Fizyka 3: Odkrywamy Tajniki Układów Równań Liniowych z Trzema Niewiadomymi
Fizyka 3: Odkrywamy Tajniki Układów Równań Liniowych z Trzema Niewiadomymi
W świecie nauki, a zwłaszcza w dziedzinie fizyki, często napotykamy na problemy, których rozwiązanie wymaga analizy zależności między wieloma zmiennymi. Kluczem do ich zrozumienia i efektywnego modelowania są układy równań liniowych. Szczególnie fascynujący i niezwykle użyteczny jest przypadek układu trzech równań liniowych z trzema niewiadomymi. To właśnie one stanowią fundament dla analizy zjawisk w trzech wymiarach, od mechaniki kwantowej po dynamikę płynów i analizę obwodów elektrycznych.
Niniejszy artykuł zabierze Państwa w podróż przez meandry układów równań liniowych z trzema niewiadomymi. Postaramy się nie tylko przedstawić teoretyczne podstawy, ale przede wszystkim ukazać praktyczne aspekty ich rozwiązywania, znaczenie dla różnych dziedzin nauki oraz potencjalne wyzwania, jakie mogą się pojawić na tej drodze. Naszym celem jest nie tylko przekazanie wiedzy, ale również rozbudzenie ciekawości i pokazanie, jak potężnym narzędziem matematycznym dysponujemy.
Podstawy i Znaczenie Układów Równań z Trzema Niewiadomymi
Zacznijmy od definicji. Układ równań liniowych z trzema niewiadomymi to zbiór trzech równań pierwszego stopnia, w których występują trzy różne zmienne, zazwyczaj oznaczane jako $x$, $y$ i $z$. Rozwiązanie takiego układu polega na znalezieniu takiej trójki liczb $(x, y, z)$, która jednocześnie spełnia wszystkie trzy równania. Mówiąc językiem geometrii, każde z tych równań opisuje płaszczyznę w trójwymiarowej przestrzeni kartezjańskiej. Rozwiązanie układu to zatem punkt, w którym wszystkie trzy płaszczyzny się przecinają. Jeśli płaszczyzny te przecinają się w jednym punkcie, układ ma dokładnie jedno rozwiązanie. Jeśli punkty przecięcia tworzą linię, mówimy o nieskończonej ilości rozwiązań. Brak wspólnego punktu przecięcia wszystkich trzech płaszczyzn oznacza, że układ nie posiada rozwiązania.
Znaczenie tych układów w matematyce i algebrze liniowej jest nie do przecenienia. Stanowią one model dla wielu rzeczywistych problemów w fizyce, inżynierii, ekonomii, biologii, a nawet w grafice komputerowej. Przykładowo, w fizyce możemy używać ich do obliczania sił działających na ciało w przestrzeni, analizy przepływu prądu w sieciach elektrycznych, czy opisu ruchu ciał w polu grawitacyjnym. Ekonomia wykorzystuje je do analizy rynków, optymalizacji produkcji czy modelowania zależności między cenami i popytem.
Wyobraźmy sobie prosty przykład z fizyki: analizujemy siły działające na punkt materialny w przestrzeni. Siły te mogą być reprezentowane przez wektory. Aby znaleźć siłę wypadkową, której obecność zrównoważyłaby działanie wszystkich pozostałych sił (i tym samym wprowadziła ciało w stan równowagi), często sprowadzamy problem do układu równań opisujących składowe sił wzdłuż osi x, y i z. Rozwiązanie tego układu pozwoli nam określić dokładne wartości składowych szukanej siły.
Przykładowy układ równań z fizyki:
- W analizie obwodu elektrycznego z pętlami, gdzie chcemy określić prądy płynące w poszczególnych gałęziach.
- W mechanice, przy analizie równowagi ciała pod wpływem wielu sił.
- W optyce, przy wyznaczaniu trajektorii promieni światła w złożonych układach optycznych.
