127

CAPÍTULO 8
ISOMETRÍAS Y SEMEJANZAS VECTORIALES

§8.1 INTRODUCCIÓN

Hemos estudiado ya en capítulos anteriores operadores lineales de 2 en 2 que pueden

interpretarse geométricamente como isometrías en el plano; es decir que si pensamos los vectores
de 2 como puntos del plano dichos operadores lineales conservan distancias. Esto nos permite
plantear la posibilidad de generalizar el concepto de isometría a cualquier espacio vectorial
euclidiano. Para ello podríamos utilizar del concepto de norma. Hablando informalmente la
norma de un vector de 2 puede pensarse como la distancia de su punto final al origen. Es
pertinente plantearse entonces la siguiente pregunta: ¿decir que un operador lineal conserva la
norma es lo mismo que decir que conserva distancias?

Sabemos además que las isometrías también conservan ángulos. Para introducir la noción de
ángulo entre dos vectores en un espacio vectorial cualquiera tuvimos que introducir el concepto
de producto interno. Es razonable investigar más a fondo la relación entre el producto interno de
dos vectores y el ángulo entre ellos. Para ser más precisos cabe preguntarse: ¿decir que un
operador lineal conserva el producto interno es lo mismo que decir que conserva ángulos?

A las dos preguntas ya planteadas se pueden sumar otras dos: ¿decir que un operador lineal
conserva la norma es lo mismo que decir que conserva el producto interno?, ¿decir que un
operador lineal conserva ángulos es lo mismo que decir que conserva distancias?

De las cuatro preguntas planteadas sólo conocemos la repuesta a la última. Sabemos del curso de
Geometría que las homotecias conservan ángulos pero no conservan distancias y es sencillo
verificar que si k es un real no nulo el operador lineal H k : 2 → 2 definido por Hk ( v ) = k.v
es una homotecia de centro en el origen y razón k.

Intentemos dar respuesta a las otras tres preguntas.

La primera era la siguiente: ¿decir que un operador lineal conserva la norma es lo mismo que
decir que conserva distancias? Para ensayar una respuesta debemos precisar a qué llamamos
distancia entre dos vectores en un espacio vectorial euclidiano. La siguiente definición parece una
generalización natural de lo que sucede en 2 y 3 .

Definición
Sea V un espacio vectorial euclidiano y u y v dos vectores de V. Llamamos distancia
entre u y v al real u − v . Notaremos d ( u, v ) .

127
 128

Veamos pues si podemos responder a la última pregunta planteada; sean u y v dos vectores de un
espacio vectorial euclidiano V y T : V → V un operador lineal. Si T conserva la norma se tiene
d (T ( u ) , T ( v ) ) = T ( u ) − T ( v ) = T (u − v ) = u − v = d (u, v ) y por ende T conserva distancias.
Recíprocamente, si T conserva distancias podemos escribir la igualdad T ( u ) = T ( u ) −  =

= T ( u ) − T ( ) = d (T ( u ) , T ( ) ) = d (u, ) = u −  = u y por lo tanto T conserva la norma.

Concluimos que la respuesta a nuestra primera pregunta es afirmativa. Esto es en términos
informales, T conserva distancias si y sólo si T conserva la norma.

Analicemos nuestra segunda pregunta: ¿decir que un operador lineal conserva el producto interno
es lo mismo que decir que conserva ángulos?
Supongamos que T conserva el producto interno. Entonces si  es el ángulo entre u y v y  ' es el
T (u ) ,T (v ) u, v
ángulo entre T ( u ) y T ( v ) , tenemos que cos  ' = = . Pero
T (u ) . T (v ) T (u ) . T (v )

T (u ) = T (u ) ,T (u ) = u, u = u (*) y de igual forma se ve que T ( v ) = v por lo que

u, v
cos  ' = = cos  . Como  , '  0,   se tiene  =  ' .
u.v

Hemos probado que si T conserva el producto interno, entonces T conserva ángulos. Para probar
el recíproco deberíamos partir de que  =  ' y concluir que T ( u ) , T ( v ) = u, v .

u, v T (u ) ,T (v )
Ahora,  =  '  cos  = cos  '  = . Pero esto no nos permite concluir la
u .v T (u ) . T (v )
igualdad de los numeradores pues podría existir una constante c tal que u, v = c. T ( u ) , T ( v ) y

u . v = c. T ( u ) . T ( v ) . De hecho, este recíproco es falso. Retomemos el ejemplo de la

homotecia en 2
definida por Hk ( v ) = k.v . Sabemos que H k conserva ángulos. Sin embargo
H k ( u ) , H k ( v ) = ku, kv = k 2 u, v , de modo que si k  1 y k  −1 , H k no conserva el
producto interno.

En conclusión: si T conserva el producto interno, entonces T conserva ángulos pero el recíproco

no es cierto.

Finalmente abordemos la tercera pregunta: ¿decir que un operador lineal conserva la norma es lo
mismo que decir que conserva el producto interno?
Durante el análisis de la segunda pregunta ya probamos que si T conserva el producto interno,
entonces T conserva la norma (igualdad (*)).

128
 129

Veamos el recíproco, si T conserva la norma se tiene que para todo vector u, T ( u ) = u .

