שתי תמונות לאותה מערכת
משוואות לינאריות ומטריצות הפוכות
Linear Equations and Inverse Matrices
כאן האלגברה הליניארית נכנסת לבמה מן היסוד. אותה מערכת Ax=b היא אוסף אילוצים, צירוף של עמודות ופעולה גאומטרית; אלימינציה, כפל והופכי הם דרכים שונות להבין ולחשב את אותו מבנה.
מפת הפרק
5 תחנות בדרך
5 יחידות לימוד עצמאיות · כ־5 שעות ו־10 דקות לשיעורים ולתרגול
- 4.1יחידת לימוד55 דקות
שתי התמונות של משוואות לינאריות
שאלה 1: מה ננסה להבין?בונים את הכתיב Ax=b וקוראים אותו גם כחיתוך אילוצים בתמונת השורות וגם כצירוף שמייצר את b בתמונת העמודות.
לשיעור ← - 4.2יחידת לימוד65 דקות
פתרון באמצעות אלימינציה
שאלה 2: מה ננסה להבין?הופכים מערכת למשולשת באמצעות פעולות שורה, pivots והחלפות; אחר כך אורזים את החישוב בפירוק PA=LU.
לשיעור ← - 4.3יחידת לימוד60 דקות
כפל מטריצות
שאלה 3: מה ננסה להבין?מחשבים AB בארבע זוויות ורואים מדוע זו הרכבת פעולות שבה B פועלת ראשונה.
לשיעור ← - 4.4יחידת לימוד65 דקות
מטריצות הפוכות
שאלה 4: מה ננסה להבין?מגדירים מתי אפשר לבטל פעולה, בונים A⁻¹ באמצעות Gauss–Jordan ומקשרים הפיכות לפתרון יחיד לכל b.
לשיעור ← - 4.5יחידת לימוד65 דקות
מטריצות סימטריות ואורתוגונליות
שאלה 5: מה ננסה להבין?לומדים טרנספוזיציה, מכפלה פנימית ואורתונורמליות, ומוכיחים שמטריצה אורתוגונלית משמרת אורכים וזוויות.
לשיעור ←
ביד, שלב אחר שלב
אותה מערכת בארבע שפות
נתונה המערכת 2x+y=7, x−y=1. פתרו אותה וקראו את התוצאה כתמונה, כצירוף עמודות, באלימינציה ובעזרת הופכי.
- 1
בתמונת השורות, כל משוואה היא ישר במישור. הפתרון הוא הנקודה היחידה שמונחת על שני הישרים.
- 2
בתמונת העמודות מחפשים משקלים x,y כך ש־x(2,1)+y(1,−1)=(7,1). אותם משקלים הם הנעלמים של המערכת.
- 3
מחברים את שתי המשוואות ומבטלים את y: מתקבל 3x=8, ולכן x=8/3. הצבה ב־x−y=1 נותנת y=5/3.
- 4
האלימינציה מצאה pivot לכל נעלם, ולכן אפשר לבטל את הפעולה של A. בשיעור 4.4 נבנה את A⁻¹ ונראה שכפל A⁻¹b נותן שוב (8/3,5/3).
- 5
בדיקת הסיום היא כפל חזרה: A(8/3,5/3)=(7,1). הבדיקה מחברת את כל ארבע השפות לאותו פתרון.
x=(8/3,5/3), Ax=b, וכל ארבע דרכי הקריאה מסכימות.ניבוי, ניסוי והסבר
מעבדת חקר: משתי תמונות לאלימינציה, הרכבה והופכי
התחילו מתחנה אחת, נבאו את התוצאה ורק אז שנו פרמטר. בכל תחנה תקבלו משוב וקישור לשיעור שעליו היא בנויה.
פרק 4 · ארבע תחנות חקר
מ־Ax=b לפעולה שאפשר להרכיב ולבטל
נבאו, בדקו והסבירו: שתי תמונות של מערכת, אלימינציה ופירוק, סדר הכפל, הופכי ושימור גאומטרי.
המעבדה עוברת מן הגאומטריה אל האלגוריתם: שתי תמונות של מערכת, אלימינציה מתועדת, כפל כהרכבה ולבסוף בדיקות של הפיכות ושימור גאומטרי. בכל תחנה מנבאים לפני שמשנים לכל היותר שלושה פרמטרים.
תחנה 1 מתוך 4
שתי תמונות של אותה מערכת
- המטרה
- לזהות כי נקודת החיתוך בתמונת השורות היא בדיוק וקטור המקדמים שבונה את b בתמונת העמודות.
- המשימה
- בחרו מבנה מערכת, נבאו את מספר הפתרונות, ואז שנו רק את אגף ימין ובדקו את שתי התמונות יחד.
1x₁ + 1x₂ = 3
דרגה (rank) היא כאן מספר האילוצים העצמאיים — ובתמונת העמודות מספר הכיוונים העצמאיים. את ההגדרה הפורמלית נבנה בפרק 5.
- סיווג
- פתרון יחיד
- det(A)
- 1
- rank(A)
- 2
- rank([A|b])
- 2
x=(2, 1), Ax=(2, 3)
דרגת A היא 2 ודרגת [A|b] היא 2; לכן פתרון יחיד. נקודת החיתוך ומקדמי העמודות הם (2, 1).
- שורה או עמודה 1
- שורה או עמודה 2
- היעד b
- מרחב העמודות במצב סינגולרי
סיווג המערכת: פתרון יחיד.
עכשיו בקוד
אותו רעיון, כאלגוריתם
הקוד קצר בכוונה: כל שורה מקבילה לצעד בחישוב הידני.
מהרעיון אל הקוד
מימוש חישובי
function solve2x2([[a, b], [c, d]], [u, v], eps = 1e-10) {
const det = a * d - b * c;
const detScale = Math.abs(a * d) + Math.abs(b * c);
if (det !== 0) {
return {
determinant: det,
status: "unique",
numericallyReliable: Math.abs(det) > eps * detScale,
solution: [(u * d - b * v) / det, (a * v - u * c) / det],
};
}
const coefficientsAreZero = a === 0 && b === 0 && c === 0 && d === 0;
const firstMinorScale = Math.abs(a * v) + Math.abs(c * u);
const secondMinorScale = Math.abs(b * v) + Math.abs(d * u);
const consistent = coefficientsAreZero
? u === 0 && v === 0
: Math.abs(a * v - c * u) <= eps * firstMinorScale
&& Math.abs(b * v - d * u) <= eps * secondMinorScale;
return {
determinant: det,
status: consistent ? "infinite" : "none",
numericallyReliable: true,
};
}
const examples = [
{ A: [[2, 1], [1, -1]], b: [7, 1] },
{ A: [[1, 1], [2, 2]], b: [3, 6] },
{ A: [[1, 1], [2, 2]], b: [3, 7] },
];
console.table(examples.map(({ A, b }) => ({ b: b.join(","), ...solve2x2(A, b) })));def solve_2x2(A, target, eps=1e-10):
(a, b), (c, d) = A
u, v = target
determinant = a*d-b*c
determinant_scale = abs(a*d)+abs(b*c)
if determinant != 0:
x = (u*d-b*v)/determinant
y = (a*v-u*c)/determinant
return {"determinant": determinant,
"status": "unique",
"numerically_reliable": abs(determinant) > eps*determinant_scale,
"solution": [x, y]}
coefficients_are_zero = a == b == c == d == 0
first_minor_scale = abs(a*v)+abs(c*u)
second_minor_scale = abs(b*v)+abs(d*u)
consistent = ((u == 0 and v == 0) if coefficients_are_zero
else abs(a*v-c*u) <= eps*first_minor_scale
and abs(b*v-d*u) <= eps*second_minor_scale)
return {"determinant": determinant,
"status": "infinite" if consistent else "none",
"numerically_reliable": True}
examples = [
([[2, 1], [1, -1]], [7, 1]),
([[1, 1], [2, 2]], [3, 6]),
([[1, 1], [2, 2]], [3, 7]),
]
for A, b in examples:
print(solve_2x2(A, b))בדיקת שליטה מצטברת
האם כל פרק 4 יושב במקום?
חמש שאלות קצרות בודקות את הרצף כולו — משתי התמונות של Ax=b ועד כפל, הופכי ושימור גאומטרי. לאחר הבדיקה תקבלו הסבר וקישור לשיעור המדויק שכדאי לחזור אליו.
מקורות להעמקה בלבד — הפרק באתר עומד בפני עצמו
מדריך המרצים: עמ׳ 99–130. הפניות מדויקות לספר מופיעות בתחתית כל שיעור.