[総合] Rayleigh商はなぜPCAから量子力学まで現れるのか(過去のブログ記事をリライト)
Rayleigh商が固有値の加重平均になることを導き、その最大値と最小値を求める。PCAの射影分散の最大化と、量子力学の基底状態を求めるエネルギー最小化が同じ式で表せる理由を説明する。Pythonで二次元データと二準位系を計算し、方向や相対位相による値の変化をグラフで確かめる。

Rayleigh商が固有値の加重平均になることを導き、その最大値と最小値を求める。PCAの射影分散の最大化と、量子力学の基底状態を求めるエネルギー最小化が同じ式で表せる理由を説明する。Pythonで二次元データと二準位系を計算し、方向や相対位相による値の変化をグラフで確かめる。

指数型分布族の共通形式から、統計と機械学習で使う計算を導く。ベルヌーイ・ポアソン・正規分布を例に、対数分配関数の微分、十分統計量、最尤推定の関係を確認する。Pythonでベータ事前分布の更新とロジスティック回帰を計算し、損失の凸性と有限な推定解が存在する条件を区別する。

Poisson方程式が半導体・熱・流体・重力に現れる理由を、勾配と発散から導く。電位、定常温度、圧力、重力ポテンシャルについて源の符号と境界条件を整理する。Pythonで一次元差分法による解と誤差を比較し、周期領域の二次元圧力補正では、速度の発散が取り除かれることを確かめる。

固有値問題がPCA・振動解析・量子力学・グラフに現れる理由を、最適化と時間発展の式から導く。固有値が分散、角振動数の二乗、エネルギー、辺上の変動を表すことを小さな例で確かめる。Pythonで主成分、振動モード、二状態系、グラフ分割を計算し、残差や保存則から結果の整合性を確認する。

最小二乗法に共通する正規方程式を導き、物理・統計・機械学習での使い方を比較する。人工的なばねの測定から定数を求め、測定精度を反映した重み付き推定と正規誤差の最尤推定を確かめる。Pythonの多項式回帰ではRidge正則化の強さを検証データで選び、未知のデータに対する予測誤差を調べる。
