Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1B 06 - Formas Cuadraticas PDF
1B 06 - Formas Cuadraticas PDF
Lineal
Formas cuadr
aticas
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
n
X
i,j=1
Algebra
Lineal.
aij + aji
aij + aji
xi xj +
xj xi
2
2
1
m
at
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
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
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
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
1.1.2
Completar cuadrados.
Algebra
Lineal.
m
at
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
1 1
0
2
, los valores caractersticos de esta matriz
5
usaremos el metodo de completar cuadrados
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
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
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
1.1.3
Diagonalizaci
on mediante operaciones elementales.
(resp. Ac = AEc ).
Algebra
Lineal.
m
at
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
Algebra
Lineal.
m
at
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
1 12 1
1.2
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
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)}
Algebra
Lineal.
m
at
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
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
pues x 6= 0.
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
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
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
m
at
Algebra
Lineal.
12
m
at
a1
a2
(1)n1 an1
(1)n an
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.
b2 x2 + a2 y 2 a2 b2 = 0
b2 x2 a2 y 2 a2 b2 = 0
x2 2py = 0
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
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
= 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=
ft AX,
f
1 x y
a01 a11 a12 x = 1 x y A x = X
a02 a12 a22
y
y
h2.3i
Algebra
Lineal.
15
m
at
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
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
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
b2
0 = a00 01
1
+ 1
b01
x +
1
!2
+ 2b02 y = K2 + 1 x2 + 2b02 y ,
h2.5i
b2
Algebra
Lineal.
17
m
at
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
2.2.2
Clasificaci
on mediante la ecuaci
on reducida.
2
= 2px , con p = b012 6= 0,
y
2
2
= c, con c = K
o y
.
2
Algebra
Lineal.
18
m
at
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
x = x + b011
y = y + 2bK022
x = x + 2bK012
y = y + b022
x = p11 x + p12 y
y = p21 x + p22 y
y 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
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.
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
b02 0 2
h2.6i
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
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
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
K2 0 0
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 =
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.
2.3.1
Clasificaci
on por invariantes.
A00 6= 0
A00 = 0
|A| =
6 0
A00 > 0
|A| =
6 0 HIPERBOLA
A00 < 0
|A| = 0 RECTAS SECANTES
|A| 6= 0
PARABOLA
Algebra
Lineal.
23
m
at
2.3 Invariantes.
0=
2 1 0
1
ft AX
f
1 x y
1 1 1 x = X
0 1 1
y
1 1
2 1 0
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
0 0 b02
C = 0 1 0
b02 0 0
|A|
.
A00
0 b01 0
C = b01 0 0 .
0 0 2
K2 0 0
C = 0 1 0
0 0 0
|A|
.
a11 + a22
K2 0 0
C = 0 0 0 .
0 0 2
A11 + A22
.
a11 + a22
Algebra
Lineal.
24
m
at
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.
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 .
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
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.
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.
Algebra
Lineal.
26
m
at
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
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
x
y
p11 p21
p12 p22
b011
b022
luego
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 = 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
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
x
x
= 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
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
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
h3.4i
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
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
Algebra
Lineal.
29
m
at
0 = 2b03
donde z = z +
K2
2
2
z +
+ 1 x2 + 2 y
= 2b02 z + 1 x2 + 2 y
2b03
K2
.
2b03
h3.6i
b2
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
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
m
at
e) x2 + y 2 + z 2 = 0, un cono imaginario.
Algebra
Lineal.
31
m
at
f) x2 + y 2 z 2 = 0, un cono real.
b) x2 y 2 z = 0, un paraboloide hiperblico.
Algebra
Lineal.
32
m
at
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
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.
3.3
1
2
1
2
1 2
x
2
12 y 2 = z, la cuadrca es un paraboloide
Invariantes.
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
a
a
M = 00 01
a10 a11
a
00 a02
+
a20 a22
a
00 a03
+
a30 a33
3.3.1
A00 6= 0
A00 = 0
s=3
|A| > 0
Elipsoide imaginario
|A| > 0
s=1
(|A| = 0
J >0
|A| 6= 0
J
<0
J 6= 0
|A| = 0
J =0
PARABOLOIDE HIPERBOLICO
L 6= 0
L=0
L=
6 0
L=0
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.
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.
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
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