Captulo 4

EL TEOREMA ESPECTRAL Y LAS

FORMAS CUADRATICAS

Espacios con Producto Interno. Bases

En lo que sigue V sera un espacio vectorial sobre el campo de los
n
umeros reales. Con algunas modificaciones, lo que se expone a continuacion puede extenderse a un espacio vectorial complejo.
Consideremos los vectores (1, 0, 0), (0, 1, 0), (0, 0, 1) en R3 . Estos vectores tienen las cualidades de que, primero son unitarios, es decir que
su longitud es 1 y ademas son dos a dos perpendiculares. Sucede
que estas dos propiedades pueden caracterizarse a traves del producto escalar de vectores o producto interno: Si X = (x1 , x2 x3 ),
Y = (y1 , y2 , y3 ) entonces < X, Y >= x1 y1 + x2 y2 + x3 y3 . Se tiene en
efecto que
p si denotamos por ||X|| la longitud del vector X entonces
||X|| = x21 + x22 + x23 y por tanto ||X||2 =< X, X >.
Ademas la perpendicularidad de E1 con E2 , por ejemplo, esta reflejada
y determinada por el hecho de que < E1 , E2 >= 0. Esto da un procedimiento simple de calculo de coordenadas, en la base, de un vector
dado. As por ejemplo si X = a1 E1 + a2 E2 + a3 E3 y nos piden calcular
a1 , a2 , a3 hacemos el siguiente proceso, por ejemplo para a1
< X, E1 > =
=
=
=
=

< a1 E1 + a2 E2 + a3 E3 , E1 >
< a1 E1 , E1 > + < a2 E2 , E1 > + < a2 E2 , E1 >
a1 < E1 , E1 > +a2 < E2 , E1 > +a3 < E3 , E1 >
a1 ||E1 || + 0 + 0
a1

79

80

Algebra Lineal

Aqu estudiaremos los espacios en donde esto es posible (espacios con

producto interno) y lo usaremos para facilitar el graficado de formas
cuadraticas.
4.1 Definici
on:
Sea V un espacio vectorial sobre R. Una forma bilineal V V R
se dice un producto interno (o multiplicaci
on por escalar) si
(usando la notacion X Y < X, Y >):
PI1 < X, Y >=< Y, X >, X, Y V .
PI2 < X, X > 0.
PI3 < X, X >= 0 si y solo si X = 0.
(La propiedad de ser bilineal la enumeramos P I0).
Note que por ser < , > bilineal se tiene que < 0, X >=< X, 0 >= 0.
En lo que sigue consideramos un espacio con producto interno V .
4.2 Proposici
on:
|| ||

La funcion V R; X 7
decir:

< X, X > es una norma en V , es

N.1 ||X|| 0, X V .
N.2 ||X|| = 0 si y solo si X = 0.
N.3 ||kX|| = |k| ||X||, k R, X V .
N.4 ||X + Y || ||X|| + ||Y ||.
Demostraci
on:
Las primeras tres propiedades son obvias. Demostremos la cuarta.
Para ello notemos lo siguiente:
4.3 Lema:
| < X, Y > | ||X|| ||Y ||.

Captulo 4. El Teorema Espectral y las Formas Cuadraticas

81

Demostraci
on:
Si X o Y son cero los dos lados de la igualdad son cero. As que
podemos suponer los vectores no cero. Por P.I.2 se recibe
0 < X

< Y, X >
< Y, X >
Y, X
Y >
< Y, Y >
< Y, Y >

< Y, X > < Y, X >

= ||X||

< Y, X > +||Y ||2

< Y, Y >
< Y, Y >
2

< Y, X >
< Y, Y >

2

||Y ||2 ||X||2 2 < Y, X >2 + < Y, X >2

||Y ||2

simplificando y pasando al otro lado de la desigualdad se tiene

< Y, X >2 ||Y ||2 + ||X||2
lo cual implica el lema 2
Veamos ahora la demostracion de N.4:
||X + Y ||2 =
=
=

< X + Y, X + Y >
< X, X > + < X, Y > + < Y, X > + < Y, Y >
||X||2 + 2 < X, Y > +||Y ||2
||X||2 + 2||X|| ||Y || + ||Y ||2
(||X|| + ||Y ||)2

