´

Algebra Lineal
Formas cuadr´aticas
Jos´e Antonio Abia Vian
Dpto. de Matem´atica Aplicada a la T´ecnica.
E.U.P. — Universidad de Valladolid
Septiembre de 1997
Cap´ıtulo 1
Formas cuadr´aticas.
Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular
de las formas cudr´aticas ya ha sido estudiado, pues la norma de un vector no es m´as que
una forma cuadr´atica. Aqu´ı, las veremos de forma general.
Definici´on 1.- Sea V un espacio vectorial real de dimensi´on finita n, y sea B una base
V . Se denomina forma cuadr´atica sobre V a toda “funci´on polin´omica” Q: V −→ IR
de la forma
Q(x) =
n

i,j=1
a
ij
x
i
x
j
donde [x]
B
=
_
_
_
_
x
1
.
.
.
x
n
_
_
_
_
y a
ij
∈ IR. Es decir, una forma cuadr´atica es un polinomio ho-
mog´eneo de segundo grado y n variables.
Expresi´on matricial.
Toda forma cuadr´atica Q sobre V , se puede expresar matricialmente como:
Q(x) =
n

i,j=1
a
ij
x
i
x
j
=
_
x
1
x
2
x
n
_
_
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_
_
_
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
_
.
De hecho, tenemos el siguiente resultado
Teorema 2.- Toda forma cuadr´atica Q sobre V , se puede expresar matricialmente como
Q(x) = [x]
t
B
A[x]
B
donde A es una matriz sim´etrica.
Demostraci´on:
Si en la expresi´on de la forma cuadr´atica, Q(x) =
n

i,j=1
a
ij
x
i
x
j
, consideramos los pares
de sumandos de la forma a
ij
x
i
x
j
y a
ji
x
j
x
i
, se tiene que
a
ij
x
i
x
j
+a
ji
x
j
x
i
= (a
ij
+a
ji
)x
i
x
j
=
a
ij
+a
ji
2
x
i
x
j
+
a
ij
+a
ji
2
x
j
x
i
´
Algebra Lineal. 1
1.1 Diagonalizaci´on de una forma cuadr´atica. ma t
Por lo que la expresi´on matricial de Q, es tambi´en
Q(x) =
_
x
1
x
2
x
n
_
_
_
_
_
_
_
a
11
a
12
+a
21
2

a
1n
+a
n1
2
a
12
+a
21
2
a
22

a
2n
+a
n2
2
.
.
.
.
.
.
.
.
.
.
.
.
a
1n
+a
n1
2
a
2n
+a
n2
2
a
nn
_
_
_
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
_
= [x]
t
B
A[x]
B
,
siendo A una matriz sim´etrica.
La matriz sim´etrica A, se denomina matriz asociada a la forma cuadr´atica Q en la
base B.
Veamos como afecta, el cambio de base, a la matriz de una forma cuadr´atica.
Cambio de base.
Sea B

base de V distinta de B, si P es la matriz de paso de B

a B, P
B

→B
, se cumple
que
[x]
B
= P[x]
B

para todo x de V , luego, sustituyendo en Q, tenemos que
Q(x) = [x]
t
B
A[x]
B
= (P[x]
B
)
t
A(P[x]
B
) = [x]
t
B
(P
t
AP)[x]
B

con lo cual, la nueva matriz asociada a la forma cuadr´atica Q en la base B

, y que
denominaremos A

, viene dada por A

= P
t
AP –que es tambi´en sim´etrica–.
Definici´on 3.- Dos matrices sim´etricas se dice que son congruentes cuando son matri-
ces asociadas a la misma forma cuadr´atica en distintas bases.
Es decir, A y A

sim´etricas son congruentes, si existe P inversible tal que A

= P
t
AP.
1.1 Diagonalizaci´on de una forma cuadr´atica.
Puesto que la matriz asociada a una forma cuadr´atica es sim´etrica, y una matriz sim´etrica
es diagonalizable ortogonalmente, veamos que siempre podemos obtener una matriz con-
gruente con la inicial que sea diagonal.
1.1.1 Diagonalizaci´on ortogonal.
Sea B una base de V y Q(x) = [x]
t
B
A[x]
B
la expresi´on matricial de una forma cuadr´atica
sobre V .
Puesto que A es sim´etrica admite diagonalizaci´on ortogonal, es decir, A es semejante
a una matriz diagonal D, luego existe una base B

tal que la matriz P
B

→B
es ortogonal
y D = P
−1
AP. Ahora bi´en, como P es ortogonal, P
−1
= P
t
, y se tiene que
D = P
−1
AP = P
t
AP,
es decir, que D y A son congruentes.
´
Algebra Lineal. 2
1.1 Diagonalizaci´on de una forma cuadr´atica. ma t
En la nueva base, B

, la forma cuadr´atica puede expresarse como una suma de cua-
drados, pues
Q(x) = [x]
t
B
(P
t
AP)[x]
B
= [x]
t
B
D[x]
B
= λ
1
y
2
1
+. . . +λ
n
y
2
n
,
donde [x]
B
=
_
_
_
_
y
1
.
.
.
y
n
_
_
_
_
y λ
1
, . . . , λ
n
son los valores caracter´ısticos de la matriz A.
Ejemplo.- 4.- Reducir a suma de cuadrados la forma cuadr´atica Q(x) = xy +yz.
Soluci´on:
La matriz asociada a Q es A =
_
_
_
0
1
2
0
1
2
0
1
2
0
1
2
0
_
_
_.
Los valores caracter´ısticos de A son las raices del polinomio caracter´ıstico
[λI −A[ =
¸
¸
¸
¸
¸
¸
¸
λ −
1
2
0

1
2
λ −
1
2
0 −
1
2
λ
¸
¸
¸
¸
¸
¸
¸
= λ
3

1
2
λ = (λ
2

1
2
)λ = (λ −
1

2
)(λ +
1

2
)λ,
es decir,
1

2
,
−1

2
y 0. Luego A es congruente con la matriz diagonal D =
_
_
_
_
1

2
0 0
0
−1

2
0
0 0 0
_
_
_
_
, y
existir´a, por tanto, una base en la cual Q(x) se expresa de la forma
1

2
x
2

1

2
y
2
.
1.1.2 Completar cuadrados.
La diagonalizaci´on ortogonal, propuesta para hallar una matriz asociada a la forma
cuadr´atica que sea diagonal, es en ocasiones dificil de llevar a cabo pues supone encontrar
las raices de un polinomio, lo que no siempre es posible. Para solventar este problema
daremos otros dos m´etodos de encontrar una matriz diagonal. El primero de ellos, que
veremos a continuaci´on, se basa en realizar operaciones con la expresi´on de Q intentando
conseguir que dicha expresi´on quede como una suma de cuadrados.
Este m´etodo, debido a Gauss, para reducir a suma de cuadrados una forma cuadr´atica
sin necesidad de la diagonalizaci´on ortogonal, consiste en completar cuadrados, es decir,
en reunir todos los t´erminos en cuadrados. Para ello se sigue el siguiente proceso
1. En el caso de que la forma cuadr´atica tenga alg´ un t´ermino cuadrado, o sea, de
la forma a
i
x
2
i
, se reunen con ´este todos los dem´as t´erminos donde aparezca x
i
y se
completa el cuadrado –a˜ nadiendo t´erminos en las otras variables si es necesario–. Se
repite el proceso con las otras variables, hasta que todos los t´erminos sean cuadrados
o no haya ning´ un otro t´ermino cuadrado.
´
Algebra Lineal. 3
1.1 Diagonalizaci´on de una forma cuadr´atica. ma t
2. Si no hay ning´ un t´ermino cuadrado, existir´a un t´ermino de la forma a
ij
x
i
x
j
, y
entonces puede efectuarse el siguiente tipo de cambio de variable:
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
x
1
= u
1
.
.
.
.
.
.
x
i
= u
i
+u
j
.
.
.
.
.
.
x
j
= u
i
−u
j
.
.
.
.
.
.
x
n
= u
n
que convierte el producto x
i
x
j
en los t´erminos cuadrados u
2
i
−u
2
j
, recayendo as´ı en
el caso anterior.
La matriz del cambio de base se obtiene deshaciendo los cambios realizados.
Esto ´ ultimo se aclara perfectamente en ejemplo siguiente, a la vez que se ilustra el
m´etodo.
Ejemplo.- 5.- Reducir a suma de cuadrados las siguentes formas cuadr´aticas
1. Q(x) = x
2
+ 2xy + 2y
2
+ 4yz + 5z
2
.
Soluci´on:
La matriz asociada a Q es, A =
_
_
_
1 1 0
1 2 2
0 2 5
_
_
_, los valores caracter´ısticos de esta matriz
no son sencillos de obtener por tanto usaremos el m´etodo de completar cuadrados
de Gauss.
Q(x) =(x
2
+ 2xy +y
2
) +y
2
+ 4yz + 5z
2
= (x +y)
2
+y
2
+ 4yz + 5z
2
=x
2

+ (y
2
+ 4yz + 4z
2
) +z
2
= x
2

+ (y + 2z)
2
+z
2
= x
2

+y
2

+z
2

,
donde
_
¸
_
¸
_
x

= x +y
y

= y + 2z
z

= z.
La matriz de cambio de base, P, que hemos realizado debe llevar las coordenadas
del vector en la nueva base en las coordenadas del vector en la base inicial, es decir,
con la notaci´on usada aqu´ı,
_
_
_
x
y
z
_
_
_ = P
_
_
_
x

y

z

_
_
_. Como
_
¸
_
¸
_
x

= x +y
y

= y + 2z
z

= z
, tenemos que
_
_
_
x

y

z

_
_
_ =
_
_
_
1 1 0
0 1 2
0 0 1
_
_
_
_
_
_
x
y
z
_
_
_ = P
−1
_
_
_
x
y
z
_
_
_.
Luego P =
_
_
_
1 1 0
0 1 2
0 0 1
_
_
_
−1
=
_
_
_
1 −1 2
0 1 −2
0 0 1
_
_
_.
´
Algebra Lineal. 4
1.1 Diagonalizaci´on de una forma cuadr´atica. ma t
2. Q(x) = xy +yz.
Soluci´on:
Como Q no tiene ning´ un t´ermino cuadrado, efectuamos el cambio
_
¸
_
¸
_
x = u +v
y = u −v
z = w
,
con lo que
Q(x) =(u +v)(u −v) + (u −v)w = u
2
−v
2
+uw −vw
=(u +
w
2
)
2

