Parte II · Estructuras
Cuando el álgebra y el análisis se encuentran
Se construye sobre: Valores y vectores propios, Derivada e integral
Imagina que pulsas una cuerda de guitarra y, justo después, otra. Lo que llega a tu oído es la suma de las dos vibraciones: en cada instante la presión del aire es la de una más la de la otra. Si pulsas más fuerte, la misma vibración llega multiplicada por un número. Sumar y multiplicar por un número. Son exactamente las dos operaciones que definen a un vector.
Este capítulo cierra la parte de estructuras con una idea que, cuando cae, reordena muchas cosas: las funciones también son vectores. No en sentido figurado. Se suman, se escalan, tienen longitud, forman ángulos y tienen coordenadas. La diferencia es que viven en un espacio de infinitas dimensiones, y ahí el álgebra sola ya no alcanza: para que las sumas infinitas signifiquen algo hace falta el análisis. Lo que sale de ese encuentro es una de las herramientas más poderosas de la física.
Las funciones también se suman
Recuerda qué hacía falta para tener un espacio vectorial: un conjunto de cosas que se puedan sumar entre sí y multiplicar por escalares, con las reglas de siempre (la suma conmuta, hay un cero, todo tiene un opuesto, el escalar se distribuye). Toma ahora todas las funciones de en los reales y define la suma y el escalado punto por punto:
Todas las reglas se cumplen porque se cumplen en cada punto. El cero es la función que vale cero en todas partes. Ya está: es un espacio vectorial. La función es el vector, y cada valor es como una “componente”, una por cada . Un vector de tiene tres componentes; esta tiene una por cada punto del intervalo.
¿Cuántas dimensiones tiene? Piensa en los polinomios, que viven dentro de este espacio. Las funciones son linealmente independientes: ninguna potencia se escribe como combinación de las más bajas. Hay una lista infinita de direcciones independientes, así que la dimensión no es ningún número finito. Y aquí empieza el problema. En dimensión finita, cualquier vector es una combinación finita de los de una base. En dimensión infinita vamos a querer escribir funciones como sumas infinitas, y una suma infinita es un límite. Hay que decir en qué sentido converge.
Medir ángulos entre funciones
En el plano, el producto punto te da longitudes y ángulos: multiplicas componente por componente y sumas. Con funciones las componentes son un continuo, y sumar sobre un continuo es integrar:
(Con funciones de valores complejos se conjuga una de las dos, para que sea real y no negativo.) La distancia entre dos funciones no mira el peor punto: promedia el cuadrado de la diferencia en todo el intervalo. Es el mismo error cuadrático que se minimiza al ajustar una recta a unos datos.
Y con producto interno aparece la palabra que lo cambia todo: ortogonal. Dos funciones son ortogonales si su producto interno es cero. La sorpresa es que los senos y cosenos de frecuencias enteras son ortogonales entre sí, como los ejes de una habitación. Para enteros :
Lo mismo con los cosenos entre sí; un seno y un coseno siempre son ortogonales; y la función constante es ortogonal a todos ellos. Geométricamente: cada frecuencia es una dirección perpendicular a todas las demás.
Fourier: las coordenadas de una función
En el espacio, si tienes ejes perpendiculares, la coordenada de un vector sobre un eje se saca proyectando: producto punto con el eje, dividido por el largo del eje al cuadrado. No hace falta resolver ningún sistema. Con funciones es igual. La coordenada de en la dirección es
y con los cosenos y la constante se hace lo mismo. Juntar todas esas coordenadas para reconstruir la función es la serie de Fourier:
El símbolo es una promesa pendiente: todavía no hemos dicho en qué sentido esa suma es igual a . Hagamos la cuenta con un caso extremo, una onda cuadrada que vale en la mitad izquierda y en la derecha, encendido y apagado. Su promedio es , los cosenos no aparecen y los senos dan
Una función con esquinas, armada con curvas perfectamente suaves. Míralo pasar:
Elige una onda y suma senos. Abajo, cada barra es una coordenada: cuánto de cada seno lleva la onda.
- armónico más alto
- 1
- raíz del error cuadrático medio
- 0,218
- pico más alto
- 1,137
La onda nunca pasa de 1; la suma sí. Sube los términos y mira qué pasa con ese pico junto al salto.
Con cero términos solo tienes el promedio, una línea en , y la raíz del error cuadrático medio es . Con un solo seno baja a ; con diez, a ; con cincuenta, a . Nunca sube, y tiende a cero. Es la versión infinita de Pitágoras, la identidad de Parseval: el cuadrado del largo de la función es la suma de los cuadrados de sus coordenadas (cada una pesada por el largo de su eje). Cada término que agregas resta su parte del error, y entre todos se lo comen entero.
Pero mira el pico junto al salto. La onda nunca pasa de y la suma sí: con diez términos sube hasta , con cincuenta hasta , y ahí se queda. Sumar más términos hace el pico más angosto y lo arrima al salto, pero no lo baja. Es el fenómeno de Gibbs: junto a un salto, las sumas parciales se pasan cerca de un 9 % del tamaño del salto (el límite exacto es ), por muchos términos que sumes. Y en el salto mismo la suma cae justo en la mitad, en . En el diente de sierra pasa lo mismo, aunque el pico tarda más en alcanzar su altura final.