As pues ||X + Y || ||X|| + ||Y || 2

4.4 Corolario:
Sean X, Y V , X 6= 0 6= Y . Entonces
1

< X, Y >
1
||X|| ||Y ||

82

Algebra Lineal

Note que en el caso de R2 la ley del coseno afirma que

||X Y ||2 = ||X||2 + ||Y ||2 2||X|| ||Y ||cos. Pero ||X Y ||2 =
||X||2 + ||Y ||2 2 < X, Y >. Por tanto
cos =

< X, Y >
||X|| ||Y ||

< X, Y >
esta entre 1 y 1 pensamos de
||X|| ||Y ||
el como el coseno de un angulo, el cual como generalizacion sera el

angulo entre Xy Y a
un cuando para dimensiones mayores no tenga
sentido geometrico y tampoco lo tenga en espacios abstractos.
Como en el caso general

4.5 Definici
on:
i Si X 6= 0 6= Y en V entonces se llama el
angulo entre X y Y
al n
umero real 0 tal que
cos =

< X, Y >
||X|| ||Y ||

ii Si cos = 0 se dice que X y Y son ortogonales o perpendiculares y se denotan XY

4.6 Proposici
on:
En V con el producto interno <, >, XY si y solo si < X, Y >= 02

Captulo 4. El Teorema Espectral y las Formas Cuadraticas

83

4.7 Teorema:
i Sea V un espacio con producto interno. Sea S un subconjunto
ortogonal de V (es decir si X, Y S y X =
6 Y entonces XY ).
Entonces S es L.I sobre R.
ii Si S es una base ortogonal de V y X =

n
X

i Si es la escritura

i=1

de X en terminos de la base S, entonces i =

< X, Si >
.
||Si ||2

iii Si S es una base ortonormal (es decir base ortogonal con ||S|| = 1,
S S) entonces i =< X, Si > es el coeficiente de Si en la
representacion de X en la base S.
Demostraci
on:
i, ii son inmediatas. Veamos iii. Suponga que
y Si S. Sea 1 k n. Entonces <
Calculando el lado izquierdo ser recibe

n
X

n
X

i Si = 0 con i R

i=1

i Si , Sk >=< 0, Sk >= 0.

i=1
n
X

i (Si , Sk ) = 0. Por tanto

i=1

k ||Sk ||2 = 0 y k = 0 2

El siguiente teorema muestra que dada una base uno puede siempre
construir con ella una base ortonormal.
4.8 Teorema (Ortogonalizaci
on de Gram-Schmith):
Sea {X1 , ..., Xn1 , Xn } un conjunto linealmente independiente y
{X1 , ..., Xn1 } ortogonal. Entonces {X1 , ..., Xn1 , Xn0 } en donde Xn0
esta dado por
n
X
< Xn , X i >
Xn0 = Xn
Xi
||Xi ||2
i=1

es ortogonal y si {X1 , ..., Xn1 , Xn , Xn+1 } es L.I tambien lo es

{X1 , ..., Xn1 , Xn0 , Xn+1 }

84

Algebra Lineal

Demostraci
on:
Simplemente calcule < Xn0 , Xk > para k = 1, 2, ..., n 1 y verfique
que en efecto < Xn0 , Xk >= 0. Eso completa la primera parte. En
cuanto a la segunda parte suponga que
1 X1 + 2 X2 + ... + n1 Xn1 + n0 Xn0 + n+1 Xn+1
Si mostramos que n+1 = 0 entonces 0 = 1 = 2 = ... = n1 =
n0 puesto que {X1 , ..., Xn1 , Xn0 } es ortogonal. Pero reemplazando el
valor de Xn0 y ordenando se recibe
n1
X
i=1

< Xn , X i >
i
||Xi ||2

Xi + n0 Xn0 + n+1 Xn+1 = 0

y por tanto n+1 = 0 (junto con los demas coeficientes de la suma) 2

El Teorema Espectral
En esta parte hacemos uso de ortogonalidad para caracterizar ciertas
funciones diagonalizables. De paso caracterizamos la funcion lineal
que corresponde a la transpuesta de M (f ) en donde f es una funcion
lineal dada. Comencemos por definir adjunta de una funcion lineal
f : V V en donde V es un espacio vectorial sobre R con producto
interno.
4.9 Proposici
on:
Sea f : V V un endomorfismo. Entonces:
i Si A V , fA : V R dada por fA (X) =< f (X), A > es lineal
sobre R.
ii Para cada A V , !A V tal que < f (X), |A >=< X, A >,
X V . Es decir que fA (X) =< X, A >.
iii La funcion f : V V , A 7 A es una funcion lineal.
iv Sea S una base ortonormal de V , < , >. Entonces M (f ) =
T (M (f )). Es decir, la matriz de f es precisamente la transpuesta
de la matriz de f .

Captulo 4. El Teorema Espectral y las Formas Cuadraticas

85

Demostraci
on:
i En realidad V R, X 7< X, A >, en donde A es fijo, se sabe
que es lineal y compuesta con f , que por hipotesis lo es, da como
resultado una funcion lineal.
ii Veamos que, mas generalmente, si T : V R es lineal entonces
existe A V tal que T (X) =< X, A >, X V . En efecto
si T = 0 obviamente 0 sirve. Si no, entonces dim Im T = 1 y
la dimension de kernel es n 1. Tome una base ortonormal del
kernel v1 , ..., vn1 y completela en una base ortonormal de V ,
v1 , ..., vn1 , vn . Sea A = T (vn ) vn . Si
X = 1 v1 + ... + n1 vn1 + n vn
entonces T (X) = n T (vn ) y
< X, T (vn ) vn > =< 1 v1 + ... + n1 vn1 + n vn , T (vn ) vn >
=< n vn , T (vn ) vn >
= n T (vn ) < vn , vn >
= n T (vn )
As pues T (X) =< X, A >.
En cuanto a la unicidad note que si B 6= 0, < B, B >6= 0.
Suponga ahora que < X, A >=< X, B >, X V . Entonces
< X, A > < X, B >= 0 < X, A B >= 0, X V . As
que < A B, A B >= 0 luego A B = 0 A = B.
iii Se tiene pues que f : V V ; A 7 A una funcion en virtud
de ii. Veamos que f es lineal. Es decir que (A) = A y
(A + B) = A + B . Es decir debemos mostrar que
fA =< , A >

fA+B =< , A + B >

pero
fA (X) = < f (X), A > = < f (X), A >
= < X, A >
= < X, A >
y
fA+B (X) =
=
=
=

< f (X), A + B >

< f (X), A > + < f (X), B >
< X, A > + < X, B >
< X, A + B >

86

Algebra Lineal

iv Sea S una base ortonormal de V , S = {S1 , ..., Sn } y

f (Si ) = ai1 S1 + ai2 S2 + ... + ain Xn ,

1in

Calculemos f (Sj ) = Sj . Si Sj = j1 S1 + j2 Sj + ... + jn Sn

entonces ji =< Sj , Sj >=< f (Si ), Sj >= Aij . Por tanto
M (f ) = T (M (f )) 2
Note que < f (X), A >=< X, f (A) >, X, A V .
4.10 Definici
on:
Sea V , < , > un espacio real con producto interno.
i f : V V se dice autoadjunta si f = f .
ii Sea A Mnn (R). Decimos que A es simetrica si A = T (A) 2
La relacion entre auto-adjuncion y simetra es entonces precisa:
4.11 Proposici
on:
Sea S una base ortonormal de un espacio V , <, >. Sea f : V V
un endomorfismo. Entonces f es autoadjunta si y solo si M (f ) (sobre
S) es simetrica.
Demostraci
on:

f = f M (f ) = M (f ) M (f ) = T (M )(f ) M (f ) es simetrica 2

La autoadjuncion ayuda, por supuesto, en la diagonalizacion. Para

comenzar notemos.
4.12 Proposici
on:
Si f : V V es autoadjunta y tiene un vector propio no cero,
entonces existe una base ortonormal S tal que para S, M (f ) tiene
primera fila y primera columna cero excepto por el vertice.

Captulo 4. El Teorema Espectral y las Formas Cuadraticas

87

Demostraci
on:
Sea v1 vector propio, no nulo de f . Sea S = {V1 , ..., Vn } una base
ortonormal de V . Si

A1
A2

M (f ) = .
.
.
An
entonces

f (V1 ) =

A1
A2
..
.

1
0
..
.

An
y como f (V1 ) = V1 entonces

f (Vi ) =

0
..
.

0
Por tanto
a11 =
a12 = 0
..
.
an1 = 0
Como f es autoadjunta M (f ) es simetrica y a12 = a13 = ... = a1n = 02

En el caso corriente, para una funcion lineal f : V V , a valores

propios distintos le corresponden vectores propios linealmente independientes. En el caso de espacios con producto interno y funci
on
autoadjuntas la relacion es mas fuerte.
4.13 Proposici
on:
Sea V un espacio con producto interno y f : V V autoadjunta. Si 1 , ..., p son valores propios distintos entonces E1 , ..., Ep
correspondientes vectores propios entonces Ei Ej si i 6= j.

88

Algebra Lineal

Demostraci
on:
i < Ei , Ej > = < i Ei , Ej >
= < f (Ei ), Ej >
= < Ei , f (Ej ) > = < Ei , f (Ej ) >
= < Ei , j Ej >
= j < Ei , Ej >
Como i 6= j entonces < Ei , Ej >= 0. 2
El teorema espectral asegura que toda funcion autoadjunta es diagonizable, para una base ortonormal. La ortonormalidad sigue inmediatamente de la proposicion precedente. Nosotros enunciamos el teorema
general pero solo demostraremos para n = 2, 3.
4.14 Teorema Espectral:
Sea f : V V autoadjunta. Entonces f es diagonalizable y toda
base que diagonalice a f es ortogonal 2
4.15 Ejemplo:
i Muestre de manera directa que si dim V = 2 y f es autoadjunta
entonces es diagonalizable.
Soluci
on: Como f es autoadjunta entonces existe una base S =
{S1 , S2 } tal que


a b
M (f ) =
b c
Si b = 0, hemos terminado. Suponga que b 6= 0, entonces

 

 a b
0 

det(M (f ) I) = 

b c
0 


 a

b


= 
b
c 
= (a )(c ) b2
= 2 (a + c) + (ac b2 )
Notemos que el determinante del polinomio en es
(a + c)2 4(ac b2 ) = a2 + 2ac + c2 4ac + 4b2
= a2 2ac + c2 + 4b2
= (a c)2 + 4b2

Captulo 4. El Teorema Espectral y las Formas Cuadraticas

89

el cual es mayor que cero puesto que b 6= 0. As pues

2 (a + c) + (ac b2 ) = 0
tiene dos soluciones distintas.
Si V1 , V
2 son vectores propios

V1
V2
correspondientes entonces
es una base ortonor,
||V1 || ||V2 ||
mal que diagonaliza a f .
ii Sea f : R2 R2 , (x, y) 7 (x + 2y, y). Decida si f es diagonalizable en base ortonormal y en caso dado diagonalcela.
Soluci
on: R2 es un espacio con producto interno y {(1, 0), (0, 1)}
es una base autonormal. Se tiene para esta base que


1 2
M (f ) =
0 1
Puesto que la matriz correspondiente a una base ortonormal no
es simetrica, entonces f no es diagonalizable, en ninguna base
ortonormal.
iii Suponga que V es un espacio con producto interno de dimensi
on
3 y sea f : V V autoadjunta. Entonces f es diagonalizable
por una base ortonormal.
Soluci
on: Puesto que f es autoadjunta existe una base ortonormal S para la cual M (f ) es simetrica. Como el polinomio caracterstico para la base S es de grado 3, tiene solucion en R.
Entonces, existe una base ortonormal digamos S 0 tal que la matriz de f es de la forma

a 0 0
0 b c
0 c d
Si c = 0
Tenemos

 a 0

 0 b

 0 c

no hay nada que demostrar. Suponemos que c 6= 0.

 
0
0
0
0 0   a



b
c
c
0 0 = 0

d
0 0   0
c
d

90

Algebra Lineal

 b
c
= (a ) 
c
d



 = (a )[(b )(d ) c2 ]


= (a )[2 (b + d) + bd c2 ]
Se tiene pues que = a o 2 (b + d) + bd c2 = 0
Calculando el discriminante para () se tiene

().

(b+d)2 4(bdc2 ) = b2 +2bd+d2 4bd+4c2 = (bd)2 +4c2 > 0

Por tanto tiene dos soluciones. Si a es distinta de las dos soluciones de () y por tanto f es diagonalizable. Suponga que a
es una solucion de (). Entonces la otra es b + d a. Esto se
obtiene dividiendo () por a y notando que por ser a raz de
() entonces a2 ab ad + bd c2 = 0.
Ahora bien si Ea es vector propio correspondiente a a y Et es
vector propio correspondiente a b + d a entonces Ea Et . Por
tanto para probar que f es diagonalizable es suficiente, en este
caso, encontrar vectores propios (2 por supuesto) normales en el
espacio propio correspondiente a a. La ecuacion correspondiente
es
ax = ax
by + cz = ay
cy + dz = az

ax
= 0
(b a)y +
cz
= 0
cy
+ (d a)z = 0

Es claro que hay infinitas soluciones puesto que cualquier x es

solucion de la primera y las dos segundas son un sistema homogeneo. Como el determinante de este u
ltimo es
(b a)(d a) c2 = bd ba ad + a2 c2 = 0
entonces tiene infinitas soluciones que se dan por una de las
ecuaciones. Como estamos poniendo c 6= 0 tenemos z = ab
c
y por tanto un vector solucio es




ab
ab
x, y,
y = (x, 0, 0) + y 0, 1,
c
c


El espacio correspondiente a a es pues R(1, 0, 0) + R 0, 1, ab
c .


Naturalmente (1, 0, 0) y 0, 1, ab
son perpendiculares.
c
Queda demostrado de f es diagonalizable.

Captulo 4. El Teorema Espectral y las Formas Cuadraticas

91

Formas Cuadr
aticas
Recordemos que < , >: V V R es bilineal. Si f, g : V V son
lineales entonces la compuesta
f g

<,>

V V V V R
naturalmente tambien es bilineal. Si por otro lado : V V V
denota la diagonal v 7 (v, v) entonces en general el compuesto
f g

<,>

V V V V V R
no es en general una funcion lineal. De hecho en el caso de f = I = g
el cual ciertamente no es lineal. Una funcion de este tipo puede considerarse como una alteracion de la norma del espacio. Aqu estudiamos
estas alternaciones cuando f = I y g es una funcion lineal adjunta.
4.16 Definici
on:
Sea V un espacio con producto interno. Una composici
on del
tipo
Ig

<,>

V V V V V R
en donde g es autoadjunta se llama una forma cuadr
atica en V .
Sea =< , > (I g) una forma cuadratica. Entonces
(v) = (< , > (I g) )(v) = < , > (I g(v, v))
= < , > (v, g(v))
= < v, g(v) >
Por tanto la forma compuesta de una forma cuadratica esta dada
por (v) =< v, g(v) >, v V en donde g : V V es autoadjunta.
4.17 Ejemplo:

a b
Considere g :

dada por la matriz

en la base
b c
canonica. Entonces g es autoadjunta por matriz simetrica. As que


a b
(x, y) =< (x, y),
> =< (x, y), (ax + by, bx + cy) >
b c
R2

R2

92

Algebra Lineal
= x(ax + by) + y(bx + cy) = ax2 + bxy + byx + cy 2
= ax2 + 2bcy + cy 2

Note en la imagen la forma polinomial (en dos variables) de grado 2.

De ah el nombre de forma cuadratica.
Si (x, y) = ax2 + bx + dy 2 + ey + f xy + d se llamara una funci
on
cuadr
atica en razon de que cuando se iguala a cero se obtiene una
ecuacion cuadratica en x y en y. Veremos mas adelante como trabajos
con funciones cuadraticas en el aspecto del graficado de su fibra sobre
0, a partir de las formas cuadraticas. En efecto note que la ecuacion
correspondiente
ax2 + bx + dy 2 + ey + f xy + d = 0
es una conica, que tiene termino en xy lo cual dificulta el graficado.
La eliminacion de este termino corresponde en la parte matricial (que
define la forma) a diagonalizar. El cambio de base es esencialmente
cambio de ejes.
El Teorema de los Ejes Principales
Los ejes para los cuales una forma cuadratica no tiene termino en xy
se llaman ejes principales y siempre existen. En efecto, llamaremos a (x) =< x, g(x) > la forma cuadr
atica asociada a g (o
a M (f )) y a (x) = a1 x21 + ... + an x2n una forma cuadr
atica en
forma principal.
4.16 Proposici
on:
Sea A Mnn (R). Si A es diagonal entoces la forma cuadratica
asociada a A esta en forma principal.
Demostraci
on:
Ejercicio 2
4.17 Proposici
on:
Sea V un espacio con producto interno de dimension n. Sea :

Captulo 4. El Teorema Espectral y las Formas Cuadraticas

93

V R una forma cuadratica. Entonces existe una base {A1 , ..., An }

de V y reales 1 , ..., n tales que
(1 A1 + 2 A2 + ... + n An ) = 1 x21 + 2 x22 + ... + n x2n
(Note que < A1 >, < A2 >, ..., < An > se denominan ejes principales
de la forma cuadr
atica ).
Demostraci
on:
Suponga que (x) =< x, g(x) en donde g : V V es autoadjunta.
Sea {A1 , A2 , ..., An } una base ortonormal de V que diagonaliza a g.
Entonces A1 , ..., An son vectores propios de g con g(Ai ) = xi Ai , i =
1, ...n. As pues
!
!
n
n
n
X
X
X

= <
xi Ai
xi Ai , g
xi Ai >
i=1

i=1

= <

n
X

i=1

xi Ai ,

i=1

n
X

i x2i

n
X

xi i Ai >

i=1

i=1

4.18 Ejemplo:
i De la forma cuadratica : R3

a
d
f

R asociada a la matriz

d f
b e
e c

Soluci
on:

x
x
a d f
x
y = y d b e y
z
z
f e c
z

94

Algebra Lineal

x
ax + dy + f z
= y dx + by + ez
z
f x + ey + cz
= x(ax + dy + f z)+y(dx + by + ez)+z(f x + ey + cz)
= ax2 +dxy+f xz + dyx + by 2 + eyz + f zx+ezy+cz 2
= ax2 + by 2 + cz 2 + 2dxy + 2f xy + 2eyz
Note donde van los coeficientes!
ii De manera directa de la forma cuadratica : R3 R asociada
a la matriz

1
5 4
5 1
1
4
1
5
Soluci
on:
(x, y, z) = 1x2 +(1)y 2 +5z 2 +(25)xy+(24)xz+(21)yz =
x2 y 2 + 5z 2 + 10xy 8xz + 2yz.
iii De manera 
directa dela forma cuadratica : R2 R asociada
2
4
.
a la matriz
4 3
Soluci
on:
(x, y) = 2x2 + (3)y 2 + (2 4)xy = 2x2 3y 2 + 8xy.
Para pasar al caso contrario note que una forma cuadratica esta definida
por una sola funcion autoadjunta.
4.19 Proposici
on:
Si la forma cuadratica (x) =< x, g(x) > es cero entonces g = 0.
Demostraci
on: Por ser g autoadjunta existe una base ortonormal
{V1 , ..., Vn } al que g(Vi ) = i Vi . As pues
0 = (Vi ) =< Vi , g(Vi ) >=< Vi , i Vi >= i < Vi , Vi >= i
Se concluye entonces que g(Vi ) = 0 para cada elemento Vi de la base.
Luego g = 0.

Captulo 4. El Teorema Espectral y las Formas Cuadraticas

95

4.20 Corolario:
Si g, h : V V son autoadjuntas y < X, g(X) >=< X, h(X) >,
X V entonces g = h.
Demostraci
on: Puesto que g y h son autoadjuntas tambien lo es
g h y aplicando la proposicion previa a g h se recibe que g = h 2
4.21 Ejemplo:
i Sea : R3 R dada por
(x, y, z) = 3x2 2y 2 + 4z 2 xy + xz
De la autoadjunta que la define
Soluci
on: Por inspeccion usando la base canonica de R3

M (g) =

1
1
3

2
2

2
0

1
0
4
2

As pues g : R3 R esta dada por

1
g(x, y, z) =
2

1
2

2
0

3x

x
=
2

x
2

1
2

y
2

2y
+ 4z

1

2
x

y
0

4
+

z
2

96

Algebra Lineal

Verifiquemos de manera directa

(X) =
=
=
=
=

< X, g(X) >

< (x, y, z), 3x
y2 + z2 , x2
2y, x2 + 4z
>
x 3x y2 + z2 + y x2 2y + z x2 + 4z
3x2 12 xy + 21 xz 12 xy 2y 2 + 12 xz + 4z 2
3x2 + 2y 2 + 4z 2 xy + xz

ii Halle los ejes principales para

(x, y, z) = 3x2 2y 2 + 4z 2 xy + xz
y de en terminos de los nuevos ejes.
Soluci
on: En terminos de la base cociente

3 12 12

1
0
M (g) =

2 2
1
0
4
2
Busquemos valores propios y vectores propios. Iniciemos con el
polinomio caracterstico.


3 12 12



0
2
0
 2


0
1

0
4
2



0 
0 



 3


=  12
 1

2

21
2
0

= 3 + 52 +





0 

4 
21

5 49

2
2

La ecuacion correspondiente no tiene solucion racional o irracional repetida. Por tanto la solucion no puede darse de primera
mano.
iii Dar los ejes principales de (x, y, z) = 3x2 +2y 2 +3z 2 2xy2yz.
La funcion autoadjunta correspondiente tiene matriz

3 1
0
1
2 1
0 1
3

Captulo 4. El Teorema Espectral y las Formas Cuadraticas

97

En cuando a valores propios tenemos




3 1
0

 1
2 1


0 1
3

 2 1
= (3 ) 
1 3

 
0 0   3 1
0
0 0  =  1 2 1
0 0   0
1 3






 + (1)1+2 (1)  1 1 

 0 3 

= (3 )((2 )(3 ) 1) + (1)(3 )

= (3 )(2 5 + 6 1 1)
= (3 )(2 5 + 4)
= (3 )( 1)( 4)
Los valores propios son pues 1 = 3, 2 = 1 y 3 = 4. Demos
ahora los vectores propios
R(1, 0, 1)
R(1, 2, 1)
R(1, 1, 1)

1 = 3
2 = 1
3 = 4

Estos vectores son ortogonales. Una base ortonormal ser

a




 

2
2
6
6
6
3
3
3
A1 =
, 0,
, A2 =
,
,
, A3 =
,
,
2
2
6
3
6
3
3
3

Se tiene entonces

3 0 0
u
[u, v, w] = < [u, v, w], 0 1 0 v
0 0 4
w
= < [u, v, w], [3u, v, 4w] >= 3u2 + v 2 + 4w2
iv Grafique 3x2 + 4y 2 6xy + 2 = 0.
Soluci
on: Buscamos eliminar el termino en xy. Si escribimos
3x2 + 4y 2 6xy = 2 entonces se trata de graficar (x, y) =
2
2 en donde (x, y)
4y 2 6xy. La matriz simetrica
 = 3x + 
3 6
correspondiente es
. En cuanto a valores propios
6
4

98

Algebra Lineal

tenemos


 


 3 6
3 6
0 



=
 6

 6 4
4
0

= (3 )(4 ) 36
= 2 7 + 12 36
= 2 7 24
=

49 4(24)
7
=
2

7 + 145
1 =
2

49 + 96
7 145
=
. As
2
2

7 145
2 =
2

En cuanto a vectores propios 3x 6y = x (3 )x 6y = 0 y

6x + 4y = y 6x + (4 )y = 0. Puesto que hay soluciones
no cero se tiene y = 3
6 x y los espacios propios son




3
3
x,
x = x 1,
xR
6
6

7+ 145
7 145
con

=
y

=
. Note que los
o sea R 1, 3
1
2
6
2
2
ejes principales son




3 1
3 2
R 1,
R 1,
6
6
 
  
1 0
u
u
>
,
[u, v] = <
0 2
v
v


= <

u
v


 
1 u
,
2 v

= 1 u 2 + 2 v 2
La ecuacion de los nuevos ejes es

7 + 145 2 7 145 2
145 7 2 7 + 145 2
u +
v = 2
v
u =1
2
2
22
22

Captulo 4. El Teorema Espectral y las Formas Cuadraticas

99

la cual es una hiperbola.

v Hallar los ejes principales y la ecuacion correspondiente para

3x2 + 4y 2 6xy + 4y 5x + 2 = 0
Soluci
on: Si la consideramos escrita 3x2 + 4y 2 6xy = 4y +
5x 2. Entonces la forma cuadratica y(x, y) = 3x2 + 4y 2 6xy
puede representarse en los ejes principales u, v como antes. Y
como




32
1
[u, v] = u 1, 3
+
v
1,
6
6


2 )v
=
u + v, (31 )u+(3
6
= (x, y)
Reemplazando
[x, y] = 1 u2 + 2 v 2 = 4

(3 1 )u + (3 2 )v
+ 5(u + v) 2
6

100

Algebra Lineal

y la ecuacion en los nuevos ejes es 1 u2 + 2 v 2 =
23 (3 1 )v

2
2
2
2
3 (3 2 )v + 5u

+ 5v 2 1 u + 3 (3 1 ) 5 u + 2 v +
2
3 (3 2 ) 5 v + 2 = 0 de la cual se ve que se ha eliminado el
termino en producto.

Captulo 4. El Teorema Espectral y las Formas Cuadraticas

101

PROBLEMAS
1 Muestre que en el caso de R3 la formula cos =
es valida.

