Empaquetando la física: La Matriz de una Aplicación Lineal

Empaquetando la física: Cómo codificar una transformación espacial

En las fases anteriores comprendimos que las aplicaciones lineales transforman y deforman el espacio continuo sin desgarrar su tejido geométrico. También descubrimos el principio de compresión definitivo: para gobernar el destino de infinitos vectores de un espacio, basta con vigilar adónde van a parar los vectores de una Base.

Sin embargo, para que un ingeniero, un físico o el procesador gráfico de tu ordenador puedan calcular trayectorias, esfuerzos mecánicos o colisiones en tiempo real, no podemos limitarnos a descripciones geométricas abstractas. Necesitamos una estructura de datos compacta, un artefacto numérico rígido que almacene con precisión absoluta toda la física de la deformación.

Ese artefacto es la Matriz de la Aplicación Lineal. Toda la complejidad espacial de una ley física continua queda sintetizada en una simple tabla ordenada de números.

1. El Plano de Fabricación de la Matriz

Sean U y V dos espacios vectoriales de dimensiones finitas. Elijamos una base ordenada para el espacio de partida y otra para el espacio de llegada:

• Base de partida de U: B = { u₁, u₂, ..., u_n }
• Base de llegada de V: B' = { v₁, v₂, ..., v_m }

Tomemos un vector cualquiera x en U. Su imagen f(x) viajará a V. Para conectar las coordenadas de entrada con las de salida, calculamos las imágenes de la base de partida y las expresamos como combinación lineal de la base de llegada:

Al extraer estos coeficientes y agruparlos en una tabla estructurada, obtenemos la Matriz de f respecto de las bases B y B', que denotaremos simplemente como M(f).

2. La Ecuación Universal del Movimiento: M · X = Y

Una vez construida esta matriz, la operación matemática que efectúa el traslado espacial físico es la multiplicación de matrices que estudiamos en el Módulo II. Si X es el vector columna con las coordenadas de la posición de origen e Y es la columna de destino:

A esta expresión se la denomina ecuación matricial de f. El ordenador toma tu vector de entrada X, ejecuta el producto de la matriz por la columna, y te devuelve las coordenadas exactas del destino Y en una fracción de milisegundo.

3. El Motor de Cálculo: Composición de Movimientos

Supongamos que el universo físico de nuestro experimento contiene tres mundos conectados: U, V y W. Tenemos una transformación f que viaja de U a V, y una transformación g que recoge el testigo y viaja de V a W.

En notación matemática, a esta secuencia de eventos espaciales se le llama Composición de Aplicaciones y se denota como g o f. La física actúa de derecha a izquierda: primero ocurre el evento f(x), y al resultado se le aplica g para obtener g(f(x)).

Aquí es donde los creadores del Álgebra Lineal ejecutaron uno de sus mayores trucos de diseño. La multiplicación de matrices se diseñó meticulosamente para que fuera el equivalente exacto a la composición de aplicaciones lineales:

El cálculo final de la posición Z queda así:

Z = M(g) · [ M(f) · X ] = [ M(g) · M(f) ] · X

Cuidado con el orden: La matriz de la última transformación física se coloca primero en la izquierda del producto matricial. Por eso la multiplicación de matrices no es conmutativa; girar un objeto sobre el eje X y luego sobre el eje Y no da el mismo resultado que hacerlo al revés.

4. La Derivada como Matriz: Un Ejemplo Analítico

Para apreciar el poder unificador de esta construcción, examinemos cómo una operación analítica continua del cálculo diferencial se transforma en una simple tabla aritmética.

Consideremos el operador derivada D que actúa desde el espacio de polinomios de grado hasta 3 hacia los polinomios de grado hasta 2:

D : ℝ₃[x] ➔ ℝ₂[x] con D(p(x)) = p'(x)

Fijemos las bases canónicas de ambos universos. La base de partida es { 1, x, x², x³ } y la de llegada { 1, x, x² }. Calculemos sus columnas derivando los vectores base:

1. Imagen de 1: D(1) = 0 ➔ Columna 1: (0, 0, 0)
2. Imagen de x: D(x) = 1 ➔ Columna 2: (1, 0, 0)
3. Imagen de x²: D(x²) = 2x ➔ Columna 3: (0, 2, 0)
4. Imagen de x³: D(x³) = 3x² ➔ Columna 4: (0, 0, 3)

Si ensamblamos las columnas y multiplicamos por el vector de coordenadas del polinomio p(x) = 5 - 2x + 4x² + 7x³, obtenemos:

Reconstruyendo el vector resultante obtenemos: -2 + 8x + 21x². ¡Exactamente la derivada analítica p'(x)! La operación de cálculo diferencial ha quedado reducida a una multiplicación puramente aritmética.

Con las matrices listas y la composición encadenada bajo control, hemos dominado la física del observador absoluto. Sin embargo, en la relatividad a menudo tenemos a dos científicos que utilizan sistemas de ejes distintos para observar el mismo fenómeno. En nuestra próxima fase desvelaremos cómo reescribir estas matrices: la Relatividad en Movimiento y el Cambio de Base.