Eliminação de Gauss
Resolva n equações lineares com n incógnitas por escalonamento: o exemplo de três equações dá 2, 3 e −1 como incógnitas, com os pivôs e as 2 trocas de linhas na tela. Grátis no seu navegador.
- Grátis
- Funciona no seu navegador
- Sem cadastro
- Seus dados não saem do seu aparelho
Executar grátis
Roda direto no seu navegador. Grátis, sem cadastro — seus dados não são enviados para lugar nenhum.
A eliminação de Gauss é o algoritmo clássico para resolver um sistema linear quadrado A x igual a b: você monta a matriz aumentada, zera as entradas abaixo de cada pivô e depois faz a substituição reversa para recuperar cada incógnita. Execuções bem-sucedidas retornam o vetor solução x, a ordem n, os valores de pivô usados, quantas linhas foram trocadas e um indicador unique.
O que a eliminação de Gauss faz e quando existe solução única
Escreva o problema como A vezes o vetor coluna de incógnitas igual ao vetor coluna de constantes. A matriz de coeficientes A deve ser quadrada de ordem n, de modo que você tenha n equações lineares independentes em n incógnitas. A eliminação de Gauss forma a matriz aumentada com A à esquerda e b à direita e introduz sistematicamente zeros abaixo da diagonal principal.
No estágio k o algoritmo seleciona o maior valor absoluto na coluna k a partir da linha k para baixo (pivoteamento parcial), troca essa linha para a posição k se necessário e usa múltiplos de linha para zerar cada entrada abaixo do pivô. Geometria e álgebra concordam: existe solução única precisamente quando A é invertível, o que neste procedimento significa que todo pivô permanece longe de zero.
Uso prático, preços, limites e entrega
Use a ferramenta do navegador quando quiser uma resolução exata imediata ao conferir tarefas, preparar uma aula sobre redução por linhas ou depurar um circuito pequeno, um balanço ou um modelo de restrições leves sem instalar um sistema de álgebra computacional. Não há modelo de linguagem, nem serviço externo de álgebra linear nem aleatoriedade, então a capacidade é segura para fixar em verificações de integração contínua e materiais de aula reproduzíveis.
Prefira este caminho gaussiano geral n×n quando seu sistema tiver mais de duas equações; um auxiliar de Cramer 2×2 dedicado continua disponível para ensinar determinantes de duas linhas, mas quem busca eliminação de Gauss espera o algoritmo nomeado no título. Mantenha n modesto e os coeficientes dentro de magnitudes ordinárias de ponto flutuante para que o cancelamento não domine; com inteiros de sala de aula e escalas de engenharia típicas o solucionador é exato dentro da precisão dupla.
Entradas e saídas seguem as mesmas regras de retenção de outros itens parse do KIT, e uma tarefa com falha nunca é cobrada após a validação.
Casos de uso
Verificação de tarefas e tutoria
Alunos e corretores confirmam o vetor solução de sistemas quadrados, inclusive casos singulares que falham corretamente, sem instalar um CAS local.
Modelos de engenharia e circuitos pequenos
Scripts que equilibram tensões nodais, fluxos de massa ou restrições lineares de dois a n parâmetros chamam um oráculo Ax=b determinístico em vez de embutir uma pilha numérica pesada.
Perguntas frequentes
O solucionador usa pivoteamento parcial?
Sim. Em cada estágio ele seleciona o maior valor absoluto na coluna ativa abaixo da diagonal, troca linhas se necessário e então elimina. Isso melhora a estabilidade numérica em relação à eliminação ingênua.
O solucionador de eliminação de Gauss é gratuito?
A ferramenta do navegador roda grátis no seu dispositivo.
Qual é o tamanho máximo do sistema?
n é limitado a 32 para que o custo permaneça dentro do envelope analítico tier-A. Sistemas densos maiores precisam de uma biblioteca numérica dedicada ou de outra capacidade.
Quando um sistema linear tem solução única?
Quando a matriz dos coeficientes é invertível, o que na eliminação significa que nenhum pivô vira zero. O resultado informa se a solução encontrada é única.
O que o resultado mostra além da solução?
Os valores de pivô usados em cada etapa e quantas linhas foram trocadas. No exemplo de três equações o primeiro pivô é −3 e são necessárias 2 trocas de linhas.
Ferramentas relacionadas
Para desenvolvedores — acesso via API
Tudo nesta página está disponível via API. Esta seção é para equipes que querem integrar a ferramenta aos próprios sistemas; quem não precisa disso pode simplesmente usar a ferramenta acima.
Endpoint
Autenticação por token Bearer. Um único POST coloca a tarefa na fila; o resultado chega por webhook ou link assinado.
