Algebra

Lineal
Formas cuadr
aticas

Jose Antonio Abia Vian

Dpto. de Matem
atica Aplicada a la T
ecnica.

E.U.P. Universidad de Valladolid

Septiembre de 1997

Captulo 1
Formas cuadr
aticas.
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.
Definici
on 1.- Sea V un espacio vectorial real de dimension finita n, y sea B una base
V . Se denomina forma cuadr
atica sobre V a toda funcion polinomica Q: V IR
de la forma
n
Q(x) =

aij xi xj

i,j=1

x1
.

donde [x]B =
atica es un polinomio ho .. y aij IR. Es decir, una forma cuadr
xn
mogeneo de segundo grado y n variables.
Expresi
on matricial.
Toda forma cuadratica Q sobre V , se puede expresar matricialmente como:

a11 a12

X
a21 a22
Q(x) =
aij xi xj = x1 x2 xn
..
..
.
.
i,j=1
an1 an2

a1n
x1

a2n x2

..
..
.. .
. . .
ann
xn

De hecho, tenemos el siguiente resultado

Teorema 2.- Toda forma cuadratica Q sobre V , se puede expresar matricialmente como
Q(x) = [x]tB A[x]B
donde A es una matriz simetrica.
Demostracion:
Si en la expresion de la forma cuadratica, Q(x) =

n
X

aij xi xj , consideramos los pares

i,j=1

de sumandos de la forma aij xi xj y aji xj xi , se tiene que

aij xi xj + aji xj xi = (aij + aji )xi xj =

Algebra
Lineal.

aij + aji
aij + aji
xi xj +
xj xi
2
2
1

m
at

1.1 Diagonalizacion de una forma cuadratica.

Por lo que la expresion matricial de Q, es tambien

Q(x) =

..
.

a22
..
.

..
.

a1n +an1
2
a2n +an2
2

a1n +an1
2

a2n +an2
2

ann

a11

a +a

12 21

x1 x2 xn

a12 +a21
2

..
.

x1

x2
.
.
.

= [x]t A[x]B ,
B

xn

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 0 base de V distinta de B, si P es la matriz de paso de B 0 a B, PB 0 B , se cumple
que
[x]B = P [x]B 0
para todo x de V , luego, sustituyendo en Q, tenemos que
Q(x) = [x]tB A[x]B = (P [x]B 0 )t A(P [x]B 0 ) = [x]tB 0 (P t AP )[x]B 0
con lo cual, la nueva matriz asociada a la forma cuadratica Q en la base B 0 , y que
denominaremos A0 , viene dada por A0 = P t AP que es tambien simetrica.
Definici
on 3.- Dos matrices simetricas se dice que son congruentes cuando son matrices asociadas a la misma forma cuadratica en distintas bases.
Es decir, A y A0 simetricas son congruentes, si existe P inversible tal que A0 = P t AP .

1.1

Diagonalizaci
on de una forma cuadr
atica.

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 congruente con la inicial que sea diagonal.

1.1.1

Diagonalizaci
on ortogonal.

Sea B una base de V y Q(x) = [x]tB 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 0 tal que la matriz PB 0 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.

m
at

1.1 Diagonalizacion de una forma cuadratica.

En la nueva base, B 0 , la forma cuadratica puede expresarse como una suma de cuadrados, pues
Q(x) = [x]tB 0 (P t AP )[x]B 0 = [x]tB 0 D[x]B 0 = 1 y12 + . . . + n yn2 ,

donde [x]B 0

y1
.

= ..
y 1 , . . . , n son los valores caractersticos de la matriz A.
yn

Ejemplo.- 4.- Reducir a suma de cuadrados la forma cuadratica Q(x) = xy + yz.

Soluci
on:

0 12 0
1
1
La matriz asociada a Q es A =
2 0 2 .
0 12 0
Los valores caractersticos de A son las raices del polinomio caracterstico

1 0

2
1
1
1
1

|I A| = 12 12 = 3 = (2 ) = ( )( + ),
2
2
2
2
0 1
2

1
2

0 0

1
1
1

es decir, 2 , 2 y 0. Luego A es congruente con la matriz diagonal D = 0 2 0

, y
0 0 0
existira, por tanto, una base en la cual Q(x) se expresa de la forma
1
1
x2 y 2 .
2
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 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 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 ai x2i , se reunen con este todos los demas terminos donde aparezca xi 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.

m
at

1.1 Diagonalizacion de una forma cuadratica.

2. Si no hay ning
un termino cuadrado, existira un termino de la forma aij xi xj , y
entonces puede efectuarse el siguiente tipo de cambio de variable:

x 1 = u1

..
..

.
.

x
=
ui + uj

..

..

.
.

x j = ui uj

..
..

.
.

x n = un

que convierte el producto xi xj en los terminos cuadrados u2i u2j , recayendo as en

el caso anterior.
La matriz del cambio de base se obtiene deshaciendo los cambios realizados.
Esto u
ltimo 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) = x2 + 2xy + 2y 2 + 4yz + 5z 2 .
Solucion:

1 1

La matriz asociada a Q es, A = 1 2

0 2
no son sencillos de obtener por tanto
de Gauss.

0
2
, los valores caractersticos de esta matriz
5
usaremos el metodo de completar cuadrados

Q(x) = (x2 + 2xy + y 2 ) + y 2 + 4yz + 5z 2 = (x + y)2 + y 2 + 4yz + 5z 2

= x2 + (y 2 + 4yz + 4z 2 ) + z 2 = x2 + (y + 2z)2 + z 2 = x2 + y2 + z2 ,

x = x + y

donde 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
en la base inicial, es decir,
del vector
las
coordenadas

x
x
x = x + y

con la notacion usada aqu, y = P y . Como y = y + 2z , tenemos que

z
z = z
z

x
1 1 0
x
x

1
y = 0 1 2 y = P y .
z
z
0 0 1
z

1 1 0

Luego P = 0 1 2
0 0 1

Algebra
Lineal.

1 1 2

= 0 1 2 .
0 0 1
4

m
at

1.1 Diagonalizacion de una forma cuadratica.

2. Q(x) = xy + yz.
Solucion:
Como Q no tiene ning
un termino cuadrado, efectuamos el cambio

x=u+v

y =uv ,
z=w

con lo que
Q(x) = (u + v)(u v) + (u v)w = u2 v 2 + uw vw
w
w2
w
w2
w
w
= (u + )2
(u + )2 + +
= (u + )2 (v + )2 = x2 y2 ,
2
4
2
4
2
2
donde, x = u + w2 , y = v +

w
2

y z = w.

x+y
z
w

x = u + 2 = 2 + 2

1 1
2
2
1
1
+ z2 , luego P =
Ademas, es y = v + w2 = xy
2 2
2

z = w = z

1
2
1
2

0 0 1

Nota: El metodo de completar cuadrados y el metodo que veremos a continuacion, 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 6= 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 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 filas 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, simultaneamente, D y P , la matriz del cambio de base.
No es difcil probar los siguientes resultados:
1. Sea A una matriz n n y Af (resp. Ac ) la matriz que se obtiene al efectuar una sola
operacion elemental en las filas (resp. columnas) de A. Sea Ef (resp. Ec ) la matriz
que resulta de efectuar la misma operacion elemental en las filas (resp. columnas)
de la identidad n n. Entonces
Af = Ef A

(resp. Ac = AEc ).

