Eliminação de Gauss-Jordan
Na matemática , mais precisamente na álgebra linear , a eliminação de Gauss-Jordan , também chamada de método do pivô gaussiano , em homenagem a Carl Friedrich Gauss e Wilhelm Jordan , é um algoritmo para determinar as soluções de um sistema de equações lineares , para determinar o posto de uma matriz ou para calcular o inverso de uma matriz invertível (quadrada). Quando aplicamos a eliminação Gaussiana a uma matriz, obtemos sua forma reduzida em escala .
História
Este método é conhecido por matemáticos chineses desde pelo menos o que eu st século AD. É referenciado no livro chinês Jiuzhang suanshu ( Os nove capítulos sobre arte matemática ), do qual constitui o oitavo capítulo, sob o título "Fang cheng" (o arranjo retangular). O método é apresentado por meio de dezoito exercícios. Em seu comentário datado de 263 , Liu Hui atribui a paternidade Ts'ang Chang, chanceler do imperador da China II ª século aC.
Na Europa, este método foi descoberto e apresentado em forma moderna no XIX th século . Em 1810, Carl Friedrich Gauss apresentou seu método dos mínimos quadrados em um livro que estudava o movimento do asteróide Pallas . No artigo 13 deste livro, ele descreve um método geral de resolução de um sistema de equações lineares que constitui a essência do método do pivô. Em 1888, Wilhelm Jordan publicou um livro de geodésia especificando como usar esse método e adotando uma notação ligeiramente diferente. É graças a este último livro que esse método se espalhou pelo Ocidente. É conhecido hoje com o nome de eliminação de Gauss-Jordan ou método do pivô de Gauss .
Algoritmo
Operações
O algoritmo de Gauss-Jordan produz a matriz em escala reduzida de uma matriz usando operações de linha elementares . Três tipos de operações elementares são usados:
-
Troca de duas linhas;
-
Multiplicação de uma linha por um escalar diferente de zero;
-
Adicionando o múltiplo de uma linha a outra linha.
Pseudo-código
Let Ser uma matriz A de dimensões n × m ;
O algoritmo de Gauss-Jordan é o seguinte:
Gauss-Jordan
r = 0 (r est l'indice de ligne du dernier pivot trouvé)
Pour j de 1 jusqu'à m (j décrit tous les indices de colonnes)
| Rechercher max(|A[i,j]|, r+1 ≤ i ≤ n). Noter k l'indice de ligne du maximum
| (A[k,j] est le pivot)
| Si A[k,j]≠0 alors (A[k,j] désigne la valeur de la ligne k et de la colonne j)
| | r=r+1 (r désigne l'indice de la future ligne servant de pivot)
| | Diviser la ligne k par A[k,j] (On normalise la ligne de pivot de façon que le pivot prenne la valeur 1)
| | Si k≠r alors
| | | Échanger les lignes k et r (On place la ligne du pivot en position r)
| | Fin Si
| | Pour i de 1 jusqu'à n (On simplifie les autres lignes)
| | | Si i≠r alors
| | | | Soustraire à la ligne i la ligne r multipliée par A[i,j] (de façon à annuler A[i,j])
| | | Fin Si
| | Fin Pour
| Fin Si
Fin Pour
Fin Gauss-Jordan
Exemplo.
Começamos da matriz
NO=(2-10-12-10-12){\ displaystyle \ mathrm {A} = {\ begin {pmatrix} 2 & -1 & 0 \\ - 1 & 2 & -1 \\ 0 & -1 & 2 \ end {pmatrix}}}![{\ mathrm {A}} = {\ begin {pmatrix} 2 & -1 & 0 \\ - 1 & 2 & -1 \\ 0 & -1 & 2 \ end {pmatrix}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/fb6e80c3cef95c170a4c2f9df9e40b03b2a6b8ec)
É uma matriz real, então o módulo de um coeficiente é seu valor absoluto.
- Primeira iteração, j = 1 (e r = 0):
- passo 1.1: procuramos na primeira coluna da matriz o valor máximo dos valores absolutos dos coeficientes. Vale a pena 2, localizado em (1, 1), de modo que k = 1,
- etapa 1.2.1: r = 1,
- passo 1.2.2: r = k , não há troca,
- passo 1.2.3: dividimos a linha 1 por A (1, 1) = 2, ou seja ,(1-1/20){\ displaystyle {\ begin {pmatrix} 1 e -1 / 2 e 0 \ end {pmatrix}}}
![{\ begin {pmatrix} 1 e -1 / 2 e 0 \ end {pmatrix}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/0767f600adeafcb68349488c0895f19be956db64)
- passo 1.2.4:
- linha i = 2, temos A (2, 1) = -1; nós calculamos ,
(-12-1)-(-1)×(1-1/20)=(03/2-1){\ displaystyle {\ begin {pmatrix} -1 & 2 & -1 \ end {pmatrix}} - (- 1) \ times {\ begin {pmatrix} 1 & -1 / 2 & 0 \ end {pmatrix}} = {\ begin {pmatrix} 0 & 3/2 & -1 \ end {pmatrix}}}![{\ begin {pmatrix} -1 & 2 & -1 \ end {pmatrix}} - (- 1) \ times {\ begin {pmatrix} 1 & -1 / 2 & 0 \ end {pmatrix}} = {\ begin {pmatriz} 0 e 3/2 e -1 \ end {pmatriz}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/66ab79174827df24e1b0951d23c983ac1a93d0db)
- linha i = 3, temos A (3, 1) = 0, então a linha não é modificada,
- a matriz é então ;
NO′=(1-1/2003/2-10-12){\ displaystyle \ mathrm {A} '= {\ begin {pmatrix} 1 & -1 / 2 & 0 \\ 0 & 3/2 & -1 \\ 0 & -1 & 2 \ end {pmatrix}}}![{\ mathrm {A}} '= {\ begin {pmatrix} 1 & -1 / 2 & 0 \\ 0 & 3/2 & -1 \\ 0 & -1 & 2 \ end {pmatrix}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/c3c8561ea767df66d949c347fa1b7c62e0b43ed7)
- segunda iteração, j = 2 (e r = 1):
- passo 2.1: buscamos nas linhas 2 a 3 da segunda coluna o valor máximo em valor absoluto. Este é 3/2, localizado em (2, 2),
- etapa 2.2.1: r = 2,
- passo 2.2.2: r = k , não há troca.
