[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_ph%C6%B0%C6%A1ng%20ph%C3%A1p%20nhi%E1%BB%85u%20lo%E1%BA%A1n%20homotopy{\"limit\":5}":3,"_public_topic_byId_phương pháp nhiễu loạn homotopy":11},{"code":4,"data":5,"meta":10},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":8,"vietnamLatest":9},[],[],[],[],null,{"code":4,"data":12,"meta":10},{"id":13,"title":14,"description":15,"content":16,"term":17,"englishTitle":18,"synonyms":19,"definition":22,"discipline":23,"references":24,"faqs":56,"createUser":69,"publishUser":73,"keywords":77,"keywordCount":88,"enrichTopicLink":89,"status":90,"createTime":91,"updateTime":92,"publishTime":93,"linkEnrichedTime":94,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":95,"relateTopics":96},"phương pháp nhiễu loạn homotopy","Phương pháp nhiễu loạn homotopy là gì? Nguyên lý và ứng dụng","Phương pháp nhiễu loạn homotopy (HPM) kết hợp đồng luân topo và nhiễu loạn cổ điển, giải xấp xỉ phương trình vi phân phi tuyến mà không cần tham số bé.","\u003Cp>\u003Cstrong>Phương pháp nhiễu loạn homotopy\u003C\u002Fstrong> (tiếng Anh: \u003Cem>homotopy perturbation method\u003C\u002Fem>, viết tắt: HPM) là một phương pháp giải tích bán giải tích dùng để tìm nghiệm xấp xỉ của các phương trình vi phân và phương trình tích phân phi tuyến trong toán học ứng dụng và cơ học. Kỹ thuật này kết hợp cấu trúc đồng luân từ topo hình học với lý thuyết nhiễu loạn truyền thống, cho phép biến đổi một bài toán phi tuyến phức tạp thành một chuỗi các bài toán vi phân tuyến tính đơn giản hơn mà không đòi hỏi sự tồn tại của bất kỳ tham số vật lý nhỏ nào trong hệ phương trình. Mục từ này trình bày cơ sở lý thuyết đồng luân, cấu trúc toán học chi tiết, quy trình xác định nghiệm qua các số hạng đa thức He, bảng đối chiếu với các phương pháp bán giải tích lân cận, cùng các ứng dụng tiêu biểu và giới hạn hội tụ của phương pháp.\u003C\u002Fp>\n\n\u003Ch2>Bản chất toán học và cơ sở lý thuyết\u003C\u002Fh2>\n\n\u003Cp>Trong toán học ứng dụng và {{topic|%7B%22topic%22%3A%22v%E1%BA%ADt%20l%C3%BD%20l%C3%BD%20thuy%E1%BA%BFt%22%7D}}, hầu hết các hiện tượng thực tế như dao động phi tuyến, động lực học chất lưu, truyền sóng và cơ học kết cấu đều được mô tả bởi các {{topic|%7B%22topic%22%3A%22ph%C6%B0%C6%A1ng%20tr%C3%ACnh%20vi%20ph%C3%A2n%20phi%20tuy%E1%BA%BFn%22%7D}}. Việc tìm kiếm nghiệm giải tích chính xác dạng tường minh cho các hệ này thường gặp khó khăn nghiêm trọng hoặc bất khả thi do sự xuất hiện của các số hạng phi tuyến bậc cao hoặc hàm phi tuyến phức tạp.\u003C\u002Fp>\n\n\u003Ch3>Giới hạn cốt tử của phương pháp nhiễu loạn cổ điển\u003C\u002Fh3>\n\n\u003Cp>Trước khi phương pháp nhiễu loạn homotopy ra đời, các kỹ thuật nhiễu loạn truyền thống (như phương pháp khai triển tham số nhỏ chính quy, phương pháp biến dạng tọa độ Poincaré-Lindstedt, phương pháp tỷ lệ đa tầng, hoặc phương pháp tiệm cận WKB) là công cụ chủ đạo để tìm nghiệm xấp xỉ. Tuy nhiên, các phương pháp cổ điển này tồn tại một nhược điểm chí tử: hệ phương trình bắt buộc phải chứa một tham số vật lý rất nhỏ.\u003C\u002Fp>\n\n\u003Cp>Tham số nhỏ này đóng vai trò thước đo để khai triển nghiệm thành chuỗi tiệm cận. Nếu bài toán thực tế không có sẵn tham số nhỏ tự nhiên, người nghiên cứu buộc phải đưa vào các tham số nhân tạo một cách gượng ép. Hơn nữa, ngay cả khi tồn tại tham số nhỏ, nếu mức độ phi tuyến quá mạnh hoặc miền khảo sát mở rộng, chuỗi tiệm cận cổ điển thường phân kỳ rất nhanh hoặc chỉ cho kết quả chính xác trong một lân cận cực kỳ hạn hẹp, khiến việc áp dụng vào kỹ thuật bị hạn chế đáng kể.\u003C\u002Fp>\n\n\u003Ch3>Khái niệm đồng luân trong topo hình học\u003C\u002Fh3>\n\n\u003Cp>Để vượt qua trở ngại trên, ý tưởng về cấu trúc đồng luân (homotopy) từ topo hình học đã được đưa vào giải tích phi tuyến. Trong topo học, hai hàm liên tục được gọi là đồng luân với nhau nếu hàm này có thể biến dạng một cách liên tục thành hàm kia thông qua một tham số biến thiên liên tục trong đoạn từ 0 đến 1.\u003C\u002Fp>\n\n\u003Cp>Nếu gọi bài toán xuất phát là một {{topic|%7B%22topic%22%3A%22ph%C6%B0%C6%A1ng%20tr%C3%ACnh%20phi%20tuy%E1%BA%BFn%22%7D}} phức tạp khó giải, và chọn một bài toán tuyến tính đơn giản đã biết rõ nghiệm giải tích, thì cấu trúc đồng luân thiết lập một cầu nối liên tục giữa hai bài toán đó. Tham số điều khiển sự biến dạng này được gọi là tham số nhúng, thường được ký hiệu là \u003Cscript type=\"math\u002Ftex\">p\u003C\u002Fscript>. Quá trình biến đổi khi \u003Cscript type=\"math\u002Ftex\">p\u003C\u002Fscript> tăng dần từ 0 lên 1 mô tả sự tiến triển hình học từ một hệ thống tuyến tính tầm thường sang {{topic|%7B%22topic%22%3A%22h%E1%BB%87%20th%E1%BB%91ng%20phi%20tuy%E1%BA%BFn%22%7D}} đầy đủ ban đầu.\u003C\u002Fp>\n\n\u003Ch3>Sự ra đời và hoàn thiện của phương pháp nhiễu loạn homotopy\u003C\u002Fh3>\n\n\u003Cp>Năm 1999, nhà toán học Ji-Huan He đã công bố công trình tiên phong trên tạp chí Computer Methods in Applied Mechanics and Engineering, tập 178, trang 257–262, đề xuất kỹ thuật nhiễu loạn homotopy nhằm giải quyết bài toán phi tuyến mà không phụ thuộc vào tham số nhỏ. Trong công trình này, tác giả đã khéo léo sử dụng chính tham số nhúng đồng luân \u003Cscript type=\"math\u002Ftex\">p\u003C\u002Fscript> làm tham số nhiễu loạn hình thức.\u003C\u002Fp>\n\n\u003Cp>Tiếp đó, vào năm 2000, Ji-Huan He công bố bài báo trên International Journal of Non-Linear Mechanics, tập 35, trang 37–43, mở rộng kỹ thuật kết hợp này cho các hệ cơ học phi tuyến tổng quát. Đến năm 2003, trên tạp chí Applied Mathematics and Computation, tập 135, trang 73–79, Ji-Huan He tiếp tục hệ thống hóa phương pháp nhiễu loạn homotopy thành một khung phương pháp luận hoàn chỉnh cho cả {{topic|%7B%22topic%22%3A%22ph%C6%B0%C6%A1ng%20tr%C3%ACnh%20vi%20ph%C3%A2n%22%7D}} đạo hàm riêng và phương trình sóng phi tuyến, chứng minh rằng nghiệm thu được đạt độ chính xác cao chỉ sau một vài số hạng xấp xỉ đầu tiên.\u003C\u002Fp>\n\n\u003Ch2>Cấu trúc toán học và quy trình giải chi tiết\u003C\u002Fh2>\n\n\u003Cp>Quy trình giải tích của phương pháp nhiễu loạn homotopy được thiết lập tuần tự thông qua các bước toán học chặt chẽ, từ việc phân rã toán tử đến đồng nhất hệ số chuỗi lũy thừa.\u003C\u002Fp>\n\n\u003Ch3>Thiết lập bài toán và phân rã toán tử vi phân\u003C\u002Fh3>\n\n\u003Cp>Xét một phương trình vi phân phi tuyến tổng quát xác định trên miền không gian \u003Cscript type=\"math\u002Ftex\">\\Omega\u003C\u002Fscript> với biên \u003Cscript type=\"math\u002Ftex\">\\Gamma\u003C\u002Fscript>:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">A(u) - f(r) = 0, \\quad r \\in \\Omega\u003C\u002Fscript>\n\n\u003Cp>với điều kiện biên tổng quát trên biên \u003Cscript type=\"math\u002Ftex\">\\Gamma\u003C\u002Fscript>:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">B\\left(u, \\frac{\\partial u}{\\partial n}\\right) = 0, \\quad r \\in \\Gamma\u003C\u002Fscript>\n\n\u003Cp>Trong các công thức trên, \u003Cscript type=\"math\u002Ftex\">A\u003C\u002Fscript> là {{topic|%7B%22topic%22%3A%22to%C3%A1n%20t%E1%BB%AD%20vi%20ph%C3%A2n%22%7D}} phi tuyến tổng quát, \u003Cscript type=\"math\u002Ftex\">B\u003C\u002Fscript> là toán tử điều kiện biên, \u003Cscript type=\"math\u002Ftex\">f(r)\u003C\u002Fscript> là hàm nguồn đã biết mang tính giải tích, \u003Cscript type=\"math\u002Ftex\">r\u003C\u002Fscript> là biến không gian hoặc thời gian, và \u003Cscript type=\"math\u002Ftex\">u(r)\u003C\u002Fscript> là hàm nghiệm cần tìm.\u003C\u002Fp>\n\n\u003Cp>Toán tử tổng quát \u003Cscript type=\"math\u002Ftex\">A\u003C\u002Fscript> luôn có thể phân tách thành hai thành phần riêng biệt gồm một toán tử tuyến tính \u003Cscript type=\"math\u002Ftex\">L\u003C\u002Fscript> và một toán tử phi tuyến \u003Cscript type=\"math\u002Ftex\">N\u003C\u002Fscript>:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">L(u) + N(u) - f(r) = 0\u003C\u002Fscript>\n\n\u003Cp>với \u003Cscript type=\"math\u002Ftex\">L(u)\u003C\u002Fscript> là phần tuyến tính chứa các đạo hàm cấp cao nhất dễ nghịch đảo, còn \u003Cscript type=\"math\u002Ftex\">N(u)\u003C\u002Fscript> thu gom toàn bộ các {{topic|%7B%22topic%22%3A%22t%C6%B0%C6%A1ng%20t%C3%A1c%20phi%20tuy%E1%BA%BFn%22%7D}} của hàm nghiệm.\u003C\u002Fp>\n\n\u003Ch3>Xây dựng phương trình đồng luân\u003C\u002Fh3>\n\n\u003Cp>Bằng cách áp dụng kỹ thuật đồng luân, người nghiên cứu dựng một ánh xạ đồng luân \u003Cscript type=\"math\u002Ftex\">v(r, p): \\Omega \\times [0, 1] \\to \\mathbb{R}\u003C\u002Fscript> thỏa mãn phương trình đồng luân sau:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">H(v, p) = (1 - p)[L(v) - L(u_0)] + p[A(v) - f(r)] = 0\u003C\u002Fscript>\n\n\u003Cp>hoặc được viết lại dưới dạng đại số tương đương thuận tiện cho tính toán:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">H(v, p) = L(v) - L(u_0) + p L(u_0) + p[N(v) - f(r)] = 0\u003C\u002Fscript>\n\n\u003Cp>Trong cấu trúc đồng luân này, \u003Cscript type=\"math\u002Ftex\">p \\in [0, 1]\u003C\u002Fscript> là tham số nhúng đóng vai trò biến số liên tục, còn \u003Cscript type=\"math\u002Ftex\">u_0\u003C\u002Fscript> là hàm xấp xỉ ban đầu của bài toán được lựa chọn sao cho thỏa mãn các điều kiện biên đã cho.\u003C\u002Fp>\n\n\u003Cp>Khi khảo sát hai giá trị biên của tham số nhúng \u003Cscript type=\"math\u002Ftex\">p\u003C\u002Fscript>:\u003C\u002Fp>\n\n\u003Cul>\n\u003Cli>Khi \u003Cscript type=\"math\u002Ftex\">p = 0\u003C\u002Fscript>, phương trình đồng luân suy biến về bài toán tuyến tính cơ bản:\n\u003Cscript type=\"math\u002Ftex; mode=display\">H(v, 0) = L(v) - L(u_0) = 0\u003C\u002Fscript>\nNghiệm hiển nhiên của phương trình này là \u003Cscript type=\"math\u002Ftex\">v(r, 0) = u_0(r)\u003C\u002Fscript>.\u003C\u002Fli>\n\u003Cli>Khi \u003Cscript type=\"math\u002Ftex\">p = 1\u003C\u002Fscript>, phương trình đồng luân khôi phục chính xác phương trình phi tuyến gốc:\n\u003Cscript type=\"math\u002Ftex; mode=display\">H(v, 1) = A(v) - f(r) = 0\u003C\u002Fscript>\nNghiệm tại mốc này chính là hàm nghiệm thực tế \u003Cscript type=\"math\u002Ftex\">v(r, 1) = u(r)\u003C\u002Fscript>.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch3>Khai triển chuỗi lũy thừa theo tham số nhúng\u003C\u002Fh3>\n\n\u003Cp>Phương pháp nhiễu loạn homotopy xem tham số nhúng \u003Cscript type=\"math\u002Ftex\">p\u003C\u002Fscript> như một tham số nhỏ nhân tạo. Vì \u003Cscript type=\"math\u002Ftex\">p \\in [0, 1]\u003C\u002Fscript>, hàm nghiệm \u003Cscript type=\"math\u002Ftex\">v\u003C\u002Fscript> được giả thiết có thể biểu diễn dưới dạng một chuỗi lũy thừa nguyên theo biến \u003Cscript type=\"math\u002Ftex\">p\u003C\u002Fscript>:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">v = v_0 + p v_1 + p^2 v_2 + p^3 v_3 + \\dots = \\sum_{k=0}^{\\infty} p^k v_k\u003C\u002Fscript>\n\n\u003Cp>trong đó \u003Cscript type=\"math\u002Ftex\">v_0, v_1, v_2, v_3, \\dots\u003C\u002Fscript> là các hàm thành phần chưa biết của biến không gian \u003Cscript type=\"math\u002Ftex\">r\u003C\u002Fscript>, hoàn toàn độc lập với tham số nhúng \u003Cscript type=\"math\u002Ftex\">p\u003C\u002Fscript>.\u003C\u002Fp>\n\n\u003Ch3>Hệ phương trình vi phân tuyến tính theo từng bậc của tham số nhúng\u003C\u002Fh3>\n\n\u003Cp>Để tìm các hàm thành phần \u003Cscript type=\"math\u002Ftex\">v_k\u003C\u002Fscript>, ta thay khai triển chuỗi lũy thừa của \u003Cscript type=\"math\u002Ftex\">v\u003C\u002Fscript> vào phương trình đồng luân, sau đó gom các số hạng có cùng lũy thừa của \u003Cscript type=\"math\u002Ftex\">p\u003C\u002Fscript> lại với nhau và cân bằng hệ số của từng bậc bằng 0:\u003C\u002Fp>\n\n\u003Cul>\n\u003Cli>Số hạng bậc \u003Cscript type=\"math\u002Ftex\">p^0\u003C\u002Fscript>:\n\u003Cscript type=\"math\u002Ftex; mode=display\">L(v_0) - L(u_0) = 0, \\quad B\\left(v_0, \\frac{\\partial v_0}{\\partial n}\\right) = 0\u003C\u002Fscript>\nTừ phương trình này, ta có ngay \u003Cscript type=\"math\u002Ftex\">v_0 = u_0\u003C\u002Fscript>.\u003C\u002Fli>\n\u003Cli>Số hạng bậc \u003Cscript type=\"math\u002Ftex\">p^1\u003C\u002Fscript>:\n\u003Cscript type=\"math\u002Ftex; mode=display\">L(v_1) + L(u_0) + H_0(v_0) - f(r) = 0, \\quad B\\left(v_1, \\frac{\\partial v_1}{\\partial n}\\right) = 0\u003C\u002Fscript>\nvới \u003Cscript type=\"math\u002Ftex\">H_0(v_0)\u003C\u002Fscript> là số hạng phi tuyến bậc 0 sinh ra từ khai triển toán tử \u003Cscript type=\"math\u002Ftex\">N(v)\u003C\u002Fscript>.\u003C\u002Fli>\n\u003Cli>Số hạng bậc \u003Cscript type=\"math\u002Ftex\">p^2\u003C\u002Fscript>:\n\u003Cscript type=\"math\u002Ftex; mode=display\">L(v_2) + H_1(v_0, v_1) = 0, \\quad B\\left(v_2, \\frac{\\partial v_2}{\\partial n}\\right) = 0\u003C\u002Fscript>\nvới \u003Cscript type=\"math\u002Ftex\">H_1(v_0, v_1)\u003C\u002Fscript> là số hạng phi tuyến bậc 1 sinh ra từ tương tác giữa \u003Cscript type=\"math\u002Ftex\">v_0\u003C\u002Fscript> và \u003Cscript type=\"math\u002Ftex\">v_1\u003C\u002Fscript>.\u003C\u002Fli>\n\u003Cli>Số hạng bậc \u003Cscript type=\"math\u002Ftex\">p^3\u003C\u002Fscript>:\n\u003Cscript type=\"math\u002Ftex; mode=display\">L(v_3) + H_2(v_0, v_1, v_2) = 0, \\quad B\\left(v_3, \\frac{\\partial v_3}{\\partial n}\\right) = 0\u003C\u002Fscript>\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Cp>Đặc điểm nổi bật của hệ phương trình trên là: tất cả các phương trình tìm \u003Cscript type=\"math\u002Ftex\">v_1, v_2, v_3, \\dots\u003C\u002Fscript> đều là {{topic|%7B%22topic%22%3A%22ph%C6%B0%C6%A1ng%20tr%C3%ACnh%20vi%20ph%C3%A2n%20tuy%E1%BA%BFn%20t%C3%ADnh%22%7D}} có cùng toán tử tuyến tính \u003Cscript type=\"math\u002Ftex\">L\u003C\u002Fscript>, trong đó vế phải chỉ chứa các thành phần nghiệm đã được tính toán ở các bước trước đó. Do đó, việc giải nghiệm ở từng bậc hoàn toàn tương đương với việc giải một chuỗi bài toán tuyến tính thuận nghịch.\u003C\u002Fp>\n\n\u003Ch3>Thu nhận nghiệm xấp xỉ cuối cùng\u003C\u002Fh3>\n\n\u003Cp>Khi tham số nhúng đạt giá trị giới hạn \u003Cscript type=\"math\u002Ftex\">p \\to 1\u003C\u002Fscript>, phương trình đồng luân trùng với phương trình gốc, và nghiệm xấp xỉ của bài toán phi tuyến ban đầu được thiết lập dưới dạng tổng của chuỗi giải tích:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">u = \\lim_{p \\to 1} v = v_0 + v_1 + v_2 + v_3 + \\dots = \\sum_{k=0}^{\\infty} v_k\u003C\u002Fscript>\n\n\u003Cp>Trong các bài toán thực hành kỹ thuật, chuỗi vô hạn được cắt cụt ở một bậc hữu hạn thích hợp. Nhờ tốc độ hội tụ nhanh của chuỗi đồng luân, nghiệm xấp xỉ bậc 2 (\u003Cscript type=\"math\u002Ftex\">u \\approx v_0 + v_1\u003C\u002Fscript>) hoặc nghiệm xấp xỉ bậc 3 (\u003Cscript type=\"math\u002Ftex\">u \\approx v_0 + v_1 + v_2\u003C\u002Fscript>) thường đã cung cấp độ chính xác tiệm cận vượt trội so với các phương pháp số thông thường.\u003C\u002Fp>\n\n\u003Ch2>Đa thức He và kỹ thuật phân rã toán tử phi tuyến\u003C\u002Fh2>\n\n\u003Cp>Điểm cốt lõi giúp phương pháp nhiễu loạn homotopy xử lý được các phương trình phi tuyến phức tạp là cơ chế phân tích số hạng phi tuyến \u003Cscript type=\"math\u002Ftex\">N(v)\u003C\u002Fscript> thành chuỗi các đa thức phụ thuộc vào tham số nhúng \u003Cscript type=\"math\u002Ftex\">p\u003C\u002Fscript>.\u003C\u002Fp>\n\n\u003Ch3>Định nghĩa toán học của đa thức He\u003C\u002Fh3>\n\n\u003Cp>Toán tử phi tuyến \u003Cscript type=\"math\u002Ftex\">N(v)\u003C\u002Fscript> được phân tích dưới dạng chuỗi lũy thừa theo tham số nhúng \u003Cscript type=\"math\u002Ftex\">p\u003C\u002Fscript>:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">N(v) = \\sum_{n=0}^{\\infty} p^n H_n(v_0, v_1, \\dots, v_n)\u003C\u002Fscript>\n\n\u003Cp>Các đa thức \u003Cscript type=\"math\u002Ftex\">H_n\u003C\u002Fscript> được gọi là các đa thức He (He polynomials). Công thức vi phân tường minh để xác định từng đa thức He được định nghĩa bởi:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">H_n(v_0, v_1, \\dots, v_n) = \\frac{1}{n!} \\frac{\\partial^n}{\\partial p^n} \\left[ N\\left(\\sum_{i=0}^n p^i v_i\\right) \\right]_{p=0}\u003C\u002Fscript>\n\n\u003Cp>với chỉ số nguyên không âm \u003Cscript type=\"math\u002Ftex\">n = 0, 1, 2, \\dots\u003C\u002Fscript> Biểu thức đạo hàm này cho thấy mỗi đa thức He thực chất là hệ số thứ \u003Cscript type=\"math\u002Ftex\">n\u003C\u002Fscript> trong khai triển Taylor của hàm hợp phi tuyến theo biến tham số nhúng \u003Cscript type=\"math\u002Ftex\">p\u003C\u002Fscript> tại điểm lân cận \u003Cscript type=\"math\u002Ftex\">p = 0\u003C\u002Fscript>.\u003C\u002Fp>\n\n\u003Ch3>So sánh giữa đa thức He và đa thức Adomian\u003C\u002Fh3>\n\n\u003Cp>Trong phương pháp phân rã Adomian (ADM), các số hạng phi tuyến cũng được phân rã thành chuỗi đa thức Adomian, ký hiệu là \u003Cscript type=\"math\u002Ftex\">A_n\u003C\u002Fscript>. Tuy nhiên, về mặt bản chất giải thuật và cài đặt máy tính, đa thức He sở hữu nhiều ưu điểm:\u003C\u002Fp>\n\n\u003Cul>\n\u003Cli>\u003Cstrong>Tính tường minh và trực quan:\u003C\u002Fstrong> Đa thức He xuất hiện tự nhiên từ việc thay chuỗi lũy thừa của \u003Cscript type=\"math\u002Ftex\">v\u003C\u002Fscript> vào phương trình đồng luân và lấy đạo hàm giải tích thông thường theo biến \u003Cscript type=\"math\u002Ftex\">p\u003C\u002Fscript>, không cần ghi nhớ quy tắc lập chỉ số phức tạp như của đa thức Adomian.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Đơn giản hóa việc tính toán ký hiệu:\u003C\u002Fstrong> Khi lập trình trên các phần mềm tính toán đại số như Mathematica hoặc Maple, việc xác định đa thức He thông qua phép lấy đạo hàm riêng theo tham số hình thức \u003Cscript type=\"math\u002Ftex\">p\u003C\u002Fscript> nhanh chóng và ít tiêu tốn bộ nhớ hơn so với thuật toán sinh đa thức Adomian nhiều biến.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Khả năng tùy biến:\u003C\u002Fstrong> Năm 2011, Jafar Biazar và Mostafa Eslami trên tạp chí Computers & Mathematics with Applications, tập 62, trang 225–234 đã phát triển một biến thể HPM mới, cho phép giải hệ phương trình đạo hàm riêng mà hoàn toàn không cần tính toán thủ công các đa thức He trung gian, giúp giảm thiểu đáng kể khối lượng thao tác đại số.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>So sánh đối chiếu HPM với các phương pháp bán giải tích lân cận\u003C\u002Fh2>\n\n\u003Cp>Để hiểu rõ vị trí của phương pháp nhiễu loạn homotopy trong bức tranh toàn cảnh của giải tích toán học, bảng dưới đây đối chiếu HPM với ba phương pháp bán giải tích thông dụng khác gồm: phương pháp phân rã Adomian (ADM), phương pháp biến phân lặp (VIM) và phương pháp phân tích homotopy (HAM).\u003C\u002Fp>\n\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>Tiêu chí so sánh\u003C\u002Fth>\n\u003Cth>Phương pháp nhiễu loạn homotopy (HPM)\u003C\u002Fth>\n\u003Cth>Phương pháp phân tích homotopy (HAM)\u003C\u002Fth>\n\u003Cth>Phương pháp biến phân lặp (VIM)\u003C\u002Fth>\n\u003Cth>Phương pháp phân rã Adomian (ADM)\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>Người khởi xướng và thời gian\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003Ctd>Ji-Huan He đề xuất năm 1999\u003C\u002Ftd>\n\u003Ctd>Shijun Liao đề xuất năm 1992\u003C\u002Ftd>\n\u003Ctd>Ji-Huan He đề xuất năm 1999\u003C\u002Ftd>\n\u003Ctd>George Adomian phát triển thập niên 1980\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>Cơ chế xử lý số hạng phi tuyến\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003Ctd>Khai triển chuỗi Taylor theo tham số nhúng sinh ra đa thức He\u003C\u002Ftd>\n\u003Ctd>Khai triển chuỗi biến dạng bậc cao theo tham số nhúng\u003C\u002Ftd>\n\u003Ctd>Tích phân hiệu chỉnh kết hợp nhân tử Lagrange biến phân\u003C\u002Ftd>\n\u003Ctd>Phân rã thành chuỗi đa thức Adomian