Capítulo 1

ÁLGEBRA LINEAL (continuación)

1. Algunos conceptos sobre vectores

2. Planos en el espacio tridimensional

3. Formas cuadráticas

Introducción
Este capítulo es una continuación del último de la asignatura Matemáticas 1 y en el mismo se
analizarán distintas cuestiones sobre vectores n°dimensionales, planos en el espacio tridimensional
(R3 ) y algunas cuestiones sencillas sobre formas cuadráticas que jugarán un papel muy importante
en el desarrollo de la asignatura.

1. Algunos conceptos sobre vectores

En la asignatura Matemáticas 1 ya se ha utilizado el concepto de vector (vector director de una
recta, vector solución de un sistema de ecuaciones, matriz/vector fila o columna, vectores independien-
tes, ...) aunque sin dedicar un estudio específico a los mismos. Como se sabe, un vector en Rn es
un conjunto de n números reales ordenados, v = (v 1 , v 2 , . . . , v n ). Cada v i se denomina coordenada
(o componente) del vector v. Así, v 1 es la primera coordenada, v 2 la segunda, . . . Esta sección está
dedicada a introducir/recordar algunas nociones básicas sobre vectores.

1.1. Operaciones con vectores

Se consideran dos vectores de Rn , v = (v 1 , v 2 , . . . , v n ), w = (w 1 , w 2 , . . . , w n ) y un número real (un
escalar) Æ 2 R.

Suma/resta de vectores:
La suma o resta de vectores se realiza coordenada a coordenada

v + w = (v 1 , v 2 , . . . , v n ) + (w 1 , w 2 , . . . , w n ) = (v 1 + w 1 , v 2 + w 2 , . . . , v n + w n )

v ° w = (v 1 , v 2 , . . . , v n ) ° (w 1 , w 2 , . . . , w n ) = (v 1 ° w 1 , v 2 ° w 2 , . . . , v n ° w n )

Geométricamente, como se observa en la figura 1.1, el vector suma es la diagonal mayor del
paralelogramo que determinan los vectores, mientras que la resta viene determinada por la
diagonal menor (trasladada al origen).

1
CAPÍTULO 1: ÁLGEBRA LINEAL (continuación)

Figura 1.1: Suma y resta de vectores en R2

Multiplicación de un vector por un escalar:

Para multiplicar un vector por un escalar, se multiplica cada coordenada del vector por dicho
número real
Æv = Æ (v 1 , v 2 , . . . , v n ) = (Æv 1 , Æv 2 , . . . , Æv n )
Cuando se multiplica un vector por un escalar, el resultado que se obtiene es un vector en la
misma dirección, y:

• Si el escalar tiene valor absoluto mayor que 1, la longitud del vector aumentará (se alarga
el vector)
• Si el escalar tiene valor absoluto entre 0 y 1, la longitud del vector disminuirá (se acorta el
vector)
• Si el escalar es positivo, mantendrá su sentido
• Si el escalar es negativo cambiará el sentido del vector

Figura 1.2: Multiplicación de un vector por un escalar

2 Mètodes Quantitatius i Teoria Econòmica

 CAPÍTULO 1: ÁLGEBRA LINEAL (continuación)

Combinación lineal de (dos) vectores:

Esta operación conjuga las dos operaciones anteriores: suma/resta de vectores y multiplicación
por un escalar. Si Æ, Ø 2 R,
° ¢
Æv + Øw = Æ (v 1 , v 2 , . . . , v n ) + Ø (w 1 , w 2 , . . . , w n ) = Æv 1 + Øw 1 , Æv 2 + Øw 2 , . . . , Æv n + Øw n

Producto escalar de vectores:

El producto escalar de dos vectores da como resultado un número real, que se define del si-
guiente modo:

v · w = (v 1 , v 2 , . . . , v n ) · (w 1 , w 2 , . . . , w n ) = v 1 w 1 + v 2 w 2 + . . . + v n w n 2 R

