Động Lực Học Trung Cấp: Tiếp Cận Đại Số Tuyến Tính (Mechanical Engineering Series)

Khám phá động lực học trung cấp qua đại số tuyến tính. Bài viết cung cấp phương pháp tiếp cận mới, giúp hiểu sâu sắc và giải quyết bài toán hiệu quả.

Trường đại học

University of Notre Dame

Chuyên ngành

Mechanical Engineering

Người đăng

Ẩn danh

Thể loại

Textbooks

2006

550
1
0

Phí lưu trữ

135 Point

Mục lục chi tiết

Mechanical Engineering Series

Series Preface

Preface

Tóm tắt

I. Nền Tảng Động Lực Học Trung Cấp Sức Mạnh Đại Số Tuyến Tính

Đại số tuyến tính không chỉ là một công cụ toán học trừu tượng. Nó là nền tảng cốt lõi giúp đơn giản hóa và làm sáng tỏ các bài toán phức tạp trong động lực học trung cấp. Cách tiếp cận này thay thế các phương trình vô hướng rườm rà bằng biểu diễn ma trận ngắn gọn, hiệu quả. Theo Rowland (2006) trong tác phẩm "Intermediate Dynamics: A Linear Algebraic Approach", việc sử dụng ma trận giúp khái niệm như trục chính (principal axes) trở nên trực quan hơn, kết nối trực tiếp với quá trình chéo hóa ma trận. Thay vì xem xét từng thành phần riêng lẻ, phương pháp đại số tuyến tính cho phép phân tích toàn bộ hệ thống như một thực thể thống nhất. Điều này đặc biệt quan trọng khi nghiên cứu hệ nhiều bậc tự do (MDOF), nơi các chuyển động có sự tương tác và耦合. Việc nắm vững các khái niệm như giá trị riêng và vector riêng không chỉ là một bài tập toán học, mà còn là chìa khóa để hiểu sâu sắc bản chất vật lý của dao động, từ đó xác định các đặc tính động lực học quan trọng của hệ thống cơ học.

1.1. Từ phương trình vô hướng đến phương trình chuyển động ma trận

Trong động lực học cổ điển, phương trình chuyển động cho các hệ cơ học thường được viết dưới dạng các phương trình vi phân vô hướng riêng lẻ. Cách tiếp cận này trở nên cồng kềnh và khó quản lý khi số bậc tự do của hệ thống tăng lên. Đại số tuyến tính cung cấp một giải pháp thanh lịch bằng cách tổng hợp toàn bộ hệ phương trình thành một phương trình chuyển động dạng ma trận duy nhất. Phương trình này có dạng Mẍ + Cẋ + Kx = F(t), trong đó M, C, và K lần lượt là ma trận khối lượng và ma trận độ cứng, và ma trận cản. Vector x chứa các tọa độ suy rộng mô tả cấu hình của hệ, và F(t) là vector lực tác động bên ngoài. Việc chuyển đổi này không chỉ giúp tiết kiệm không gian ký hiệu mà còn mở ra một loạt các công cụ phân tích mạnh mẽ. Nó cho phép các kỹ sư và nhà khoa học nhìn nhận vấn đề một cách tổng thể, thay vì bị sa lầy vào các chi tiết tính toán của từng phương trình riêng lẻ.

1.2. Vai trò của không gian vector trong mô tả chuyển động cơ học

Mỗi trạng thái của một hệ cơ học có thể được biểu diễn bằng một vector trong một không gian nhiều chiều gọi là không gian trạng thái hoặc không gian cấu hình. Các thành phần của vector này là các tọa độ suy rộng và vận tốc suy rộng. Cách tiếp cận này, được xây dựng trên nền tảng của không gian vector, cho phép áp dụng các khái niệm như sự độc lập tuyến tính và cơ sở vector để phân tích chuyển động. Ví dụ, các mode dao động của một hệ thống có thể được xem như các vector cơ sở trực giao trong không gian cấu hình. Bất kỳ chuyển động phức tạp nào của hệ đều có thể được biểu diễn dưới dạng một tổ hợp tuyến tính của các mode dao động cơ bản này. Sự chuyển đổi sang một hệ tọa độ mới, chẳng hạn như tọa độ chính (principal coordinates), thực chất là một phép biến đổi cơ sở trong không gian vector, nhằm đơn giản hóa phương trình chuyển động và làm nổi bật các đặc tính vật lý cốt lõi của hệ.

