El universo en movimiento: ¿Qué es una transformación lineal?
El universo en movimiento: ¿Qué es una Transformación Lineal?
En el Módulo III construimos el lienzo estático del universo: los Espacios Vectoriales. Aprendimos a medir sus dimensiones, a sostenerlos sobre bases independientes y a calcular cómo distintas observaciones corresponden al mismo estado de reposo o movimiento. Sin embargo, la física no es estática; la física es dinamismo, evolución y transformación.
¿Qué ocurre cuando un cuerpo se deforma bajo la acción de un esfuerzo cortante? ¿Qué sucede cuando una imagen 3D se proyecta sobre la pantalla plana de un ordenador, o cuando un sistema cuántico evoluciona con el tiempo? En todos estos escenarios, tomamos vectores de un espacio de partida y los transportamos a un espacio de llegada.
Las funciones que realizan este transporte respetando la geometría interna del espacio son las Aplicaciones Lineales (o Transformaciones Lineales)[cite: 5, 6]. Ellas son las leyes dinámicas que gobiernan la deformación, la rotación y la proyección del espacio sin romper su tejido fundamental.
1. Las Dos Reglas Inquebrantables de la Estructura
Para que una función f : U ➔ V entre dos espacios vectoriales se considere una Aplicación Lineal, debe respetar estrictamente las dos operaciones constitutivas que definen a un espacio vectorial: la suma de vectores y el escalado por números[cite: 4, 5, 8].
CONDICIONES DE LINEALIDAD (Definición 4.1) [cite: 7, 8]
- Aditividad (Respeto por la suma): Para todo par de vectores u, w ∈ U[cite: 8]:
f(u + w) = f(u) + f(w) [cite: 9]
"La imagen de la suma es igual a la suma de las imágenes." - Homogeneidad (Respeto por el producto escalar): Para todo vector u ∈ U y todo escalar α ∈ K[cite: 8]:
f(α · u) = α · f(u) [cite: 11]
"Estirar un vector antes de transformarlo equivale a transformarlo primero y estirarlo después."
Ambas reglas pueden condensarse en una única **propiedad superpuesta** equivalente[cite: 12, 13]:
f(αu + βw) = αf(u) + βf(w) (para cualesquiera u, w ∈ U y α, β ∈ K) [cite: 12, 13]
A la colección completa de todas las aplicaciones lineales que van desde un espacio U hasta un espacio V se la denota formalmente como L(U, V)[cite: 16, 17].
2. La Geometría Inviolable: ¿Qué le ocurre al Plano?
Si observas el plano cartesiano ℝ² sometido a una transformación lineal, notarás que no cualquier deformación está permitida. Las transformaciones lineales imponen restricciones geométricas extremadamente severas:
- El Origen es un Ancla Inamovible: Toda aplicación lineal mapea obligatoriamente el vector cero del espacio de origen en el vector cero del espacio de destino (f(0U) = 0V)[cite: 31, 94, 95]. Si una función mueve el centro de coordenadas (como una traslación h(x) = x + 1), **deja de ser una transformación lineal**[cite: 104, 106].
- Las Líneas Rectas se Conservan Rectas: Jamás verás que una línea recta se curve o se doble tras aplicar una transformación lineal. Se mantendrá rectilínea o, en el caso extremo de un colapso, se aplastará en un solo punto.
- El Paralelismo se Mantiene: Si dos líneas eran paralelas en el espacio inicial, sus imágenes seguirán siendo paralelas o coincidirán sobre la misma recta en el espacio de llegada.
- El Espaciado es Uniforme: Los intervalos iguales a lo largo de una línea recta se transforman en intervalos exactamente iguales tras la aplicación.
Catálogo de Ejemplos en la Física y las Matemáticas
Las aplicaciones lineales aparecen en prácticamente todas las ramas de la ciencia[cite: 22]:
- Homotecias y Escalado: Ampliar o reducir el tamaño de un objeto mediante h(v) = λv es una aplicación lineal[cite: 33, 38, 40].
- Trasposición de Matrices: La función que asigna a cada matriz de Mm×n su transpuesta en Mn×m es lineal[cite: 41, 42, 44].
- Derivación de Funciones: El operador derivada D(p(x)) = p'(x) es lineal porque la derivada de una suma de funciones es la suma de las derivadas, y las constantes salen fuera[cite: 56, 57, 59].
- Integración de Funciones: El operador integral definida Int(f) = ∫ab f(x)dx es lineal por la misma conservación estructural[cite: 60, 61, 63].
3. Cómo Detectar una Función No Lineal
Para comprobar si una función **no es lineal**, basta con encontrar un único contraejemplo donde falle alguna de las dos propiedades fundamentales[cite: 87, 88].
Consideremos, por ejemplo, la función de ℝ² en ℝ² dada por g(x1, x2) = (x12, x1 + x2)[cite: 74]. Evaluemos el efecto de escalar un vector u = (u1, u2) por un número α[cite: 75, 80]:
g(αu) = g(αu1, αu2) = ((αu1)2, αu1 + αu2) = (α2u12, αu1 + αu2) [cite: 81]
α · g(u) = α · (u12, u1 + u2) = (αu12, αu1 + αu2) [cite: 81]
Al comparar ambos resultados, vemos que las primeras componentes no coinciden porque α2 ≠ α (por ejemplo, para α = 2 y u1 = 1 obtenemos 4 frente a 2)[cite: 82, 83, 84]. El término cuadrático ha curvado el espacio, destruyendo la proporcionalidad[cite: 85]. Por tanto, g no es una aplicación lineal[cite: 85].
4. El Poder de la Base: El Determinismo de la Imagen
Terminamos con una de las proposiciones más impactantes del Álgebra Lineal: para conocer el comportamiento completo de una aplicación lineal sobre infinitos vectores del espacio, solo necesitas saber adónde envía los vectores de una Base[cite: 107, 109].
Dado que cualquier vector x ∈ U se puede escribir de forma única como combinación lineal de una base B = {u1, ..., un}[cite: 109, 110]:
x = x1u1 + x2u2 + ··· + xnun [cite: 110]
Al aplicar la regla de linealidad de forma reiterada, obtenemos[cite: 101, 107]:
f(x) = x1f(u1) + x2f(u2) + ··· + xnf(un) [cite: 103, 111]
¡Toda la transformación queda fijada de forma única por las imágenes de la base! [cite: 107, 109] En la siguiente lección estudiaremos las zonas de sombra y conquista de este movimiento: **El Núcleo (Kernel) y la Imagen de una Aplicación Lineal**.
Todas las Etiquetas:
Comentarios
Todavía no hay comentarios. ¡Sé el primero en comentar!