Definícia lineárnej rovnice a sústavy lineárnych rovníc
Tri možné prípady riešenia: jedno riešenie / žiadne riešenie / nekonečne veľa riešení
Maticový zápis sústavy: Ax = b
Pojem koeficientová matica, rozšírená matica sústavy (A|b)
Motivácia z praxe: ekonomické sústavy, optimalizácia, rovnovážne ceny
2
Ekvivalentné úpravy (ER1 – ER4)
10 min
⌄
ER1: Výmena poradia dvoch rovníc
ER2: Vynásobenie rovnice nenulovou konštantou
ER3: Pripočítanie k-násobku jednej rovnice k inej rovnici
ER4: Vynechanie nulového riadku (0=0) alebo lineárne závislej rovnice
Prečo tieto úpravy nemenia riešenie sústavy
3
Gaussova eliminačná metóda — teória a postup
15 min
⌄
Schodíkovitý tvar matice — definícia a podmienky
Pojem pivot (vedúci prvok riadku)
Postup doprednej eliminácie: vynulovanie prvkov pod pivotom
Spätná substitúcia: výpočet neznámych zhora nadol
Čítanie výsledku zo schodíkovitého tvaru
4
Cramerovo pravidlo
10 min
⌄
Determinant matice 2×2 a 3×3
Podmienka použitia: det(A) ≠ 0
Výpočet xᵢ = det(Aᵢ) / det(A)
Výhody a obmedzenia Cramerovho pravidla vs. Gauss
5
Riešené príklady (8 príkladov)
35 min
⌄
P1: 2×2 sústava — Gauss, práve jedno riešenie
P2: 3×3 sústava — Gauss, práve jedno riešenie (celočíselné)
P3: Sústava bez riešenia (spor 0 = konštanta ≠ 0)
P4: Sústava s nekonečne veľa riešeniami (voľná premenná)
P5: Sústava 3×3 s parametrom — výber ER3
P6: Sústava z prílohy SALI — príklad a)
P7: Sústava z prílohy SALI — príklad b)
P8: Cramerovo pravidlo — sústava 3×3
6
Zhrnutie a preskúšanie
20 min
⌄
Zhrnutie: tri typy riešení a ako ich spoznáme zo schodíkovitého tvaru
Porovnanie metód: Gauss vs. Cramer
Test: 5 × Pravda/Nepravda + 5 × výber zo 4 možností
Hodnotenie A–FX (FX < 50 %)
Známka
Body
Percentá
Slovné hodnotenie
A
90–100
90–100 %
Výborne
B
80–89
80–89 %
Veľmi dobre
C
70–79
70–79 %
Dobre
D
60–69
60–69 %
Uspokojivo
E
50–59
50–59 %
Dostatočne
FX
0–49
0–49 %
Nedostatočne
Prehľad — tri prípady riešenia sústavy
Prípad
Schodíkovitý tvar
Záver
Geometricky (2 rovnice, 2 neznáme)
Práve jedno riešenie
Plný rank, bez sporu
Sústava je jednoznačne riešiteľná
Dve priamky sa pretínajú v jednom bode
Žiadne riešenie
Riadok: 0 = k ≠ 0
Sústava je nesúrodá (spor)
Dve rovnobežné priamky (bez priesečníka)
∞ riešení
Nulový riadok: 0 = 0
Sústava má voľnú premennú
Dve priamky splývajú (sú totožné)
1. Sústava lineárnych rovníc
Definícia — lineárna rovnica
Lineárna rovnica s n neznámymi x₁, x₂, …, xₙ má tvar: a₁x₁ + a₂x₂ + … + aₙxₙ = b
kde a₁, …, aₙ sú koeficienty a b je pravá strana (všetky sú reálne čísla).
Definícia — sústava lineárnych rovníc (SLR)
Sústava m lineárnych rovníc s n neznámymi. Maticový zápis: Ax = b,
kde A je matica koeficientov (m×n), x je stĺpec neznámych, b je stĺpec pravých strán.
Definícia — rozšírená matica sústavy
Matica (A|b) — koeficientová matica A doplnená o stĺpec pravých strán b.
Na tejto matici vykonávame všetky ekvivalentné úpravy.
2. Ekvivalentné úpravy (ER1 – ER4)
Úpravy, ktoré nemenia množinu riešení sústavy. Aplikujeme ich na riadky rozšírenej matice.
ER1
Výmena poradia rovníc
Navzájom sa vymenia pozície dvoch ľubovoľných rovníc (riadkov). Poradie nemá vplyv na spoločné riešenie sústavy.
ER2
Vynásobenie nenulovou konštantou
Ľubovoľnú rovnicu vynásobíme nenulovou konštantou k ≠ 0. Riešenie rovnice sa nemení, lebo delíme/násobíme obe strany rovnako.
ER3
Pripočítanie k-násobku inej rovnice
Najdôležitejšia úprava Gaussovej eliminácie. K jednej rovnici pripočítame k-násobok inej rovnice. Používa sa na vynulovanie koeficientov pod pivotom.
ER4
Vynechanie závislej rovnice
Vynecháme nulový riadok (0 = 0) alebo rovnicu, ktorá je lineárnou kombináciou iných rovníc. Pozor: 0 = k (k ≠ 0) je spor → žiadne riešenie!
3. Schodíkovitý tvar matice
Definícia — pivot
Pivot (vedúci prvok riadku) je prvý nenulový prvok v riadku (čítaný zľava).
Matica je v schodíkovitom tvare, ak:
Pivot každého nenulového riadku leží napravo od pivotu predchádzajúceho riadku
Nulové riadky (0 = 0) sú na spodku matice
Všetky prvky pod pivotom v danom stĺpci sú nulové
⚠️ Pozor na spor! Ak sa po eliminácii objaví riadok tvaru 0 = k (k ≠ 0), napr. 0 0 | 5, sústava nemá žiadne riešenie.
