Criterio de Sylvester para matrices definidas positivas y negativas

Actualizado el
El criterio de Sylvester permite saber si una matriz simétrica es definida positiva mirando solo los determinantes de sus esquinas superiores izquierdas (los menores principales dominantes): lo es si y solo si todos son positivos. Es el método rápido para clasificar formas cuadráticas y para decidir si un punto crítico de una función de varias variables es un mínimo o un máximo a partir de su matriz hessiana.
Definiciones previas
Una matriz simétrica real A de tamaño n × n (o hermítica, en el caso complejo) es:
- Definida positiva si xTAx > 0 para todo vector x ≠ 0.
- Definida negativa si xTAx < 0 para todo x ≠ 0.
- Semidefinida positiva o negativa si se cumple con ≥ o ≤.
- Indefinida si xTAx toma valores positivos y negativos.
Los menores principales dominantes son Δ1 = a11, Δ2 = det de la submatriz 2 × 2 de arriba a la izquierda, …, Δn = det A.
Enunciado del criterio de Sylvester
Sea A una matriz simétrica real (o hermítica) n × n.
A es definida positiva ⇔ Δ1 > 0, Δ2 > 0, …, Δn > 0
Para la definida negativa basta aplicarlo a −A. Como el menor de orden k de −A es (−1)kΔk, queda:
A es definida negativa ⇔ los signos se alternan empezando en negativo: Δ1 < 0, Δ2 > 0, Δ3 < 0, …
Si todos los Δk son distintos de cero pero no siguen ninguno de los dos patrones, la matriz es indefinida.
Ejemplos resueltos
Ejemplo 1: matriz 3 × 3 definida positiva
A = [[2, −1, 0], [−1, 2, −1], [0, −1, 2]].
- Δ1 = 2
- Δ2 = 2 · 2 − (−1)(−1) = 3
- Δ3 = det A = 4
Los tres son positivos: A es definida positiva. Sus autovalores son 2 − √2, 2 y 2 + √2, todos positivos, lo que confirma el resultado.
Ejemplo 2: matriz indefinida
B = [[1, 2], [2, 1]]. Δ1 = 1 y Δ2 = 1 − 4 = −3. No sigue ningún patrón: B es indefinida. Sus autovalores son 3 y −1. Con x = (1, −1) se obtiene xTBx = 1 − 4 + 1 = −2, y con x = (1, 1), 6.
Ejemplo 3: matriz definida negativa
C = [[−3, 1], [1, −2]]. Δ1 = −3 < 0 y Δ2 = 6 − 1 = 5 > 0. Signos alternos empezando en negativo: C es definida negativa.
Ejemplo 4: una forma cuadrática
Q(x, y, z) = x2 + 2y2 + 3z2 + 2xy. Su matriz es [[1, 1, 0], [1, 2, 0], [0, 0, 3]] (el término 2xy se reparte: 1 en la posición (1, 2) y 1 en la (2, 1)). Menores: 1, 1 y 3. Q es definida positiva: Q > 0 para todo (x, y, z) ≠ 0. Se ve también completando cuadrados: Q = (x + y)2 + y2 + 3z2.
Ejemplo 5: matriz con un parámetro
¿Para qué valores de a es definida positiva [[1, a], [a, 4]]? Δ1 = 1 > 0 siempre, y Δ2 = 4 − a2 > 0 cuando −2 < a < 2.
Aplicación: máximos y mínimos con la hessiana
Si f(x, y) tiene un punto crítico (gradiente nulo) y su matriz hessiana en ese punto es definida positiva, el punto es un mínimo local; si es definida negativa, un máximo local; si es indefinida, un punto de silla.
Ejemplo. f(x, y) = x2 + xy + y2 − 3x.
- Gradiente: fx = 2x + y − 3 = 0, fy = x + 2y = 0. Solución: x = 2, y = −1.
- Hessiana: [[2, 1], [1, 2]]. Menores: 2 y 3, positivos.
- Conclusión: mínimo local en (2, −1), con f(2, −1) = −3. Como la hessiana es la misma en todos los puntos, es el mínimo global.
Otro ejemplo: g(x, y) = x3 − 3x + y2 tiene puntos críticos en (1, 0) y (−1, 0). En (1, 0) la hessiana es [[6, 0], [0, 2]], con menores 6 y 12: mínimo. En (−1, 0) es [[−6, 0], [0, 2]], con menores −6 y −12: no es definida, y como el determinante es negativo es indefinida, así que es un punto de silla.
Que las derivadas cruzadas fxy y fyx coincidan, y por tanto que la hessiana sea simétrica, lo garantiza el teorema de Schwarz.
Límites del criterio
No sirve tal cual para semidefinidas
Con menores dominantes ≥ 0 no se puede concluir que la matriz sea semidefinida positiva. Ejemplo: [[0, 0], [0, −1]] tiene Δ1 = 0 y Δ2 = 0, pero con x = (0, 1) da xTAx = −1. Para las semidefinidas hay que mirar todos los menores principales (los que se forman eligiendo las mismas filas y columnas, no solo las de la esquina): A es semidefinida positiva si y solo si todos son ≥ 0. Aquí el menor formado por la segunda fila y la segunda columna vale −1.
Solo para matrices simétricas
Con matrices no simétricas el criterio puede fallar. M = [[1, 4], [0, 1]] tiene menores 1 y 1, pero con x = (1, −1): xTMx = 1 − 4 + 1 = −2. Si hace falta, se trabaja con la parte simétrica (M + MT)/2, que da la misma forma cuadrática.
Tabla resumen
| Signos de Δ1, Δ2, Δ3, … | Clasificación |
|---|---|
| +, +, +, … | Definida positiva |
| −, +, −, … | Definida negativa |
| Todos ≠ 0, otro patrón | Indefinida |
| Algún Δk = 0 | No concluye: mirar todos los menores principales o los autovalores |
Otros resultados con el nombre de Sylvester
El criterio recibe el nombre del matemático británico James Joseph Sylvester. No hay que confundirlo con la ley de inercia de Sylvester (el número de autovalores positivos, negativos y nulos de una forma cuadrática no depende de la base) ni con la matriz de Sylvester, que sirve para calcular la resultante de dos polinomios. Los autovalores reales y la base ortonormal de las matrices simétricas los garantiza el teorema espectral, que da otro criterio equivalente: definida positiva si y solo si todos los autovalores son positivos. Los determinantes que aparecen aquí son los mismos menores que se usan para calcular el rango en el teorema de Rouché-Frobenius.
Preguntas frecuentes
¿Qué dice el criterio de Sylvester?
Que una matriz simétrica es definida positiva si y solo si todos sus menores principales dominantes son positivos.
¿Cómo se aplica a matrices definidas negativas?
Los menores principales dominantes deben alternar el signo empezando en negativo: Δ1 < 0, Δ2 > 0, Δ3 < 0…
¿Sirve para matrices semidefinidas?
No con los menores dominantes. Para semidefinida positiva hay que comprobar que todos los menores principales sean mayores o iguales que cero.
¿Para qué se usa en cálculo?
Para clasificar puntos críticos: si la hessiana es definida positiva hay un mínimo; si es definida negativa, un máximo; si es indefinida, un punto de silla.
RELACIONADOS