Nota 1 Si los vectores de Rn se consideran como matrices columna n £1, y se representa su trans-
puesta (matriz fila 1 £ n) por v 0 , el producto escalar de dos vectores se escribe, en forma matricial
0 1
w1
B C
B w2 C
v · w = v 0 w = (v 1 , v 2 , . . . , v n ) B
B .. C = v1 w1 + v2 w2 + . . . + vn wn
C
@ . A
wn

Ejemplo 1 Dados los vectores de R3 , v = (1, °1, 2), w = (0, 3, °2) calcula:

• 3v + 5w = 3 (1, °1, 2) + 5 (0, 3, °2) = (3, °3, 6) + (0, 15, °10) = (3, 12, °4)
• v · w = (1, °1, 2) · (0, 3, °2) = 1 · 0 + (°1) · 3 + 2 · (°2) = 0 ° 3 ° 4 = °7
• v · v = (1, °1, 2) · (1, °1, 2) = 12 + (°1)2 + 22 = 1 + 1 + 4 = 6

Nota 2 Hay que señalar que el producto escalar de dos vectores es un número real que puede
ser positivo o negativo, como puede verse en los dos productos calculados en el ejemplo 1. Sin
embargo, cuando se multiplica un vector por sí mismo el resultado será siempre mayor o igual a
cero, ya que será la suma de las coordenadas del vector al cuadrado
n
X
v · v = (v 1 , v 2 , . . . , v n ) · (v 1 , v 2 , . . . , v n ) = v 1 v 1 + v 2 v 2 + . . . + v n v n = (v i )2 ∏ 0
i =1

De hecho, siempre que el vector sea distinto del vector nulo, el producto escalar del vector por sí
mismo dará un número estrictamente positivo. El único vector que cumple v · v = 0 es el vector
nulo, v = (0, 0, . . . , 0) .

1.2. Norma, distancia y ángulo entre vectores

Norma o longitud de un vector:
Dado un vector v = (v 1 , v 2 , . . . , v n ), se denomina norma (o longitud) de este vector al número
real s
p n
X
kvk = v · v = (v i )2
i =1

Nótese que la raíz cuadrada está bien definida ya que, como se ha remarcado, el producto es-
calar de un vector por sí mismo es un número mayor o igual a cero.

Mètodes Quantitatius i Teoria Econòmica 3

CAPÍTULO 1: ÁLGEBRA LINEAL (continuación)

Por otro lado, la norma de un vector es justo lo que mide este vector (en las unidades corres-
pondientes: metros, centímetros, ...). Por ejemplo, para el caso de vectores de R2 , v = (a, b), a
partir del Teorema de Pitágoras se tiene que la longitud del vector (la hipotenusa del triángulo
rectángulo) es igual a la raíz cuadrada de la suma de las coordenadas al cuadrado (los catetos al
cuadrado), es decir, la longitud de dicho vector coincide con su norma:
p
kvk = k(a, b)k = a2 + b2

Figura 1.3: Norma o longitud de un vector en el plano R2

Ejemplo 2 Calcula la norma de los vectores del ejemplo 1.

p
• kvk = k (1, °1, 2) k = 6
p p
• kwk = k (0, 3, °2) k = 0 + 9 + 4 = 13
µ ∂
2 1 1
Ejemplo 3 Calcula la norma de los vectores de R v = (3, °4), u = ° p , p
2 2
p p
• kvk = k (3, °4) k = 9 + 16 = 25 = 5
∞µ ∂∞ r
∞ 1 1 ∞ 1 1 p
• kuk = ∞ ∞
∞ p p ∞= 2 + 2 = 1=1
° ,
2 2

Normalización de un vector:
El vector u del ejemplo 3 tiene longitud igual a 1. Se llama unitario a un vector de estas ca-
racterísticas, es decir que tiene norma igual a 1. En muchas ocasiones los vectores únicamente
indican una dirección en la que moverse, y su longitud es irrelevante. Es por ello que, en estos
casos, se eligen vectores unitarios.
Dado un vector v 2 Rn , se denomina normalizar este vector, a calcular otro vector que tenga la
misma dirección y sentido, y su longitud sea 1, es decir, sea unitario. Para obtenerlo, basta con
dividir el vector v por su longitud kvk,
v
u=
kvk

4 Mètodes Quantitatius i Teoria Econòmica

 CAPÍTULO 1: ÁLGEBRA LINEAL (continuación)

Ejemplo 4 Normaliza los vectores del ejemplo 1.