w
2
4
−(u +
w
2
)
2
+ +
w
2
4
= (u +
w
2
)
2
−(v +
w
2
)
2
= x
2

−y
2

,
donde, x

= u +
w
2
, y

= v +
w
2
y z

= w.
Adem´as, es
_
¸
_
¸
_
x

= u +
w
2
=
x+y
2
+
z
2
y

= v +
w
2
=
x−y
2
+
z
2
z

= w = z
, luego P =
_
_
_
1
2
1
2
1
2
1
2

1
2
1
2
0 0 1
_
_
_
−1
.
Nota: El m´etodo de completar cuadrados y el m´etodo que veremos a continuaci´ on, al
igual que lo hace el m´etodo de diagonalizaci´on ortogonal, buscan matrices congruentes
diagonales, es decir, tales que existe P inversible tal que D = P
t
AP. Sin embargo,
mientras que en el caso de la diagonalizaci´on ortogonal, la conguencia de las matrices
se obtiene mediante la semejanza, es decir, D = P
−1
AP, que a la postre resulta ser
D = P
t
AP por ser P ortogonal, en los otros dos m´etodos no sucede as´ı y en general
P
t
,= P
−1
, es decir, P no ser´a ortogonal, (como puede verse en el doble ejemplo 5
anterior y en el ejemplo 7 que haremos posteriormente).
1.1.3 Diagonalizaci´on mediante operaciones elementales.
El segundo m´etodo a que haciamos referencia en el apartado anterior, y que veremos
ahora, trata de encontrar una matriz diagonal que sea congruente con la inicial, haciendo
operaciones elementales sobre la matriz.
Es decir, vamos a demostrar aqu´ı que si A es la matriz asociada a una forma cuadr´atica
Q, mediante operaciones elementales en las filas y en las columnas de A podemos llegar
a la obtenci´on de una matriz diagonal D, congruente con A. Adem´as encontraremos un
m´etodo pr´actico para obtener, simult´ aneamente, D y P, la matriz del cambio de base.
No es dif´ıcil probar los siguientes resultados:
1. Sea A una matriz nn y A
f
(resp. A
c
) la matriz que se obtiene al efectuar una sola
operaci´on elemental en las filas (resp. columnas) de A. Sea E
f
(resp. E
c
) la matriz
que resulta de efectuar la misma operaci´on elemental en las filas (resp. columnas)
de la identidad n n. Entonces
A
f
= E
f
A (resp. A
c
= AE
c
).
2. Si E
f
y E
c
son, respectivamente, las matrices elementales obtenidas al efectuar la
misma operaci´on elemental en las filas y en las columnas de la matriz identidad,
entonces E
f
= E
t
c
.
´
Algebra Lineal. 5
1.1 Diagonalizaci´on de una forma cuadr´atica. ma t
Por tanto si realizamos en una matriz sim´etrica A una operaci´on elemental en sus filas
y la misma operaci´on elemental en sus columnas para obtener A
fc
, la matriz as´ı obtenida
es congruente con A y sim´etrica.
En efecto:
A
fc
= A
f
E
c
= E
f
AE
c
= E
t
c
AE
c
,
luego A
fc
es sim´etrica por serlo A. Como E
f
= E
t
c
es una matriz elemental, es inversible,
y por tanto A y A
fc
son congruentes.
Teorema 6.- Para cualquier matriz sim´etrica A, existe una sucesi´on finita de operaciones
elementales, tales que la matriz obtenida a partir de A, D, efectuando cada operaci´on
elemental primero en las filas y a continuaci´ on la misma en las columnas, es diagonal y
congruente con A.
Demostraci´on:
Mediante un n´ umero finito de operaciones elementales sobre las filas de A podemos
obtener una matriz triangular superior, luego si en cada paso vamos realizando las mismas
operaciones elementales sobre las columnas de A, por ser A sim´etrica, llegaremos a una
matriz diagonal D. Esto es:
A → A
(fc)
1
⇒A
(fc)
1
= E
t
c
1
AE
c
1
A
(fc)
1
→ A
(fc)
2
⇒A
(fc)
2
= E
t
c
2
A
(fc)
1
E
c
2
.
.
.
.
.
.
A
(fc)
k−1
→ A
(fc)
k
⇒A
(fc)
k
= E
t
c
k
A
(fc)
k−1
E
c
k
= D
Por lo tanto, tenemos que
D = A
(fc)
k
= E
t
c
k
E
t
c
1
AE
c
1
E
c
k
= (E
c
1
E
c
k
)
t
A(E
c
1
E
c
k
) = P
t
AP
y como las matrices elementales son inversibles, P es una matriz inversible, por lo que A
y D son congruentes.
Podemos utilizar el siguiente procedimiento para diagonalizar la matriz A y obtener
la matriz del cambio de base simult´aneamente.
M´etodo pr´actico.
Se sit´ ua a la derecha de A la matriz I del mismo orden que A, (A[I) y efectuamos en A
las mismas operaciones elementales en sus filas y en sus columnas y en la matriz identidad
s´olo en sus columnas, al cabo de un n´ umero finito de pasos obtendremos (D[P).
Ejemplo.- 7.- Se considera Q(x) = 2x
2
+ 2xy + 2yz + 3z
2
una forma cuadr´atica sobre
IR
3
, reducir Q a suma de cuadrados y hallar la matriz del cambio de base.
Soluci´on:
La matriz asociada a Q en la base can´onica es A =
_
_
_
2 1 0
1 0 1
0 1 3
_
_
_, si x = (x, y, z).
´
Algebra Lineal. 6
1.2 Rango y signatura de una forma cuadr´atica. ma t
Hagamos el proceso de (A[I) → (D[P), detallando inicialmente los pasos dados en
cada operaci´on, para despu´es globalizarlos.
(A[I) =
_
_
_
2 1 0 [1 0 0
1 0 1 [0 1 0
0 1 3 [0 0 1
_
_
_ →
_
F
A
2

1
2
F
A
1
_

_
_
_
2 1 0 [1 0 0
0 −
1
2
1 [0 1 0
0 1 3 [0 0 1
_
_
_
(operaci´on elemental para las filas de A)
_
_
_
2 1 0 [1 0 0
0 −
1
2
1 [0 1 0
0 1 3 [0 0 1
_
_
_ →
_
C
A
2

1
2
C
A
1
_

_
_
_
2 0 0 [1 0 0
0 −
1
2
1 [0 1 0
0 1 3 [0 0 1
_
_
_
(la misma operaci´on elemental para las columnas de A)
_
_
_
2 0 0 [1 0 0
0 −
1
2
1 [0 1 0
0 1 3 [0 0 1
_
_
_ →
_
C
I
2

1
2
C
I
1
_

_
_
_
2 0 0 [1 −
1
2
0
0 −
1
2
1 [0 1 0
0 1 3 [0 0 1
_
_
_
(la misma operaci´on elemental para las columnas de I.)
_
_
_
2 0 0 [1 −
1
2
0
0 −
1
2
1 [0 1 0
0 1 3 [0 0 1
_
_
_ →
_
¸
_
¸
_
F
A
3
+ 2F
A
2
C
A
3
+ 2C
A
2
C
I
3
+ 2C
I
2
_
¸
_
¸
_

_
_
_
2 0 0 [1 −
1
2
−1
0 −
1
2
0 [0 1 2
0 0 5 [0 0 1
_
_
_ = (D[P)
Hemos obtenido as´ı la matriz diagonal, D =
_
_
_
2 0 0
0 −
1
2
0
0 0 5
_
_
_, y la matriz de transici´on de la
base B

= ¦(1, 0, 0), (−
1
2
, 1, 0), (−1, 2, 1)¦ a la can´onica, P =
_
_
_
1 −
1
2
−1
0 1 2
0 0 1
_
_
_, verific´andose
que
P
t
AP = D.
Por tanto, si [x]
B
=
_
_
_
x

y

z

_
_
_, se tiene que Q(x) = 2x
2


1
2
y
2

+ 5z
2

.
1.2 Rango y signatura de una forma cuadr´atica.
Hemos visto distintos m´etodos de encontrar matrices diagonales asociadas a una forma
cuadr´atica, por lo que existir´an tambi´en distintas matrices diagonales (en los ejemplos 4 y
5, hemos encontrado matrices diagonales distintas para la misma forma cuadr´atica). Sin
embargo, todas ellas tienen algunas cosas en com´ un: tienen el mismo n´ umero de elementos
distintos de cero en la diagonal (el mismo rango) y tienen el mismo n´ umero de elementos
positivos y de elementos negativos en la diagonal (la misma signatura).
En este cap´ıtulo veremos como estos valores permanecen invariantes para cualquier
diagonalizaci´on que hagamos, lo que nos permitir´a, posteriormente, dar una clasificaci´on
de las formas cuadr´aticas.
´
Algebra Lineal. 7
1.2 Rango y signatura de una forma cuadr´atica. ma t
Teorema 8.- Dos matrices congruentes tienen el mismo rango.
Demostraci´on:
Veamos, previamente, el siguiente resultado
Lema 9.- Si A
m×n
y B
n×p
son dos matrices, entonces
rg(AB) ≤ min(rg(A), rg(B)).
Demostraci´on:
Las columnas de AB est´an en el espacio de las columnas de A, pues si c
j
es
la columna j-´esima de AB, entonces
c
j
= A
_
_
_
_
b
1j
.
.
.
b
nj
_
_
_
_
=
_
_
_
_
a
11
b
1j
+. . . +a
1n
b
nj
.
.
.
a
m1
b
1j
+. . . +a
mn
b
nj
_
_
_
_
= b
1j
_
_
_
_
a
11
.
.
.
a
m1
_
_
_
_
+. . . +b
nj
_
_
_
_
a
1n
.
.
.
a
mn
_
_
_
_
luego c
j
est´a en el espacio de las columnas de A, para todo j, por ser combi-
naci´on lineal de dichas columnas.
Como el rango de una matriz es la dimensi´on del espacio de las filas o de las
columnas de la matriz, se tiene que la dimensi´on del espacio de las columnas
de AB es menor o igual que la dimensi´on del espacio de las columnas de A,
es decir
rg(AB) ≤ rg(A).
An´alogamente se demuestra que las filas de AB est´an en el espacio de las filas
de B, con lo cual
rg(AB) ≤ rg(B)
Por tanto,
rg(AB) ≤ min¦rg(A), rg(B)¦
Completemos ahora la prueba del teorema:
Sean, ahora, A y B dos matrices congruentes de orden n. Existir´a una matriz P
inversible tal que P
t
AP = B, luego, aplicando el Lema anterior reiteradamente, se tiene
que
rg(B) ≤min¦rg(P
t
), rg(AP)¦ = min¦n, rg(AP)¦ = rg(AP)
≤min¦rg(A), rg(P)¦ = min¦rg(A), n¦ = rg(A)
(al ser P inversible es rg(P
t
) = rg(P) = n, y al ser AP y A matrices de orden n se tiene
que rg(AP) ≤ n y rg(A) ≤ n).
Reciprocamente, si tomamos Q = P
−1
se tiene que A = Q
t
BQ y de forma an´aloga a
lo realizado en el caso anterior se obtiene que
rg(A) ≤ rg(B)
Por tanto rg(A) = rg(B).
´
Algebra Lineal. 8
1.2 Rango y signatura de una forma cuadr´atica. ma t
Definici´on 10.- Llamaremos rango de una forma cuadr´atica, al rango de cualquier ma-
triz sim´etrica asociada en una base a la forma cuadr´atica.
Observaci´ on:
Del teorema anterior, se deduce entonces que dos cualesquiera matrices diagonales aso-
ciadas a la misma forma cuadr´atica tienen el mismo n´ umero de elementos en la diagonal
distintos de cero, –pues este n´ umero es el rango de la matriz diagonal–.
Teorema de Sylvester o Ley de inercia 11.- Si una forma cuadr´atica se reduce a la
suma de cuadrados en dos bases diferentes, el n´ umero de t´erminos que aparecen con
coeficientes positivos, as´ı como el n´ umero de t´erminos con coeficientes negativos es el
mismo en ambos casos.
Demostraci´on:
Supongamos que respecto a una base B = ¦b
1
, b
2
, . . . , b
n
¦ la expresi´on de la forma
cuadr´atica es
Q(x) = a
1
x
2
1
+ +a
p
x
2
p
−a
p+1
x
2
p+1
− −a
p+p
x
2
p+p
,
con a
i
> 0 para todo i, y x = x
1
b
1
+ +x
p
b
p
+ +x
p+p
b
p+p
+ +x
n
b
n
, esto es, la
matriz diagonal asociada ser´a
D =
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
a
1
.
.
.
a
p
−a
p+1
.
.
.
−a
p+p

