Đại Số Tuyến Tính Mathai & Haubold: Giáo Trình Cho Vật Lý và Kỹ Thuật

Khám phá Đại số tuyến tính theo Arak Mathai và Haubold. Tìm hiểu các khái niệm cơ bản, ứng dụng và bài tập hữu ích cho học tập và nghiên cứu.

Trường đại học

McGill University, United Nations Office for Outer Space Affairs

Chuyên ngành

Mathematics

Người đăng

Ẩn danh

Thể loại

Textbook

2017

468
3
0

Phí lưu trữ

75 Point

Mục lục chi tiết

Preface

Acknowledgement

List of Symbols

1. Vectors

1.1. Vectors as ordered sets

1.2. Geometry of vectors

1.2.1. Geometry of scalar multiplication

1.2.2. Geometry of addition of vectors

1.2.3. A coordinate-free definition of vectors

1.2.4. Geometry of dot products

1.2.5. Cauchy–Schwartz inequality

1.2.6. Orthogonal and orthonormal vectors

1.3. Linear dependence and linear independence of vectors

1.4. Gram–Schmidt orthogonalization process

1.5. Partial differential operators

1.6. Maxima/minima of a scalar function of many real scalar variables

1.7. Derivatives of linear and quadratic forms

1.8. Model building

2. Matrices

2.1. Some more practical situations

2.2. More properties of matrices

2.3. Some more practical situations

2.4. Pre and post multiplications by diagonal matrices

2.5. Elementary matrices and elementary operations

2.5.1. Premultiplication of a matrix by elementary matrices

2.5.2. Reduction of a square matrix into a diagonal form

2.5.3. Solving a system of linear equations

2.5.4. Inverse, linear independence and ranks

2.6. Inverse of a matrix by elementary operations

2.7. Checking linear independence through elementary operations

2.8. Row and column subspaces and null spaces

2.8.1. The row and column subspaces

2.8.2. Consistency of a system of linear equations

2.9. Permutations and elementary operations on the right

2.9.1. Postmultiplications by elementary matrices

2.9.2. Reduction of quadratic forms to their canonical forms

2.10. Orthogonal bases for a vector subspace

2.11. A vector subspace, a more general definition

2.12. A linear transformation, a more general definition

2.13. Partitioning of matrices

2.13.1. Partitioning and products

2.13.2. Partitioning of quadratic forms

2.13.3. Partitioning of bilinear forms

2.13.4. Inverses of partitioned matrices

2.14. Design of experiments

3. Determinants

3.1. Definition of the determinant of a square matrix

3.1.1. Some general properties

3.2. A mechanical way of evaluating a 3 × 3 determinant

3.3. Diagonal and triangular block matrices

3.4. Cofactors and minors

3.5. Inverse of a matrix in terms of the cofactor matrix

3.6. A matrix differential operator

3.7. Products and square roots

3.8. Cramer’s rule for solving systems of linear equations

3.9. Some practical situations

3.10. Areas and volumes

3.11. Jacobians of transformations

3.12. Functions of matrix argument

3.13. Partitioned determinants and multiple correlation coefficient

3.14. Maxima/minima problems

4. Eigenvalues and eigenvectors

4.1. Eigenvalues of special matrices

4.1.1. Some definitions and examples

4.2. Eigenvalues of powers of a matrix

4.3. Eigenvalues and eigenvectors of real symmetric matrices

4.3.1. Some properties of complex numbers and matrices in the complex fields

4.3.2. Geometry of complex numbers

4.3.3. Algebra of complex numbers

4.3.4. n-th roots of unity

4.3.5. Vectors with complex elements

4.3.6. Matrices with complex elements

4.4. More properties of matrices in the complex field

4.4.1. Eigenvalues of symmetric and Hermitian matrices

4.4.2. Definiteness of matrices

4.4.3. Commutative matrices

5. Some applications of matrices and determinants

5.1. Difference and differential equations

5.1.1. Fibonacci sequence and difference equations

5.1.2. Differential equations and their solutions