2. Si Ef y Ec son, respectivamente, las matrices elementales obtenidas al efectuar la

misma operacion elemental en las filas y en las columnas de la matriz identidad,
entonces Ef = Ect .

Algebra
Lineal.

m
at

1.1 Diagonalizacion de una forma cuadratica.

Por tanto si realizamos en una matriz simetrica A una operacion elemental en sus filas
y la misma operacion elemental en sus columnas para obtener Af c , la matriz as obtenida
es congruente con A y simetrica.
En efecto:
Af c = Af Ec = Ef AEc = Ect AEc ,
luego Af c es simetrica por serlo A. Como Ef = Ect es una matriz elemental, es inversible,
y por tanto A y Af c son congruentes.
Teorema 6.- Para cualquier matriz simetrica A, existe una sucesion finita de operaciones
elementales, tales que la matriz obtenida a partir de A, D, efectuando cada operacion
elemental primero en las filas y a continuacion la misma en las columnas, es diagonal y
congruente con A.
Demostracion:
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 simetrica, llegaremos a una
matriz diagonal D. Esto es:
A A(f c)1 A(f c)1
A(f c)1 A(f c)2 A(f c)2
..
.

= Ect1 AEc1
= Ect2 A(f c)1 Ec2
..
.

A(f c)k1 A(f c)k A(f c)k = Ectk A(f c)k1 Eck = D
Por lo tanto, tenemos que
D = A(f c)k = Ectk Ect1 AEc1 Eck = (Ec1 Eck )t A(Ec1 Eck ) = 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.
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
solo en sus columnas, al cabo de un n
umero finito de pasos obtendremos (D|P ).
Ejemplo.- 7.- Se considera Q(x) = 2x2 + 2xy + 2yz + 3z 2 una forma cuadratica sobre
IR3 , reducir Q a suma de cuadrados y hallar la matriz del cambio de base.
Soluci
on:

2 1 0

La matriz asociada a Q en la base canonica es A = 1 0 1 , si x = (x, y, z).

0 1 3

Algebra
Lineal.

m
at

1.2 Rango y signatura de una forma cuadratica.

Hagamos el proceso de (A|I) (D|P ), detallando inicialmente los pasos dados en

cada operacion, para despues globalizarlos.

2 1 0 |1 0 0
2 1 0 |1 0 0
n
o

1 A
A
(A|I) = 1 0 1 |0 1 0 F2 2 F1
0 12 1 |0 1 0
0 1 3 |0 0 1
0 1 3 |0 0 1
(operacion elemental para las filas de A)

2 1 0 |1 0 0
2 0 0 |1 0 0
n
o

1 A
1
A
C2 2 C1
0 12 1 |0 1 0
0 2 1 |0 1 0
0 1 3 |0 0 1
0 1 3 |0 0 1
(la misma operacion elemental para las columnas de A)

2 0 0 |1 12 0
2 0 0 |1 0 0
n
o

1
1
C2I 12 C1I
0 2 1 |0 1 0
0 2 1 |0 1 0
0 1 3 |0 0 1
0 1 3 |0 0 1
(la misma operacion elemental para las columnas de I.)

A
A

2 0 0 |1 12 0
F3 + 2F2

1
A
C3 + 2C2A
0 2 1 |0 1 0

0 1 3 |0 0 1
C3I + 2C2I

2 0 0 |1 12 1

0 12 0 |0 1 2 = (D|P )

0 0 5 |0 0 1

2 0 0

Hemos obtenido as la matriz diagonal, D = 0 12 0 , y la matriz de transicion de la

0 0 5

1 12 1

base B 0 = {(1, 0, 0), ( 12 , 1, 0), (1, 2, 1)} a la canonica, P = 0 1 2 , verificandose

0 0 1
que
P t AP = D.

Por tanto, si [x]B 0 = y , se tiene que Q(x) = 2x2 21 y2 + 5z2 .

z

1.2

Rango y signatura de una forma cuadr

atica.

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 clasificacion
de las formas cuadraticas.

Algebra
Lineal.

m
at

1.2 Rango y signatura de una forma cuadratica.

Teorema 8.- Dos matrices congruentes tienen el mismo rango.

Demostracion:
Veamos, previamente, el siguiente resultado
Lema 9.- Si Amn y Bnp 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 cj es
la columna j-esima de AB, entonces

b1j
a11 b1j + . . . + a1n bnj
a11
a1n
.

.
.
.

= b1j . + . . . + bnj .
..
cj = A
.. =

.
.
bnj
am1 b1j + . . . + amn bnj
am1
amn
luego cj esta en el espacio de las columnas de A, para todo j, por ser combinacion lineal de dichas columnas.
Como el rango de una matriz es la dimension del espacio de las filas 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 filas de AB estan 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. Existira 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 = Qt 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.

m
at

1.2 Rango y signatura de una forma cuadratica.

Definici
on 10.- Llamaremos rango de una forma cuadratica, al rango de cualquier matriz simetrica asociada en una base a la forma cuadratica.
Observacion:
Del teorema anterior, se deduce entonces que dos cualesquiera matrices diagonales asociadas 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
coeficientes positivos, as como el n
umero de terminos con coeficientes negativos es el
mismo en ambos casos.
Demostracion:
Supongamos que respecto a una base B = {b1 , b2 , . . . , bn } la expresion de la forma
cuadratica es
Q(x) = a1 x21 + + ap x2p ap+1 x2p+1 ap+p0 x2p+p0 ,
con ai > 0 para todo i, y x = x1 b1 + + xp bp + + xp+p0 bp+p0 + + xn bn , esto es, la
matriz diagonal asociada sera

D=

a1

...
ap
ap+1

...
ap+p0
0

..

.
0

y que respecto a la otra base B 0 = {b01 , . . . , b0n } se tiene

2
Q(x) = c1 y12 + + cq yq2 cq+1 cq+q0 yq+q
0,

con cj > 0, para todo j, y x = y1 b01 + + yq0 bq0 + + yq+q0 + + yn b0 n , siendo entonces
su matriz asociada

D0 =

c1

..

.
cq
cq+1

..

.
cq+q0
0

...
0

Algebra
Lineal.

m
at

1.3 Clasificacion de las formas cuadraticas.

Por el teorema 8 anterior, sabemos que rg(D) = rg(D0 ), luego p + p0 = q + q 0 . Veamos

que p = q, con lo que tendremos tambien que p0 = q 0 .
Supongamos que p > q y consideremos los subespacios vectoriales S = lin {b1 , . . . , bp }
y T = lin {b0 q+1 , . . . , b0 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 = x1 b 1 + + xp b p
y el valor de la forma cuadratica sera
Q(x) = a1 x21 + . . . + ap x2p > 0

pues x 6= 0.

