w

w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
Captulo 1
Formas cuadraticas.
Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular
de las formas cudraticas ya ha sido estudiado, pues la norma de un vector no es mas que
una forma cuadratica. Aqu, las veremos de forma general.
Denicion 1.- Sea V un espacio vectorial real de dimension nita n, y sea B una base
V . Se denomina forma cuadratica sobre V a toda funcion polinomica 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 cuadratica es un polinomio ho-
mogeneo de segundo grado y n variables.
Expresion matricial.
Toda forma cuadratica 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 cuadratica Q sobre V , se puede expresar matricialmente como
Q(x) = [x]
t
B
A[x]
B
donde A es una matriz simetrica.
Demostracion:
Si en la expresion de la forma cuadratica, 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
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
1.1 Diagonalizacion de una forma cuadratica. ma t
Por lo que la expresion matricial de Q, es tambien
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 simetrica.
La matriz simetrica A, se denomina matriz asociada a la forma cuadratica Q en la
base B.
Veamos como afecta, el cambio de base, a la matriz de una forma cuadratica.
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 cuadratica Q en la base B

, y que
denominaremos A

, viene dada por A

= P
t
AP que es tambien simetrica.
Denicion 3.- Dos matrices simetricas se dice que son congruentes cuando son matri-
ces asociadas a la misma forma cuadratica en distintas bases.
Es decir, A y A

simetricas son congruentes, si existe P inversible tal que A

= P
t
AP.
1.1 Diagonalizacion de una forma cuadratica.
Puesto que la matriz asociada a una forma cuadratica es simetrica, y una matriz simetrica
es diagonalizable ortogonalmente, veamos que siempre podemos obtener una matriz con-
gruente con la inicial que sea diagonal.
1.1.1 Diagonalizacion ortogonal.
Sea B una base de V y Q(x) = [x]
t
B
A[x]
B
la expresion matricial de una forma cuadratica
sobre V .
Puesto que A es simetrica admite diagonalizacion 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 bien, 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
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
1.1 Diagonalizacion de una forma cuadratica. ma t
En la nueva base, B

, la forma cuadratica 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
=
1
y
2
1
+. . . +
n
y
2
n
,
donde [x]
B
=
_
_
_
_
y
1
.
.
.
y
n
_
_
_
_
y
1
, . . . ,
n
son los valores caractersticos de la matriz A.
Ejemplo.- 4.- Reducir a suma de cuadrados la forma cuadratica Q(x) = xy +yz.
Solucion:
La matriz asociada a Q es A =
_
_
_
0
1
2
0
1
2
0
1
2
0
1
2
0
_
_
_.
Los valores caractersticos de A son las raices del polinomio caracterstico
[I A[ =

1
2
0

1
2

1
2
0
1
2

=
3

1
2
= (
2

1
2
) = (
1

2
)( +
1

2
),
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
existira, por tanto, una base en la cual Q(x) se expresa de la forma
1

2
x
2

2
y
2
.
1.1.2 Completar cuadrados.
La diagonalizacion ortogonal, propuesta para hallar una matriz asociada a la forma
cuadratica que sea diagonal, es en ocasiones dicil 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 metodos de encontrar una matriz diagonal. El primero de ellos, que
veremos a continuacion, se basa en realizar operaciones con la expresion de Q intentando
conseguir que dicha expresion quede como una suma de cuadrados.
Este metodo, debido a Gauss, para reducir a suma de cuadrados una forma cuadratica
sin necesidad de la diagonalizacion ortogonal, consiste en completar cuadrados, es decir,
en reunir todos los terminos en cuadrados. Para ello se sigue el siguiente proceso
1. En el caso de que la forma cuadratica tenga alg un termino cuadrado, o sea, de
la forma a
i
x
2
i
, se reunen con este todos los demas terminos donde aparezca x
i
y se
completa el cuadrado a nadiendo terminos en las otras variables si es necesario. Se
repite el proceso con las otras variables, hasta que todos los terminos sean cuadrados
o no haya ning un otro termino cuadrado.

Algebra Lineal. 3
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
1.1 Diagonalizacion de una forma cuadratica. ma t
2. Si no hay ning un termino cuadrado, existira un termino 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 terminos cuadrados u
2
i
u
2
j
, recayendo as 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
metodo.
Ejemplo.- 5.- Reducir a suma de cuadrados las siguentes formas cuadraticas
1. Q(x) = x
2
+ 2xy + 2y
2
+ 4yz + 5z
2
.
Solucion:
La matriz asociada a Q es, A =
_
_
_
1 1 0
1 2 2
0 2 5
_
_
_, los valores caractersticos de esta matriz
no son sencillos de obtener por tanto usaremos el metodo 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 notacion usada aqu,
_
_
_
x
y
z
_
_
_ = P
_
_
_
x

_
_
_. Como
_

_
x

= x +y
y

= y + 2z
z

= z
, tenemos que
_
_
_
x

_
_
_ =
_
_
_
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
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
1.1 Diagonalizacion de una forma cuadratica. ma t
2. Q(x) = xy +yz.
Solucion:
Como Q no tiene ning un termino 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.
Ademas, es
_

