9 votos

¿Cuáles son las formas alternativas de concebir la matriz de transferencia utilizada en el modelo de Ising?

Hace poco aprendí a encontrar la función de partición del modelo de Ising utilizando el método de la matriz de transferencia. A mi nivel de comprensión de las cosas, ¡es un truco que resulta que funciona! Me gustaría entender las matrices de transferencia más profundamente que eso.

Así que estoy buscando cosas que suenen como "una formulación equivalente" o "un tratamiento axiomático" o "una analogía con esta técnica en otro campo (digamos QFT)". No estoy pidiendo necesariamente algo sofisticado. Incluso cosas simples o ideas que motiven las ideas detrás de las matrices de transferencia serían muy útiles. (A grandes rasgos, estoy buscando algún tipo de contexto más amplio, donde las matrices de transferencia tengan un lugar natural).

7voto

Hmazter Puntos 66

No creo que haya una interpretación física directa y natural (por supuesto, siempre se puede inventar algo ). ex post facto ). Sin embargo, existen estrechas relaciones con otros temas. Aquí intentaré explicar algunas relaciones estrechas con las cadenas de Markov.

Me ceñiré al caso del modelo unidimensional de Ising, para mantener las cosas concreto, pero a partir de lo que sigue debería quedar claro que esto es válido mucho más general.

Sea $T$ sea la matriz de transferencia del modelo unidimensional de Ising, a saber $$ T = \begin{pmatrix} e^{\beta + h} & e^{-\beta}\\ e^{-\beta} & e^{\beta-h} \end{pmatrix} = \bigl(T_{\sigma,\sigma'} \bigr)_{\sigma,\sigma'=\pm 1}\,, $$ con $T_{\sigma,\sigma'} = e^{\beta\sigma\sigma' + h(\sigma+\sigma')/2}$ . (Utilizo la convención matemática de no multiplicar $h$ por $\beta$ pero esto es, por supuesto, irrelevante).

Entonces se tiene, por ejemplo, para la partición en un sistema de longitud $N$ con condición límite $\sigma$ (en el lado izquierdo) y $\sigma'$ (en el derecha): $$ \mathbf{Z}_N^{\sigma,\sigma'} = \bigl( T^N \bigr)_{\sigma,\sigma'}\,. $$ Denotemos por $\lambda_1>\lambda_2>0$ los dos valores propios de $T$ y $\varphi^1,\varphi^2$ los vectores propios correspondientes, normalizados de modo que $\|\varphi^1\|_2=\|\varphi^2\|_2=1$ . Todas estas cantidades pueden calcularse fácilmente de forma explícita, pero las expresiones resultantes son irrelevantes para lo que quiero decir.