De aquí que T (u ) ,T (u ) = u, u  T ( u ) , T (u ) = u , u . Esta última igualdad es similar a

lo que queremos pero en principio no parece suficiente. Nuestra tesis es que para todo par de
vectores u y v se tiene T ( u ) , T ( v ) = u, v y sólo lo tenemos probado para el caso u = v . Esto
nos puede hacer pensar que este recíproco es falso. Sin embargo, para todo par de vectores u y v
u + v = u + v, u + v = u, u + 2 u, v + v, v =
2
podemos escribir la siguiente igualdad:

= u + 2 u, v + v y despejando 2 u, v = u + v − u − v . Una igualdad similar se obtiene

2 2 2 2 2

para T ( u ) y T ( v ) . Esto es 2 T ( u ) , T ( v ) = T ( u + v ) − T ( u ) − T ( v ) .
2 2 2

Como hemos supuesto que T conserva la norma podemos escribir la igualdad

2 T ( u ) , T ( v ) = T ( u + v ) − T ( u ) − T ( v ) = u + v − u − v = 2 u, v , y tenemos que
2 2 2 2 2 2

T ( u ) , T ( v ) = u, v para todo par de vectores u y v.

Concluimos que T conserva la norma si y sólo si T conserva el producto interno.

El resumen de todo este análisis es el siguiente:

Observación
Sea V un espacio vectorial euclidiano de dimensión finita y T : V → V un operador
lineal. Entonces:
1) Son equivalentes:
a) T conserva el producto interno.
b) T conserva la norma.
c) T conserva distancias.

2) Cualquiera de las tres afirmaciones anteriores implica que T conserva ángulos.

Con todo esto estamos en condiciones de afirmar que podemos utilizar como definición de
isometría en un espacio vectorial euclidiano cualquiera de las afirmaciones a), b) o c) de la
observación 1). Optaremos por la a).

Definición
Sea V un espacio vectorial euclidiano de dimensión finita y T : V → V un operador
lineal. Decimos que T es una isometría vectorial si y sólo si T ( u ) , T ( v ) = u, v , u, v  V .

129
 130

Observación
Teniendo en cuenta los comentarios hechos en la introducción tenemos que una
isometría vectorial es un operador lineal que conserva las distancias, las normas y los ángulos.
Además si T :V → V es un operador lineal, entonces las proposiciones 1) T es una isometría
vectorial, 2) T ( u ) − T ( v ) = u − v , u, v  V , 3) T ( v ) = v , u, v  V son equivalentes.

Observación
Recordemos que una de las características resaltadas en cursos anteriores sobre las
isometrías, es que son funciones biyectivas. Veamos dicha característica se puede extender a las
isometrías vectoriales. Consideremos T :V → V una isometría vectorial siendo V un espacio
vectorial euclidiano de dimensión finita. Ya que se trata de una transformación lineal en donde
dominio y codominio tienen la misma dimensión, T es biyectiva si y sólo si T es inyectiva.
Ahora T es inyectiva si y sólo si N(T ) =  . Vamos entonces en busca del núcleo de T.

v  N (T )  T (v) =   T (v) = 0 . Como T es una isometría vectorial T( v ) = v , así que

T (v) = 0  v = 0  v =  .

Por lo tanto N(T ) =  y entonces T es biyectiva.

Efectivamente entonces las isometrías vectoriales son funciones biyectivas.

Seguramente el lector recuerda que las isometrías con la composición forman grupo. Probemos
que esto también es cierto para las isometrías vectoriales. Si V es un espacio vectorial euclidiano
anotaremos M (V ) al conjunto de todas las isometrías vectoriales de V en V.

Proposición
( M (V ), ) es un grupo.
Dem:
Comencemos por demostrar que la composición es una operación en M (V ) para lo cual
alcanza con probar que la composición de dos isometrías vectoriales es una isometría vectorial.
Recordemos que ya probamos que la composición de dos transformaciones lineales es una
transformación lineal por lo que sólo nos resta probar que T S  M (V ) , T , S  M (V ) .

Ahora, T S  M (V )  (T S ) (v) = v , v V . Pero para todo vector v de V se tiene que

(T S ) (v) = T ( S (v)) =
T M (V )
S (v ) =
SM (V )
v y hemos logrado nuestro objetivo.

La asociativa es consecuencia inmediata de que M (V )  L(V ,V ) . Para justificar que se cumple la

existencia de neutro bastaría con demostrar que Id  M (V ) lo cual dejamos a cargo del lector.

130
 131

Por último, para probar que se cumple la existencia de inverso basta con demostrar que toda
isometría vectorial tiene inversa y que dicha inversa es una isometría vectorial. Ya probamos que
toda isometría vectorial es una función biyectiva y además es un operador lineal, por lo tanto
T  M (V ) , existe T −1 y es operador lineal. Faltaría probar que T −1 es una isometría vectorial.
Pero T −1  M (V )  T −1 (v) = v , v V . Ahora, v = T (T −1 (v) ) = T −1 (v) , v V .
T M (V )

Con lo cual queda demostrada nuestra afirmación. ♣

Sería útil brindar una clasificación de las isometrías vectoriales que hiciera referencia a las bases
del espacio vectorial. Esto es lo que hace la siguiente proposición.

Proposición
Sea V un espacio vectorial euclidiano de dimensión finita y T :V → V un
operador lineal. Entonces T es una isometría vectorial si y sólo si transforma una base ortonormal
en una base ortonormal.