µ ∂
p 1 1 1 2
• v = (1, °1, 2) , kvk = 6 ) u = p v = p ,°p , p
6 6 6 6
µ ∂
p 1 3 2
• w = (0, 3, °2) , kwk = 13 ) u = p w = 0, p , ° p
13 13 13

Distancia entre dos vectores:

Se llama distancia entre dos vectores u, v a la norma del vector diferencia (resta) de ambos:
dados v = (v 1 , v 2 , . . . , v n ), w = (w 1 , w 2 , . . . , w n ) 2 Rn ,
q
d (v, w) = kv ° wk = (v 1 ° w 1 )2 + (v 2 ° w 2 )2 + . . . + (v n ° w n )2

Figura 1.4: Distancia entre dos vectores

Ejemplo 5 Calcula la distancia entre los vectores del ejemplo 1.

p p
d (v, w) = kv ° wk = k (1, °1, 2) ° (0, 3, °2) k = 12 + (°4)2 + 42 = 33

Ángulo entre dos vectores:

Dados dos vectores no nulos v = (v 1 , v 2 , . . . , v n ) 2 Rn , v 6= 0, w = (w 1 , w 2 , . . . , w n ) 2 Rn , w 6= 0, su
producto escalar coincide con el valor

v · w = kvk kwk cos(')

donde ' es el ángulo que forman dichos vectores. Hay que recordar que en el plano R2 el án-
gulo que forman dos rectas que se cortan se define como el menor de los dos ángulos que se
originan. De igual manera, para cualquier dimensión, el ángulo entre dos vectores siempre se
considera entre [0, º] (entre 0 y 180 grados).
Si se despeja en la fórmula anterior el coseno, queda
v ·w v1 w1 + v2 w2 + . . . + vn wn
cos(') = = qP qP
kvk kwk n
(v )2 n
(w )2
i =1 i i =1 i

Mètodes Quantitatius i Teoria Econòmica 5

CAPÍTULO 1: ÁLGEBRA LINEAL (continuación)

Figura 1.5: Ángulo entre dos vectores

Tienen especial interés los casos en que los vectores son proporcionales (forman un ángulo de 0
grados, cuando cos(') = 1, o de 180 grados, º radianes, cuando cos(') = °1) o perpendiculares
º
(también denominados ortogonales, forman un ángulo de 90 grados, radianes). En este caso,
2
v ·w
como cos(º/2) = 0 = se cumple que:
kvk kwk

Dos vectores v, w son perpendiculares , v · w = 0

Ejemplo 6 Los vectores del ejemplo 1 no son perpendiculares, ya que, según se ha visto, su pro-
ducto escalar vale °7 6= 0. El coseno del ángulo que forman vale

°7 7
cos(') = p p = ° p
6 13 78

que es diferente de 1, °1 y, por tanto, tampoco son proporcionales. Con la ayuda de una calcula-
dora, se puede obtener que ' º 10 43 radianes (º 82o ).

Ejemplo 7 Analiza si los siguientes vectores son perpendiculares o proporcionales y, en este caso,
indica el ángulo que forman (' = 0, ' = º).

• v = (1, °1), w = (°2, 2).

Como v · w = °4, no son perpendiculares. Si se calcula el coseno del ángulo que forman se
tiene
°4 °4 °4
cos(') = p p = p = = °1
2 8 16 4
luego son proporcionales y forman un ángulo de º radianes (180 grados); es decir, tienen
sentido contrario.
• v = (1, °1), w = (1, 1).
En este caso, v · w = 1 ° 1 = 0, luego estos vectores son perpendiculares.

Ejercicio 1 Encuentra un vector en el plano R2 que sea perpendicular al vector v = (3, °2).

6 Mètodes Quantitatius i Teoria Econòmica

 CAPÍTULO 1: ÁLGEBRA LINEAL (continuación)

2. Planos en el espacio tridimensional

En el espacio tridimensional R3 , dado un vector no nulo p = (A, B,C ) 6= (0, 0, 0), se denomina
plano a un conjunto de puntos de la forma
© ™ © ™
(x, y, z) 2 R3 : (A, B,C ) · (x, y, z) = c ¥ (x, y, z) 2 R3 : Ax + B y +C z = c

siendo c un número real, c 2 R. Al vector p = (A, B,C ) se le denomina vector perpendicular (o vector
normal) al plano.1

Figura 1.6: Plano en R3

Dado un punto (x 0 , y 0 , z 0 ) 2 R3 y un vector no nulo p = (A, B,C ) 6= (0, 0, 0), solo hay un plano en R3
que pasa por dicho punto y es perpendicular al vector p, que tiene la ecuación

(A, B,C ) · (x, y, z) = (A, B,C ) · (x 0 , y 0 , z 0 ) ) Ax + B y +C z = Ax 0 + B y 0 +C z 0

Ejemplo 8 Calcula la ecuación del plano que pasa por el punto (1, °1, 2) y es perpendicular al vector
p = (°2, 2, °1). Calcula otros dos puntos que estén en el plano.
La ecuación del plano es

(°2, 2, °1) · (x, y, z) = (°2, 2, °1) · (1, °1, 2) ) °2x + 2y ° z = °6

Para obtener otros dos puntos, una vez se tiene la ecuación del plano se dan valores a las variables x, y,
calculando el valor de z que cumple la ecuación. Por ejemplo,

x = 0, y = 0 ) °z = °6 ) z =6 ) se tiene el punto (0, 0, 6)

x = 0, y = 1 ) 2 ° z = °6 ) z =8 ) se tiene el punto (0, 1, 8)

1 Este concepto se generaliza a espacios de dimensión superior, y se denominan hiperplanos. Por ejemplo, en R4 un

hiperplano es un conjunto de la forma

n o n o
(x, y, z, t ) 2 R4 : (A, B,C , D) · (x, y, z, t ) = c ¥ (x, y, z, t ) 2 R4 : Ax + B y +C z + D t = c

Mètodes Quantitatius i Teoria Econòmica 7

CAPÍTULO 1: ÁLGEBRA LINEAL (continuación)

Ejemplo 9 Obtén un vector unitario que sea perpendicular al plano 3x ° y + 5z = °21. Encuentra un
punto con las tres coordenadas iguales que esté en el plano.
Un vector perpendicular se obtiene tomando los coeficientes de las variables x, y, z en la ecuación
del plano. Por tanto, en este caso será
µ p = (3, °1, 5). ∂Este vector no tiene norma 1, luego es necesario
p 3 °1 5
normalizarlo: kpk = 35, luego u = p , p , p .
35 35 35
Para que un punto con tres coordenadas iguales (a, a, a) esté en el plano, debe cumplir su ecuación:

3a ° a + 5a = °21 ) 7a = °21 ) a = °3 y se tiene el punto (°3, °3, °3)

2.1. Posición de dos planos en el espacio tridimensional

Dos planos en el espacio tridimensional se cortan en una recta, o son paralelos. En caso de ser
paralelos, sus vectores normales serán proporcionales; es decir, formarán un ángulo de 0 o de º radia-
nes (0 o 180 grados). Si los vectores normales a los planos no son proporcionales, entonces se cortarán
en una recta.
Un caso particular de planos que se cortan es cuando lo hacen formando un ángulo de 90o , en
cuyo caso los vectores normales serán perpendiculares uno al otro, es decir su producto escalar será
cero:

Dados dos planos p · (x, y, z) = c, q · (x, y, z) = d , éstos se cortan formando un ángulo de

90o cuando p · q = 0.

Figura 1.7: Planos formando un ángulo de 90o en R3

8 Mètodes Quantitatius i Teoria Econòmica

 CAPÍTULO 1: ÁLGEBRA LINEAL (continuación)

Ejemplo 10 Analiza, para cada uno de los diferentes apartados, si los planos son paralelos, o si se
cortan formando un ángulo de 90o .

3x + y = 2, °x + y ° z = 1
Los vectores normales son p = (3, 1, 0), q = (°1, 1, °1). Si se realiza el producto escalar de estos
vectores, p · q = °3 + 1 + 0 = °2 6= 0, luego no forman un ángulo de 90o . También se observa que
estos vectores no son proporcionales, por tanto los planos no son paralelos.

x ° 2y ° 00 5z = 12, °2x + 4y + z = 1
Los vectores normales son p = (1, °2, °00 5), q = (°2, 4, 1). Si se realiza el producto escalar de estos
vectores, p·q = °2°8°00 5 = °100 5 6= 0, luego no forman un ángulo de 90o . En este caso, se observa
que estos vectores son proporcionales, q = °2p, por tanto los planos son paralelos.

x + y + z = 3, °x + 2y ° z = 0
Los vectores normales son p = (1, 1, 1), q = (°1, 2, °1). Si se realiza el producto escalar de estos
vectores, p · q = °1 + 2 ° 1 = 0, luego los planos se cortan formando un ángulo de 90o .

3. Formas cuadráticas
Definición 1 Dada una matriz cuadrada simétrica A n£n , se llama forma cuadrática asociada a dicha
matriz a una función Q : Rn ! R que a cada vector v 2 Rn le asocia el número real
n
X
Q(v) = v 0 Av = ai j v i v j
i , j =1

En el caso de una matriz simétrica de orden 2, se tiene

µ ∂µ ∂
a 11 a 12 x
Q(x, y) = (x y) = a 11 x 2 + 2a 12 x y + a 22 y 2
a 12 a 22 y

En el caso de tres variables (matriz simétrica de orden 3),

0 10 1
a 11 a 12 a 13 x
Q(x, y, z) = (x y z) @ a 12 a 22 a 23 A @ y A = a 11 x 2 +2a 12 x y +2a 13 xz +a 22 y 2 +2a 23 y z +a 33 z 2
a 13 a 23 a 33 z

Ejemplo 11 Observa las siguientes formas cuadráticas.

µ ∂
1 3
a) La forma cuadrática asociada a la matriz A = es Q(x, y) = x 2 + 6x y ° y 2
3 °1
0 1
0 °1 3
@
b) La forma cuadrática asociada a la matriz A = °1 2 1 A es
3 1 4

Q(x, y, z) = °2x y + 6xz + 2y 2 + 2y z + 4z 2

c) Dada la forma cuadrática Q(x, y, z) = x 2 + 2x y + 3y 2 ° y z + 2z 2 , su matriz simétrica es

0 1
1 1 0
A=@ 1 3 °00 5 A
0 °00 5 2

Mètodes Quantitatius i Teoria Econòmica 9

CAPÍTULO 1: ÁLGEBRA LINEAL (continuación)

Nota 3 ¿Por qué se llaman formas cuadráticas? La razón es porque se trata de polinomios (en varias
variables) en los que todos los sumandos tienen grado exactamente dos (cuadrático), sumando los ex-
ponentes de las variables que aparecen en cada sumando. En el caso de una variable, se trataría de
funciones del tipo f (x) = ax 2 , es decir, parábolas.

3.1. Signo de una forma cuadrática

Definición 2 Una forma cuadrática Q(v) = v 0 Av se dice que es:

1. Definida positiva, si para cualquier vector v no nulo, v 6= 0, Q(v) = v 0 Av > 0

2. Definida negativa, si para cualquier vector v no nulo, v 6= 0, Q(v) = v 0 Av < 0

3. Semidefinida positiva, si para cualquier vector v, Q(v) = v 0 Av ∏ 0 y existe un vector v no nulo,

v 6= 0, tal que Q(v) = v 0 Av = 0

4. Semidefinida negativa, si para cualquier vector v, Q(v) = v 0 Av ∑ 0 y existe un vector v no nulo,

v 6= 0, tal que Q(v) = v 0 Av = 0

5. Indefinida en cualquier otro caso; es decir, si existe un vector v no nulo, v 6= 0, tal que Q(v) =
v 0 Av > 0 y existe otro vector w no nulo, w 6= 0, tal que Q(w) = w 0 Aw < 0

Ejemplo 12 Analiza el signo de las siguientes formas cuadráticas.

a) La forma cuadrática Q(x, y, z) = x 2 + 2y 2 + 4z 2

Esta forma cuadrática es definida positiva, ya que todos los términos que aparecen lo son, y el único
modo de que se anule es hacer x = y = z = 0.

b) La forma cuadrática Q(x, y) = °x 2 ° 2y 2

Esta forma cuadrática es definida negativa, ya que los elementos que aparecen son negativos y solo
se anula para x = y = 0.

c) La forma cuadrática Q(x, y, z) = x 2 ° 2y 2 + 4z 2

Esta forma cuadrática es indefinida, ya que Q(1, 0, 0) = 1 > 0, mientras que Q(0, 1, 0) = °2 < 0.

d) La forma cuadrática Q(x, y, z) = x 2 + 4z 2

Esta forma cuadrática es semidefinida positiva, al ser siempre mayor o igual a cero, pero si se con-
sidera el vector (0, 1, 0) 6= (0, 0, 0) entonces Q(0, 1, 0) = 0.

Nota 4 Cuando en una forma cuadrática aparecen solo las variables al cuadrado (no aparecen los
productos de dos variables diferentes), como es el caso de los ejemplos anteriores, es fácil saber el signo
que tiene dicha forma cuadrática. Sin embargo, cuando aparecen los productos de distintas variables
x y, xz, . . . (por ejemplo, Q(x, y) = x 2 + 5x y + 4y 2 , o Q(x, y) = x 2 ° 4x y + 4y 2 ) ya no resulta tan evidente,
ni siquiera en el caso de solo dos variables. En los siguientes apartados se verá cómo saber de manera
sencilla el signo de una forma cuadrática.

3.2. Clasificación de formas cuadráticas: menores principales

Un modo sencillo para clasificar una forma cuadrática se basa en el cálculo de determinantes.
En primer lugar se verá un método para determinar si una forma cuadrática es definida (positiva o
negativa).

10 Mètodes Quantitatius i Teoria Econòmica

 CAPÍTULO 1: ÁLGEBRA LINEAL (continuación)

Definición 3 Dada una matriz A n£n los menores principales superiores izquierda son los determi-
nantes
0 1
µ ∂ a 11 a 12 a 13
a 11 a 12
D 1 = a 11 D 2 = det D 3 = det @ a 21 a 22 a 23 A ... D n = det(A)
a 21 a 22
a 31 a 32 a 33

Si los menores principales superiores izquierda de la matriz simétrica A asociada a una forma
cuadrática Q(v) son todos distintos de cero, D i 6= 0, para i = 1, 2, . . . , n, la forma cuadrática se puede
expresar del siguiente modo

D2 2 D3 2 Dn 2
Q(v) = v 0 Av = D 1 u 12 + u + u ...+ u
D1 2 D2 3 D n°1 n

siendo u 1 , u 2 , ..., u n nuevas variables (obtenidas mediante cambios de variable). Entonces solo apa-
recen las variables al cuadrado, y son los D i (los menores principales superiores izquierda) los que
deciden el signo de la forma cuadrática. Se tiene por tanto que:

1. Q es definida positiva, si todos los D i > 0

2. Q es definida negativa, si los D i van cambiando de signo empezando por negativo:

D 1 < 0, D 2 > 0, D 3 < 0, ...

Ejemplo 13 La forma cuadrática asociada a la matriz

0 1
1 1 0
15
A=@ 1 3 ° 12 A es definida positiva, ya que D 1 = 1 > 0, D 2 = 2 > 0, D3 = >0
4
0 ° 12 2

Ejemplo 14 La forma cuadrática asociada a la matriz

µ ∂
°3 2
A= es definida negativa, ya que D 1 = °3 < 0, D2 = 2 > 0
2 °2

Si todos los menores principales superiores izquierda son distintos de cero, y no sigue ninguna de
las reglas anteriores, la forma cuadrática es indefinida. En particular, en cuanto un menor principal
superior izquierda de orden par sea negativo, la forma cuadrática es indefinida, y no es necesario
realizar ya más cálculos de determinantes.