- passo 2.2.3: dividimos a linha 2 por A '(2, 2) = 3/2, ou seja ,(01-2/3){\ displaystyle {\ begin {pmatrix} 0 & 1 e -2 / 3 \ end {pmatrix}}}
![{\ begin {pmatrix} 0 & 1 & -2 / 3 \ end {pmatrix}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/de17c5710736867d89a2b7a850fa2e52bd8ffb86)
- passo 2.2.4:
- linha i = 1, temos A '(1, 2) = -1/2; nós calculamos ,
(1-1/20)-(-1/2)×(01-2/3)=(10-1/3){\ displaystyle {\ begin {pmatrix} 1 & -1 / 2 & 0 \ end {pmatrix}} - (- 1/2) \ times {\ begin {pmatrix} 0 & 1 & -2 / 3 \ end {pmatrix }} = {\ begin {pmatrix} 1 & 0 & -1 / 3 \ end {pmatrix}}}![{\ begin {pmatrix} 1 & -1 / 2 & 0 \ end {pmatrix}} - (- 1/2) \ times {\ begin {pmatrix} 0 & 1 & -2 / 3 \ end {pmatrix}} = {\ begin {pmatrix} 1 & 0 & -1 / 3 \ end {pmatrix}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/c83d970a0911615c6c0a95f7fede54fc22273d3f)
- linha i = 3, temos A '(3, 2) = -1; nós calculamos ,
(0-12)-(-1)×(01-2/3)=(004/3){\ displaystyle {\ begin {pmatrix} 0 & -1 & 2 \ end {pmatrix}} - (- 1) \ times {\ begin {pmatrix} 0 & 1 & -2 / 3 \ end {pmatrix}} = { \ begin {pmatrix} 0 & 0 & 4/3 \ end {pmatrix}}}![{\ begin {pmatrix} 0 & -1 & 2 \ end {pmatrix}} - (- 1) \ times {\ begin {pmatrix} 0 & 1 & -2 / 3 \ end {pmatrix}} = {\ begin { pmatriz} 0 e 0 e 4/3 \ end {pmatriz}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/6b200163524e8daceabe915b8e9a26c93ade07f8)
- a matriz é então ;
NO″=(10-1/301-2/3004/3){\ displaystyle \ mathrm {A} '' = {\ begin {pmatrix} 1 & 0 & -1 / 3 \\ 0 & 1 & -2 / 3 \\ 0 & 0 & 4/3 \ end {pmatrix}} }![{\ mathrm {A}} '' = {\ begin {pmatrix} 1 & 0 & -1 / 3 \\ 0 & 1 & -2 / 3 \\ 0 & 0 & 4/3 \ end {pmatrix}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/e18b51286906e27330f7980c7e097c2b158de089)
- terceira iteração, j = 3 (e r = 2):
- passo 3.1: o pivô da terceira coluna, terceira linha é 4/3. Então k = 3
- etapa 3.2.1: r = k,
- passo 3.2.2: não há linha para trocar,
- passo 3.2.3: dividimos a linha 3 por A '' (3, 3) = 4/3, torna-se (001){\ displaystyle {\ begin {pmatrix} 0 & 0 & 1 \ end {pmatrix}}}
- passo 3.2.4:
- linha i = 1, temos A '' (1, 3) = -1/3. A última etapa cancela esse coeficiente.
- linha i = 2, temos A '' (2, 3) = -2/3. A última etapa cancela esse coeficiente.
- a matriz é então escalonada reduzida.
NO‴=(100010001){\ displaystyle \ mathrm {A} '' '= {\ begin {pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \ end {pmatrix}}}![{\ mathrm {A}} '' '= {\ begin {pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \ end {pmatrix}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/79c947034fad95fe257258081986a822e38c1ba0)
Estabilidade numérica
A primeira seção do algoritmo, ou seja, a troca de linha com o maior valor de pivô, visa melhorar a estabilidade numérica do algoritmo. Esta etapa tenta minimizar os erros de arredondamento cumulativos que causam instabilidade numérica. Essa estratégia geralmente permite remediar essa instabilidade, mesmo que possamos dar contra-exemplos.
Complexidade algorítmica
A complexidade algorítmica assintótica de eliminação gaussiana é O ( n 3 ) ( notações de Landau ): n × n é o tamanho da matriz e o número de instruções a serem executadas é proporcional a n 3 . Este algoritmo pode ser usado em um computador para sistemas com milhares de incógnitas e equações . No entanto, o algoritmo de Strassen , que está em O ( n 2.807 ), tem melhor complexidade algorítmica assintótica.
A complexidade algorítmica do pivô gaussiano permanece O ( n 3 ) quando a matriz é esparsa. Na verdade, vamos dar um n × n matriz dos quais apenas k n entradas são não-zero, mas cujas entradas são regularmente distribuídos ao longo das linhas e colunas, então durante o algoritmo pivot de Gauss o número médio de valores diferentes de zero em um a linha irá de k para 2k e então de 3k para n . Portanto, descobrimos que o número de instruções é da ordem de nn (n-1) / 2 .
Calculando o inverso de uma matriz quadrada
A eliminação de Gauss-Jordan pode ser usada para inverter uma matriz quadrada se ela for invertível . Para fazer isso, criamos uma matriz com n linhas e 2 n colunas fazendo fronteira com a matriz A pela matriz identidade I n , que gera uma matriz aumentada (in) denotada [A | I] . Se a matriz de entrada for invertível, o algoritmo de Gauss-Jordan é aplicado à matriz aumentada. A matriz final é da forma [I | A −1 ] e contém o inverso da matriz inicial em sua seção direita.