Dem:
Primero demostremos que si T es una isometría vectorial entonces transforma base
ortonormal en base ortonormal. Más precisamente, si T es una isometría vectorial y
B = u1 , u2 , , un  es una base ortonormal de V, entonces T ( B) = T (u1 ), T (u2 ), , T (un ) es una
base ortonormal de V.

Ya que estamos en un espacio de dimensión n bastaría con probar que T ( B ) es un conjunto

ortonormal con n elementos. Pero como T es biyectiva y B tiene n elementos, T ( B ) también tiene
n elementos. Veamos entonces que es un conjunto ortonormal.

Como T es una isometría vectorial T (ui ), T (u j ) = ui , u j , ui , u j  B . Por otra parte, B es una

base ortonormal, lo que nos permite asegurar que ui , u j =  i j . En consecuencia,

T (ui ), T (u j ) = i j , igualdad cierta T (ui ), T (u j )  T ( B) , lo que nos asegura que T ( B ) es un
conjunto ortonormal.

Vamos ahora por el recíproco. O sea: si T transforma una base ortonomal B = u1 ,..., un  en una
base ortonormal T (B) = T (u1 ),..., T (un ) , entonces T es una isometría vectorial.

Para probar que T es una isometría vectorial bastaría con demostrar que T ( v ) = v , v V . Si

coordB ( v ) = ( x1, , xn ) , entonces v = x12 + + xn2 ya que B es una base ortonormal. Además
podemos afirmar que v = x1u1 + + xn un y por ende T (v) = x1T (u1 ) + + xnT (un ) . Por tanto,

131
 132

coordT ( B)T (v) = ( x1 , , xn ) y teniendo en cuenta que T ( B ) es también una base ortonormal

tenemos que T (v) = x12 + + xn2 , lo que prueba T (v) = v , v V . ♣

Si miramos con atención la demostración anterior podemos observar que en realidad hemos
probado que si existe una base ortonormal B de V tal que T ( B ) sea también una base ortonormal,
entonces T es una isometría vectorial.

Ejercicio
Sea V un espacio euclidiano de dimensión finita y T : V → V una función. Probar que
si T (u), T (v) = u, v , u, v V , entonces T es una isometría vectorial.

Sugerencia: faltaría demostrar que T es un operador lineal o sea que  ,   y u, v  V ,

T ( u +  v ) = T (u) +  T (v) o lo que es lo mismo T ( u +  v ) − T (u) − T (v) =  y esto es
equivalente a que T ( u +  v ) − T (u) −  T (v) = 0 . Le sugerimos demostrar esta última
igualdad.

§8.2 MATRIZ ASOCIADA A UNA ISOMETRÍA VECTORIAL

Ya que una isometría vectorial es una transformación lineal y a éstas las solemos dar a través de
una matriz, cabe preguntarse si la matriz asociada a una isometría vectorial tiene alguna
característica destacable.

Consideramos V un espacio vectorial euclidiano de dimensión finita, B = u1 , u2 , , un  una base

ortonormal de V, T : V → V una isometría vectorial y A = ai j = ( ) B
(T )B . Analicemos si A tiene
alguna particularidad y en caso afirmativo intentemos determinar cual.

( ) (T ) , se tiene que para todo i, j de 1 a n, coord T (u ) = ( a ,

Como A = ai j = B B B i 1i , ani ) y
coord B T (u ) = ( a , , a ) y dado que B es una base ortonormal de V podemos
j 1j nj escribir
n
T (ui ), T (u j ) = a1i . a1 j + + ani . an j =  ak i . ak j .
k =1

Por otra parte, teniendo en cuenta que T es una isometría vectorial, T (ui ), T (u j ) = ui , u j y

como B es una base ortonormal ui , u j =  i j .

132
 133

n
Entonces a
k =1
ki . ak j = a1i . a1 j + a2i . a2 j + + ani . an j =  i j . Dicho de otra manera el producto

escalar entre dos columnas es cero si son columnas distintas y uno si se trata de dos columnas
iguales. O sea, las columnas de esta matriz forman un conjunto ortonormal de n .

A las matrices cuadradas que cumplen tal condición las denominaremos matrices ortogonales.
Más precisamente:

Definición
n
Sea A = (aij ) M n ( ) . Decimos que A es ortogonal si y sólo si a
k =1
ki . akj =  ij .

En otras palabras. Una matriz es ortogonal si y sólo si sus columnas tomadas como vectores de
n
forman un conjunto ortonormal de n elementos y por tanto una base ortonormal de n .

Acabamos de probar que la matriz asociada a una isometría vectorial en una base ortonormal es
una matriz ortogonal. Motivo por el cual las isometrías vectoriales también reciben el nombre de
operadores ortogonales. Veamos que es una condición necesaria y suficiente.

Proposición
Sea V un espacio vectorial euclidiano de dimensión finita, B una base ortonormal de
V, T : V → V un operador lineal y A = B (T ) B . Entonces T es una isometría vectorial si y sólo si A
es ortogonal.

Dem:
( ) Ya probado.

Partimos de que A = ( aij ) =

n
( ) B
(T ) B es una matriz ortogonal. Por tanto a
k =1
ki . ak j =  i j .

Igual que antes, como A = ai j = ( ) B

coord B T (u j ) = ( a1 j ,
T (ui ), T (u j ) = a1i . a1 j +
(T )B , para todo i, j de 1 a n, coordB T (ui ) = ( a1i , , ani ) y
, an j ) y como B es una base ortonormal de V, nuevamente tenemos
n
+ ani . an j =  ak i . ak j . Entonces T (ui ), T (u j ) =  ij y por lo tanto
k =1

T (B) = T (u1 ),..., T (un ) es una base ortonormal de V.