Ejemplo 15 La forma cuadrática asociada a la matriz

0 1
1 1 0
@
A= 1 3 °6 A es indefinida, ya que D 1 = 1 > 0, D 2 = 2 > 0, D 3 = °38 < 0
0 °6 °1

Por otro lado, la forma cuadrática asociada a la matriz

0 1
1 2 0
@
A= 2 3 °6 A és indefinida, ja que D 2 = °1 < 0
0 °6 °1

Nota 5 Cuando hay menores principales superiores izquierda nulos, las reglas anteriores no se pueden
aplicar y quedan, por tanto, sin analizar los casos de formas cuadráticas semidefinidas. Para clasifi-
carlas es necesario realizar más cálculos. Un primer caso fácil es el siguiente:

Mètodes Quantitatius i Teoria Econòmica 11

CAPÍTULO 1: ÁLGEBRA LINEAL (continuación)

a) Si det(A) = 0, pero el resto de menores principales superiores izquierda son estrictamente positivos,
la forma cuadrática es semidefinida positiva

b) Si det(A) = 0, pero el resto de menores principales superiores izquierda son distintos de cero y van
cambiando de signo empezando por negativo, la forma cuadrática es semidefinida negativa

Definición 4 Dada una matriz A n£n se denomina:

menores principales de orden 1 a los determinantes que se obtienen eliminando las mismas n°1
filas y columnas de la matriz A; es decir, los elementos

H1 = {a 11 , a 22 , . . . , a nn }

menores principales de orden 2 a los determinantes que se obtienen eliminando las mismas n°2
filas y columnas de la matriz A; es decir, los determinantes cuando se toman todas las submatri-
ces 2 £ 2 formadas con las mismas filas que columnas
Ω µ ∂ µ ∂ µ ∂ æ
a 11 a 12 a 11 a 13 a 22 a 23
H2 = det , det , det , ...
a 21 a 22 a 31 a 33 a 32 a 33

menores principales de orden 3 a los determinantes que se obtienen cuando se toman todas las
submatrices 3 £ 3 formadas con las mismas filas que columnas
8 0 1 0 1 0 1 9
< a 11 a 12 a 13 a 11 a 12 a 14 a 22 a 23 a 24 =
H3 = det @ a 21 a 22 a 23 A , det @ a 21 a 22 a 24 A , det @ a 32 a 33 a 34 A , . . .
: ;
a 31 a 32 a 33 a 41 a 42 a 44 a 42 a 43 a 44

...

Definición 5 Dada una matriz A n£n sea Hk el conjunto de todos2 los menores principales de orden k.
Por tanto, Hk es un conjunto de valores numéricos. Entonces, se dice que:

Hk > 0, si todos los valores que hay en Hk son estrictamente positivos.

Hk < 0, si todos los valores que hay en Hk son estrictamente negativos.

Hk ∏ 0, si todos los valores que hay en Hk son mayores o iguales a cero.

Hk ∑ 0, si todos los valores que hay en Hk son menores o iguales a cero.

Usando los menores principales de la matriz simétrica ya se pueden clasificar formas cuadráticas
de cualquier tipo. Se cumple que la forma cuadrática Q(v) = v 0 Av es:

1. Semidefinida positiva, si todos los Hk ∏ 0, y existe algún menor principal nulo

2. Semidefinida negativa, si todos los Hk ∑ 0 cuando k es impar, Hk ∏ 0 si k es par (van cambian-

do de signo empezando por negativo), y existe algún menor principal nulo

Ejemplo 16 Se considera la forma cuadrática asociada a la matriz

0 1
1 1 0 H1 = {1, 1, 2}
A = @ 1 1 0 A . Sus menores principales son H2 = {0, 2, 2}
0 0 2 H3 = {0}

Por tanto la forma cuadrática es semidefinida positiva.

