Cursos: Engenharia Agrcola, Engenharia da Produo, Matemtica

Disciplina: Clculo Numrico

Data: 9 de Agosto de 2005

Mtodo de Eliminao de Gauss

1. Introduo
A resoluo de sistemas de equaes lineares e o clculo de determinantes so dois exemplos de
problemas fundamentais da lgebra linear que foram estudados desde longa data. Leibnitz encontrou em
1693 a frmula para o clculo de determinantes, e em 1750 Cramer apresentou um mtodo para resolver
sistemas de equaes lineares, conhecida desde ento como a Regra de Cramer, primeira pedra na construo
da lgebra linear e da teoria das matrizes. No inicio da evoluo dos computadores digitais, o clculo
matricial recebeu a ateno merecida. John von Neumann e Alan Turing eram os pioneiros mundialmente
famosos da cincia da computao, e introduziram contribuies notveis para o desenvolvimento da lgebra
linear computacional. Em 1947, von Neumann e Goldstein pesquisaram os efeitos dos erros de
arredondamento na resoluo de equaes lineares. Um ano depois, Turing iniciou um mtodo para
decompor uma matriz num produto de uma matriz triangular inferior com uma matriz escalonada (conhecida
como decomposio LU). Hoje, a lgebra linear computacional uma rea de muito interesse. Isto devido
ao fato que este campo est reconhecido agora como uma ferramenta absolutamente essencial em muitas das
aplicaes computacionais que requerem clculos longos e difceis de desenvolver manualmente, como por
o exemplo: em grficos de computador, em modelagem geomtrica, em robtica, etc..

2. Objetivo
Obter uma soluo exata de um sistema de equaes lineares da forma

AX = B ,

(1)

onde, A uma matriz quadrada de ordem n, X e B so vetores coluna de ordem n x 1.

1. O mtodo consiste em utilizar um nmero finito de transformaes elementares e considerar
elementos da diagonal principal (no nulos) chamados pivs.
2. Se, por exemplo, a ii 0 , a linha do piv mantida e os outros elementos da i-sima coluna ficam
zerados.
3. O transformado de um elemento que no aparece na linha nem na coluna do piv igual a este
elemento menos o produto contradiagonal dividido pelo piv.
4. O processo repete-se escolhendo novos pivs (no nulos) que no figurem na linha nem na coluna
anteriores.
5. O processo termina quando j no possvel tomar novos pivs.
6. Depois, inicia-se o processo de substituio para cima.

3. Exemplo
Resolva o seguinte sistema de equaes lineares

2 x + y 3 z = 1
x + 3 y + 2 z = 12

(2)

3x + y 3z = 0
Podemos escrever este sistema linear na forma matricial:
rpp@impa.br

Professor:

 2 1 3 x 1

1 3 2 y = 12

3 1 3 z 0

(3)

2 1 3 1

A = 1 3 2 12

3 1 3 0

(4)

Passo 1: A Matriz Aumentada.

Define-se primeiro a matriz aumentada:

As trs primeiras colunas desta matriz coincidem com as colunas da matriz do sistema e a ltima coluna a
dos termos da direita do sistema de equaes lineares (2).

Passo 2. Processo de eliminao

Como a11 = 2 0, este elemento ser o nosso primeiro piv. Define-se 1 =

a 21
1
= , e calculam-se os
a11
2

outros elementos transformados da segunda linha segundo a regra 3 acima:

'
a 22
= a 22 1 a12 = 3 ( 12 ) 1 =

7
2

'
a 23
= a 23 1 a13 = 2 ( 12 ) ( 3) =
'
a 24
= a 24 1 a14 = 12 ( 12 ) (1) =

De outra parte, define-se 2 =

1
2

(5)
23
2

a 31 3
= , e determinam-se ou outros elementos transformados da terceira
a11 2

linha:
'
a 32
= a 32 2 a12 = 1 32 1 = 12
'
a 33
= a 33 2 a13 = 3 32 (3) =
'
a 34
= a 34 2 a14 = 0 32 (1) =

3
2

(6)

3
2

Desta forma a nova matriz aumentada transformada aps esta primeira fase de eliminao fica como