Exemplo
Vamos supor a seguinte matriz:
NO=(2-10-12-10-12){\ displaystyle \ mathrm {A} = \ left ({\ begin {array} {rrr} 2 & -1 & 0 \\ - 1 & 2 & -1 \\ 0 & -1 & 2 \ end {array}} \ direito)}![{\ mathrm {A}} = \ left ({\ begin {array} {rrr} 2 & -1 & 0 \\ - 1 & 2 & -1 \\ 0 & -1 & 2 \ end {array}} \ direito)](https://wikimedia.org/api/rest_v1/media/math/render/svg/0e3d3a404211aaea618a592f16b10167d1c6aced)
Para encontrar o inverso desta matriz, devemos gerar a matriz aumentada [A | I] como segue:
[NO|eu]=(2-10100-12-10100-12001){\ displaystyle [\ mathrm {A} | \ mathrm {I}] = \ left ({\ begin {array} {rrr | rrr} 2 & -1 & 0 & 1 & 0 & 0 \\ - 1 & 2 & -1 & 0 & 1 & 0 \\ 0 & -1 & 2 & 0 & 0 & 1 & 1 \ end {array}} \ right)}![[{\ mathrm {A}} | {\ mathrm {I}}] = \ left ({\ begin {array} {rrr | rrr} 2 & -1 & 0 & 1 & 0 & 0 \\ - 1 & 2 & -1 & 0 & 1 & 0 \\ 0 & -1 & 2 & 0 & 0 & 1 & 1 \ end {array}} \ right)](https://wikimedia.org/api/rest_v1/media/math/render/svg/10a6db60837ac5b8abf88c63d86266db8495d258)
Aplicando o algoritmo de Gauss-Jordan, obtemos a matriz aumentada em sua seguinte forma em escala reduzida:
[eu|B]=(10034121401012112001141234){\ displaystyle [\ mathrm {I} | \ mathrm {B}] = \ left ({\ begin {array} {rrr | rrr} 1 & 0 & 0 & {\ frac {3} {4}} & {\ frac {1} {2}} & {\ frac {1} {4}} \\ [3pt] 0 & 1 & 0 & {\ frac {1} {2}} & 1 & {\ frac {1} { 2}} \\ [3pt] 0 & 0 & 1 & {\ frac {1} {4}} & {\ frac {1} {2}} & {\ frac {3} {4}} \ end {array }} \ direito)}![[{\ mathrm {I}} | {\ mathrm {B}}] = \ left ({\ begin {array} {rrr | rrr} 1 & 0 & 0 & {\ frac {3} {4}} & { \ frac {1} {2}} & {\ frac {1} {4}} \\ [3pt] 0 & 1 & 0 & {\ frac {1} {2}} & 1 & {\ frac {1} {2}} \\ [3pt] 0 & 0 & 1 & {\ frac {1} {4}} & {\ frac {1} {2}} & {\ frac {3} {4}} \ end { array}} \ right)](https://wikimedia.org/api/rest_v1/media/math/render/svg/3002a7ba22ffb87452873d09584ef9c0bf3a18da)
Demonstração
Como antes, o primeiro pivô está na primeira linha. Na etapa 2.2.3, a primeira linha torna-se
(1-1/201/200){\ displaystyle \ left ({\ begin {array} {rrr | rrr} 1 & -1 / 2 & 0 & 1/2 & 0 & 0 \ end {array}} \ right)}![\ left ({\ begin {array} {rrr | rrr} 1 & -1 / 2 & 0 & 1/2 & 0 & 0 & 0 \ end {array}} \ right)](https://wikimedia.org/api/rest_v1/media/math/render/svg/dd4a55d5fbe0a76c6fe308ae7f1a01064cc1b6d1)
A etapa 2.2.4 torna-se:
- linha i = 2, temos A (2, 1) = -1; nós calculamos ;
(-12-1010)-(-1)×(1-1/201/200)=(03/2-11/210){\ displaystyle ({\ begin {array} {rrr | rrr} -1 & 2 & -1 & 0 & 1 & 0 \ end {array}}) - (- 1) \ times ({\ begin {array} { rrr | rrr} 1 & -1 / 2 & 0 & 1/2 & 0 & 0 \ end {array}}) = ({\ begin {array} {rrr | rrr} 0 & 3/2 & -1 & 1 / 2 e 1 e 0 \ end {array}})}![({\ begin {array} {rrr | rrr} -1 & 2 & -1 & 0 & 1 & 0 \ end {array}}) - (- 1) \ times ({\ begin {array} {rrr | rrr } 1 & -1 / 2 & 0 & 1/2 & 0 & 0 \ end {array}}) = ({\ begin {array} {rrr | rrr} 0 & 3/2 & -1 & 1/2 & 1 e 0 \ end {array}})](https://wikimedia.org/api/rest_v1/media/math/render/svg/b8f75a2dc18790e657d9677da6a167d11a5fd66a)
- linha i = 3, temos A (3, 1) = 0, a linha não é modificada.
Então nós temos
(1-1/201/20003/2-11/2100-12001){\ displaystyle \ left ({\ begin {array} {rrr | rrr} 1 & -1 / 2 & 0 & 1/2 & 0 & 0 & 0 \\ 0 & 3/2 & -1 & 1/2 & 1 & 0 \\ 0 & -1 & 2 & 0 & 0 & 1 \ end {array}} \ right)}![\ left ({\ begin {array} {rrr | rrr} 1 & -1 / 2 & 0 & 1/2 & 0 & 0 \\ 0 & 3/2 & -1 & 1/2 & 1 & 0 \\ 0 & -1 & 2 & 0 & 0 & 1 \ end {array}} \ right)](https://wikimedia.org/api/rest_v1/media/math/render/svg/c10c05ae49dda8b4be804150e01968577dfda5ca)
Para a segunda iteração, permutamos as linhas 2 e 3 e dividimos a nova linha 2 por 2, ou seja, na etapa 2.2.3:
(1-1/201/2000-1/21001/203/2-11/210){\ displaystyle \ left ({\ begin {array} {rrr | rrr} 1 & -1 / 2 & 0 & 1/2 & 0 & 0 \\ 0 & -1 / 2 & 1 & 0 & 0 & 1 / 2 \\ 0 & 3/2 & -1 & 1/2 & 1 & 0 \ end {array}} \ right)}![\ left ({\ begin {array} {rrr | rrr} 1 & -1 / 2 & 0 & 1/2 & 0 & 0 \\ 0 & -1 / 2 & 1 & 0 & 0 & 1/2 \\ 0 & 3/2 & -1 & 1/2 & 1 & 0 \ end {array}} \ right)](https://wikimedia.org/api/rest_v1/media/math/render/svg/ae003dab790a67ad0225cfa570bc328d19e45a30)
Na etapa 2.2.4:
- linha i = 1, temos A (1, 3) = 0, a linha não é modificada;
- linha i = 3, temos A (3, 3) = -1; nós calculamos ;
(03/2-11/210)-(-1)×(0-1/21001/2)=(0101/211/2){\ displaystyle ({\ begin {array} {rrr | rrr} 0 & 3/2 & -1 & 1/2 & 1 & 0 \ end {array}}) - (- 1) \ times ({\ begin { array} {rrr | rrr} 0 & - 1/2 & 1 & 0 & 0 & 1/2 \ end {array}}) = ({\ begin {array} {rrr | rrr} 0 & 1 & 0 & 1 / 2 & 1 & 1/2 \ end {array}})}![({\ begin {array} {rrr | rrr} 0 & 3/2 & -1 & 1/2 & 1 & 0 \ end {array}}) - (- 1) \ times ({\ begin {array} { rrr | rrr} 0 & -1 / 2 & 1 & 0 & 0 & 1/2 \ end {array}}) = ({\ begin {array} {rrr | rrr} 0 & 1 & 0 & 1/2 & 1 e 1/2 \ end {array}})](https://wikimedia.org/api/rest_v1/media/math/render/svg/224de3aec46daae6027151701fbe33ad6af217f6)
Então nós temos
(1-1/201/2000-1/21001/20101/211/2){\ displaystyle \ left ({\ begin {array} {rrr | rrr} 1 & -1 / 2 & 0 & 1/2 & 0 & 0 \\ 0 & -1 / 2 & 1 & 0 & 0 & 1 / 2 \\ 0 & 1 & 0 & 1/2 & 1 & 1/2 \ end {array}} \ right)}![\ left ({\ begin {array} {rrr | rrr} 1 & -1 / 2 & 0 & 1/2 & 0 & 0 \\ 0 & -1 / 2 & 1 & 0 & 0 & 1/2 \\ 0 & 1 & 0 & 1/2 & 1 & 1/2 \ end {array}} \ right)](https://wikimedia.org/api/rest_v1/media/math/render/svg/753e6acc5e90e66499a8314719f95d8b4b14dd73)
Para a terceira iteração, dividimos a linha 3 por 1, a matriz permanece inalterada no passo 2.2.3.
