Álgebra Linear I

Início · Capítulo 4 · Determinantes

Formas \(n\)-lineares alternadas

16 cards nesta seção
  1. Motivação 4.1Um número que decide a invertibilidade
  2. Definição 4.2Formas \(n\)-lineares alternadas
  3. Proposição 4.3Propriedades das formas \(n\)-lineares alternadas
  4. Definição 4.4Permutações e sinal
  5. Teorema 4.5Unicidade da forma \(n\)-linear alternada
  6. Teorema 4.6Existência do determinante: a fórmula de Leibniz
  7. Exemplo 4.7O determinante \(2\times2\)
  8. Exemplo 4.8O determinante \(3\times3\): regra de Sarrus
  9. Nota 4.9A fórmula de Leibniz não serve para calcular
  10. Proposição 4.10Operações de coluna e o determinante
  11. Teorema 4.11\(\det A\neq0\) equivale a \(A\) invertível
  12. Proposição 4.12Determinante de uma matriz triangular
  13. Teorema 4.13\(\det A^t = \det A\)
  14. Corolário 4.14O que vale para colunas vale para linhas
  15. Nota 4.15O determinante é volume com sinal
  16. Nota 4.16Em \(\R^3\): volume nulo equivale a vetores coplanares
Motivação 4.1

Um número que decide a invertibilidade

Para decidir se \(A\in\Mat{n}{n}\) é invertível, foi preciso escalonar (Proposição 3.36). Queremos um número \(\det A\) que responda a isso de uma vez: \[\det A\neq0\quad\Longleftrightarrow\quad A\ \text{invertível} \quad\Longleftrightarrow\quad \text{as colunas de } A \text{ são LI}.\]

Em \(\R^2\), um candidato natural já existe: a área do paralelogramo gerado pelas duas colunas. Ela se anula exatamente quando os dois vetores são colineares — isto é, LD. O determinante é essa ideia levada a sério em dimensão \(n\).

figura

As três propriedades que vão definir o determinante, vistas como propriedades da área orientada em \(\R^2\). Nenhuma delas é uma escolha arbitrária: são exatamente os fatos que qualquer noção razoável de volume tem de satisfazer. O Teorema 4.5 diz que, junto com \(f(e_1,\ldots,e_n)=1\), elas determinam a função completamente.

Definição 4.2

Formas \(n\)-lineares alternadas

Uma função \(f:\underbrace{\R^n\times\cdots\times\R^n}_{n \text{ fatores}}\to\R\) é:

  • \(n\)-linear quando é linear em cada variável, mantidas as outras fixas: para cada \(j\), \[f(\ldots,\,u+\lambda u',\,\ldots) = f(\ldots,\,u,\,\ldots)+\lambda\, f(\ldots,\,u',\,\ldots);\]

  • alternada quando \(f(v_1,\ldots,v_n) = 0\) sempre que \(v_i = v_j\) para algum par \(i\neq j\).

Dada \(A\in\Mat{n}{n}\) com colunas \(C_1,\ldots,C_n\), escrevemos \(f(A) := f(C_1,\ldots,C_n)\).

O determinante como área com sinal
Proposição 4.3

Propriedades das formas \(n\)-lineares alternadas

Seja \(f\) uma forma \(n\)-linear alternada. Então:

  1. trocar duas entradas troca o sinal de \(f\);

  2. somar a uma entrada um múltiplo de outra não altera \(f\);

  3. se \(v_1,\ldots,v_n\) são LD, então \(f(v_1,\ldots,v_n) = 0\).

Na figura da Motivação 4.1: (a) é “trocar a ordem inverte a orientação”; (b) é o cisalhamento; (c) é “achatou, volume zero”.

