¿Cuáles son algunas aplicaciones de la vida real de valores propios o vectores propios?

Sabemos que en la mecánica cuántica, las variables dinámicas están representadas por operadores hermitianos apropiados. Podemos establecer la ecuación del valor propio para el operador dado. Cuando resolvemos dicha ecuación de valor propio, encontramos que la aplicación de condiciones de admisibilidad restringe los valores propios a ciertos valores discretos. Entonces. después de resolver la ecuación del valor propio para una cantidad física dada, tenemos un conjunto de valores propios discretos y las funciones propias correspondientes para esa cantidad física. ¿Cómo son estos prácticamente útiles?

Para entender esto, supongamos que queremos medir la energía de una partícula en un sistema mecánico cuántico (Núcleo, átomo, mono, di y moléculas poliatómicas, dispositivos nano como punto cuántico, pozo cuántico, corrales cuánticos, etc., sólidos, cuánticos dispositivo óptico como láser, etc ……). Para este propósito, supongamos que tenemos un “medidor de energía”.

Ahora, antes de la medición, la partícula está en el estado más general, que está en un estado que es superposición (combinación lineal) de todos sus estados de energía. Pero, el resultado de cualquier medición de energía, en nuestro ejemplo, será uno de los infinitos valores de energía posibles. Esto significa que en el proceso de medición, todos los estados que estaban allí en la combinación lineal de estados propios, excepto uno correspondiente al cual se midió el valor propio, se han colapsado. Se puede ver que la medición ha alterado el sistema.

Entonces, si queremos tomar una segunda observación, tenemos que llevar el sistema al estado original que estaba allí antes de la primera observación. Con esto, tomemos una segunda observación. Una vez más, el resultado es un valor propio, no necesariamente el mismo valor propio que salió de la primera observación. Como experimentador, ¡ahora nos confundimos! Nos preguntamos cuál es la observación correcta. Esta pregunta nos lleva a repetir las observaciones muchas veces. Como resultado de estas observaciones, finalmente, nos queda un espectro distribuido de valores de energía. Lo único significativo que podemos extraer es el promedio ponderado de estos valores.

Estos valores promedio pueden calcularse evaluando elementos de matriz diagonal de las funciones de operador wrtwave. Estos valores promedio son los que medimos en el laboratorio. Además, a partir de varias funciones propias podemos encontrar la probabilidad de transición entre varios estados. A partir del diagrama de nivel de energía obtenido de los valores propios y de la probabilidad de transición, podemos explicar los diversos tipos de espectros dependiendo del sistema.

En segundo lugar, con QM podemos dar cuenta de las fuerzas inteatómicas (o enlaces) en las moléculas. Estas fuerzas nos ayudan a encontrar la energía de unión de las moléculas.

En el caso de los sólidos, podemos calcular la estructura de la banda de los sólidos (metales, semiconductores, aislantes, aleaciones) a partir de los cuales se pueden estudiar todas las propiedades electrónicas, termodinámicas, magnéticas y ópticas. El funcionamiento de los nano dispositivos se puede entender con QM

La cuantificación de campos ha demostrado que con cada tipo de campo se puede asociar un tipo específico de partícula como excitación elemental de campo.

QM es una disciplina para entender la naturaleza. Lo que hemos escrito aquí es una fracción del reino perdido de QM

En estadística, los cálculos de valor propio / vector propio se utilizan en componentes principales y análisis factorial; en análisis multivariado de varianza (MANOVA); y en análisis discriminante.

Los elementos de un vector propio se pueden transformar en pesos que se pueden usar para combinar puntajes brutos o puntajes z (para formar una nueva combinación lineal ponderada). Los elementos de un vector propio también se escalan para representar “cargas factoriales” en el análisis de componentes principales. Tabachnick y Fidell (2007) Utilizando estadísticas multivariadas, la 5ª edición presenta el álgebra matricial para esto.

Estas combinaciones lineales ponderadas pueden crearse de manera que maximice el grado en que se puede reproducir una matriz de correlación o una matriz de varianza / covarianza (en componentes principales); o maximiza las diferencias de esta combinación lineal ponderada entre grupos y minimiza la variación dentro de los grupos (en MANOVA o análisis discriminante).

Las soluciones de autovalor / autovector son formas de manejar un número relativamente grande de variables, al menos algunas de las cuales se puede pensar que “miden lo mismo” o “forman parte de algún patrón”.

Una transformación del valor propio correspondiente proporciona información sobre la proporción de la varianza explicada (o la relación entre / dentro de la varianza del grupo) para cada vector propio.

Los valores propios y los vectores propios vienen en pares.

El número de soluciones de valor propio / vector propio para un problema puede variar dependiendo de cosas como el número de variables o el número de grupos.

No sé por qué estás haciendo esta pregunta. Sospecho que estás bastante desesperado por entender las matemáticas y ahora preguntas: “¿Realmente necesito esto en mi vida?”. No puedo responder a esa pregunta oculta, pero al menos aquí hay un lista de aplicaciones de valores propios y vectores propios (hay literalmente millones de ellos, y esta lista es, por supuesto, de ninguna manera exhaustiva).

Diseño de ingeniería:

  • Cálculo de frecuencias propias, frecuencias principales de objetos vibrantes u oscilantes (casas, puentes, componentes de automóviles, instrumentos musicales, …)
  • doblado y rotura de vigas
  • estabilidad de los tubos bajo presión externa
  • Todo tipo de tensiones o tensiones materiales.

ESO

  • compresión de imagen
  • calcular PageRank de sitios web (algoritmo de búsqueda de Google)

Estadística

  • Estados límite de las cadenas de Markov (en simulación, muy a menudo)

Física (aplicada)

  • Encontrar el eje de rotación de los cuerpos giratorios libres
  • Niveles de energía de sistemas cuánticos. Piensa en el diseño de colores en un laboratorio químico
  • soluciones numéricas de ecuaciones diferenciales parciales

¿Suficiente por ahora?

El más lucrativo que conozco es el PageRank de Google. Utiliza valores propios para calcular la página más probable que coincida con su búsqueda web.

Se ha aumentado desde que Page y Brin lo escribieron por primera vez en Stanford, pero esa fue la base de la búsqueda de la compañía.

Hay un documento que presenta todos los detalles de manera legible.

https://www.rose-hulman.edu/~bry