0
.
.
.
0
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
y que respecto a la otra base B

= ¦b

1
, . . . , b

n
¦ se tiene
Q(x) = c
1
y
2
1
+ +c
q
y
2
q
−c
q+1
− −c
q+q
y
2
q+q
,
con c
j
> 0, para todo j, y x = y
1
b

1
+ +y
q
b
q
+ +y
q+q
+ +y
n
b

n
, siendo entonces
su matriz asociada
D

=
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
c
1
.
.
.
c
q
−c
q+1
.
.
.
−c
q+q

0
.
.
.
0
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
´
Algebra Lineal. 9
1.3 Clasificaci´on de las formas cuadr´aticas. ma t
Por el teorema 8 anterior, sabemos que rg(D) = rg(D

), luego p + p

= q + q

. Veamos
que p = q, con lo que tendremos tambi´en que p

= q

.
Supongamos que p > q y consideremos los subespacios vectoriales S = lin¦b
1
, . . . , b
p
¦
y T = lin¦b

q+1
, . . . , b

n
¦. Si p > q, el valor dim(S) + dim(T) = p + (n −q) > n y por lo
tanto dim(S ∩ T) > 0.
Sea entonces x ∈ S ∩ T distinto del vector 0. Por ser de S, se tiene que x puede
escribirse de la forma
x = x
1
b
1
+ +x
p
b
p
y el valor de la forma cuadr´atica ser´a
Q(x) = a
1
x
2
1
+. . . +a
p
x
2
p
> 0 pues x ,= 0.
Por ser de T, puede escribirse en la forma
x = y
q+1
b

q+1
+. . . +y
n
b

n
,
y el valor de Q(x) es entonces
Q(x) = −c
q+1
y
2
q+1
−. . . −c
q+q
y
2
q+q
≤ 0
lo que es una contradicci´ on, luego necesariamente p ≤ q.
Reciprocamente, se obtendr´ıa que q ≤ p, luego p = q.
Definici´on 12.- Sea Q una forma cuadr´atica y D una matriz diagonal asociada a la
forma cuadr´atica en una base. Se define como signatura de Q al par Sig(Q) = (p, q)
donde p es el n´ umero de elementos positivos de la diagonal de D y q es el n´ umero de
elementos negativos de la misma.
1.3 Clasificaci´on de las formas cuadr´aticas.
Definici´on 13.- Se dice que una forma cuadr´atica Q es
a) Nula si y s´olo si Q(x) = 0 para todo x.
b) Definida positiva si y s´olo si Q(x) > 0, para todo x no nulo.
c) Semidefinida positiva si y s´olo si Q(x) ≥ 0, para todo x y Q no es nula ni definida
positiva.
d) Definida negativa si y s´olo si Q(x) < 0, para todo x no nulo.
e) Semidefinida negativa si y s´olo si Q(x) ≤ 0, para todo x y Q no es nula ni
definida negativa.
f) Indefinida si y s´olo si Q(x) alcanza tanto valores positivos como negativos, es decir,
si ∃x
1
,= 0 tal que Q(x
1
) > 0 y ∃x
2
,= 0 tal que Q(x
2
) < 0
Para las formas cuadr´aticas sobre IR
2
, podemos dar una representaci´ on de ellas usando
superficies en IR
3
, es decir, asignando a z el valor de la forma cuadr´atica en el punto (x, y).
Con estas premisas, hemos realizado la siguiente figura.
´
Algebra Lineal. 10
1.3 Clasificaci´on de las formas cuadr´aticas. ma t
Fig. 1.1: Gr´aficas de las formas cudr´aticas de IR
2
: definida positiva, definida negativa, indefinida,
semidefinida positiva, semidefinida negativa y nula
Teorema de clasificaci´on 14.- Sea Q una forma cuadr´atica en un espacio vectorial de
dimensi´on n. Se verifica:
a) Q es nula ⇔ Sig(Q) = (0, 0)
b) Q es definida positiva ⇔ Sig(Q) = (n, 0).
c) Q es semidefinida positiva ⇔ Sig(Q) = (p, 0) con 0 < p < n.
d) Q es definida negativa ⇔ Sig(Q) = (0, n).
e) Q es semidefinida negativa ⇔ Sig(Q) = (0, q) con 0 < q < n.
f) Q es indefinida ⇔ Sig(Q) = (p, q) con 0 < p, q.
Demostraci´on:
Sea B = ¦v
1
, . . . , v
n
¦ una base en la cual, la expresi´on de Q es de la forma
Q(x) = d
1
x
2
1
+d
2
x
2
2
+ +d
n
x
2
n
donde [x]
B
=
_
_
_
_
x
1
.
.
.
x
n
_
_
_
_
. Adem´as, en dicha base se tiene que
[v
1
]
B
=
_
_
_
_
_
_
1
0
.
.
.
0
_
_
_
_
_
_
, , [v
n
]
B
=
_
_
_
_
_
_
0
0
.
.
.
1
_
_
_
_
_
_
.
´
Algebra Lineal. 11
1.3 Clasificaci´on de las formas cuadr´aticas. ma t
y, por tanto, que Q(v
i
) = d
i
, para todo i = 1, . . . , n. Entonces:
a) Si Q(x) = 0, para todo x, se tiene que d
i
= Q(v
i
) = 0, para todo i, luego Sig(Q) =
(0, 0).
Reciprocamente, si d
i
= 0 para todo i, entonces Q(x) = 0 para todo x.
b) Si Q(x) > 0 para todo x ,= 0, se tiene que d
i
= (v
i
) > 0, para todo i, luego
Sig(Q) = (n, 0).
Rec´ıprocamente, si d
i
> 0 para todo i, entonces Q(x) > 0 para todo x ,= 0.
c) Si Q(x) ≥ 0 para todo x ,= 0, es d
i
= Q(v
i
) ≥ 0 para todo i. Como no es
nula existe alg´ un d
j
> 0 y como no es definida positiva existe alg´ un d
k
= 0, luego
Sig(Q) = (p, 0) con 0 < p < n.
Rec´ıprocamente, si d
i
≥ 0 para todo i, con alg´ un d
j
> 0 y alg´ un d
k
= 0, se tiene
que Q(x) ≥ 0 para todo x, que Q(v
j
) = d
j
> 0, por lo que no es nula, y que
Q(v
k
) = d
k
= 0, por lo que no es definida positiva.
d) An´alogo al caso definida positiva.
e) An´alogo al caso semidefinida positiva.
f) Por ser indefinida, Q(x) ,≥ 0 para todo x, luego d
i
,≥ 0 para todo i, por lo que
existir´a un d
j
< 0 y Q(x) ,≤ 0 para todo x, luego d
i
,≤ 0 para todo i por lo que
existir´a un d
k
> 0. En consecuencia, Sig(Q) = (p, q) con p, q > 0.
Rec´ıprocamente, si existe d
j
< 0 y d
k
> 0, ser´an Q(v
j
) = d
j
< 0 y Q(v
k
) = d
k
> 0,
luego es indefinida.
Para finalizar –y aunque puede obtenerse sin mucho coste la matriz diagonal– damos,
sin demostraci´on, dos teoremas que pueden ser ´ utiles por su versi´ on pr´actica. El primero
de ellos engloba varios resultados para clasificar una forma cuadr´atica usando la matriz
inicial y el segundo, el Teorema de Descartes, para conocer la signatura sin encontrar la
raices del polinomio caracter´ıstico.
Teorema 15.- Sea Q una forma cuadr´atica y A su matriz asociada. Sea ∆
k
el k-´esimo
menor principal de A, con 1 ≤ k ≤ n. Entonces:
a) Q es definida positiva si, y s´olo si, ∆
k
> 0, para 1 ≤ k ≤ n.
b) Q es definida negativa si, y s´olo si, (−1)
k

k
> 0, para 1 ≤ k ≤ n.
c) Si ∆
n
= det(A) ,= 0 y no se est´a en alguno de los casos anteriores, entonces Q es
indefinida.
d) Si existe i tal que a
ii
≤ 0 (resp. a
ii
≥ 0 ), entonces Q no es definida positiva (resp.
no es definida negativa).
e) Si existen i y j, con i ,= j, tales que a
ii
= 0 y a
ij
,= 0, entonces Q es indefinida.
´
Algebra Lineal. 12
1.3 Clasificaci´on de las formas cuadr´aticas. ma t
Teorema de Descartes 16.- Sea a
0
+ a
1
X + + a
n−1
X
n−1
+ a
n
X
n
un polinomio de
grado n con coeficientes reales, con a
n
,= 0 y a
0
,= 0, del que se sabe que tiene todas sus
raices reales. Si en la sucesi´on de t´erminos
a
0
−a
1
a
2
(−1)
n−1
a
n−1
(−1)
n
a
n
consideramos en cada lugar de la sucesi´on en signo del t´ermino correspondiente –si alg´ un
t´ermino es 0 se elige signo + o − indistintamente–, obtenemos una sucesi´on de signos.
Entonces, llamando p al n´ umero se permanencias de signo en la sucesi´on, v al n´ umero de
variaciones de signo en la sucesi´on, n
+
al n´ umero de raices positivas y n

al n´ umero de
raices negativas del polinomio, se tiene que
p −v = n
+
−n

.
En consecuencia, como n
+
+n

= n, los valores n
+
y n

son las soluciones del sistema
_
n
+
−n

= p −v
n
+
+n

= n
=⇒
_
n
+
=
n+(p−v)
2
n

=
n−(p−v)
2
.
´
Algebra Lineal. 13
Cap´ıtulo 2
C´onicas en IR
2
.
Una de las aplicaciones de las formas cuadr´aticas, se da en el estudio de las c´onicas y
cu´adricas, de las que nos ocuparemos en estos dos Cap´ıtulos.
2.1 Introducci´on.
Algunas c´onicas como la elipse, la hip´erbola y la par´abola son ya conocidas, reconocemos
su gr´afica
Fig. 2.1: Elipse, hip´erbola y par´abola.
y las expresiones anal´ıticas de las ecuaciones que las generan
x
2
a
2
+
y
2
b
2
= 1 ´o b
2
x
2
+a
2
y
2
−a
2
b
2
= 0
x
2
a
2