Demonstração

(a) Fixe \(i\neq j\) e considere a função de duas variáveis obtida congelando as demais. Pela propriedade alternada aplicada ao par \((u+v,\,u+v)\): \[0 = f(\ldots,u+v,\ldots,u+v,\ldots) = \underbrace{f(\ldots,u,\ldots,u,\ldots)}_{=0} + f(\ldots,u,\ldots,v,\ldots)\] \[\qquad\qquad + f(\ldots,v,\ldots,u,\ldots) + \underbrace{f(\ldots,v,\ldots,v,\ldots)}_{=0},\] onde abrimos as duas entradas pela \(n\)-linearidade. Sobra \(f(\ldots,u,\ldots,v,\ldots) = -f(\ldots,v,\ldots,u,\ldots)\).

(b) Pela \(n\)-linearidade na \(i\)-ésima entrada, \[f(\ldots,v_i+\lambda v_j,\ldots,v_j,\ldots) = f(\ldots,v_i,\ldots,v_j,\ldots)+\lambda\, \underbrace{f(\ldots,v_j,\ldots,v_j,\ldots)}_{=0\ \text{(alternada)}}.\]

(c) Se os vetores são LD, algum deles é combinação dos outros, digamos \(v_i = \sum_{j\neq i}c_jv_j\). Abrindo a \(i\)-ésima entrada pela \(n\)-linearidade, \[f(v_1,\ldots,v_n) = \sum_{j\neq i}c_j\,f(\ldots,\underbrace{v_j}_{\text{posição }i}, \ldots,\underbrace{v_j}_{\text{posição }j},\ldots) = 0,\] porque cada parcela tem duas entradas iguais.

Definição 4.4

Permutações e sinal

Uma permutação de \(\{1,\ldots,n\}\) é uma bijeção \(\sigma\) desse conjunto nele mesmo; o conjunto delas é denotado \(S_n\) e tem \(n!\) elementos. Uma transposição troca dois elementos e fixa os demais. Admitimos dois fatos:

  • toda \(\sigma\in S_n\) é composição de transposições;

  • a paridade do número de transposições usadas não depende da decomposição.

Isso permite definir o sinal \(\mathrm{sgn}(\sigma) = (-1)^k\), onde \(k\) é o número de transposições em qualquer decomposição de \(\sigma\). O sinal é multiplicativo: \(\mathrm{sgn}(\sigma\tau) = \mathrm{sgn}(\sigma)\,\mathrm{sgn}(\tau)\).

Teorema 4.5

Unicidade da forma \(n\)-linear alternada

Seja \(f\) uma forma \(n\)-linear alternada e seja \(A = (a_{ij})\) com colunas \(C_1,\ldots,C_n\). Então \[f(C_1,\ldots,C_n) = \Big(\sum_{\sigma\in S_n}\mathrm{sgn}(\sigma)\, a_{\sigma(1)1}a_{\sigma(2)2}\cdots a_{\sigma(n)n}\Big)\cdot f(e_1,\ldots,e_n).\] Em particular, existe no máximo uma forma \(n\)-linear alternada com \(f(e_1,\ldots,e_n)=1\).

Demonstração

Cada coluna é \(C_j = \sum_{i=1}^n a_{ij}e_i\). Abrindo a primeira entrada pela \(n\)-linearidade, depois a segunda, e assim por diante, obtemos uma soma sobre todas as escolhas de índices \(i_1,\ldots,i_n\in\{1,\ldots,n\}\): \[f(C_1,\ldots,C_n) = \sum_{i_1,\ldots,i_n} a_{i_11}a_{i_22}\cdots a_{i_nn}\, f(e_{i_1},e_{i_2},\ldots,e_{i_n}).\] São \(n^n\) parcelas. Mas \(f\) é alternada: se dois índices se repetem, o fator \(f(e_{i_1},\ldots,e_{i_n})\) é nulo. Sobrevivem apenas as escolhas injetoras, isto é, as permutações \(\sigma\) com \(i_j = \sigma(j)\) — exatamente \(n!\) parcelas.