II. Thách Thức Khi Phân Tích Dao Động Hệ Nhiều Bậc Tự Do MDOF

Phân tích hệ nhiều bậc tự do (MDOF) là một trong những thách thức lớn nhất trong động lực học. Khác với hệ một bậc tự do, các khối lượng trong hệ MDOF không chuyển động độc lập. Chuyển động của một khối lượng ảnh hưởng đến tất cả các khối lượng khác thông qua các phần tử đàn hồi và cản, tạo ra hiện tượng耦合 (coupling). Sự耦合 này làm cho hệ phương trình vi phân trở nên phức tạp, khó giải bằng các phương pháp phân tích truyền thống. Việc xác định các đặc tính dao động như tần số tự nhiên và hình dạng dao động trở thành một bài toán nan giải. Nếu không có một phương pháp hệ thống, việc tìm ra nghiệm tổng quát cho một dao động tự do không cản của hệ MDOF đòi hỏi phải giải đồng thời một hệ phương trình vi phân tuyến tính phức tạp, một công việc dễ gây ra sai sót và không hiệu quả. Đây chính là lúc các công cụ từ đại số tuyến tính phát huy vai trò không thể thay thế, cung cấp một lộ trình rõ ràng để 'gỡ rối' sự phức tạp này.

2.1. Hiện tượng耦合 coupling trong hệ phương trình chuyển động

Hiện tượng耦合 là đặc tính vốn có của hầu hết các hệ MDOF. Về mặt toán học, nó biểu hiện qua sự xuất hiện của các phần tử ngoài đường chéo chính trong ma trận khối lượng và ma trận độ cứng. Một ma trận khối lượng hoặc độ cứng không chéo hóa (non-diagonal) cho thấy rằng lực tác động lên một tọa độ không chỉ phụ thuộc vào gia tốc hoặc chuyển vị của chính tọa độ đó, mà còn phụ thuộc vào gia tốc và chuyển vị của các tọa độ khác. Điều này tạo ra một hệ phương trình vi phân tuyến tính liên kết chặt chẽ với nhau. Việc giải trực tiếp hệ này là vô cùng khó khăn. Mục tiêu chính của nhiều phương pháp phân tích động lực học, như phân tích modal, là tìm ra một phép biến đổi tọa độ để đồng thời chéo hóa cả hai ma trận khối lượng và độ cứng, từ đó loại bỏ hiện tượng耦合 và tách hệ phương trình thành các phương trình độc lập, dễ giải hơn.

2.2. Khó khăn trong việc xác định tần số riêng và mode dao động

Tần số riêng và mode dao động là các đặc tính nội tại quan trọng nhất của một hệ thống dao động. Tần số riêng và mode dao động định nghĩa các tần số mà tại đó hệ có xu hướng dao động với biên độ lớn khi không có cản và không có ngoại lực, cùng với hình dạng tương ứng của dao động đó. Trong các hệ MDOF, việc tìm kiếm các giá trị này không hề đơn giản. Nó không thể được thực hiện bằng cách kiểm tra từng thành phần riêng lẻ. Thay vào đó, nó đòi hỏi phải giải một bài toán đại số phức tạp liên quan đến định thức của một ma trận đặc trưng. Phương pháp truyền thống có thể trở nên rối rắm và thiếu trực quan. Đại số tuyến tính biến bài toán vật lý này thành một bài toán eigenvalue chuẩn hóa, cung cấp một quy trình thuật toán rõ ràng và mạnh mẽ để tìm ra chính xác tất cả các tần số riêng và các vector mode dao động tương ứng của hệ thống.

III. Giải Pháp Tối Ưu Giải Bài Toán Eigenvalue Trong Cơ Học

Giải pháp cho sự phức tạp của hệ MDOF nằm ở việc chuyển đổi bài toán động lực học thành một bài toán eigenvalue (bài toán giá trị riêng). Đối với một hệ dao động tự do không cản, phương trình chuyển động Mẍ + Kx = 0 được giả định có nghiệm dạng dao động điều hòa x = ve^(iωt). Khi thay nghiệm giả định này vào, phương trình vi phân đại số hóa thành phương trình (-ω²M + K)v = 0. Đây chính là dạng tổng quát của bài toán eigenvalue. Để tồn tại nghiệm không tầm thường (v ≠ 0), định thức của ma trận (-ω²M + K) phải bằng không. Việc giải phương trình định thức này sẽ cho ra các giá trị của ω², chính là bình phương của các tần số riêng. Các giá trị này được gọi là giá trị riêng. Tương ứng với mỗi giá trị riêng, ta tìm được một vector v không tầm thường, được gọi là vector riêng. Các vector riêng này mô tả hình dạng của các mode dao động cơ bản của hệ thống.

