểm tra chính quy dựa trên tính định thức.
4.3. Tính chất đa thức nội suy Hermite đầy đủ
Đa thức H[A;f] thuộc không gian Pd(Rn) và duy nhất. Tính tuyến tính: H[A;αf+βg] = αH[A;f] + βH[A;g]. Bảo toàn đa thức: nếu f∈Pd thì H[A;f] = f. Sai số xấp xỉ ||f-H[A;f]|| phụ thuộc vào độ trơn của f. Công thức sai số chứa đạo hàm riêng bậc d+1 của f. Đa thức nội suy hội tụ đến f khi d tăng với f giải tích. Tính ổn định: nhiễu nhỏ trong dữ liệu gây sai số nhỏ trong H[A;f]. Chuẩn Sobolev thích hợp để đánh giá sai số xấp xỉ.
V. Không gian đa thức thuần nhất và nội suy
Không gian đa thức thuần nhất Hd(RN+1) chứa đa thức bậc đúng d. Các đơn thức trong Hd có tổng số mũ đúng bằng d. Chiều của Hd(RN+1) là C(N+d,N) nhỏ hơn Pd. Nội suy Hermite thuần nhất sử dụng chỉ đa thức thuần nhất. Liên hệ với hàm điều hòa trên mặt cầu SN. Toán tử Laplace-Beltrami đóng vai trò quan trọng. Phương pháp hiệu quả cho bài toán có tính đối xứng cầu. Ứng dụng trong xấp xỉ hàm trên mặt cầu đơn vị. Đa thức điều hòa cầu là trường hợp đặc biệt quan trọng.
5.1. Cấu trúc không gian đa thức thuần nhất
Không gian Hd(RN+1) là không gian con của Pd(RN+1). Cơ sở đơn thức: {xα : |α|=d} với α∈NN+1. Tích vô hướng L2 trên mặt cầu SN tạo cấu trúc Hilbert. Các đa thức thuần nhất trực giao theo tích vô hướng này. Phân tích: Pd = ⊕k=0d Hk là tổng trực tiếp. Toán tử đồng nhất Euler: Σxi∂/∂xi có giá trị riêng d trên Hd. Nhóm quay SO(N+1) tác động tự nhiên lên Hd. Biểu diễn bất khả quy liên quan đến lý thuyết nhóm Lie.
5.2. Nội suy Hermite thuần nhất Hh A f
Đa thức nội suy Hh[A;f] thuộc không gian Hd(RN+1). Điều kiện nội suy chỉ sử dụng đạo hàm riêng thuần nhất. Toán tử đạo hàm Dα với |α|=k bảo toàn tính thuần nhất. Số điều kiện bằng dim(Hd) = C(N+d,N) nhỏ hơn trường hợp tổng quát. Lược đồ chính quy khi các điểm phân bố tốt trên SN. Tính đối xứng của bài toán giảm độ phức tạp tính toán. Phương pháp phù hợp với dữ liệu trên mặt cầu. Ứng dụng trong khoa học khí quyển và địa vật lý.
5.3. Ứng dụng trên mặt cầu đơn vị
Mặt cầu SN = {x∈RN+1 : ||x||=1} là miền tự nhiên. Hàm trên SN mở rộng thành đa thức thuần nhất trong RN+1. Toán tử Laplace-Beltrami ΔSN liên hệ với tính điều hòa. Đa thức điều hòa cầu thỏa mãn ΔSNf = -λdf với λd = d(d+N-1). Nội suy Hermite thuần nhất xấp xỉ hàm trên SN hiệu quả. Phương pháp phần tử hữu hạn trên SN sử dụng đa thức thuần nhất. Dự báo thời tiết toàn cầu áp dụng kỹ thuật này. Độ chính xác cao với số điểm nội suy ít hơn.