y
2
b
2
= ±1 ´o b
2
x
2
−a
2
y
2
±a
2
b
2
= 0
x
2
= 2py ´o x
2
−2py = 0
Sin embargo, en el caso de la ecuaci´on el reconocimiento se limita a las elipses e hip´erbolas
centradas en (0, 0) o las par´abolas que tienen en (0, 0) su v´ertice –como es el caso de las
ecuaciones expuestas arriba–, o pocas variaciones respecto a estos casos.
En este cap´ıtulo, haremos un estudio general de las c´onicas que nos permita recono-
cerlas aunque en principio la ecuaci´on no sea similar a una de las anteriores. De hecho, y
aunque las propiedades geom´etricas de las c´onicas mencionadas anteriormente hacen que
´
Algebra Lineal. 14
2.1 Introducci´on. ma t
estos tres tipos de c´onicas sean los m´as interesantes, el estudio que haremos ser´a bastante
completo.
Definici´on 17.- Sea O un punto de IR
2
y B = ¦e
1
, e
2
¦ una base ortonormal del mismo.
Dado un punto P ∈ IR
2
, llamaremos coordenadas de P en la referencia R = ¦O; e
1
, e
2
¦, al
par (x, y) tal que
−→
OP = xe
1
+ye
2
. El punto O decimos que es el origen de coordenadas.
Definici´on 18.- Se define c´onica en IR
2
como el lugar geom´etrico de los puntos P, cuyas
coordenadas (x, y) verifican una ecuaci´on de la forma:
a
00
+ 2a
01
x + 2a
02
y +a
11
x
2
+ 2a
12
xy +a
22
y
2
= 0 ¸2.1)
donde a
11
, a
12
, y a
22
no son simult´ aneamente nulos.
En la ecuaci´on anterior podemos distinguir tres partes.
a) El t´ermino independiente, a
00
.
b) Una forma lineal, 2a
01
x + 2a
02
y.
c) Una forma cuadr´atica, a
11
x
2
+ 2a
12
xy +a
22
y
2
.
Ecuaci´on matricial.
A tenor de las tres partes comentadas, la ecuaci´on ¸2.1) anterior puede expresarse en
forma matricial de la forma
0 =a
00
+ 2
_
a
01
a
02
_
_
x
y
_
+
_
x y
_
_
a
11
a
12
a
12
a
22
__
x
y
_
=a
00
+ 2A
L
_
x
y
_
+
_
x y
_
A
C
_
x
y
_
¸2.2)
Si bien es cierto que un punto en IR
2
tiene unicamente dos coordenadas, usando de un
peque˜ no truquito puede escribirse matricialmente con la expresi´on m´as sencilla
0 =
_
1 x y
_
_
_
_
a
00
a
01
a
02
a
01
a
11
a
12
a
02
a
12
a
22
_
_
_
_
_
_
1
x
y
_
_
_ =
_
1 x y
_
A
_
_
_
1
x
y
_
_
_ =

X
t
A

X, ¸2.3)
Las dos expresiones matriciales son ´ utiles para el estudio de las conicas. Usando la
expresi´on ¸2.3) se compone un cuadro de la clasificaci´on de las c´onicas mediante invarian-
tes, que mostramos al final del cap´ıtulo, y operando sobre la ecuaci´on ¸2.2) obtendremos
la ecuaci´on reducida de la c´onica que nos permita identificarla.
En el estudio siguiente realizaremos este ´ ultimo proceso.
´
Algebra Lineal. 15
2.2 Ecuaci´on reducida de una c´onica. ma t
2.2 Ecuaci´on reducida de una c´onica.
2.2.1 C´alculo de la ecuaci´on reducida.
Diagonalizaci´on de A
C
.
En la ecuaci´on general de la c´onica
a
00
+ 2A
L
_
x
y
_
+
_
x y
_
A
C
_
x
y
_
= 0
vemos que A
C
es la matriz asociada a una forma cuadr´atica, luego puede obtenerse una
matriz diagonal congruente con ella obtenida diagonalizando ortogonalmente. Es decir,
existe P
B

→B
inversible tal que P
t
AP = D =
_
λ
1
0
0 λ
2
_
, donde P
_
x

y

_
=
_
x
y
_
y
P
−1
= P
t
. Por tanto, la ecuaci´on queda
0 =a
00
+ 2A
L
P
_
x

y

_
+
_
x

y

_
P
t
AP
_
x

y

_
=a
00
+ 2A
L
P
_
x

y

_
+
_
x

y

_
D
_
x

y

_
Llamando A
L
P = B
L
=
_
b
01
b
02
_
y usando la expresi´on de D nos queda
0 = a
00
+ 2b
01
x

+ 2b
02
y


1
x
2


2
y
2

. ¸2.4)
Observaci´ on.- 19.- La matriz P ortogonal obtenida en la diagonalizaci´on representa
un cambio de base ortogonal y, por tanto, si en la elecci´on de P exigimos adem´as que
det(P) = 1 (±1 son las ´ unicas posibilidades para una matriz ortogonal) el cambio de base
nos representar´a un giro de los ejes en el plano.
Es decir, los vectores de la nueva base aparecer´an girados un cierto ´angulo α respecto
a los de la base inicial y
P =
_
p
11
p
12
p
21
p
22
_
=
_
cos α −sen α
sen α cos α
_
para α tal que tg α =
p
21
p
11
.
Obs´ervese tambi´en que la matriz P, v´alida para efectuar el giro, no es ´ unica, existen
ex´actamente cuatro opciones para elegir las columnas de P, (los giros de ´angulos α, α+
π
2
,
α +π y α +

2
)
Si tomamos det(P) = −1 se produce adem´as del giro una reflexi´on, es decir, en uno
de los nuevos ejes se intercambia la parte positiva con la negativa.
Observaci´ on.- 20.- Puesto que la matriz A
C
es la matriz asociada a una forma cuadr´atica,
puede conseguirse una matriz diagonal sin hacer la diagonalizaci´on ortogonal. Sin em-
bargo, al no ser el cambio de base ortogonal los vectores de la nueva base no formar´an
un ´angulo recto y tendr´an distintas longitudes, por lo que la expresi´on que obtenemos
nos representar´ a una c´onica del mismo tipo aunque deformada, es decir, una elipse puede
pasar a ser una circunferencia, o una par´abola ser´a mas abierta o cerrada que la original.
Por ejemplo:
´
Algebra Lineal. 16
2.2 Ecuaci´on reducida de una c´onica. ma t
La c´onica dada por x
2
+ 2xy + 2y
2
= 1.
a) Diagonalizando ortogonalmente obtenemos λ
1
=
3+

5
2
y λ
2
=
3−

5
2
, de
donde, la ecuaci´on queda
3+

5
2
x
2

+
3−

5
2
y
2

= 1, que representa una elipse
centrada en (0, 0), de semiejes
_
2
3+

5
y
_
2
3−

5
.
b) Completando cuadrados, obtendremos que x
2
+ 2xy + 2y
2
− 1 = (x +
y)
2
+ y
2
−1 = x
2

+ y
2

−1 = 0, que es la ecuaci´on de una circunferencia
de radio 1.
Este segundo resultado nos puede llevar a pensar que la c´onica inicial tambi´en
es una circunferencia, cuando sabemos que no es as´ı.
Para evitar este tipo de problemas, siempre usaremos para encontrar la matriz diagonal
la diagonalizaci´on ortogonal.
Completar cuadrados.
La expresi´on simplificada, ¸2.4), obtenida de la ecuaci´on de la c´onica al diagonalizar A
C
,
puede simplificarse a´ un m´as mediante el m´etodo de completar cuadrados.
Como los valores a
11
, a
12
y a
22
no son simult´ aneamente nulos, la matriz A
C
no es la
nula y D tampoco. Luego λ
1
y λ
2
no pueden ser los dos nulos. Esto nos proporciona dos
casos en el proceso a seguir
Caso 1: λ
1
,= 0 y λ
2
,= 0. Podemos, en este caso, agrupar los dos t´erminos cuadrados,
con lo que ¸2.4) nos queda
0 = a
00

b
2
01
λ
1

b
2
02
λ
2

1
_
x

+
b
01
λ
1
_
2

2
_
y

+
b
02
λ
2
_
2
= K
1

1
x
2
∗∗

2
y
2
∗∗
donde
_
x
∗∗
= x

+
b
01
λ
1
y
∗∗
= y

+
b
02
λ
2
y K
1
= a
00

b
2
01
λ
1

b
2
02
λ
2
.
Caso 2: λ
1
,= 0 y λ
2
= 0. (De manera an´aloga si λ
1
= 0 y λ
2
,= 0.)
En este caso la ecuaci´on de la c´onica queda
0 = a
00
+ 2b
01
x

+ 2b
02
y


1
x
2

,
en la cu´al podemos completar el cuadrado en x

y nos queda
0 =
_
a
00

b
2
01
λ
1
_

1
_
x

+
b
01
λ
1
_
2
+ 2b
02
y

= K
2

1
x
2
∗∗
+ 2b
02
y

, ¸2.5)
donde hemos hecho x
∗∗
= x

+
b
01
λ
1
y K
2
= a
00

b
2
01
λ
1
.
La ecuaci´on anterior, ¸2.5), se simplifica seg´ un exista o n´o el t´ermino en y

, es decir,
si b
02
,= 0 ´o b
02
= 0.
´
Algebra Lineal. 17
2.2 Ecuaci´on reducida de una c´onica. ma t
Caso 2.1: b
02
,= 0. En este caso se puede agrupar el t´ermino en y

con el t´ermino
independiente, es decir
0 = K
2
+ 2b
02
y


1
x
2
∗∗
= 2b
02
_
y

+
K
2
2b
02
_

1
x
2
∗∗
= 2b
02
y
∗∗

1
x
2
∗∗
.
donde y
∗∗
= y

+
K
2
2b
02
.
Caso 2.2: b
02
= 0. En este caso la ecuaci´on queda
0 = K
2

1
x
2
∗∗
.
Observaci´ on.- 21.- Geom´etricamente, completar cuadrados equivale a una translaci´on,
es decir, se translada el origen de coordenadas a un nuevo punto.
Hemos completado as´ı el estudio de la ecuaci´on reducida de la c´onica. El resultado lo
reunimos en el siguiente cuadro.
2.2.2 Clasificaci´on mediante la ecuaci´on reducida.
Mediante los giros y translaciones de los ejes de coordenadas, detallados en el apartado
anterior, se ha podido reducir la ecuaci´on a uno de los casos siguientes:
Caso 1. λ
1
x
2
∗∗

2
y
2
∗∗
+K
1
= 0, con λ
1
y λ
2
no nulos.
a) Si K
1
,= 0 y el signo de λ
1
es igual al de λ
2
y contrario al de K
1
, la ecuaci´on
representa una elipse.
b) Si K
1
,= 0 y λ
1
, λ
2
y K
1
poseen el mismo signo, no se obtiene ning´ un punto
real. (La expresi´on se dice que representa una elipse imaginaria.)
c) Si K
1
,= 0 y el signo de λ
1
es contrario al de λ
2
, la ecuaci´on representa una
hip´erbola.
d) Si K
1
= 0 y λ
1
y λ
2
tienen signos contrarios, estamos ante dos rectas que se
cortan.
e) Si K
1
= 0 y λ
1
y λ
2
poseen el mismo signo, estamos representando un ´ unico
punto. (La c´onica se dice que est´a formada por dos rectas imaginarias cuya
intersecci´on es un punto real.)
Caso 2.1 x
2
∗∗
= 2py
∗∗
, con p = −
b
02
λ
1
,= 0, ´o y
2
∗∗
= 2px
∗∗
, con p = −
b
01
λ
2
,= 0,
representan par´abolas.
Caso 2.2 x
2
∗∗
= c, con c = −
K
2
λ
1
, ´o y
2
∗∗
= c, con c = −
K
2
λ
2
.
a) Si c = 0 tenemos una recta doble.
b) Si c > 0, dos rectas paralelas.
c) Si c < 0 ningun punto. (La c´onica se dice que la forman dos rectas imaginarias
paralelas.)
´
Algebra Lineal. 18
2.2 Ecuaci´on reducida de una c´onica. ma t
Observaci´ on.- 22.- Para recuperar la ecuaci´on inicial, basta con deshacer los cambios
realizados. Es decir, en el Caso 1, tener en cuenta que
_
x
∗∗
= x