5.2. Jacobians of matrix transformations and functions of matrix argument

5.2.1. Jacobians of matrix transformations

5.2.2. Functions of matrix argument

5.3. Some topics from statistics

5.3.1. Principal components analysis

5.3.2. Regression analysis and model building

5.3.3. Design type models

5.3.4. Canonical correlation analysis

5.4. Probability measures and Markov processes

5.4.1. Invariance of probability measures

5.4.2. Discrete time Markov processes and transition probabilities

5.5. Maxima/minima problems

5.6. Optimization of quadratic forms

5.7. Optimization of a quadratic form with quadratic form constraints

5.8. Optimization of a quadratic form with linear constraints

5.9. Optimization of bilinear forms with quadratic constraints

5.10. Linear programming and nonlinear least squares

5.10.1. The simplex method

5.10.2. Nonlinear least squares

5.11. Mathai–Katiyar procedure

5.12. A list of some more problems from physical, engineering and social sciences

5.12.1. Turbulent flow of a viscous fluid

5.12.2. Compressible flow of viscous fluids

5.12.3. Heat loss in a steel rod

5.12.4. Input–output analysis

6. Matrix series and additional properties of matrices

6.1. Lagrange interpolating polynomial

6.2. A spectral decomposition of a matrix

6.3. An application in statistics

6.4. Matrix sequences and matrix series

6.5. Matrix hypergeometric series

6.6. The norm of a matrix

6.7. Matrix power series and rate of convergence

6.8. An application in statistics

6.9. Singular value decomposition of a matrix

6.9.1. A singular value decomposition

6.9.2. Canonical form of a bilinear form

References

Index

Tóm tắt

I. Đại Số Tuyến Tính Tổng Quan Tại Sao Vật Lý Kỹ Thuật Cần

Đại số tuyến tính là một nhánh quan trọng của toán học, nghiên cứu về vector, ma trận, không gian vector và các phép biến đổi tuyến tính. Nó cung cấp nền tảng lý thuyết và công cụ để giải quyết nhiều vấn đề trong vật lý và kỹ thuật. Trong vật lý, đại số tuyến tính được sử dụng để mô tả các hệ thống tuyến tính, chẳng hạn như hệ phương trình tuyến tính, giá trị riêng, vector riêng trong cơ học lượng tử, điện từ học và cơ học cổ điển. Trong kỹ thuật, nó được áp dụng rộng rãi trong các lĩnh vực như xử lý tín hiệu, đồ họa máy tính, điều khiển học và mô hình hóa hệ thống.

Đại số tuyến tính trở nên thiết yếu do khả năng biểu diễn và giải quyết các bài toán phức tạp một cách hiệu quả. Thay vì làm việc với các phương trình riêng lẻ, nó cho phép ta thao tác với các ma trậnvector, đơn giản hóa quá trình tính toán và tìm kiếm giải pháp số. Các công cụ như MATLAB, Python với thư viện SciPy đã trở thành trợ thủ đắc lực, giúp các nhà khoa học và kỹ sư áp dụng đại số tuyến tính vào thực tiễn. Theo Mathai and Hans J. Haubold, tài liệu này được sử dụng để phát triển chương trình giảng dạy về Viễn Thám và Hệ thống Thông tin Địa lý, Khí tượng học Vệ tinh và Khí hậu Toàn cầu, Truyền thông Vệ tinh, Khoa học Không gian và Khí quyển và Hệ thống Vệ tinh Định vị Toàn cầu. Sự liên kết này nhấn mạnh vai trò không thể thiếu của đại số tuyến tính trong các ứng dụng công nghệ tiên tiến.

1.1. Khám Phá Vai Trò Cốt Lõi Của Ma Trận và Vector

Ma trận và vector là các thành phần cơ bản của đại số tuyến tính. Ma trận là một mảng hai chiều các số, được sử dụng để biểu diễn các biến đổi tuyến tính và các hệ phương trình. Vector là một đối tượng có cả độ lớn và hướng, thường được biểu diễn dưới dạng một cột hoặc hàng các số. Trong vật lý, vector có thể biểu diễn vận tốc, lực hoặc trường điện từ. Trong kỹ thuật, chúng có thể biểu diễn các tín hiệu, dữ liệu hoặc các tham số hệ thống. Việc hiểu rõ tính chất và các phép toán trên ma trận và vector là nền tảng để áp dụng đại số tuyến tính vào các bài toán thực tế. Phân tích ma trận và giải quyết hệ phương trình tuyến tính cho phép mô hình hóa hệ thống một cách hiệu quả.