Na etapa 2.2.4:
- linha i = 1, temos A (1, 2) = -1/2; nós calculamos ;
(1-1/201/200)-(-1/2)×(0101/211/2)=(1003/41/21/4){\ displaystyle ({\ begin {array} {rrr | rrr} 1 & -1 / 2 & 0 & 1/2 & 0 & 0 \ end {array}}) - (- 1/2) \ times ({\ begin {array} {rrr | rrr} 0 & 1 & 0 & 1/2 & 1 & 1/2 \ end {array}}) = ({\ begin {array} {rrr | rrr} 1 & 0 & 0 & 3/4 e 1/2 e 1/4 \ end {array}})}![({\ begin {array} {rrr | rrr} 1 & -1 / 2 & 0 & 1/2 & 0 & 0 \ end {array}}) - (- 1/2) \ times ({\ begin {array } {rrr | rrr} 0 & 1 & 0 & 1/2 & 1 & 1/2 \ end {array}}) = ({\ begin {array} {rrr | rrr} 1 & 0 & 0 & 3/4 & 1/2 & 1/4 \ end {array}})](https://wikimedia.org/api/rest_v1/media/math/render/svg/2bca7aad817a20b980bf796d472e022b28c9773a)
- linha i = 2, temos A (2, 2) = -1/2; nós calculamos ;
(0-1/21001/2)-(-1/2)×(0101/211/2)=(0011/41/23/4){\ displaystyle ({\ begin {array} {rrr | rrr} 0 & -1 / 2 & 1 & 0 & 0 & 1/2 \ end {array}}) - (- 1/2) \ times ({\ begin {array} {rrr | rrr} 0 & 1 & 0 & 1/2 & 1 & 1/2 \ end {array}}) = ({\ begin {array} {rrr | rrr} 0 & 0 & 1 & 1/4 e 1/2 e 3/4 \ end {array}})}![({\ begin {array} {rrr | rrr} 0 & -1 / 2 & 1 & 0 & 0 & 1/2 \ end {array}}) - (- 1/2) \ times ({\ begin {array } {rrr | rrr} 0 & 1 & 0 & 1/2 & 1 & 1/2 \ end {array}}) = ({\ begin {array} {rrr | rrr} 0 & 0 & 1 & 1/4 & 1/2 & 3/4 \ end {array}})](https://wikimedia.org/api/rest_v1/media/math/render/svg/ed6595c5ee3e0a28ba23c0b76069795546f183fd)
Então nós temos
(1003/41/21/40011/41/23/40101/211/2){\ displaystyle \ left ({\ begin {array} {rrr | rrr} 1 & 0 & 0 & 3/4 & 1/2 & 1/4 \\ 0 & 0 & 1 & 1/4 & 1/2 & 3/4 \\ 0 & 1 & 0 & 1/2 & 1 & 1/2 \ end {array}} \ right)}![\ left ({\ begin {array} {rrr | rrr} 1 & 0 & 0 & 3/4 & 1/2 & 1/4 \\ 0 & 0 & 1 & 1/4 & 1/2 & 3/4 \\ 0 & 1 & 0 & 1/2 & 1 & 1/2 \ end {array}} \ right)](https://wikimedia.org/api/rest_v1/media/math/render/svg/940cc574fbefb640793aaf5d6da689125558e598)
.
Uma permutação final das linhas 2 e 3 nos dá
(1003/41/21/40101/211/20011/41/23/4){\ displaystyle \ left ({\ begin {array} {rrr | rrr} 1 & 0 & 0 & 3/4 & 1/2 & 1/4 \\ 0 & 1 & 0 & 1/2 & 1 & 1 / 2 \\ 0 & 0 & 1 & 1/4 & 1/2 & 3/4 \ end {array}} \ right)}![\ left ({\ begin {array} {rrr | rrr} 1 & 0 & 0 & 3/4 & 1/2 & 1/4 \\ 0 & 1 & 0 & 1/2 & 1 & 1/2 \\ 0 & 0 & 1 & 1/4 & 1/2 & 3/4 \ end {array}} \ right)](https://wikimedia.org/api/rest_v1/media/math/render/svg/c3570d278820d041ec77f269de474f8581ae89f0)
.
A seção esquerda da matriz é a matriz identidade, demonstrando que A é invertível. A seção 3x3 à direita, ou seja, a matriz B, é o inverso de A.
Caso Geral
Realizar uma operação elementar O nas n linhas de uma matriz equivale a multiplicá-la à esquerda pela matriz elementar (invertível) G s : = O ( I n ).
Ao notar O 1 , ..., O s as operações elementares que realizamos em A , e G s = O s ( I n ) as matrizes elementares associadas, acaba-se assim, na seção esquerda, na matriz
eunão=(Os∘...∘O1)(NO)=Gs...G1NO{\ displaystyle \ mathrm {I} _ {n} = (O_ {s} \ circ \ ldots \ circ O_ {1}) (A) = G_ {s} \ ldots G_ {1} A}
e no da direita, na matriz
B=(Os∘...∘O1)(eunão)=Gs...G1.{\ displaystyle B = (O_ {s} \ circ \ ldots \ circ O_ {1}) (\ mathrm {I} _ {n}) = G_ {s} \ ldots G_ {1}.}
Assim, B é não singular e BA = I n , então B -1 = A e A -1 = B .
