El poder de la Base: La compresión infinita de la información
Imagínate que tuvieras que programar un simulador físico o un motor de videojuegos en 3D y se te encomendara la tarea de registrar la posición y el movimiento de infinitos puntos dentro de un volumen del espacio. Si tuvieras que definir una función convencional que especificara a dónde va a parar cada uno de esos infinitos vectores uno por uno, la memoria del ordenador se agotaría al instante y el cálculo sería impracticable.
Afortunadamente, el álgebra lineal oculta un "milagro de compresión de datos" extraordinario. Debido a las propiedades de aditividad y homogeneidad que estudiamos anteriormente, una aplicación lineal queda completamente determinada conociendo única y exclusivamente las imágenes de los vectores de una Base[cite: 107].
Conocer el destino de dos o tres vectores de referencia es suficiente para predecir con precisión quirúrgica el destino de cualquiera de los infinitos vectores que pueblan todo el universo de origen.
1. El Teorema de Determinación Única (Proposición 4.6)
En el rigor de la academia, este principio se formaliza mediante la **Proposición 4.6** del temario[cite: 108]:
TEOREMA DE EXISTENCIA Y UNICIDAD (Proposición 4.6)
Sean U y V dos K-espacios vectoriales, sea B = {u1, u2, ..., un} una base de U, y sean v1, v2, ..., vn vectores cualesquiera del espacio V[cite: 109].
Existe una ÚNICA aplicación lineal f : U ➔ V tal que f(ui) = vi para todo i = 1, ..., n[cite: 109].
Demostración de la Lógica Intuitiva
Demostrar por qué esta aplicación existe y es absolutamente única resulta extraordinariamente revelador[cite: 110, 117]:
- Existencia: Dado cualquier vector x ∈ U, como B es una base, existen unos escalares únicos (x1, ..., xn) tales que x = x1u1 + ··· + xnun[cite: 110]. Si definimos la función como:
f(x) = x1v1 + x2v2 + ··· + xnvn [cite: 111]
Al evaluar la linealidad para cualquier par de vectores y escalares, se comprueba de forma inmediata que f satisface las reglas de aditividad e homogeneidad[cite: 112, 113, 114, 115, 116]. - Unicidad: Si existiera otra aplicación lineal g : U ➔ V que también enviara los vectores base a las mismas imágenes (g(ui) = vi) [cite: 117, 118], al evaluar g sobre el vector genérico x obtendríamos[cite: 119]:
g(x) = x1g(u1) + ··· + xng(un) = x1v1 + ··· + xnvn = f(x) [cite: 120]
Por lo tanto, g(x) = f(x) para todos los vectores del espacio. **No hay dos funciones distintas que puedan hacer lo mismo sobre una base**[cite: 120].
2. Algoritmos Prácticos: Cómo calcular f(x, y) a partir de una Base
En los exámenes universitarios y en las aplicaciones de la ingeniería, este teorema se traduce en dos escenarios prácticos de cálculo[cite: 124, 129]:
Caso A: Conocemos la imagen de la Base Canónica (Cálculo Inmediato)
Si nos entregan los valores que toma la aplicación $f : \mathbb{R}^2 \to \mathbb{R}^2$ sobre los vectores de la base canónica[cite: 125]:
f(1, 0) = (3, 2) y f(0, 1) = (-1, 1) [cite: 125]
Para hallar la fórmula analítica de $f(x, y)$ para cualquier vector arbitrario, basta con aplicar linealidad directamente[cite: 125, 127]:
f(x, y) = f( x(1, 0) + y(0, 1) ) = x·f(1, 0) + y·f(0, 1) [cite: 128]
f(x, y) = x(3, 2) + y(-1, 1) = (3x, 2x) + (-y, y) = (3x - y, 2x + y) [cite: 128]
Caso B: Conocemos la imagen de una Base No Canónica (Paso por Sistema)
¿Qué ocurre si nos dan la información sobre una base que no es la habitual[cite: 129]? Analicemos el Ejemplo 4.7 (apartado 2) del temario[cite: 125]. Sea $g : \mathbb{R}^2 \to \mathbb{R}^2$ una aplicación lineal de la que sabemos[cite: 124, 125]:
g(-2, 1) = (1, 2) y g(1, -1) = (0, 1) [cite: 125]
Como el conjunto $\{(-2, 1), (1, -1)\}$ forma una base de $\mathbb{R}^2$ [cite: 131], cualquier vector genérico $(x, y)$ se puede escribir como una combinación lineal de ellos[cite: 131, 134]:
(x, y) = α(-2, 1) + β(1, -1) [cite: 134]
Planteamos el sistema de ecuaciones para despejar las coordenadas $\alpha$ y $\beta$ en función de $x$ e $y$[cite: 135, 136]:
\begin{cases} -2α + β = x \\ α - β = y \end{cases} [cite: 135]
Sumamos ambas ecuaciones: $-\alpha = x + y \implies \mathbf{\alpha = -x - y}$[cite: 137].
Sustituimos para hallar $\beta$: $\beta = \alpha - y = (-x - y) - y \implies \mathbf{\beta = -x - 2y}$[cite: 137].
Ahora aplicamos la propiedad de linealidad de $g$[cite: 138]:
g(x, y) = α·g(-2, 1) + β·g(1, -1) [cite: 139, 140]
g(x, y) = (-x - y)·(1, 2) + (-x - 2y)·(0, 1) [cite: 140, 141]
g(x, y) = (-x - y, 2(-x - y) + 1(-x - 2y))
g(x, y) = (-x - y, -3x - 4y) [cite: 141]
¡Hemos obtenido la fórmula analítica universal de $g$ para todo el espacio continuo[cite: 141]!
El Principio del Rendimiento en Informática Gráfica
En el renderizado de gráficos por ordenador 3D (GPU), una malla tridimensional de un personaje puede contener más de 5 millones de vértices. Cuando la cámara gira o el personaje se mueve, **la GPU no calcula ecuaciones trigonométricas complejas para cada uno de los 5 millones de puntos por separado**.
Lo que hace el motor gráfico es transformar únicamente los 3 vectores de la base de la cámara (los 3 ejes del espacio 3D). A continuación, multiplica automáticamente la matriz resultante por las coordenadas de los 5 millones de vértices. Este principio de compresión basada en la Base es el que permite que los videojuegos funcionen en tiempo real a más de 120 fotogramas por segundo.
Sabiendo que la Base controla el destino completo de una transformación, nos surge una duda ineludible: ¿qué ocurre cuando una aplicación lineal aplasta parte de esa base hasta convertirla en cero? ¿Adónde va a parar la información que se pierde? En la siguiente FASE estudiaremos la anatomía del colapso: **El Núcleo (Kernel) y la Imagen de una Aplicación Lineal**.
Todas las Etiquetas:
Comentarios
Todavía no hay comentarios. ¡Sé el primero en comentar!