TIPOS DE FORMAS CUADRÁTICAS.

Una forma cuadrática es por tanto un aplicación que es un polinomio de segundo grado con varias
variables. Se le puede considerar un caso específico de forma bilineal

Dado que una forma cuadrática es una función de varias variables que toma valores reales, atendiendo al signo
de los mismos podemos efectuar una clasificación de las formas cuadráticas de acuerdo con la siguiente
definición:

DEFINICIÓN (Tipos de formas cuadráticas)

Sea q(x1,...,xn) una forma cuadrática diremos que

a. q es DEFINIDA POSITIVA (d.p.) 

b. q es DEFINIDA NEGATIVA (d.n.) 
c. q es SEMIDEFINIDA POSITIVA (s.d.p.)  y existe algún vector no
nulo tal que
d. q es SEMIDEFINIDA NEGATIVA (s.d.n.)  y existe algún vector no
nulo tal que
e. q es INDEFINIDA  existen tales que

La clasificación que acabamos de realizar es EXHAUSTIVA y EXCLUYENTE, siempre que q no sea

nula. En algunos textos se considera que la formas cuadráticas definitas positivas y definidas negativas
son casos particulares de las semidefinidas positivas y negativas respectivamente; debido a las
definiciones dadas.
EJEMPLO.

Consideremos la forma cuadrática:

si efectuamos su representación gráfica (es una función de dos variables y por tanto su gráfica es una superficie
de R3), con el comando Plot-(overlay)-Plot obtenemos:

Obsérvese que los valores de la función siempre quedan por encima del plano z=0. Por otro lado esto es
evidente puesto que la forma cuadrática está ya en forma canónica y únicamente se anula si x1=x2=0, es decir
en (0,0), el resto de valores es positivo.

Se trataría por tanto de una forma cuadrática DEFINIDA POSITIVA.

 Consideremos la forma cuadrática

si efectuamos su representación gráfica obtendremos

Se trata de una forma cuadrática DEFINIDA NEGATIVA.

 Sea la forma cuadrática

si efectuamos su representación gráfica con PLOT-PLOT obtenemos

obsérvese que esta gráfica únicamente se anula para la recta x1=-x2, situación que se hace evidente si
consideramos su expresión canónica que sería q3(x1,x2)= (x1 +x2)2

obsérvese que los valores que anulan esta función son aquellos de la recta x1+x2=0. Como existen vectores
distintos del vector nulo , en particular vectores de la forma

(a,-a) tales que q3(a,-a)=0, y para el resto de vectores la forma cuadrática siempre es positiva, entonces
podemos decir que esta es una forma cuadrática SEMIDEFINIDA POSITIVA.
Gráficamente se puede ver de forma sencilla, por lo que acabamos de comentar, los únicos puntos de la
superficie que se hacen cero son los de dicha recta, el resto de puntos corresponden con valores positivos del eje
z.

Consideremos la cuarta forma cuadrática

si efectuamos su representación gráfica, obtenemos

Podemos observar que todos los puntos del plano se hacen negativos o cero. Únicamente se hacen nulos para la
recta x1+x2=0 (es decir x+y=0) , esto quiere decir que se trata de una forma cuadrática SEMIDEFINIDA
NEGATIVA.

 r último consideremos ahora la última forma cuadrática:

su representación gráfica es:

existen puntos en los que la función es positiva y otros en los que la función es negativa.

Por ejemplo si consideramos el punto (1,1), obsérvese que

Y por otro lado el punto (1,-1) cumple que

Por tanto para dos puntos distintos, la forma cuadrática es en unos casos positiva y en otros negativa, se trata así
de una forma cuadrática INDEFINIDA.

Esta clasificación la hemos realizado de forma GRÁFICA en su mayor parte pero ¿existirá algún criterio para
clasificar la forma cuadrática cuando esta no se pueda representar? ¿por ejemplo para formas cuadráticas de más
de dos variables?

Un primer método de clasificación sería el de intentar expresar la forma cuadrática como una suma de
cuadrados: COMPLECIÓN DE CUADRADOS:

EJEMPLO.

