Tema 4
Formas bilineales y cuadr´ aticas.
4.1. Introducci´ on.
Conocidas las nociones de espacio vectorial, aplicaci´on lineal, matriz de una aplicaci´on lineal y diagonalizaci´on, estudiaremos en este tema dos familias de funciones que tienen notable inter´es por sus aplicaciones en ´algebra lineal y en geometr´ıa anal´ıtica. Son funciones valoradas en el espacio de escalares K y por ello se les llama formas. La primera, las formas bilineales, son funciones definidas sobre pares de vectores, es decir, son funciones de dos variables vectoriales. Salvando las distancias, las formas bilineales tienen analog´ıas con las aplicaciones lineales:
fijada una base se pueden definir mediante matrices. Si se cambia de base, cambia la matriz y la nueva se calcula a partir de la matriz de cambio de base. Las matrices de la misma forma bilineal tienen el mismo rango, etc..
La otra familia, la de las formas cuadr´aticas, est´a formada por funciones de una variable y muy emparentada con una subfamilia de las bilineales. Tambi´en se definen mediante una matriz para cada base del espacio y todas las matrices de la misma forma cuadr´atica tienen algunos invariantes que identifican a la forma cuadr´atica.
Como ´unico requisito previo para el estudio de este tema pondremos el que se
conozcan bien los conceptos estudiados en los temas anteriores.
4.2. Formas Bilineales.
Consideremos un espacio vectorial V sobre el cuerpo K de los n´umeros reales o de los n´umeros complejos. Denotaremos V × V al conjunto de pares ordenados de vectores de V .
Una aplicaci´on f que a cada par de vectores (u, v) ∈ V × V asocia un escalar f (u, v) ∈ K se dice que es una forma forma bilineal si es lineal en cada una de sus dos variables; es decir si cumple:
f (αu 1 + βu 2 , v) = αf (u 1 , v) + βf (u 2 , v) y f (u, γv 1 + µv 2 ) = γf (u, v 1 ) + µf (u, v 2 ) para todo u, u 1 , u 2 , v, v 1 , v 2 ∈ V y todo α, β, γ, µ ∈ K.
Alg´un ejemplo. La siguiente es forma bilineal en R 3 (compruebese como ejer- cicio).
f (x, y) = 2x 1 y 1 − x 1 y 2 + 4x 1 y 3 + 3x 2 y 1 − 5x 2 y 3 + 7x 3 y 1 − 5x 3 y 2 − 4x 3 y 3 , x = (x 1 , x 2 , x 3 ), y = (y 1 , y 2 , y 3 ).
Es f´acil ver que toda forma bilineal f verifica que f (0, y) = f (x, 0) = 0 y f (−x, y) = f (x, −y) = −f (x, y). Adem´as, la suma de dos formas bilineales en V y el producto de una forma bilineal en V por un escalares son tambi´en formas bilineales en V. El conjunto de todas las formas bilineales de V es un espacio vectorial sobre K.
Hay dos tipos distinguidos de formas bilineales. Una forma bilineal f se dice que es bilineal sim´etrica si f (u, v) = f (v, u), ∀u, v ∈ V.
Una forma g se dice bilineal antisim´etrica si g(u, v) = −g(v, u), ∀u, v ∈ V.
No toda forma bilineal es sim´etrica o antisim´etrica, por ejemplo la siguiente es una forma bilineal en R 2 y no es sim´etrica ni antisim´etrica:
f (x, y) = 3x 1 y 1 + x 1 y 2 − 2x 2 y 2 , x = (x 1 , x 2 ), y = (y 1 , y 2 ).
Sin embargo, como se propone en las cuestiones y problemas, toda forma bilineal
es suma de una sim´etrica y una antisim´etrica.
Fijada una base B V = {v 1 , v 2 , . . . , v n }, toda forma bilineal f tiene asociada una
´unica matriz B ∈ M n , que es la definida por:
B =
f (v 1 , v 1 ) f (v 1 , v 2 ) · · · f (v 1 , v n ) f (v 2 , v 1 ) f (v 2 , v 2 ) · · · f (v 2 , v n )
· · · · · · · · · · · · f (v n , v 1 ) f (v n , v 2 ) · · · f (v n , v n )
.
Obs´ervese la analog´ıa entre esta matriz y la de un producto escalar, que vimos en el tema dos. De hecho, todo producto escalar es una forma bilineal sim´etrica.
La matriz define la forma bilineal en el siguiente sentido:
Si X = (x 1 , x 2 , · · · , x n ), Y = (y 1 , y 2 , · · · , y n ) son las coordenadas de dos vecto- res x, y ∈ V entonces su imagen se calcula a trav´es de la matriz por la expresi´on:
f (x, y) = XBY t . (4.1)
Si ahora B V 0 es otra base de V y P ∈ M n la matriz de cambio de base de B V 0 a B V entonces, denotando X 0 = (x 0 1 , x 0 2 , · · · , x 0 n ), Y 0 = (y 1 0 , y 2 0 , · · · , y 0 n ) las coordenadas, respectivamente de los vectores x, y ∈ V se tiene, como es sabido:
X = X 0 P, Y = Y 0 P, Y t = P t Y 0t
As´ı, la expresi´on de la imagen en funci´on de las coordenadas X 0 , Y 0 ser´a, sustitu- yendo en (4.1):
f (x, y) = X 0 P BP t Y 0t
Se obtiene as´ı que la matriz de f referida a la base B V 0 es B 0 = P BP t .
A dos matrices de la misma forma bilineal en distintas bases se les llama ma-
trices congruentes, y se verifica que dos matrices B, B 0 ∈ M n son congruentes si
y s´olo si existe una matriz regular P ∈ M n , tal que B 0 = P BP t . Adem´as P es
la matriz de cambio de base entre la base nueva y la antigua. Es sencillo ver que
dos matrices congruentes son equivalentes, y por tanto tienen el mismo rango. Ese
rango es, por definici´on, el de la forma bilineal. Si ese rango no es m´aximo (es
decir, si es menor que la dimensi´on del espacio vectorial) entonces la forma bilineal
se dice degenerada. Es evidente que f es degenerada si y s´olo si el determinante de la matriz de f es nulo. Las formas bilineales no degeneradas se dicen ordinarias.
Ejemplo 4.1. Consideremos la forma bilineal f definida en R 3 × R 3 por:
f (x, y) = 2x 1 y 1 − x 1 y 2 + 4x 1 y 3 + 3x 2 y 1 − 5x 2 y 3 + 7x 3 y 1 − 5x 3 y 2 − 4x 3 y 3 ,
x = (x 1 , x 2 , x 3 ), y = (y 1 , y 2 , y 3 ). Escribe su matriz A respecto de la base can´onica.
Tambi´en su matriz A 0 respecto de la base B = {(1, 0, −1), (0, 1, −2), (0, 0, −1)}.
Si v = (2, −1, −2), v = (−1, 0, 1), calcula f (u, v) empleando sucesivamente A y A 0 .
Soluci´on. Si denotamos B c = {e 1 , e 2 , e 3 } la base can´onica, para la matriz hay que calcular f (e 1 , e 1 ), f (e 1 , e 2 ), · · · , f (e 3 , e 3 ). Con ellos la matriz es:
A =
2 −1 4
3 0 −5
7 −5 −4
.
Nota: Respecto de la base can´onica, a partir de la expresi´on de la forma bilineal se puede escribir la matriz directamente, (sin c´alculos) porque atiende a la siguiente
“regla nemot´ecnica”: enumerando las filas con las componentes de x y las columnas con las de y, los elementos de la matriz son los coeficientes del producto de las componentes de x e y. As´ı a 11 es el coeficiente de x 1 y 1 , a 12 el coeficiente de x 1 y 2 , etc... pero ¡ojo! s´olo es as´ı para la matriz respecto de la base can´onica.
Para calcular la matriz respecto de la base B hay dos v´ıas: calculando direc- tamente las im´agenes de los pares de vectores a partir de la expresi´on de f o a trav´es de la matriz P de cambio de base de B a B c . Optamos por esta segunda v´ıa.
Real´ıcese como ejercicio por la primera y compru´ebese que se obtiene la misma matriz. La matriz de cambio de base de B a B c es
P =
1 0 −1 0 1 −2 0 0 −1
.
As´ı la matriz A 0 de f respecto de la base B es A 0 = P AP t y vale:
A 0 =
1 0 −1 0 1 −2 0 0 −1
2 −1 4
3 0 −5
7 −5 −4
1 0 0
0 1 0
−1 −2 −1
=
−13 −20 −8
−14 −4 −3
−11 −3 −4
.
Para calcular f (u, v), en cada caso hay que tener las coordenadas de u y v respecto de las correspondientes bases B c y B, y emplear las respectivas matrices A y A 0 . Respecto de B c , coordenadas y vector coinciden. Por tanto:
f (u, v) = (2, −1, −2)
2 −1 4
3 0 −5
7 −5 −4
−1 0 1
= 34
Respecto de B, calculando las coordenadas de u y v en la base B obtenemos:
u = (2, −1, 2) B ; v = (−1, 0, 0) B . Por tanto
f (u, v) = (2, −1, 2)
−13 −20 −8
−14 −4 −3
−11 −3 −4
−1 0 0
= 34.
1
Recordemos que una matriz cuadrada se dice sim´etrica si coincide con su tras- puesta y se dice antisim´etrica si coincide con la opuesta de su traspuesta. Hemos de notar que si M ∈ M n es matriz sim´etrica (o antisim´etrica), cualquier matriz M 0 congruente con M es tambi´en matriz sim´etrica (o antisim´etrica). En efecto (lo ha- cemos para sim´etrica, h´agase como ejercicio para antisim´etrica): Si M 0 = P MP t , con P ∈ M n matriz regular de congruencia, entonces:
M 0t = (P MP t ) t = P tt M t P t = P MP t = M 0 .
A partir de ello se concluye que, si una forma bilineal tienen matriz sim´etrica
respecto de una base, la tiene respecto de cualquier base (y lo mismo sucede para
antisim´etrica). Adem´as se verifica que una forma bilineal es sim´etrica si y s´olo si su matriz es sim´etrica, (lo mismo para antisim´etrica). En lo que sigue trataremos s´olo con formas bilineales sim´etricas.
Formas bilineales sim´ etricas. Conjugaci´ on. Dada una forma bilineal sim´etri- ca f sobre un espacio vectorial V, dos vectores u, v ∈ V se dicen vectores conju- gados si f (u, v) = 0.
Dos subespacios S, T ⊂ V se dicen subespacios conjugados si f (x, y) = 0 ∀x ∈ S, ∀y ∈ T . Para ello es suficiente que sean conjugados los vectores de una base de uno de los subespacios con los de otra base del otro.
Una base B V se dice base de vectores conjugados por f si cada vector de la base es conjugado con los dem´as. Es evidente que, respecto de una base de vectores conjugados, la matriz de f es diagonal, y rec´ıprocamente, si la matriz de f es diagonal, entonces la base es de vectores conjugados.
Fijado un vector x, el conjunto de los vectores conjugados con x forman un subespacio vectorial de V que denotaremos x 0 . En concreto:
x 0 = {y ∈ V : f (x, y) = 0}.
Se llama n´ucleo de f , denotado N(f ) al conjunto de los vectores que son conju- gados con todo vector de V, es decir:
N (f ) = {x ∈ V : f (x, y) = 0, ∀y ∈ V }.
Si A ∈ M n es la matriz de f (respecto de cualquier base) y si X = (x 1 , x 2 , · · · , x n )
son las coordenadas de un vector de N (f ) entonces se cumplir´a que XAY t = 0
para todo Y = (y 1 , y 2 , · · · , y n ) ∈ K n . Ello s´olo es posible si y s´olo si XA = 0. Esto
nos da una condici´on para obtener los vectores de N (f ). Ser´an aquellos cuyas
coordenadas X verifiquen XA = 0, es decir, las soluciones del sistema de ecuacio-
nes lineales homog´eneo cuya matriz de coeficientes es A. Por lo que sabemos de
esos sistemas, s´olo hay soluciones no nulas si |A| = 0. Se concluye entonces que
una forma bilineal sim´etrica tiene n´ucleo distinto del {0} si y s´olo si es degenerada.
Ejemplo 4.2. Consideremos en R 3 la forma bilineal f (x, y) = x 1 y 1 + x 1 y 2 + 2x 1 y 3 + x 2 y 1 + x 2 y 3 + 2x 3 y 1 + x 3 y 2 + 3x 3 y 3 , x = (x 1 , x 2 , x 3 ), y = (y 1 , y 2 , y 3 ). Escribe su matriz respecto de la base can´onica. Encuentra el subespacio conjugado de u = (1, −2, 0) y de U =< (1, 0, 3), (0, 1, −2) >. Encuentra el rango y el n´ucleo de f y una base de R 3 formada por vectores conjugados para f .
