Gaussova eliminace
Řádkové úpravy, pivot, schodovitý tvar, Gauss–Jordan.
Univerzální početní nástroj celé lineární algebry: převod matice na schodovitý tvar a co z něj vyčteš.
Přednáška 2
3.1Proč Gaussovu metodu potřebuješ
Stejná metoda řeší několik zdánlivě různých úloh: soustavy rovnic, hodnost matic, zjištění lineární nezávislosti, hledání báze, výpočet inverzní matice, jádra lineárního zobrazení a někdy i determinanty.
Princip: postupnými úpravami uděláš z nepřehledné matice jednoduchou, aniž bys změnil řešení odpovídající soustavy nebo hodnost.
3.2Tři povolené řádkové úpravy
- Výměna dvou řádků: .
- Násobení celého řádku nenulovým číslem: .
- Přičtení násobku jiného řádku: .
Při sčítání/mínus musíš provést operaci pro všechny sloupce řádku, včetně pravé strany, je-li připojena.
Proč se nesmí řádek násobit nulou: ztratily by se informace a operace by nešla obrátit.
3.3Co je pivot a schodovitý tvar
Pivot je první nenulový prvek zleva v nenulovém řádku. Ve schodovitém tvaru jsou všechny nenulové řádky nahoře, nuly pod pivoty a další pivot v následujícím řádku leží víc vpravo.
Příklad schodovitého tvaru:
Pivoty jsou v pozicích , , ; nejsou nutně všechny na diagonále.
Redukovaný schodovitý tvar (RREF): pivoty se navíc upraví na 1 a nad i pod každým pivotem jsou nuly. Pro určení řešení je výborný, ale často není nutné jít tak daleko.
3.4Podrobný univerzální algoritmusPostup
- Napiš matici (pro soustavu rozšířenou matici ).
- Ve sloupci, kde chceš pivot, najdi nenulový prvek; pokud první řádek nemá vhodné číslo, řádky prohoď.
- Vyber pivot (pro pohodlné počítání třeba 1 nebo -1).
- Pomocí přičítání násobků pivotového řádku udělej pod pivotem nuly.
- Přesuň se na další řádek a další vhodný sloupec.
- Takto pokračuj až do schodovitého tvaru.
- Zjisti, zda je řádek s . Pokud ano, soustava nemá řešení.
- Jinak zvol volné proměnné (sloupce bez pivotu) jako parametry a pivotové proměnné dopočítej zpětným dosazováním.
- Pro kontrolu dosaď řešení do všech původních rovnic.
3.5Ukázka se třemi neznámými
Řeš soustavu
Rozšířená matice:
První krok: první pivot je 1 v levém horním rohu. Odstraň z druhého a třetího řádku:
Druhý krok: odstraň z třetího řádku: .
Zpětné dosazení: .
Druhý řádek: .
První řádek: .
Kontrola ve druhé původní rovnici: . Souhlasí.
3.6Když vyjde nekonečně mnoho řešení
Druhý řádek je dvojnásobek prvního. Gauss dá
Máme tři proměnné, ale jen jeden pivot. Zvolíme . Potom
Kompletní řešení, ne pouze jedno:
Důležitá myšlenka: volná proměnná nezmizela; je to parametr, který si smíš zvolit libovolně. Proto jsou nekonečně mnohá řešení.
3.7Když řešení neexistuje
Po odečtení dvojnásobku prvního řádku od druhého:
Druhý řádek znamená , což je spor. Žádné řešení neexistuje. Nezáleží na tom, jaké zvolíš .
3.8Gauss–Jordanova metoda
Gauss odstraňuje prvky pod pivoty. Gauss–Jordan pokračuje i nad nimi a pivoty převádí na 1. Z předchozí matice může vzniknout:
Výhoda: výsledek čteš rovnou, bez zpětného dosazování. Nevýhoda: obvykle více početních operací.
3.9Jak poznáš hodnost ze schodovitého tvaru
Hodnost je počet nenulových řádků v libovolném schodovitém tvaru, tedy počet pivotů. Příklad:
má hodnost 2, protože má dvě nenulové řádky a dva pivoty.
3.10Jak řešit zadání s parametrem
Na začátku si poznamenáš: nesmím dělit výrazem bez rozlišení, zda .
Příklad:
Po dostaneš .
- Pro : a .
- Pro : rovnice se změní na , takže soustava nemá řešení.
Univerzální pravidlo: výrazy, podle nichž bys dělil, jsou kandidáti na kritické hodnoty parametru. Pro každou kritickou hodnotu se vrať do matice před dělením a samostatně dopočítej hodnosti.
3.11Nejčastější chyby
- Přepíšeš špatně znaménko v jednom řádku. Piš explicitně .
- Zapomeneš provést operaci i na pravé straně rozšířené matice.
- Považuješ nulový řádek za „bez řešení“. Nulový řádek znamená redundantní rovnici; spor je až .
- Zapomeneš přidat parametry za volné proměnné.
- Zaměníš počet řádků a počet pivotů.
- Vydělíš parametrickým výrazem, který může být nulový.
3.12Dvě kontrolní úlohy
- → nekonečně mnoho řešení, .
- → žádné řešení.
Přenos do dalších kapitol: stejná eliminace tě bude provázet při počítání hodnosti, inverzní matice, báze, vlastních vektorů i ortogonálních projekcí.