nhiều biến\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>Yêu cầu tham số vật lý nhỏ\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003Ctd>Không đòi hỏi tham số nhỏ\u003C\u002Ftd>\n\u003Ctd>Không đòi hỏi tham số nhỏ\u003C\u002Ftd>\n\u003Ctd>Không đòi hỏi tham số nhỏ\u003C\u002Ftd>\n\u003Ctd>Không đòi hỏi tham số nhỏ\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>Khả năng kiểm soát vùng hội tụ\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003Ctd>Dựa vào việc chọn toán tử tuyến tính và nghiệm xấp xỉ đầu\u003C\u002Ftd>\n\u003Ctd>Dùng tham số phụ và đường cong hội tụ chuyên biệt\u003C\u002Ftd>\n\u003Ctd>Điều chỉnh thông qua nhân tử Lagrange tối ưu\u003C\u002Ftd>\n\u003Ctd>Dựa vào chuỗi xấp xỉ liên tiếp và điểm kỳ dị của hàm\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>Độ phức tạp trong tính toán\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003Ctd>Thấp đến trung bình, thuật toán trực tiếp và dễ tự động hóa\u003C\u002Ftd>\n\u003Ctd>Cao, cần giải bài toán tìm tham số phụ tối ưu\u003C\u002Ftd>\n\u003Ctd>Thấp, thực hiện thông qua công thức lặp giải tích\u003C\u002Ftd>\n\u003Ctd>Trung bình, đòi hỏi tính toán chuỗi đa thức Adomian\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>Lựa chọn xấp xỉ ban đầu\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003Ctd>Linh hoạt, chỉ cần thỏa mãn các điều kiện biên của hệ\u003C\u002Ftd>\n\u003Ctd>Linh hoạt, có thể chọn dạng hàm cơ sở đa dạng\u003C\u002Ftd>\n\u003Ctd>Thường lấy nghiệm của phần tuyến tính rút gọn\u003C\u002Ftd>\n\u003Ctd>Xác định từ các số hạng tích phân điều kiện đầu\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Ch3>Mối liên hệ toán học giữa HPM và HAM\u003C\u002Fh3>\n\n\u003Cp>Cả HPM và HAM đều bắt nguồn từ cùng một nền tảng topo học là cấu trúc đồng luân. Năm 1992, Shijun Liao khởi xướng phương pháp phân tích homotopy (HAM) với việc bổ sung một tham số phụ điều khiển hội tụ cùng một hàm phụ trợ để mở rộng tối đa vùng hội tụ của chuỗi giải tích.\u003C\u002Fp>\n\n\u003Cp>Đến năm 2004, trên tạp chí Applied Mathematics and Computation, tập 156, trang 527–539, Ji-Huan He đã công bố bài báo chuyên khảo so sánh đối chiếu giữa HPM và HAM. Tác giả đã chứng minh rằng phương pháp nhiễu loạn homotopy có thể được nhìn nhận một cách toán học như một trường hợp đặc biệt thuận tiện của phương pháp phân tích homotopy khi gán giá trị tham số phụ điều khiển hội tụ bằng trừ một và chọn hàm phụ trợ đồng nhất bằng một. Mặc dù HAM có ưu thế vượt trội về việc chủ động nới rộng bán kính hội tụ thông qua việc khảo sát đường cong hội tụ của tham số phụ, HPM lại vượt trội về tính gọn gàng trong công thức và tốc độ thiết lập nghiệm do không phải giải thêm bài toán tìm giá trị tối ưu cho tham số phụ.\u003C\u002Fp>\n\n\u003Ch3>Sự khác biệt nguyên lý giữa HPM và VIM\u003C\u002Fh3>\n\n\u003Cp>Mặc dù đều do Ji-Huan He phát triển vào năm 1999, HPM và phương pháp biến phân lặp (VIM) đi theo hai trường phái toán học hoàn toàn khác nhau:\u003C\u002Fp>\n\n\u003Cul>\n\u003Cli>\u003Cstrong>Phương pháp biến phân lặp (VIM):\u003C\u002Fstrong> Dựa trên lý thuyết giải tích biến phân. Phương pháp này thiết lập một phiếm hàm hiệu chỉnh với nhân tử Lagrange tối ưu được xác định từ lý thuyết biến phân. Lời giải được tìm thông qua một công thức lặp thuần túy mà không dùng đến bất kỳ tham số nhúng hay chuỗi nhiễu loạn nào.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Phương pháp nhiễu loạn homotopy (HPM):\u003C\u002Fstrong> Dựa trên topo biến dạng liên tục. Hệ phương trình được phân tách thành các bài toán tuyến tính độc lập giải theo từng lũy thừa của tham số nhúng \u003Cscript type=\"math\u002Ftex\">p\u003C\u002Fscript>, cho phép tận dụng triệt để kho công cụ {{topic|%7B%22topic%22%3A%22%C4%91%E1%BA%A1i%20s%E1%BB%91%20tuy%E1%BA%BFn%20t%C3%ADnh%22%7D}} có sẵn.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Ứng dụng tiêu biểu trong khoa học tự nhiên và kỹ thuật\u003C\u002Fh2>\n\n\u003Cp>Nhờ tính đa năng và khả năng cho nghiệm giải tích dạng giải tích đóng hoặc chuỗi giải tích hội tụ nhanh, phương pháp nhiễu loạn homotopy đã được ứng dụng rộng rãi trong nhiều nhánh chuyên ngành khoa học tự nhiên và công nghệ kỹ thuật.\u003C\u002Fp>\n\n\u003Ch3>Dao động phi tuyến và cơ học kết cấu\u003C\u002Fh3>\n\n\u003Cp>Một trong những bài toán kinh điển khẳng định sức mạnh của HPM là phương trình dao động phi tuyến Duffing:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">\\frac{d^2 u}{d t^2} + u + \\epsilon u^3 = 0\u003C\u002Fscript>\n\n\u003Cp>với các điều kiện đầu cho trước \u003Cscript type=\"math\u002Ftex\">u(0) = A\u003C\u002Fscript> và đạo hàm bậc nhất \u003Cscript type=\"math\u002Ftex\">\\frac{du}{dt}(0) = 0\u003C\u002Fscript>. Ở đây, \u003Cscript type=\"math\u002Ftex\">u\u003C\u002Fscript> biểu diễn độ dời của hệ dao động, \u003Cscript type=\"math\u002Ftex\">t\u003C\u002Fscript> là biến thời gian, \u003Cscript type=\"math\u002Ftex\">A\u003C\u002Fscript> là biên độ ban đầu, còn \u003Cscript type=\"math\u002Ftex\">\\epsilon\u003C\u002Fscript> là hệ số phi tuyến độ cứng.