No es un error de la animación ni de Fourier. Es una lección sobre los límites: el error cuadrático tiende a cero y, sin embargo, el peor punto no mejora. La serie converge “en promedio” pero no de manera uniforme. Las dos cosas son verdad a la vez porque miden cosas distintas, y por eso en dimensión infinita no basta decir “converge”: hay que decir con qué regla se mide la cercanía.
Donde el infinito exige análisis
Hay un problema más fino. Mira las sumas parciales: todas son funciones continuas, y se van pegando unas a otras (la distancia entre la de cien términos y la de mil es diminuta). Una sucesión así, cuyos términos terminan arbitrariamente cerca entre sí, se llama de Cauchy. Pero su límite, la onda cuadrada, no es continuo. Si tu espacio fueran solo las funciones continuas, esa sucesión que “debería” converger no tendría a dónde llegar.
Es el mismo agujero que tienen los racionales: hay fracciones que se acercan cada vez más a sin que sea una fracción. Los números reales se construyen para tapar esos agujeros; se dice que son completos. Con las funciones se hace lo mismo, y el espacio que resulta se llama : las funciones cuyo cuadrado tiene integral finita. Para que sea completo hace falta la integral de Lebesgue, la que nace de la teoría de la medida; con la de Riemann no alcanza. Ese es el contenido del teorema de Riesz-Fischer. Hay un detalle honesto: en dos funciones que solo difieren en un conjunto de medida cero cuentan como el mismo vector, porque la distancia entre ellas es cero. Por eso no tiene sentido preguntar cuánto “vale” la onda cuadrada exactamente en el punto del salto.
Con eso ya se puede dar la definición precisa:
Un espacio de Hilbert es un espacio vectorial (real o complejo) con un producto interno, que es completo para la distancia que ese producto interno define. Es decir: toda sucesión de Cauchy converge a un elemento del espacio. Una base ortonormal de un espacio de Hilbert es una familia de vectores de largo uno, perpendiculares dos a dos, tal que todo vector es el límite de sus proyecciones:
Ojo: no es una base en el sentido del álgebra lineal de dimensión finita, donde todo vector es combinación finita de la base. Aquí se permiten sumas infinitas, y lo que las hace legítimas es la completitud. El teorema clásico es que la constante, los senos y los cosenos de frecuencias enteras (normalizados) forman una base ortonormal de . Así que la serie de Fourier de cualquier función de cuadrado integrable converge a ella en la norma, que es exactamente lo que la animación muestra. (Que además converja punto a punto en casi todas partes es otro asunto, mucho más difícil; lo probó Lennart Carleson en los años sesenta.)
Fíjate en la consecuencia: la lista de coordenadas describe la función entera, y la suma de sus cuadrados es finita. Todo espacio de Hilbert de dimensión infinita con una base ortonormal numerable es, en el fondo, el mismo: el espacio de las sucesiones de cuadrado sumable. Una función y su lista de coordenadas son dos nombres del mismo vector.
La derivada es una matriz infinita
Ahora el álgebra devuelve el favor. Derivar es lineal: la derivada de una suma es la suma de las derivadas, y la de es . Eso significa que es una transformación lineal, una matriz de infinitas filas y columnas. Y si es una matriz, se le pueden buscar sus vectores propios: las funciones que al derivarse no cambian de dirección, solo de escala.
Las exponenciales son los vectores propios de la derivada, y los senos y cosenos, los de la segunda derivada. Esa es la verdadera razón por la que Fourier sirve para algo. Toma la ecuación del calor en una barra de largo con los extremos a temperatura cero:
Aquí son las coordenadas de la temperatura inicial en la base de senos. En esa base, el operador complicado se vuelve diagonal: cada coordenada evoluciona sola, sin enterarse de las demás, y decae a su propio ritmo. Las frecuencias altas, los detalles finos, mueren primero (el exponente lleva ), y por eso el calor suaviza todo lo que toca y la temperatura tiende a emparejarse, como cuenta la termodinámica. Fourier desarrolló sus series a comienzos del siglo XIX justamente para resolver este problema.
Con la ecuación de ondas pasa algo parecido, solo que cada coordenada oscila en vez de decaer, con una frecuencia proporcional a . Esos son los armónicos de la cuerda de guitarra con que empezamos: múltiplos enteros de una frecuencia fundamental. Descomponer una señal en frecuencias es, en sentido literal, sacarle el espectro. Y comprimir es guardar solo las coordenadas grandes: JPEG y MP3 usan transformadas de cosenos, primas cercanas de esta misma idea.
