¿Cuáles son los significados físicos de una matriz en matemáticas?

En primer lugar, permítanme llamar la atención sobre una desafortunada inconsistencia en la terminología, que puede ser un gran obstáculo para aprender estos conceptos.

Cuando estudias matemáticas, puedes aprender de un vector como una fila o columna de números. También puede aprender que un vector es una dirección y una magnitud. Eventualmente, puede quedar claro que la fila o columna de números es una representación de un vector en un sistema de coordenadas particular. Puede cambiar el sistema de coordenadas y los números cambian, pero el vector (es decir, el objeto geométrico, la flecha que tiene una longitud y una dirección) permanece igual.

Cuando se trata de matrices, las cosas son un poco más claras: una matriz es una disposición de números, y puede ser la representación de una cantidad geométrica llamada tensor. La representación de un tensor cambia dependiendo de la elección del sistema de coordenadas, incluso si el tensor en sí (el objeto geométrico abstracto) permanece igual.

¿Qué es un tensor? Para eso, piense en algo que puede hacer aplicando un vector a otro vector a través de la operación interna del producto: los asigna a números. (Esto se hace más correctamente cuando uno de los vectores es contravariante , el otro es covariante , pero no quiero perderme aquí en detalles técnicos). En otras palabras, una de las cosas que hace un vector es que se mapea un campo de vectores en un campo de números.

Un tensor es la generalización de esta idea: mapea pares, trillizos, etc., de vectores en números. O, más generalmente, relaciona pares, trillizos, etc., de vectores de alguna manera.

Lo que me lleva quizás al uso más intuitivo e importante de los tensores en física: el tensor de estrés.

El tensor de estrés es la generalización de la idea de presión. Cuando decimos que un gas o un líquido tiene cierta presión, ¿qué queremos decir realmente? Por qué, si imagina insertar una hoja plana en ese medio y quitar el medio de un lado de la hoja, la presión le indica cuánta fuerza aplica el medio a la hoja en el otro lado.

Pero implícito en esta definición de presión es que la fuerza es isotrópica : la misma en todas las direcciones. Entonces, si tuviera que cortar un volumen de gas por la mitad con una membrana plana, la orientación de la membrana no importa; La presión es la misma. Además, la presión siempre es perpendicular a la membrana que inserta de esta manera.

Sin embargo, los materiales reales pueden ser anisotrópicos. Por ejemplo, cuando apilas ladrillos uno encima del otro, la presión en la dirección vertical será grande en la parte inferior de esa pila de ladrillos, pero no habrá presión horizontal. Entonces, si tomo una pila imaginaria de ladrillos y la divido con una membrana vertical, quitando la mitad de la pila, no habrá presión sobre esa membrana. Pero si tuviera que dividir la pila con una membrana horizontal, habría mucha presión.

Los materiales reales también pueden tener cizallamiento. Básicamente significa que si divido ese material con una membrana imaginaria, la fuerza sobre esa membrana no será perpendicular a la membrana.

Esto es lo que tenemos, entonces: dos vectores. Un vector es el normal de la membrana: un vector que representa la orientación y la magnitud de un elemento de superficie unitaria de esa membrana. El otro vector es la fuerza que actúa sobre este elemento de superficie. Estos dos vectores están relacionados por el tensor de estrés.

Cuando el material es isotrópico, el tensor de tensión será simplemente la matriz unitaria multiplicada por un número: la presión. Pero el tensor de tensión puede usarse para describir la presión anisotrópica arbitraria y las fuerzas de corte. El tensor de estrés caracteriza un material. Para calcular la fuerza resultante sobre un elemento de superficie elemental, simplemente tome la representación matricial del tensor de tensión y multiplique el vector normal de ese elemento de superficie con él; El resultado es un vector de fuerza.

En notación matemática, el vector de fuerza [math] {\ mathbf F} [/ math] se obtiene usando el tensor de tensión [math] {\ mathbf \ sigma} [/ math] y la superficie normal [math] {\ mathbf n} [ / math] por la operación

[matemática] {\ mathbf F} = {\ mathbf \ sigma} \ cdot {\ mathbf n}. \ tag * {} [/ math]

Cuando el material es isotrópico y libre de cizallamiento, [math] {\ mathbf \ sigma} = p {\ mathbf I} [/ math] donde [math] {\ mathbf I} [/ math] es solo la identidad (matriz de unidades ) En ese caso,

[matemáticas] {\ mathbf F} = p {\ mathbf I} \ cdot {\ mathbf n} = p {\ mathbf n}, \ tag * {} [/ math]

que es la noción familiar y cotidiana de presión (isotrópica).