1.2. Không Gian Vector Nền Tảng Giải Quyết Bài Toán Vật Lý Kỹ Thuật

Không gian vector là một tập hợp các vector thỏa mãn các tiên đề nhất định, cho phép thực hiện các phép toán cộng vector và nhân vector với một số vô hướng. Các không gian vector cung cấp một khung trừu tượng để biểu diễn và thao tác với các đối tượng toán học. Trong vật lý, không gian vector được sử dụng để mô tả không gian trạng thái của một hệ thống lượng tử hoặc không gian các lực tác dụng lên một vật thể. Trong kỹ thuật, chúng được sử dụng để biểu diễn không gian tín hiệu hoặc không gian các nghiệm của một hệ phương trình. Khái niệm biến đổi tuyến tính giúp chuyển đổi giữa các không gian vector, từ đó đơn giản hóa việc giải quyết các bài toán phức tạp.

II. Thách Thức Mô Hình Hóa Hệ Thống Đại Số Tuyến Tính Hóa Giải

Việc mô hình hóa các hệ thống phức tạp trong vật lý và kỹ thuật thường gặp nhiều khó khăn. Các hệ thống này có thể phi tuyến, biến đổi theo thời gian hoặc có nhiều biến số tương tác lẫn nhau. Đại số tuyến tính cung cấp các công cụ để đơn giản hóa các hệ thống này bằng cách tuyến tính hóa chúng. Quá trình tuyến tính hóa giúp tạo ra các mô hình gần đúng nhưng dễ quản lý hơn, cho phép dự đoán và điều khiển hành vi của hệ thống. Tuy nhiên, việc tuyến tính hóa cũng có những hạn chế nhất định, và cần phải đánh giá cẩn thận mức độ chính xác của mô hình. Sai số có thể xảy ra nếu hệ thống bị đơn giản hóa quá mức. Theo Mathai and Hans J. Haubold, một trở ngại thường xuyên mà sinh viên gặp phải đến từ các định lý và chứng minh, đã được giải quyết bằng cách sử dụng các "kết quả" và nhấn mạnh tính thân thiện với người dùng.

2.1. Tuyến Tính Hóa Hệ Thống Ưu Điểm và Hạn Chế Cần Biết

Tuyến tính hóa là quá trình xấp xỉ một hệ thống phi tuyến bằng một hệ thống tuyến tính. Ưu điểm của tuyến tính hóa là nó giúp đơn giản hóa việc phân tích và điều khiển hệ thống. Các hệ thống tuyến tính có nhiều tính chất toán học được nghiên cứu kỹ, cho phép dễ dàng tìm ra các giải pháp số và dự đoán hành vi của chúng. Tuy nhiên, tuyến tính hóa cũng có những hạn chế nhất định. Mô hình tuyến tính chỉ chính xác trong một phạm vi hoạt động nhất định. Nếu hệ thống hoạt động bên ngoài phạm vi này, mô hình có thể không còn đúng nữa. Việc lựa chọn phương pháp tuyến tính hóa phù hợp và đánh giá mức độ chính xác của mô hình là rất quan trọng.

2.2. Đối Mặt Với Bài Toán Nhiều Biến Đại Số Tuyến Tính Giải Quyết Ra Sao

Các hệ thống vật lý và kỹ thuật thường có nhiều biến số tương tác lẫn nhau. Việc phân tích và điều khiển các hệ thống này có thể trở nên rất phức tạp. Đại số tuyến tính cung cấp các công cụ để giảm số lượng biến số và đơn giản hóa các tương tác giữa chúng. Các phương pháp như phân tích thành phần chính (PCA), phân tích ma trậngiá trị riêng, vector riêng giúp tìm ra các biến số quan trọng nhất và loại bỏ các biến số không quan trọng. Quá trình này giúp tạo ra các mô hình đơn giản hơn nhưng vẫn giữ được các đặc trưng quan trọng của hệ thống.

III. Ứng Dụng Cơ Học Giải Mã Lực Chuyển Động Nhờ Đại Số Tuyến Tính

Trong cơ học, đại số tuyến tính được sử dụng để phân tích lực và chuyển động của các vật thể. Các vector được sử dụng để biểu diễn lực, vận tốc và gia tốc. Các ma trận được sử dụng để biểu diễn các phép biến đổi tọa độ và các hệ phương trình động lực học. Việc giải các hệ phương trình tuyến tính giúp xác định trạng thái cân bằng của một hệ thống hoặc dự đoán quỹ đạo của một vật thể. Ví dụ: trong phân tích kết cấu, đại số tuyến tính được sử dụng để tính toán ứng suất và biến dạng trong các vật liệu chịu lực. Theo Mathai and Hans J. Haubold, vectơ có thể được xác định bằng cách thỏa mãn các điều kiện chung nhất định, chứng tỏ sự trừu tượng và khả năng áp dụng rộng rãi của khái niệm.