+
b
01
λ
1
y
∗∗
= y

+
b
02
λ
2
y que
_
x

= p
11
x +p
12
y
y

= p
21
x +p
22
y
en el Caso 2.1 que
_
x
∗∗
= x

+
b
01
λ
1
y
∗∗
= y

+
K
2
2b
02
_
´o
_
x
∗∗
= x

+
K
2
2b
01
y
∗∗
= y

+
b
02
λ
2
_
y que
_
x

= p
11
x +p
12
y
y

= p
21
x +p
22
y
y en el Caso 2.2 que
_
x
∗∗
= x

+
b
01
λ
1
y
∗∗
= y

_
´o
_
x
∗∗
= x

y
∗∗
= y

+
b
02
λ
2
_
y que
_
x

= p
11
x +p
12
y
y

= p
21
x +p
22
y.
Ejemplo.- 23.- Encontrar la ecuaci´on reducida de la c´onica de IR
2
dada por la expresi´on
x
2
+ 2xy +y
2
+ 2x −2 = 0
Soluci´on:
La ecuaci´on puede escribirse como
0 = −2 + 2
_
1 0
_
_
x
y
_
+
_
x y
_
_
1 1
1 1
__
x
y
_
.
Diagonalizamos la matriz A
C
=
_
1 1
1 1
_
.
[λI −A
C
[ =
¸
¸
¸
¸
¸
λ −1 −1
−1 λ −1
¸
¸
¸
¸
¸
= λ
2
−2λ = λ(λ −2) = 0
con autovalores λ
1
= 0 y λ
2
= 2.
Los vectores propios asociados al autovalor λ
1
= 0, son las soluciones del sistema
_
−1 −1
−1 −1
_
x = 0, luego (1, −1) forma una base del espacio caracter´ıstico. Como la
diagonalizaci´on ha de ser ortogonal, ortonormalizamos la base, lo que en este caso equivale
a normalizar el vector (1, −1); es decir, el vector (
1

2
,
−1

2
). Tenemos por tanto que p
11
=
1

2
y p
21
=
−1

2
).
Para λ
2
= 2 tenemos como soluci´on del sistema
_
1 −1
−1 1
_
x = 0 el vector (1, 1),
que normalizado se convierte en (
1

2
,
1

2
). Luego D =
_
0 0
0 2
_
y P =
_
1

2
1

2
−1

2
1

2
_
. Como
det(P) = 1, esta matriz P es la buscada y la ecuaci´on queda
0 =−2 + 2
_
1

2
1

2
_
_
x

y

_
+
_
x

y

_
_
0 0
0 2
__
x

y

_
=−2 + 2
1

2
x

+ 2
1

2
y

+ 2y
2

´
Algebra Lineal. 19
2.3 Invariantes. ma t
donde
_
x

=
x

2

y

2
y

=
x

2
+
y

2
Completando el cuadrado y, a continuaci´ on, agrupando el t´ermino
en x

con el t´ermino independiente, tenemos
0 =−2 −
1
4
+
2

2
x

+ 2(y

+
1
2

2
)
2
= −
9
4
+
2

2
x

+ 2y
2
∗∗
=
2

2
(x


9

2
8
) + 2y
2
∗∗
=
2

2
x
∗∗
+ 2y
2
∗∗
donde
_
x
∗∗
= x


9

2
8
y
∗∗
= y

+
1
2

2
. Es decir, la par´abola
x
∗∗
= −

2y
2
∗∗
´o y
2
∗∗
=
−1

2
x
∗∗
.
El proceso geom´etrico realizado puede observarse en la siguiente figura.
α
y
x
y" x"
y’ x’
Nota: Al realizar el ejercicio hemos hecho una serie de elecciones que nos determinan la
matriz P. En primer lugar hemos optado por que sea λ
1
= 0 y λ
2
= 2, en lugar de
λ
1
= 2 y λ
2
= 0, que tambi´en es posible. A continuaci´on, al buscar las filas de P hemos
optado por el vector (1, −1) como base del espacio caracter´ıstico de λ
1
= 0 en lugar del
vector (−1, 1) tambi´en posible, y el vector (1, 1) para λ
2
= 2 en lugar de (−1, −1). Estas
posibilidades de elecci´on son las que determinan las cuatro posibles matrices para P.
Compruebe el lector, que realizando las otras elecciones se llega a las ecuaciones redu-
cidas y
2
∗∗
=
1

2
x
∗∗
, x
2
∗∗
=
1

2
y
∗∗
y x
2
∗∗
=
−1

2
y
∗∗
.
2.3 Invariantes.
Tomemos ahora la expresi´on matricial de la c´onica, ¸2.3),
0 =
_
1 x y
_
_
_
_
a
00
a
01
a
02
a
01
a
11
a
12
a
02
a
12
a
22
_
_
_
_
_
_
1
x
y
_
_
_ =

X
t
A

X
´
Algebra Lineal. 20
2.3 Invariantes. ma t
y consideremos la matriz
¯
P =
_
_
_
1 0 0
0 p
11
p
12
0 p
21
p
22
_
_
_, donde P =
_
p
11
p
12
p
21
p
22
_
es la matriz que
diagonaliza A
C
. Se tiene que
¯
P es una matriz ortogonal que verifica que

X =
_
_
_
1
x
y
_
_
_ =
¯
P
_
_
_
1
x

y

_
_
_ =
¯
P

X

Sustituyendo en la ecuaci´on se obtiene
0 =

X
t
A

X =

X
t

¯
P
t
A
¯
P

X

=

X
t

_
_
_
a
00
b
01
b
02
b
01
λ
1
0
b
02
0 λ
2
_
_
_

X

=

X
t

B

X

, ¸2.6)
que da la ecuaci´on de la c´onica tras el giro.
A la vista del resultado obtenido, no es dificil probar que
Teorema 24.- Con el cambio de matriz permanecen invariantes los valores
a) det A,
b) A
00
,
c) a
11
+a
22
y
d) A
11
+A
22
.
Es decir, estos valores permanecen igual si sustituimos A por B.
Nota: Por A
ij
denotamos el menor correspondiente al elemento a
ij
, es decir, el determinante de
la matriz que nos queda al eliminar la fila y la columna del elemento a
ij
.
Demostraci´on:
a) A y B son semejantes, luego [A[ = [B[.
b) Como A
00
es el determinante de la matriz A
C
, B
00
es el determinante de la matriz
D y A
C
y D son semejantes, A
00
= [A
C
[ = [D[ = B
00
.
c) Por ser A
C
y D semejantes, tienen el mismo polinomio caracter´ıstico, es decir,
[λI −A
C
[ = [λI −D[. Luego
λ
2
−(a
11
+a
22
)λ +[A
C
[ = [λI −A
C
[ = [λI −D[ = λ
2
−(λ
1

2
)λ +[D[,
y por tanto a
11
+a
22
= λ
1

2
.
d) A
11
+A
22
= (a
00
a
22
−a
2
02
) + (a
00
a
11
−a
2
01
) = a
00
(a
11
+a
22
) −(a
2
01
+a
2
02
)
B
11
+B
22
= (a
00
λ
2
−b
2
02
) + (a
00
λ
1
−b
2
01
) = a
00

1

2
) −(b
2
01
+b
2
02
)
Los dos primeros sumandos son iguales por el apartado c) y
b
2
01
+b
2
02
=(a
01
p
11
+a
02
p
12
)
2
+ (a
01
p
21
+a
02
p
22
)
2
=a
2
01
(p
2
11
+p
2
21
) +a
2
02
(p
2
12
+p
2
22
) + 2a
01
a
02
(p
11
p
12
+p
21
p
22
) = a
2
01
+a
2
02
por ser P una matriz ortogonal.
´
Algebra Lineal. 21
2.3 Invariantes. ma t
Observaci´ on.- 25.- Puede observarse en la prueba del teorema que los valores que apa-
recen son invariantes, precisamente, porque la diagonalizaci´on es ortogonal. Si obtenemos
la matriz diagonal por otro m´etodo, estos valores no son invarinates.
Para introducir como operaciones matriciales la translaci´on que efectuabamos a con-
tinuaci´ on del giro, basta tener en cuenta que el sistema
_
x
∗∗
= x

+h
y
∗∗
= y

+k
puede escribirse como
_
_
_
1
x
∗∗
y
∗∗
_
_
_ =
_
_
_
1 0 0
h 1 0
k 0 1
_
_
_
_
_
_
1
x

y

_
_
_.
Si resolvemos el sistema en funci´on de x

e y

, tenemos que

X

=
_
_
_
1
x

y

_
_
_ =
_
_
_
1 0 0
−h 1 0
−k 0 1
_
_
_
_
_
_
1
x
∗∗
y
∗∗
_
_
_ = T

X
∗∗
y sustituyendo en la ecuaci´on de la c´onica
0 =

X
t
∗∗
T
t
BT

X
∗∗
=

X
t
∗∗
C

X
∗∗
La matriz C obtenida es la que nos da la ecuaci´on reducida, luego ser´a:
• C =
_
_
_
K
1
0 0
0 λ
1
0
0 0 λ
2
_
_
_ para el Caso 1.
• C =
_
_
_
0 0 b
02
0 λ
1
0
b
02
0 0
_
_
_ ´o C =
_
_
_
0 b
01
0
b
01
0 0
0 0 λ
2
_
_
_ para el Caso 2.1.
• C =
_
_
_
K
2
0 0
0 λ
1
0
0 0 0
_
_
_ ´o C =
_
_
_
K
2
0 0
0 0 0
0 0 λ
2
_
_
_ para el Caso 2.2.
donde los elementos que aparecen en las matrices son los calculados antes.
Nota: En el caso particular de K
2
, tener presente que ser´a K
2
= a
00

b
01
λ
1
´o K
2
=
a
00

b
02
λ
2
, seg´ un sea λ
2
= 0 ´o λ
1
= 0.
Y la matrices T que nos dan las translaciones ser´an:
• T =
_
_
_
1 0 0

b
01
λ
1
1 0

b
02
λ
2
0 1
_
_
_ para el Caso 1.
• T =
_
_
_
1 0 0

b
01
λ
1
1 0

K
2
2b
02
0 1
_
_
_ ´o T =
_
_
_
1 0 0

K
2
2b
01
1 0

b
02
λ
2
0 1
_
_
_ para el Caso 2.1.
• T =
_
_
_
1 0 0

b
01
λ
1
1 0
0 0 1
_
_
_ ´o T =
_
_
_
1 0 0
0 1 0

b
02
λ
2
0 1
_
_
_ para el Caso 2.2.
´
Algebra Lineal. 22
2.3 Invariantes. ma t
con los mismos comentarios que antes sobre K
2
.
Teorema 26.- Con los cambios de matriz permanecen invariantes los valores
a) det A,
b) A
00
,
c) a
11
+a
22
y
d) A
11
+A
22
, cuando A
00
= 0 y [A[ = 0 (Caso 2.2).
Demostraci´on:
Hemos visto en el Teorema 24 que los valores permanecen invariantes cuando pasamos
de A a B. Veamos que tambi´en se verifican cuando pasamos de B a C.
a) Como C = T
t
BT y det(T) = 1, [C[ = [B[.
b) Es clara, pues la matriz B
C
= D es la misma en C.
c) Cierta por lo anterior.
d) C
11
+C
22
= K
2
λ
1
= a
00
λ
1
−b
2
01
´o C
11
+C
22
= K
2
λ
2
= a
00
λ
2
−b
2
02
B
11
+B
22
= a
00