Para cada uma delas, a Proposição 4.3(a) permite reordenar \((e_{\sigma(1)},\ldots,e_{\sigma(n)})\) até \((e_1,\ldots,e_n)\) por transposições, cada uma custando um sinal \(-1\). Se \(\sigma\) se decompõe em \(k\) transposições, o custo total é \((-1)^k = \mathrm{sgn}(\sigma)\): \[f(e_{\sigma(1)},\ldots,e_{\sigma(n)}) = \mathrm{sgn}(\sigma)\,f(e_1,\ldots,e_n).\] Substituindo, sai a fórmula. A última afirmação é imediata: duas formas com o mesmo valor em \((e_1,\ldots,e_n)\) coincidem.

figura

A demonstração para \(n=2\), escrita por extenso. Abrir as duas colunas produz \(n^n\) parcelas; a propriedade alternada mata todas as que repetem um índice, e sobram as \(n!\) permutações. O sinal de cada uma é o preço de reordenar.

Teorema 4.6

Existência do determinante: a fórmula de Leibniz

A fórmula \[\det A := \sum_{\sigma\in S_n}\mathrm{sgn}(\sigma)\, a_{\sigma(1)1}a_{\sigma(2)2}\cdots a_{\sigma(n)n}\] define uma forma \(n\)-linear alternada nas colunas de \(A\), com \(\det I_n = 1\). Portanto: existe uma e uma só forma \(n\)-linear alternada valendo \(1\) na base canônica, e é o determinante.

Demonstração

\(n\)-linear: cada parcela contém exatamente um fator de cada coluna — o fator \(a_{\sigma(j)j}\) vem da coluna \(j\) —, logo cada parcela é linear em cada coluna, e a soma também.

Alternada: suponha \(C_k = C_\ell\) com \(k\neq\ell\), isto é, \(a_{ik} = a_{i\ell}\) para todo \(i\). Seja \(\tau\) a transposição que troca \(k\) e \(\ell\); a aplicação \(\sigma\mapsto\sigma\tau\) é uma bijeção de \(S_n\) que troca o sinal. Reindexando o produto associado a \(\sigma\tau\) pela substituição \(j' = \tau(j)\), \[\prod_{j} a_{\sigma\tau(j)\,j} = \prod_{j'} a_{\sigma(j')\,\tau(j')} = a_{\sigma(k)\ell}\,a_{\sigma(\ell)k}\!\!\prod_{j'\neq k,\ell}\!\! a_{\sigma(j')j'} = a_{\sigma(k)k}\,a_{\sigma(\ell)\ell}\!\!\prod_{j'\neq k,\ell}\!\! a_{\sigma(j')j'} = \prod_{j} a_{\sigma(j)j},\] onde na terceira igualdade usamos \(a_{ik} = a_{i\ell}\). Ou seja: \(\sigma\) e \(\sigma\tau\) contribuem com o mesmo produto e com sinais opostos. As parcelas se cancelam duas a duas e a soma é zero.

Valor na identidade: em \(I_n\), o produto \(a_{\sigma(1)1}\cdots a_{\sigma(n)n}\) é nulo a menos que \(\sigma = \mathrm{id}\), e para essa vale \(1\).

Outra demonstração da existência, sem permutações. Esta versão substitui a fórmula de Leibniz por uma definição recursiva, e com isso dispensa a discussão sobre sinal de permutação.

A construção. Defina \(D_1\big([\,a\,]\big) := a\) e, para \(n\geq2\), defina recursivamente \[D_n(A) := \sum_{i=1}^n (-1)^{i+1}\,a_{i1}\,D_{n-1}(A_{i1}),\] onde \(A_{i1}\) é a matriz obtida de \(A\) apagando a linha \(i\) e a primeira coluna. (É o desenvolvimento pela primeira coluna, usado agora como definição.)

Afirmação. \(D_n\) é \(n\)-linear e alternada nas colunas, e \(D_n(I_n)=1\). Pelo Teorema 4.5, segue que \(D_n\) é a única forma com essas propriedades — isto é, \(D_n = \det\), e a existência está provada.

Demonstração, por indução em \(n\). Para \(n=1\) tudo é trivial. Suponha o resultado para \(n-1\).