A continuación, podemos definir una nueva matriz $\Pi=(\pi(\sigma,\sigma'))_{\sigma,\sigma'=\pm 1}$ con elementos de matriz $$ \pi(\sigma,\sigma') = \tfrac{\varphi^1_{\sigma'}}{\lambda_1\varphi^1_\sigma} T_{\sigma,\sigma'}\,. $$ (Obsérvese que, por el teorema de Perron-Frobenius, todas las componentes de $\varphi^1$ son positivos). Es fácil comprobar que $\Pi$ es la matriz de transición de un irreducible, aperiódica: para $\sigma=\pm 1$ , $$ \sum_{\sigma'=\pm 1} \pi(\sigma,\sigma') = \tfrac{1}{\lambda_1\varphi^1_\sigma} \sum_{\sigma'=\pm 1} T_{\sigma,\sigma'} \varphi^1_{\sigma'} = \tfrac{1}{\lambda_1\varphi^1_\sigma} \bigl( T\varphi^1 \bigr)_{\sigma} = 1\,, $$ ya que, por definición, $T\varphi^1=\lambda_1\varphi^1$ . Ser irreductible, $\Pi$ posee una única medida de probabilidad invariante $\mu$ : para $\sigma=\pm 1$ , $$ \mu(\sigma) = (\varphi^1_\sigma)^2\,. $$ En efecto, $\mu(1)+\mu(-1) = \|\varphi^1\|_2^2=1$ y $$ \bigl( \mu\Pi \bigr)(\sigma') = \sum_{\sigma=\pm 1} \mu(\sigma)\,\pi(\sigma,\sigma') = \frac{1}{\lambda_1} \varphi^1_{\sigma'} \sum_{\sigma=\pm 1} \varphi^1_\sigma\,T_{\sigma,\sigma'} = (\varphi^1_{\sigma'})^2 = \mu(\sigma')\,, $$ ya que la matriz $T$ es simétrica. La medida $\mu$ describe el espín único de la medida de Gibbs de volumen infinito. En efecto, denotando la medida de Gibbs en el intervalo $\{-N,\ldots,N\}$ con la condición límite $\sigma$ (un la izquierda) y $\sigma'$ (a la derecha) por $\nu_N^{\sigma,\sigma'}$ El probabilidad de que el espín en $0$ toma el valor $\sigma_0$ viene dado por $$ \nu_N^{\sigma,\sigma'}(\sigma_0) = \frac{\mathbf{Z}_N^{\sigma,\sigma_0}\mathbf{Z}_N^{\sigma_0,\sigma'}}{\mathbf{Z} _{2N}^{\sigma,\sigma'}} = \frac{\bigl(T^{N}\bigr)_{\sigma,\sigma_0} \bigl(T^{N}\bigr)_{\sigma_0,\sigma'}}{\bigl(T^{2N}\bigr)_{\sigma,\sigma'}}\,. $$ Ahora, para cualquier $\sigma_1,\sigma_2=\pm 1$ , $$ \bigl( T^N \bigr)_{\sigma_1,\sigma_2} = \lambda_1^N \frac{\varphi^1_{\sigma_1}}{\varphi^1_{\sigma_2}} \bigl( \Pi^N \bigr)_{\sigma_1,\sigma_2}\,, $$ lo que da, tras la sustitución en la expresión anterior, $$ \nu_N^{\sigma,\sigma'}(\sigma_0) = \frac{\bigl(\Pi^{N}\bigr)_{\sigma,\sigma_0} \bigl(\Pi^{N}\bigr)_{\sigma_0,\sigma'}}{\bigl(\Pi^{2N}\bigr)_{\sigma,\sigma'}} \,. $$ Ahora, como la cadena de Markov es irreducible y aperiódica, $\lim_{N\to\infty} (\Pi^N)_{\sigma_1,\sigma_2} = \mu(\sigma_2)$ y concluimos que $$ \lim_{N\to\infty} \nu_N^{\sigma,\sigma'}(\sigma_0) = \frac{\mu(\sigma_0)\mu(\sigma')}{\mu(\sigma')} = \mu(\sigma_0)\,. $$ Del mismo modo, la medida de Gibbs completa de volumen infinito viene dada por el invariante invariante de la cadena de Markov.

En situaciones más generales, la matriz de transferencia puede no ser simétrica. Esto problema, pero complica un poco las definiciones anteriores. Permítanme referirme a este documento para ver un ejemplo en el que estos métodos se utilizan de forma más complicada. No puedo proporcionar referencias generales, ya que no las conozco; esto es ciertamente parte del folklore ahora.

0 votos

Esta respuesta es excelente y me ha enseñado algo que necesitaba saber. Me gustaría saber más sobre el caso general, en el que la matriz de transferencia puede no ser simétrica.

0 votos

@Nathaniel : gracias por tu apreciación (y por la inesperada recompensa). En cuanto al caso no simétrico, podría añadir una (breve) segunda parte a la respuesta, en la que señale los cambios pertinentes, o simplemente señalarlos en los comentarios. ¿Cuál sería la mejor solución?

0 votos

¡Oh, cualquiera de los dos está bien! Probablemente pueda resolverlo yo mismo, pero si tienes tiempo para poner algo de información en la respuesta podría ser útil. (Acabo de darme cuenta de que si se utiliza la convención de que las matrices estocásticas multiplican por la izquierda los vectores de probabilidad, entonces hay que utilizar la fórmula izquierda Vector propio de Perron-Frobenius de $T$ que es lo que me estaba retrasando).

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X