Módulo 2: Espacios Vectoriales
3. Bases y Dimensiones: Los Ejes del Universo
Descripción de la cápsula
En esta cápsula vas a entender qué son las bases (los "ejes" del espacio) y qué significa dimensionalidad (cuántos ejes hay). Si el espacio vectorial es el "universo" donde viven los vectores, las bases son el "sistema de coordenadas" que usas para ubicar cada punto.
Cuando termines, entenderás por qué el embedding space de OpenAI tiene exactamente 1536 dimensiones (1536 ejes independientes), qué significa "independencia lineal" sin álgebra pesada, y por qué más dimensiones = más capacidad para capturar matices.
¿Qué es una base?
Una base es un conjunto de vectores que:
- Son independientes (ninguno se puede construir como combinación de los otros)
- Generan todo el espacio (cualquier vector se puede expresar como combinación de ellos)
Analogía: Los ejes X e Y en 2D son una base. Cualquier punto [3, 2] se expresa como "3 pasos en X, 2 pasos en Y".
Bases estándar en 2D y 3D
Base estándar en 2D:
e₁ = [1, 0] (eje X puro)
e₂ = [0, 1] (eje Y puro)
Cualquier vector se expresa como combinación:
[3, 2] = 3×[1,0] + 2×[0,1] = 3×e₁ + 2×e₂
Base estándar en 3D:
e₁ = [1, 0, 0] (eje X)
e₂ = [0, 1, 0] (eje Y)
e₃ = [0, 0, 1] (eje Z)
Dimensionalidad: ¿Cuántos ejes?
La dimensión de un espacio es el número de vectores en una base:
- 2D: 2 vectores base → 2 dimensiones
- 3D: 3 vectores base → 3 dimensiones
- 1536D: 1536 vectores base → 1536 dimensiones
En embeddings de OpenAI (1536D):
- Hay 1536 "direcciones puras" independientes
- Cada embedding es una combinación de esas 1536 direcciones
- Más dimensiones = más capacidad para distinguir conceptos
Independencia lineal (concepto simple)
Vectores son independientes si ninguno es combinación de los otros.
Ejemplo 2D - Independientes:
v₁ = [1, 0]
v₂ = [0, 1]
No puedes construir v₂ como múltiplo de v₁ → Independientes ✅
Ejemplo 2D - Dependientes:
v₁ = [1, 0]
v₂ = [2, 0]
v₂ = 2×v₁ → Dependientes ❌ (v₂ no aporta nueva dirección)
Por qué más dimensiones = más capacidad
En 2D: Solo puedes capturar 2 aspectos (ej: tamaño, velocidad)
En 1536D: Puedes capturar 1536 aspectos simultáneamente:
- Eje 1: Animalidad
- Eje 2: Tamaño
- Eje 3: Velocidad
- ...
- Eje 1536: Aspecto abstracto
Resultado: Conceptos sutilmente diferentes (perro grande vs perro pequeño) tienen posiciones distinguibles.
Resumen
Puntos clave:
- Base: Conjunto de vectores independientes que generan el espacio
- Dimensión: Número de vectores en la base (2D → 2 ejes, 1536D → 1536 ejes)
- Independencia: Ningún vector base se construye como combinación de otros
- Más dimensiones: Más capacidad para capturar matices
Próxima cápsula: 04-subspaces-and-projections.md — Regiones del espacio, reducción dimensional (t-SNE, UMAP).