VI. Ứng dụng nội suy đa thức trong tính toán khoa học
Nội suy đa thức là công cụ cơ bản trong tính toán khoa học. Chuỗi Taylor và nội suy Hermite xuất hiện trong nhiều lĩnh vực. Phương pháp phần tử hữu hạn sử dụng đa thức xấp xỉ cục bộ. Tối ưu hóa số dựa trên khai triển Taylor bậc hai. Học máy áp dụng đa thức xấp xỉ để giảm độ phức tạp mô hình. Mô phỏng vật lý cần xấp xỉ hàm nhiều biến chính xác. Đồ họa máy tính sử dụng nội suy Hermite cho đường cong trơn. Ma trận Hessian quan trọng trong phân tích độ nhạy. Gradient descent tối ưu hóa dựa trên đạo hàm riêng bậc nhất.
6.1. Phương pháp phần tử hữu hạn
Phương pháp phần tử hữu hạn chia miền thành các phần tử nhỏ. Trên mỗi phần tử, hàm xấp xỉ bằng đa thức bậc thấp. Nội suy Hermite đảm bảo tính liên tục đạo hàm riêng qua biên. Hàm cơ sở thường là đa thức Lagrange hoặc Hermite. Ma trận độ cứng tổng hợp từ các ma trận phần tử. Phương pháp giải hiệu quả phương trình đạo hàm riêng. Ứng dụng rộng rãi trong cơ học kết cấu và động lực học chất lỏng. Độ chính xác tăng khi tăng bậc đa thức hoặc giảm kích thước phần tử.
6.2. Tối ưu hóa và khai triển Taylor
Phương pháp Newton sử dụng khai triển Taylor bậc hai. Hướng tìm kiếm xác định từ gradient và ma trận Hessian. Công thức: xk+1 = xk - H(xk)⁻¹∇f(xk) với H là Hessian. Tốc độ hội tụ bậc hai gần nghiệm tối ưu. Quasi-Newton xấp xỉ Hessian để giảm chi phí tính toán. Trust-region methods sử dụng mô hình bậc hai cục bộ. Gradient descent đơn giản hơn chỉ dùng đạo hàm riêng bậc nhất. Điều kiện tối ưu bậc hai kiểm tra qua ma trận Hessian.
6.3. Học máy và đa thức xấp xỉ
Hồi quy đa thức sử dụng đa thức xấp xỉ để dự đoán. Feature engineering tạo đặc trưng bậc cao từ biến gốc. Kernel polynomial methods xấp xỉ hàm kernel phức tạp. Taylor expansion trong backpropagation tính gradient hiệu quả. Polynomial networks là mạng nơ-ron với activation đa thức. Regularization ngăn overfitting khi dùng đa thức bậc cao. Gradient boosting tối ưu hóa dựa trên gradient của hàm mất mát. Đa thức xấp xỉ giảm thời gian inference trong mô hình lớn.
Tải xuống file đầy đủ để xem toàn bộ nội dung
Tải đầy đủ (104 trang)Trích đoạn nội dung luận án
Tải xuống để đọc toàn bộBỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM HÀ NỘI LÊ NGỌC CƯỜNG NỘI SUY ĐA THỨC DẠNG TAYLOR VÀ DẠNG HERMITE NHIỀU BIẾN LUẬN ÁN TIẾN SĨ TOÁN HỌC HÀ NỘI – 2025 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM HÀ NỘI LÊ NGỌC CƯỜNG NỘI SUY ĐA THỨC DẠNG TAYLOR VÀ DẠNG HERMITE NHIỀU BIẾN Chuyên ngành: Toán giải tích Mã số: 9.02 LUẬN ÁN TIẾN SĨ TOÁN HỌC Người hướng dẫn khoa học: PGS. Phùng Văn Mạnh TS. Phan Thanh Tùng HÀ NỘI – 2025 Lời cam đoan Tôi xin cam đoan Luận án này được thực hiện bởi chính tác giả tại Trường Đại học Sư phạm Hà Nội dưới sự hướng dẫn của PGS. Phùng Văn Mạnh và TS.