<X,Y >
||X|| ||Y ||

tambien

2 En R3 decida si (1, 1, 3), (1, 0, 1), (0, 0, 1) forman una base. En

caso positivo decida si ella es o no ortonormal. Si no lo es construya una base ortogonal asociada (use el producto interno corriente de R3 ). Calcule el angulo entre (1, 3, 4) y (2, 1, 5).
3 Sea S una base de V , S = {V1 , ..., Vn }. Defina el producto interno
n
X
en (V, S) por < [X1 , ..., Xn ], [Y1 , ..., Yn ] >=
Xi Yi . Aplquela a
i=1

R3 para S = {(1, 1, 0), (1, 1, 1), (1, 1, 1)}. En general verfique

que < , > es en efecto un producto interno. Calcule el
angulo
entre (1, 3, 4) y (2, 1, 5) para este producto interno (cuidado
con las coordenadas). Calcule el angulo entre [1, 3, 4] y [2, 1, 5]
en las coordenadas corrientes. Comparelo con el angulo de ellas
en las nuevas coordenadas.
4 Construya una base ortogonal de R3 asociada a
S = {(1, 1, 0), (1, 1, 1), (1, 1, 1)}
por el procedimiento de Gran-Schmith.
5 Sea R7 [x] el conjunto de las funciones polinomicas de grado
menor o igual que 7 con coeficientes en R. Tome
Z
< f, g >=

f (x)g(x)dx
0

Muestre que < , > es un producto interno. Decida si la base

corriente (cual es) de R7 [x] es ortonormal. De no serlo corrija la
situacion y de una base de ese tipo. Calcule el producto interno
para la nueva base y comparelo con el corriente. Compare estos
productos internos con los de la base corriente.

102

Algebra Lineal

6 Si S = {V1 , ..., Vn } es una base de V y f : V V es lineal (V con

producto interno). Sea N (S) la base normalizada de S. Calcule
la matriz de f para N (S) con base en la matriz de f para S.
7 Sea V un espacio con producto interno. Muestre que f : V V
es diagonizable en base ortonormal si y solo si f es autoadjunta.
8 Considere f : R2 R2 dada por f (x, y, z) = (x 3y, 3y).
Muestre que f es diagonalizable pero no es autoadjunta. Como
compatibiliza esto con el problema 7.
9 Complete el proceso de hallar
una base ortonormal para f a par

ab
tir de (1, 0, 0) y 0, 1, c en el ejemplo 4.15 (iii). (Sugerencia:
comience por mostrar que 2a b d 6= 0).
10 Sea : R3 R dada por
(x, y, z) = 3x2 2y 2 + 4z 2 xy + xz
De la autoadjunta que la define usando la base
{(0, 0, 1), (1, 1, 0), (1, 1, 0)}
11 En cada caso decida si la funcion es lineal. Calcule su adjunta.
i R3 R3 , (x, y, z) 7 (x + y + z, x + 2y + 2z, x + 2y + 3z).
ii R2 [x] R2 [x], p(x) 7 xDx (p(x)) Dx (xp(x)).
iii M33 (R) M33 (R), A 7 T (A) + A donde T (A) es la
transpuesta de A.
12 Sean f, g : V V endomorfismos.
i Calcule (f g) en terminos de f y g .
ii Muestre que si f es autoadjunta entonces tambien lo es f .
iii Muestre que f + f es autoadjunta.
13 Diagonalice, de ser posible, las transformaciones dadas. Decida
cuales son autoadjuntas y de en tal caso la forma cuadratica
correspondiente y la forma en ejes principales.

Captulo 4. El Teorema Espectral y las Formas Cuadraticas

103

i R2 R2 , (x, y) 7 (2x + y, 2y + x).

ii R5 R5 , (x, y, z, u, v) 7 (2x + y, 2y + x, 2z + u + v, z +
2u + v, z + u + 2v)
iii M33 (R) M33 , A 7 T (A).
iv M33 (R) M33 , A 7 A T (A).
14 Grafique
i 8x2 12xy + 17y 2 80.
ii 3x2 + 2xy + 3y 2 = 4.
iii 11x2 24xy + 4y 2 + 6x + 8y = 15.
iv 16x2 + 24xy + 9y 2 30x + 4y = 5.
15 Sean S = {A1 , A2 } y T = {B1 , B2 } dos sistemas ortonormales
en V . LLame el angulo en S y T el angulo entre A1 y B1 . En
cada caso de 14 de el angulo entre el sistema (x, y) y el sistema
[u, v].
16 Suponga que : V R es una forma cuadratica en un espacio
con producto interno.
i Mustre que no es lineal calculando (A + B) en terminos
de (A), (V ) y < , >.
ii Muestre que < , > se puede despejar en terminos de (use
i).

104

Algebra Lineal