¿Qué Observarás?
- Una cuadrícula o forma original (amarillo) y su versión transformada (cian)
- Los vectores base e₁ y e₂ mostrando hacia dónde se mapean (1,0) y (0,1)
- El determinante indicando cómo cambia el área
- Valores propios revelando la estructura intrínseca de la transformación
- Vectores propios (direcciones que solo se escalan, no rotan)
La Ecuación Fundamental
Una transformación lineal lleva cada punto (x, y) a un nuevo punto (x', y') mediante multiplicación matricial:
Los cuatro números a, b, c, d determinan completamente la transformación. La primera columna [a, c] es donde termina el vector (1, 0). La segunda columna [b, d] es donde termina (0, 1).
Transformaciones Fundamentales
| Transformación | Matriz | Efecto |
|---|---|---|
| Identidad | [1 0; 0 1] | Ninguno: el plano no cambia |
| Escala k× | [k 0; 0 k] | Expandir (k>1) o contraer (k<1) uniformemente |
| Escala anisotrópica | [a 0; 0 b] | Escalar diferente en X (×a) e Y (×b) |
| Rotación θ | [cosθ -sinθ; sinθ cosθ] | Girar θ radianes antihorario |
| Reflejo en X | [-1 0; 0 1] | Espejo respecto al eje Y |
| Reflejo en Y | [1 0; 0 -1] | Espejo respecto al eje X |
| Reflejo en y=x | [0 1; 1 0] | Intercambiar coordenadas x ↔ y |
| Cizalla X | [1 k; 0 1] | Inclinar horizontalmente |
| Cizalla Y | [1 0; k 1] | Inclinar verticalmente |
| Proyección en X | [1 0; 0 0] | Colapsar sobre el eje X |
El Determinante
El determinante det(A) = ad - bc cuantifica cómo la transformación afecta las áreas:
Casos del Determinante
Preserva orientación
Invierte orientación (reflejo)
Preserva área exactamente
Colapsa a línea o punto (singular)
Una matriz con determinante cero no tiene inversa: pierde información al aplastar el plano a una dimensión menor.
Valores y Vectores Propios
¿Qué Son?
Un vector propio v es una dirección especial que la transformación solo escala, sin rotar: Av = λv. El factor de escala λ es el valor propio asociado.
Para encontrar los valores propios, resolvemos:
λ reales distintos
Dos direcciones propias independientes. Estiramiento/contracción en esas direcciones.
λ reales iguales
Puede ser escala uniforme o matriz defectiva (no diagonalizable).
λ complejos
La transformación incluye rotación. No hay direcciones propias reales.
λ = 0
Existe un subespacio que colapsa al origen. Matriz singular.
Experimentos Guiados
Experimento 1: Los Vectores Base
- Selecciona la forma "Cuadrícula" y activa "Vectores base"
- Comienza con la identidad [1 0; 0 1]
- Cambia solo m00 a 2. Observa cómo e₁ (rojo) se estira
- Vuelve a identidad. Ahora cambia m01 a 1
- Observa: e₂ (verde) sigue igual, pero e₁ ahora "empuja" hacia la derecha
Insight: Cada columna de la matriz es literalmente donde termina el vector base correspondiente.
Experimento 2: Rotación
- Usa el preset "Rotación 45°"
- Selecciona la forma "Letra F" para ver claramente la orientación
- Activa la animación y reproduce
- Observa cómo la F gira sin cambiar de tamaño
- Verifica: det = 1 (preserva área y orientación)
Nota: cos(45°) ≈ 0.707 aparece en la diagonal; sin(45°) ≈ 0.707 aparece fuera de la diagonal con signo opuesto.
Experimento 3: Reflejo y Determinante
- Usa el preset "Reflejo X" (matriz [-1 0; 0 1])
- Observa que det = -1: preserva área pero invierte orientación
- La F aparece "espejada" horizontalmente
- Prueba "Reflejo y=x": intercambia x e y
Concepto: El signo del determinante indica si la transformación es una reflexión (impares) o una rotación/escala (pares).
Experimento 4: Valores Propios
- Activa "Vectores propios" en la visualización
- Usa la matriz de escala [2 0; 0 0.5]
- Los vectores propios son horizontal y vertical
- λ₁ = 2 (estira horizontalmente), λ₂ = 0.5 (contrae verticalmente)
- Ahora usa la matriz de rotación. ¿Hay vectores propios?
Observación: La rotación pura no tiene vectores propios reales: ninguna dirección permanece fija (excepto 0° o 180°).
Experimento 5: Matriz Singular
- Ingresa la matriz [1 2; 2 4]
- Observa: det = 1×4 - 2×2 = 0
- La cuadrícula colapsa a una línea
- Toda la información de una dimensión se pierde
Implicación: No hay inversa. No puedes "deshacer" esta transformación porque infinitos puntos se mapean al mismo lugar.
Composición de Transformaciones
Aplicar dos transformaciones sucesivas equivale a multiplicar sus matrices (en orden inverso):
El orden importa: rotar y luego escalar generalmente no da lo mismo que escalar y luego rotar (la multiplicación de matrices no es conmutativa).
Conexiones Interdisciplinarias
Gráficos por Computadora
Cada sprite, cada modelo 3D se transforma con matrices. Las GPU son máquinas de multiplicación matricial masiva.
Machine Learning
Las capas de una red neuronal son transformaciones matriciales seguidas de no linealidades.
Física Cuántica
Los estados cuánticos son vectores; las observables y evoluciones son matrices (operadores).
Robótica
Las transformaciones de coordenadas entre articulaciones de un robot se expresan como matrices homogéneas.
Economía
Los modelos de Leontief (input-output) usan matrices para representar relaciones entre sectores económicos.
Procesamiento de Imágenes
Los filtros de convolución son operaciones matriciales. La PCA comprime imágenes encontrando valores propios.
Coordenadas Homogéneas
Las matrices 2×2 no pueden representar traslaciones (desplazamientos). Para incluir traslaciones, se usan matrices 3×3 en coordenadas homogéneas:
Esta extensión permite componer rotaciones, escalas, reflejos Y traslaciones en una sola multiplicación matricial, fundamental para gráficos 2D y 3D.
Para Explorar Más
- Descomposición SVD: Cualquier matriz = rotación × escala × rotación
- Diagonalización: Simplificar matrices usando valores propios
- Matrices ortogonales: Transformaciones que preservan distancias
- Grupos de Lie: Matrices como puntos en espacios curvos
- Álgebra lineal numérica: El corazón de la computación científica