Por ser de T , puede escribirse en la forma

x = yq+1 b0 q+1 + . . . + yn b0 n0 ,
y el valor de Q(x) es entonces
2
2
Q(x) = cq+1 yq+1
. . . cq+q0 yq+q
0 0

lo que es una contradiccion, luego necesariamente p q.

Reciprocamente, se obtendra que q p, luego p = q.
Definici
on 12.- Sea Q una forma cuadratica y D una matriz diagonal asociada a la
forma cuadratica 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 cuadratica Q es
a) Nula si y solo si Q(x) = 0 para todo x.
b) Definida positiva si y solo si Q(x) > 0, para todo x no nulo.
c) Semidefinida positiva si y solo si Q(x) 0, para todo x y Q no es nula ni definida
positiva.
d) Definida negativa si y solo si Q(x) < 0, para todo x no nulo.
e) Semidefinida negativa si y solo si Q(x) 0, para todo x y Q no es nula ni
definida negativa.
f) Indefinida si y solo si Q(x) alcanza tanto valores positivos como negativos, es decir,
si x1 6= 0 tal que Q(x1 ) > 0 y x2 6= 0 tal que Q(x2 ) < 0
Para las formas cuadraticas sobre IR2 , podemos dar una representacion de ellas usando
superficies en IR3 , es decir, asignando a z el valor de la forma cuadratica en el punto (x, y).
Con estas premisas, hemos realizado la siguiente figura.

Algebra
Lineal.

10

m
at

1.3 Clasificacion de las formas cuadraticas.

Fig. 1.1: Graficas de las formas cudraticas de IR2 : definida positiva, definida negativa, indefinida,
semidefinida positiva, semidefinida negativa y nula

Teorema de clasificaci
on 14.- Sea Q una forma cuadratica en un espacio vectorial de
dimension 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.
Demostracion:
Sea B = {v 1 , . . . , v n } una base en la cual, la expresion de Q es de la forma

Q(x) = d1 x21 + d2 x22 + + dn x2n

x1
.

donde [x]B =
as, en dicha base se tiene que
.. . Adem
xn

1

0

[v 1 ]B =
.. ,
.
0

Algebra
Lineal.

0

0

[v n ]B =
.. .
.
1
11

1.3 Clasificacion de las formas cuadraticas.

m
at

y, por tanto, que Q(v i ) = di , para todo i = 1, . . . , n. Entonces:

a) Si Q(x) = 0, para todo x, se tiene que di = Q(v i ) = 0, para todo i, luego Sig(Q) =
(0, 0).
Reciprocamente, si di = 0 para todo i, entonces Q(x) = 0 para todo x.
b) Si Q(x) > 0 para todo x 6= 0, se tiene que di = (v i ) > 0, para todo i, luego
Sig(Q) = (n, 0).
Recprocamente, si di > 0 para todo i, entonces Q(x) > 0 para todo x 6= 0.
c) Si Q(x) 0 para todo x 6= 0, es di = Q(v i ) 0 para todo i. Como no es
nula existe alg
un dj > 0 y como no es definida positiva existe alg
un dk = 0, luego
Sig(Q) = (p, 0) con 0 < p < n.
Recprocamente, si di 0 para todo i, con alg
un dj > 0 y alg
un dk = 0, se tiene
que Q(x) 0 para todo x, que Q(v j ) = dj > 0, por lo que no es nula, y que
Q(v k ) = dk = 0, por lo que no es definida positiva.
d) Analogo al caso definida positiva.
e) Analogo al caso semidefinida positiva.
f) Por ser indefinida, Q(x) 6 0 para todo x, luego di 6 0 para todo i, por lo que
existira un dj < 0 y Q(x) 6 0 para todo x, luego di 6 0 para todo i por lo que
existira un dk > 0. En consecuencia, Sig(Q) = (p, q) con p, q > 0.
Recprocamente, si existe dj < 0 y dk > 0, seran Q(v j ) = dj < 0 y Q(v k ) = dk > 0,
luego es indefinida.
Para finalizar y aunque puede obtenerse sin mucho coste la matriz diagonal damos,
sin demostracion, dos teoremas que pueden ser u
tiles por su version practica. El primero
de ellos engloba varios resultados para clasificar 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 definida positiva si, y solo si, k > 0, para 1 k n.
b) Q es definida negativa si, y solo si, (1)k k > 0, para 1 k n.
c) Si n = det(A) 6= 0 y no se esta en alguno de los casos anteriores, entonces Q es
indefinida.
d) Si existe i tal que aii 0 (resp. aii 0 ), entonces Q no es definida positiva (resp.
no es definida negativa).
e) Si existen i y j, con i 6= j, tales que aii = 0 y aij 6= 0, entonces Q es indefinida.

Algebra
Lineal.

12

m
at

1.3 Clasificacion de las formas cuadraticas.

Teorema de Descartes 16.- Sea a0 + a1 X + + an1 X n1 + an X n un polinomio de

grado n con coeficientes reales, con an 6= 0 y a0 =
6 0, del que se sabe que tiene todas sus
raices reales. Si en la sucesion de terminos
a0

a1

a2

(1)n1 an1

(1)n an

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
(

Algebra
Lineal.

n+ n = p v
n+ + n = n

n+ =
n =

n+(pv)
2
n(pv)
2

13

Captulo 2
C
onicas en IR2.
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

Introducci
on.

Algunas conicas como la elipse, la hiperbola y la parabola son ya conocidas, reconocemos

su grafica

Fig. 2.1: Elipse, hiperbola y parabola.

y las expresiones analticas de las ecuaciones que las generan

x2 y 2
+ 2 =1
a2
b
x2 y 2
2 = 1
a2
b
x2 = 2py

b2 x2 + a2 y 2 a2 b2 = 0

b2 x2 a2 y 2 a2 b2 = 0

x2 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 reconocerlas 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

m
at

2.1 Introduccion.

estos tres tipos de conicas sean los mas interesantes, el estudio que haremos sera bastante
completo.
Definici
on 17.Dado un punto P
par (x, y) tal que

Sea O un punto de IR2 y B = {e1 , e2 } una base ortonormal del mismo.

IR2 , llamaremos coordenadas de P en la referencia R = {O; e1 , e2 }, al

OP = xe1 + ye2 . El punto O decimos que es el origen de coordenadas.

Definici
on 18.- Se define c
onica en IR2 como el lugar geometrico de los puntos P , cuyas
coordenadas (x, y) verifican una ecuacion de la forma:
a00 + 2a01 x + 2a02 y + a11 x2 + 2a12 xy + a22 y 2 = 0

h2.1i

donde a11 , a12 , y a22 no son simultaneamente nulos.