✅ Nulový riadok tvaru 0 0 | 0 (t. j. 0 = 0) signalizuje závislé rovnice — sústava má nekonečne veľa riešení a voľnú premennú.
Gaussova eliminačná metóda — postup
Základný princíp: Pomocou ekvivalentných úprav ER1–ER4 prevedieme rozšírenú maticu (A|b) do schodíkovitého tvaru, z ktorého priamou substitúciou (zdola nahor) vypočítame neznáme.
Krok za krokom
1
Zostavíme rozšírenú maticu (A|b) — prepíšeme koeficienty rovníc do matice vrátane pravých strán za oddeľovacou čiarou.
2
Vyberieme pivot v prvom stĺpci (prvý nenulový prvok). Prípadne vymeníme riadky (ER1) tak, aby pivot nebol nula.
3
Vynulujeme prvky pod pivotom pomocou ER3: od každého riadku pod pivotom odčítame vhodný násobok pivotového riadku.
4
Opakujeme pre nasledujúci stĺpec (ignorujeme prvý riadok) — až kým nedostaneme schodíkovitý tvar.
Spätná substitúcia: z poslednej rovnice vypočítame poslednú neznámu, dosadíme nahor a postupne vypočítame všetky neznáme.
Interaktívna Gaussova eliminácia — sústava 3×3
🔬 Zadaj koeficienty sústavy a|b (3 rovnice, 3 neznáme)
Formát: koeficienty x₁, x₂, x₃ | pravá strana b pre každý riadok
x₁
x₂
x₃
b
Ilustratívny príklad v krokoch
Sústava: 2x + y − z = 8 | −3x − y + 2z = −11 | −2x + y + 2z = −3
Krok 1 — Rozšírená matica (A|b)
[
2
1
−1
8
−3
−1
2
−11
−2
1
2
−3
]
↓ R₂ = R₂ + (3/2)·R₁ R₃ = R₃ + R₁
Krok 2 — Po eliminácii prvého stĺpca
[
2
1
−1
8
0
1/2
1/2
1
0
2
1
5
]
↓ R₃ = R₃ − 4·R₂
Krok 3 — Schodíkovitý tvar
[
2
1
−1
8
0
1/2
1/2
1
0
0
−1
1
]
✅ Spätná substitúcia:
z posledného riadku: −z = 1 → z = −1
z druhého riadku: ½y + ½(−1) = 1 → y = 3
z prvého riadku: 2x + 3 − (−1) = 8 → x = 2 Riešenie: x = 2, y = 3, z = −1Práve jedno riešenie
Cramerovo pravidlo
Cramerovo pravidlo — podmienka použitia
Cramerovo pravidlo možno použiť iba vtedy, ak determinant koeficientovej matice det(A) ≠ 0. V takom prípade má sústava práve jedno riešenie.
Vzorce
xᵢ = det(Aᵢ) / det(A) pre i = 1, 2, ..., n
kde Aᵢ je matica A, v ktorej i-tý stĺpec nahradíme pravou stranou b.
✅ Výsledok:
x = det(A₁)/det(A) = −6/(−3) = 2
y = det(A₂)/det(A) = −3/(−3) = 1 Riešenie: x = 2, y = 1
⚠️ Kedy Cramer NESTAČÍ: Pre veľké sústavy (n ≥ 4) je výpočet determinantov veľmi náročný. Gaussova eliminácia je v praxi efektívnejšia. Cramer je vhodný hlavne pre 2×2 a 3×3 sústavy s pekným det(A).
Porovnanie metód
Vlastnosť
Gaussova eliminácia
Cramerovo pravidlo
Použiteľnosť
Vždy (ľubovoľná sústava)
Len ak det(A) ≠ 0
Efektívnosť
Veľmi efektívna pre veľké sústavy
Náročná pre n ≥ 4
Výsledok pri det=0
Zistí žiadne / ∞ riešení
Nelze použiť
Vhodnosť pre prax
⭐⭐⭐ Primárna metóda
⭐⭐ Teoretický nástroj
Príklady vychádzajú z priloženej prezentácie (SALI). Klikni na Zobraziť riešenie až po vlastnom pokuse.
📝 10 otázok⏱ 20 minút🎯 Každá otázka = 10 bodov🎓 FX = menej ako 50 %
0 / 10 zodpovedaných
Doplňujúce materiály
📌 Najčastejšie chyby
Záporné znamienka pri ER3: Veľmi časté — pri odčítaní riadkov pozor na znamienko celého výrazu.
Spor vs. nulový riadok:0 | 5 je spor (žiadne riešenie), 0 | 0 je nulový riadok (voľná premenná).
Delenie nulou: Pivot nesmie byť nula — ak je, vymeňte riadky (ER1).
Zabudnutie na spätné dosadenie: Schodíkovitý tvar je len medzivýsledok — výsledok sú hodnoty neznámych x₁, x₂, x₃.
Cramer pri det=0: Ak det(A)=0, Cramer sa nedá použiť — použijeme Gauss.
🔗 Prepojenie s manažérskou praxou
Rovnovážne ceny: Sústava dopytových a ponukových rovníc — riešenie = trhová rovnováha
Portfólio alokácia: Rozdelenie investícií medzi aktíva tak, aby sme splnili viacero podmienok súčasne
Dopravný model: Tok tovaru medzi skladmi a odberateľmi — sústava bilančných rovníc
Input-Output analýza (Leontief): Maticová sústava Ax = b popisuje medzisektorové väzby v ekonomike
Regresia (MNŠ): Normálne rovnice tvorí sústava lineárnych rovníc