1

2
) −(b
2
01
+b
2
02
)
Al ser B
00
= 0, entonces λ
1
= 0 o λ
2
= 0.
Si λ
1
= 0, como 0 = [B[ = −λ
2
b
2
01
, ha de ser b
01
= 0, en cuyo caso B
11
+ B
22
=
a
00
λ
2
−b
2
02
.
Si λ
2
= 0, como 0 = [B[ = −λ
1
b
2
02
, ha de ser b
02
= 0, en cuyo caso B
11
+ B
22
=
a
00
λ
1
−b
2
01
.
Lo que completa la demostraci´on.
2.3.1 Clasificaci´on por invariantes.
Teniendo en cuenta los invariantes, obtenemos la siguiente clasificaci´on de las c´onicas
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
A
00
,= 0
_
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
_
A
00
> 0
_
¸
_
¸
_
[A[ , = 0
_
[A[(a
11
+a
22
) < 0 ELIPSE
[A[(a
11
+a
22
) > 0 Elipse imaginaria
[A[ = 0 PUNTO; Rectas secantes imaginarias
A
00
< 0
_
[A[ , = 0 HIP
´
ERBOLA
[A[ = 0 RECTAS SECANTES
A
00
= 0
_
¸
¸
¸
_
¸
¸
¸
_
[A[ ,= 0 PAR
´
ABOLA
[A[ = 0
_
¸
_
¸
_
A
11
+A
22
< 0 RECTAS PARALELAS
A
11
+A
22
> 0 Rectas paralelas imaginarias
A
11
+A
22
= 0 RECTAS COINCIDENTES
A las c´onicas que verifican que A
00
,= 0 de las denomina c´onicas con centro y a las
que verifican que A
00
= 0 c´onicas sin centro.
´
Algebra Lineal. 23
2.3 Invariantes. ma t
Ejemplo.- 27.- Clasificar la c´onica dada por x
2
+ 2xy +y
2
+ 2x −2 = 0.
Soluci´on:
La ecuaci´on puede escribirse como
0 =
_
1 x y
_
_
_
_
−2 1 0
1 1 1
0 1 1
_
_
_
_
_
_
1
x
y
_
_
_ =

X
t
A

X
Veamos los invariantes:
A
00
=
¸
¸
¸
¸
¸
1 1
1 1
¸
¸
¸
¸
¸
= 0, luego es una de las llamadas c´onicas sin centro.
[A[ =
¸
¸
¸
¸
¸
¸
¸
−2 1 0
1 1 1
0 1 1
¸
¸
¸
¸
¸
¸
¸
= −2 + 2 −1 = −1 ,= 0, luego la c´onica es una par´abola.
2.3.2 C´alculo de la ecuaci´on reducida.
• C =
_
_
_
K
1
0 0
0 λ
1
0
0 0 λ
2
_
_
_.
Sabemos que λ
1
y λ
2
son las raices del polinomio caracter´ıstico, es decir las solucionas
de la ecuaci´on
[λI −A
c
[ =
¸
¸
¸
¸
¸
λ −a
11
−a
12
−a
12
λ −a
22
¸
¸
¸
¸
¸
= λ
2
−(a
11
+a
22
)λ +A
00
= 0
Como [A[ = [C[ = K
1
λ
1
λ
2
y A
00
= C
00
= λ
1
λ
2
, se tiene que K
1
=
[A[
A
00
.
• C =
_
_
_
0 0 b
02
0 λ
1
0
b
02
0 0
_
_
_ ´o C =
_
_
_
0 b
01
0
b
01
0 0
0 0 λ
2
_
_
_.
Lo hacemos para la primera y la otra es similar.
Por ser A
00
= 0 y a
11
+a
22
= λ
1

2
, tenemos que λ
1
= a
11
+a
22
y λ
2
= 0.
Como [A[ = [C[ = −b
2
02
λ
1
tenemos que b
02
=
¸
−[A[
a
11
+a
22
.
• C =
_
_
_
K
2
0 0
0 λ
1
0
0 0 0
_
_
_ ´o C =
_
_
_
K
2
0 0
0 0 0
0 0 λ
2
_
_
_.
Al igual que en el caso anterior λ
1
= a
11
+a
22
y λ
2
= 0.
Como A
11
+A
22
= C
11
+C
22
= K
2
λ
1
tenemos que K
2
=
A
11
+A
22
a
11
+a
22
.
Ejemplo.- 28.- Hallar la ecuaci´on reducida de la par´abola dada por la ecuaci´on x
2
+
2xy +y
2
+ 2x −2 = 0.
Soluci´on:
´
Algebra Lineal. 24
2.4 Lugares geom´etricos. ma t
Por el ejemplo 27, sabemos que A
00
= 0 y [A[ = −1 ,= 0, luego λ
2
= a
11
+ a
22
= 2,
λ
1
= 0 y b
01
=
_
−(−1)
2
=
1

2
y nos queda
2
1

2
x
∗∗
+ 2y
2
∗∗
= 0 ´o y
2
∗∗
= −
1

2
x
∗∗
2.4 Lugares geom´etricos.
A la elipse, hip´erbola y par´abola, se las denomina en algunos libros c´onicas no degeneradas,
es decir, son propiamente c´onicas por contraposici´on a las c´onicas formadas por rectas.
Las tres se obtienen, de forma geom´etrica, como el lugar geom´etrico de los puntos que
verifican una cierta condici´on. Veamoslas.
2.4.1 Elipse.
Dados dos puntos F
1
y F
2
, el lugar gom´etrico de los puntos P que verifican que la distancia
de P a F
1
m´as la distancia de P a F
2
es constante, forma una elipse.
Es decir, los puntos P tales que d(P, F
1
) + d(P, F
2
) = 2a, con 2a > d(F
1
, F
2
), est´an
sobre una elipse.
La mitad del valor de la constante nos proporciona el semieje mayor, es decir a. La
mitad de la distancia focal, d(F
1
, F
2
) = 2c. El semieje menor, b, el semieje mayor, a, y c
verifican que a
2
= b
2
+c
2
.
A los puntos F
1
y F
2
se les denomina focos de la elipse, y el centro de la elipse se
encuentra en el punto medio de los focos. A los puntos de la elipse que se encuentran
sobre la recta que une los focos y los que se encuentran sobre la perpendicular que pasa
por el centro, se los denomina v´ertices de la elipse.
La mitad del valor de la constante, a, que nos proporciona el semieje mayor, la mitad
de la distancia focal, d(F
1
, F
2
) = 2c, y el semieje menor, b, verifican que a
2
= b
2
+c
2
.
Si F
1
= F
2
, la elipse es una circunferencia
2.4.2 Hip´erbola.
Dados dos puntos F
1
y F
2
, el lugar gom´etrico de los puntos P que verifican que el valor
absoluto de la distancia de P a F
1
menos la distancia de P a F
2
es constante, forma una
hip´erbola.
´
Algebra Lineal. 25
2.4 Lugares geom´etricos. ma t
Es decir, los puntos P tales que [d(P, F
1
) −d(P, F
2
)[ = 2k, con 2k < d(F
1
, F
2
), est´an
sobre una hip´erbola.
A los puntos F
1
y F
2
se les denomina focos, y el centro de la hip´erbola se encuentra
en el punto medio de los focos. A los puntos de la hip´erbola que se encuentran sobre la
recta que une los focos se los denomina v´ertices de la hip´erbola.
La mitad del valor de la constante, a, que es la distancia de cada v´ertice al centro y la
mitad de la distancia focal, d(F
1
, F
2
) = 2c, nos permiten obtener el valor b =

c
2
−a
2
,
necesario para encontrar las as´ıntotas de la hip´erbola.
Estas dos as´ıntotas que pasan por el centro y forman con el eje focal un angulo α de
valores tg α =
b
a
y tg α =
−b
a
, para cada una de ellas.
2.4.3 Par´abola.
Dados un punto F y una recta r, el lugar gom´etrico de los puntos P que verifican que la
distancia de P a F es igual a la distancia de P a r, forma una par´abola.
Es decir, los puntos P tales que d(P, F) = d(P, r), con P ,∈ r, est´an sobre una par´abola.
Al punto F se les denomina foco, y a la recta r directriz de la par´abola. Al punto de
la par´abola que se encuentran entre el foco y la directriz se le denomina v´ertice.
En las par´abolas, precisamente gracias a esta construcci´on geom´etrica, se verifica una
propiedad muy interesante: “Si consideramos la par´abola como un espejo, cualquier rayo
que incida sobre la par´abola perpendicularmente a la directriz sale reflejado hacia el foco, y
viceversa, cualquier rayo emitido desde el foco sale reflejado perpendicular a la directriz”.
Esta propiedad se usa en las antenas parab´olicas y en los focos de luz.
´
Algebra Lineal. 26
2.4 Lugares geom´etricos. ma t
2.4.4 Centro y v´ertice de las c´onicas.
C´alculo del centro.
En las c´onicas con centro, a la vista de la ecuaci´on reducida
λ
1
x
2
∗∗

2
y
2
∗∗
+K
1
= 0
podemos asegurar que el centro est´a en el punto de coordenadas x
∗∗
= 0 e y
∗∗
= 0. Basta
pues deshacer los cambios.
_
x
∗∗
= x

+
b
01
λ
1
y
∗∗
= y

+
b
02
λ
2
luego
_
x

= x
∗∗

b
01
λ
1
y

= y
∗∗

b
02
λ
2
y
_
x

y

_
= P
_
x
y
_
luego
_
x
y
_
= P
t
_
x

y

_
= P
t
_
x
∗∗

b
01
λ
1
y
∗∗

b
02
λ
2
_
haciendo x
∗∗
= 0 e y
∗∗
= 0, nos queda
_
x
y
_
=
_
p
11
p
21
p
12
p
22
__

b
01
λ
1

b
02
λ
2
_
luego
_
x = −p
11
b
01
λ
1
−p
21
b
02
λ
2
y = −p
12
b
01
λ
1
−p
22
b
02
λ
2
C´alculo del v´ertice.
Para una par´abola, de ecuaci´on reducida
λ
1
x
2
∗∗
= −2b
02
y
∗∗
,
el vertice est´a en el punto de coordenadas x
∗∗
= 0 e y
∗∗
= 0. Basta, como antes, con
deshacer los cambios.
_
x
∗∗
= x