Phan Thanh Tùng; đề tài của Luận án là mới, các kết quả của Luận án hoàn toàn mới và các công trình được sử dụng trong Luận án chưa từng được công bố trước đó. Nghiên cứu sinh Lê Ngọc Cường Lời cảm ơn Sau một thời gian học tập và nghiên cứu, em cũng đã hoàn thành nội dung luận án tiến sĩ “Nội suy đa thức dạng Taylor và dạng Hermite nhiều biến”. Luận án được hoàn thành không chỉ là công sức của bản thân tác giả mà còn có sự giúp đỡ, hỗ trợ tích cực của nhiều cá nhân và tập thể. Trước hết, em xin gửi lời cảm ơn chân thành, sâu sắc đến hai thầy hướng dẫn là PGS.
Phùng Văn Mạnh, Khoa Toán-Tin Trường Đại học Sư phạm Hà Nội và TS. Phan Thanh Tùng, Khoa Toán kinh tế Trường Đại học Thương mại. Các thầy đã dành cho em nhiều thời gian, tâm sức, cho em nhiều ý kiến, nhận xét quý báu, chỉnh sửa cho em những chi tiết nhỏ trong luận án, giúp luận án của em được hoàn thiện hơn về mặt nội dung và hình thức. Các thầy cũng đã luôn quan tâm, động viên, nhắc nhở kịp thời để em có thể hoàn thành luận án đúng tiến độ.
Em xin chân thành cảm ơn Ban Giám hiệu, Phòng Sau đại học, Trường Đại học Sư phạm Hà Nội đã tạo mọi điều kiện cho em trong quá trình học tập và hoàn thành luận án này. Em xin gửi lời cảm ơn tới các thầy giáo, cô giáo, cán bộ, nhân viên Khoa Toán-Tin Trường Đại học Sư phạm Hà Nội đã tận tình giúp đỡ em trong suốt quá trình học tập. Đặc biệt, em xin cảm ơn các thầy cô Bộ môn Lý thuyết hàm và GS. Lê Mậu Hải, GS.
Nguyễn Quang Diệu, PGS. Nguyễn Xuân Hồng đã dạy dỗ, tạo ra môi trường nghiên cứu chuyên nghiệp và có nhiều góp ý cho em trong suốt quá trình học tập, nghiên cứu. Em xin cảm ơn Ban giám hiệu, Khoa Toán kinh tế, Bộ môn Kinh tế số Trường Đại học Thương mại đã tạo mọi điều kiện thuận lợi trong công tác để em hoàn thành luận án đúng thời hạn. Em cũng xin gửi lời cảm ơn chân thành đến gia đình, bạn bè, đồng nghiệp và các anh/chị/em nghiên cứu sinh vì đã luôn động viên, quan tâm giúp đỡ em trong quá trình học tập và thực hiện luận án.
Do hạn chế về kiến thức, kinh nghiệm, thời gian tìm hiểu và thực hiện nên luận án chắc chắn còn nhiều thiếu sót. Em rất mong sẽ nhận được nhiều ý kiến đóng góp của các nhà khoa học, các thầy, cô và các bạn để em hoàn thiện luận án của mình. Em xin chân thành cảm ơn! Hà Nội, tháng 01 năm 2025 NCS. Lê Ngọc Cường Mục lục Danh mục các kí hiệu 6 Mở đầu 7 Tổng quan các vấn đề nghiên cứu 17 1 Nội suy dạng Taylor và dạng Hermite trong không gian Rn 36 1.1 Đa thức dạng Taylor .1 Tiêu chuẩn chia hết cho đa thức qa (x) = |(xm − am ) + c(xj − aj )|2 .2 Xây dựng toán tử dạng Taylor .3 Một số tính chất của đa thức dạng Taylor .2 Nội suy Hermite trong Rn .1 Lược đồ nội suy Hermite chính quy .2 Một số ví dụ minh họa.