En la ecuacion anterior podemos distinguir tres partes.
a) El termino independiente, a00 .
b) Una forma lineal, 2a01 x + 2a02 y.
c) Una forma cuadratica, a11 x2 + 2a12 xy + a22 y 2 .
Ecuaci
on matricial.
A tenor de las tres partes comentadas, la ecuacion h2.1i anterior puede expresarse en
forma matricial de la forma

0 = a00 + 2 a01 a02

= a00 + 2AL

x
y

x
y

+ x y

+ x y AC

x
y

a11 a12
a12 a22

x
y

h2.2i

Si bien es cierto que un punto en IR2 tiene unicamente dos coordenadas, usando de un
peque
no truquito puede escribirse matricialmente con la expresion mas sencilla

0=

a00 a01 a02

1
1

ft AX,
f
1 x y
a01 a11 a12 x = 1 x y A x = X
a02 a12 a22
y
y

h2.3i

Las dos expresiones matriciales son u

tiles para el estudio de las conicas. Usando la
expresion h2.3i se compone un cuadro de la clasificacion de las conicas mediante invariantes, que mostramos al final del captulo, y operando sobre la ecuacion h2.2i obtendremos
la ecuacion reducida de la conica que nos permita identificarla.
En el estudio siguiente realizaremos este u
ltimo proceso.

Algebra
Lineal.

15

m
at

2.2 Ecuacion reducida de una conica.

2.2
2.2.1

Ecuaci
on reducida de una c
onica.
C
alculo de la ecuaci
on reducida.

Diagonalizaci
on de AC .
En la ecuacion general de la conica

a00 + 2AL

x
y

+ x y AC

x
y

=0

vemos que AC es la matriz asociada a una forma cuadratica, luego puede obtenerse una
matriz diagonal congruente con ella obtenida diagonalizando
ortogonalmente.
Es

!
decir,
!

0
x
x
1

t
existe PB 0 B inversible tal que P AP = D =
, donde P
=
y
0 2
y
y
P 1 = P t . Por tanto, la ecuacion queda

0 = a00 + 2AL P

= a00 + 2AL P
Llamando AL P = BL =

b01 b02

x
y
x
y

+ x y P t AP
!

+ x y D

x
y

x
y

y usando la expresion de D nos queda

0 = a00 + 2b01 x + 2b02 y + 1 x2 + 2 y2 .

h2.4i

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 u
nicas 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 =

p11 p12
p21 p22

cos sen
sen cos

21
para tal que tg = pp11
.
Observese tambien que la matriz P , valida para efectuar el giro, no es u
nica, 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 reflexion, es decir, en uno
de los nuevos ejes se intercambia la parte positiva con la negativa.

Observaci
on.- 20.- Puesto que la matriz AC es la matriz asociada a una forma cuadratica,
puede conseguirse una matriz diagonal sin hacer la diagonalizacion ortogonal. Sin embargo, 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 representara 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

m
at

2.2 Ecuacion reducida de una conica.

La conica dada por x2 + 2xy + 2y 2 = 1.

a) Diagonalizando ortogonalmente
obtenemos
1 = 3+2 5 y 2 = 32 5 , de

3 5 2
2
donde, la ecuacion queda 3+2 5 xq
+ 2 yq
= 1, que representa una elipse
2
centrada en (0, 0), de semiejes 3+ 5 y 325 .
b) Completando cuadrados, obtendremos que x2 + 2xy + 2y 2 1 = (x +
y)2 + y 2 1 = x2 + y2 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 simplificada, h2.4i, obtenida de la ecuacion de la conica al diagonalizar AC ,
puede simplificarse a
un mas mediante el metodo de completar cuadrados.
Como los valores a11 , a12 y a22 no son simultaneamente nulos, la matriz AC 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 6= 0 y 2 6= 0. Podemos, en este caso, agrupar los dos terminos cuadrados,
con lo que h2.4i nos queda

b2
b2
b01
0 = a00 01 02 + 1 x +
1
2
1
(

donde

x = x + b011
y K1 = a00
y = y + b022

!2

b201
1

+ 2

b02
y +
2

!2
2
= K1 + 1 x2 + 2 y

b202
.
2

Caso 2: 1 6= 0 y 2 = 0. (De manera analoga si 1 = 0 y 2 6= 0.)

En este caso la ecuacion de la conica queda
0 = a00 + 2b01 x + 2b02 y + 1 x2 ,
en la cual podemos completar el cuadrado en x y nos queda

b2
0 = a00 01
1

+ 1

b01
x +
1

!2

+ 2b02 y = K2 + 1 x2 + 2b02 y ,

h2.5i

b2

donde hemos hecho x = x + b011 y K2 = a00 011 .

La ecuacion anterior, h2.5i, se simplifica seg
un exista o no el termino en y , es decir,
si b02 6= 0 o b02 = 0.

Algebra
Lineal.

17

m
at

2.2 Ecuacion reducida de una conica.

Caso 2.1: b02 6= 0. En este caso se puede agrupar el termino en y con el termino
independiente, es decir

0 = K2 + 2b02 y +
donde y = y +

1 x2

= 2b02

K2
y +
+ 1 x2 = 2b02 y + 1 x2 .
2b02

K2
.
2b02

Caso 2.2: b02 = 0. En este caso la ecuacion queda

0 = K2 + 1 x2 .
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

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 ecuacion a uno de los casos siguientes:
2
Caso 1. 1 x2 + 2 y
+ K1 = 0, con 1 y 2 no nulos.

a) Si K1 6= 0 y el signo de 1 es igual al de 2 y contrario al de K1 , la ecuacion

representa una elipse.
b) Si K1 6= 0 y 1 , 2 y K1 poseen el mismo signo, no se obtiene ning
un punto
real. (La expresion se dice que representa una elipse imaginaria.)
c) Si K1 6= 0 y el signo de 1 es contrario al de 2 , la ecuacion representa una
hip
erbola.
d) Si K1 = 0 y 1 y 2 tienen signos contrarios, estamos ante dos rectas que se
cortan.
e) Si K1 = 0 y 1 y 2 poseen el mismo signo, estamos representando un u
nico
punto. (La conica se dice que esta formada por dos rectas imaginarias cuya
intersecci
on es un punto real.)
2
= 2py , con p = b021 6= 0,
Caso 2.1 x
representan par
abolas.
2
2
= c, con c = K
Caso 2.2 x
,
1

2
= 2px , con p = b012 6= 0,
y

2
2
= c, con c = K
o y
.
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

m
at

2.2 Ecuacion reducida de una conica.

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 + b011
y = y + b022

y que

x = p11 x + p12 y
y = p21 x + p22 y

en el Caso 2.1 que

(

x = x + b011
y = y + 2bK022

x = x + 2bK012
y = y + b022

x = p11 x + p12 y
y = p21 x + p22 y

y que

y en el Caso 2.2 que

(

x = x +
y = y

b01
1

x = x
y = y +

y que

b02
2

x = p11 x + p12 y
y = p21 x + p22 y.

Ejemplo.- 23.- Encontrar la ecuacion reducida de la conica de IR2 dada por la expresion
x2 + 2xy + y 2 + 2x 2 = 0
Soluci
on:
La ecuacion puede escribirse como

0 = 2 + 2 1 0

Diagonalizamos la matriz AC =

x
y

+ x y

1 1
1 1

x
y

1 1
.
1 1

1 1

|I AC | =
1 1

= 2 2 = ( 2) = 0

con autovalores 1 = 0 y 2 = 2.
propios asociados al autovalor 1 = 0, son las soluciones del sistema
Los vectores
!
1 1
x = 0, luego (1, 1) forma una base del espacio caracterstico. Como la
1 1
diagonalizacion ha de ser ortogonal, ortonormalizamos la base, lo que en este caso equivale
1
a normalizar el vector (1, 1); es decir, el vector ( 12 ,
). Tenemos por tanto que p11 = 12
2
1
).
y p21 =
2

!
1 1
Para 2 = 2 tenemos como solucion del sistema
x = 0 el vector (1, 1),
1 1

!
!
1

1
0
0
2
2
. Como
que normalizado se convierte en ( 12 , 12 ). Luego D =
yP =
1 1
0 2
2
2
det(P ) = 1, esta matriz P es la buscada y la ecuacion queda
0 = 2 + 2

1
2

1
2

x
y

+ x y

0 0
0 2

x
y

1
1
= 2 + 2 x + 2 y + 2y2
2
2

Algebra
Lineal.

19

m
at

2.3 Invariantes.
(

x = x2 y2
donde
Completando el cuadrado y, a continuacion, agrupando el termino
y = x2 + y2
en x con el termino independiente, tenemos
2
1
9
2
1
2
+ x + 2(y + )2 = + x + 2y
4
4
2
2 2
2

2
9 2
2
2
2
= (x
) + 2y
= x + 2y
8
2
2

0 = 2

donde

x = x 9 8 2
. Es decir, la parabola
y = y + 21 2
2
x = 2y

1
2
= x .
y
2

El proceso geometrico realizado puede observarse en la siguiente figura.

y"

x"

y
y

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 filas 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 redu1
2
y .
= 12 x , x2 = 12 y y x2 =
cidas y
2

2.3

Invariantes.

Tomemos ahora la expresion matricial de la conica, h2.3i,

0=

Algebra
Lineal.

1
a00 a01 a02

ft AX
f
1 x y a01 a11 a12 x = X
a02 a12 a22
y

20

m
at

2.3 Invariantes.

!
1 0 0
p11 p12

e
es la matriz que
y consideremos la matriz P = 0 p11 p12 , donde P =
p21 p22
0 p21 p22
e
diagonaliza AC . Se tiene que P es una matriz ortogonal que verifica que

1
1

f
e
f
X = x = P x
= Pe X

y
y
Sustituyendo en la ecuacion se obtiene

a00 b01 b02

t
t f
t et
f,
f =X
ft B X
e
f
f
f
f
0 = X AX = X P AP X = X b01 1 0
X

b02 0 2

h2.6i

que da la ecuacion de la conica 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) A00 ,
c) a11 + a22 y
d) A11 + A22 .
Es decir, estos valores permanecen igual si sustituimos A por B.
Nota: Por Aij denotamos el menor correspondiente al elemento aij , es decir, el determinante de
la matriz que nos queda al eliminar la fila y la columna del elemento aij .

Demostracion:
a) A y B son semejantes, luego |A| = |B|.
b) Como A00 es el determinante de la matriz AC , B00 es el determinante de la matriz
D y AC y D son semejantes, A00 = |AC | = |D| = B00 .
c) Por ser AC y D semejantes, tienen el mismo polinomio caracterstico, es decir,
|I AC | = |I D|. Luego
2 (a11 + a22 ) + |AC | = |I AC | = |I D| = 2 (1 + 2 ) + |D|,
y por tanto a11 + a22 = 1 + 2 .
d) A11 + A22 = (a00 a22 a202 ) + (a00 a11 a201 ) = a00 (a11 + a22 ) (a201 + a202 )
B11 + B22 = (a00 2 b202 ) + (a00 1 b201 ) = a00 (1 + 2 ) (b201 + b202 )
Los dos primeros sumandos son iguales por el apartado c) y
b201 + b202 = (a01 p11 + a02 p12 )2 + (a01 p21 + a02 p22 )2
= a201 (p211 + p221 ) + a202 (p212 + p222 ) + 2a01 a02 (p11 p12 + p21 p22 ) = a201 + a202
por ser P una matriz ortogonal.

Algebra
Lineal.

21

m
at

2.3 Invariantes.

Observaci
on.- 25.- Puede observarse en la prueba del teorema que los valores que aparecen 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 continuacion del giro, basta tener en cuenta que el sistema
(

x = x + h
y = y + k

1 0 0
1
1

x = h 1 0 x .
y
k 0 1
y

puede escribirse como

Si resolvemos el sistema en funcion de x e y , tenemos que

1
1 0 0
1

f
f
X = x = h 1 0 x = T X

y
k 0 1
y
y sustituyendo en la ecuacion de la conica
ft T t BT X
f =X
ft C X
f
0=X

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

K1 0 0

C = 0 1 0
para el Caso 1.
0 0 2

0 0 b02

C = 0 1 0
b02 0 0

K2 0 0

C = 0 1 0
0 0 0

0 b01 0

C = b01 0 0 para el Caso 2.1.

0 0 2

K2 0 0

C = 0 0 0 para el Caso 2.2.

0 0 2

donde los elementos que aparecen en las matrices son los calculados antes.
Nota: En el caso particular de K2 , tener presente que sera K2 = a00
a00 b022 , seg
un sea 2 = 0 o 1 = 0.

b01
1

K2 =

Y la matrices T que nos dan las translaciones seran:

1 0 0
b01 1 0
T = 1
para el Caso 1.
b02
2 0 1

1 0 0

T = b011 1 0
K2
2b02 0 1

1 0 0
b01
T = 1 1 0

0 0 1

Algebra
Lineal.

T = 2bK012
b022

0 0
1 0
para el Caso 2.1.
0 1

1 0 0

T = 0 1 0
para el Caso 2.2.
b022 0 1
22

m
at

2.3 Invariantes.

con los mismos comentarios que antes sobre K2 .

Teorema 26.- Con los cambios de matriz permanecen invariantes los valores
a) det A,
b) A00 ,
c) a11 + a22 y
d) A11 + A22 , cuando A00 = 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 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 BC = D es la misma en C.
c) Cierta por lo anterior.
d) C11 + C22 = K2 1 = a00 1 b201

C11 + C22 = K2 2 = a00 2 b202

B11 + B22 = a00 (1 + 2 ) (b201 + b202 )

Al ser B00 = 0, entonces 1 = 0 o 2 = 0.
Si 1 = 0, como 0 = |B| = 2 b201 , ha de ser b01 = 0, en cuyo caso B11 + B22 =
a00 2 b202 .
Si 2 = 0, como 0 = |B| = 1 b202 , ha de ser b02 = 0, en cuyo caso B11 + B22 =
a00 1 b201 .
Lo que completa la demostracion.

2.3.1

Clasificaci
on por invariantes.

Teniendo en cuenta los invariantes, obtenemos la siguiente clasificacion de las conicas

A00 6= 0

A00 = 0

|A|(a11 + a22 ) < 0 ELIPSE

|A| =
6 0

|A|(a11 + a22 ) > 0 Elipse imaginaria

A00 > 0

( |A| = 0 PUNTO; Rectas secantes imaginarias

|A| =
6 0 HIPERBOLA

A00 < 0
|A| = 0 RECTAS SECANTES

|A| 6= 0
PARABOLA

A11 + A22 < 0 RECTAS PARALELAS

A11 + A22 > 0 Rectas paralelas imaginarias

|A| = 0

A11 + A22 = 0 RECTAS COINCIDENTES

A las conicas que verifican que A00 6= 0 de las denomina c

onicas con centro y a las
que verifican que A00 = 0 c
onicas sin centro.

Algebra
Lineal.

23

m
at

2.3 Invariantes.

Ejemplo.- 27.- Clasificar la conica dada por x2 + 2xy + y 2 + 2x 2 = 0.

Soluci
on:
La ecuacion puede escribirse como

0=

2 1 0
1

ft AX
f
1 x y
1 1 1 x = X
0 1 1
y

Veamos los invariantes:

1 1

= 0, luego es una de las llamadas c

onicas sin centro.
A00 =
1 1

2 1 0

|A| = 1 1 1 = 2 + 2 1 = 1 6= 0, luego la conica es una parabola.

0 1 1

2.3.2

C
alculo de la ecuaci
on reducida.

K1 0 0

C=
0 1 0 .
0 0 2
Sabemos que 1 y 2 son las raices del polinomio caracterstico, es decir las solucionas
de la ecuacion

a
a12
11
|I Ac | =
a12 a22

= 2 (a11 + a22 ) + A00 = 0

Como |A| = |C| = K1 1 2 y A00 = C00 = 1 2 , se tiene que K1 =

0 0 b02

C = 0 1 0
b02 0 0

|A|
.
A00

0 b01 0

C = b01 0 0 .
0 0 2

Lo hacemos para la primera y la otra es similar.

Por ser A00 = 0 y a11 + a22 = 1 + 2 , tenemos que 1 = a11 + a22 y 2 = 0.
s

Como |A| = |C| = b202 1 tenemos que b02 =

K2 0 0

C = 0 1 0
0 0 0

|A|
.
a11 + a22

K2 0 0

C = 0 0 0 .
0 0 2

Al igual que en el caso anterior 1 = a11 + a22 y 2 = 0.

Como A11 + A22 = C11 + C22 = K2 1 tenemos que K2 =

A11 + A22
.
a11 + a22

Ejemplo.- 28.- Hallar la ecuacion reducida de la parabola dada por la ecuacion x2 +

2xy + y 2 + 2x 2 = 0.
Soluci
on:

Algebra
Lineal.

24

m
at

2.4 Lugares geometricos.

Por el ejemplo
q 27, sabemos que A00 = 0 y |A| = 1 6= 0, luego 2 = a11 + a22 = 2,
1 = 0 y b01 = (1)
= 12 y nos queda
2
1
2
2 x + 2y
=0
2

2.4

1
2
y
= x
2

Lugares geom
etricos.

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
verifican una cierta condicion. Veamoslas.

2.4.1

Elipse.

Dados dos puntos F1 y F2 , el lugar gometrico de los puntos P que verifican que la distancia
de P a F1 mas la distancia de P a F2 es constante, forma una elipse.
Es decir, los puntos P tales que d(P, F1 ) + d(P, F2 ) = 2a, con 2a > d(F1 , F2 ), 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(F1 , F2 ) = 2c. El semieje menor, b, el semieje mayor, a, y c
verifican que a2 = b2 + c2 .

A los puntos F1 y F2 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(F1 , F2 ) = 2c, y el semieje menor, b, verifican que a2 = b2 + c2 .
Si F1 = F2 , la elipse es una circunferencia

2.4.2

Hip
erbola.

Dados dos puntos F1 y F2 , el lugar gometrico de los puntos P que verifican que el valor
absoluto de la distancia de P a F1 menos la distancia de P a F2 es constante, forma una
hiperbola.

Algebra
Lineal.

25

2.4 Lugares geometricos.

m
at

Es decir, los puntos P tales que |d(P, F1 ) d(P, F2 )| = 2k, con 2k < d(F1 , F2 ), estan
sobre una hiperbola.

A los puntos F1 y F2 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(F1 , F2 ) = 2c, nos permiten obtener el valor b = c2 a2 ,

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 = ab y tg = b
, para cada una de ellas.
a

2.4.3

Par
abola.

Dados un punto F y una recta r, el lugar gometrico de los puntos P que verifican 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 6 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 verifica una
propiedad muy interesante: Si consideramos la parabola como un espejo, cualquier rayo
que incida sobre la parabola 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 parabolicas y en los focos de luz.

Algebra
Lineal.

26

m
at

2.4 Lugares geometricos.

2.4.4

Centro y v
ertice de las c
onicas.

C
alculo del centro.
En las conicas con centro, a la vista de la ecuacion reducida
2
1 x2 + 2 y
+ K1 = 0

podemos asegurar que el centro esta en el punto de coordenadas x = 0 e y = 0. Basta

pues deshacer los cambios.
(

x
y

x = x + b011
y = y + b022

=P

x
y

x = x b011
y = y b022

luego

luego

x
y

=P

x
y

=P

x b011
y b022

haciendo x = 0 e y = 0, nos queda

x
y

p11 p21
p12 p22

b011
b022

luego

x = p11 b011 p21 b022

y = p12 b011 p22 b022

C
alculo del v
ertice.
Para una parabola, de ecuacion reducida
1 x2 = 2b02 y ,
el vertice esta en el punto de coordenadas x = 0 e y = 0. Basta, como antes, con
deshacer los cambios.
(

x
y

x = x + b011
y = y + 2bK022

=P

x
y

luego

=P

b011
2bK022

x = x b011 = b011
y = y 2bK022 = 2bK022

luego

x = p11 b011 p21 2bK022

y = p12 b011 p22 2bK022 .

Ejemplo.- 29.- Hallar el vertice de la parabola dada por x2 + 2xy + y 2 + 2x 2 = 0

Soluci
on:
2
Sabemos por el ejemplo
23!que la ecuacion reducida de la co(
nica nos queda y
=
1
1
9 2

x = x 4
1
2
2
x , siendo P =
las
la matriz que diagonaliza AC y
1 1
2 2

y = y + 21 2
2
2
sustituciones que agupan los terminos. Entonces, como el vertice se encuentra en el punto
de coordenadas x = 0 e y = 0, el vertice se encontrara en el punto de coordenadas
(

x = + 9 8 2
y = 21 2

y llevandolo a las coordenadas iniciales

x=
y=

Algebra
Lineal.

9 2 1
8
2

9 2 1
8
2

1
1

2 2 2
1 1

2 2 2

=
=

11
8
7
.
8

27

Captulo 3
Cu
adricas en IR3.
3.1

Introduccin.

Definici
on 30.- Sea O un punto de IR3 y B = {e1 , e2 , e3 } una base ortonormal del
mismo. Dado un punto P IR3 , llamaremos coordenadas de P en la referencia R =

{O; e1 , e2 , e3 }, a la terna (x, y, z) tal que OP = xe1 + ye2 + ze3 . El punto O decimos que
es el origen de coordenadas.
Definici
on 31.- Se define cuadrica en IR3 como el lugar geometrico de los puntos P ,
cuyas coordenadas (x, y, z) verifican una ecuacion de la forma:
a00 + 2a01 x + 2a02 y + 2a03 z + a11 x2 + 2a12 xy + a22 y 2 + 2a13 xz + 2a23 yz + a33 z 2 = 0 h3.1i
donde a11 , a12 , a13 , a22 , a23 y a33 no son simultaneamente nulos.
Como para las cnicas, en la ecuacion anterior podemos distinguir tres partes.
a) El termino independiente, a00 .
b) Una forma lineal, 2a01 x + 2a02 y + 2a03 z.
c) Una forma cuadratica, a11 x2 + 2a12 xy + a22 y 2 + 2a13 xz + 2a23 yz + a33 z 2 .
Ecuaci
on matricial.
A tenor de las tres partes comentadas, la ecuacion h3.1i anterior puede expresarse en
forma matricial de la forma

0 = a00 + 2 a01 a02 a03

x
x

a11 a12 a13

y + x y z a12 a22 a23 y

a13 a23 a33
x
z

= a00 + 2AL X + X t AC X

h3.2i

Y tambin en la forma

a00

0 = 1 x y z 01
a02
a03

Algebra
Lineal.

a01
a11
a12
a13

a02
a12
a22
a23

1
a03

a13 x

ft AX,
f
= X
a23 y
a33
z

h3.3i

28

m
at

3.2 Ecuacion reducida de una cudrica.

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 AC .
La matriz AC es diagonalizable
ortogonalmente, luego existe P ortogonal tal que D =

1 0 0

P t AC P , donde D = 0 2 0 .
0 0 3
Como AC = (P t )t DP t , la ecuacin queda
0 = a00 + 2AL X + X t (P t )t DP t X = a00 + 2AL P X + Xt DX

donde X = y
= P t X.
z

Llamando AL P = BL = b01 b02 b03 y usando la expresin de D nos queda

0 = a00 + 2b01 x + 2b02 y + 2b03 z + 1 x2 + 2 y2 + 3 z2 .

h3.4i

Diagonalizacin que representa, como en el caso de las cnicas un giro en IR3 .

Completar cuadrados.
La expresin simplificada, h3.4i, obtenida puede simplificarse completando cuadrados.
Caso 1: 1 6= 0, 2 6= 0 y 3 6= 0. Completando los tres cuadrados, se tiene

b2
b2
b2
b01
0 = a00 01 02 03 + 1 x +
1
2
3
1
2
2
2
= K1 + 1 x + 2 y + 3 z
donde

!2

+ 2

b02
y +
2

!2

+ 3

b02
z +
3

!2

b01

x = x + 1

y = y + b022 .
z = z + b033

Caso 2: 1 6= 0, 2 6= 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

b2
b2
0 = a00 01 02
1
2

!
2
2
+ 2b03 z + 1 x2 + 2 y
= K2 + 2b03 z + 1 x2 + 2 y

h3.5i

donde hemos hecho x = x + b011 y y = y + b022 .

La ecuacin anterior, h3.5i, se simplifica segn exista o n el trmino en z .

Algebra
Lineal.

29

m
at

3.2 Ecuacion reducida de una cudrica.

Caso 2.1: b03 6= 0. En este caso

0 = 2b03
donde z = z +

K2
2
2
z +
+ 1 x2 + 2 y
= 2b02 z + 1 x2 + 2 y
2b03

K2
.
2b03

Caso 2.2: b03 = 0. En este caso la ecuacin queda

2
.
0 = K2 + 1 x2 + 2 y

Caso 3: 1 6= 0, 2 = 0 y 3 = 0. (De manera anloga si son 2 6= 0 o 3 6= 0.)

De la ecuacin, h3.4i, completando el cuadrado en x , de obtiene
0 = K3 + 2b02 y + 2b03 z + 1 x2 ,

h3.6i

b2

donde x = x + b011 y K3 = a00 011 .

Nos aparecen nuevos casos, segn que existan o no los trminos
en y y z . En concreto,
q
2
segn que el mdulo del vector (b02 , b03 ), M = k(b02 , b03 k = b02 + b203 = 0 M 6= 0.
Caso 3.1: k(b02 , b03 )k 6= 0. Los trminos en y y z se pueden agrupar en uno solo,
mediante el cambio
(
y = bM02 y + bM03 z
.
z = bM03 y + bM02 z
Con esto la ecuacin h3.6i queda
0 = K3 + 2b02 y + 2b03 z + 1 x2 = K3 + 2M y + 1 x2 .
Agrupando y con el trmino independiente,

0 = 2M y +

K3
2M

+ 1 x2 = 2M y + 1 x2 .

(Si b02 o b03 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
k(b02 , b03 k), para que los vectores sean ortonormales), permaneciendo el eje x sin girar.
Caso 3.2: b02 = 0 y b03 = 0. La ecuacin h3.6i queda
0 = K3 + 1 x2 .

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. ax2 + by 2 + cz 2 + d = 0, con a, b y c no nulos.

Algebra
Lineal.

30

3.2 Ecuacion reducida de una cudrica.

m
at

a) x2 + y 2 + z 2 1 = 0, la ecuacin representa un elipsoide.

b) x2 + y 2 + z 2 + 1 = 0, representa un elipsoide imaginario.

c) x2 + y 2 z 2 1 = 0, un hiperboloide de una hoja.

d) x2 + y 2 z 2 + 1 = 0, un hiperboloide de dos hojas.

e) x2 + y 2 + z 2 = 0, un cono imaginario.

Algebra
Lineal.

31

3.2 Ecuacion reducida de una cudrica.

m
at

f) x2 + y 2 z 2 = 0, un cono real.

Caso 2.1. ax2 + by 2 + cz = 0, con a, b y c no nulos.

a) x2 + y 2 z = 0, un paraboloide elptico.

b) x2 y 2 z = 0, un paraboloide hiperblico.

Algebra
Lineal.

32

3.2 Ecuacion reducida de una cudrica.

m
at

Caso 2.2. ax2 + by 2 + d = 0, con a y b no nulos.

a) x2 + y 2 1 = 0, un cilindro elptico.

b) x2 + y 2 + 1 = 0, un cilindro imaginario.
c) x2 y 2 1 = 0, un cilindro hiperblico.

d) x2 y 2 = 0, un planos secantes.
e) x2 + y 2 = 0, un planos secantes imaginarios.

Algebra
Lineal.

33

m
at

3.2 Ecuacion reducida de una cudrica.

Caso 3.1. ax2 + by = 0, con a y b no nulos. Un cilindro parablico.

Caso 3.2. ax2 + d = 0, con a no nulo.

a) x2 1 = 0, planos paralelos.
b) x2 + 1 = 0, planos paralelos imaginarios.
c) x2 = 0, planos coincidentes.
Ejemplo.- 32.- Encontrar la ecuacin reducida de la cudrica de IR3 dada por xy = z.
Soluci
on:
La ecuacin puede escribirse como xy z = 0, luego matricialmente ser

0 = 2 0 0 21

1
x
x

0 2 0

1

y
x
y
z
0
0
+

2
y .
z
0 0 0
z

1
2

0
1
Diagonalizamos la matriz AC = 2 0 0
.
0 0 0

1 0

2
1
1
1

|I AC | = 21 0 = 3 = ( )( + ) = 0
4
2
2
0
0

con autovalores 1 = 12 , 2 = 21 y 3 = 0.
Los vectores propios asociados a los autovalores son las soluciones de los sistemas

1
12 0
2

1 1
2 2 0 x = 0

Algebra
Lineal.

1
2

x
y

2 2 =0
y

x2 + 2 = 0

z
=0
2

1

x=1
0

34

m
at

3.3 Invariantes.

y
x

2 2 = 0

12 12 0
1

1
2 2 0 x = 0
0 0 12

x2 y2 = 0
z2 = 0

2 = 0

0 21 0
1

2 0 0 x = 0
0 0 0

x2 = 0
0=0

x= 1
0

0

x=0
1

12 0

1
0
La matriz de paso ortogonal que tomamos es P =

, y la ecuacin queda
2
0
0 1

0 = 2 0 0 12

donde

1
x
x

2 0 0
1 2 1 2

1
y + x y z 0 2 0 y = z + x y
2
2
z
0 0 0
z

x
y

x = 2 + 2

y = x2 + y2

z = z.

A la vista de la ecuacin reducida,

hiperblico.

3.3

1
2
1
2

1 2
x
2

12 y 2 = z, la cuadrca es un paraboloide

Invariantes.

Tomemos ahora la expresin matricial de la cuadrica, h3.3i,

a00

0 = 1 x y z 01
a02
a03

a01
a11
a12
a13

a02
a12
a22
a23

1
a03
x
a13

ft AX
f
= X
a23 y
a33
z

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).
A00 .

Algebra
Lineal.

35

m
at

3.3 Invariantes.

a a

J = 22 23
a32 a33

a a
11 13
+
a31 a33

a a
11 12
+
a21 a22

K = a11 + a22 + a33 .

L = A11 + A22 + A33 .

a
a

M = 00 01
a10 a11

a
00 a02
+
a20 a22

a
00 a03
+
a30 a33

Consideramos la siguente ordenacin de los valores

A00

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 A00 en el cuadro siguiente vemos que la signatura
slo se utiliza para el caso A00 6= 0.
(Para comprobar estos asertos tener en cuenta que, por ser invariantes, A00 = 1 2 3 ,
J = 2 3 + 1 3 + 1 2 y K = 1 + 2 + 3 , con los i 6= 0 pues A00 6= 0, y hacer un
estudio de la casustica que aparece segn los signos de los autovalores i .)

3.3.1

Clasificacin por invariantes.

Teniendo en cuenta los invariantes, obtenemos la siguiente clasificacion de las cudricas:

A00 6= 0

A00 = 0

s=3

|A| < 0 ELIPSOIDE

|A| > 0

Elipsoide imaginario

|A| = 0 Cono imaginario

|A| < 0 HIPERBOLOIDE de dos hojas

|A| > 0
s=1

(|A| = 0

J >0

|A| 6= 0

J
<0

J 6= 0

|A| = 0

J =0

HIPERBOLOIDE de una hoja

CONO REAL
PARABOLOIDE ELIPTICO

PARABOLOIDE HIPERBOLICO

L 6= 0

L=0

L=
6 0

L=0

K L < 0 CILINDRO ELIPTICO

J >0
K L > 0 Cilindro imaginario

J
<
0
CILINDRO HIPERBOLICO
(

J <0
J >0

PLANOS SECANTES
Planos secantes imaginarios

CILINDRO PARABOLICO

M <0

M >0
M =0

PLANOS PARALELOS
Planos paralelos imaginarios
PLANOS COINCIDENTES

A las cudricas que verifican que A00 6= 0 de las denomina cudricas con centro y a las
que verifican que A00 = 0 cudricas sin centro.

Algebra
Lineal.

36

m
at

3.3 Invariantes.

Ejemplo.- 33.- Clasificar la cudrica dada por x2 + 2xy + y 2 + 2yz + 2x + 1 = 0.

Soluci
on:
La ecuacin puede escribirse como

1
0= 1 x y z

0
0
Veamos los invariantes:

1
1
1
0

0
1
1
1

1 1 0

A00 = 1 1 1
0 1 0

0
1

0 x

ft AX
f
= X

1
y
0
z

= 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 A00 ya lo conocemos.

1 1 1 0

J =
+
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 A00 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|.

1
|A| =
0

1
1
1
0

0
1
1
1

0
1 1 0

= 1 1 1 1 = 1 1 = 0,

1
0 0 1

y la cudrica es por tanto un cono real.

10
8
6
4
2
10

0
0

-5

-10

-15

-2
-4
-6
-8

Algebra
Lineal.

37

Contenido
1 Formas cuadr
aticas.
1.1 Diagonalizacion de una forma cuadratica. . .
1.1.1 Diagonalizacion ortogonal. . . . . . .
1.1.2 Completar cuadrados. . . . . . . . .
1.1.3 Diagonalizacion mediante operaciones
1.2 Rango y signatura de una forma cuadratica.
1.3 Clasificacion de las formas cuadraticas. . . .
2 C
onicas en IR2 .
2.1 Introduccion. . . . . . . . . . . . . . . .
2.2 Ecuacion reducida de una conica. . . . .
2.2.1 Calculo de la ecuacion reducida. .
2.2.2 Clasificacion mediante la ecuacion
2.3 Invariantes. . . . . . . . . . . . . . . . .
2.3.1 Clasificacion por invariantes. . . .
2.3.2 Calculo de la ecuacion reducida. .
2.4 Lugares geometricos. . . . . . . . . . . .
2.4.1 Elipse. . . . . . . . . . . . . . . .
2.4.2 Hiperbola. . . . . . . . . . . . . .
2.4.3 Parabola. . . . . . . . . . . . . .
2.4.4 Centro y vertice de las conicas. .

. . . . . . . .
. . . . . . . .
. . . . . . . .
elementales. .
. . . . . . . .
. . . . . . . .

. . . . . .
. . . . . .
. . . . . .
reducida.
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .

3 Cu
adricas en IR3 .
3.1 Introduccin. . . . . . . . . . . . . . . . . . . . . .
3.2 Ecuacion reducida de una cudrica. . . . . . . . . .
3.2.1 Clculo de la ecuacin reducida. . . . . . . .
3.2.2 Clasificacin mediante la ecuacin reducida.
3.3 Invariantes. . . . . . . . . . . . . . . . . . . . . .
3.3.1 Clasificacin por invariantes. . . . . . . . .

Algebra
Lineal.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

1
2
2
3
5
7
10

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

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

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

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

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

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

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

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

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

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

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

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

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

14
14
16
16
18
20
23
24
25
25
25
26
27

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

28
28
29
29
30
35
36

38