Bỏ qua tới nội dung chính

Hướng dẫn học chủ đề

Giải tích số

Scientific Computing

Trung bìnhkhoảng 46 giờ6 bước

Tính toán khoa học: số dấu phẩy động và sai số, giải hệ tuyến tính, bình phương tối thiểu, trị riêng, nội suy, tích phân số và phương trình vi phân trên máy tính.

Bắt đầu học

Bạn sẽ học được gì

  • Giải thích cách máy tính biểu diễn số thực (IEEE 754) và nhận ra các tình huống mất độ chính xác
  • Phân biệt điều kiện của bài toán với tính ổn định của thuật toán; ước lượng sai số bằng số điều kiện
  • Giải phương trình phi tuyến bằng chia đôi, Newton, dây cung và đo bậc hội tụ bằng thực nghiệm
  • Giải hệ tuyến tính, bình phương tối thiểu và bài toán trị riêng bằng LU, QR, SVD và phương pháp lặp
  • Dùng nội suy, đạo hàm số, tích phân số và giải phương trình vi phân thường bằng Euler, Runge–Kutta
  • Viết mã Python với NumPy, SciPy cho các phương pháp trên và kiểm chứng sai số bằng đồ thị log

Nên học trước

Giới thiệu

Tính toán khoa học (scientific computing) là nghề biến toán liên tục — phương trình, tích phân, ma trận khổng lồ, phương trình vi phân — thành thuật toán chạy được trên máy tính với sai số kiểm soát được. Đây là nền của mô phỏng vật lý, dự báo thời tiết, đồ họa, tài chính định lượng, và cả những thư viện như NumPy, SciPy, PyTorch mà người làm học máy dùng hằng ngày. Chủ đề tương ứng với các học phần Scientific Computing / Numerical Methods của khoa Khoa học máy tính (như UIUC CS 450, Stanford CME 108) và học phần Phương pháp tính ở các trường kỹ thuật Việt Nam.

Vì sao nằm ở nhóm Thuật toán

Mỗi phương pháp số là một thuật toán: có độ phức tạp, có độ chính xác, có điều kiện để đúng. Khác với thuật toán rời rạc, câu hỏi “chương trình có đúng không?” được thay bằng “sai bao nhiêu, và sai số có bị khuếch đại không?”. Vì vậy cách nghĩ của môn học gần với Thiết kế và phân tích thuật toán — so sánh chi phí và độ chính xác của các cách giải cùng một bài toán — chỉ khác là dữ liệu là số thực.

Ba câu hỏi luôn phải đặt ra

  1. Sai số làm tròn. Máy tính chỉ biểu diễn được hữu hạn số thực (số dấu phẩy động IEEE 754, khoảng 16 chữ số với kiểu double). Trừ hai số gần bằng nhau có thể mất gần hết chữ số có nghĩa; cộng một dãy dài theo thứ tự khác nhau cho kết quả khác nhau.
  2. Điều kiện của bài toán. Bài toán nhạy (số điều kiện lớn) thì nhiễu nhỏ ở dữ liệu thành sai lớn ở kết quả, dù thuật toán tốt đến đâu. Biết số điều kiện là biết trước mình có thể tin bao nhiêu chữ số.
  3. Ổn định của thuật toán. Thuật toán ổn định không khuếch đại sai số làm tròn quá mức mà số điều kiện cho phép. Cùng một hệ phương trình, khử Gauss không chọn trụ có thể hỏng trong khi có chọn trụ thì không; giải bình phương tối thiểu bằng QR an toàn hơn phương trình chuẩn.

Lộ trình

Số dấu phẩy động và sai số → giải phương trình phi tuyến → đại số tuyến tính số: hệ phương trình, bình phương tối thiểu, trị riêng, SVD và phương pháp lặp → nội suy, đạo hàm và tích phân số → phương trình vi phân thường. Học xong có thể đi tiếp sang phương pháp số cho phương trình đạo hàm riêng và tính toán hiệu năng cao.

Công cụ

Python với NumPy, SciPy và matplotlib (hoặc Julia nếu muốn tốc độ và cú pháp gần toán học). Với mỗi phương pháp: tự cài một lần để hiểu, so với hàm thư viện, và luôn vẽ sai số theo kích thước bước hay số vòng lặp trên thang log — đọc bậc hội tụ từ độ dốc của đường thẳng là kỹ năng cốt lõi.

Xem thêm

Lộ trình Toán học có chủ đề Giải tích số (cùng môn học), nghiêng về chứng minh hội tụ và đánh giá sai số; chủ đề ở đây nghiêng về cài đặt và chọn đúng thuật toán, thư viện cho bài toán thật. Khi mô phỏng quá lớn cho một máy, chủ đề Parallel Computing ở nhóm Hệ thống máy tính là bước tiếp theo.