3.1. Phân Tích Lực Sử Dụng Vector Để Mô Tả Tác Động Lên Vật Thể

Lực là một đại lượng vector có cả độ lớn và hướng. Đại số tuyến tính cung cấp các công cụ để cộng, trừ và nhân các vector lực. Việc phân tích lực giúp xác định lực tổng hợp tác dụng lên một vật thể và dự đoán chuyển động của nó. Trong các bài toán tĩnh học, việc giải các hệ phương trình tuyến tính giúp xác định lực cần thiết để giữ một vật thể ở trạng thái cân bằng. Trong các bài toán động lực học, nó hỗ trợ tính toán gia tốc và vận tốc của vật thể theo thời gian.

3.2. Động Học Biểu Diễn Dự Đoán Chuyển Động Bằng Công Cụ Đại Số

Động học là ngành nghiên cứu về chuyển động của các vật thể mà không quan tâm đến nguyên nhân gây ra chuyển động đó. Đại số tuyến tính được sử dụng để biểu diễn vị trí, vận tốc và gia tốc của các vật thể dưới dạng các vector. Các phép biến đổi tọa độ, được biểu diễn bằng các ma trận, cho phép chuyển đổi giữa các hệ quy chiếu khác nhau. Việc giải các hệ phương trình tuyến tính giúp dự đoán quỹ đạo của một vật thể trong không gian. Phần mềm tính toán đại số tuyến tính có thể giúp ích trong các tính toán quỹ đạo phức tạp.

3.3 Mô Hình Hóa Dao Động và Sóng

Dao động và sóng là hiện tượng phổ biến trong vật lý. Các hệ dao động và sóng thường được mô tả bằng các phương trình vi phân tuyến tính. Đại số tuyến tính cung cấp các công cụ để giải các phương trình này, tìm ra các tần số dao động riêng và các dạng dao động. Các giá trị riêngvector riêng của ma trận hệ thống đóng vai trò quan trọng trong việc xác định tính chất của dao động và sóng.

IV. Điện Từ Học Giải Bài Toán Trường Mạch Điện Với Đại Số Tuyến Tính

Trong điện từ học, đại số tuyến tính được sử dụng để mô tả trường điện từ và các mạch điện. Các vector được sử dụng để biểu diễn cường độ điện trường và từ trường. Các ma trận được sử dụng để biểu diễn các tính chất của vật liệu và các thành phần mạch điện. Việc giải các hệ phương trình tuyến tính giúp xác định điện áp và dòng điện trong một mạch điện, hoặc tính toán trường điện từ do một nguồn điện gây ra. Phần mềm tính toán đại số tuyến tính trở thành công cụ hỗ trợ đắc lực. Ví dụ: trong thiết kế anten, đại số tuyến tính được sử dụng để tối ưu hóa hiệu suất của anten.

4.1. Trường Điện Từ Áp Dụng Vector Ma Trận Để Phân Tích Trường

Điện trường và từ trường là các trường vector, nghĩa là chúng có cả độ lớn và hướng tại mỗi điểm trong không gian. Đại số tuyến tính cung cấp các công cụ để cộng, trừ và nhân các vector trường. Việc phân tích trường điện từ giúp xác định lực tác dụng lên một điện tích hoặc dòng điện trong trường. Trong các bài toán tĩnh điện và từ tĩnh, việc giải các hệ phương trình tuyến tính giúp xác định phân bố điện tích và dòng điện trong một hệ thống.

4.2. Mạch Điện Tính Toán Dòng Áp Thiết Kế Mạch Nhờ Đại Số Tuyến Tính

Mạch điện là một hệ thống các thành phần điện tử kết nối với nhau. Đại số tuyến tính được sử dụng để phân tích và thiết kế các mạch điện. Các phương trình Kirchhoff, mô tả quan hệ giữa điện áp và dòng điện trong mạch, có thể được biểu diễn dưới dạng các hệ phương trình tuyến tính. Việc giải các hệ phương trình này giúp xác định điện áp và dòng điện tại mỗi điểm trong mạch. Trong thiết kế mạch, đại số tuyến tính được sử dụng để tối ưu hóa các tham số của mạch để đạt được hiệu suất mong muốn.

V. Bí Quyết Ứng Dụng Đại Số Tuyến Tính Trong Xử Lý Tín Hiệu Hiệu Quả

Trong xử lý tín hiệu, đại số tuyến tính đóng vai trò quan trọng trong việc phân tích, lọc và tái tạo tín hiệu. Các tín hiệu thường được biểu diễn dưới dạng vector hoặc ma trận, và các phép toán đại số tuyến tính được sử dụng để thực hiện các thao tác xử lý. Ví dụ, biến đổi Fourier, một công cụ cơ bản trong xử lý tín hiệu, dựa trên các khái niệm về không gian vectorbiến đổi tuyến tính. Các kỹ thuật lọc tín hiệu cũng thường sử dụng các phép toán ma trận để loại bỏ nhiễu và cải thiện chất lượng tín hiệu. Theo Mathai and Hans J. Haubold, các khái niệm như "kết quả" được in đậm để dễ dàng tham khảo, phản ánh cách tiếp cận thiết thực để sử dụng đại số tuyến tính.

5.1 Biến Đổi Fourier Phân Tích Tần Số Tái Tạo Tín Hiệu Dễ Dàng

Biến đổi Fourier là một phép biến đổi toán học chuyển đổi một tín hiệu từ miền thời gian sang miền tần số. Điều này cho phép phân tích thành phần tần số của tín hiệu, giúp xác định các tần số quan trọng và loại bỏ các tần số không mong muốn. Biến đổi Fourier dựa trên khái niệm không gian vectorbiến đổi tuyến tính, và có thể được thực hiện bằng các phép toán ma trận hiệu quả.

5.2 Lọc Tín Hiệu Loại Bỏ Nhiễu Nâng Cao Chất Lượng Tín Hiệu Tối Ưu

Lọc tín hiệu là quá trình loại bỏ các thành phần không mong muốn từ tín hiệu, chẳng hạn như nhiễu. Các kỹ thuật lọc tín hiệu thường sử dụng các phép toán ma trận để thiết kế các bộ lọc có đáp ứng tần số mong muốn. Các bộ lọc có thể được thiết kế để loại bỏ các tần số cao, tần số thấp hoặc các tần số cụ thể. Phân tích ma trận và các phương pháp giải hệ phương trình tuyến tính giúp tối ưu hóa hiệu suất của bộ lọc.

VI. Kết Luận Tiềm Năng Phát Triển Của Đại Số Tuyến Tính Ứng Dụng

Đại số tuyến tính tiếp tục đóng vai trò quan trọng trong sự phát triển của vật lý và kỹ thuật. Các ứng dụng mới đang được khám phá trong các lĩnh vực như học máy, trí tuệ nhân tạo và khoa học dữ liệu. Sự phát triển của các phần mềm tính toán đại số tuyến tính ngày càng mạnh mẽ, giúp các nhà khoa học và kỹ sư giải quyết các bài toán phức tạp một cách hiệu quả hơn. Trong tương lai, đại số tuyến tính sẽ tiếp tục là một công cụ không thể thiếu cho các nhà nghiên cứu và kỹ sư trong nhiều lĩnh vực khác nhau. Theo Mathai and Hans J. Haubold, tài liệu này được thiết kế như một tài liệu tự học, giải đáp những nghi ngờ phổ biến của sinh viên, giúp nó trở thành một nguồn tài nguyên quý giá cho việc học tập độc lập.

6.1. Đại Số Tuyến Tính Học Máy Mối Liên Hệ Chặt Chẽ Khó Tách Rời

Học máy là một lĩnh vực đang phát triển nhanh chóng, sử dụng các thuật toán để cho phép máy tính học hỏi từ dữ liệu. Đại số tuyến tính là nền tảng toán học của nhiều thuật toán học máy, bao gồm hồi quy tuyến tính, phân loại, phân tích thành phần chính (PCA) và mạng nơ-ron. Các ma trậnvector được sử dụng để biểu diễn dữ liệu và các tham số của mô hình. Các phép toán đại số tuyến tính được sử dụng để huấn luyện mô hình và đưa ra dự đoán.

6.2. Tương Lai Ứng Dụng Đại Số Tuyến Tính Trong Khoa Học Dữ Liệu AI

Khoa học dữ liệu và trí tuệ nhân tạo (AI) là hai lĩnh vực đang có tác động lớn đến nhiều khía cạnh của cuộc sống. Đại số tuyến tính đóng vai trò quan trọng trong cả hai lĩnh vực này. Trong khoa học dữ liệu, nó được sử dụng để phân tích và xử lý dữ liệu lớn, tìm ra các mẫu và xu hướng. Trong AI, nó được sử dụng để xây dựng các mô hình thông minh có thể giải quyết các bài toán phức tạp. Sự phát triển của các phần mềm tính toán đại số tuyến tính và các thư viện học máy giúp các nhà khoa học dữ liệu và kỹ sư AI áp dụng đại số tuyến tính vào thực tiễn một cách dễ dàng hơn.

28/09/2025

Trích đoạn nội dung tài liệu

Mathai and Hans J. Haubold Linear Algebra De Gruyter Textbook Unauthenticated Download Date | 6/10/18 9:43 PM Also of Interest Probability and Statistics. A Course for Physicists and Engineers Arak M. Haubold, 2017 ISBN 978-3-11-056253-8, e-ISBN (PDF) 978-3-11-056254-5, e-ISBN (EPUB) 978-3-11-056260-6 Advanced Calculus.

Differential Calculus and Stokes’ Theorem Pietro-Luciano Buono, 2016 ISBN 978-3-11-043821-5, e-ISBN (PDF) 978-3-11-043822-2, e-ISBN (EPUB) 978-3-11-042911-4 Probability Theory and Statistical Applications. A Profound Treatise for Self-Study Peter Zörnig, 2016 ISBN 978-3-11-036319-7, e-ISBN (PDF) 978-3-11-040271-1, e-ISBN (EPUB) 978-3-11-040283-4 Complex Analysis. A Functional Analytic Approach Friedrich Haslinger, 2017 ISBN 978-3-11-041723-4, e-ISBN (PDF) 978-3-11-041724-1, e-ISBN (EPUB) 978-3-11-042615-1 Functional Analysis. A Terse Introduction Gerardo Chacón, Humberto Rafeiro, Juan Camilo Vallejo, 2016 ISBN 978-3-11-044191-8, e-ISBN (PDF) 978-3-11-044192-5, e-ISBN (EPUB) 978-3-11-043364-7 Unauthenticated Download Date | 6/10/18 9:43 PM www.

Mathai and Hans J. Haubold Linear Algebra | A Course for Physicists and Engineers Unauthenticated Download Date | 6/10/18 9:43 PM www.com Mathematics Subject Classification 2010 15-01, 15A03, 15A04, 15A05, 15A09, 15A15, 15A16, 15A18, 15A21, 15A63 Authors Prof. Haubold McGill University United Nations Office for Outer Space Affairs Department of Mathematics and Statistics Vienna International Centre 805 Sherbrooke St. Box 500 Montreal, QC H3A 2K6 1400 Vienna Canada Austria mathai@math.com ISBN 978-3-11-056235-4 e-ISBN (PDF) 978-3-11-056250-7 e-ISBN (EPUB) 978-3-11-056259-0 This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.

For details go to http://creativecommons.org/licenses/by-nc-nd/4. Library of Congress Cataloging-in-Publication Data A CIP catalog record for this book has been applied for at the Library of Congress. Bibliographic information published by the Deutsche Nationalbibliothek The Deutsche Nationalbibliothek lists this publication in the Deutsche Nationalbibliografie; detailed bibliographic data are available on the Internet at http://dnb. Haubold, published by Walter de Gruyter GmbH, Berlin/Boston.

The book is published with open access at www. Typesetting: VTeX UAB, Lithuania Printing and binding: CPI books GmbH, Leck Cover image: Pasieka, Alfred / Science Photo Library ♾ Printed on acid-free paper Printed in Germany www.com Unauthenticated Download Date | 6/10/18 9:43 PM www.com Basic properties of vectors, matrices, determinants, eigenvalues and eigenvectors are discussed. Then, applications of matrices and determinants to various areas of sta- tistical problems such as principal components analysis, model building, regression analysis, canonical correlation analysis, design of experiments etc. Ap- plications of vector/matrix derivatives in the simplification of Taylor expansions of functions of many real scalar variables are considered.