\u003C\u002Fp>\n\n\u003Cp>Đối với dao động Duffing phi tuyến mạnh, phương pháp nhiễu loạn cổ điển phân kỳ nếu hệ số phi tuyến không đủ nhỏ. Trong khi đó, áp dụng HPM kết hợp với biến đổi tần số cho phép xác định nghiệm tuần hoàn và tần số dao động phi tuyến đạt độ chính xác cao thỏa đáng chỉ sau 2 đến 3 số hạng xấp xỉ đầu tiên. Tương tự, phương trình dao động tự kích van der Pol mô tả hiện tượng chu trình giới hạn trong mạch điện tử và khí động đàn hồi cũng được HPM giải quyết hiệu quả mà không cần kỹ thuật số hóa lưới.\u003C\u002Fp>\n\n\u003Ch3>Cơ học chất lưu và truyền nhiệt phi tuyến\u003C\u002Fh3>\n\n\u003Cp>Trong cơ học chất lưu, phương pháp HPM được ứng dụng để tìm nghiệm giải tích cho bài toán lớp biên Blasius dọc theo một bản phẳng chuyển động trong chất lưu nhớt. Phương trình vi phân phi tuyến bậc ba phi tuyến tính của Blasius được chuyển đổi thành hệ các phương trình vi phân tuyến tính cấp thấp hơn, cho phép tính toán ứng suất cắt tại thành và cấu hình vận tốc dòng chảy với độ chính xác cao.\u003C\u002Fp>\n\n\u003Cp>Trong kỹ thuật nhiệt, các bài toán dẫn nhiệt phi tuyến tính có độ dẫn nhiệt hoặc nhiệt dung phụ thuộc mạnh vào nhiệt độ thường dẫn đến các phương trình đạo hàm riêng phi tuyến. HPM cung cấp nghiệm phân bố nhiệt độ dạng hàm liên tục, hỗ trợ tính toán gradient nhiệt và thông lượng nhiệt nhanh chóng phục vụ thiết kế tản nhiệt điện tử và vật liệu hàng không vũ trụ.\u003C\u002Fp>\n\n\u003Ch3>Hệ phương trình đạo hàm riêng và phương trình vi phân phân thứ\u003C\u002Fh3>\n\n\u003Cp>Không dừng lại ở phương trình vi phân thông thường, HPM chứng minh năng lực mạnh mẽ khi xử lý các hệ phương trình đạo hàm riêng phi tuyến tính phức tạp như phương trình Korteweg-de Vries (KdV) mô tả sóng đơn độc trong chất lỏng, phương trình Burgers phi tuyến trong thủy khí động lực học, và phương trình Schrödinger phi tuyến trong quang học lượng tử.\u003C\u002Fp>\n\n\u003Cp>Hơn nữa, trong vật lý toán hiện đại, phương trình vi phân phân thứ (fractional differential equations) với các toán tử đạo hàm cấp phân thứ Caputo hoặc Riemann-Liouville ngày càng được dùng nhiều để mô tả môi trường môi chất nhớt đàn hồi và {{topic|%7B%22topic%22%3A%22qu%C3%A1%20tr%C3%ACnh%20khu%E1%BA%BFch%20t%C3%A1n%22%7D}} bất thường. HPM đã được mở rộng thành công để tìm nghiệm giải tích cho các phương trình phân thứ này mà không đòi hỏi biến đổi tích phân phức tạp.\u003C\u002Fp>\n\n\u003Ch3>Bối cảnh nghiên cứu và ứng dụng tại Việt Nam\u003C\u002Fh3>\n\n\u003Cp>Tại Việt Nam, các phương pháp bán giải tích nói chung và phương pháp nhiễu loạn homotopy nói riêng đóng vai trò quan trọng trong nghiên cứu và giảng dạy giải tích ứng dụng và cơ học phi tuyến. Phương pháp được giới thiệu trong các chương trình đào tạo sau đại học chuyên ngành toán học ứng dụng, cơ học vật rắn và cơ học tính toán.\u003C\u002Fp>\n\n\u003Cp>Nhiều nhà khoa học và nghiên cứu sinh trong nước đã ứng dụng HPM như một công cụ giải tích hữu hiệu để tìm nghiệm xấp xỉ cho các bài toán uốn, dao động và mất ổn định của kết cấu thanh, dầm và tấm composite có tính phi tuyến hình học hoặc cơ học, cũng như mô phỏng quá trình truyền sóng trong môi trường đàn hồi. Việc kết hợp HPM với các phương pháp số giúp kiểm chứng độc lập độ tin cậy của các mô hình mô phỏng số và phân tích định tính hành vi phi tuyến của hệ thống vật lý.\u003C\u002Fp>\n\n\u003Ch2>Tính hội tụ, hạn chế và các kỹ thuật cải tiến\u003C\u002Fh2>\n\n\u003Cp>Mặc dù sở hữu nhiều ưu điểm vượt trội, phương pháp nhiễu loạn homotopy vẫn có những giới hạn toán học cần được xem xét cẩn trọng khi ứng dụng vào các bài toán phi tuyến phức tạp.\u003C\u002Fp>\n\n\u003Ch3>Điều kiện hội tụ và bán kính hội tụ\u003C\u002Fh3>\n\n\u003Cp>Nghiệm của phương pháp HPM được xây dựng dưới dạng chuỗi lũy thừa theo tham số nhúng \u003Cscript type=\"math\u002Ftex\">p\u003C\u002Fscript>, và nghiệm thực tế nhận được khi cho \u003Cscript type=\"math\u002Ftex\">p \\to 1\u003C\u002Fscript>. Do đó, điều kiện tiên quyết để nghiệm xấp xỉ có ý nghĩa vật lý là chuỗi giải tích phải hội tụ tại điểm \u003Cscript type=\"math\u002Ftex\">p = 1\u003C\u002Fscript>.\u003C\u002Fp>\n\n\u003Cp>Bán kính hội tụ của chuỗi phụ thuộc mang tính quyết định vào hai yếu tố:\u003C\u002Fp>\n\n\u003Cul>\n\u003Cli>\u003Cstrong>Việc lựa chọn toán tử tuyến tính \u003Cscript type=\"math\u002Ftex\">L\u003C\u002Fscript>:\u003C\u002Fstrong> Toán tử \u003Cscript type=\"math\u002Ftex\">L\u003C\u002Fscript> phải phản ánh được những đặc tính động lực học chính của bài toán gốc. Nếu chọn toán tử tuyến tính quá đơn giản hoặc không phù hợp, các số hạng phi tuyến bị dồn vào toán tử \u003Cscript type=\"math\u002Ftex\">N\u003C\u002Fscript> sẽ trở nên quá lớn, khiến chuỗi phân kỳ khi tham số nhúng tiến đến 1.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Việc lựa chọn xấp xỉ ban đầu \u003Cscript type=\"math\u002Ftex\">u_0\u003C\u002Fscript>:\u003C\u002Fstrong> Nghiệm ban đầu \u003Cscript type=\"math\u002Ftex\">u_0\u003C\u002Fscript> không những phải thỏa mãn đầy đủ các điều kiện biên mà còn cần càng gần nghiệm thực tế càng tốt để giảm bán kính tìm kiếm của chuỗi đồng luân.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch3>Hiện tượng số hạng thế tục trong dao động tuần hoàn\u003C\u002Fh3>\n\n\u003Cp>Trong các bài toán dao động tuần hoàn phi tuyến không cản, việc áp dụng trực tiếp HPM tiêu chuẩn thường dẫn đến sự xuất hiện của các số hạng thế tục (secular terms) có dạng tích của thời gian với hàm lượng giác, ví dụ như \u003Cscript type=\"math\u002Ftex\">t \\cos(\\omega t)\u003C\u002Fscript> hoặc \u003Cscript type=\"math\u002Ftex\">t \\sin(\\omega t)\u003C\u002Fscript>.\u003C\u002Fp>\n\n\u003Cp>Khi thời gian \u003Cscript type=\"math\u002Ftex\">t\u003C\u002Fscript> tiến tới vô cùng, các số hạng này làm biên độ dao động tiến tới vô hạn, phá vỡ tính tuần hoàn thực tế của hệ vật lý. Để triệt tiêu hiện tượng này, người nghiên cứu phải kết hợp HPM với kỹ thuật biến đổi tần số Lindstedt-Poincaré, bằng cách khai triển chính tần số dao động theo chuỗi của tham số nhúng \u003Cscript type=\"math\u002Ftex\">p\u003C\u002Fscript> và đặt các hệ số gây cộng hưởng bằng 0 ở từng bậc tính toán.\u003C\u002Fp>\n\n\u003Ch3>Kỹ thuật kết hợp xấp xỉ Padé\u003C\u002Fh3>\n\n\u003Cp>Đối với các bài toán có mức độ phi tuyến cực mạnh, chuỗi lũy thừa theo \u003Cscript type=\"math\u002Ftex\">p\u003C\u002Fscript> có thể có bán kính hội tụ nhỏ hơn 1, khiến nghiệm tại \u003Cscript type=\"math\u002Ftex\">p = 1\u003C\u002Fscript> không đạt độ chính xác mong muốn. Một giải pháp cải tiến hiệu quả là kỹ thuật kết hợp xấp xỉ Padé với HPM (thường gọi là P-HPM).\u003C\u002Fp>\n\n\u003Cp>Sau khi thu được đa thức cắt cụt theo \u003Cscript type=\"math\u002Ftex\">p\u003C\u002Fscript> từ HPM, chuỗi này được chuyển đổi thành một phân thức hữu tỉ Padé. Biến đổi Padé có khả năng xấp xỉ các điểm kỳ dị và mở rộng đáng kể bán kính hội tụ của chuỗi xấp xỉ trên miền rộng, giúp bảo toàn tính chính xác của nghiệm giải tích trên một phạm vi tham số rộng.\u003C\u002Fp>\n\n\u003Ch3>Xu hướng nghiên cứu và vấn đề mở\u003C\u002Fh3>\n\n\u003Cp>Về mặt lý thuyết và ứng dụng, các nghiên cứu chuyên sâu về phương pháp nhiễu loạn homotopy tiếp tục phát triển theo các hướng trọng điểm:\u003C\u002Fp>\n\n\u003Cul>\n\u003Cli>\u003Cstrong>Tự động hóa tính toán ký hiệu:\u003C\u002Fstrong> Xây dựng các thuật toán đại số máy tính để tự động hóa quy trình phân rã toán tử, tính toán đa thức He và giải các phương trình vi phân tuyến tính ở từng bậc xấp xỉ.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Mở rộng cho các hệ phương trình đạo hàm riêng liên kết:\u003C\u002Fstrong> Phát triển các sơ đồ HPM hiệu chỉnh để giải đồng thời các hệ phương trình đạo hàm riêng phi tuyến nhiều chiều trong vật lý plasma và cơ học môi trường liên tục.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Ứng dụng cho phương trình vi phân phân thứ:\u003C\u002Fstrong> Kết hợp HPM với các định nghĩa đạo hàm phân thứ để mô hình hóa chính xác các quá trình truyền dẫn dị thường và vật liệu nhớt đàn hồi.\u003C\u002Fli>\n\u003C\u002Ful>\n","Phương pháp nhiễu loạn homotopy","homotopy perturbation method",[20,21],"kỹ thuật nhiễu loạn homotopy","HPM","Phương pháp nhiễu loạn homotopy là kỹ thuật giải tích bán giải tích kết hợp biến dạng đồng luân và lý thuyết nhiễu loạn để giải phương trình vi phân phi tuyến mà không cần tham số nhỏ.","NATURAL_SCIENCES",[25,32,38,44,49],{"citationText":26,"title":27,"authors":28,"source":29,"year":30,"doi":31,"url":10},"He, J. H. (1999). Homotopy perturbation technique. Computer Methods in Applied Mechanics and Engineering, 178(3-4), 257-262.","Homotopy perturbation technique","He, J. H.","Computer Methods in Applied Mechanics and Engineering",1999,"10.1016\u002FS0045-7825(99)00018-3",{"citationText":33,"title":34,"authors":28,"source":35,"year":36,"doi":37,"url":10},"He, J. H. (2000). A coupling method of a homotopy technique and a perturbation technique for non-linear problems. International Journal of Non-Linear Mechanics, 35(1), 37-43.","A coupling method of a homotopy technique and a perturbation technique for non-linear problems","International Journal of Non-Linear Mechanics",2000,"10.1016\u002FS0020-7462(98)00085-7",{"citationText":39,"title":40,"authors":28,"source":41,"year":42,"doi":43,"url":10},"He, J. H. (2003). Homotopy perturbation method: a new nonlinear analytical technique. Applied Mathematics and Computation, 135(1), 73-79.","Homotopy perturbation method: a new nonlinear analytical technique","Applied Mathematics and Computation",2003,"10.1016\u002FS0096-3003(01)00312-5",{"citationText":45,"title":46,"authors":28,"source":41,"year":47,"doi":48,"url":10},"He, J. H. (2004). Comparison of homotopy perturbation method and homotopy analysis method. Applied Mathematics and Computation, 156(2), 527-539.","Comparison of homotopy perturbation method and homotopy analysis method",2004,"10.1016\u002Fj.amc.2003.08.008",{"citationText":50,"title":51,"authors":52,"source":53,"year":54,"doi":55,"url":10},"Biazar, J., & Eslami, M. (2011). A new homotopy perturbation method for solving systems of partial differential equations. Computers & Mathematics with Applications, 62(1), 225-234.","A new homotopy perturbation method for solving systems of partial differential equations","Biazar, J., Eslami, M.","Computers & Mathematics with Applications",2011,"10.1016\u002Fj.camwa.2011.04.070",[57,60,63,66],{"question":58,"answer":59},"Phương pháp nhiễu loạn homotopy khác gì so với phương pháp nhiễu loạn cổ điển?","Khác biệt cốt tử nằm ở chỗ phương pháp nhiễu loạn cổ điển bắt buộc phương trình phải chứa một tham số vật lý nhỏ, trong khi phương pháp nhiễu loạn homotopy đưa vào tham số nhúng nhân tạo p thuộc đoạn [0, 1]. Nhờ đó, phương pháp áp dụng được cho mọi bài toán phi tuyến mà không phụ thuộc vào sự tồn tại của tham số bé tự nhiên.",{"question":61,"answer":62},"Đa thức He trong phương pháp HPM có vai trò gì?","Đa thức He được sử dụng để phân tích các số hạng phi tuyến phức tạp thành chuỗi lũy thừa theo tham số nhúng p thông qua phép lấy đạo hàm Taylor tại điểm p = 0. Kỹ thuật này giúp chuyển đổi việc giải phương trình phi tuyến thành một chuỗi các phương trình vi phân tuyến tính có thể giải tuần tự bằng công cụ giải tích thông thường.",{"question":64,"answer":65},"Làm thế nào để xử lý số hạng thế tục khi áp dụng HPM cho bài toán dao động?","Khi xuất hiện các số hạng thế tục làm nghiệm phân kỳ theo thời gian, người nghiên cứu kết hợp HPM với kỹ thuật biến đổi tần số Lindstedt-Poincaré. Bằng cách khai triển tần số dao động theo chuỗi của tham số nhúng p và triệt tiêu các hệ số gây cộng hưởng ở từng bậc, nghiệm tuần hoàn thu được sẽ duy trì tính tuần hoàn và độ chính xác cao.",{"question":67,"answer":68},"Tại sao phương pháp HPM thường được kết hợp với xấp xỉ Padé?","Trong các bài toán phi tuyến mạnh, chuỗi lũy thừa đồng luân có thể có bán kính hội tụ hữu hạn khiến nghiệm xấp xỉ bị hạn chế trên miền khảo sát lớn. Việc chuyển đổi chuỗi đa thức thu được từ HPM sang phân thức hữu tỉ Padé giúp mở rộng đáng kể miền hội tụ và nâng cao độ chính xác của nghiệm xấp xỉ.",{"id":70,"researcherId":10,"name":71,"imageUrl":72},2681,"Cuong Ta","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocKFuWh0ZD601Hp0_V_2xAK3kIOs20Kyv3V5ZLBo6fwfjyymJYzE=s96-c",{"id":74,"researcherId":10,"name":75,"imageUrl":76},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",[78,79,80,81,82,83,84,85,86,87],"vật lý lý thuyết","phương trình vi phân phi tuyến","phương trình phi tuyến","hệ thống phi tuyến","phương trình vi phân","toán tử vi phân","tương tác phi tuyến","phương trình vi phân tuyến tính","đại số tuyến tính","quá trình khuếch tán",10,true,"PUBLISHED","2025-12-01T09:43:10.569+00:00","2026-09-08T11:10:05.747+00:00","2026-09-08T10:22:40.875+00:00","2026-09-08T11:10:05.243+00:00",0,[97,100,103,106,109,112,115,118,121,124],{"id":98,"title":99,"term":98,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"năng lực mô hình hóa toán học","Năng lực mô hình hóa toán học là gì? Các nghiên cứu khoa học",{"id":101,"title":102,"term":101,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"toán cao cấp","Toán cao cấp là gì? Các nghiên cứu khoa học về Toán cao cấp",{"id":104,"title":105,"term":104,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"simulink","Simulink là gì? Các công bố khoa học về Simulink",{"id":107,"title":108,"term":107,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"simulation","Simulation là gì? Các nghiên cứu khoa học về mô phỏng",{"id":110,"title":111,"term":110,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"bộ lọc kalman","Bộ lọc kalman là gì? Các nghiên cứu khoa học về Bộ lọc kalman",{"id":113,"title":114,"term":113,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"phương trình chuyển động","Phương trình chuyển động là gì? Các bài nghiên cứu khoa học",{"id":116,"title":117,"term":116,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"mô hình hóa toán học","Mô hình hóa toán học là gì? Các nghiên cứu khoa học",{"id":119,"title":120,"term":119,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"trường điện từ","Trường điện từ là gì? Các nghiên cứu khoa học về Trường điện từ",{"id":122,"title":123,"term":122,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"trào lưu công suất","Trào lưu công suất là gì? Các công bố khoa học về Trào lưu công suất",{"id":81,"title":125,"term":81,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"Hệ thống phi tuyến là gì? Các nghiên cứu khoa học liên quan"]