Zrozumienie nie tylko metod rozwiązywania, ale także interpretacji geometrycznej i fizycznej wyników jest kluczowe. To pozwala nam przejść od abstrakcyjnych obliczeń do praktycznego zastosowania w realnym świecie.
Potęga Metod Rozwiązywania Układów Równań
Algebra liniowa oferuje nam szereg eleganckich i systematycznych metod radzenia sobie z układami równań liniowych. Wybór odpowiedniej metody często zależy od specyfiki układu, liczby równań i niewiadomych, a także od osobistych preferencji i dostępnych narzędzi. Rozważmy najpopularniejsze z nich:
Metoda Podstawiania: Krok po Kroku do Rozwiązania
Metoda podstawiania, znana również jako metoda substytucji, jest jedną z najbardziej intuicyjnych technik rozwiązywania układów równań. Polega ona na wyznaczeniu jednej zmiennej z jednego z równań, a następnie „podstawieniu” tego wyrażenia do pozostałych równań. W ten sposób sukcesywnie redukujemy liczbę niewiadomych, aż do momentu, gdy pozostaje nam tylko jedno równanie z jedną zmienną, które możemy łatwo rozwiązać. Następnie, cofając się, obliczamy wartości pozostałych zmiennych.
Przykład praktyczny:
Rozważmy układ:
1. $x + 2y – z = 4$
2. $2x – y + 3z = 1$
3. $3x + y + 2z = 7$
Z równania (1) wyznaczamy $x$: $x = 4 – 2y + z$. Następnie podstawiamy to wyrażenie do równań (2) i (3).
Dla równania (2): $2(4 – 2y + z) – y + 3z = 1 \implies 8 – 4y + 2z – y + 3z = 1 \implies -5y + 5z = -7$
Dla równania (3): $3(4 – 2y + z) + y + 2z = 7 \implies 12 – 6y + 3z + y + 2z = 7 \implies -5y + 5z = -5$
Otrzymujemy nowy układ dwóch równań z dwiema niewiadomymi:
A. $-5y + 5z = -7$
B. $-5y + 5z = -5$
Już tutaj widzimy problem – lewe strony równań są identyczne, a prawe różne. To oznacza, że układ jest sprzeczny i nie ma rozwiązania. Ta szybka analiza pokazuje siłę metody podstawiania w identyfikacji problematycznych układów.
Wskazówka: Wybieraj do podstawienia zmienną z równania, w którym występuje z najmniejszymi współczynnikami, najlepiej z jedynką przy jednej ze zmiennych. Ułatwi to obliczenia i zminimalizuje ryzyko błędów.
Metoda Przeciwnych Współczynników (Eliminacji): Harmonijne Usuwanie Niewiadomych
Metoda przeciwnych współczynników, często nazywana metodą eliminacji, polega na takim przekształceniu równań (poprzez ich mnożenie przez odpowiednie stałe), aby po ich dodaniu lub odjęciu jedna ze zmiennych została wyeliminowana. Proces ten powtarza się, aż do momentu, gdy otrzymamy jedno równanie z jedną niewiadomą. Jest to metoda szczególnie efektywna, gdy współczynniki przy zmiennych są do siebie zbliżone lub gdy łatwo jest doprowadzić je do stanu przeciwnego.
Przykład praktyczny:
Rozważmy ponownie ten sam układ:
1. $x + 2y – z = 4$
2. $2x – y + 3z = 1$
3. $3x + y + 2z = 7$
Chcemy wyeliminować na przykład $y$. Pomnóżmy równanie (2) przez 2:
2′. $4x – 2y + 6z = 2$
Dodajmy równanie (1) do (2′):
$(x + 2y – z) + (4x – 2y + 6z) = 4 + 2 \implies 5x + 5z = 6$. Nazwijmy to równanie (4).