+
b
01
λ
1
y
∗∗
= y

+
K
2
2b
02
luego
_
x

= x
∗∗

b
01
λ
1
= −
b
01
λ
1
y

= y
∗∗

K
2
2b
02
= −
K
2
2b
02
y
_
x
y
_
= P
t
_
x

y

_
= P
t
_

b
01
λ
1

K
2
2b
02
_
luego
_
x = −p
11
b
01
λ
1
−p
21
K
2
2b
02
y = −p
12
b
01
λ
1
−p
22
K
2
2b
02
.
Ejemplo.- 29.- Hallar el v´ertice de la par´abola dada por x
2
+ 2xy +y
2
+ 2x −2 = 0
Soluci´on:
Sabemos por el ejemplo 23 que la ecuaci´on reducida de la c´onica nos queda y
2
∗∗
=
−1
2

2
x
∗∗
, siendo P =
_
1

2
1

2
−1

2
1

2
_
la matriz que diagonaliza A
C
y
_
x
∗∗
= x


9

2
4
y
∗∗
= y

+
1
2

2
las
sustituciones que agupan los t´erminos. Entonces, como el v´ertice se encuentra en el punto
de coordenadas x
∗∗
= 0 e y
∗∗
= 0, el v´ertice se encontrar´ a en el punto de coordenadas
_
x

= +
9

2
8
y

= −
1
2

2
y llev´andolo a las coordenadas iniciales
_
_
_
x =
9

2
8
1

2

1
2

2
−1

2
=
11
8
y =
9

2
8
1

2

1
2

2
1

2
=
7
8
.
´
Algebra Lineal. 27
Cap´ıtulo 3
Cu´adricas en IR
3
.
3.1 Introduccin.
Definici´on 30.- Sea O un punto de IR
3
y B = ¦e
1
, e
2
, e
3
¦ una base ortonormal del
mismo. Dado un punto P ∈ IR
3
, llamaremos coordenadas de P en la referencia R =
¦O; e
1
, e
2
, e
3
¦, a la terna (x, y, z) tal que
−→
OP = xe
1
+ye
2
+ze
3
. El punto O decimos que
es el origen de coordenadas.
Definici´on 31.- Se define cuadrica en IR
3
como el lugar geom´etrico de los puntos P,
cuyas coordenadas (x, y, z) verifican una ecuaci´on de la forma:
a
00
+2a
01
x +2a
02
y +2a
03
z +a
11
x
2
+2a
12
xy +a
22
y
2
+2a
13
xz +2a
23
yz +a
33
z
2
= 0 ¸3.1)
donde a
11
, a
12
, a
13
, a
22
, a
23
y a
33
no son simult´aneamente nulos.
Como para las cnicas, en la ecuaci´on anterior podemos distinguir tres partes.
a) El t´ermino independiente, a
00
.
b) Una forma lineal, 2a
01
x + 2a
02
y + 2a
03
z.
c) Una forma cuadr´atica, a
11
x
2
+ 2a
12
xy +a
22
y
2
+ 2a
13
xz + 2a
23
yz +a
33
z
2
.
Ecuaci´on matricial.
A tenor de las tres partes comentadas, la ecuaci´on ¸3.1) anterior puede expresarse en
forma matricial de la forma
0 =a
00
+ 2
_
a
01
a
02
a
03
_
_
_
_
x
y
z
_
_
_ +
_
x y z
_
_
_
_
a
11
a
12
a
13
a
12
a
22
a
23
a
13
a
23
a
33
_
_
_
_
_
_
x
y
x
_
_
_
=a
00
+ 2A
L
X +X
t
A
C
X ¸3.2)
Y tambin en la forma
0 =
_
1 x y z
_
_
_
_
_
_
a
00
a
01
a
02
a
03
a
01
a
11
a
12
a
13
a
02
a
12
a
22
a
23
a
03
a
13
a
23
a
33
_
_
_
_
_
_
_
_
_
_
1
x
y
z
_
_
_
_
_
=

X
t
A

X, ¸3.3)
´
Algebra Lineal. 28
3.2 Ecuaci´on reducida de una cudrica. ma t
3.2 Ecuaci´on reducida de una cudrica.
Para el clculo de la ecuacin reducida de las cudricas, se sigue el mismo proceso que para
las cnicas, por lo que no lo detallaremos.
3.2.1 Clculo de la ecuacin reducida.
Diagonalizaci´on de A
C
.
La matriz A
C
es diagonalizable ortogonalmente, luego existe P ortogonal tal que D =
P
t
A
C
P, donde D =
_
_
_
λ
1
0 0
0 λ
2
0
0 0 λ3
_
_
_.
Como A
C
= (P
t
)
t
DP
t
, la ecuacin queda
0 =a
00
+ 2A
L
X +X
t
(P
t
)
t
DP
t
X = a
00
+ 2A
L
PX

+X
t

DX

donde X

=
_
_
_
x

y

z∗
_
_
_ = P
t
X.
Llamando A
L
P = B
L
=
_
b
01
b
02
b
03
_
y usando la expresin de D nos queda
0 = a
00
+ 2b
01
x

+ 2b
02
y

+ 2b
03
z


1
x
2


2
y
2


3
z
2

. ¸3.4)
Diagonalizacin que representa, como en el caso de las cnicas un giro en IR
3
.
Completar cuadrados.
La expresin simplificada, ¸3.4), obtenida puede simplificarse completando cuadrados.
Caso 1: λ
1
,= 0, λ
2
,= 0 y λ
3
,= 0. Completando los tres cuadrados, se tiene
0 =a
00

b
2
01
λ
1

b
2
02
λ
2

b
2
03
λ
3

1
_
x

+
b
01
λ
1
_
2

2
_
y

+
b
02
λ
2
_
2

3
_
z

+
b
02
λ
3
_
2
=K
1

1
x
2
∗∗

2
y
2
∗∗

3
z
2
∗∗
donde
_
¸
_
¸
_
x
∗∗
= x

+
b
01
λ
1
y
∗∗
= y

+
b
02
λ
2
z
∗∗
= z

+
b
03
λ
3
.
Caso 2: λ
1
,= 0, λ
2
,= 0 y λ
3
= 0. (De manera anloga si son λ
1
= 0 o λ
2
= 0.)
En este caso podemos completar los cuadrados para x

e y

, obteniendo
0 =
_
a
00

b
2
01
λ
1

b
2
02
λ
2
_
+ 2b
03
z


1
x
2
∗∗

2
y
2
∗∗
= K
2
+ 2b
03
z


1
x
2
∗∗

2
y
2
∗∗
¸3.5)
donde hemos hecho x
∗∗
= x

+
b
01
λ
1
y y
∗∗
= y

+
b
02
λ
2
.
La ecuacin anterior, ¸3.5), se simplifica segn exista o n el trmino en z

.
´
Algebra Lineal. 29
3.2 Ecuaci´on reducida de una cudrica. ma t
Caso 2.1: b
03
,= 0. En este caso
0 = 2b
03
_
z

+
K
2
2b
03
_

1
x
2
∗∗

2
y
2
∗∗
= 2b
02
z
∗∗

1
x
2
∗∗

2
y
2
∗∗
donde z
∗∗
= z

+
K
2
2b
03
.
Caso 2.2: b
03
= 0. En este caso la ecuacin queda
0 = K
2

1
x
2
∗∗

2
y
2
∗∗
.
Caso 3: λ
1
,= 0, λ
2
= 0 y λ
3
= 0. (De manera anloga si son λ
2
,= 0 o λ
3
,= 0.)
De la ecuacin, ¸3.4), completando el cuadrado en x

, de obtiene
0 = K
3
+ 2b
02
y

+ 2b
03
z


1
x
2
∗∗
, ¸3.6)
donde x
∗∗
= x

+
b
01
λ
1
y K
3
= a
00

b
2
01
λ
1
.
Nos aparecen nuevos casos, segn que existan o no los trminos en y

y z

. En concreto,
segn que el mdulo del vector (b
02
, b
03
), M = |(b
02
, b
03
| =
_
b
2
02
+b
2
03
= 0 M ,= 0.
Caso 3.1: |(b
02
, b
03
)| ,= 0. Los trminos en y

y z

se pueden agrupar en uno solo,
mediante el cambio
_
y
∗∗
=
b
02
M
y

+
b
03
M
z

z
∗∗
= −
b
03
M
y

+
b
02
M
z

.
Con esto la ecuacin ¸3.6) queda
0 = K
3
+ 2b
02
y

+ 2b
03
z


1
x
2
∗∗
= K
3
+ 2My
∗∗

1
x
2
∗∗
.
Agrupando y
∗∗
con el trmino independiente,
0 = 2M
_
y
∗∗
+
K
3
2M
_

1
x
2
∗∗
= 2My
∗∗∗

1
x
2
∗∗
.
(Si b
02
o b
03
son cero, se pueden agrupar los trminos de forma ms sencilla, pero el resultado
que hemos visto engloba este caso.)
Observese, que este cambio pruduce un giro en los ejes y

y z

(de ah la divisin por
|(b
02
, b
03
|), para que los vectores sean ortonormales), permaneciendo el eje x
∗∗
sin girar.
Caso 3.2: b
02
= 0 y b
03
= 0. La ecuacin ¸3.6) queda
0 = K
3

1
x
2
∗∗
.
3.2.2 Clasificacin mediante la ecuacin reducida.
Para simplificar la casustica, en las ecuaciones reducidas sutituiremos las constantes por
el valor 1 o −1 cuando importa el signo, ±1 cuando no importe el signo o 0 cuando lo
sea. Con estas salvedades las ecuaciones reducidas presentan los siguientes casos:
Caso 1. ax
2
+by
2
+cz
2
+d = 0, con a, b y c no nulos.
´
Algebra Lineal. 30
3.2 Ecuaci´on reducida de una cudrica. ma t
a) x
2
+y
2
+z
2
−1 = 0, la ecuacin representa un elipsoide.
b) x
2
+y
2
+z
2
+ 1 = 0, representa un elipsoide imaginario.
c) x
2
+y
2
−z
2
−1 = 0, un hiperboloide de una hoja.
d) x
2
+y
2
−z
2
+ 1 = 0, un hiperboloide de dos hojas.
e) x
2
+y
2
+z
2
= 0, un cono imaginario.
´
Algebra Lineal. 31
3.2 Ecuaci´on reducida de una cudrica. ma t
f) x
2
+y
2
−z
2
= 0, un cono real.
Caso 2.1. ax
2
+by
2
+cz = 0, con a, b y c no nulos.
a) x
2
+y
2
±z = 0, un paraboloide elptico.
b) x
2
−y
2
±z = 0, un paraboloide hiperblico.
´
Algebra Lineal. 32
3.2 Ecuaci´on reducida de una cudrica. ma t
Caso 2.2. ax
2
+by
2
+d = 0, con a y b no nulos.
a) x
2
+y
2
−1 = 0, un cilindro elptico.
b) x
2
+y
2
+ 1 = 0, un cilindro imaginario.
c) x
2
−y
2
±1 = 0, un cilindro hiperblico.
d) x
2
−y
2
= 0, un planos secantes.
e) x
2
+y
2
= 0, un planos secantes imaginarios.
´
Algebra Lineal. 33
3.2 Ecuaci´on reducida de una cudrica. ma t
Caso 3.1. ax
2
+by = 0, con a y b no nulos. Un cilindro parablico.
Caso 3.2. ax
2
+d = 0, con a no nulo.
a) x
2
−1 = 0, planos paralelos.
b) x
2
+ 1 = 0, planos paralelos imaginarios.
c) x
2
= 0, planos coincidentes.
Ejemplo.- 32.- Encontrar la ecuacin reducida de la cudrica de IR
3
dada por xy = z.
Soluci´on:
La ecuacin puede escribirse como xy −z = 0, luego matricialmente ser
0 = 2
_
0 0 −
1
2
_
_
_
_
x
y
z
_
_
_ +
_
x y z
_
_
_
_
0
1
2
0
1
2
0 0
0 0 0
_
_
_
_
_
_
x
y
z
_
_
_.
Diagonalizamos la matriz A
C
=
_
_
_
0
1
2
0
1
2
0 0
0 0 0
_
_
_.
[λI −A
C
[ =
¸
¸
¸
¸
¸
¸
¸
λ −
1
2
0

1
2
λ 0
0 0 λ
¸
¸
¸
¸
¸
¸
¸
= λ
3

1
4
λ = (λ −
1
2
)(λ +
1
2
)λ = 0
con autovalores λ
1
=
1
2
, λ
2
= −
1
2
y λ
3
= 0.
Los vectores propios asociados a los autovalores son las soluciones de los sistemas
_
_
_
1
2

1
2
0

1
2
1
2
0
0 0
1
2
_
_
_x = 0 =⇒
_
¸
_
¸
_
x
2

y
2
= 0

x
2
+
y
2
= 0
z
2
= 0
=⇒ x =
_
_
_
1
1
0
_
_
_
´
Algebra Lineal. 34
3.3 Invariantes. ma t
_
_
_

1
2

1
2
0

1
2

1
2
0
0 0 −
1
2
_
_
_x = 0 =⇒
_
¸
_
¸
_

x
2

y
2
= 0

x
2

y
2
= 0

z
2
= 0
=⇒ x =
_
_
_
−1
1
0
_
_
_
_
_
_
0 −
1
2
0

1
2
0 0
0 0 0
_
_
_x = 0 =⇒
_
¸
_
¸
_

y
2
= 0

x
2
= 0
0 = 0
=⇒ x =
_
_
_
0
0
1
_
_
_
La matriz de paso ortogonal que tomamos es P =
_
_
_
_
1

2

1

2
0
1

2
1

2
0
0 0 1
_
_
_
_
, y la ecuacin queda
0 = 2
_
0 0 −
1
2
_
_
_
_
x

y

z

_
_
_ +
_
x

y

z

_
_
_
_
1
2
0 0
0 −
1
2
0
0 0 0
_
_
_
_
_
_
x

y

z

_
_
_ = −z

+
1
2
x
2


1
2
y
2

donde
_
¸
¸
_
¸
¸
_
x

=
x

2
+
y

2
y

= −
x

2
+
y

2
z

= z.
A la vista de la ecuacin reducida,
1
2
x
2

1
2
y
2
= z, la cuadrca es un paraboloide
hiperblico.
3.3 Invariantes.
Tomemos ahora la expresin matricial de la cuadrica, ¸3.3),
0 =
_
1 x y z
_
_
_
_
_
_
a
00
a
01
a
02
a
03
a
01
a
11
a
12
a
13
a
02
a
12
a
22
a
23
a
03
a
13
a
23
a
33
_
_
_
_
_
_
_
_
_
_
1
x
y
z
_
_
_
_
_
=

X
t
A

X
En el caso de las cudricas, el estudio de los invariantes es ms complejo, por lo que nos
limitaremos a enunciarlos. En este caso, son:
• det(A).
• A
00
.
´
Algebra Lineal. 35
3.3 Invariantes. ma t
• J =
¸
¸
¸
¸
¸
a
22
a
23
a
32
a
33
¸
¸
¸
¸
¸
+
¸
¸
¸
¸
¸
a
11
a
13
a
31
a
33
¸
¸
¸
¸
¸
+
¸
¸
¸
¸
¸
a
11
a
12
a
21
a
22
¸
¸
¸
¸
¸
.
• K = a
11
+a
22
+a
33
.
• L = A
11
+A
22
+A
33
.
• M =
¸
¸
¸
¸
¸
a
00
a
01
a
10
a
11
¸
¸
¸
¸
¸
+
¸
¸
¸
¸
¸
a
00
a
02
a
20
a
22
¸
¸
¸
¸
¸
+
¸
¸
¸
¸
¸
a
00
a
03
a
30
a
33
¸
¸
¸
¸
¸
.
• Consideramos la siguente ordenacin de los valores
A
00
J K 1
y llamamos s = [(permanencias de signo) −(variaciones de signo)[.
Este ltimo invariante se llama en ocasiones signatura de la sucesin.
Nota: Si en el estudio de la signatura, J K son cero, no importa el signo que le pongamos
+ −, que la signatura de la sucesin obtenida no cambia.
Esto es debido a que los valores que intervienen en la sucesin estn relacionados de tal
forma, que J y K no pueden ser cero a la vez y que si uno de ellos es cero el otro tiene,
necesariamente, signo contrario al de A
00
–en el cuadro siguiente vemos que la signatura
slo se utiliza para el caso A
00
,= 0–.
(Para comprobar estos asertos tener en cuenta que, por ser invariantes, A
00
= λ
1
λ
2
λ
3
,
J = λ
2
λ
3
+ λ
1
λ
3
+ λ
1
λ
2
y K = λ
1
+ λ
2
+ λ
3
, con los λ
i
,= 0 –pues A
00
,= 0–, y hacer un
estudio de la casustica que aparece segn los signos de los autovalores λ
i
.)
3.3.1 Clasificacin por invariantes.
Teniendo en cuenta los invariantes, obtenemos la siguiente clasificaci´on de las cudricas:
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
A
00
,= 0
_
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
_
s = 3
_
¸
_
¸
_
[A[ < 0 ELIPSOIDE
[A[ > 0 Elipsoide imaginario
[A[ = 0 Cono imaginario
s = 1
_
¸
_
¸
_
[A[ < 0 HIPERBOLOIDE de dos hojas
[A[ > 0 HIPERBOLOIDE de una hoja
[A[ = 0 CONO REAL
A
00
= 0
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
[A[ ,= 0
_
J > 0 PARABOLOIDE EL
´
IPTICO
J < 0 PARABOLOIDE HIPERB
´
OLICO
[A[ = 0
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
J ,= 0
_
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
_
L ,= 0
_
¸
_
¸
_
J > 0
_
K L < 0 CILINDRO EL
´
IPTICO
K L > 0 Cilindro imaginario
J < 0 CILINDRO HIPERB
´
OLICO
L = 0
_
J < 0 PLANOS SECANTES
J > 0 Planos secantes imaginarios
J = 0
_
¸
¸
¸
_
¸
¸
¸
_
L ,= 0 CILINDRO PARAB
´
OLICO
L = 0
_
¸
_
¸
_
M < 0 PLANOS PARALELOS
M > 0 Planos paralelos imaginarios
M = 0 PLANOS COINCIDENTES
A las cudricas que verifican que A
00
,= 0 de las denomina cudricas con centro y a las
que verifican que A
00
= 0 cudricas sin centro.
´
Algebra Lineal. 36
3.3 Invariantes. ma t
Ejemplo.- 33.- Clasificar la cudrica dada por x
2
+ 2xy +y
2
+ 2yz + 2x + 1 = 0.
Soluci´on:
La ecuacin puede escribirse como
0 =
_
1 x y z
_
_
_
_
_
_
1 1 0 0
1 1 1 0
0 1 1 1
0 0 1 0
_
_
_
_
_
_
_
_
_
_
1
x
y
z
_
_
_
_
_
=

X
t
A

X
Veamos los invariantes:
A
00
=
¸
¸
¸
¸
¸
¸
¸
1 1 0
1 1 1
0 1 0
¸
¸
¸
¸
¸
¸
¸
= −1.
Luego es una de las llamadas cudrica con centro.
Para seguir la clasificacin necesitamos encontrar el valor de s y, por tanto, debemos
encontrar los valores de los invariantes J y K, puesto que el valor de A
00
ya lo conocemos.
J =
¸
¸
¸
¸
¸
1 1
1 0
¸
¸
¸
¸
¸
+
¸
¸
¸
¸
¸
1 0
0 0
¸
¸
¸
¸
¸
+
¸
¸
¸
¸
¸
1 1
1 1
¸
¸
¸
¸
¸
= −1 + 0 + 0 = −1
K =1 + 1 + 0 = 2
Ahora slo necesitamos encontrar las permanencias y variaciones de signo de la sucesin
de invariantes, como recogemos en el siguiente cuadro:
Invariante A
00
J K 1
Valor −1 −1 2 1
Signo − − + +
Perm. p p
Var. v
Luego el valor buscado es s = [p −v[ = [2 −1[ = 1.
Es suficiente para terminar, con encontrar el signo del [A[.
[A[ =
¸
¸
¸
¸
¸
¸
¸
¸
¸
1 1 0 0
1 1 1 0
0 1 1 1
0 0 1 0
¸
¸
¸
¸
¸
¸
¸
¸
¸
= 1
¸
¸
¸
¸
¸
¸
¸
1 1 0
1 1 1
0 0 1
¸
¸
¸
¸
¸
¸
¸
= 1 −1 = 0,
y la cudrica es por tanto un cono real.
-8
-6
-4
-2
0
2
4
6
8
10
-15 -10 -5 0 5 10
´
Algebra Lineal. 37
Contenido
1 Formas cuadr´aticas. 1
1.1 Diagonalizaci´on de una forma cuadr´atica. . . . . . . . . . . . . . . . . . . . 2
1.1.1 Diagonalizaci´on ortogonal. . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.2 Completar cuadrados. . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.3 Diagonalizaci´on mediante operaciones elementales. . . . . . . . . . . 5
1.2 Rango y signatura de una forma cuadr´atica. . . . . . . . . . . . . . . . . . 7
1.3 Clasificaci´on de las formas cuadr´aticas. . . . . . . . . . . . . . . . . . . . . 10
2 C´onicas en IR
2
. 14
2.1 Introducci´on. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2 Ecuaci´on reducida de una c´onica. . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.1 C´alculo de la ecuaci´on reducida. . . . . . . . . . . . . . . . . . . . . 16
2.2.2 Clasificaci´on mediante la ecuaci´on reducida. . . . . . . . . . . . . . 18
2.3 Invariantes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3.1 Clasificaci´on por invariantes. . . . . . . . . . . . . . . . . . . . . . . 23
2.3.2 C´alculo de la ecuaci´on reducida. . . . . . . . . . . . . . . . . . . . . 24
2.4 Lugares geom´etricos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.4.1 Elipse. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.4.2 Hip´erbola. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.4.3 Par´ abola. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.4.4 Centro y v´ertice de las c´onicas. . . . . . . . . . . . . . . . . . . . . 27
3 Cu´adricas en IR
3
. 28
3.1 Introduccin. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.2 Ecuaci´on reducida de una cudrica. . . . . . . . . . . . . . . . . . . . . . . . 29
3.2.1 Clculo de la ecuacin reducida. . . . . . . . . . . . . . . . . . . . . . 29
3.2.2 Clasificacin mediante la ecuacin reducida. . . . . . . . . . . . . . . 30
3.3 Invariantes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.3.1 Clasificacin por invariantes. . . . . . . . . . . . . . . . . . . . . . . 36
´
Algebra Lineal. 38