Hay que ser precisos en una cosa. En dimensión infinita la derivada no se comporta como una matriz cualquiera: no está definida en todo (la onda cuadrada no tiene derivada en el sentido usual) y puede agrandar vectores sin cota ( tiene largo fijo, pero su derivada crece con ). Es un operador no acotado, y manejarlo bien es buena parte del análisis funcional. Lo que sí sobrevive es lo esencial: con las condiciones de borde adecuadas, es autoadjunto, la versión infinita de una matriz simétrica, y por eso sus vectores propios con valores propios distintos son ortogonales. La ortogonalidad de los senos, que parecía una coincidencia de integrales, es la misma razón por la que los vectores propios de una matriz simétrica son perpendiculares.
Y hay una razón todavía más honda, que viene de los grupos: la derivada conmuta con las traslaciones (derivar y luego correr la función da lo mismo que correrla y luego derivar). Las exponenciales son las funciones que se llevan bien con ese grupo de simetrías, y el análisis de Fourier se generaliza a otros grupos con la misma lógica. Esa rama se llama análisis armónico.
La mecánica cuántica, el gran ejemplo
Todo lo anterior se volvió el lenguaje de la física en el siglo XX. John von Neumann lo dejó escrito de forma sistemática en su libro de 1932 sobre los fundamentos matemáticos de la mecánica cuántica, y la estructura que se usa hoy es esencialmente esa:
El estado de un sistema es un vector de largo uno en un espacio de Hilbert complejo (los escalares son los números complejos, un cuerpo que aquí no es opcional). Más exactamente, es un vector salvo una fase global: si lo multiplicas por un número complejo de módulo uno, describe el mismo estado. Para una partícula en el espacio ese vector es la función de onda , y es una densidad de probabilidad: la regla de Born.
Lo que se mide, la energía, el momento o el espín, es un operador autoadjunto. Los resultados posibles de la medición están en su espectro; cuando el espectro es discreto, son sus valores propios (números reales, como corresponde a algo que marca un aparato), y la probabilidad de obtener cada uno es el cuadrado del módulo de la coordenada del estado en el vector propio correspondiente. Si el operador tiene una base de vectores propios con valores , todos distintos:
La última igualdad es Parseval otra vez: las probabilidades suman uno porque el estado tiene largo uno. La famosa “superposición” es, en esta escritura, una combinación lineal, y que un estado sea superposición o no depende de qué base mires, es decir, de qué vayas a medir. Las líneas brillantes del espectro del hidrógeno corresponden a diferencias entre los valores propios de su operador de energía: el “espectro” del operador y el espectro de la luz que emite el átomo terminan hablando de lo mismo.
Y la derivada reaparece. El momento de una partícula es, salvo constantes, la derivada: . Sus vectores propios son las exponenciales , así que pasar de posiciones a momentos es hacer una transformada de Fourier. (Esas exponenciales no tienen largo finito en ; son vectores propios “generalizados” y hace falta más análisis para tratarlos con rigor, otro recordatorio de que el infinito cobra.) El principio de incertidumbre, , es en buena parte un hecho de Fourier: una función y su transformada no pueden estar ambas muy concentradas. Para tener un pulso corto necesitas muchas frecuencias, y la onda cuadrada de la animación lo muestra en pequeño: para hacer una esquina hacen falta infinitos armónicos.
Hasta aquí llega la matemática, y conviene detenerse ahí. Qué es ese vector, si describe la realidad misma o lo que podemos saber de ella, y qué pasa exactamente al medir, son preguntas abiertas en las que distintas interpretaciones no coinciden. Esa discusión, y lo que “observable” quiere decir ahí, la retomo en qué cuenta como real. Pero el formalismo no es místico: son vectores, productos internos y valores propios, las mismas piezas de esta parte del libro.
El mismo andamiaje aparece lejos de la física. Las variables aleatorias de varianza finita forman un espacio de Hilbert, con producto interno ; para variables centradas ese producto es la covarianza, y la correlación es el coseno del ángulo entre ellas; la transformada de Fourier de una distribución, su función característica, es la vía clásica para probar el teorema del límite central. Y una red neuronal también busca una función dentro de un espacio de funciones, aunque lo hace moviendo parámetros de los que la salida no depende linealmente.
El patrón del libro
Mira lo que pasó en esta parte. Empezamos con flechas que se suman, matrices que las mueven y direcciones que las matrices respetan. Por otro lado, límites, derivadas e integrales. Parecían dos mundos. Aquí se volvieron uno: la función de la primera parte del libro pasó a ser un punto en un espacio; la integral pasó a ser un producto interno; la derivada, una matriz infinita; la medida de Lebesgue, la garantía de que ese espacio no tiene agujeros. Y los valores propios, que eran una curiosidad de las matrices, terminaron siendo los niveles de energía de un átomo.
Ese es el patrón que recorre todo el libro: un objeto se construye con cuidado, se entiende bien, y en algún momento deja de ser el protagonista para convertirse en pieza de algo más grande. El vector era una lista de números; ahora es una onda. El análisis funcional, la rama que estudia estos espacios, es lo que pasa cuando el álgebra lineal se atreve con el infinito y el análisis le presta las herramientas para no caerse. Lo que sigue en el libro, lo incierto, empieza justo aquí: la probabilidad es medida, y la medida ya sabemos dónde vive.