Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CAPÍTULO 8
ISOMETRÍAS Y SEMEJANZAS VECTORIALES
§8.1 INTRODUCCIÓN
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.
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 ) − =
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 )
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
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
para T ( u ) y T ( v ) . Esto es 2 T ( u ) , T ( v ) = T ( u + v ) − T ( u ) − T ( v ) .
2 2 2
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.
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.
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 ) .
(T S ) (v) = T ( S (v)) =
T M (V )
S (v ) =
SM (V )
v y hemos logrado nuestro objetivo.
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 )
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.
Como T es una isometría vectorial T (ui ), T (u j ) = ui , u j , ui , u j B . Por otra parte, B es una
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
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.
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.
Por otra parte, teniendo en cuenta que T es una isometría vectorial, T (ui ), T (u j ) = ui , u j y
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.
Ya que T transforma una base ortonormal B en una base ortonormal T ( B ) podemos asegurar que
T es una isometría vectorial. ♣
133
134
Ejercicio
Sea AM 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 .
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 .
Dem:
1) Probar que −1 es valor propio de T es equivalente a demostrar A − (−1) I = A + I = 0 .
que A + I = − I + At .
At − I = ( At − I ) = ( At ) − I t = A − I . Sustituyendo nuevamente
t t
A − I = − At − I . Pero
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.
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
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.
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
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
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 .
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 .
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
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)
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
⊥
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
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
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
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 )
144
145
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.
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
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
−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