1
Fondamenti dell'Eliminazione Gaussiana
MATH007Lesson 6
00:00
Immagina la sfida di risolvere un sistema con migliaia di variabili. Come possiamo estrarre la verità da una griglia caotica di coefficienti? Eliminazione Gaussiana è il nostro strumento fondamentale, un'elaborazione sistematica delle variabili che riduce i sistemi complessi a una forma triangolare chiara, dove le soluzioni possono essere trovate una alla volta tramite sostituzione all'indietro.

L'Architettura dei Sistemi Lineari

Nell'analisi numerica, rappresentiamo un sistema di $n$ equazioni lineari come il prodotto matriciale $Ax = \mathbf{b}$. Qui, $A$ è una matrice quadrata di coefficienti $n \times n$, $x$ è il vettore delle incognite e $\mathbf{b}$ è il vettore dei termini noti. Per eseguire operazioni in modo efficiente, utilizziamo la Matrice Aggiunta $[A, \mathbf{b}]$.

Il Principale Obiettivo
Attraverso una sequenza di Operazioni Elementari sulle Righe (ERO), miriamo a trasformare lo stato del sistema in una forma equivalente Triangolare Superiore forma $U$: $$[A, \mathbf{b}] \rightarrow [U, \mathbf{b}']$$ dove tutti gli elementi al di sotto della diagonale $u_{ii}$ sono nulli.

Operazioni Elementari sulle Righe (ERO)

L'integrità del nostro insieme di soluzioni si basa su tre mosse che preservano l'invariante:

  • Scambio: $(E_i) \leftrightarrow (E_j)$ — Scambio di righe per posizionare un miglior pivot.
  • Moltiplicazione per uno scalare: $(\lambda E_i) \rightarrow (E_i)$ — Moltiplicazione di una riga per uno scalare diverso da zero.
  • Sostituzione: $(E_i + \lambda E_j) \rightarrow (E_i)$ — Il cuore dell'eliminazione. In particolare, usiamo il moltiplicatore $m_{j1} = a_{j1}/a_{11}$ per calcolare $(E_j - m_{j1} E_1) \rightarrow (E_j)$.

Anatomia e Proprietà delle Matrici

Secondo il Teorema 6.8, le operazioni matriciali seguono leggi algebriche specifiche, come Associatività ($A(BC) = (AB)C$), tuttavia famosamente mancano di Commutatività ($AB \neq BA$ in generale). Riconoscere strutture particolari come Matrici Simmetriche ($A = A^t$) e Matrici Identità ($I_n$) permette metodi di fattorizzazione specializzati e più veloci, come $LDL^t$.

🎯 Principio Fondamentale: Invarianza
Le ERO non modificano l'insieme delle soluzioni perché ogni operazione è perfettamente invertibile. Applicandole alla matrice aggiunta, risolviamo tutte le equazioni simultaneamente senza perdere il legame logico tra i coefficienti e i termini noti.