_
x

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

= v +
w
2
=
xy
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 metodo de completar cuadrados y el metodo que veremos a continuaci on, al
igual que lo hace el metodo de diagonalizacion 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 diagonalizacion 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 metodos no sucede as y en general
P
t
,= P
1
, es decir, P no sera ortogonal, (como puede verse en el doble ejemplo 5
anterior y en el ejemplo 7 que haremos posteriormente).
1.1.3 Diagonalizacion mediante operaciones elementales.
El segundo metodo 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 que si A es la matriz asociada a una forma cuadratica
Q, mediante operaciones elementales en las las y en las columnas de A podemos llegar
a la obtencion de una matriz diagonal D, congruente con A. Ademas encontraremos un
metodo practico para obtener, simult aneamente, D y P, la matriz del cambio de base.
No es difcil 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
operacion elemental en las las (resp. columnas) de A. Sea E
f
(resp. E
c
) la matriz
que resulta de efectuar la misma operacion elemental en las las (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 operacion elemental en las las y en las columnas de la matriz identidad,
entonces E
f
= E
t
c
.

Algebra Lineal. 5
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
1.1 Diagonalizacion de una forma cuadratica. ma t
Por tanto si realizamos en una matriz simetrica A una operacion elemental en sus las
y la misma operacion elemental en sus columnas para obtener A
fc
, la matriz as obtenida
es congruente con A y simetrica.
En efecto:
A
fc
= A
f
E
c
= E
f
AE
c
= E
t
c
AE
c
,
luego A
fc
es simetrica 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 simetrica A, existe una sucesion nita de operaciones
elementales, tales que la matriz obtenida a partir de A, D, efectuando cada operacion
elemental primero en las las y a continuaci on la misma en las columnas, es diagonal y
congruente con A.
Demostracion:
Mediante un n umero nito de operaciones elementales sobre las las 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 simetrica, 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)
k1
A
(fc)
k
A
(fc)
k
= E
t
c
k
A
(fc)
k1
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 simultaneamente.
Metodo practico.
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 las y en sus columnas y en la matriz identidad
solo en sus columnas, al cabo de un n umero nito de pasos obtendremos (D[P).
Ejemplo.- 7.- Se considera Q(x) = 2x
2
+ 2xy + 2yz + 3z
2
una forma cuadratica sobre
IR
3
, reducir Q a suma de cuadrados y hallar la matriz del cambio de base.
Solucion:
La matriz asociada a Q en la base canonica es A =
_
_
_
2 1 0
1 0 1
0 1 3
_
_
_, si x = (x, y, z).

Algebra Lineal. 6
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
1.2 Rango y signatura de una forma cuadratica. ma t
Hagamos el proceso de (A[I) (D[P), detallando inicialmente los pasos dados en
cada operacion, para despues 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
_
_
_
(operacion elemental para las las 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 operacion 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 operacion 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 la matriz diagonal, D =
_
_
_
2 0 0
0
1
2
0
0 0 5
_
_
_, y la matriz de transicion de la
base B

= (1, 0, 0), (
1
2
, 1, 0), (1, 2, 1) a la canonica, P =
_
_
_
1
1
2
1
0 1 2
0 0 1
_
_
_, vericandose
que
P
t
AP = D.
Por tanto, si [x]
B
=
_
_
_
x

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

1
2
y
2

+ 5z
2

.
1.2 Rango y signatura de una forma cuadratica.
Hemos visto distintos metodos de encontrar matrices diagonales asociadas a una forma
cuadratica, por lo que existiran tambien distintas matrices diagonales (en los ejemplos 4 y
5, hemos encontrado matrices diagonales distintas para la misma forma cuadratica). 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 captulo veremos como estos valores permanecen invariantes para cualquier
diagonalizacion que hagamos, lo que nos permitira, posteriormente, dar una clasicacion
de las formas cuadraticas.

Algebra Lineal. 7
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
1.2 Rango y signatura de una forma cuadratica. ma t
Teorema 8.- Dos matrices congruentes tienen el mismo rango.
Demostracion:
Veamos, previamente, el siguiente resultado
Lema 9.- Si A
mn
y B
np
son dos matrices, entonces
rg(AB) min(rg(A), rg(B)).
Demostracion:
Las columnas de AB estan 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
esta en el espacio de las columnas de A, para todo j, por ser combi-
nacion lineal de dichas columnas.
Como el rango de una matriz es la dimension del espacio de las las o de las
columnas de la matriz, se tiene que la dimension del espacio de las columnas
de AB es menor o igual que la dimension del espacio de las columnas de A,
es decir
rg(AB) rg(A).
Analogamente se demuestra que las las de AB estan en el espacio de las las
de B, con lo cual
rg(AB) rg(B)
Por tanto,
rg(AB) minrg(A), rg(B)
Completemos ahora la prueba del teorema:
Sean, ahora, A y B dos matrices congruentes de orden n. Existira una matriz P
inversible tal que P
t
AP = B, luego, aplicando el Lema anterior reiteradamente, se tiene
que
rg(B) minrg(P
t
), rg(AP) = minn, rg(AP) = rg(AP)
minrg(A), rg(P) = minrg(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 analoga a
lo realizado en el caso anterior se obtiene que
rg(A) rg(B)
Por tanto rg(A) = rg(B).

Algebra Lineal. 8
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
1.2 Rango y signatura de una forma cuadratica. ma t
Denicion 10.- Llamaremos rango de una forma cuadratica, al rango de cualquier ma-
triz simetrica asociada en una base a la forma cuadratica.
Observaci on:
Del teorema anterior, se deduce entonces que dos cualesquiera matrices diagonales aso-
ciadas a la misma forma cuadratica 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 cuadratica se reduce a la
suma de cuadrados en dos bases diferentes, el n umero de terminos que aparecen con
coecientes positivos, as como el n umero de terminos con coecientes negativos es el
mismo en ambos casos.
Demostracion:
Supongamos que respecto a una base B = b
1
, b
2
, . . . , b
n
la expresion de la forma
cuadratica 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 sera
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
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
1.3 Clasicacion de las formas cuadraticas. 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 tambien que p

= q

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

y T = linb

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 cuadratica sera
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 obtendra que q p, luego p = q.
Denicion 12.- Sea Q una forma cuadratica y D una matriz diagonal asociada a la
forma cuadratica en una base. Se dene 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 Clasicacion de las formas cuadraticas.
Denicion 13.- Se dice que una forma cuadratica Q es
a) Nula si y solo si Q(x) = 0 para todo x.
b) Denida positiva si y solo si Q(x) > 0, para todo x no nulo.
c) Semidenida positiva si y solo si Q(x) 0, para todo x y Q no es nula ni denida
positiva.
d) Denida negativa si y solo si Q(x) < 0, para todo x no nulo.
e) Semidenida negativa si y solo si Q(x) 0, para todo x y Q no es nula ni
denida negativa.
f) Indenida si y solo 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 cuadraticas sobre IR
2
, podemos dar una representaci on de ellas usando
supercies en IR
3
, es decir, asignando a z el valor de la forma cuadratica en el punto (x, y).
Con estas premisas, hemos realizado la siguiente gura.

Algebra Lineal. 10
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
1.3 Clasicacion de las formas cuadraticas. ma t
Fig. 1.1: Gracas de las formas cudraticas de IR
2
: denida positiva, denida negativa, indenida,
semidenida positiva, semidenida negativa y nula
Teorema de clasicacion 14.- Sea Q una forma cuadratica en un espacio vectorial de
dimension n. Se verica:
a) Q es nula Sig(Q) = (0, 0)
b) Q es denida positiva Sig(Q) = (n, 0).
c) Q es semidenida positiva Sig(Q) = (p, 0) con 0 < p < n.
d) Q es denida negativa Sig(Q) = (0, n).
e) Q es semidenida negativa Sig(Q) = (0, q) con 0 < q < n.
f) Q es indenida Sig(Q) = (p, q) con 0 < p, q.
Demostracion:
Sea B = v
1
, . . . , v
n
una base en la cual, la expresion 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
_
_
_
_
. Ademas, en dicha base se tiene que
[v
1
]
B
=
_
_
_
_
_
_
1
0
.
.
.
0
_
_
_
_
_
_
, , [v
n
]
B
=
_
_
_
_
_
_
0
0
.
.
.
1
_
_
_
_
_
_
.

Algebra Lineal. 11
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
1.3 Clasicacion de las formas cuadraticas. 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).
Recprocamente, 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 denida positiva existe alg un d
k
= 0, luego
Sig(Q) = (p, 0) con 0 < p < n.
Recprocamente, 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 denida positiva.
d) Analogo al caso denida positiva.
e) Analogo al caso semidenida positiva.
f) Por ser indenida, Q(x) , 0 para todo x, luego d
i
, 0 para todo i, por lo que
existira un d
j
< 0 y Q(x) , 0 para todo x, luego d
i
, 0 para todo i por lo que
existira un d
k
> 0. En consecuencia, Sig(Q) = (p, q) con p, q > 0.
Recprocamente, si existe d
j
< 0 y d
k
> 0, seran Q(v
j
) = d
j
< 0 y Q(v
k
) = d
k
> 0,
luego es indenida.
Para nalizar y aunque puede obtenerse sin mucho coste la matriz diagonal damos,
sin demostracion, dos teoremas que pueden ser utiles por su versi on practica. El primero
de ellos engloba varios resultados para clasicar una forma cuadratica usando la matriz
inicial y el segundo, el Teorema de Descartes, para conocer la signatura sin encontrar la
raices del polinomio caracterstico.
Teorema 15.- Sea Q una forma cuadratica y A su matriz asociada. Sea
k
el k-esimo
menor principal de A, con 1 k n. Entonces:
a) Q es denida positiva si, y solo si,
k
> 0, para 1 k n.
b) Q es denida negativa si, y solo si, (1)
k

k
> 0, para 1 k n.
c) Si
n
= det(A) ,= 0 y no se esta en alguno de los casos anteriores, entonces Q es
indenida.
d) Si existe i tal que a
ii
0 (resp. a
ii
0 ), entonces Q no es denida positiva (resp.
no es denida negativa).
e) Si existen i y j, con i ,= j, tales que a
ii
= 0 y a
ij
,= 0, entonces Q es indenida.

Algebra Lineal. 12
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
1.3 Clasicacion de las formas cuadraticas. ma t
Teorema de Descartes 16.- Sea a
0
+ a
1
X + + a
n1
X
n1
+ a
n
X
n
un polinomio de
grado n con coecientes reales, con a
n
,= 0 y a
0
,= 0, del que se sabe que tiene todas sus
raices reales. Si en la sucesion de terminos
a
0
a
1
a
2
(1)
n1
a
n1
(1)
n
a
n
consideramos en cada lugar de la sucesion en signo del termino correspondiente si alg un
termino es 0 se elige signo + o indistintamente, obtenemos una sucesion de signos.
Entonces, llamando p al n umero se permanencias de signo en la sucesion, v al n umero de
variaciones de signo en la sucesion, 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+(pv)
2
n

=
n(pv)
2
.

Algebra Lineal. 13
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
Captulo 2
Conicas en IR
2
.
Una de las aplicaciones de las formas cuadraticas, se da en el estudio de las conicas y
cuadricas, de las que nos ocuparemos en estos dos Captulos.
2.1 Introduccion.
Algunas conicas como la elipse, la hiperbola y la parabola son ya conocidas, reconocemos
su graca
Fig. 2.1: Elipse, hiperbola y parabola.
y las expresiones analticas 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 ecuacion el reconocimiento se limita a las elipses e hiperbolas
centradas en (0, 0) o las parabolas que tienen en (0, 0) su vertice como es el caso de las
ecuaciones expuestas arriba, o pocas variaciones respecto a estos casos.
En este captulo, haremos un estudio general de las conicas que nos permita recono-
cerlas aunque en principio la ecuacion no sea similar a una de las anteriores. De hecho, y
aunque las propiedades geometricas de las conicas mencionadas anteriormente hacen que

Algebra Lineal. 14
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
2.1 Introduccion. ma t
estos tres tipos de conicas sean los mas interesantes, el estudio que haremos sera bastante
completo.
Denicion 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.
Denicion 18.- Se dene conica en IR
2
como el lugar geometrico de los puntos P, cuyas
coordenadas (x, y) verican una ecuacion 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 ecuacion anterior podemos distinguir tres partes.
a) El termino independiente, a
00
.
b) Una forma lineal, 2a
01
x + 2a
02
y.
c) Una forma cuadratica, a
11
x
2
+ 2a
12
xy +a
22
y
2
.
Ecuacion matricial.
A tenor de las tres partes comentadas, la ecuacion 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 expresion mas 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
expresion 2.3) se compone un cuadro de la clasicacion de las conicas mediante invarian-
tes, que mostramos al nal del captulo, y operando sobre la ecuacion 2.2) obtendremos
la ecuacion reducida de la conica que nos permita identicarla.
En el estudio siguiente realizaremos este ultimo proceso.

Algebra Lineal. 15
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
2.2 Ecuacion reducida de una conica. ma t
2.2 Ecuacion reducida de una conica.
2.2.1 Calculo de la ecuacion reducida.
Diagonalizacion de A
C
.
En la ecuacion general de la conica
a
00
+ 2A
L
_
x
y
_
+
_
x y
_
A
C
_
x
y
_
= 0
vemos que A
C
es la matriz asociada a una forma cuadratica, 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 =
_

1
0
0
2
_
, donde P
_
x

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

_
+
_
x

_
P
t
AP
_
x

_
=a
00
+ 2A
L
P
_
x

_
+
_
x

_
D
_
x

_
Llamando A
L
P = B
L
=
_
b
01
b
02
_
y usando la expresion 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 diagonalizacion representa
un cambio de base ortogonal y, por tanto, si en la eleccion de P exigimos ademas que
det(P) = 1 (1 son las unicas posibilidades para una matriz ortogonal) el cambio de base
nos representara un giro de los ejes en el plano.
Es decir, los vectores de la nueva base apareceran girados un cierto angulo respecto
a los de la base inicial y
P =
_
p
11
p
12
p
21
p
22
_
=
_
cos sen
sen cos
_
para tal que tg =
p
21
p
11
.
Observese tambien que la matriz P, valida para efectuar el giro, no es unica, existen
exactamente cuatro opciones para elegir las columnas de P, (los giros de angulos , +

2
,
+ y +
3
2
)
Si tomamos det(P) = 1 se produce ademas del giro una reexion, 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 cuadratica,
puede conseguirse una matriz diagonal sin hacer la diagonalizacion ortogonal. Sin em-
bargo, al no ser el cambio de base ortogonal los vectores de la nueva base no formaran
un angulo recto y tendran distintas longitudes, por lo que la expresion que obtenemos
nos representar a una conica del mismo tipo aunque deformada, es decir, una elipse puede
pasar a ser una circunferencia, o una parabola sera mas abierta o cerrada que la original.
Por ejemplo:

Algebra Lineal. 16
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
2.2 Ecuacion reducida de una conica. ma t
La conica dada por x
2
+ 2xy + 2y
2
= 1.
a) Diagonalizando ortogonalmente obtenemos
1
=
3+

5
2
y
2
=
3

5
2
, de
donde, la ecuacion 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 ecuacion de una circunferencia

de radio 1.
Este segundo resultado nos puede llevar a pensar que la conica inicial tambien
es una circunferencia, cuando sabemos que no es as.
Para evitar este tipo de problemas, siempre usaremos para encontrar la matriz diagonal
la diagonalizacion ortogonal.
Completar cuadrados.
La expresion simplicada, 2.4), obtenida de la ecuacion de la conica al diagonalizar A
C
,
puede simplicarse a un mas mediante el metodo 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
1
y
2
no pueden ser los dos nulos. Esto nos proporciona dos
casos en el proceso a seguir
Caso 1:
1
,= 0 y
2
,= 0. Podemos, en este caso, agrupar los dos terminos cuadrados,
con lo que 2.4) nos queda
0 = a
00

b
2
01

b
2
02

2
+
1
_
x

+
b
01

1
_
2
+
2
_
y

+
b
02

2
_
2
= K
1
+
1
x
2

+
2
y
2

donde
_
x

= x

+
b
01

1
y

= y

+
b
02

2
y K
1
= a
00

b
2
01

b
2
02

2
.
Caso 2:
1
,= 0 y
2
= 0. (De manera analoga si
1
= 0 y
2
,= 0.)
En este caso la ecuacion de la conica queda
0 = a
00
+ 2b
01
x

+ 2b
02
y

+
1
x
2

,
en la cual podemos completar el cuadrado en x

y nos queda
0 =
_
a
00

b
2
01

1
_
+
1
_
x

+
b
01

1
_
2
+ 2b
02
y

= K
2
+
1
x
2

+ 2b
02
y

, 2.5)
donde hemos hecho x

= x

+
b
01

1
y K
2
= a
00

b
2
01

1
.
La ecuacion anterior, 2.5), se simplica seg un exista o no el termino en y

, es decir,
si b
02
,= 0 o b
02
= 0.

Algebra Lineal. 17
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
2.2 Ecuacion reducida de una conica. ma t
Caso 2.1: b
02
,= 0. En este caso se puede agrupar el termino en y

con el termino
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 ecuacion queda
0 = K
2
+
1
x
2

.
Observaci on.- 21.- Geometricamente, completar cuadrados equivale a una translacion,
es decir, se translada el origen de coordenadas a un nuevo punto.
Hemos completado as el estudio de la ecuacion reducida de la conica. El resultado lo
reunimos en el siguiente cuadro.
2.2.2 Clasicacion mediante la ecuacion reducida.
Mediante los giros y translaciones de los ejes de coordenadas, detallados en el apartado
anterior, se ha podido reducir la ecuacion a uno de los casos siguientes:
Caso 1.
1
x
2

+
2
y
2

+K
1
= 0, con
1
y
2
no nulos.
a) Si K
1
,= 0 y el signo de
1
es igual al de
2
y contrario al de K
1
, la ecuacion
representa una elipse.
b) Si K
1
,= 0 y
1
,
2
y K
1
poseen el mismo signo, no se obtiene ning un punto
real. (La expresion se dice que representa una elipse imaginaria.)
c) Si K
1
,= 0 y el signo de
1
es contrario al de
2
, la ecuacion representa una
hiperbola.
d) Si K
1
= 0 y
1
y
2
tienen signos contrarios, estamos ante dos rectas que se
cortan.
e) Si K
1
= 0 y
1
y
2
poseen el mismo signo, estamos representando un unico
punto. (La conica se dice que esta formada por dos rectas imaginarias cuya
interseccion es un punto real.)
Caso 2.1 x
2

= 2py

, con p =
b
02

1
,= 0, o y
2

= 2px

, con p =
b
01

2
,= 0,
representan parabolas.
Caso 2.2 x
2

= c, con c =
K
2

1
, o y
2

= c, con c =
K
2

2
.
a) Si c = 0 tenemos una recta doble.
b) Si c > 0, dos rectas paralelas.
c) Si c < 0 ningun punto. (La conica se dice que la forman dos rectas imaginarias
paralelas.)

Algebra Lineal. 18
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
2.2 Ecuacion reducida de una conica. ma t
Observaci on.- 22.- Para recuperar la ecuacion inicial, basta con deshacer los cambios
realizados. Es decir, en el Caso 1, tener en cuenta que
_
x

= x

+
b
01

1
y

= y

+
b
02

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

1
y

= y

+
K
2
2b
02
_
o
_
x

= x

+
K
2
2b
01
y

= y

+
b
02

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

1
y

= y

_
o
_
x

= x

= y

+
b
02

2
_
y que
_
x

= p
11
x +p
12
y
y

= p
21
x +p
22
y.
Ejemplo.- 23.- Encontrar la ecuacion reducida de la conica de IR
2
dada por la expresion
x
2
+ 2xy +y
2
+ 2x 2 = 0
Solucion:
La ecuacion 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
_
.
[I A
C
[ =

1 1
1 1

=
2
2 = ( 2) = 0
con autovalores
1
= 0 y
2
= 2.
Los vectores propios asociados al autovalor
1
= 0, son las soluciones del sistema
_
1 1
1 1
_
x = 0, luego (1, 1) forma una base del espacio caracterstico. Como la
diagonalizacion 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
2
= 2 tenemos como solucion 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 ecuacion queda
0 =2 + 2
_
1

2
1

2
_
_
x

_
+
_
x

_
_
0 0
0 2
__
x

_
=2 + 2
1

2
x

+ 2
1

2
y

+ 2y
2

Algebra Lineal. 19
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
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 termino
en x

con el termino 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

2
8
) + 2y
2

=
2

2
x

+ 2y
2

donde
_
x

= x

2
8
y

= y

+
1
2

2
. Es decir, la parabola
x

2y
2

o y
2

=
1

2
x

.
El proceso geometrico realizado puede observarse en la siguiente gura.

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
1
= 0 y
2
= 2, en lugar de

1
= 2 y
2
= 0, que tambien es posible. A continuacion, al buscar las las de P hemos
optado por el vector (1, 1) como base del espacio caracterstico de
1
= 0 en lugar del
vector (1, 1) tambien posible, y el vector (1, 1) para
2
= 2 en lugar de (1, 1). Estas
posibilidades de eleccion 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 expresion matricial de la conica, 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

Algebra Lineal. 20
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
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 verica que

X =
_
_
_
1
x
y
_
_
_ =

P
_
_
_
1
x

_
_
_ =

P

Sustituyendo en la ecuacion se obtiene

0 =

X
t
A

X =

X
t

P
t
A

=

X
t

_
_
_
a
00
b
01
b
02
b
01

1
0
b
02
0
2
_
_
_

=

X
t

, 2.6)
que da la ecuacion de la conica tras el giro.
A la vista del resultado obtenido, no es dicil 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 la y la columna del elemento a
ij
.
Demostracion:
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 caracterstico, es decir,
[I A
C
[ = [I D[. Luego

2
(a
11
+a
22
) +[A
C
[ = [I A
C
[ = [I D[ =
2
(
1
+
2
) +[D[,
y por tanto a
11
+a
22
=
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

2
b
2
02
) + (a
00

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
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
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 diagonalizacion es ortogonal. Si obtenemos
la matriz diagonal por otro metodo, estos valores no son invarinates.
Para introducir como operaciones matriciales la translacion 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

_
_
_ =
_
_
_
1 0 0
h 1 0
k 0 1
_
_
_
_
_
_
1
x

_
_
_.
Si resolvemos el sistema en funcion de x

e y

, tenemos que

=
_
_
_
1
x

_
_
_ =
_
_
_
1 0 0
h 1 0
k 0 1
_
_
_
_
_
_
1
x

_
_
_ = T

y sustituyendo en la ecuacion de la conica

0 =

X
t

T
t
BT

=

X
t

La matriz C obtenida es la que nos da la ecuacion reducida, luego sera:

C =
_
_
_
K
1
0 0
0
1
0
0 0
2
_
_
_ para el Caso 1.
C =
_
_
_
0 0 b
02
0
1
0
b
02
0 0
_
_
_ o C =
_
_
_
0 b
01
0
b
01
0 0
0 0
2
_
_
_ para el Caso 2.1.
C =
_
_
_
K
2
0 0
0
1
0
0 0 0
_
_
_ o C =
_
_
_
K
2
0 0
0 0 0
0 0
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 sera K
2
= a
00

b
01

1
o K
2
=
a
00

b
02

2
, seg un sea
2
= 0 o
1
= 0.
Y la matrices T que nos dan las translaciones seran:
T =
_
_
_
1 0 0

b
01

1
1 0

b
02

2
0 1
_
_
_ para el Caso 1.
T =
_
_
_
1 0 0

b
01

1
1 0

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

K
2
2b
01
1 0

b
02

2
0 1
_
_
_ para el Caso 2.1.
T =
_
_
_
1 0 0

b
01

1
1 0
0 0 1
_
_
_ o T =
_
_
_
1 0 0
0 1 0

b
02

2
0 1
_
_
_ para el Caso 2.2.

Algebra Lineal. 22
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
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).
Demostracion:
Hemos visto en el Teorema 24 que los valores permanecen invariantes cuando pasamos
de A a B. Veamos que tambien se verican 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

1
= a
00

1
b
2
01
o C
11
+C
22
= K
2

2
= a
00

2
b
2
02
B
11
+B
22
= a
00
(
1
+
2
) (b
2
01
+b
2
02
)
Al ser B
00
= 0, entonces
1
= 0 o
2
= 0.
Si
1
= 0, como 0 = [B[ =
2
b
2
01
, ha de ser b
01
= 0, en cuyo caso B
11
+ B
22
=
a
00

2
b
2
02
.
Si
2
= 0, como 0 = [B[ =
1
b
2
02
, ha de ser b
02
= 0, en cuyo caso B
11
+ B
22
=
a
00

1
b
2
01
.
Lo que completa la demostracion.
2.3.1 Clasicacion por invariantes.
Teniendo en cuenta los invariantes, obtenemos la siguiente clasicacion de las conicas
_

_
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 conicas que verican que A
00
,= 0 de las denomina conicas con centro y a las
que verican que A
00
= 0 conicas sin centro.

Algebra Lineal. 23
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
2.3 Invariantes. ma t
Ejemplo.- 27.- Clasicar la conica dada por x
2
+ 2xy +y
2
+ 2x 2 = 0.
Solucion:
La ecuacion 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 conicas sin centro.

[A[ =

2 1 0
1 1 1
0 1 1

= 2 + 2 1 = 1 ,= 0, luego la conica es una parabola.

2.3.2 Calculo de la ecuacion reducida.
C =
_
_
_
K
1
0 0
0
1
0
0 0
2
_
_
_.
Sabemos que
1
y
2
son las raices del polinomio caracterstico, es decir las solucionas
de la ecuacion
[I A
c
[ =

a
11
a
12
a
12
a
22

=
2
(a
11
+a
22
) +A
00
= 0
Como [A[ = [C[ = K
1

2
y A
00
= C
00
=
1

2
, se tiene que K
1
=
[A[
A
00
.
C =
_
_
_
0 0 b
02
0
1
0
b
02
0 0
_
_
_ o C =
_
_
_
0 b
01
0
b
01
0 0
0 0
2
_
_
_.
Lo hacemos para la primera y la otra es similar.
Por ser A
00
= 0 y a
11
+a
22
=
1
+
2
, tenemos que
1
= a
11
+a
22
y
2
= 0.
Como [A[ = [C[ = b
2
02

1
tenemos que b
02
=

[A[
a
11
+a
22
.
C =
_
_
_
K
2
0 0
0
1
0
0 0 0
_
_
_ o C =
_
_
_
K
2
0 0
0 0 0
0 0
2
_
_
_.
Al igual que en el caso anterior
1
= a
11
+a
22
y
2
= 0.
Como A
11
+A
22
= C
11
+C
22
= K
2

1
tenemos que K
2
=
A
11
+A
22
a
11
+a
22
.
Ejemplo.- 28.- Hallar la ecuacion reducida de la parabola dada por la ecuacion x
2
+
2xy +y
2
+ 2x 2 = 0.
Solucion:

Algebra Lineal. 24
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
2.4 Lugares geometricos. ma t
Por el ejemplo 27, sabemos que A
00
= 0 y [A[ = 1 ,= 0, luego
2
= a
11
+ a
22
= 2,

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 geometricos.

A la elipse, hiperbola y parabola, se las denomina en algunos libros conicas no degeneradas,
es decir, son propiamente conicas por contraposicion a las conicas formadas por rectas.
Las tres se obtienen, de forma geometrica, como el lugar geometrico de los puntos que
verican una cierta condicion. Veamoslas.
2.4.1 Elipse.
Dados dos puntos F
1
y F
2
, el lugar gometrico de los puntos P que verican que la distancia
de P a F
1
mas 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
), estan
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
verican 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 vertices 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, verican que a
2
= b
2
+c
2
.
Si F
1
= F
2
, la elipse es una circunferencia
2.4.2 Hiperbola.
Dados dos puntos F
1
y F
2
, el lugar gometrico de los puntos P que verican que el valor
absoluto de la distancia de P a F
1
menos la distancia de P a F
2
es constante, forma una
hiperbola.

Algebra Lineal. 25
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
2.4 Lugares geometricos. 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
), estan
sobre una hiperbola.
A los puntos F
1
y F
2
se les denomina focos, y el centro de la hiperbola se encuentra
en el punto medio de los focos. A los puntos de la hiperbola que se encuentran sobre la
recta que une los focos se los denomina vertices de la hiperbola.
La mitad del valor de la constante, a, que es la distancia de cada vertice 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 asntotas de la hiperbola.
Estas dos asntotas que pasan por el centro y forman con el eje focal un angulo de
valores tg =
b
a
y tg =
b
a
, para cada una de ellas.
2.4.3 Parabola.
Dados un punto F y una recta r, el lugar gometrico de los puntos P que verican que la
distancia de P a F es igual a la distancia de P a r, forma una parabola.
Es decir, los puntos P tales que d(P, F) = d(P, r), con P , r, estan sobre una parabola.
Al punto F se les denomina foco, y a la recta r directriz de la parabola. Al punto de
la parabola que se encuentran entre el foco y la directriz se le denomina vertice.
En las parabolas, precisamente gracias a esta construccion geometrica, se verica una
propiedad muy interesante: Si consideramos la parabola como un espejo, cualquier rayo
que incida sobre la parabola perpendicularmente a la directriz sale reejado hacia el foco, y
viceversa, cualquier rayo emitido desde el foco sale reejado perpendicular a la directriz.
Esta propiedad se usa en las antenas parabolicas y en los focos de luz.

Algebra Lineal. 26
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
2.4 Lugares geometricos. ma t
2.4.4 Centro y vertice de las conicas.
Calculo del centro.
En las conicas con centro, a la vista de la ecuacion reducida

1
x
2

+
2
y
2

+K
1
= 0
podemos asegurar que el centro esta en el punto de coordenadas x

= 0 e y

= 0. Basta
pues deshacer los cambios.
_
x

= x

+
b
01

1
y

= y

+
b
02

2
luego
_
x

= x

b
01

1
y

= y

b
02

2
y
_
x

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

_
= P
t
_
x

b
01

1
y

b
02

2
_
haciendo x

= 0 e y

= 0, nos queda
_
x
y
_
=
_
p
11
p
21
p
12
p
22
__

b
01

b
02

2
_
luego
_
x = p
11
b
01

1
p
21
b
02

2
y = p
12
b
01

1
p
22
b
02

2
Calculo del vertice.
Para una parabola, de ecuacion reducida

1
x
2

= 2b
02
y

,
el vertice esta en el punto de coordenadas x

= 0 e y

= 0. Basta, como antes, con

deshacer los cambios.
_
x

= x

+
b
01

1
y

= y

+
K
2
2b
02
luego
_
x

= x

b
01

1
=
b
01

1
y

= y

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

_
= P
t
_

b
01

K
2
2b
02
_
luego
_
x = p
11
b
01

1
p
21
K
2
2b
02
y = p
12
b
01

1
p
22
K
2
2b
02
.
Ejemplo.- 29.- Hallar el vertice de la parabola dada por x
2
+ 2xy +y
2
+ 2x 2 = 0
Solucion:
Sabemos por el ejemplo 23 que la ecuacion reducida de la conica 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

2
4
y

= y

+
1
2

2
las
sustituciones que agupan los terminos. Entonces, como el vertice se encuentra en el punto
de coordenadas x

= 0 e y

= 0, el vertice se encontrar a en el punto de coordenadas

_
x

= +
9

2
8
y

=
1
2

2
y llevandolo 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
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
Captulo 3
Cuadricas en IR
3
.
3.1 Introduccin.
Denicion 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.
Denicion 31.- Se dene cuadrica en IR
3
como el lugar geometrico de los puntos P,
cuyas coordenadas (x, y, z) verican una ecuacion 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 simultaneamente nulos.
Como para las cnicas, en la ecuacion anterior podemos distinguir tres partes.
a) El termino independiente, a
00
.
b) Una forma lineal, 2a
01
x + 2a
02
y + 2a
03
z.
c) Una forma cuadratica, a
11
x
2
+ 2a
12
xy +a
22
y
2
+ 2a
13
xz + 2a
23
yz +a
33
z
2
.
Ecuacion matricial.
A tenor de las tres partes comentadas, la ecuacion 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
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
3.2 Ecuacion reducida de una cudrica. ma t
3.2 Ecuacion 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.
Diagonalizacion de A
C
.
La matriz A
C
es diagonalizable ortogonalmente, luego existe P ortogonal tal que D =
P
t
A
C
P, donde D =
_
_
_

1
0 0
0
2
0
0 0 3
_
_
_.
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

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 simplicada, 3.4), obtenida puede simplicarse completando cuadrados.
Caso 1:
1
,= 0,
2
,= 0 y
3
,= 0. Completando los tres cuadrados, se tiene
0 =a
00

b
2
01

b
2
02

b
2
03

3
+
1
_
x

+
b
01

1
_
2
+
2
_
y

+
b
02

2
_
2
+
3
_
z

+
b
02

3
_
2
=K
1
+
1
x
2

+
2
y
2

+
3
z
2

donde
_

_
x

= x

+
b
01

1
y

= y

+
b
02

2
z

= z

+
b
03

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

e y

, obteniendo
0 =
_
a
00

b
2
01

b
2
02

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

1
y y

= y

+
b
02

2
.
La ecuacin anterior, 3.5), se simplica segn exista o n el trmino en z

Algebra Lineal. 29
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
3.2 Ecuacion 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:
1
,= 0,
2
= 0 y
3
= 0. (De manera anloga si son
2
,= 0 o
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

1
y K
3
= a
00

b
2
01

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

=
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 Clasicacin mediante la ecuacin reducida.
Para simplicar 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
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
3.2 Ecuacion 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
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
3.2 Ecuacion 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
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
3.2 Ecuacion 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
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
3.2 Ecuacion 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.
Solucion:
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
_
_
_.
[I A
C
[ =

1
2
0

1
2
0
0 0

=
3

1
4
= (
1
2
)( +
1
2
) = 0
con autovalores
1
=
1
2
,
2
=
1
2
y
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
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
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

_
_
_ +
_
x

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

_
_
_ = 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
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
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
=
1

3
,
J =
2

3
+
1

3
+
1

2
y K =
1
+
2
+
3
, con los
i
,= 0 pues A
00
,= 0, y hacer un
estudio de la casustica que aparece segn los signos de los autovalores
i
.)
3.3.1 Clasicacin por invariantes.
Teniendo en cuenta los invariantes, obtenemos la siguiente clasicacion 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 verican que A
00
,= 0 de las denomina cudricas con centro y a las
que verican que A
00
= 0 cudricas sin centro.

Algebra Lineal. 36
w
w
w
.
.
c
o
m
M
a
t
e
m
a
t
i
c
a
1
3.3 Invariantes. ma t
Ejemplo.- 33.- Clasicar la cudrica dada por x
2
+ 2xy +y
2
+ 2yz + 2x + 1 = 0.
Solucion:
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 clasicacin 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 suciente 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