A eliminação de Gauss-Jordan pode resolver um sistema de equações AX = B, onde A é uma matriz n × m de classificação r , B é um vetor fixo e X o vetor desconhecido. Nós criar uma mesa com n linhas e m + 1 colunas, que fazem fronteira com a matriz A pelo vector de B. Nós reduzir a matriz em forma dimensionado reduzida.
Se os pivôs da matriz em escala reduzida associada com (A | B) estão localizados apenas nas primeiras m colunas (que é sempre o caso se r = n ) e têm o índice de coluna k 1 , ..., k r , então o último coluna fornece uma solução particular, obtida tomando todos os seus termos zero exceto aqueles localizados na linha do índice k i e para os quais damos o valor do termo localizado na linha i da última coluna, i variando de 1 a r .
Obtemos a solução geral do sistema adicionando a esta solução particular qualquer elemento do kernel de A. Isso é obtido atribuindo valores arbitrários aos coeficientes de X localizados em um índice de linha diferente de k i , e determinando os coeficientes localizados nas linhas do índice k i de forma a satisfazer o sistema (o que é fácil, dada a forma escalonada da matriz).
Se o último pivô da matriz em escala reduzida associada a (A | B) estiver na última coluna, não haverá solução.
Se a matriz A for quadrada invertível (ou seja, o sistema é Cramer), então obtemos na última coluna a solução única X do sistema.
Variante: no algoritmo anterior, se nos limitarmos a obter uma matriz escalonada (não reduzida), obtemos uma matriz triangular superior. Resta "voltar" para encontrar os valores dos coeficientes de X.
Exemplo 1 (detalhado)
Seja o sistema de equações lineares:
{x-y+2z=53x+2y+z=102x-3y-2z=-10{\ displaystyle \ left \ {{\ begin {array} {* {7} {c}} x & - & y & + & 2z & = & 5 \\ 3x & + & 2y & + & z & = & 10 \\ 2x & - & 3y & - & 2z & = & - 10 \ \\ end {array}} \ right.}
Estabelecemos a matriz correspondente:
(1-125321102-3-2-10){\ displaystyle \ left ({\ begin {array} {ccc | c} 1 & -1 & 2 & 5 \\ &&& \\ 3 & 2 & 1 & 10 \\ &&& \\ 2 & -3 & -2 & -10 \ end {array}} \ right)}
Começamos com a coluna 1. O pivô é o máximo em valor absoluto entre 1, 3 e 2, ou seja, 3:
(1-125(3)21102-3-2-10){\ displaystyle \ left ({\ begin {array} {ccc | c} 1 & -1 & 2 & 5 \\ &&& \\ (3) & 2 & 1 & 10 \\ &&& \\ 2 & -3 & - 2 e -10 \ end {array}} \ right)}
Como esse pivô não é zero, dividimos a linha onde ele está localizado (ou seja, linha 2) pelo pivô:
(1-125(1)23131032-3-2-10){\ displaystyle \ left ({\ begin {array} {ccc | c} 1 & -1 & 2 & 5 \\ &&& \\ (1) & {\ frac {2} {3}} & {\ frac {1 } {3}} & {\ frac {10} {3}} \\ &&& \\ 2 & -3 & -2 & -10 \ end {array}} \ right)}
Trocamos as linhas 1 e 2:
((1)23131031-1252-3-2-10){\ displaystyle \ left ({\ begin {array} {ccc | c} (1) & {\ frac {2} {3}} & {\ frac {1} {3}} & {\ frac {10} { 3}} \\ &&& \\ 1 & -1 & 2 & 5 \\ &&& \\ 2 & -3 & -2 & -10 \ end {array}} \ right)}
Agora analisamos as linhas diferentes daquela do pivô. Linha 2, temos A (2, 1) = 1. Calculamos
(1-125)-(1)×(12313103)=(0-535353){\ displaystyle {\ begin {pmatrix} 1 & -1 & 2 & 5 \ end {pmatrix}} - (1) \ times {\ begin {pmatrix} 1 & {\ frac {2} {3}} & {\ frac {1} {3}} & {\ frac {10} {3}} \ end {pmatrix}} = {\ begin {pmatrix} 0 & - {\ frac {5} {3}} & {\ frac { 5} {3}} & {\ frac {5} {3}} \ end {pmatrix}}}
Linha 3, temos A (3, 1) = 2. Calculamos
(2-3-2-10)-(2)×(12313103)=(0-133-83-503){\ displaystyle {\ begin {pmatrix} 2 & -3 & -2 & -10 \ end {pmatrix}} - (2) \ times {\ begin {pmatrix} 1 & {\ frac {2} {3}} & {\ frac {1} {3}} & {\ frac {10} {3}} \ end {pmatrix}} = {\ begin {pmatrix} 0 & - {\ frac {13} {3}} & - { \ frac {8} {3}} & - {\ frac {50} {3}} \ end {pmatrix}}}
Substituímos as linhas 2 e 3 assim calculadas:
((1)23131030-5353530-133-83-503){\ displaystyle \ left ({\ begin {array} {ccc | c} (1) & {\ frac {2} {3}} & {\ frac {1} {3}} & {\ frac {10} { 3}} \\ &&& \\ 0 & - {\ frac {5} {3}} & {\ frac {5} {3}} & {\ frac {5} {3}} \\ &&& \\ 0 & - {\ frac {13} {3}} & - {\ frac {8} {3}} & - {\ frac {50} {3}} \ end {array}} \ right)}
Vamos para a coluna 2. O pivô é o máximo em valor absoluto entre e , ou seja :
-53{\ displaystyle - {\ frac {5} {3}}}
-133{\ displaystyle - {\ frac {13} {3}}}
-133{\ displaystyle - {\ frac {13} {3}}}![{\ displaystyle - {\ frac {13} {3}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/db162dc60e438eef414850f6c4679e00f773f1a1)
(123131030-5353530(-133)-83-503){\ displaystyle \ left ({\ begin {array} {ccc | c} 1 & {\ frac {2} {3}} & {\ frac {1} {3}} & {\ frac {10} {3} } \\ &&& \\ 0 & - {\ frac {5} {3}} & {\ frac {5} {3}} & {\ frac {5} {3}} \\ &&& \\ 0 & \ left (- {\ frac {13} {3}} \ right) & - {\ frac {8} {3}} & - {\ frac {50} {3}} \ end {array}} \ right)}
Como esse pivô não é zero, dividimos a linha onde ele está localizado (ou seja, linha 3) pelo pivô:
(123131030-5353530(1)8135013){\ displaystyle \ left ({\ begin {array} {ccc | c} 1 & {\ frac {2} {3}} & {\ frac {1} {3}} & {\ frac {10} {3} } \\ &&& \\ 0 & - {\ frac {5} {3}} & {\ frac {5} {3}} & {\ frac {5} {3}} \\ &&& \\ 0 & (1 ) & {\ frac {8} {13}} & {\ frac {50} {13}} \ end {array}} \ right)}
Trocamos as linhas 2 e 3:
(123131030(1)81350130-535353){\ displaystyle \ left ({\ begin {array} {ccc | c} 1 & {\ frac {2} {3}} & {\ frac {1} {3}} & {\ frac {10} {3} } \\ &&& \\ 0 & (1) & {\ frac {8} {13}} & {\ frac {50} {13}} \\ &&& \\ 0 & - {\ frac {5} {3} } & {\ frac {5} {3}} & {\ frac {5} {3}} \ end {array}} \ right)}
Agora analisamos as linhas diferentes daquela do pivô. Linha 1, temos A (1, 2) = . Nós calculamos23{\ displaystyle {\ frac {2} {3}}}![{\ frac {2} {3}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/19eee5d63f2cf9106dc531cdfdea8cfb8f34b2cf)
(12313103)-(23)×(018135013)=(10-1131013){\ displaystyle {\ begin {pmatrix} 1 & {\ frac {2} {3}} & {\ frac {1} {3}} & {\ frac {10} {3}} \ end {pmatrix}} - \ left (\ textstyle {\ frac {2} {3}} \ right) \ times {\ begin {pmatrix} 0 & 1 & {\ frac {8} {13}} & {\ frac {50} {13} } \ end {pmatrix}} = {\ begin {pmatrix} 1 & 0 & - {\ frac {1} {13}} & {\ frac {10} {13}} \ end {pmatrix}}}
Linha 3, temos A (3, 2) = . Nós calculamos-53{\ displaystyle - {\ frac {5} {3}}}![{\ displaystyle - {\ frac {5} {3}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/e629a4003f4729d5b446ef2151c0c099e4c2ab33)
(0-535353)-(-53)×(018135013)=(00351310513){\ displaystyle {\ begin {pmatrix} 0 & - {\ frac {5} {3}} & {\ frac {5} {3}} & {\ frac {5} {3}} \ end {pmatrix}} - \ left (- \ textstyle {\ frac {5} {3}} \ right) \ times {\ begin {pmatrix} 0 & 1 & {\ frac {8} {13}} & {\ frac {50} { 13}} \ end {pmatrix}} = {\ begin {pmatrix} 0 & 0 & {\ frac {35} {13}} & {\ frac {105} {13}} \ end {pmatrix}}}
Substituímos as linhas 1 e 3 assim calculadas:
(10-11310130(1)813501300351310513){\ displaystyle \ left ({\ begin {array} {ccc | c} 1 & 0 & - {\ frac {1} {13}} & {\ frac {10} {13}} \\ &&& \\ 0 & (1) & {\ frac {8} {13}} & {\ frac {50} {13}} \\ &&& \\ 0 & 0 & {\ frac {35} {13}} & {\ frac {105 } {13}} \ end {array}} \ right)}
Vamos para a coluna 3. O pivô é :
3513{\ displaystyle {\ frac {35} {13}}}![{\ displaystyle {\ frac {35} {13}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/9384c053fede5f8b7524a45101d0d2722b51a05a)
(10-113101301813501300(3513)10513){\ displaystyle \ left ({\ begin {array} {ccc | c} 1 & 0 & - {\ frac {1} {13}} & {\ frac {10} {13}} \\ &&& \\ 0 & 1 & {\ frac {8} {13}} & {\ frac {50} {13}} \\ &&& \\ 0 & 0 & \ left ({\ frac {35} {13}} \ right) & { \ frac {105} {13}} \ end {array}} \ right)}
Como esse pivô não é zero, dividimos a linha onde ele está localizado (ou seja, linha 3) pelo pivô:
(10-113101301813501300(1)3){\ displaystyle \ left ({\ begin {array} {ccc | c} 1 & 0 & - {\ frac {1} {13}} & {\ frac {10} {13}} \\ &&& \\ 0 & 1 & {\ frac {8} {13}} & {\ frac {50} {13}} \\ &&& \\ 0 & 0 & (1) & 3 \ end {array}} \ right)}
Como este pivô já está na linha 3, não há necessidade de trocar de linha.
Agora analisamos as linhas diferentes daquela do pivô. Linha 1, temos A (1, 3) = . Nós calculamos-113{\ displaystyle - {\ frac {1} {13}}}![{\ displaystyle - {\ frac {1} {13}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/e068748e05e8eed41758d1017882ab93129ae5e6)
(10-1131013)-(-113)×(0013)=(1001){\ displaystyle {\ begin {pmatrix} 1 & 0 & - {\ frac {1} {13}} & {\ frac {10} {13}} \ end {pmatrix}} - \ left (- \ textstyle {\ frac {1} {13}} \ right) \ times {\ begin {pmatrix} 0 & 0 & 1 & 3 \ end {pmatrix}} = {\ begin {pmatrix} 1 & 0 & 0 & 1 \ end {pmatrix }}}
Linha 2, temos A (2, 3) = . Nós calculamos813{\ displaystyle {\ frac {8} {13}}}![{\ displaystyle {\ frac {8} {13}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/3435ca7ba0aae6d7ec4c650f823659f734098c5b)
(018135013)-(813)×(0013)=(0102){\ displaystyle {\ begin {pmatrix} 0 & 1 & {\ frac {8} {13}} & {\ frac {50} {13}} \ end {pmatrix}} - \ left (\ textstyle {\ frac { 8} {13}} \ right) \ times {\ begin {pmatrix} 0 & 0 & 1 & 3 \ end {pmatrix}} = {\ begin {pmatrix} 0 & 1 & 0 & 2 \ end {pmatrix}} }
Substituímos as linhas 1 e 2 assim calculadas:
(100101020013){\ displaystyle \ left ({\ begin {array} {ccc | c} 1 & 0 & 0 & 1 \\ &&& \\ 0 & 1 & 0 & 2 \\ &&& \\ 0 & 0 & 1 & 3 \ end {array}} \ right)}
Todas as colunas à esquerda da barra vertical foram processadas. Estamos na presença de uma matriz em escala reduzida, com a matriz identidade de um lado e o valor das variáveis do outro. A solução do sistema de equações é, portanto:
{x=1y=2z=3{\ displaystyle \ left \ {{\ begin {array} {ccc} x & = & 1 \\ y & = & 2 \\ z & = & 3 \\\ end {array}} \ right.}
Exemplo 2
Seja o sistema de equações lineares:
{x1+2x2+2x3-3x4+2x5=32x1+4x2+x3-5x5=-64x1+8x2+5x3-6x4-x5=0-x1-2x2-x3+x4+x5=1{\ displaystyle \ left \ {{\ begin {array} {* {11} {c}} x_ {1} & + & 2x_ {2} & + & 2x_ {3} & - & 3x_ {4} & + & 2x_ {5} & = & 3 \\ 2x_ {1} & + & 4x_ {2} & + & x_ {3} &&& - & 5x_ {5} & = & - 6 \\ 4x_ {1} & + & 8x_ {2} & + & 5x_ {3} & - & 6x_ {4} & - & x_ {5} & = & 0 \\ - x_ {1} & - & 2x_ {2} & - & x_ {3} & + & x_ {4} & + & x_ {5} & = & 1 \ end {array}} \ right.}
A matriz em escala reduzida associada a
é
.
(122-3232410-5-6485-6-10-1-2-1111){\ displaystyle \ left ({\ begin {array} {ccccc | c} 1 & 2 & 2 & -3 & 2 & 3 \\ 2 & 4 & 1 & 0 & -5 & -6 \\ 4 & 8 & 5 & -6 & -1 & 0 \\ - 1 & -2 & -1 & 1 & 1 & 1 \ end {array}} \ right)}
(1201-4-5001-234000000000000){\ displaystyle \ left ({\ begin {array} {ccccc | c} 1 & 2 & 0 & 1 & -4 & -5 \\ 0 & 0 & 1 & -2 & 3 & 4 \\ 0 & 0 & 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 & 0 & 0 & 0 \ end {array}} \ right)}![\ left ({\ begin {array} {ccccc | c} 1 & 2 & 0 & 1 & -4 & -5 \\ 0 & 0 & 1 & -2 & 3 & 4 \\ 0 & 0 & 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 & 0 & 0 \ end {array}} \ right)](https://wikimedia.org/api/rest_v1/media/math/render/svg/7018fc0a612db52586478fc48975b7e9684d050a)
Os pivôs estão localizados nas colunas de índice 1 e 3. Uma solução particular é, portanto :, que corresponde ao vetor:
x1=-5,x3=4,x2=x4=x5=0{\ displaystyle x_ {1} = - 5, x_ {3} = 4, x_ {2} = x_ {4} = x_ {5} = 0}
(-50400){\ displaystyle \ left ({\ begin {array} {ccc} -5 \\ 0 \\ 4 \\ 0 \\ 0 \ end {array}} \ right)}
Exemplo 3
Seja o sistema de equações lineares:
{x1+2x2+2x3-3x4+2x5=32x1+4x2+x3-5x5=-64x1+8x2+5x3-6x4-x5=0-x1-2x2-x3+x4+x5=2{\ displaystyle \ left \ {{\ begin {array} {* {11} {c}} x_ {1} & + & 2x_ {2} & + & 2x_ {3} & - & 3x_ {4} & + & 2x_ {5} & = & 3 \\ 2x_ {1} & + & 4x_ {2} & + & x_ {3} &&& - & 5x_ {5} & = & - 6 \\ 4x_ {1} & + & 8x_ {2} & + & 5x_ {3} & - & 6x_ {4} & - & x_ {5} & = & 0 \\ - x_ {1} & - & 2x_ {2} & - & x_ {3} & + & x_ {4} & + & x_ {5} & = & 2 \ end {array}} \ right.}
A matriz em escala reduzida associada a
é
.
(122-3232410-5-6485-6-10-1-2-1112){\ displaystyle \ left ({\ begin {array} {ccccc | c} 1 & 2 & 2 & -3 & 2 & 3 \\ 2 & 4 & 1 & 0 & -5 & -6 \\ 4 & 8 & 5 & -6 & -1 & 0 \\ - 1 & -2 & -1 & 1 & 1 & 2 \ end {array}} \ right)}
(1201-40001-230000001000000){\ displaystyle \ left ({\ begin {array} {ccccc | c} 1 & 2 & 0 & 1 & -4 & 0 \\ 0 & 0 & 1 & -2 & 3 & 0 \\ 0 & 0 & 0 & 0 & 0 & 1 \\ 0 & 0 & 0 & 0 & 0 & 0 & 0 \ end {array}} \ right)}![\ left ({\ begin {array} {ccccc | c} 1 & 2 & 0 & 1 & -4 & 0 \\ 0 & 0 & 1 & -2 & 3 & 0 \\ 0 & 0 & 0 & 0 & 0 & 1 \\ 0 & 0 & 0 & 0 & 0 & 0 \ end {array}} \ right)](https://wikimedia.org/api/rest_v1/media/math/render/svg/16cf22f3c58a6e099c4651ef1edeebbcc2d7ff06)
Não há solução.
determinando
Este algoritmo também permite calcular o determinante de uma matriz :
det(NO)=(-1)p.∏j=1não(NO[k,j]){\ displaystyle \ det (A) = (- 1) ^ {p}. \ prod _ {j \ mathop {=} 1} ^ {n} (A [k, j])}
com p o número de permutações de linha e o pivô anotado na etapa j do algoritmo.
NO[k,j]{\ displaystyle A [k, j]}![A [k, j]](https://wikimedia.org/api/rest_v1/media/math/render/svg/e5944aca3e9ace7263d48cc4b53d59da553fde99)
Se um dos pivôs for zero, o determinante da matriz será zero e não poderá ser invertido.
Exemplo
Começamos da matriz
NO=(2-100-12-12-1){\ displaystyle \ mathrm {A} = {\ begin {pmatrix} 2 & -1 & 0 \\ 0 & -1 & 2 \\ - 1 & 2 & -1 \ end {pmatrix}}}![{\ mathrm {A}} = {\ begin {pmatrix} 2 & -1 & 0 \\ 0 & -1 & 2 \\ - 1 & 2 & -1 \ end {pmatrix}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/e4611466fec28a78f17b6d4db5800848839fbeba)
É uma matriz real, então o módulo de um coeficiente é seu valor absoluto.