Teraz wyeliminujmy $y$ z równań (2) i (3). Pomnóżmy równanie (2) przez -1 i dodajmy do (3):
$(2x – y + 3z) * (-1) = 1 * (-1) \implies -2x + y – 3z = -1$
Dodajemy do równania (3):
$(-2x + y – 3z) + (3x + y + 2z) = -1 + 7 \implies x + 2y – z = 6$. Tu popełniłem błąd w obliczeniach, powinno być: $(-2x + y – 3z) + (3x + y + 2z) = -1 + 7 \implies x + 2y – z = 6$, co jest wynikiem błędnego mnożenia równania (2) przez -1. Poprawmy:
Pomnóżmy równanie (2) przez -1 i dodajmy do równania (3):
$(-2x + y – 3z) + (3x + y + 2z) = -1 + 7$. To nie jest dobrą drogą do eliminacji $y$.
Spróbujmy inaczej. Dodajmy równanie (2) i (3):
$(2x – y + 3z) + (3x + y + 2z) = 1 + 7 \implies 5x + 5z = 8$. Nazwijmy to równanie (5).
Otrzymaliśmy nowy układ z $x$ i $z$:
4. $5x + 5z = 6$
5. $5x + 5z = 8$
Ponownie widzimy sprzeczność: $5x + 5z$ nie może być jednocześnie równe 6 i 8. Układ jest sprzeczny.
Wskazówka: Zapisuj swoje przekształcenia w sposób uporządkowany. Używaj numeracji równań, aby łatwo wracać do poprzednich kroków i unikać pomyłek. Dobrze jest też zaznaczać, które równania ze sobą łączymy.
Metoda Eliminacji Gaussa: Systematyczne Przekształcanie Macierzy
Metoda eliminacji Gaussa jest potężnym algorytmem opartym na operacjach elementarnych na wierszach macierzy rozszerzonej układu. Macierz rozszerzona składa się z macierzy współczynników oraz kolumny wyrazów wolnych. Celem jest przekształcenie tej macierzy do postaci schodkowej lub schodkowej zredukowanej, co znacząco upraszcza proces znajdowania rozwiązań. Operacje elementarne to: zamiana miejscami dwóch wierszy, mnożenie wiersza przez niezerową stałą, dodawanie lub odejmowanie wielokrotności jednego wiersza od innego.
Przykład zastosowania:
Rozważmy układ:
1. $x + y + z = 6$
2. $2x – y + z = 3$
3. $x + 2y – z = 2$
Macierz rozszerzona tego układu wygląda następująco:
$\begin{bmatrix} 1 & 1 & 1 & | & 6 \\ 2 & -1 & 1 & | & 3 \\ 1 & 2 & -1 & | & 2 \end{bmatrix}$
Krok 1: Eliminujemy $x$ z drugiego i trzeciego wiersza. Odejmujemy dwukrotność pierwszego wiersza od drugiego ($W_2 \leftarrow W_2 – 2W_1$) i odejmujemy pierwszy wiersz od trzeciego ($W_3 \leftarrow W_3 – W_1$):
$\begin{bmatrix} 1 & 1 & 1 & | & 6 \\ 0 & -3 & -1 & | & -9 \\ 0 & 1 & -2 & | & -4 \end{bmatrix}$
Krok 2: Chcemy mieć zero pod jedynką w drugiej kolumnie. Zamieniamy miejscami wiersz drugi i trzeci ($W_2 \leftrightarrow W_3$), aby łatwiej pracować z jedynką:
$\begin{bmatrix} 1 & 1 & 1 & | & 6 \\ 0 & 1 & -2 & | & -4 \\ 0 & -3 & -1 & | & -9 \end{bmatrix}$
Krok 3: Dodajemy trzykrotność drugiego wiersza do trzeciego ($W_3 \leftarrow W_3 + 3W_2$):
$\begin{bmatrix} 1 & 1 & 1 & | & 6 \\ 0 & 1 & -2 & | & -4 \\ 0 & 0 & -7 & | & -21 \end{bmatrix}$
Otrzymaliśmy macierz w postaci schodkowej. Teraz możemy przeprowadzić wsteczne podstawianie:
Z trzeciego wiersza: $-7z = -21 \implies z = 3$.
Z drugiego wiersza: $y – 2z = -4 \implies y – 2(3) = -4 \implies y – 6 = -4 \implies y = 2$.