Chame do seu código
curl -X POST https://api.kit.forhosting.com/algebra/gaussian-elimination \
-H "Authorization: Bearer $KIT_KEY" \
-H "Content-Type: application/json" \
-d '{"A":[[2,1,-1],[-3,-1,2],[-2,1,2]],"b":[8,-11,-3]}'const res = await fetch("https://api.kit.forhosting.com/algebra/gaussian-elimination", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.KIT_KEY}`,
"Content-Type": "application/json"
},
body: JSON.stringify({
"A": [
[
2,
1,
-1
],
[
-3,
-1,
2
],
[
-2,
1,
2
]
],
"b": [
8,
-11,
-3
]
})
});
const { task_id } = await res.json();import os, requests
res = requests.post(
"https://api.kit.forhosting.com/algebra/gaussian-elimination",
headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
json={
"A": [
[
2,
1,
-1
],
[
-3,
-1,
2
],
[
-2,
1,
2
]
],
"b": [
8,
-11,
-3
]
},
)
task_id = res.json()["task_id"]<?php
$res = file_get_contents("https://api.kit.forhosting.com/algebra/gaussian-elimination", false, stream_context_create([
"http" => [
"method" => "POST",
"header" => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
"content" => '{"A":[[2,1,-1],[-3,-1,2],[-2,1,2]],"b":[8,-11,-3]}',
],
]));
$task = json_decode($res, true);body := bytes.NewBufferString(`{"A":[[2,1,-1],[-3,-1,2],[-2,1,2]],"b":[8,-11,-3]}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/algebra/gaussian-elimination", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)Exemplo de requisição
{
"A": [
[
2,
1,
-1
],
[
-3,
-1,
2
],
[
-2,
1,
2
]
],
"b": [
8,
-11,
-3
]
}Exemplo de resposta
{
"task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
"type": "algebra.gaussian_elimination",
"status": "queued",
"_links": {
"result": "/tasks/tsk_…/result"
}
}A API é assíncrona: cada chamada devolve um task_id na hora. Se preferir polling, consulte o status a até 1 requisição por segundo.
Preço
Preço publicado, sem tokens nem créditos escondidos. Tarefa que falha não é cobrada.
Erros
| HTTP | Código | O que significa |
|---|---|---|
401 | unauthorized | Token ausente ou inválido. Confira o header Authorization. |
402 | insufficient_balance | Saldo insuficiente para esta tarefa. Faça uma recarga e tente de novo. |
404 | unknown_type | Esse tipo de tarefa não existe. Confira o campo type no catálogo. |
429 | rate_limited | Muitas requisições em pouco tempo. Espere um instante e tente de novo. |
Notas técnicas
Esta capacidade executa esse procedimento com pivoteamento parcial sobre uma matriz de coeficientes que você fornece como um array JSON de linhas e um vetor do lado direito de comprimento correspondente. Quando um pivô é zero ou próximo de zero dentro de uma tolerância rigorosa, a matriz de coeficientes é tratada como singular e a solicitação falha com invalid_input em vez de inventar uma solução única falsa.
O que a eliminação de Gauss faz e quando existe solução única
Após o passo para frente o sistema é triangular superior: cada entrada diagonal é um pivô e a última equação envolve apenas x_n. A substituição reversa resolve então x_n, substitui na linha anterior para x_{n-1} e continua até x_1. Se uma coluna não oferece pivô utilizável, as linhas de A são linearmente dependentes — restrições paralelas, um subsistema subdeterminado ou uma sobrerrestrição inconsistente — e esta API se recusa a inventar um vetor único. Isso corresponde às expectativas de sala de aula e de produção: você obtém um x estável ou um erro singular explícito, nunca um chute silencioso de mínimos quadrados.
Como chamar o solucionador e ler a resposta
Durante a eliminação, se o melhor pivô absoluto de uma coluna cair abaixo de um épsilon rigoroso próximo de 1e-12, a solicitação falha com a mensagem de que a matriz de coeficientes é singular e não existe solução única. O pó numérico próximo de zero é limpo para que goldens e demos legíveis permaneçam estáveis, enquanto reais não inteiros ordinários mantêm precisão dupla completa. O pivoteamento parcial melhora a confiabilidade numérica em relação à eliminação ingênua da esquerda para a direita sem trocas de linhas; não altera a solução matemática quando A está bem condicionada, mas reduz o cancelamento catastrófico quando uma entrada líder pequena se tornaria o pivô. Envie um corpo JSON com o campo obrigatório A, um array não vazio de n linhas cada uma de comprimento n de números finitos, e o campo obrigatório b, um array de n números finitos. Os aliases matrix, a e coeff são aceitos para A; rhs, right_hand_side e constants para b. A ordem n deve estar entre 1 e 32 inclusive para que os isolates do Worker permaneçam dentro de um envelope de custo analítico conservador. O motor valida forma retangular, comprimentos coincidentes e células numéricas finitas; campos ausentes, linhas irregulares, strings não numéricas, NaN e Infinity falham imediatamente com invalid_input e não são cobrados. Em caso de sucesso a resposta sempre inclui x (o vetor solução de comprimento n), n, method definido como gaussian_elimination, pivots (os pivôs diagonais após seleção e trocas opcionais de linhas), row_swaps (quantas vezes duas linhas foram trocadas) e unique definido como true. Conecte o endpoint a scripts que já falam JSON e precisam de um contrato estável em vez de reimplementar a lógica de pivô em cada linguagem.
Uso prático, preços, limites e entrega
Use a API quando uma plataforma de tutoria, um sandbox de entrevistas de código, um caderno de laboratório de física ou um pipeline de planilhas precisar de JSON estável para muitos conjuntos de coeficientes sob um único contrato. Cada solicitação bem-sucedida é um item faturável a US$ 0,002; validações com falha e matrizes singulares não consomem saldo. Os resultados são totalmente determinísticos: o mesmo A e b sempre produzem o mesmo x, pivots e row_swaps em um dado ambiente de ponto flutuante.
Casos de integração
Ensino de redução por linhas e pivoteamento
Páginas de aula mostram pivots e row_swaps para que os alunos liguem o pivoteamento parcial e a substituição reversa ao mesmo vetor solução único.
Perguntas técnicas
Como resolvo Ax igual a b com eliminação de Gauss usando esta API?
Envie JSON com a matriz quadrada A (array de n linhas de comprimento n) e o vetor b de comprimento n. A resposta retorna x, n, pivots, row_swaps e unique quando existe solução única.
O que acontece se a matriz de coeficientes for singular?
Quando um pivô zero ou quase zero aparece durante a eliminação (dentro de um épsilon rigoroso), a solicitação falha com invalid_input e não é cobrada — não há solução única.