2 1

A' = 0 72

1
0 2

3 1

23
1
2
2

3
3

2
2

(7)

'
Para a segunda fase de eliminao Gaussiana consideramos como piv o elemento a 22
=

definimos 3 =

a
a

'
32
1
22

12
7

7
2

0. Agora,

1
. Assim, podemos determinar os elementos transformados na terceira
7

linha:
rpp@impa.br

Professor:

"
'
'
= a 33
3 a 23
= 32 ( 17 ) 12 =
a 33

11
7

"
'
'
= a 34
3 a 24
= 32 ( 17 ) 232 =
a 34

(8)

22
7

A nova matriz aumentada fica aps esta segunda fase de eliminao da forma seguinte:

2 1 3 1

7
23
1
A" = 0 2 2
2

22
0 0 117

(9)

Passo 3: Fase de substituio retrocedida

Temos obtido o seguinte sistema equivalente de equaes lineares:

2 x + y 3 z = 1
7
2

y + 12 z =

23
2

z=

22
7

11
7

(10)

que um sistema triangular, isto a matriz do sistema uma matriz triangular superior, que pode ser
resolvido, facilmente, por substituio das variveis. Da ltima equao de (10) temos

z=

22
11

=2,

e substituindo este valor na segunda equao de (10) obtemos,

7
2

y + 12 2 =

23
2

e resolvendo para y , fica

Finalmente, substituindo estes valores, z = 2, e

2 x + 3 3 2 = 1,

y=

23
2

1
7
2

= 3.

y = 3 , na primeira equao de (10) temos,

e resolvendo para x, fica

x=

1 3 + 6
= 1.
2

O mtodo de eliminao de Gauss consiste de duas fases:

Fase de eliminao: o objetivo empregar transformaes elementares na matriz aumentada,

visando obter uma correspondente a um sistema triangular superior.
Fase de substituio retrocedida: inicia-se resolvendo a ltima equao, cuja soluo substituda
na penltima e resolve-se na penltima varivel, e assim em forma consecutiva.

Considerando como operaes elementares somas, produtos e divises entre os

elementos da matriz aumentado o na fase de substituio retrocedida, a seguinte tabela reproduz o esforo
computacional.
Operaes

rpp@impa.br

Primeira Fase
de eliminao

Segunda Fase
de eliminao

Substituio
retrocedida

Total

q q

Tempo
unitrio

rr

Total

sts

Professor:

4. Decomposio LU
Definem-se duas matrizes triangulares:

Matriz L ( de lower ), triangular inferior cujos elementos diagonais so unidades e seus elementos
abaixo da diagonal so os coeficientes 1, 2, 3 definidos no processo de eliminao de Gauss.

L = 1

0
1

(11)

Matriz U ( do ingls upper, superior), matriz triangular superior defini da pelo bloco das trs
primeiras colunas da ltima matriz aumentada A.
Em nosso exemplo podemos escrever L e U e proceder multiplicao matricial LU obtendo:

2
3
2

0
1

1
7

1
7
2
0

3 2 1 3

1
= 1 3 2 = A

11

3
1
3

(12)

A matriz do sistema resulta sendo o produto de duas matrizes, uma triangular inferior e outra triangular
superior.

5. Clculo do Determinante
O determinante do produto de duas matrizes quadradas o produto dos determinantes
det (L) det (U) = det ( A)

(12)

7 11
= 11 . Isto devido ao fato que o determinante de
2 7

mas det(L) = 1, e assim det(A) = det (U) = 2. .

qualquer matriz triangular o produto dos elementos da diagonal, o que pode ser comprovado em forma
fcil.

6. Estratgia de Pivotamento
Um sistema de operaes pode ter um zero na diagonal e ainda possuir uma soluo bem definida. Por
exemplo, o sistema de equao.
x2 = 1
x1 + x2 = 2
possui um zero na diagonal, mas a soluo, x1 = 1 e x2 = 2, est bem definida. O problema pode ser resolvido
reordenando as equaes para obter o sistema.
rpp@impa.br

Professor:

x1 + x2 = 2
x2 = 1
o que pode ser resolvido por meio da retrosubstituio, pois o sistema agora triangular superior. Assim, o
problema de um piv nulo pode superar-se, isto quer dizer, processando abaixo da coluna pivotante at achar
um elemento no nulo e trocando esta linha com a linha pivotal existente. Isto vai funcionar, mas h uma
condio considerao adicional. Devido que ocorrem problemas se um piv nulo, resulta razovel supor
o que pode acontecer se o piv pequeno em comparao com os outros elementos da matriz, e tal , de fato,
neste caso.
Assim melhor antes de procurar o primeiro elemento no nulo, pesquisar a coluna inteira para
determinar o elemento de mdulo mximo e depois trocar as linhas, se for necessrio, de modo que este
elemento converte-se no piv. Tal processo se chama Pivotamento Parcial, constituindo um passo
fundamental na seleo de sistema de equaes lineares.
Existe tambm um processo de Pivotamento Completo segundo o qual localizamos o elemento de
maior mdulo na submatriz a ij para i, j k no sistema.

a11 x1 + a12 x 2 + ......................................... + a1n x n = b

a 22 x 2 + ...................................... + a 2 n x n = b2
a kk x k + ............ + a kn x n = bk
a k +1, n x k + ............ + a k +1, n x n = bk +1
a n, k x k + ............ + a n , n x n = bn
depois do qual trocam-se a linha e a coluna para que este elemento ocupe a posio pivotal. Em termos de
computao, isto resulta num alto esforo computacional e na pratica, pouco se precisa. Em geral, o mais
conveniente o pivotamento parcial. Caso no encontrar nenhum elemento diferente de zero na coluna
pivotal, ento a matriz simgular, de modo que pode usar-se como uma prova de singularidade.
Exemplo:

p1
p2
p3

2 1 3
4 3 10

2 4 17

x 11
y = 28

z 31
Procura-se o elemento de mdulo mximo na primeira coluna.

Primeiro Piv
4
2
2

3
1
4

10
3
17

28
11
31

P1

- 0.5

-2

-3

P2

10

28

P3

25

12

17

Ou tambm

Foi trocada p 2 e p1.

Eliminamos x1 diferentes
do elemento privotal.
O novo piv o maior
elemento da segunda
coluna diferente da linha
pivotal anterior.

Segundo Piv

rpp@impa.br

Professor:

P1

0.4

0.4

P2

10

28

P3

25

12

17

Agora temos a forma triangular superior. Para levar adiante a substituio retrocedida, trabalhamos
com as linhas em ordem inversa,
p 3 , p 2 , p1 :

x3 =

0.4
=1
0.4

Da linha p2 obtm-se.

x2 =

17 12 x 3
5
=
=2
2 .5
2 .5

Da linha p2 obtm-se:

x1 =

28 3 x 2 10 x3 28 6 10 12
=
=
=3
4
4
4

7. Escalonamento
A estratgia dos pivs pode ser mudada re-escalando as equaes. Por exemplo, dado o sistema de
equaes seguinte:
(*)
x1 +
x2 = 2
0,0001 x1 + 0,1 x2 = 1
o multiplicador 0,0001. Mas, se multiplicamos a segunda equao por 100 000 resultar,
x1 +
x2 = 2
10 x1 + 10000 x2 = 100 000
Ento deveriam ser trocadas as linhas, e o multiplicador ser 0,1. Assim a estratgia de pivotamento foi
alterada com o escalamento e, alm disso, os clculos realizados no processo de eliminao mudam, dando
uma acumulao distinta dos erros de arredondamento. At o momento no existe acordo sobre a melhor
maneira de escalonamento de um sistema linear visando reduzir a acumulao de erros de arredondamento,
mas um mtodo muito empregado chamado de equilbrio. Nesta tcnica, as equaes so escalonadas de
modo que os elementos mximos nas linhas e colunas da matriz A tenhan mais ou menos a mesma grandeza,
e em geral, escolhe-se a unidade. Um balano do sistema (*) seria assim,
x1 + x2 = 2
0,001 x1 + x2 = 10.

rpp@impa.br

Professor: