Tema I. Captulo 1. Aplicaciones bilineales y formas cuadraticas.

Algebra
Lineal II. Departamento de Metodos Matem
aticos y de Representaci
on. UDC.

Tema I

Por tanto la matriz asociada a f respecto a la base B1 y B2 es:

f (
u1 , v1 )
u2 , v1 )
f (
=
..

.
f (
um , v1 )

Aplicaciones bilineales y tensores

homog
eneos.

FB1 B2

f (
u1 , v2 )
f (
u2 , v2 )
..
.
f (
um , v2 )

...
...
..
.
...

f (
u1 , vn )
f (
u2 , vn )
,
..

.
f (
um , vn )

de manera que:

1.
Aplicaciones bilineales y formas
cuadr
aticas.
1

f (
u1 , v1 )
f (
u2 , v1 )

xm )
..

.
f (
um , v1 )

f (
x, y) = ( x1

x2

...

f (
u1 , v2 )
f (
u2 , v2 )
..
.
f (
um , v2 )

...
...
..
.
...

f (
u1 , vn )
y1
f (
u2 , vn ) y n
.
..
..
.
yn
f (
um , vn )

o simplemente

Aplicaciones bilineales.

f (
x, y) = (x)t FB1 B2 (y).

Definici
on 1.1 Dados tres espacios vectoriales U, V, W sobre el cuerpo IK, una aplicaci
on
f : U V W

1.2

se dice que es bilineal si es lineal en cada una de las componentes, es decir:

Cambio de base de la matriz asociada a una forma

bilineal.

Supongamos que tenemos dos espacios vectoriales U, V . Supongamos que tenemos

las siguientes bases:

f (
u1 + u
2 , v1 ) = f (
u1 , v1 ) + f (
u2 , v1 )
f (
u1 ,
v1 +
v2 ) = f (
u1 , v1 ) + f (
u1 , v2 )

B1 = {
u1 , . . . , u
m }
Bases de U ;
B10 = {
u01 , . . . , u
0m }

para cualesquiera , IK, u

1 , u
2 U , v1 , v2 V .

B2 = {
v1 , . . . , vn }
Bases de V .
B20 = {
v10 , . . . , vn0 }

A su vez denotaremos las coordenadas de los vectores x

U , y V en cada una de
las bases de la siguiente forma:

Definici
on 1.2 Una forma bilineal es una aplicaci
on bilineal en la que el espacio
vectorial final es el cuerpo IK:

Coordenadas de x
.
(x1 , . . . , xm ) respecto a la base B1
(x01 , . . . , x0m ) respecto a la base B10

f : U V IK, bilineal.

Coordenadas de y.
(y 1 , . . . , y n ) respecto a la base B2
(y 01 , . . . , y 0n ) respecto a la base B20

La relaci
on entre las distintas bases y coordenadas utilizando las matrices de cambio
de base es la siguiente:

1.1

Expresi
on matricial de una forma bilineal.

(
u) = (u)MB1 B10
(x) = MB1 B10 (x0 )

Supongamos que tenemos dos espacios vectoriales U, V y respectivas bases B1 , B2 :

B1 = {
u1 , . . . , u
m },

Adem
as sabemos que podemos escriibir la aplicaci
on bilineal f matricialmente bien
con respecto a las bases B1 , B2 o
B10 , B20 :

B2 = {
v1 , . . . , vn }.

f (
x, y) = (x)t FB1 B2 (y)

Sea f : U V IK una forma bilineal. Supongamos que x

U , y V son vectores
cuyas coordenadas contravariantes con respecto a las bases B1 , B2 son:
x
= xi u
i ;

(
v 0 ) = (
v )MB2 B20
(y) = MB2 B 0 (y 0 )

f (
x, y) = (x0 )t FB10 B20 (y 0 )

Veamos como se relacionan las matrices asociadas a f con respecto a las bases B1 , B2
y B10 , B20 :

y = y j vj .

(x)t FB1 B2 (y) = (MB1 B10 (x0 ))t FB1 B2 MB2 B20 (y 0 ) = (x0 )t (MB1 B10 )t FB1 B2 MB2 B20 (y 0 )

Entonces teniendo en cuenta la bilinealidad de f se tiene:

y por tanto:
FB10 B20 = (MB1 B10 )t FB1 B2 MB2 B20

f (
x, y) = f (xi u
i , y j vj ) = xi y j f (
ui , vj )


Algebra
Lineal II. Departamento de Metodos Matem
aticos y de Representaci
on. UDC.

Tema I. Captulo 1. Aplicaciones bilineales y formas cuadraticas.

Formas bilineales sobre un solo espacio vectorial.

Veamos cual es su dimensi

on. Para ello construimos un isomorfismo entre Bil(V )
y Mnn (IK). Fijada una base B de U definimos:
:

De especial interes son las formas bilineales sobre un mismo espacio vectorial, es
decir apliciones bilineales de la forma:

Mnn (IK)
FBB

- Es lineal, ya que si f, g Bil(U ), , IK y x

, y U se tiene:

Estudiemos sus peculiaridades.

(f + g)(
x, y) = f (
x, y) + g(
x, y) = (x)t F (y) + (x)t G(y) = (x)t (F + G)(y)
y por tanto (f + g) = (f ) + (g).

Expresi
on matricial y cambio de base.

- Es inyectiva, ya que si dos formas bilineales tienen la misma matriz asociada,

son la misma aplicaci
on.

Ahora para escribir su expresi

on matricial basta fijar una u
nica base

- Es sobreyectiva, ya que dada una matriz cuadrada A siempre podemos definir

una forma bilineal cuya matriz asociada en la base B sea A:

B = {
u1 , . . . , u
n }

f (
x, y) = (x)t A(y)

de U . Tendremos:

f (
u1 , u
1 )

u2 , u
1 )
f (
f (
x, y) = (x)t FBB (y), donde
..

.
f (
un , u
1 )

f (
u1 , u
2 )
f (
u2 , u
2 )
..
.
f (
un , u
2 )

...
...
..
.
...

f (
u1 , u
n )
f (
u2 , u
n )

..

.
f (
un , u
n )

Por tanto dim(Bil(V )) = dim(Mnn (IK)) = n2 .

2.3

En este caso la matriz FBB tambien puede denotarse por FB o simplemente por F ,
si indicamos previamente en que base estamos trabajando.

Formas bilineales sim

etricas y hemisim
etricas.

Definici
on 2.1 Sea f : U U IK una forma bilineal. Definimos:
- f es sim
etrica si f (
x, y) = f (
y, x
) para cualesquiera x
, y U .

Si tenemos otra base del espacio vectorial U :

- f es hemisim
etrica o
antisim
etrica si f (
x, y) = f (
y, x
) para cualesquiera
x
, y U .

B 0 = {
u01 , . . . , u
0n }.

Al conjunto de formas bilineales simetricas en U lo denotamos por BilS (U ).

el cambio de base se escribe ahora como:

Al conjunto de formas bilineales antisimetricas en U lo denotamos por BilA (U ).

FB 0 = (MBB 0 )t FB MBB 0

Veamos algunas propiedades de este tipo de formas bilineales:

Como consecuencia de esto deducimos que:

1. Las formas bilineales simetricas son un subespacio vectorial de Bil(U ).

Prueba: En primer lugar BilS (U ) 6= ya que la forma bilineal 0 es simetrica.
Adem
as si f, g BilS (U ), , IK y x
, y U se tiene:

Dos matrices asociadas a una misma forma bilineal

sobre un espacio vectorial U son congruentes.

2.2

Esta aplicaci
on verifica:

f : U U IK.

2.1

Bil(U )
f

(f + g)(
x, y)

Espacio vectorial de formas bilineales en U .

Al conjunto de formas bilineales sobre un mismo espacio vectorial U lo denotamos

por Bil(U ). Es f
acil ver que es un espacio vectorial con las operaciones habituales
de suma de funciones y producto por un escalar.

= f (
x, y) + g(
x, y) = f (
y, x
) + g(
y, x
) =
= (f + g)(
y, x
)

y por tanto (f + g) BilS (U ).

2. Las formas bilineales antisimetricas son un subespacio vectorial de Bil(U ).

Tema I. Captulo 1. Aplicaciones bilineales y formas cuadraticas.

Algebra
Lineal II. Departamento de Metodos Matem
aticos y de Representaci
on. UDC.

2. Dado un espacio vectorial U una aplicaci

on : U IK es una forma
cuadr
atica si cumple:
- (
x) = 2 (
x), para cualesquiera IK, x
U.
- La aplicaci
on g : U U K definida como:

Prueba: Como antes Bil(U )A 6= , porqu la forma bilineal 0 es antisimetrica.

Adem
as si f, g BilA (U ), , IK y x
, y U se tiene:
(f + g)(
x, y)

= f (
x, y) + g(
x, y) = f (
y, x
) g(
y, x
) =
= (f + g)(
y, x
)

g(
x, y) =

y por tanto (f + g) BilA (U ).

3. Los subespacios BilS (U ) y BilA (U ) son suplementarios.
Prueba: Se tiene:
- BilS (U ) BilA (U ) = {0} ya que si una forma bilineal es simetrica y antisimetrica al mismo tiempo, cumple:
f (
x, y) = f (
y, x
) = f (
x, y)

es bilineal y simetrica. A esta aplicaci

on se le llama forma polar.
Veamos que efectivamente ambas definiciones son equivalentes:
1) 2). Si f : U U IK es una forma bilineal simetrica y su forma
cuadr
atica asociada se tiene:

f (
x, y) = 0

- (
x) = f (
x,
x) = 2 f (
x, x
) = 2 (
x).

para cualquier x
, y U .
- Cualquier forma bilineal f puede descomponerse como suma de una forma
bilineal simetrica fS y otra antisimetrica fA , definidas como:
fS (
x, y) =
fA (
x, y) =

- Tomamos g definida como se indica:

g(
x, y)

1
(f (
x, y) + f (
y, x
))
2
1
(f (
x, y) f (
y, x
))
2

4. Si f es una forma bilineal simetrica la matriz F asociada respecto a cualquier

base de U , B = {
u1 , . . . , u
n } es simetrica.
Prueba: Para cualesquiera i, j con 1 i, j n, se tiene:

= 12 ((
x + y) (
x) (
y )) =
= 12 (f (
x + y, x
+ y) f (
x, x
) f (
y , y)) =
x, x
) + f (
x, y) + f (
y, x
) + f (
y , y) f (
x, x
) f (
y , y)) =
= 12 (f (
= f (
x, y)

Por tanto g = f y es bilineal y simetrica.

2) 1) Ahora basta comprobar que la aplicaci
on g es la forma bilineal
simetrica cuya forma cuadr
atica asociada es :

fij = f (
ui , u
j ) = f (
uj , u
i ) = fji .

g(
x, x
)
5. Si f es una forma bilineal antisimetrica la matriz F asociada respecto a cualquier
base de U , B = {
u1 , . . . , u
n } es antisimetrica.
Prueba: Para cualesquiera i, j con 1 i, j n, se tiene:

Formas cuadr
aticas.
3.2

3.1

= 12 ((
x+x
) (
x) (
x)) = 12 ((2
x) 2(
x)) =
1
= 2 (4(
x) 2(
x)) = (
x)

Observaci
on 3.2 De la definici
on deducimos que dada un forma bilineal simetrica
en U , tenemos una forma cu
adratica y viceversa. Por tanto el conjunto de formas
cuadr
aticas en U es un espacio vectorial isomorfo al espacio vectorial de formas
bilineales simetricas BilS (U ).

fij = f (
ui , u
j ) = f (
uj , u
i ) = fji .

1
((
x + y) (
x) (
y ))
2

Definici
on.

Sea U un espacio vectorial y B = {

u1 , . . . , u
n } una base. Dada una forma cuadr
atica
: U K podemos considerar su forma polar asociada f : U U IK. La
expresi
on matricial de f es:

Definici
on 3.1 Damos dos definiciones equivalentes:

f (
x, y) = (x)t FB (y)

1. Dado un espacio vectorial U y una forma bilineal simetrica f : U U IK,

se llama forma cuadr
atica asociada a f a la aplicaci
on:
:

U
x

Expresi
on matricial y cambio de base.

Por tanto, teniendo en cuenta que (

x) = f (
x, x
), la expresi
on matricial de la forma
cuadr
atica es:
(
x) = (x)t FB (x)

IK
f (
x, x
)

Tema I. Captulo 1. Aplicaciones bilineales y formas cuadraticas.

Algebra
Lineal II. Departamento de Metodos Matem
aticos y de Representaci
on. UDC.

Veamos algunas propiedades del conjunto conjugado:

La matriz asociada a una forma cuadr

atica respecto a una base B es por tanto
la matriz asociada a la correspondiente forma polar. Observemos, que como f es
una forma bilineal simetrica, la matriz FB asociada a una forma cuadr
atica es una
matriz simetrica.

1. El conjunto conj(A) es un subespacio vectorial.

Prueba: Est
a claro que
0 conj(A), porque el vector nulo est
a conjugado
con cualquier vector. Adem
as sean x
, y conj(A) y , IK. Entonces para
cualquier a A se tiene:

Si ahora tenemos otra base B 0 = {

u01 , . . . , u
0n } de U , la relaci
on entre las matrices
asociadas a la forma cuadr
atica respecto a las bases B y B 0 es la misma que la
relaci
on entre las matrices asociadas a las correspondientes formas polares, es decir:
FB 0 = (MBB 0 ) FB MBB 0

x
, y conj(A)

Como consecuencia de esto deducimos que:

2. A B
Prueba:

conj(B) conj(A).

x
conj(B)

Del hecho de que el rango de una matriz se conserve por congruencia, nos permite
introducir la siguiente definici
on:

f (
x, b) = 0,
f (
x, a
) = 0,

b B

aAB

x
conj(A).

3. conj(A) = conj(L(A)).
Prueba: Primero aplicamos la propiedad anterior:

Definici
on 3.3 Dada una forma cuadr
atica se define su rango como el rango de
cualquier matriz asociada.

A L(A)

3.3.1

Y por tanto
x + y conj(A).

Dos matrices asociadas a una misma forma cuadr

atica
sobre un espacio vectorial U son congruentes.

3.3

=
0

f (
x, a
) = f (
y, a
) = 0

f (
x + y, a
) = f (
x, a
) + f (
y, a
)

Conjugaci
on.

conj(L(A)) conj(A).

Veamos la otra inclusi

on. Sea x
conj(A) e y L(A). Entonces:

Vectores conjugados.

y =

Definici
on 3.4 Sea : U IK una forma cuadr
atica y f su forma polar. Dos
vectores x
, y U se dicen conjugados respecto de o
f si:

i a
i con i IK,

a
i A.

Por tanto:
f (
x, y) = f (
x,

f (
x, y) = 0.

i a
i ) =

x
conj(A), a
i A

Est
a claro que el vector nulo
0 es conjugado a todos los vectores del espacio
vectorial:
f (
x,
0) = 0
para cualquier x
U.

i f (
x, a
i )

= 0

f (
x, a
i ) = 0.

Deducimos que x
conj(L(A)).
4. El conjugado de un subespacio vectorial es el conjugado de un sistema generador
del mismo.

Definici
on 3.5 Dada : U IK una forma cuadr
atica, se dice que un vector
x
U es autoconjugado si est
a conjugado consigo mismo:

3.3.3

(
x) = 0

3.3.2

N
ucleo de una forma cuadr
atica.

Definici
on 3.7 Dada una forma cuadr
atica : U IK definimos su n
ucleo como
el conjunto de todos los vectores conjugados a todos los del espacio vectorial:

Subespacios conjugados.

ker() = {
x U | f (
x, y) = 0,

Definici
on 3.6 Sea : U IK una forma cuadr
atica. Sea A un subconjunto
de U , se llama conjugado de A y se denota por conj(A) al conjunto de todos los
vectores conjugados respecto a todos los elementos de A:

donde f es la forma polar asociada a .

conj(A) = {
x U | f (
x, a
) = 0 para todo a A}.

Veamos algunas propiedades del n

uclo:

y U } = conj(U )

Tema I. Captulo 1. Aplicaciones bilineales y formas cuadraticas.

Algebra
Lineal II. Departamento de Metodos Matem
aticos y de Representaci
on. UDC.

Proposici
on 3.12 Sea una forma cuadr
atica : U IK. Una base B es una base
de vectores conjugados si y s
olo si la matriz asociada FB es diagonal.

1. El n
ucleo es un subespacio vectorial.
2. Dada una base B de U :
ker() = {
x U | FB (x) = (0)}.

Prueba: Sea B = {
u1 , . . . , u
n }. Recordemos que si f es la forma polar asociada a
, la matriz asociada es:
(FB )ij = f (
ui , u
j )

Prueba: Basta tener en cuenta que:

f (
x, y) = 0,

y U (x)t FB (y) = 0,

Por tanto:

y U FB (x) = (0).
B base de vectores conjugados

3. Todos los vectores del n

ucleo son autoconjugados. El recproco no es cierto.
4. dim(ker()) = dim(U ) rango().
Prueba: Se deduce si tenemos en cuenta que la dimensi
on de la soluci
on de
un sistema es la dimensi
on del espacio vectorial menos el n
umero de ecuaciones
independientes. Aplicando esto a:

Vimos que las matrices asociadas a las formas cuadr

aticas son simetricas. Adem
as
el cambio de base transforma una matriz asociada en otra congruente. Por tanto si
FB es una matriz asociada a w en cualquier base:

ker() = {
x U | FB (x) = (0)}

diagonalizable FB diagonalizable por congruencia

se obtiene la relaci
on indicada.

3.3.4

Teniendo en cuenta que toda matriz simetrica es diagonalizable por congruencia

deducimos el siguiente teorema:

Formas cuadr
aticas ordinarias y degeneradas.

Definici
on 3.8 Sea : U IK una forma cuadr
atica sobre un espacio vectorial
U:
- se dice

ordinaria
o

no degenerada

Teorema 3.13 Toda forma cuadr

atica es diagonalizable. Equivalentemente dada
una forma cuadr
atica siempre existe una base de vectores conjugados.

ker() = {
0} rango() = dim(U ).

- se dice degenerada ker() 6= {

0} rango() < dim(U ).

3.4

f (
ui , u
j ) = 0, i 6= j
(FB )ij = 0, i 6= j
(FB ) es diagonal.

4.1

Diagonalizaci
on de una forma cuadr
atica.

Formas cuadr
aticas reales.
Expresi
on can
onica de una forma cuadr
atica.

Sea : U IR una forma cuadr

atica. Sabemos que siempre es diagonalizable. En
particular existe una base B en la que la matriz asociada es de la forma:

Definici
on 3.9 Una forma cuadr
atica : U IK se dice diagonalizable si
existe una base de U respecto a la cual la matriz asociada a es diagonal.

Ip
FB =

Observaci
on 3.10 Si la matriz de una forma cuadr
atica : U IK respecto a
una base B es diagonal, entonces su expresi
on matricial es:
(
x) = (x)D{x} = d11 (x1 )2 + d22 (x2 )2 + . . . + dnn (xn )2

Iq

()

Definici
on 4.1 Se llama signatura de la forma cuadr
atica al par de n
umeros
naturales (p, q) donde p indica el n
umero de elementos positivos en su forma diagonal
y q el n
umero de elementos negativos:

Por tanto diagonalizar es equivalente a obtener una expresi

on de la forma cuadr
atica
como suma de cuadrados.

Sig() = (p, q).

Definici
on 3.11 Dada una forma cuadr
atica : U IK, se llama base de vectores
conjugados a una base en la que cada vector est
a conjugado a todos los dem
as.

Estos n
umeros cumplen p + q = rango().


Algebra
Lineal II. Departamento de Metodos Matem
aticos y de Representaci
on. UDC.

Tema I. Captulo 1. Aplicaciones bilineales y formas cuadraticas.

Todas estas definiciones pueden hacerse para matrices simetricas reales, si tenemos
en cuenta que cualquier matriz simetrica real determina una forma cuadr
atica:

En el siguiente teorema, llamado Ley de inercia de Sylvester se prueba que la

definici
on anterior es coherente, es decir, que los n
umeros (p, q) no dependen de la
base en la que se diagonalice.

Definici
on 4.4 Sea A Mnn (IR) una matriz simetrica real:
Teorema 4.2 (Ley de inercia de Sylvester) La signatura de una
cuadr
atica : U IR es un invariante, es decir, no depende de la base.

forma
- A es definida positiva

respecto a las cuales la matriz asociada a es diagonal (en la forma (*)).

Supongamos que la signaturas con respecto a las bases B, B 0 son respectivamente
(p, q) y (p0 , q 0 ). Sean:
U1 = L{
u1 , . . . , u
p }
U2 = L{
u0p0 +1 , . . . , u
0n }

A es congruente con

- A es definida negativa

A es congruente con I.

- A es semidefinida negativa

A es congruente con

- A es indefinida

Si x
U1 U2 es un vector no nulo se tiene:

- A es semidefinida positiva

B 0 = {
u01 , . . . , u0n },

B = {
u1 , . . . , u
n },

I
A es congruente con


.

(
x) > 0
(
x) 0
Proposici
on 4.5 Sea : U IR una forma cuadr
atica en un espacio vectorial U
n-dimensional.

luego, U1 U2 = {
0}. En consecuencia:
dim(U1 )+dim(U2 ) = dim(U1 +U2 )+dim(U1 U2 )

p+(np0 ) n

p p0

Si repetimos el razonamiento inviertiendo los papeles de p y p0 obtenemos p0 p.

Por tanto:
p = p0 q = n p = n p0 = q 0 .

4.2

A es congruente con I.

Prueba: Supongamos que tenemos dos bases de U :

x
U1
x
U2

Clasificaci
on de formas cuadr
aticas.

- es definida positiva

Sig() = (n, 0).

- es semidefinida positiva

Sig() = (p, 0) con p < n.

- es definida negativa

Sig() = (0, n).

- es semidefinida negativa

Sig() = (0, q) con q < n.

- es indefinida

Sig() = (p, q) con p > 0, q > 0.

Definici
on 4.3 Sea : U IR una forma cuadr
atica:
- es definida positiva

- es semidefinida positiva

- es definida negativa

- es semidefinida negativa

- es indefinida

(
x) > 0,

x 6=
0.

Prueba: Es una comprobaci

on inmediata si tenemos en cuenta que si Sig() = (p, q)
la expresi
on de respecto a una determinada base es:

No es definida positiva y
(
x) 0,
x 6=
0.
(
x) < 0,

(
x) = (x1 )2 + (x2 )2 + . . . + (xp )2 (xp+1 )2 (xp+2 )2 . . . (xp+q )2 .

x 6=
0.
Proposici
on 4.6 Dos matrices congruentes tienen el determinante del mismo signo.

No es definida negativa y
(
x) 0,
x 6=
0.

x, y 6= 0 con (
x) > 0,

Prueba: Si A y B son congruentes existe una matriz regular C con:

A = CBC t

(
y ) < 0.

|A| = |C||B||C t | = |C|2 |B|

signo(|A|) = signo(|B|).


Algebra
Lineal II. Departamento de Metodos Matem
aticos y de Representaci
on. UDC.

Tema I. Captulo 1. Aplicaciones bilineales y formas cuadraticas.

Teorema 4.7 (Criterio de Sylvester) Sea : U IR una forma cuadr

atica y
F su matriz asociada respecto a una base B = {
u1 , . . . , u
n }. Denotamos por:


F1 = (f11 ),

F2 =

f11
f21

f12
f22

f11
f21
f31


,

F3 =

f12
f22
f32

f13
f23
f33

2. Para probar que es definida negativa

i = 1, . . . , n, tenemos en cuenta que:

!
etc . . .

Ahora basta aplicar el apartado anterior.

1. es definida positiva |Fi | > 0, para todo i = 1, . . . , n.

2. es definida negativa (1)i |Fi | > 0, para todo i = 1, . . . , n.
Prueba:
1. =: Si es definida positiva en U , lo es en cualquier subespacio
Ui = L{
u1 , . . . , u
i }.
La matriz de la forma restringida a Ui es Fi . Por ser definida positiva Fi es
congruente a Id y por tanto su determinante es positivo.
=: Supongamos que |Fi | > 0, para todo i = 1, . . . , n. Probaremos por inducci
on que es definida positiva:
- Para n = 1 est
a claro.
- Supongamos que el resultado es cierto para formas cuadr
aticas sobre espacios
vectoriales de dimensi
on n 1 y veamos que es cierto para dimensi
on n.
Por hip
otesis de inducci
on sabemos que es definida positiva en el subespacio
vectorial U1 = L{
u1 , . . . , u
n1 }. Por tanto existe una base B10 de U1 respecto a
la cual la matriz asociada a restringida a U1 es la identidad. Consideramos
la base:
u}
B 0 = B10 {
La matriz asociada a respecto a esta base es:
I

a1

...

a1
..
.
an1
an

an1

Si diagonalizamos por congruencia obtenemos una matriz congruente a la matriz

F de respecto a la base de partida:

C=

0
..
.

...

0
b

(1)i |Fi | > 0, para todo

es definida negativa es definida positiva.

,

Entonces:

Como F y C son congruentes sus determinates tienen igual signo. Por tanto
|C| > 0, b > 0 y la signatura de es (n, 0). Por tanto es efectivamente
definida positiva.