(1) \(D_n(I_n) = 1\). Na soma, \(a_{i1} = 0\) para \(i\geq2\); sobra a parcela \(i=1\), que vale \(1\cdot D_{n-1}(I_{n-1}) = 1\) pela hipótese de indução.

(2) \(D_n\) é linear em cada coluna. Na coluna \(1\): o fator \(D_{n-1}(A_{i1})\) não vê a primeira coluna, e o fator \(a_{i1}\) é linear nela; logo cada parcela é linear na coluna \(1\). Numa coluna \(j\geq2\): o fator \(a_{i1}\) não a vê, e \(A_{i1}\) contém essa coluna (sem a linha \(i\)), de modo que \(D_{n-1}(A_{i1})\) é linear nela por hipótese de indução.

(3) \(D_n(A) = 0\) quando duas colunas vizinhas são iguais. Sejam \(C_j = C_{j+1}\).

Caso \(j\geq2\). Cada menor \(A_{i1}\) ainda tem essas duas colunas, agora vizinhas nas posições \(j-1\) e \(j\); por indução, \(D_{n-1}(A_{i1}) = 0\) para todo \(i\), e a soma é nula.

Caso \(j=1\), isto é, \(C_1 = C_2\). Aqui os menores não têm colunas repetidas, e é preciso trabalhar. Expanda mais uma vez: a primeira coluna de \(A_{i1}\) é \(C_2\) sem a linha \(i\) — que, por hipótese, é \(C_1\) sem a linha \(i\), de entradas \(a_{k1}\) com \(k\neq i\). Aplicando a definição de \(D_{n-1}\) a \(A_{i1}\), \[D_n(A) = \sum_{i=1}^n\ \sum_{k\neq i} (-1)^{i+1}\,(-1)^{p(i,k)+1}\,a_{i1}\,a_{k1}\, D_{n-2}\big(A_{\{i,k\},\{1,2\}}\big),\] onde \(A_{\{i,k\},\{1,2\}}\) é \(A\) sem as linhas \(i,k\) e sem as colunas \(1,2\), e \(p(i,k)\) é a posição da linha \(k\) dentro de \(A_{i1}\), a saber \[p(i,k) = k\ \text{ se } k<i,\qquad p(i,k) = k-1\ \text{ se } k>i.\] Agora compare as parcelas \((i,k)\) e \((k,i)\), com \(i<k\). Elas têm o mesmo produto \(a_{i1}a_{k1}\) e o mesmo menor \(A_{\{i,k\},\{1,2\}}\). Quanto aos sinais: \[(i,k):\ (-1)^{i+1}(-1)^{(k-1)+1} = (-1)^{i+k-1}, \qquad (k,i):\ (-1)^{k+1}(-1)^{i+1} = (-1)^{i+k}.\] São opostos. Logo as parcelas se cancelam duas a duas, e \(D_n(A) = 0\).

(4) De vizinhas para quaisquer. De (2) e (3) segue, pelo mesmo cálculo da Proposição 4.3(a) aplicado a duas colunas vizinhas, que trocar duas colunas vizinhas troca o sinal de \(D_n\). Se agora \(C_i = C_j\) com \(i<j\), empurre a coluna \(j\) para a esquerda por trocas de vizinhas sucessivas, até ela ficar ao lado da coluna \(i\): cada troca multiplica \(D_n\) por \(-1\), e a matriz final tem duas colunas vizinhas iguais, logo \(D_n\) nela é \(0\) por (3). Portanto \(D_n(A) = \pm\,0 = 0\).

figura

A construção alternativa. Em (a), a definição recursiva: o determinante de ordem \(n\) é a primeira coluna contra os menores de ordem \(n-1\), com sinais alternados. Em (b), o passo delicado — quando as duas primeiras colunas coincidem, expandir duas vezes produz um termo para cada par ordenado \((i,k)\) com \(i\neq k\), e os dois termos de cada par têm o mesmo produto e sinais opostos. O quadro inteiro se cancela.