2 Una matriz A de orden n £ n tiene n!
menores principales de orden k.
k!(n ° k)!

12 Mètodes Quantitatius i Teoria Econòmica

 CAPÍTULO 1: ÁLGEBRA LINEAL (continuación)

Ejemplo 17 Se considera la forma cuadrática asociada a la matriz

0 1
0 0 0 H1 = {0, °1, °2}
@
A= 0 °1 0 A . Sus menores principales son H2 = {0, 0, 2}
0 0 °2 H3 = {0}

Por tanto la forma cuadrática es semidefinida negativa. Hay que señalar que este ejemplo se resuelve
mucho más fácilmente con los valores propios que son los elementos en la diagonal principal, ya que la
matriz es triangular (diagonal, en realidad). Así, los valores propios son ∏1 = 0, ∏2 = °1, ∏3 = °2,
luego se llega a misma conclusión (semidefinida negativa).

3.3. Formas cuadráticas restringidas

En muchas ocasiones, se quiere estudiar el signo de una forma cuadrática no en todo el espacio,
sino para un subconjunto de vectores que cumplen alguna condición particular. En estos casos, un
método operativo que resulta muy útil es sustituir en la forma cuadrática el tipo particular de vectores
que interesa, lo que lleva a la desaparición de variables y a la reducción del orden de la matriz asociada
a la nueva forma cuadrática restringida.

Si la forma cuadrática en todo el espacio tenía un signo definido (definida positiva o definida
negativa), la forma cuadrática restringida tendrá obviamente el mismo signo (si es siempre positiva,
será positiva en un subespacio; y lo mismo con negativa). Pero si la forma cuadrática es semidefinida,
o indefinida, podrá cambiar y tener un signo definido en algún subespacio.

Ejemplo 18 La forma cuadrática Q(x, y) = x 2 + 5x y + 4y 2 es indefinida. Si se consideran solo los vec-

tores en los que la segunda coordenada es doble de la primera, es decir se tiene la restricción y = 2x,
entonces, sustituyendo, queda Q(x, 2x) = x 2 + 5x(2x) + 4(2x)2 = 27x 2 que es siempre positiva (salvo pa-
ra x = 0). Por tanto, la forma cuadrática restringida es definida positiva en el subespacio de vectores
de la forma (x, 2x).

Sin embargo, en el subespacio de vectores de la forma (x, °x) (la segunda coordenada es igual a
la primera con el signo cambiado), queda Q(x, °x) = 0, que es la forma cuadrática nula (a la vez
semidefinida positiva y semidefinida negativa).

Finalmente, en el subespacio de vectores de la forma (°2y, y) (la primera componente es igual al

doble de la segunda con el signo cambiado), queda Q(°2y, y) = °2y 2 que es definida negativa.

Ejemplo 19 La forma cuadrática asociada a la matriz

0 1
1 1 1
@
A= 1 0 2 A
1 2 0

es indefinida (solo hay que observar que D 2 < 0). Si se considera el subespacio de vectores en que las tres
coordenadas suman cero, x + y + z = 0, la forma restringida (despejando z = °x ° y) queda

Q(x, y, °x ° y) = x 2 + 2x y + 2x(°x ° y) + 4y(°x ° y) = °x 2 ° 4x y ° 4y 2

cuya matriz es
µ ∂
°1 °2
B= D 1 = °1 < 0, D2 = 0 ∏ 0
°2 °4
luego la forma cuadrática restringida al subespacio es semidefinida negativa.

Mètodes Quantitatius i Teoria Econòmica 13

CAPÍTULO 1: ÁLGEBRA LINEAL (continuación)

Ejemplo 20 La forma cuadrática asociada a la matriz

0 1
1 1 0
@
A= 1 3 °6 A
0 °6 °1

es indefinida como se ha visto en el ejemplo 15. Si se considera el subespacio de vectores en que las dos
últimas coordenadas son iguales pero de signo contrario, z = °y, la forma restringida queda

Q(x, y, °y) = x 2 + 2x y + 3y 2 ° 12y(°y) ° (°y)2 = x 2 + 2x y + 14y 2

cuya matriz es
µ ∂
1 1
B= D 1 = 1 > 0, D 2 = 13 > 0
1 14
luego la forma cuadrática restringida al subespacio es definida positiva.

14 Mètodes Quantitatius i Teoria Econòmica