Procuramos o pivô na coluna 1:
((2)-100-12-12-1){\ displaystyle {\ begin {pmatrix} (2) & - 1 & 0 \\ 0 & -1 & 2 \\ - 1 & 2 & -1 \ end {pmatrix}}}![{\ begin {pmatrix} (2) & - 1 & 0 \\ 0 & -1 & 2 \\ - 1 & 2 & -1 \ end {pmatrix}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/d8b29ba741539bf543f680c7216ca172744a36e1)
Dividimos a linha 1 por 2 para obtermos um 1 na diagonal:
(1-1/200-12-12-1){\ displaystyle {\ begin {pmatrix} 1 & -1 / 2 & 0 \\ 0 & -1 & 2 \\ - 1 & 2 & -1 \ end {pmatrix}}}![{\ begin {pmatrix} 1 & -1 / 2 & 0 \\ 0 & -1 & 2 \\ - 1 & 2 & -1 \ end {pmatrix}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/d6a09d63ecc180170d5f76b5d8af85a8d650e1af)
Modificamos as linhas 2 e 3 por combinações lineares com a linha 1 para obter zeros na primeira coluna (exceto diagonal):
(1-1/200-1203/2-1){\ displaystyle {\ begin {pmatrix} 1 & -1 / 2 & 0 \\ 0 & -1 & 2 \\ 0 & 3/2 & -1 \ end {pmatrix}}}![{\ begin {pmatrix} 1 & -1 / 2 & 0 \\ 0 & -1 & 2 \\ 0 & 3/2 & -1 \ end {pmatrix}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/d80c92bcdd163a30a301a1a434e4c70e4135f0c5)
Procuramos o pivô na coluna 2:
(1-1/200-120(3/2)-1){\ displaystyle {\ begin {pmatrix} 1 & -1 / 2 & 0 \\ 0 & -1 & 2 \\ 0 & (3/2) & - 1 \ end {pmatrix}}}![{\ begin {pmatrix} 1 & -1 / 2 & 0 \\ 0 & -1 & 2 \\ 0 & (3/2) & - 1 \ end {pmatrix}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/6ee47947e6dbd3b7481edda1568ab97c80522964)
Trocamos as linhas 2 e 3:
(1-1/200(3/2)-10-12){\ displaystyle {\ begin {pmatrix} 1 & -1 / 2 & 0 \\ 0 & (3/2) & - 1 \\ 0 & -1 & 2 \ end {pmatrix}}}![{\ begin {pmatrix} 1 & -1 / 2 & 0 \\ 0 & (3/2) & - 1 \\ 0 & -1 & 2 \ end {pmatrix}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/47e375f3e1c6650a19ae776d2f67d021b56491c6)
Dividimos a linha 2 por (3/2) para obtermos 1 na diagonal:
(1-1/2001-2/30-12){\ displaystyle {\ begin {pmatrix} 1 & -1 / 2 & 0 \\ 0 & 1 & -2 / 3 \\ 0 & -1 & 2 \ end {pmatrix}}}![{\ begin {pmatrix} 1 & -1 / 2 & 0 \\ 0 & 1 & -2 / 3 \\ 0 & -1 & 2 \ end {pmatrix}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/55f2e0830e9b7974c454564d9ad5880333a5a4ed)
Modificamos as linhas 1 e 3 por combinações lineares com a linha 2 para obter zeros na segunda coluna (exceto diagonal):
(10-1/301-2/3004/3){\ displaystyle {\ begin {pmatrix} 1 & 0 & -1 / 3 \\ 0 & 1 & -2 / 3 \\ 0 & 0 & 4/3 \ end {pmatrix}}}![{\ begin {pmatrix} 1 & 0 & -1 / 3 \\ 0 & 1 & -2 / 3 \\ 0 & 0 & 4/3 \ end {pmatrix}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/59babc8813c9a48cac46bfcec1ea44eeb48500c7)
Procuramos o pivô na coluna 3:
(10-1/301-2/300(4/3)){\ displaystyle {\ begin {pmatrix} 1 & 0 & -1 / 3 \\ 0 & 1 & -2 / 3 \\ 0 & 0 & (4/3) \ end {pmatrix}}}![{\ begin {pmatrix} 1 & 0 & -1 / 3 \\ 0 & 1 & -2 / 3 \\ 0 & 0 & (4/3) \ end {pmatrix}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/c22cdbd3cffab0266ef7232e4c82c5f2d81a5ecb)
Dividimos a linha 3 por (4/3) para obtermos 1 na diagonal:
(10-1/301-2/3001){\ displaystyle {\ begin {pmatrix} 1 & 0 & -1 / 3 \\ 0 & 1 & -2 / 3 \\ 0 & 0 & 1 \ end {pmatrix}}}![{\ begin {pmatrix} 1 & 0 & -1 / 3 \\ 0 & 1 & -2 / 3 \\ 0 & 0 & 1 \ end {pmatrix}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/2e156632ce03a5fe3f5e426a648588168f669f30)
Modificamos as linhas 1 e 2 por combinações lineares com a linha 3 para obter zeros na terceira coluna (exceto diagonal), a matriz é então:
(100010001){\ displaystyle {\ begin {pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \ end {pmatrix}}}![{\ begin {pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \ end {pmatrix}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/8cc04c39564230b6de6c1d727bd1227f7e6d7e72)
que é reduzido.
O determinante da matriz, portanto, vale a pena .
(-1)1×2×32×43=-4{\ displaystyle (-1) ^ {1} \ times 2 \ times {\ frac {3} {2}} \ times {\ frac {4} {3}} = - 4}![(-1) ^ {1} \ times 2 \ times {\ frac 32} \ times {\ frac 43} = - 4](https://wikimedia.org/api/rest_v1/media/math/render/svg/53525ba9efa041a65ac37553f3a65de36c9e6414)
Notas
-
Gauss 1810 .
-
Jordan 1888 .
-
Althoen e McLaughlin 1987 .
-
Adaptado de Beezer 2014 , p. 30
-
Ver, por exemplo, os comentários de Patrick Lascaux e Raymond Théodor, Matric numerical analysis aplicada à arte do engenheiro , t. 1: Métodos diretos [ detalhe das edições ], p. 228 .
Referências
-
Steven C. Althoen e Renate McLaughlin , “ Gauss-Jordan Reduction: A Brief History ”, Amer. Matemática. Mês. , vol. 94,1987, p. 130-142.
-
Robert A. Beezer , Um Primeiro Curso de Álgebra Linear , University of Puget Sound,2014( leia online ).
-
Carl Friedrich Gauss , Disquisitio de elementis ellipticis Palladis ,1810.
-
Wilhelm Jordan , Handbuch der Vermessungskunde , vol. 1, Metzler,1888.
Artigos relacionados
Link externo
Método de pivô gaussiano em math-linux.com