Algunas buenas respuestas aquí ya. Quiero traer una aplicación en la que las matrices pueden ser bastante útiles que no se han mencionado en estas respuestas.

Digamos que tengo un gráfico que representa los flujos de un nodo a otro. Aquí hay un ejemplo simple:

Un ejemplo simple en el que podemos darle algún significado a este gráfico es el análisis anual del movimiento de población entre dos ciudades A y E. En este caso, podemos decir que cada año, el 60% de la población de la ciudad A permanece en A mientras que los otros 40 % va a la ciudad E. Del mismo modo, el 30% de la población de E permanece en la ciudad E, mientras que el resto va a la ciudad A.

Ahora lo bueno de las matrices es que proporcionan una forma realmente fácil de analizar este tipo de gráficos. Algunas veces llamada matriz estocástica, esta es la matriz [matemática] T [/ matemática] para el gráfico anterior (la primera columna representa A y la segunda columna representa E).

[matemáticas] T = \ begin {bmatrix}
0.6 y 0.7 \\
0.4 y 0.3
\ end {bmatrix} [/ math]

Ahora, digamos inicialmente, la población se concentra completamente en la ciudad E.

Por lo tanto, nuestro vector inicial que representa este problema es

[matemáticas] v_0 = \ begin {bmatrix}
0 \\
1
\ end {bmatrix} [/ math]

Ahora digamos que alguien le preguntó cuál es la distribución de la población después de un paso:

Con nuestras definiciones de matriz y vector en mano, esto simplemente se convierte en

[matemáticas] v_1 = Tv_0 [/ matemáticas].

Para encontrar la distribución después del segundo año, simplemente calculamos

[matemáticas] v_2 = T ^ 2v_0 [/ matemáticas].

Y podemos generalizar esto a la distribución después de cualquier año [matemático] n [/ matemático].

Entonces, en este contexto, una matriz puede representar los cambios de estado en dicho gráfico, que a veces se llama una cadena de Markov.

Además, aquí hay algo realmente genial para agregar a esta idea. Un problema común para preguntar con estos gráficos es, después de un período de tiempo muy largo, cuál es la distribución eventual de la población (formalmente conocida como distribución estacionaria). Y resolver esto entra en un álgebra lineal realmente genial, en el que podemos garantizar primero que este tipo de matriz siempre tiene un valor propio de 1 y que la distribución estacionaria es el vector propio normalizado que corresponde a este valor propio.

Y como un hecho adicional de gran final, esta idea fue la columna vertebral de la versión inicial del algoritmo de clasificación inicial de Larry Page y Sergey Brin para la búsqueda de Google llamado PageRank. Esta idea literalmente vale miles de millones de dólares ahora. Eso es muy bonito.

Una matriz en sí misma no tiene significado físico. Es INCORRECTO asumir que no puedes entender o “hacer” física sin usar matrices o matemáticas en general. Por supuesto, si tiene algunas analogías que obtiene al estudiar matemáticas, puede ser útil reconocer patrones en la naturaleza o sus datos más fácilmente.

En cuanto a su pregunta, diría que las personas a menudo usan matrices para organizar sus datos de una mejor manera. También le facilita obtener información de estas matrices, por ejemplo, los valores propios que podrían tener algún significado físico. Pero incluso podría saber acerca de estas cantidades físicas al seguir haciendo experimentos y tratando de buscar patrones.

Creo que los otros ya han destacado algunos buenos ejemplos de cómo las matrices son / fueron utilizadas por personas que intentan estudiar fenómenos a su alrededor.

Físicamente hablando, la forma más fácil de pensar en las matrices son las transformaciones lineales de un espacio físico (a veces salvajemente multidimensional) a otro.