Jacobians of matrix transfor- mations of real-valued scalar functions of matrix argument, maxima/minima prob- lems, optimizations of linear forms, quadratic forms, bilinear forms with linear and quadratic constraints are examined. Matrix sequences and series, convergence of ma- trix series etc. and applications in physical sciences, chemical sciences, social sci- ences, input-analysis, linear programming problem, non-linear least squares and dy- namic programming problems etc. are studied in this book.

Each topic is motivated by real-life situations and each concept is illustrated with examples and counter examples. The book is class-tested since 1999. It is written with the experience of teaching fifty years in various universities around the world. The first three Modules of the Centre for Mathematical and Statistical Sciences (CMSS)are com- bined to make this book.

These Modules are used for intensive undergraduate mathe- matics training camps of CMSS. Each camp is a 10-day intensive training course with 40 hours of lectures and 40 hours of problem-solving sessions. Thirty such camps are already conducted by CMSS. Only high school level mathematics is assumed.

The book is written as a self-study material. Each topic is brought from fundamentals to the se- nior undergraduate to graduate level. Usual doubts of the students on various topics are answered in the book. Since 2004, the material in this book was made available to UN-affiliated Re- gional Centres for Space Science and Technology Education, located in India, China, Morocco, Nigeria, Jordan, Brazil, and Mexico (http://www.org/oosa/en/ ourwork/psa/regional-centres/index.

Since 1988 the material was taken into account for the development of educa- tion curricula in the fields of remote sensing and geographic information systems, satellite meteorology and global climate, satellite communications, space and atmo- spheric science, and global navigation satellite systems (http://www.org/ oosa/en/ourwork/psa/regional-centres/study_curricula. As such the material was considered to be a prerequisite for applications, teach- ing, and research in space science and technology. It was also a prerequisite for the nine-months post-graduate courses in the five disciplines of space science and tech- nology, offered by the Regional Centres on an annual basis to participants from all 194 Member States of the United Nations. Since 1991, whenever suitable at the research level, the material in this book was utilized in lectures in a series of annual workshops and follow-up projects of the so- Open Access.

Haubold, published by De Gruyter. This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.1515/9783110562507-201 Unauthenticated Download Date | 6/10/18 9:43 PM www.com VI | called Basic Space Science Initiative of the United Nations (http://www.org/ oosa/en/ourwork/psa/bssi/index. As such the material was considered a prerequisite for teaching and research in astronomy and physics. RIPPLE SIGHTING The cosmic dance of two black holes warped spacetime as the pair spiraled inward and merged, creating gravitational waves (illustration below).

Advance Laser Interferometer Gravitational-Wave Observatory (LIGO) detected these ripples, produced by black holes eight and 14 times the mass of the sun, on Decem- ber 26, 2015. Einstein’s theory of general relativity was 100 years old in 2015. It has been very important in applications such as GPS (GNSS), and tremendously successful in understanding astrophysical systems like black holes. Gravitational waves, which are ripples in the fabric of space and time produced by violent events in the distant uni- verse – for example, by the collision of two black holes or by the cores of supernova explosions – were predicted by Albert Einstein in 1916 as a consequence of his general theory of relativity.

Gravitational waves are emitted by accelerating masses much in the same way electromagnetic waves are produced by accelerating charges, such as radio waves radiated by electrons accelerating in antennas. As they travel to Earth, these ripples in the space–time fabric carry information about their violent origins and about the nature of gravity that cannot be obtained by traditional astronomical observations using light. Gravitational waves have now been detected directly. Scien- Unauthenticated Download Date | 6/10/18 9:43 PM www.com | VII tists do, however, have great confidence that they exist because their influence on a binary pulsar system (two neutron stars orbiting each other) has been measured ac- curately and is in excellent agreement with the predictions.

Directly detecting gravi- tational waves has confirmed Einstein’s prediction in a new regime of extreme rela- tivistic conditions, and open a promising new window into some of the most violent and cataclysmic events in the cosmos. The GNSS education curricula provides oppor- tunities to teach navigation and do research in astrophysics (basic space science). The development of the education curricula (illustrated above) started in 1988 at UN Head- quarters in New York, the specific GNSS curriculum emanated only in 1999 after the UNISPACE III Conference, held at and hosted by the United Nations at Vienna. Usually students from other areas, other than mathematics, are intimidated by seeing theorems and proofs.

Hence no such phrase as “theorem” is used in the book. Main results are called “results” and are written in bold so that the material will be user-friendly. This book can be used as a textbook for a beginning undergraduate level course on vectors, matrices and determinants, and their applications, for students from all disciplines. Unauthenticated Download Date | 6/10/18 9:43 PM www.com Unauthenticated Download Date | 6/10/18 9:43 PM www.com Preface The basic material in this book originated from a course given by the first author at the University of Texas at El Paso in 1998–1999 academic year.

Students from math- ematics, engineering, biology, economics, physics and chemistry were in the class. The textbook assigned to the course did not satisfy the students from any of the dis- ciplines, including mathematics. Hence Dr Mathai started developing a course from fundamentals, assuming no background, with lots of examples and counter exam- ples taken from day to day life. All sections of the students enjoyed the course.

Dr Mathai gave courses on calculus and linear algebra and for both of these courses he developed his own materials in close interaction with students. The El Paso experi- ment was initially for one semester only but, due to the popularity, extended to more semesters. During 2000 to 2006 these notes were developed into CMSS Modules and based on these Modules, occasional courses were given for teachers and students at various levels in Kerala, India, as per requests from teachers. From 2007 onward CMSS became a Department of Science and Technology, Government of India centre for mathemat- ical and statistical sciences.

Modules in other areas were also developed during this period, and by 2014, ten Modules were developed. As a Life Member of CMSS, the second author is an active participant of all pro- grams at CMSS, including the undergraduate mathematics training camps, Ph.D train- ing etc. and he is also a frequent visitor to CMSS to participate in and contribute to various activities. Chapter 1 is devoted to all basic properties of vectors as ordered set of real num- bers, Each definition is motivated by real-life examples.

After introducing major prop- erties of vectors with the real elements, vectors in the complex domain are considered and more rigorous definitions are introduced. Chapter 1 ends with Gram–Schmidt or- thogonalization process. Chapter 2 deals with matrices. Again, all definitions and properties are introduced from real-life situations.

Roles of elementary matrices and elementary operations in solving linear equations, checking consistency of linear systems, checking linear de- pendence of vectors, evaluating rank of a matrix, canonical reductions of quadratic and bilinear forms, triangularizations and diagonalizations of matrices, computing inverses of matrices etc. Chapter 3 deals with determinants. An axiomatic definition is introduced. Various types of expansions of determinants are given.

Role of elementary matrices in evalu- ating determinants is highlighted. This chapter melts into Chapter 4 on eigenvalues and eigenvectors and their properties. Chapters 5 and 6 are on applications of matrices and determinants to various disciplines. Applications to maxima/minima problems, constrained maxima/minima, optimization of linear, quadratic and bilinear forms, with linear and quadratic con- Open Access.

Haubold, published by De Gruyter. This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.1515/9783110562507-202 Unauthenticated Download Date | 6/10/18 9:44 PM www.com X | Preface straints are considered. For each optimization, at least one practical procedure such as principal components analysis, canonical correlation analysis, regression analysis etc. Some additional topics are also developed in Chapter 6.

Matrix poly- nomials, matrix sequences and series, convergence, norms of matrices, singular value decomposition of matrices, simultaneous reduction of matrices to diagonal forms etc. are also discussed in Chapter 6. Mathai 14th March 2017 H. Haubold Unauthenticated Download Date | 6/10/18 9:44 PM www.com Acknowledgement Several people have contributed directly or indirectly to make these Modules to the present levels.

The financial support from the Department of Science and Technol- ogy, Government of India (DST), during the period 2007 to 2014 helped in printing and reprinting of the Modules. This helped in improving the quality of the material. Acharya, then Dr A. Singh and then Dr P.

Malhotra of the mathematical sciences division of DST, New Delhi, deserve special mention in providing research funds to CMSS. At the termination of DST support, Dr V. Rajasekharan Pillai, for- mer Executive Vice-President of the Kerala State Council for Science, Technology and Environment (KSCSTE), a man with vision, took steps to support CMSS so that its activ- ities of research, undergraduate mathematics training camps and Ph. training could continue uninterrupted.

Princy of CMSS was kind enough to reset all figures in the current book. She deserves special mention. Ms Sini Devassy, the office manager of CMSS deserves special mention. graduates from CMSS, Dr Seema S.

Nair, Dr Nicy Sebastian, Dr Dhannya P. Joseph, Dr Dilip Kumar, Dr P. Princy, Dr Naiju M. Thomas, Dr Anita Thomas, Dr Shanoja S.

Pai, Dr Ginu Varghese, Dr Sona P.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