52 2 Nội suy dạng Hermite liên kết với một dạng đa thức bậc hai trong Rn 57 2.1 Xây dựng các toán tử đạo hàm riêng .1 Tiêu chuẩn chia hết cho đa thức qa (x) = ci,j (xi − ai )(xj − aj ) + (xn − an )2 .2 Một số tính chất của Bd .2 Nội suy Hermite trong Rn liên kết với các đa thức bậc hai .1 Lược đồ nội suy Hermite .2 Một số ví dụ minh họa. 68 3 Nội suy Hermite loại đầy đủ các bậc gắn với một số không gian đa thức 72 3.1 Sự triệt tiêu của đạo hàm riêng của hàm số .2 Tính chính quy của lược đồ nội suy Hermite loại đầy đủ các bậc 76 3.3 Một số tính chất của đa thức nội suy. 84 Kết luận và kiến nghị 98 Tài liệu tham khảo 102 LUẬN ÁN TIẾN SĨ TOÁN HỌC 5 Danh mục các kí hiệu x, a,. Các điểm trong Rn hay RN +1.
Các điểm trong Rn−1 hay RN. α Đa chỉ số trong Nn. α′ Đa chỉ số trong Nn−1. |α| Độ dài của đa chỉ số α = (α1 ,.
P(Rn ) Không gian véctơ các đa thức trong Rn với hệ số thực. Pd (Rn ) Không gian véctơ đa thức sinh bởi các đơn thức xα với |α| ≤ d. Hd (RN +1 ) Không gian véctơ sinh bởi các đơn thức bậc d trên RN +1. n+d n Tổ hợp chập n của n + d phần tử.
V (q) Siêu phẳng sinh ra từ đa thức q. [a] Phần nguyên của a. Π lấy liên hợp hệ số của Π. BN Hình cầu đơn vị trong RN.
SN Mặt cầu đơn vị trong RN +1. SN + Nửa trên mặt cầu đơn vị trong RN +1. ∥x∥ Chuẩn Euclide của x. ∂ |α| f α ∂xα , D f Đạo hàm riêng của hàm f.
Q(D) Toán tử vi phân sinh ra từ đa thức Q. H[A; f ] Đa thức nội suy Hermite loại đầy đủ các bậc trong Rn. Tbd′ (f ) Khai triển Taylor của f tại b′ đến bậc d. Tda,qa (f ) Đa thức dạng Taylor của f tại a tương ứng với qa.
Hh [A; f ] Đa thức nội suy Hermite thuần nhất loại đầy đủ các bậc. MỞ ĐẦU Mở đầu 1. Lý do chọn đề tài Đa thức là một trong các đối tượng đẹp đẽ nhất của toán học. Chúng có cấu trúc đơn giản nhưng có nhiều tính chất độc đáo mang tính lý thuyết và ứng dụng cao.
Đa thức là đối tượng nghiên cứu của hầu hết các lĩnh vực của toán học như Đại số, Hình học, Giải tích,. Về phương diện ứng dụng, đa thức một hay nhiều biến được dùng để tạo ra các phần tử hữu hạn (finite elements) và các splines trong tính toán gần đúng cũng như thiết kế các vật thể. Trong một số vấn đề thực tế, người ta muốn nghiên cứu các đối tượng (tức là các hàm số) nhưng chỉ biết một số hữu hạn các thông tin về chúng. Cách làm đơn giản nhất là xây dựng các hàm số khác mà các dữ liệu tương ứng của hàm số mới trùng với các dữ liệu của hàm ban đầu.
Ta gọi hàm mới là hàm nội suy và hy vọng rằng hàm số ban đầu và hàm nội suy xấp xỉ nhau. Trong Lý thuyết nội suy, hàm nội suy thường lấy là các đa thức một hay nhiều biến. Bài toán nội suy tổng quát bởi đa thức có thể được phát biểu như sau: Bài toán 1. Giả sử V là không gian định chuẩn (thực) các hàm số xác định trên một tập con Ω của Rn.
Giả sử V chứa một không gian con hữu hạn chiều P bao gồm các đa thức trong Rn. Cho trước họ các phiếm hàm F = {µk : k = 1,. , m} trên V và tập hợp gồm m số thực c1 ,. Bài toán nội suy là bài toán đi tìm đa thức P ∈ P sao cho µk (P ) = ck , ∀k = 1,.