Puede tomar vectores (puntos) en 2 espacios y moverlos a otro lugar en 2 espacios (por ejemplo, rotación de 90 grados, traslación de 3 o 5 o 9 unidades a la izquierda o derecha o arriba o abajo). Puede tomar vectores en 3 espacios y moverlos a otros lugares en 3 espacios (por ejemplo, muchas transformaciones utilizadas en gráficos de computadora). Incluso puede moverse entre espacios que tienen diferentes dimensiones. Puede asignar 2 espacios en una línea, o asignar 3 espacios en un subespacio tridimensional de 5 espacios.

En álgebra lineal, se podría argumentar que las matrices más interesantes son las llamadas endomorfismos, o mapas de espacios vectoriales para ellos mismos. Estas son las matrices cuadradas, sobre las cuales podemos discutir cosas como la invertibilidad.

También hay otras aplicaciones de álgebra matricial (por ejemplo, resolver sistemas de ecuaciones), pero se prestan a una interpretación física con menos facilidad, por lo que no las discutiré aquí.

De hecho, escribí algunas publicaciones de blog sobre cómo construimos la correspondencia uno a uno entre las transformaciones lineales y las matrices (están en Quora); si eso es algo que te interesa, échale un vistazo.

¿Preguntaste en matemáticas? Bueno, la triste verdad es que en matemáticas, nada tiene que tener un significado físico para existir. Y aún más triste, la matriz es un concepto algebraico, por lo que la matriz no tiene interés, solo las operaciones (suma, multiplicación, transposición, etc.) que puede hacer en la matriz.

Dicho matriz puede usarse para modelar muchas cosas en el mundo físico. Por ejemplo, la transformación lineal de espacios vectoriales (es decir, el concepto surgió históricamente), con la multiplicación que modela la composición de la transformación lineal.

También pueden representar gráficos, covarianza (en estadística), procesos estocásticos, conjunto de vectores, derivada (en más de 1 dimensión), producción industrial (en economía), resultado de pérdida / ganancia (en teoría de juegos). También se utilizan para clasificar grupos de Lie, nudos, partículas elementales, …

Ese es el poder de las matemáticas, unifica muchos conceptos que de otro modo no estarían relacionados. Solo porque no necesita tener un significado físico, de repente se puede usar para modelar muchas cosas. De hecho, cada vez que tiene objetos que se pueden agregar y multiplicar de la misma manera que la matriz, puede estar seguro de que hay un fenómeno lineal detrás y no pasará mucho tiempo antes de que alguien encuentre el espacio vectorial subyacente.

Una matriz es una lista de vectores, puede tener varios usos diferentes tanto en matemáticas como en física.

Tome por ejemplo una lista de 3 vectores en un espacio tridimensional, puede usarla para describir las diferentes tensiones o presiones que aplastan un punto de un fluido en las 3 direcciones principales. Tensor – Wikipedia.

Otro ejemplo puede ser la abstracción inercial de un sólido giratorio, que tiene diferente resistencia para moverse en cada dirección. Resulta que esto se describe con solo 3 vectores, es decir, una matriz de 3 × 3. Ver momento de inercia – Wikipedia

Y la lista puede continuar. Casi todos los objetos geométricos que podría describir con una lista de vectores, pueden usarse como un ejemplo del significado físico de una matriz. Puede encontrar más si busca libros con ejemplos de geometría de álgebra lineal.

Una matriz es un mapeo lineal entre espacios vectoriales. Es decir, podemos pensar en una matriz como una transformación lineal, una matriz real [matemática] A \ in \ mathbb {R} ^ {m \ times n} [/ math]

[math] f: \ mathbb {R} ^ {n} \ to \ mathbb {R} ^ {m} [/ math]

entonces la matriz es la función asigna su vector [math] x \ in \ mathbb {R} ^ {n} \ a Ax [/ math]

que es [math] \ mathbb {R} ^ {m} [/ math]

El significado físico aquí depende del tipo de matriz. Pero son simplemente mapas lineales entre espacios vectoriales. Entonces podemos tener un sistema de ecuaciones

[matemáticas] Ax = b [/ matemáticas]

Esto significa que tengo algunos datos representados aquí en la matriz de datos A, que de hecho es un conjunto de polinomios, y x es coeficientes ab es una función. Entonces predigo alguna función a través de la interpolación.

Matriz de Vandermonde – Wikipedia