Soluci´on. La matriz de f en la base can´onica es:
A =
1 1 2 1 0 1 2 1 3
.
Ahora el conjugado de u es:
u 0 = {X = (x, y, z) ∈ R 3 : (1, −2, 0)AX t = 0} = {(x, y, z) ∈ R 3 : − x + y = 0}.
El subespacio conjugado de U estar´a formado por los vectores que sean conjugados simult´aneamente de ambos vectores de la base de U. As´ı, denotando U 0 se tendr´a:
U 0 = {X = (x, y, z) ∈ R 3 : (1, 0, 3)AX t = 0, (0, 1, −2)AX t = 0} =
= {(x, y, z) ∈ R 3 : 7x + 4y + 11z = 0, 3x + 2y + 5z = 0}.
El rango de f es el rango de A que es 2. Para el n´ucleo:
N(f ) = {X = (x, y, z) ∈ R 3 : XA = 0} =
= {(x, y, z) ∈ R 3 : x + y + 2z = 0, x + z = 0, 2x + y + 3z = 0} =< (1, 1, −1) > .
Para buscar una base de vectores conjugados, debemos buscar un conjunto de tres
vectores B 0 = {v 1 , v 2 , v 3 } que sean linealmente independientes y que cada uno sea
conjugado de los dem´as. Hay infinitas posibilidades, pero para simplificar los bus-
caremos de la forma v 1 = (1, 0, 0), v 2 = (α, β, 0), v 3 = (γ, δ, µ), y determinaremos
los par´ametros para que f (v 1 , v 2 ) = 0, f (v 1 , v 3 ) = 0, f (v 2 , v 3 ) = 0. Empleando
la matriz A, f (v 1 , v 2 ) = 0 equivale a la ecuaci´on α + β = 0. Un vector posible es
v 2 = (1, −1, 0). Las otras dos igualdades f (v 1 , v 3 ) = 0, f (v 2 , v 3 ) = 0 proporcionan
las ecuaciones:
γ + δ + 2µ = 0 δ + µ = 0
)
Dos soluciones posibles son: v 2 = (1, −1, 0) y v 3 = (−1, −1, 1).
Ejercicio: Calcula la matriz de f respecto de la base de vectores conjugados obtenida y comprueba que es
A 0 =
1 0 0
0 −1 0
0 0 0
.
1
En el ejercicio anterior se ha proporcionado un modo, si quiera sea como sencillo ejemplo, de encontrar una matriz diagonal congruente con una matriz sim´etrica dada: consiste en encontrar las coordenadas de vectores que formen una base de conjugados para la matriz sim´etrica (que es como decir para la forma bilineal sim´etrica dada). La matriz asociada a la forma bilineal respecto de los vectores conjugados es diagonal y la matriz de congruencia es la matriz de cambio de base de la de conjugados a la base dada. Obtener la matriz diagonal y la matriz de cambio de base es lo que se llama diagonalizar la forma bilineal sim´etrica o diagonalizar por congruencias la matriz sim´etrica dada.
Hay otro m´etodo para diagonalizar por congruencias una matriz A ∈ M n
cuadrada sim´etrica. Consiste en emplear transformaciones elementales. El m´etodo
es totalmente an´alogo al m´etodo de Gauss para obtener la inversa de una matriz,
que es bien conocido, con la salvedad de que cada transformaci´on que se haga
por filas en la matriz, hay que hacerla tambi´en por columnas y no es necesario
obtener unos en la diagonal principal (s´olo ceros fuera). Las transformaciones que
se hagan por filas (las de por columnas no), han de hacerse tambi´en en la matriz
I n , identidad de orden n, que al iniciar el proceso se “adosa” a A. Al final se obtiene
la matriz diagonal donde inicialmente estaba A y la matriz P donde inicialmente
estaba I n . Veamos un ejemplo.
Ejemplo 4.3. Diagonalizar por transformaciones elementales la matriz sim´etrica dada en el ejercicio anterior.
Soluci´on. En lo que sigue indicaremos las transformaciones empleadas:
1 0 0 1 1 2 0 1 0 1 0 1 0 0 1 2 1 3
f2−f1Ã
1 0 0 1 1 2
−1 1 0 0 −1 −1
0 0 1 2 1 3
c2−c1Ã
1 0 0 1 0 2
−1 1 0 0 −1 −1
0 0 1 2 1 3
f3−2f1