Esta construção já entrega o desenvolvimento de Laplace pela primeira coluna — que é literalmente a definição de \(D_n\). O Teorema 4.20 o estende a uma linha ou coluna qualquer.

Exemplo 4.7

O determinante \(2\times2\)

\(n=2\): \(S_2 = \{\mathrm{id},\ \tau\}\) com \(\mathrm{sgn}(\tau) = -1\), logo \[\det\begin{pmatrix}a&b\\ c&d\end{pmatrix} = ad-bc.\]

Exemplo 4.8

O determinante \(3\times3\): regra de Sarrus

\(n=3\): \(S_3\) tem \(6\) elementos, três pares e três ímpares, e sai a regra de Sarrus \[\det A = a_{11}a_{22}a_{33}+a_{12}a_{23}a_{31}+a_{13}a_{21}a_{32} -a_{13}a_{22}a_{31}-a_{11}a_{23}a_{32}-a_{12}a_{21}a_{33}.\]

Nota 4.9

A fórmula de Leibniz não serve para calcular

Para \(n=4\) a fórmula de Leibniz (Teorema 4.6) já tem \(24\) parcelas, e para \(n=10\) são \(3\,628\,800\). Ela é boa para demonstrar, e péssima para calcular. Calcula-se escalonando até uma matriz triangular (Proposição 4.12).

Proposição 4.10

Operações de coluna e o determinante

As operações elementares sobre as colunas afetam o determinante assim:

  1. trocar duas colunas multiplica \(\det\) por \(-1\);

  2. multiplicar uma coluna por \(\lambda\) multiplica \(\det\) por \(\lambda\);

  3. somar a uma coluna um múltiplo de outra não altera \(\det\).

Demonstração

São, na ordem, a Proposição 4.3(a), a \(n\)-linearidade e a Proposição 4.3(b).

Teorema 4.11

\(\det A\neq0\) equivale a \(A\) invertível

Para \(A\in\Mat{n}{n}\) são equivalentes: (i) \(\det A\neq0\); (ii) as colunas de \(A\) são LI; (iii) \(A\) é invertível.

Demonstração

(ii)\(\iff\)(iii) segue da Proposição 3.36. Se as colunas são LD, a Proposição 4.3(c) dá \(\det A = 0\); isso é (i)\(\Rightarrow\)(ii) na forma contrapositiva.

Falta (ii)\(\Rightarrow\)(i). Se as colunas são LI, elas formam base de \(\R^n\); escalonando por colunas — usando apenas as operações (I), (II) e (III) — podemos levar \(A\) a \(I_n\). Cada operação multiplica o determinante por um escalar não nulo (\(-1\), \(\lambda\neq0\) ou \(1\)), e ao fim obtemos \(\det I_n = 1\neq0\). Logo \(\det A\neq0\).

Proposição 4.12

Determinante de uma matriz triangular

Se \(A\) é triangular (superior ou inferior), então \(\det A\) é o produto das entradas diagonais.

figura

Como se calcula um determinante na prática: escalone (por colunas ou por linhas), anotando o fator que cada operação introduz, até chegar a uma triangular — onde a resposta é o produto da diagonal. Para \(n=3\) isso empata com Sarrus; para \(n=5\) já não há competição.

Demonstração

Na fórmula de Leibniz, considere uma parcela não nula. Para \(A\) triangular superior, \(a_{ij} = 0\) quando \(i>j\), logo é preciso \(\sigma(j)\leq j\) para todo \(j\). Aplicando isso a \(j=1\) vem \(\sigma(1)=1\); a \(j=2\), \(\sigma(2)\in\{1,2\}\) e, sendo injetora, \(\sigma(2)=2\); e assim por diante. Só sobra \(\sigma=\mathrm{id}\), cuja parcela é \(a_{11}a_{22}\cdots a_{nn}\).

Teorema 4.13

\(\det A^t = \det A\)

\(\det A^t = \det A\).

Demonstração

Por definição, \(\det A^t = \sum_\sigma\mathrm{sgn}(\sigma)\,a_{1\sigma(1)} a_{2\sigma(2)}\cdots a_{n\sigma(n)}\), pois a entrada \((i,j)\) de \(A^t\) é \(a_{ji}\). Em cada parcela, reordene os fatores pelo primeiro índice: pondo \(\tau = \sigma^{-1}\), \[a_{1\sigma(1)}a_{2\sigma(2)}\cdots a_{n\sigma(n)} = a_{\tau(1)1}a_{\tau(2)2}\cdots a_{\tau(n)n}.\] Como \(\mathrm{sgn}(\sigma^{-1}) = \mathrm{sgn}(\sigma)\) e \(\sigma\mapsto\sigma^{-1}\) é uma bijeção de \(S_n\), a soma é exatamente \(\det A\).

Outra demonstração, sem permutações. Esta demonstração usa a multiplicatividade \(\det(AB)=\det A\,\det B\) (Teorema 4.21), cuja demonstração é uma aplicação direta da unicidade e não usa a transposta.

Uma armadilha, primeiro. A tentação é pôr \(d(A):=\det A^t\), observar que \(d\) é \(n\)-linear alternada com \(d(I)=1\), e invocar a unicidade. Mas \(d\) é \(n\)-linear alternada nas linhas de \(A\), ao passo que o Teorema 4.5 é um enunciado sobre colunas. Unicidade nas colunas e unicidade nas linhas são dois teoremas distintos, e identificar as duas funções é precisamente o que se quer provar aqui: o argumento é circular.

Matrizes elementares. Para \(i\neq j\) e \(\lambda\neq0\), sejam \(P_{ij}\) a identidade com as colunas \(i\) e \(j\) trocadas, \(D_j(\lambda)\) a identidade com a entrada \((j,j)\) substituída por \(\lambda\), e \(E_{ij}(\lambda)=I+\lambda\,\varepsilon_{ij}\), onde \(\varepsilon_{ij}\) tem \(1\) na posição \((i,j)\) e \(0\) nas demais. Multiplicar \(A\) à direita por elas é executar as três operações da Proposição 4.10: \(AP_{ij}\) troca as colunas \(i\) e \(j\); \(AD_j(\lambda)\) multiplica a coluna \(j\) por \(\lambda\); e \(AE_{ij}(\lambda)\) soma \(\lambda\) vezes a coluna \(i\) à coluna \(j\).

Lema A. \(\det P_{ij}=-1\), \(\det D_j(\lambda)=\lambda\) e \(\det E_{ij}(\lambda)=1\). Cada uma delas se obtém de \(I\) por uma única operação de coluna; aplique a Proposição 4.10 a \(\det I=1\).

Lema B. A transposta de uma elementar é elementar do mesmo tipo, com o mesmo determinante. As matrizes \(P_{ij}\) e \(D_j(\lambda)\) são simétricas, e nada há a verificar. Já \(E_{ij}(\lambda)^t=I+\lambda\,\varepsilon_{ji}=E_{ji}(\lambda)\), que pelo Lema A tem determinante \(1=\det E_{ij}(\lambda)\) (veja a figura).

figura

A única matriz elementar não simétrica. Transpor reflete o \(\lambda\) pela diagonal e devolve outra elementar do mesmo tipo, com o mesmo determinante. As outras duas, \(P_{ij}\) e \(D_j(\lambda)\), já são simétricas.

Lema C. Toda matriz invertível é produto de elementares. Na demonstração do Teorema 4.11 levamos \(A\) a \(I\) por operações de coluna, isto é, \(AF_1F_2\cdots F_k=I\) com cada \(F_l\) elementar. Logo \(A=F_k^{-1}\cdots F_1^{-1}\), e as inversas de elementares são elementares: \(P_{ij}^{-1}=P_{ij}\), \(D_j(\lambda)^{-1}=D_j(1/\lambda)\) e \(E_{ij}(\lambda)^{-1}=E_{ij}(-\lambda)\).

Conclusão. Dois casos.

Caso 1: \(A\) invertível. Pelo Lema C, \(A=F_1F_2\cdots F_k\) com todas as \(F_l\) elementares. Como \((XY)^t=Y^tX^t\) — verificação direta nas entradas, sem determinante nenhum —, vem \(A^t=F_k^t\cdots F_1^t\). Pela multiplicatividade e pelo Lema B, \[\det A^t=\det F_k^t\cdots\det F_1^t=\det F_k\cdots\det F_1 =\det F_1\cdots\det F_k=\det A,\] onde a terceira igualdade é só a comutatividade do produto em \(\R\): os dois lados são a mesma lista de números reais, escrita em ordens diferentes (veja a figura).

figura

Transpor um produto inverte a ordem dos fatores. Como o determinante é multiplicativo, \(\det A\) e \(\det A^t\) são o mesmo produto de números reais escrito ao contrário — e o produto em \(\R\) não depende da ordem.

Caso 2: \(A\) não invertível. Então \(A^t\) também não é. De fato, se \(B\) fosse inversa de \(A^t\), de \(BA^t=I\) sairia \((BA^t)^t=AB^t=I\); logo \(A\) seria sobrejetora e, pelo Corolário 2.93, bijetora — contra a hipótese. Pelo Teorema 4.11, \(\det A=0=\det A^t\).

Efeito colateral útil. O Lema C é a ferramenta padrão para transferir para as linhas qualquer propriedade já provada para as colunas; o Corolário 4.14 sai dele sem mudança alguma.

Corolário 4.14

O que vale para colunas vale para linhas

Tudo o que foi dito sobre colunas vale para linhas. Em particular, o determinante é forma \(n\)-linear alternada nas linhas, as operações elementares de linha afetam \(\det\) como na Proposição 4.10, e \(\det A = 0\) se e somente se as linhas são LD.

É este corolário que autoriza escalonar por linhas (Teorema 3.30) para calcular determinantes.

Nota 4.15

O determinante é volume com sinal

O determinante é volume com sinal. Em \(\R^2\), seja \(\mathcal{A}(v_1,v_2)\) a área do paralelogramo gerado por \(v_1\) e \(v_2\), tomada com sinal positivo quando o giro de \(v_1\) para \(v_2\) é anti-horário. Essa função é bilinear, alternada, e vale \(1\) em \((e_1,e_2)\) — as três propriedades da figura da Motivação 4.1. Pelo Teorema 4.5, ela é o determinante: \[\det\,(v_1\ v_2) = \pm\,\text{área do paralelogramo}.\] O mesmo argumento em \(\R^3\) dá o volume do paralelepípedo, e em \(\R^n\) serve como definição de volume \(n\)-dimensional. O sinal é a orientação: positivo quando a base \((v_1,\ldots,v_n)\) “gira no mesmo sentido” que a canônica.

figura

O sinal do determinante é a orientação. Trocar as duas colunas inverte o sentido do giro e o sinal — que é a Proposição 4.3(a) vista com os olhos. E o determinante se anula exatamente quando o paralelogramo achata, isto é, quando as colunas são LD (Teorema 4.11).

Em movimento: The determinant — 3Blue1Brown (vídeo e texto, em inglês).

Nota 4.16

Em \(\R^3\): volume nulo equivale a vetores coplanares

Em \(\R^3\), a leitura é a mesma: três vetores dão um paralelepípedo de volume \(|\det|\), e esse volume é zero exatamente quando os três são coplanares — isto é, LD. É a versão geométrica do Teorema 4.11.

figura

Em \(\R^3\): à esquerda, três vetores em posição geral geram um paralelepípedo genuíno; à direita, três vetores coplanares geram um sólido achatado, de volume nulo. “\(\det A = 0\)” e “as colunas de \(A\) são LD” são a mesma frase, uma dita em álgebra e a outra em geometria.