Ya que T transforma una base ortonormal B en una base ortonormal T ( B ) podemos asegurar que
T es una isometría vectorial. ♣

Analicemos ahora algunas propiedades de las matrices ortogonales.

133
 134

Ejercicio
Sea AM n ( ) . Probar que: 1) A es ortogonal si y sólo si A . At = At . A = I .
2) Si A es ortogonal, entonces det ( A) = 1 o det ( A) = −1 .

Nota
La proposición 1) del ejercicio inmediato anterior implica que las matrices ortogonales son
invertibles y que la inversa es la traspuesta.

Proposición
Si B y B son bases ortonormales de un mismo espacio vectorial euclidiano, las
matrices de cambio de base son matrices ortogonales.

Dem:
Recordemos que la matriz de cambio de base de B a B' es la matriz asociada en la base B a
la transformación lineal f tal que f ( B) = B ' . O sea, al operador lineal que transforma una base
ortonormal B en una base ortonormal B'. Como demostramos anteriormente, si f es una
transformación lineal que transforma base ortonormal en base ortonormal podemos afirmar que f
es una isometría vectorial y por lo tanto su matriz asociada en la base ortonormal B (la matriz de
cambio de base) es una matriz ortogonal. ♣

Ejercicio
Probar que el conjunto de las matrices ortogonales de n  n con el producto de matrices
forman un grupo, subgrupo del grupo de las matrices invertibles de orden n.

Proposición
1) Los valores propios de una isometría vectorial en caso de existir son
necesariamente 1 o −1.
2) Vectores propios de una isometría vectorial asociados a valores propios distintos son
ortogonales.

Dem:
1) Consideremos una isometría vectorial T : V → V . Si   es valor propio de T, existe
un vector no nulo v tal que T (v) =  v y entonces T (v) = v =  v . Como T es una isometría
vectorial, T (v) = v . Por lo tanto v =  v . Además v  0 ya que v   . Cancelando en la
igualdad anterior nos queda que  = 1 y de aquí que  = 1 o  = −1 .

2) Sea T : V → V una isometría vectorial con dos valores propios distintos, que por lo visto en 1)
necesariamente son 1 y −1. Denominemos u a un vector propio asociado al 1 y llamamos v a un
vector propio asociado al −1. Pretendemos demostrar que u y v son ortogonales. Ahora

134
 135

T (u) = 1.u = u y T (v) = ( −1) .v = −v . Como T es una isometría vectorial, T (u), T (v) = u, v y
por tanto u, −v = u, v , esto es − u, v = u, v y de aquí que u, v = 0 .

Concluimos que u y v son ortogonales como queríamos. ♣

Proposición
Consideremos un espacio vectorial euclidiano V de dimensión finita, B una base
ortonormal de V, T : V → V una isometría vectorial y A = B (T ) B .

1) Si det ( A) = −1 , entonces −1 es valor propio de T.

2) Si det ( A) = 1 y n es impar, entonces 1 es valor propio de T.

Dem:
1) Probar que −1 es valor propio de T es equivalente a demostrar A − (−1) I = A + I = 0 .

Como A es ortogonal, A . At = I y por ende A + I = A + A. At = A ( I + At ) = A I + At . Es decir

−1

que A + I = − I + At .

Por otra parte I + At = ( I + At )t = I t + ( At ) = I + A = A + I . Sustituyendo en la igualdad

t

anterior nos queda: A + I = − A + I de modo que A + I = 0 y −1 es valor propio de T.

2) Ahora debemos probar que A − (1)I = A − I = 0 .

Veamos, A − I = A − A. At = A ( I − At ) = A I − At . Por lo cual A − I = I − At .

1

I − At = − ( At − I ) = ( −1) At − I = − At − I . Sustituyendo nos queda

n
Por otra parte
•
−1 ya que n  2

At − I = ( At − I ) = ( At ) − I t = A − I . Sustituyendo nuevamente
t t
A − I = − At − I . Pero

llegamos a que A − I = − A − I y de aquí que A − I = 0 . ♣

§8.3 OPERADORES DE SEMEJANZA

Hemos generalizado el concepto de isometría conocido del plano euclidiano a cualquier espacio
vectorial euclidiano. Es razonable que intentemos generalizar también el concepto de semejanza.

135
 136

Recordemos de los cursos de geometría que una semejanza en el plano es una función biyectiva f
del plano en si mismo tal que para todo par de puntos A y B se tiene que
d ( f ( A) , f ( B ) ) = . d ( A, B ) siendo  una constante positiva dada.

Si pensamos el plano como 2 y consideramos una transformación lineal T : 2 → 2 podemos

preguntarnos como se traduce la definición de semejanza en términos de norma. Un
razonamiento similar al que hicimos al comienzo del capítulo para probar que una transformación
lineal conserva distancias si y sólo si conserva la norma nos permita brindar la siguiente
traducción: si T : 2 → 2 es una transformación lineal se tiene que d (T (u ) , T ( v ) ) = . d (u, v ) ,
u , v  2
si y sólo si T (v) =  v , v V . Dejamos al lector la verificación de este hecho. A
raíz de todo esto si V es un espacio vectorial euclidiano de dimensión finita y T : V → V un
operador lineal, parecería razonable denominarlo operador de semejanza de razón  , con
 +
si se cumple que T (v) =  v , v V . Ya que al definir isometría vectorial dijimos: T
es una isometría vectorial si y sólo si T (u), T (v) = u, v , u, v  V , intentemos hallar una
condición equivalente a T (v) =  v , v V en términos del producto interno.

Veamos, si T (v) =  v , v V , se tiene T (u + v) =  u + v , u, v  V y entonces

T (u) + T (v) =  2 u + v , u, v  V . Esta última igualdad se puede reescribir como
2 2

T (u) + T (v), T (u) + T (v) =  2 u + v, u + v y aplicando propiedades del producto interno

T (u), T (u) + 2 T (u), T (v) + T (v), T (v) =  2 ( u, u + 2 u, v + v, v ) . Operando obtenemos
T (u ) = 2 u T (v) = 2 v 2
2 2 2

 2 u + 2 T (u), T (v) +  2 v =  2 u + 2 2 u, v +  2 v . Cancelando sumandos y el factor

2 2 2 2

2 llegamos a T (u), T (v) =  2 u, v .

Así que si T (v) =  v , v V , entonces T (u), T (v) =  2 u, v , u, v  V . Es casi

inmediato que el recíproco de la afirmación anterior es válido.

Por lo tanto: T (v) =  v , v V si y sólo si T (u), T (v) =  2 u, v , u, v  V , lo que motiva

la siguiente definición.

Definición
Sea V un espacio euclidiano de dimensión finita, T : V → V un operador lineal y
  + . Decimos que T es un operador de semejanza de razón  si y sólo si
T (u ), T (v) =  2 u, v , u, v  V . También le llamamos semejanza vectorial.

136
 137

Nota
Lo comentado anteriormente a la definición nos permite afirmar que T es un operador de
semejanza de razón  si y sólo si T (v) =  v , v V .

Ejercicio
Probar que los operadores de semejanza son funciones biyectivas.

Observación
Consideremos T : V → V un operador de semejanza de razón  . Sean u y v dos
vectores no nulos. Notemos con  al ángulo determinado por u y v y con   al ángulo
determinado por T (u) y T (v) .
T (u ), T (v)  2 u, v u, v
Ahora, cos   = = = = cos     =  . Así que los operadores de
T (u ) T (v)  u  v u v
semejanza conservan los ángulos.

Ejercicio
Sea V un espacio vectorial euclidiano de dimensión finita, T : V → V una función y
  + . Probar que si T (u ), T (v) =  2 u, v , u, v  V entonces T es un operador de semejanza
de razón  .

Ejercicio
Si V es un espacio vectorial euclidiano de dimensión finita anotaremos GS (V ) al
conjunto de todos los operadores de semejanza que pueden definirse en V. Probar que ( GS (V ), )
es un grupo.

Observación
El grupo GS (V ) contiene como subgrupo al grupo de las isometrías vectoriales en V
considerando a estos últimos como operadores de semejanza de razón 1.

Recordemos que en 2
o 3
, la función H k definida por H k (v ) = k v con k  *
es una
homotecia de centro O y razón k. En principio nada nos impide trabajar en otros espacios
vectoriales euclidianos. Consideremos un espacio vectorial euclidiano de dimensión finita,
k  * y H k : V → V definida por H k (v ) = k v . H k es un operador de semejanza de razón k
ya que Hk (v) = k v = k v , v V . A la función H k la denominamos de homotecia
vectorial de razón k .

137
 138

Si las semejanzas y homotecias vectoriales se comportan como las vistas en el curso de

geometría, todo operador de semejanza de razón  debe poder representarse como la
composición de una homotecia de razón  y una isometría vectorial.

Teorema
Sea V un espacio vectorial euclidiano de dimensión finita y T : V → V un operador de
semejanza de razón  . Entonces existe una única isometría vectorial M : V → V tal que
T = H M .

Dem:
Teniendo en cuenta que H  es biyectiva ya que es un operador de semejanza, podemos
afirmar que T = H  M si y sólo si M = H −1 T . Así que existe y es única la función
M : V → V tal que T = H  M y dicha función es H −1 T . Faltaría probar que M es una
isometría vectorial.

Si el lector demostró que ( GS (V ), ) es un grupo, seguro probó que la composición de dos

operadores de semejanza de razones 1 y  2 es un operador de semejanza de razón 1 2 y que
el inverso de un operador de semejanza de razón  es un operador de semejanza de razón 1
 .

Como H  es un operador de semejanza de razón  =  , entonces H −1 es un operador de

semejanza de razón 1
 . Además T es un operador de semejanza de razón  por lo que podemos
asegurar que M = H −1 T es un operador de semejanza de razón 1
  = 1 , o sea una isometría
vectorial. ♣

Observación
Cabe preguntarse sobre la matriz asociada a un operador de semejanza. Ya que toda
semejanza vectorial de razón  puede escribirse como la composición de una homotecia
vectorial de razón  y una isometría vectorial. Entonces la matriz asociada a dicha semejanza en
una base ortonormal se puede escribir como el producto de dos matrices. La asociada a la
 0
 
homotecia de razón  ,   por la asociada a la isometría que es una matriz ortogonal.
0  


138
 139

2 3
§8.4 ISOMETRÍAS Y SEMEJANZAS VECTORIALES EN Y

2
Isometrías vectoriales en
Sea B = u1, u2  una base ortonormal de 2
, T: 2
→ 2
un
a c 
operador ortogonal y A =   = B (T ) B .
b d 

Intentaremos en primer lugar determinar la forma de A y luego a partir de ella clasificar a la

isometría vectorial T.

a 2 + b 2 = 1

Como T es una isometría vectorial, A es ortogonal y por ende c 2 + d 2 = 1 .
ac + bd = 0


Si a  0 , de la última ecuación podemos despejar c y sustituirlo en la segunda. Esto es, si a  0 ,

 −bd  b2 d 2 + a 2d 2
2
bd b2 d 2
tenemos ac + bd = 0  c = −   + d 2
= 1 . Por tanto, + d 2
= 1  =1.
a  a  a2 a2
1

d (b + a 2 )
2 2
Sacando factor común y usando la primera ecuación tenemos = 1  a2 = d 2 .
a2
Concluimos que a = d o a = −d .

Si a = d , sustituyendo en la tercera ecuación nos queda ac + ab = 0  a(c + b) = 0 y como

a  0 , tenemos b + c = 0 , por lo cual b = −c .

Si a = −d , sustituyendo en la tercera ecuación nos queda ac − ab = 0  a ( c − b ) = 0 y como

a  0 , tenemos c − b = 0 , por lo cual b = c .

b 2 = 1

Si a = 0 , sustituyendo en las ecuaciones del sistema original nos queda c 2 + d 2 = 1 .
b.d = 0

De la primera ecuación deducimos que b = 1 o b = −1 . Por lo tanto b  0 y la tercera ecuación
nos asegura que d = 0 . Sustituyendo este valor en la segunda se obtiene c 2 = 1 y por ende c = 1
o c = −1 .

En resumen, las distintas posibilidades son:

1) a = d y b = −c .
2) a = −d y b = c .
3) a = d = 0 , b = 1 y c = −1 .

139
 140

4) a = d = 0 , b = −1 y c = 1 .
5) a = d = 0 , b = 1 y c = 1 .
6) a = d = 0 , b = −1 y c = −1 .

Observemos que los últimos cuatro casos están incluidos en los dos primeros. Por lo tanto las
posibles matrices asociadas al operador ortogonal T en una base ortonormal B son las siguientes:

 a −b 
Tipo I A =   con a + b = 1 .
2 2

 b a 

a b 
Tipo II A =   con a + b = 1 .
2 2

 b − a 

Analicemos ahora cada uno de estos tipos.

Tipo I
1 0
1) Si a = 1 , como a 2 + b2 = 1 , se tiene b2 = 0 y por ende b = 0 y A =  .
0 1
Entonces T es la IDENTIDAD.

 −1 0
2) Si a = −1, igual que en 1) se tiene que b = 0 y entonces A =  .
 0 −1 

Sea v  2
un vector que tiene coordenadas X = ( x, y ) , en la base B. Entonces T (v) tiene
 −1 0   x   − x 
coordenadas Y = A. X =   .   =   también en la base B.
 0 −1   y   − y 

( x, y )
Podemos decir que T es una SIMETRÍA
CENTRAL con respecto a O ( 0,0) .

(− x, − y)

3) Si a es distinto de 1 y de –1, como a 2 + b2 = 1 , tenemos que b2  0 . Para identificar a T

buscaremos direcciones invariantes a través de valores y vectores propios.

a− −b
A − . I = = (a −  )2 + b2  0 ,   . Por lo tanto, T no tiene valores propios y
b a−
2
al estar trabajando en no presenta direcciones invariantes.

140
 141

Además si v  2
es un vector que tiene coordenadas X = ( x, y ) , en la base B, T (v) tiene
 a −b   x   ax − by 
coordenadas Y =   .  =   . Ahora, si llamamos  al ángulo formado entre v y
 b a   y   bx + ay 
( x, y ), (ax − by, bx + ay ) ax 2 − bxy + bxy + ay 2 a ( x + y )
2 2
v, T (v)
T (v) , cos  = = = = = a.
v . T (v ) ( x, y )
2
x2 + y 2 x2 + y 2
v

Entonces el ángulo  formado por cualquier vector no nulo v y su imagen T (v) es constante y
cumple que cos = a . Como a 2 + b2 = 1 , tenemos que b2 = 1 − a 2 = 1 − cos2  y de aquí que
b = sen  o b = − sen  . Podemos considerar sólo el primer caso; dejamos al lector la
verificación de que si b = − sen  se llega al mismo resultado.

 cos  − sen  
Entonces A =   y podemos decir que T es una ROTACIÓN de centro O ( 0,0) y
 sen  cos  
ángulo  (antihorario u horario según sen  = b sea positivo o negativo).

Tipo II
a b 
A=  . Busquemos valores y vectores propios para averiguar si existen
 b −a 
direcciones invariantes.

a− b
A − I = = (a −  ).(−a −  ) − b2 = −(a −  ).(a +  ) − b2 =  2 −a 2 − b2 =  2 − 1 ,
b −a −  −1

cuyas raíces son 1 y −1. Por lo tanto en este caso T admite dos valores propios 1 y –1 teniendo
entonces dos subespacios propios ortogonales entre sí. En consecuencia, podemos elegir una base
B = v1 , v2  , donde v1 es un vector de S (1) de norma 1 y v 2 es un vector de S ( −1) de norma 1.
Es decir que B es una base ortonormal de 2
formada por vectores propios de T. Por lo visto en
1 0
el capítulo 6, tenemos B (T ) B =  .
 0 −1 

Entonces si v  2
es un vector que tiene coordenadas X = ( x, y ) , en la base B ' , T (v) tiene
1 0  x   x 
coordenadas Y =   .   =   en la misma base.
 0 −1   y   − y  (x,y)

(x,-y)

141
 142

Podemos decir entonces que en este caso T es una SIMETRÍA AXIAL con respecto a L ( v1 ) .

Obsérvese que las isometrías vectoriales de 2 son las isometrías del plano euclidiano conocidas
del curso de Geometría que dejan fijo al origen.

2
Operadores de semejanza en
Si S  es un operador de semejanza de razón  sabemos que
S  = H  M siendo H  la homotecia vectorial de razón  y M una isometría vectorial. Por lo
tanto, existe una base ortonormal D = w1 , w2  de 2
tal que A = D ( M ) D es una de las cuatro
siguientes:
1 0  −1 0   cos  − sen   1 0
A1 =   , A2 =   , A3 =   , A4 =  .
0 1  0 −1   sen  cos    0 −1 

 0
Tenemos pues que D ( S  ) D = D ( H  M ) D = D ( H  ) D . D ( M ) D y entonces D ( S  ) D =   A , con
0 
A  A1 , A2 , A3 , A4  . A partir de esto no es difícil verificar que las semejanzas vectoriales son las
semejanzas del plano euclidiano conocidas del curso de Geometría que dejan fijo al origen. Se
deja como ejercicio dicha verificación.

3
Isometrías vectoriales en
Consideremos una isometría vectorial T : 3 → 3 . Al buscar los
valores propios de T nos encontramos con un polinomio característico de tercer grado con
coeficientes reales que por lo tanto admite al menos una raíz real que no puede ser otra que 1 o
−1, ya que T es como dijimos una isometría vectorial. Llamemos  1 a dicho valor propio y u1 a
uno de sus vectores propios de norma uno.
Denominemos ahora U 1 al conjunto L (u1) y P2 = (U1 ) . Ya sabemos que U 1 es invariante por
⊥

T. Probemos que P2 también lo es.

Veamos: para todo w  T ( P2 ) , existe v  P2 tal que T (v) = w . Basta probar que w  P2 . Como
v  P2 , v, u1  = 0 . Además T es una isometría vectorial, por lo que T (v), T (u1 ) = v, u1 = 0 .
Pero T (v), T (u1 ) = w, 1u1 = 1. w, u1 , por lo cual 1. w, u1 = 0 y como 1  0 , se tienen que
w, u1 = 0 , es decir que w  P2 . Tenemos que T ( P2 )  P2 y por ende P2 es invariante por T.

142
 143

Al ser P2 invariante la restricción de T sobre P2 (que es un subespacio de dimensión 2) actúa

como un operador ortogonal en 2
y por lo tanto es posible elegir una base ortonormal u2 , u3
de P2 tal que la matriz asociada a la restricción de T sobre P2 en dicha base es A1 , A2 , A3 o A4 .

Consideremos B = u1 , u2 , u3  que es una base ortonormal de 3

y calculemos B (T ) B .

T (u1 ) = 1.u1 = 1.u1 + 0.u2 + 0.u3   1 0 0 

  
u2  P2  T (u2 )  P2  T (u2 ) = a22 .u2 + a32 .u3 = 0.u1 + a22 .u2 + a32u3   B (T ) B =  0 a22 a23 
u3  P2  T (u3 )  P2  T (u3 ) = a23 .u2 + a33 .u3 = 0.u1 + a23 .u2 + a33 .u3 

0 a
 32 a33 

a a23 
con  1 = 1 o 1 = −1 . Obsérvese además que  22  es la matriz asociada a T P2 en la base
 a32 a33 
a a23 
u2 , u3 , por lo cual  a22    A1 , A2 , A3 , A4  .
 32 a33 

En resumen, pueden presentarse los siguientes casos para B (T ) B .

1 0 0 1 0 0
   
Si 1 = 1 , B (T ) B puede ser una de las siguientes, B1 =  0 1 0  , B2 =  0 −1 0 ,
0 0 1 0 −1 
   0

1 0 0   1 0 0
   
B3 =  0 cos  − sen   o B4 =  0 1 0 .
 0 sen  cos   0 −1 
  0

 −1 0 0   −1 0 0
   
Si 1 = −1 , las posibilidades para B (T ) B son B5 =  0 1 0  , B6 =  0 −1 0 ,
 0 0 1  0 −1 
   0
 −1 0 0   −1 0 0
   
B7 =  0 cos  − sen   o B8 =  0 1 0.
 0 sen  cos    0 0 −1 
 

Veamos que interpretación geométrica podemos darle a cada una de ellas.

1) Si B (T ) B = B1 , como B1 es la matriz identidad, T es la transformación lineal IDENTIDAD.

143
 144

1 0 0
 
2) Si B (T ) B = B2 =  0 −1 0  , sea v un vector de 3
y notemos X = ( x, y, z ) a sus
0 −1 
 0
1 0 0  x  x
    
coordenadas en la base B. Entonces T (v) tiene coordenadas Y =  0 −1 0  . y  =  − y  .
0 −1   z   − z 
 0

L ( u1 )
( x, − y, −z )

-z
( x, y, z )

-y y L (u2 )

L (u3 )

Es razonable asignarle a T el nombre de ROTACIÓN AXIAL de eje U1 = L(u1 ) y ángulo  .

Mediante un análisis similar podemos asignar los siguientes nombres.

3) Si B (T ) B = B3 , T es una ROTACIÓN AXIAL de eje U 1 y ángulo  .

4) Si B (T ) B = B4 , T es una SIMETRÍA ESPECULAR respecto al plano P1 = Lu1 , u2  .

5) Si B (T ) B = B5 , T es una SIMETRÍA ESPECULAR respecto al plano P2 = Lu2 , u3  .

6) Si B (T ) B = B6 , T es una SIMETRÍA CENTRAL de centro O ( 0,0,0) .

7) Si B (T ) B = B7 , T es la composición de una SIMETRÍA ESPECULAR respecto al plano

P2 = Lu2 , u3  con una ROTACIÓN AXIAL de eje U 1 y ángulo  .

144
 145

8) Si B (T ) B = B8 , T es una ROTACIÓN AXIAL de eje U 2 = L(u2 ) y ángulo  .

Observación
Las isometrías vectoriales de los casos 2) y 8) representan el mismo tipo de
transformación. Ambas son rotaciones axiales de ángulo  que difieren solamente en el eje de
rotación. Así también, en los casos 4) y 5) tenemos simetrías especulares que se distinguen
únicamente por el plano de simetría. Podemos por lo tanto afirmar que existen sólo seis tipos de
isometrías vectoriales en 3 . Es más, este número podría reducirse si observamos por ejemplo
que los casos 1) y 2) son casos particulares del caso 3). Analice el lector este hecho con más
detalle.

3
Operadores de semejanza en
Reiteramos los comentarios hechos para los operadores de
2
semejanza en y dejamos al lector el análisis detallado de todos los casos.

§8.5 CRITERIOS PARA LA CLASIFICACIÓN DE LAS ISOMETRÍAS

VECTORIALES EN 3

Tengamos en cuenta que la representación matricial de un operador ortogonal T : 3 → 3 en

cualquier base, no es necesariamente una de las ocho (en realidad seis) vistas recientemente por
más que esta base sea ortonormal. Recordemos que la matriz asociada a T es una de las ocho
mencionadas en una base cuidadosamente elegida de 3 .

Intentaremos ahora generar algún procedimiento para clasificar la isometría T a partir de su

representación matricial bajo cualquier base ortonormal. Recordemos que matrices que
representan al mismo operador lineal son semejantes y que matrices semejantes tienen el mismo
determinante y la misma traza. Por lo tanto el determinante y la traza de la matriz asociada a T en
cualquier base va a coincidir necesariamente con los de B1 , B2 , B3 , B4 , B6 o B7 . Observemos
por otra parte en la siguiente tabla, que las parejas ordenadas determinante – traza son todas
distintas y por lo tanto identifican al operador ortogonal.

B1 B2 B3 B4 B6 B7
Determinante 1 1 1 -1 -1 -1
Traza 3 -1 1 + 2cos  1 -3 −1 + 2cos 

145
 146

Ejemplo:
 19 4
9 − 89 
 1 .
Sea T : 3 → 3 cuya matriz asociada en la base canónica es A =  − 8 9 4
9 9
 4 4 
 9 9
7
9

Probar que T es un operador ortogonal. Caracterizar y hallar elementos.

Como la base canónica es una base ortonormal y la matriz A es ortogonal (verificarlo), T es

efectivamente un operador ortogonal.

Para caracterizarlo basta calcular su determinante y su traza. dejamos al lector corroborar que
det ( A) = 1. Por otra parte, tr ( A) = 19 + 4 9 + 4 9 = 1 . De acuerdo a la tabla de la página anterior
A  B3 . Entonces T es una rotación axial de ángulo  tal que 1 + 2cos = tr ( A) = 1 . Por tanto,

cos = 0 y entonces  = .
2

Para determinar el eje observemos que éste es invariante por T (es más, en lenguaje de geometría
I, es unido). Por lo tanto ( x, y, z ) pertenece al eje si y sólo si T ( x, y, z) = ( x, y, z) y usando la
 x  x  19 4
9 − 89   x   x 
     1  . y  =  y 
matriz A, esto es: A  y  =  y  . Veamos,  − 8 9 4
9 9     si y sólo si la terna
z z  4 4   z z
     9 9    
7
9

 1 9 .x + 4 9 . y − 8 9 .z = x

( x, y, z ) es solución del sistema − 8 9 .x + 4 9 . y + 1 9 .z = y .
 4 .x + 7 . y + 4 .z = z
 9 9 9

Resolvamos este sistema mediante escalerización.

 x + 4 y − 8z = 9 x −8 x + 4 y − 8 z = 0 −8 x − 5 y + z = 0 −8 x − 5 y + z = 0

   
Tenemos, −8 x + 4 y + z = 9 y  −8 x − 5 y + z = 0  −2 x + y − 2 z = 0  −18 x − 9 y = 0 
 4x + 7 y + 4z = 9z  4 x + 7 y − 5z = 0  4x + 7 y − 5z = 0 −36 x − 18 y = 0
   

−8x − 5 y + z = 0  y = −2 x
  . Tenemos un sistema compatible e indeterminado cuyo
 y = −2 x  z = −2 x
conjunto solución es S = ( x, −2x, −2 x) : x   .


En resumen, T es una rotación axial de eje ( x, −2x, −2x) : x   = L(1, −2, −2) y ángulo .
2

146