Z pierwszego wiersza: $x + y + z = 6 \implies x + 2 + 3 = 6 \implies x + 5 = 6 \implies x = 1$.
Rozwiązaniem układu jest $(x, y, z) = (1, 2, 3)$.
Wskazówka: Eliminacja Gaussa, mimo że wydaje się bardziej skomplikowana, jest bardzo systematyczna i minimalizuje ryzyko błędów rachunkowych przy odpowiednim stosowaniu operacji elementarnych. Jest niezastąpiona przy rozwiązywaniu dużych układów równań, często implementowana w oprogramowaniu komputerowym.
Metoda Macierzowa: Eleganckie Rozwiązanie z Wykorzystaniem Algebry Liniowej
Metoda macierzowa jest potężnym narzędziem, które przekształca problem układu równań w operacje na macierzach. Układ równań liniowych można zapisać w postaci macierzowej jako $AX = B$, gdzie:
- $A$ to macierz współczynników.
- $X$ to wektor zmiennych ($x, y, z$).
- $B$ to wektor wyrazów wolnych.
Jeśli macierz $A$ jest odwracalna (co oznacza, że jej wyznacznik jest różny od zera), rozwiązanie układu można znaleźć, mnożąc obie strony równania przez macierz odwrotną $A^{-1}$:
$A^{-1}AX = A^{-1}B \implies IX = A^{-1}B \implies X = A^{-1}B$.
Znalezienie macierzy odwrotnej może być procesem czasochłonnym dla układów 3×3, ale jest to bardzo elegancka i teoretycznie ważna metoda, szczególnie gdy pracuje się z oprogramowaniem do obliczeń numerycznych.
Przykładowy układ w formie macierzowej:
Dla układu:
$x + y + z = 6$
$2x – y + z = 3$
$x + 2y – z = 2$
Mamy:
$A = \begin{bmatrix} 1 & 1 & 1 \\ 2 & -1 & 1 \\ 1 & 2 & -1 \end{bmatrix}$, $X = \begin{bmatrix} x \\ y \\ z \end{bmatrix}$, $B = \begin{bmatrix} 6 \\ 3 \\ 2 \end{bmatrix}$.
Rozwiązanie to $X = A^{-1}B$. Obliczenie $A^{-1}$ wymaga zastosowania odpowiednich wzorów lub algorytmu (np. eliminacji Gaussa na macierzy rozszerzonej $[A | I]$, gdzie $I$ to macierz jednostkowa).
Wskazówka: Metoda macierzowa jest najefektywniejsza, gdy pracujemy z komputerowymi narzędziami do algebry liniowej. Pozwala na szybkie rozwiązanie dużych układów równań i jest fundamentem dla wielu zaawansowanych algorytmów numerycznych.
Metoda Cramera: Moc Wyznaczników
Metoda Cramera to kolejna technika wykorzystująca wyznaczniki do rozwiązywania układów równań liniowych, gdzie liczba równań jest równa liczbie niewiadomych. Kluczowym warunkiem stosowania tej metody jest to, że wyznacznik główny macierzy współczynników musi być różny od zera. Jeśli $\det(A) \neq 0$, układ ma dokładnie jedno rozwiązanie, które można obliczyć za pomocą wzorów:
$x = \frac{\det(A_x)}{\det(A)}$, $y = \frac{\det(A_y)}{\det(A)}$, $z = \frac{\det(A_z)}{\det(A)}$
gdzie $A_x, A_y, A_z$ to macierze powstałe z macierzy $A$ przez zastąpienie odpowiednio pierwszej, drugiej lub trzeciej kolumny wektorem wyrazów wolnych $B$.
Przykład zastosowania:
Dla tego samego układu:
1. $x + y + z = 6$
2. $2x – y + z = 3$
3. $x + 2y – z = 2$
Macierz współczynników $A = \begin{bmatrix} 1 & 1 & 1 \\ 2 & -1 & 1 \\ 1 & 2 & -1 \end{bmatrix}$.
Obliczamy wyznacznik główny:
$\det(A) = 1((-1)(-1) – 1(2)) – 1(2(-1) – 1(1)) + 1(2(2) – (-1)(1)) = 1(1 – 2) – 1(-2 – 1) + 1(4 + 1) = 1(-1) – 1(-3) + 1(5) = -1 + 3 + 5 = 7$.
Ponieważ $\det(A) = 7 \neq 0$, układ ma jednoznaczne rozwiązanie.
Teraz obliczamy wyznaczniki macierzy $A_x, A_y, A_z$:
$A_x = \begin{bmatrix} 6 & 1 & 1 \\ 3 & -1 & 1 \\ 2 & 2 & -1 \end{bmatrix}$, $\det(A_x) = 6((-1)(-1) – 1(2)) – 1(3(-1) – 1(2)) + 1(3(2) – (-1)(2)) = 6(1 – 2) – 1(-3 – 2) + 1(6 + 2) = 6(-1) – 1(-5) + 1(8) = -6 + 5 + 8 = 7$.
$A_y = \begin{bmatrix} 1 & 6 & 1 \\ 2 & 3 & 1 \\ 1 & 2 & -1 \end{bmatrix}$, $\det(A_y) = 1(3(-1) – 1(2)) – 6(2(-1) – 1(1)) + 1(2(2) – 3(1)) = 1(-3 – 2) – 6(-2 – 1) + 1(4 – 3) = 1(-5) – 6(-3) + 1(1) = -5 + 18 + 1 = 14$.
$A_z = \begin{bmatrix} 1 & 1 & 6 \\ 2 & -1 & 3 \\ 1 & 2 & 2 \end{bmatrix}$, $\det(A_z) = 1((-1)(2) – 3(2)) – 1(2(2) – 3(1)) + 6(2(2) – (-1)(1)) = 1(-2 – 6) – 1(4 – 3) + 6(4 + 1) = 1(-8) – 1(1) + 6(5) = -8 – 1 + 30 = 21$.
Obliczamy wartości zmiennych:
$x = \frac{\det(A_x)}{\det(A)} = \frac{7}{7} = 1$.
$y = \frac{\det(A_y)}{\det(A)} = \frac{14}{7} = 2$.
$z = \frac{\det(A_z)}{\det(A)} = \frac{21}{7} = 3$.
Otrzymujemy to samo rozwiązanie $(1, 2, 3)$.
Wskazówka: Metoda Cramera jest szczególnie użyteczna, gdy chcemy szybko sprawdzić, czy układ ma jednoznaczne rozwiązanie, obliczając jedynie wyznacznik główny. Dla większych układów staje się jednak bardzo żmudna obliczeniowo.
Macierze – Narzędzie Fundamentalne w Analizie Układów Równań
Macierze są nie tylko narzędziem do zapisu układów równań, ale czymś znacznie głębszym. Ich struktura i właściwości pozwalają nam na analizę istnienia i unikalności rozwiązań, a także na stosowanie wydajnych algorytmów numerycznych. W kontekście układów z trzema niewiadomymi, kluczowe pojęcia związane z macierzami to:
Macierz Współczynników i Jej Wyznacznik
Jak już wspomnieliśmy, macierz współczynników $A$ zawiera liczby stojące przy zmiennych w równaniach. Jej wyznacznik, $\det(A)$, jest kluczowym wskaźnikiem. Jeśli $\det(A) \neq 0$, mamy do czynienia z układem o dokładnie jednym rozwiązaniu. Jest to związane z faktem, że w takim przypadku macierz jest odwracalna, a wektor $B$ można jednoznacznie przedstawić jako kombinację liniową kolumn macierzy $A$. Jeśli $\det(A) = 0$, sytuacja jest bardziej skomplikowana – układ może mieć nieskończenie wiele rozwiązań lub nie mieć ich wcale. To właśnie sprawia, że wyznacznik jest tak ważnym narzędziem diagnostycznym.
Przykład w fizyce: W analizie stabilności układów dynamicznych, wyznacznik macierzy Jacobiego może wskazywać na charakter punktów równowagi (stabilne, niestabilne, siodłowe). Wartości własne macierzy, które są ściśle związane z wyznacznikiem, mówią nam o dynamice układu.
Spójność Macierzy i Twierdzenie Kroneckera-Capellego
Pojęcie spójności układu równań jest fundamentalne. Układ jest spójny, jeśli istnieje przynajmniej jedno rozwiązanie. Kluczowym narzędziem do analizy spójności jest Twierdzenie Kroneckera-Capellego. Mówi ono, że układ równań liniowych $AX = B$ jest spójny wtedy i tylko wtedy, gdy rząd macierzy współczynników $A$ jest równy rzędowi macierzy rozszerzonej $[A | B]$.
Rząd macierzy to maksymalna liczba liniowo niezależnych wierszy (lub kolumn) w tej macierzy. Liniowa niezależność oznacza, że żaden wiersz nie może być przedstawiony jako liniowa kombinacja innych wierszy.
Co to oznacza w praktyce?
- Jeśli $r(A) = r([A | B]) = n$ (gdzie $n$ to liczba niewiadomych, w naszym przypadku 3), to układ ma dokładnie jedno rozwiązanie. Płaszczyzny przecinają się w jednym punkcie.
- Jeśli $r(A) = r([A | B]) < n$, ale $r(A) = r([A | B])$, to układ ma nieskończenie wiele rozwiązań. Płaszczyzny przecinają się w linii (lub pokrywają się).
- Jeśli $r(A) < r([A | B])$, to układ jest sprzeczny i nie ma żadnego rozwiązania. Płaszczyzny nie mają wspólnego punktu przecięcia.
Przykład w inżynierii: Podczas projektowania złożonych konstrukcji, inżynierowie muszą zapewnić, aby wszystkie warunki (np. wytrzymałościowe, równowagi) były spełnione. Analiza rzędów macierzy pozwala im stwierdzić, czy taki zestaw warunków jest w ogóle fizycznie możliwy do zrealizowania.
Praktyczna porada: Zastosowanie eliminacji Gaussa do przekształcenia macierzy do postaci schodkowej jest najprostszym sposobem na określenie jej rzędu oraz rzędu macierzy rozszerzonej. Pozwala to na bezpośrednie zastosowanie twierdzenia Kroneckera-Capellego.
Rozwiązywanie Układów Równań 3×3: Przykłady z Życia
Teoria jest ważna, ale prawdziwa moc matematyki ujawnia się w jej zastosowaniach. Oto kilka przykładów, jak układy równań z trzema niewiadomymi pojawiają się w praktycznych problemach:
Przykład 1: Problem Kosztów Produkcji
Firma produkuje trzy rodzaje produktów: A, B i C. Do produkcji każdego z nich potrzebne są określone zasoby: praca, materiały i maszyny. Dostępne są ograniczone zasoby.
- Produkt A wymaga: 2 jednostki pracy, 1 kg materiału, 3 godziny pracy maszyny.
- Produkt B wymaga: 1 jednostka pracy, 2 kg materiału, 1 godzina pracy maszyny.
- Produkt C wymaga: 3 jednostki pracy, 1 kg materiału, 2 godziny pracy maszyny.
Firma dysponuje łącznie: 10 jednostkami pracy, 9 kg materiałów i 10 godzinami pracy maszyny.
Chcemy dowiedzieć się, ile jednostek każdego produktu firma może wyprodukować, wykorzystując wszystkie dostępne zasoby. Niech:
- $x$ = liczba wyprodukowanych jednostek produktu A
- $y$ = liczba wyprodukowanych jednostek produktu B
- $z$ = liczba wyprodukowanych jednostek produktu C
Układ równań wygląda następująco:
- Praca: $2x + y + 3z = 10$
- Materiały: $x + 2y + z = 9$
- Maszyny: $3x + y + 2z = 10$
Teraz możemy zastosować jedną z poznanych metod (np. eliminację Gaussa) do rozwiązania tego układu i znalezienia optymalnej produkcji.
Przykład 2: Analiza Ruchu Ciała w Przestrzeni
Rozważmy problem analizy ruchu pocisku wystrzelonego pod pewnym kątem. Siły działające na pocisk to grawitacja i opór powietrza. Aby opisać trajektorię pocisku, możemy potrzebować rozwiązania układu równań opisujących jego pozycję i prędkość w trzech wymiarach w funkcji czasu.
Załóżmy, że chcemy znaleźć punkt, w którym pocisk osiągnie maksymalną wysokość lub moment, w którym spadnie na ziemię. Wymaga to rozwiązania równań ruchu, które często przybierają postać układów równań różniczkowych, ale po dyskretyzacji lub uproszczeniu mogą prowadzić do układów równań liniowych.
Konkretny przykład z fizyki często prowadzi do równań typu: $m a_x = \sum F_{x}$, $m a_y = \sum F_{y}$, $m a_z = \sum F_{z}$. Wprowadzając zależności między przyspieszeniem, prędkością i położeniem przez całki i pochodne, możemy dojść do układów równań, które po pewnych założeniach przybierają formę liniową.
Jeśli analizujemy siły w trzech wymiarach, na przykład przyczepione do punktu materialnego za pomocą trzech więzów, możemy otrzymać układ trzech równań liniowych opisujących naprężenia w tych więzach.
Ćwiczenia Praktyczne z Rozwiązaniami
Aby utrwalić wiedzę, warto samodzielnie rozwiązać kilka przykładów. Proponujemy następujące ćwiczenia:
Ćwiczenie 1: Rozwiąż układ metodą podstawiania:
1. $x – y + 2z = 7$
2. $3x + y + z = 4$
3. $2x + 2y – z = 1$
Rozwiązanie (szkic):
Z równania (1): $x = 7 + y – 2z$. Podstawiamy do (2) i (3).
Otrzymujemy układ dwóch równań z $y$ i $z$. Po rozwiązaniu tego mniejszego układu, obliczamy $x$.
Wynik: $(x, y, z) = (2, -1, 3)$.
Ćwiczenie 2: Rozwiąż układ metodą przeciwnych współczynników:
1. $2x + 3y – z = 1$
2. $x – y + 2z = 4$
3. $3x + y + z = 3$
Rozwiązanie (szkic):
Aby wyeliminować $y$, możemy dodać równanie (2) pomnożone przez 3 do równania (1). Następnie dodać równanie (2) do równania (3).
Wynik: $(x, y, z) = (1, -1, 2)$.
Ćwiczenie 3: Rozwiąż układ metodą eliminacji Gaussa:
1. $x + 2y + 3z = 6$
2. $2x + y + z = 5$
3. $x + y – z = 1$
Rozwiązanie (szkic):
Utworzyć macierz rozszerzoną i zastosować operacje elementarne na wierszach do uzyskania postaci schodkowej. Następnie przeprowadzić wsteczne podstawianie.
Wynik: $(x, y, z) = (1, 2, 1)$.
Wskazówka dla uczących się: Nie zniechęcajcie się, jeśli na początku popełniacie błędy. Kluczem jest systematyczność i dokładność. Warto porównać wyniki uzyskane różnymi metodami dla tego samego układu, aby sprawdzić poprawność obliczeń.
Wyzwania i Pułapki w Rozwiązywaniu Układów Równań
Choć metody rozwiązywania układów równań są formalne, istnieją pewne sytuacje, które mogą sprawić trudność:
Brak Rozwiązania i Nieskończona Ilość Rozwiązań
Jak już wielokrotnie podkreślaliśmy, nie każdy układ równań ma jednoznaczne rozwiązanie. Interpretacja geometryczna jest tutaj kluczowa:
- Brak rozwiązania (układ sprzeczny): Ma miejsce, gdy płaszczyzny opisane przez równania nie mają wspólnego punktu przecięcia. Może to być spowodowane tym, że dwie płaszczyzny są równoległe i różne, lub że wszystkie trzy płaszczy