Sea la forma cuadrática

Podríamos intentar expresarla como suma de cuadrados, para ello, observemos que aparece un término 2x1 x2,
que no es un cuadrado, estos nos permitiría reagrupar términos y considerar que q6 es de la forma

Obsérvese que es la misma expresión pues simplificando se obtiene

Así pues la forma cuadrática se puede expresar como suma de cuadrados.

Obsérvese que q6 así expresado es siempre positivo salvo para (0,0,0). Por tanto q6 es definida positiva.

Veamos otro ejemplo.

Sea la forma cuadrática

Esta se puede expresar como

Comprobar esto es sencillo basta simplificar esta expresión

Obteniéndose la expresión anterior.

Partiendo de esta suma anterior de cuadrados puede comprobarse que a consecuencia del signo la cantidad es
siempre negativa salvo en el punto (0,0,0) luego q7 sería DEFINIDA NEGATIVA.

Este método no es muy operativo y depende de que la forma cuadrática admita una descomposición sencilla.

A. CRITERIO DE LOS AUTOVALORES

El criterio de los menores principales acabamos de ver que no nos permite una clasificación exhaustiva,
de las formas cuadráticas semidefinidas e indefinidas. Por ello, consideraremos este método alternativo
gracias al cual podemos obtener una clasificación total.

Como la matriz A asociada a una forma cuadrática es REAL y SIMÉTRICA entonces siempre es
DIAGONALIZABLE y por tanto se verificará que existe una matriz ortogonal Q tal que D=QtA.Q
siendo D la matriz diagonal. Esto quiere decir que siempre existirá una expresión canónica de la misma
en función de sus autovalores puesto que

expresión canónica de la forma cuadrática. Esto nos permite determinar la clasificación de la forma
cuadrática en función de sus autovalores mediante el siguiente criterio:

PROPOSICIÓN (Criterio de los autovalores)

Sea una forma cuadrática , siendo A su matriz asociada. Si los autovalores de A son
1,...,n, entonces se verifica que:

(1) q es DEFINIDA POSITIVA i>0 para todo i=1,...,n

(2) q es DEFINIDA NEGATIVA i<0 para todo i=1,...,n

(3) q es SEMIDEFINIDA POSITIVA i0 para todo i=1,...,n y existe al menos i0 tal que i0 =0.

(4) q es SEMIDEFINIDA NEGATIVA i0 para todo i=1,...,n y existe al menos i1 tal que i1 =0.

(5) q es INDEFINIDA  existen i2,i3 tales que i2<0 y i3>0.

EJEMPLO

Utilizando este criterio clasificar la forma cuadrática

.q(x1,x2,x3,x4)=-7x12+4x1x2+34x1x3+8x22+4x2x3-7x32+36x42

Vamos a obtener en primer lugar la matriz asociada a la forma cuadrática, y la definimos por B9:

Para aplicar el criterio de los autovalores, bastará calcularlos y observar su signo, en nuestro caso
aplicando
 Obtenemos que existen autovalores positivos y otros negativos por lo que la forma cuadrática es
INDEFINIDA.

Veamos un segundo ejemplo.

Consideremos la forma cuadrática definida por

Donde

Para clasificar la forma cuadrática bastará aplicar

De donde se deduce que las forma cuadrática es SEMIDEFINIDA POSITIVA.

APLICACIÓN DIRECTA A LA OPTIMIZACIÓN SIN RESTRICCIONES.

Si recordamos el criterio de clasificación de los puntos críticos de una función de varias variables, se limitaban
a dar criterios para funciones de dos variables. Podemos ahora establecer (con la ayuda de las formas
cuadráticas) un criterio que permite clasificar puntos críticos de una funcion de varias variables cualesquiera de
la siguiente forma:

TEOREMA (Condiciones de segundo orden de óptimo local)

Sea f:D RnR una función de varias variables, tal que f tiene derivadas parciales
primeras y segundas continuas en D.

Sea x0D un punto crítico de f ( f(x0)=(0,...,0))

Si Hf(x0) es la matriz HESSIANA de f en el punto x0 se cumple:

1. Si Hf(x0) es D.P.  x0 es un mínimo local de f.

2. Si Hf(x0) es D.N.  x0 es un máximo local de f.
3. Si Hf(x0) es indefinida  x0 es un punto de silla.
4. Si Hf(x0) es S.D.P.  x0 es mínimo local o punto de silla
5. Si Hf(x0) es S.D.N.  x0 es máximo local o punto de silla.

EJEMPLO

Consideremos el siguiente ejemplo de aplicación. Sea la función

Calculemos primero sus puntos críticos, a través del gradiente de la función

Estudiemos cuales son los valores que hacen cero cada una de estas componentes, es decir, resolvemos
2xy2=0
2x2y=0
De la primera ecuación se deduce que x=0 ó y=0.

Y utilizando estos valores en la segunda nuevamente se deduce que si x=0, se cumple y si y=0 también por
tanto los puntos críticos de la función f1(x,y) son de la forma

(a,0), (0,0), (0,b) con a y b dos números reales no nulos.

Calculemos ahora la matriz hessiana

Si damos nombre a esta matriz:

Tendremos facilidad para ahora estudiar la matriz hessiana en los puntos que hemos determinado:

 Para (a,0):

Se trata de una forma cuadrática SEMIDEFINIDA POSITIVA por tanto según el los puntos de la
forma (a,0) son mínimos locales o puntos de silla.

 Para (0,b):

Se trata de una forma cuadrática SEMIDEFINIDA POSITIVA luego los puntos de la forma (0,b)
son mínimos locales o puntos de silla.

 Para (0,0):

La forma cuadrática es inclasificable puede ser SEMIDEFINIDA POSITIVA o

SEMIDEFINIDA NEGATIVA.
Una solución a este problema de determinación se puede obtener estudiando gráficamente la función:

Como puede verse la recta x=0 y la recta y=0 son rectas de mínimos.

Por otro lado esto se podría ver claramente pues la función

.f1(x,y)=x2y2 y como

.f1(a,0)=f1(0,b)=0  f1(x,y) para cualquier (x,y) de R2 se trata de dos rectas de mínimos absolutos.

EJEMPLO 2.

Consideremos ahora la función:

Vamos a clasificar sus puntos críticos usando la forma cuadrática asociada a su matriz hessiana.

El gradiente de f2(x,y) se obtiene con

Obsérvese que 2x=0, -2y=0 si y sólo si (x,y)=(0,0), que es el único punto crítico.

Calculemos su matriz hessiana:

Si clasificamos la forma cuadrática que tiene por matriz asociada a la matriz anterior, podemos deducir que se
trataría de una forma cuadrática indefinida. De acuerdo con el teorema esto nos lleva a la conclusión de que el
punto crítico (0,0) es un punto de silla.

Si representamos nuevamente la función con PLOT-PLOT obtenemos:

Obsérvese que efectivamente el punto (0,0) es un punto de silla.

EJEMPLO 3.

Clasificar los puntos críticos de la función

Calculemos el vector gradiente:

El vector gradiente es nulo:

Si se verifican las ecuaciones:

Si tomamos la primera ecuación y resolvemos respecto de y obtenemos

Ahora sustituyendo este valor de y en la segunda ecuación tendremos que resolver la ecuación en x:

Que con soLve nos da:

Luego los valores de x que anulan ambas ecuaciones son x=0, x=3.

Veamos cuales son los correspondientes de y.

Para x=0, como y=x2/3 entonces y=0 por tanto primer punto crítico (0,0)
Para x=3, como y=x2/3 entonces y=3 por tanto segundo punto crítico (3,3).

Vamos a clasificar estos puntos críticos por medio de la matriz hessiana.

La matriz hessiana de la función se obtiene con:

La definimos de la forma:

Vamos a clasificar el (0,0). La matriz hessiana en el (0,0) viene dada por:

Esta matriz tiene como autovalores:

Luego se trataría de la matriz asociada a una forma cuadrática que es indefinida, en consecuencia el punto (0,0)
es un punto de silla.

Clasifiquemos el (3,3). La matriz hessiana en el (3,3) se obtiene con:

Y los autovalores de esta matriz son:

Ambos positivos, por tanto se trataría de la matriz asociada a una forma cuadrática definida positiva. En
consecuencia el (3,3) es un máximo local.

Si representamos esta función se observa: