Tema 5a.

Formas bilineales
Definición 1. Sea V un espacio vectorial sobre un cuerpo K. Llamamos Ejemplo 1. Las siguientes aplicaciones son bilineales:
forma bilineal a toda aplicación
1. f : R2 × R2 −→ R definida como f [(a, b), (c, d)] = ac + bd
f: V ×V −→ K
(

)
x, y −→ f (

)
x, y 2. f : R2 × R2 −→ R definida como f [(a, b), (c, d)] = ad − bc
que verifica
3. f : Kn × Kn −→ K definida como f (X, Y ) = X tAY , con
1. f (
y + µ

x, λ
z ) = λf (

) + µf (

x, y z)
x,

A ∈ Mn(K).
∀
x, y z∈V

,
y λ, µ ∈ K.
Teorema 1. Sea f : V × V → K una forma bilineal. Entonces:
2. f (λ

x + µ
z ) = λf (

y,
z ) + µf (

x,
z)
y,

∀
x, y z∈V

,
y λ, µ ∈ K.
f (

x,
0) = f (
0,

x) = 0 ∀

x∈V
Obsérvese que una forma bilineal es lineal para cada una de las
componentes.
Si K = R se dice que f es una forma bilineal real. En lo sucesivo nos
restringimos a este caso.

J. Medina. Dpto. Matemática Aplicada Curso 04/05. Formas bilineales. 1 J. Medina. Dpto. Matemática Aplicada Curso 04/05. Formas bilineales. 2

Matriz asociada a una forma bilineal

Definición 2. Se dice que una forma bilineal f : V × V → K es en una base B
simétrica si verifica que

f (

) = f (

x, y x)
y,
∀

∈V
x, y
Definición 4. Sea V un espacio vectorial sobre un cuerpo K, y sea
Ejemplo 2. La forma bilineal f : R2 × R2 −→ R definida por f : V × V → K una forma bilineal.
f [(x1, x2), (y1, y2)] = x1y1 + x2y2 es simétrica. Si BV = {
v1,
vn} es una base de V entonces, dados dos
v2, . . . ,

vectores

∈ V tenemos que
x, y
Definición 3. Se dice que una forma bilineal f : V × V → K es
alternada (o antisimétrica) si verifica que f (

) = X t A Y =
x, y
⎛ ⎞⎛ ⎞
f (

) = −f (

x, y x)
y,
∀

∈V
x, y f (

v1,
v1) · · · f (

v1,
vn) y1
(x1, . . . , xn) ⎝ .. ... .. ⎠⎝ .. ⎠
Proposición 1. Una forma bilineal es alternada si y sólo si f (
x) = 0
x,
f (

vn,
v1) · · · f (

vn,
vn) yn
x∈V
para todo

donde la matriz A = (f (
vj )) de orden n definida sobre K recibe el
vi,

Ejemplo 3. La forma bilineal f : R2 × R2 −→ R definida por nombre de matriz de la forma bilineal f en la base BV y las matrices X
f [(x1, x2), (y1, y2)] = x1y2 − x2y1 es antisimétrica. e Y son las coordenadas de los vectores
xey
, en la base BV .

J. Medina. Dpto. Matemática Aplicada Curso 04/05. Formas bilineales. 3 J. Medina. Dpto. Matemática Aplicada Curso 04/05. Formas bilineales. 4
Ejemplo 4. Sea f : R3 × R3 −→ R una forma bilineal definida como Teorema 2. Sea V un e.v. de dimensión n sobre el cuerpo K y sea
f : V × V −→ K una forma bilineal. Si A1 es la matriz asociada a f
f [(x1, x2, x3), (y1, y2, y3)] = en la base B1 de V y A2 es la matriz asociada a f en la base B2 de V
= 2x1y1 − 3x1y2 + 6x1y3 + x2y3 + 2x3y1 − x3y2 entonces se verifica que
A2 = P t A1 P
Calcular la expresión matricial de f en la base canónica de R3 y en la donde P es la matriz de cambio de base de B2 a B1. (A1 y A2 son
base matrices congruentes).
B = {(2, 0, 0), (0, 1, 0), (1, 0, 1)}
Ejemplo 5. Comprobarlo en el ejercicio anterior y en la forma bilineal
f : R2 × R2 −→ R definida por

f [(x1, x2), (y1, y2)] = x1y1 + 2x1y2 + 3x2y1 + 4x2y2

donde B1 es la b. canónica y B2 = {(0, 1), (−1, 2)}

J. Medina. Dpto. Matemática Aplicada Curso 04/05. Formas bilineales. 5 J. Medina. Dpto. Matemática Aplicada Curso 04/05. Formas bilineales. 6

Producto escalar Ejemplos

Definición 5. Sea V un espacio vectorial sobre un cuerpo K y f : V × 1. Sea V = Rn. Sean
xey
dos vectores con coordenadas en la base
V → K una forma bilineal. Decimos que f es una forma bilineal canónica {x1, . . . , xn} y {y1, . . . , yn} respectivamente. Se define
definida positiva si verifica: un producto escalar como

f (
x) > 0
x,
∀

x∈V ,

x =
0 <

>= x1y1 + x2y2 + · · · + xnyn
x, y

Definición 6. Sea V un espacio vectorial definido sobre el cuerpo de 2. Sea V el e.v. sobre R de las funciones reales que son continuas en el
los números reales. Llamamos producto escalar a toda forma bilineal intervalo [a, b]. Se puede definir el producto escalar de dos funciones
f : V × V → R simétrica y definida positiva. f, g ∈ V como
 b
Definición 7. Llamamos espacio vectorial euclı́deo a un espacio < f, g >= f (t)g(t)dt
vectorial real en el que se ha definido un producto escalar. a

Dados dos vectores

∈ V , su producto escalar f (

x, y
), suele
x, y 3. Sea V = Pn(R). Un producto escalar entre dos polinomios
denotarse de distintas formas:
p(x) = a0 + a1x + · · · + anxn q(x) = b0 + b1x + · · · + bnxn
f (

) = 

x, y
 = (

x, y x|

y) =

x·y


se define como: < p(x), q(x) >= a0b0 + a1b1 + · · · + anbn

J. Medina. Dpto. Matemática Aplicada Curso 04/05. Formas bilineales. 7 J. Medina. Dpto. Matemática Aplicada Curso 04/05. Formas bilineales. 8
Determinación de un producto escalar
Ejemplo 6. Sea V = P3(R) con producto escalar
Teorema 3. Sea V un e.v. euclı́deo y B = {
vn} una base de
v1, . . . ,

V . Entonces el producto escalar de dos vectores cualesquiera,

∈V
x, y  1
queda determinado conociendo los productos escalares 
vj  de los
vi,
< p(t), q(t) >= p(t)q(t)dt
vectores de B. n  n
0



 =
x, y xiyj 
vj 
vi,
Hallar la matriz G asociada a dicho producto escalar en la base B =
i=1 j =1
{1, t, t2, t3}
Expresando matricialmente este resultado: Definición 8. Sea V un e.v. euclı́deo. Llamamos norma, módulo o
x ∈ V al número real:
longitud de un vector



 = X t G Y =
x, y

⎛ ⎞⎛ ⎞ ||

x|| = 
x
x,



v1,
v1 · · · 

v1,
vn y1
(x1, . . . , xn) ⎝
.. ... .. ⎠⎝ .. ⎠
Definición 9. Se dice que un vector
x es unitario o normalizado si

vn,
v1 · · · 

vn,
vn yn

x
donde G es la matriz asociada al producto escalar dado en la base B: ||

x|| = 1. Dado un vector
x = 0 el vector es unitario. Este
||

x||
matriz de Gram. proceso se llama normalización de

x.

J. Medina. Dpto. Matemática Aplicada Curso 04/05. Formas bilineales. 9 J. Medina. Dpto. Matemática Aplicada Curso 04/05. Formas bilineales. 10

Conjunto ortogonal y ortonormal

Proposición 2. Propiedades de la norma. Sea V un e.v. euclı́deo, y
sean

∈ V , λ ∈ R. Entonces:
x, y
Definición 11. En un e.v. euclı́deo V se dice que

∈ V son
x, y
1. ||

x|| = 0 si y sólo si

x =
0 vectores ortogonales si 

 = 0
x, y
2. ||λ

x|| = |λ| ||

x|| Observar que dos vectores no nulos
x, y

son ortogonales si y sólo si son
3. |

| ≤ ||

x, y x|| ||

y || (Desigualdad de Schwarz) perpendiculares, pues en este caso cos(

) = 0. Por ello si

x, y x, y

son
x⊥y
ortogonales suele denotarse

.
4. ||

x+y

|| ≤ ||

x|| + ||

y || (Desigualdad triangular)
Definición 12. Un conjunto de vectores no nulos {
vn} de un
v1, . . .

Definición 10. Sean
x, y

dos vectores no nulos de un espacio vectorial espacio vectorial euclı́deo V se dice que es un conjunto ortogonal
euclı́deo V . El ángulo que forman

xey
se define: si cada vector del conjunto es ortogonal a todos los demás, es decir



x, y 
vj  = 0, ∀i = j.
vi,

áng(

) = θ = arccos
x, y
||

x|| ||

y || Diremos que dicho conjunto es ortonormal si además se verifica que los
vectores que lo forman son unitarios.
Utilizando la definición de ángulo podemos expresar el producto escalar
de dos vectores de la forma: Teorema 4. Sea V un espacio vectorial euclı́deo. Si S = {
vn}
v1, . . .

es un conjunto ortogonal de vectores no nulos de V , entonces dicho


 = ||

x, y x|| ||

y || cos θ conjunto es linealmente independiente.

J. Medina. Dpto. Matemática Aplicada Curso 04/05. Formas bilineales. 11 J. Medina. Dpto. Matemática Aplicada Curso 04/05. Formas bilineales. 12
 Método de ortogonalización de
Gram-Schmidt Por lo tanto:
Teorema 5. En todo espacio vectorial euclı́deo V de dimensión finita 0 = 
e1 = 

e2,
v2 + a21
e1
e1,

existe al menos una base ortonormal.
= 
e1 + a21

v2,
e1
e1,

Utilizamos un método constructivo, que partiendo de una base cualquiera
B = {
vn} de V permite obtener una base ortogonal Bog =
v1, . . . ,
−
e1
v2,

{
en} de V .
e1, . . . ,
a21 =

e1
e1,

Se definen los vectores desconocidos de Bog como combinación lineal de
los de B 0 = 
e1
e3,



e1 =

v1 = 

v3 + a31
e1 + a32
e1
e2,



e2 =

v2 + a21

e1 = 
e1 + a31

v3,
e1 + a32

e1,
e1
e2,



e3 =

v3 + a31

e1 + a32

e2 −
e1
v3,

.. a31 =

e1
e1,



en =

vn + an1

e1 + an2

e2 + · · · + an,n−1

en−1

Los vectores

ei,

ej tienen que ser ortogonales (<
ej >= 0).
ei,

J. Medina. Dpto. Matemática Aplicada Curso 04/05. Formas bilineales. 13 J. Medina. Dpto. Matemática Aplicada Curso 04/05. Formas bilineales. 14

Diagonalización Ortogonal
Calculando ası́ cada uno de los coeficientes aij tenemos que: Definición 13. Dada P ∈ Mn(R), es una matriz ortogonal si
P −1 = P t .


e1 =

v1 Teorema 6. La matriz P ∈ Mn(R) es ortogonal si y sólo si las

e1
v2,
columnas (y filas) de P forman un conjunto ortonormal.


e2 =

v2 −

e1

e1
e1,

Definición 14. La matriz A ∈ Mn(R) es diagonalizable

e1
v3,

e2
v3,



e3 =

v3 − e1 −



e2 ortogonalmente si existe una matriz ortogonal P , tal que:

e1
e1,

e2
e2,

..
D = P tAP

e1
vn,

e2
vn,

en =


vn − e1 −

e2 − . . .



e1
e1,

e2
e2,
donde D es la matriz diagonal formada por los autovalores

en−1
vn,
λ1, λ2, . . . , λn de A y P es la matriz formada por una base de
··· −

en−1


en−1,
en−1 vectores propios que es ortonormal.
⎛ ⎞
1 2 1
Ejemplo 7. Sea V = R3 con el producto escalar usual. Ejemplo 8. Estudiar si la matriz A = ⎝ 0 1 0 ⎠ es diagonalizable
Aplicar el método de Gram-Schmidt a la base B = 0 4 3
{(1, 1, 0), (1, 0, 1), (0, 1, 1)}. y en caso afirmativo diagonalizarla ortogonalmente.

J. Medina. Dpto. Matemática Aplicada Curso 04/05. Formas bilineales. 15 J. Medina. Dpto. Matemática Aplicada Curso 04/05. Formas bilineales. 16
 Endomorfismos simétricos y Matrices
Simétricas Ejemplo 9. Comprobar que se verifican los dos teoremas anteriores
para la matriz ⎛ ⎞
0 0 −2
= ⎝ 0 −2 0 ⎠
Definición 15. Sea V un e.v. euclı́deo. Se dice que f : V → V es −2 0 3
x, f (

un endomorfismo simétrico si <
y ) >=< f (
x), y

> para todo


∈ V.
x, y Teorema 9. [espectral] Sea V un e.v. euclı́deo de dimensión finita n.
Si f : V → V es un endomorfismo simétrico, entonces existe una base
Proposición 3. Si el e.v. euclı́deo V tiene dimensión finita y si A es ortonormal de V formada por vectores propios de f .
la matriz asociada a f en una base ortonormal de V , entonces f es
simétrico si y sólo si A es simétrica. Corolario 1. Si A ∈ Mn(R) es una matriz simétrica, entonces A es
diagonalizable ortogonalmente en R.
Teorema 7. Sea A ∈ Mn(R) una matriz simétrica. Entonces los
autovalores de A son siempre reales. Ejemplo 10. Diagonalizar ortogonalmente la siguiente matriz
⎛ ⎞
Teorema 8. Si A ∈ Mn(R) es una matriz simétrica, entonces 0 2 2
los autovectores que corresponden a autovalores distintos de A son A=⎝ 2 0 2 ⎠
ortogonales. 2 2 0

J. Medina. Dpto. Matemática Aplicada Curso 04/05. Formas bilineales. 17 J. Medina. Dpto. Matemática Aplicada Curso 04/05. Formas bilineales. 18