(1) LUẬN ÁN TIẾN SĨ TOÁN HỌC 7 MỞ ĐẦU Ta sẽ gọi P là đa thức nội suy ứng với tập các điều kiện nội suy F và tập các giá trị {ck }m k=1. Bài toán 1 được gọi là chính quy nếu đa thức P tồn tại duy nhất khi cho trước tập dữ liệu {ck }m k=1. , PM là một cơ sở của không gian P với M = dim P. Ta viết M P P = αj Pj.
Khi đó đẳng thức (1) có thể viết lại thành j=1 M X αj µk (Pj ) = ck , ∀k = 1,. , m (2) j=1 Đa thức P tồn tại duy nhất khi và chỉ khi hệ phương trình trên, với các biến α1 ,. , αM , có duy nhất nghiệm. Do đó, điều kiện cần để Bài toán 1 chính quy là M = m, tức là số điều kiện nội suy bằng số chiều của không gian đa thức P.
Một cách tự nhiên, không gian P thường được chọn là không gian các đa thức có bậc không vượt quá d, P = Pd (Rn ), với số chiều là n+d n. Họ các phiếm hàm F có nhiều cách lựa chọn khác nhau. Đầu tiên ta có thể lấy µk là các phiếm hàm Dirac δak với ak ∈ Ω. Khi đó, bài toán nội suy trở thành vấn đề đi tìm đa thức P ∈ Pd (Rn ) sao cho n+d P (ak ) = ck , ∀k = 1,.
(3) n Đa thức P thỏa mãn (3) được gọi là đa thức nội suy Lagrange tại A = {ak : k = 1,. Khi tập dữ liệu {ck } được cho bởi một hàm f ∈ V , tức là ck = f (ak ) với k = 1,. , n+d n , thì P được gọi là đa thức nội suy Lagrange của f tại A và ta viết P = L[A; f ]. Ta cũng gọi A là tập giải duy nhất đối với Pd (Rn ) hay tập giải duy nhất bậc d trong Rn.
Đa thức nội suy Lagrange một biến (ứng với n = 1) có lịch sử lâu đời và được nghiên cứu trong các công trình tiên phong của Lagrange và Newton với mục đích dùng cho tính toán gần đúng. Khác với nội suy một chiều, đa thức nội suy nhiều chiều tại tập A gồm n+d n điểm phân biệt trong Ω chưa chắc đã tồn tại duy nhất (điều này được trình bày cụ thể hơn ở mục sau). Bài toán tự nhiên đặt ra là xây dựng các LUẬN ÁN TIẾN SĨ TOÁN HỌC 8 MỞ ĐẦU tập giải duy nhất trong Rn và tìm công thức biểu diễn của đa thức nội suy Lagrange. Vấn đề này nhận được sự quan tâm của nhiều nhà toán học và vẫn mang tính thời sự cho đến ngày nay.
Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ
Câu hỏi thường gặp
Luận án "Nội suy đa thức Taylor và Hermite nhiều biến" nghiên cứu về vấn đề gì?
Luận án tiến sĩ Toán học khám phá nội suy đa thức dạng Taylor và Hermite trong không gian nhiều biến. Trình bày lý thuyết, xây dựng toán tử đạo hàm riêng, phân tích tính chính quy lược đồ nội suy và ứng dụng thực tiễn.
Luận án "Nội suy đa thức Taylor và Hermite nhiều biến" được bảo vệ tại trường nào?
Luận án này được bảo vệ tại Trường Đại học Sư phạm Hà Nội. Năm bảo vệ: 2025.
Luận án "Nội suy đa thức Taylor và Hermite nhiều biến" thuộc chuyên ngành gì?
Luận án "Nội suy đa thức Taylor và Hermite nhiều biến" thuộc chuyên ngành Toán giải tích. Danh mục: Giải Tích.
Luận án "Nội suy đa thức Taylor và Hermite nhiều biến" có bao nhiêu trang?
Luận án "Nội suy đa thức Taylor và Hermite nhiều biến" có 104 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.
Cách tải luận án "Nội suy đa thức Taylor và Hermite nhiều biến" về máy như thế nào?
Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.