Giáo trình & sách tham khảo

Xem tất cả trong tab Sách

Giáo trình chính

Python Programming and Numerical Methods: A Guide for Engineers and Scientists

Qingkai Kong, Timmy Siauw, Alexandre Bayen · 2020 · Bản thứ 1

Miễn phíCơ bảnTiếng Anh400 trang

Vì sao chọn: Sách của UC Berkeley đọc miễn phí trực tuyến, mỗi phương pháp đi kèm mã Python chạy được. Chọn làm sách chính vì đúng góc nhìn của người làm khoa học máy tính: cài đặt và thử nghiệm, phủ cả sáu bước của lộ trình.

Nên đọc: Chương 9 Representation of Numbers; Chương 14–17 (đại số tuyến tính, trị riêng, bình phương tối thiểu, nội suy); Chương 19–23 (tìm nghiệm, đạo hàm số, tích phân số, phương trình vi phân)

Numerical Linear Algebra

Lloyd N. Trefethen, David Bau III · 1997

Có phíNâng caoTiếng Anh361 trang

Sách chuẩn về đại số tuyến tính số (SIAM), viết thành 40 bài giảng ngắn; giải thích rõ nhất về điều kiện, ổn định, QR và SVD. Dùng cho bước 3 và 4; sách trả phí.

Nên đọc: Part II QR Factorization and Least Squares; Part III Conditioning and Stability; Part IV Systems of Equations; Part V Eigenvalues; Part VI Iterative Methods

Numerical Analysis

Richard L. Burden, J. Douglas Faires, Annette M. Burden · 2015 · Bản thứ 10

Có phíTrung bìnhTiếng Anh912 trang

Giáo trình giải tích số dùng rộng rãi nhất, có thuật toán dạng giả mã và phân tích sai số; cũng là sách chính của chủ đề Giải tích số ở lộ trình Toán học. Đọc khi cần lý thuyết và chứng minh chặt chẽ hơn; sách trả phí.

Nên đọc: Chương 1–5 (sai số, phương trình một biến, nội suy, đạo hàm và tích phân số, bài toán giá trị đầu)

Các bước học

Đăng nhập để đánh dấu các bước đã hoàn thành.

  1. Bước 1: Số dấu phẩy động, sai số và điều kiện

    khoảng 6 giờ

    Học biểu diễn số dấu phẩy động, epsilon máy, sai số tuyệt đối và tương đối, sai số làm tròn và chặt cụt, số điều kiện và tính ổn định. Tính eˣ bằng chuỗi Taylor với x = −20 theo hai cách (cộng trực tiếp, và lấy nghịch đảo của e²⁰), giải thích vì sao một cách cho kết quả sai hoàn toàn.

  2. Bước 2: Giải phương trình phi tuyến

    khoảng 6 giờ

    Học phương pháp chia đôi, lặp điểm bất động, Newton, dây cung và bậc hội tụ. Cài chia đôi và Newton cho cùng một phương trình, vẽ sai số theo số vòng lặp trên thang log để thấy hội tụ tuyến tính và hội tụ bậc hai; thử một điểm khởi đầu làm Newton phân kỳ.

  3. Bước 3: Đại số tuyến tính số: hệ phương trình và bình phương tối thiểu

    khoảng 10 giờ

    Học phân tích LU có chọn trụ, phân tích QR bằng Householder, bình phương tối thiểu, số điều kiện và tính ổn định ngược. Khớp một đa thức bậc cao vào dữ liệu bằng phương trình chuẩn và bằng QR, so sánh sai số khi ma trận gần suy biến; giải hệ ma trận Hilbert và đối chiếu sai số với số điều kiện.

  4. Bước 4: Trị riêng, SVD và phương pháp lặp

    khoảng 8 giờ

    Học phương pháp lũy thừa, thuật toán QR cho trị riêng, SVD, và các phương pháp lặp cho hệ lớn thưa như gradient liên hợp. Cài phương pháp lũy thừa tìm trị riêng lớn nhất của một ma trận, rồi giải một hệ thưa lớn bằng gradient liên hợp của SciPy và so thời gian với phân tích trực tiếp.

  5. Bước 5: Nội suy, đạo hàm số và tích phân số

    khoảng 7 giờ

    Học nội suy đa thức, hiện tượng Runge và mốc Chebyshev, spline bậc ba; công thức sai phân, quy tắc hình thang, Simpson và cầu phương Gauss. Nội suy hàm Runge 1/(1 + 25x²) bằng đa thức trên mốc cách đều, mốc Chebyshev và bằng spline, rồi vẽ sai số của ba cách.

  6. Bước 6: Phương trình vi phân thường

    khoảng 9 giờ

    Học bài toán giá trị đầu, Euler hiện và ẩn, Runge–Kutta, điều khiển bước thích nghi, phương trình cứng và bài toán biên. Mô phỏng con lắc đơn bằng Euler hiện, Runge–Kutta bậc 4 và scipy.integrate.solve_ivp, theo dõi năng lượng qua thời gian để thấy sai số tích lũy của từng cách.

Khái niệm chính

Số dấu phẩy động (IEEE 754)
Cách máy tính biểu diễn số thực bằng dấu, phần định trị và số mũ; chỉ có hữu hạn số biểu diễn được, nên mỗi phép tính có thể làm tròn với sai số tương đối cỡ epsilon máy (khoảng 2,2·10⁻¹⁶ với kiểu double).
Mất chữ số có nghĩa
Trừ hai số gần bằng nhau khiến phần lớn chữ số có nghĩa triệt tiêu và sai số tương đối tăng vọt; cách chữa thường là biến đổi công thức để tránh phép trừ đó.
Số điều kiện
Đo độ nhạy của kết quả với nhiễu nhỏ ở dữ liệu; với hệ tuyến tính, số điều kiện của ma trận cho biết có thể mất khoảng bao nhiêu chữ số chính xác.
Ổn định thuật toán
Thuật toán ổn định cho kết quả đúng của một bài toán rất gần bài toán gốc; khử Gauss có chọn trụ và phân tích QR ổn định, còn tính nghịch đảo ma trận tường minh thì nên tránh.
Bậc hội tụ
Phương pháp lặp có bậc p nếu sai số bước sau tỉ lệ với lũy thừa p của sai số bước trước; chia đôi bậc 1, dây cung khoảng 1,618, Newton bậc 2 khi gần nghiệm.
Phân tích LU và QR
LU (khử Gauss có chọn trụ) giải hệ vuông nhanh; QR (Householder) ổn định hơn và là cách chuẩn để giải bình phương tối thiểu.
Phương pháp lặp cho hệ lớn
Với ma trận lớn và thưa, không phân tích trực tiếp mà cải thiện dần nghiệm: Jacobi, Gauss–Seidel, và gradient liên hợp cho ma trận đối xứng xác định dương.
Hiện tượng Runge và spline
Nội suy đa thức bậc cao trên mốc cách đều dao động mạnh ở hai đầu; dùng mốc Chebyshev hoặc spline bậc ba để có xấp xỉ trơn và ổn định.
Bậc chính xác của phương pháp rời rạc
Phương pháp bậc p có sai số giảm theo hᵖ khi bước h nhỏ lại; Runge–Kutta bậc 4 thường là lựa chọn mặc định tốt cho phương trình vi phân thường.
Bài toán cứng (stiff)
Phương trình vi phân có các thành phần biến đổi với tốc độ chênh lệch rất lớn; phương pháp hiện phải dùng bước cực nhỏ để ổn định, nên cần phương pháp ẩn.

Học xong để làm gì

  • Mô phỏng vật lý, khí hậu và dự báo thời tiết
  • Đồ họa máy tính và mô phỏng chất lỏng, vải, va chạm
  • Tài chính định lượng: định giá quyền chọn, quản lý rủi ro
  • Xử lý ảnh, tín hiệu và bài toán ngược trong y tế (CT, MRI)
  • Nhân tính toán của các thư viện khoa học và học máy (NumPy, SciPy, PyTorch)

Câu hỏi thường gặp

Khác gì chủ đề Giải tích số ở lộ trình Toán học?

Cùng môn học nền. Giải tích số trong lộ trình Toán học nghiêng về chứng minh hội tụ và đánh giá sai số; ở đây trọng tâm là cài đặt, chọn thuật toán phù hợp và dùng thư viện đúng cách cho bài toán thật.

Nên dùng Python, MATLAB hay Julia?

Python với NumPy, SciPy là lựa chọn mặc định vì miễn phí và dùng chung với học máy. MATLAB phổ biến trong sách cũ và ngành kỹ thuật; Julia nhanh và có cú pháp gần toán học, đáng thử khi đã quen.

Vì sao không dùng luôn hàm của thư viện?

Trong thực tế bạn sẽ dùng thư viện, nhưng cần hiểu thuật toán để chọn đúng hàm, đặt đúng dung sai và nhận ra khi kết quả sai vì bài toán điều kiện kém hoặc phương trình cứng.

Có cần học Parallel Computing không?

Không bắt buộc. Khi bài toán quá lớn cho một máy (mô phỏng 3D, ma trận hàng triệu chiều) thì Parallel Computing ở nhóm Hệ thống máy tính là bước tiếp theo.

Mất bao lâu?

Khoảng 46 giờ, tương đương 7–8 tuần nếu học 6 giờ mỗi tuần.

Chọn nguồn tự học

Cần giải tích, đại số tuyến tính và lập trình Python. Mỗi phương pháp nên tự cài đặt một lần rồi so với NumPy, SciPy, và luôn đo sai số.