3.1. Thiết lập bài toán giá trị riêng từ ma trận khối lượng và độ cứng

Bước đầu tiên là xây dựng mô hình toán học của hệ thống cơ học, bao gồm việc xác định ma trận khối lượng Mma trận độ cứng K. Ma trận M thường là ma trận đường chéo trong nhiều bài toán đơn giản, biểu thị khối lượng tập trung tại các tọa độ. Ma trận K mô tả mối liên kết đàn hồi giữa các khối lượng và thường có các phần tử ngoài đường chéo, thể hiện sự耦合. Từ hai ma trận này, bài toán eigenvalue tổng quát được thiết lập: K v = λ M v, trong đó λ = ω² là giá trị riêng và v là vector riêng. Phương trình này có thể được viết lại thành (K - λM)v = 0. Đây là một hệ phương trình tuyến tính thuần nhất. Việc tìm các giá trị λ và vector v tương ứng là trọng tâm của quá trình phân tích dao động và là nền tảng cho các bước phân tích sâu hơn như phân tích modal.

3.2. Ý nghĩa vật lý của giá trị riêng và vector riêng

Giá trị riêng và vector riêng không chỉ là kết quả toán học; chúng mang ý nghĩa vật lý sâu sắc. Mỗi giá trị riêng (λᵢ = ωᵢ²) tương ứng với bình phương của một tần số riêng (ωᵢ) của hệ thống. Đây là những tần số mà hệ có thể tự dao động bền vững mà không cần ngoại lực. Vector riêng tương ứng (vᵢ) được gọi là mode dao động. Nó là một vector mô tả hình dạng hoặc tỷ lệ chuyển động tương đối giữa các bậc tự do khi hệ dao động ở tần số riêng ωᵢ. Ví dụ, trong một hệ hai khối lượng, một mode dao động có thể là hai khối lượng chuyển động cùng pha, trong khi mode khác có thể là chúng chuyển động ngược pha. Các mode dao động này tạo thành một tập hợp các 'họa tiết' dao động cơ bản, và mọi dao động phức tạp của hệ đều có thể được phân tích thành sự chồng chất của các mode cơ bản này.

IV. Phương Pháp Phân Tích Modal Tách Ghép Hệ Phương Trình Dao Động

Sau khi đã giải được bài toán eigenvalue để tìm ra các tần số riêng và mode dao động, bước tiếp theo là sử dụng các kết quả này để đơn giản hóa hoàn toàn bài toán. Đây là lúc phân tích modal (modal analysis) phát huy tác dụng. Ý tưởng cốt lõi là thực hiện một phép biến đổi tọa độ, chuyển từ các tọa độ vật lý (x) sang một tập hợp tọa độ mới gọi là tọa độ chính (principal coordinates) hoặc tọa độ modal (q). Mối quan hệ giữa hai hệ tọa độ này được xác định bởi ma trận modal P, có các cột chính là các vector riêng (mode dao động) đã tìm được: x = Pq. Sự kỳ diệu của phép biến đổi này nằm ở chỗ, khi được áp dụng vào phương trình chuyển động dạng ma trận ban đầu, nó sẽ đồng thời chéo hóa ma trận khối lượng và độ cứng. Kết quả là một hệ phương trình hoàn toàn không耦合 trong tọa độ modal, giúp việc phân tích và tìm nghiệm trở nên đơn giản hơn rất nhiều.

4.1. Sử dụng vector riêng để xây dựng ma trận biến đổi modal

Ma trận biến đổi modal, ký hiệu là P, là một ma trận vuông có các cột là các vector riêng vᵢ của hệ thống. Mỗi cột của P đại diện cho một mode dao động. Ví dụ, nếu một hệ có n bậc tự do, ma trận P sẽ có kích thước n x n, và P = [v₁ v₂ ... vₙ]. Ma trận này đóng vai trò như một cầu nối, cho phép chuyển đổi giữa không gian tọa độ vật lý (liên kết,耦合) và không gian tọa độ modal (độc lập, không 耦合). Phép biến đổi tọa độ được thực hiện thông qua biểu thức x(t) = Pq(t). Do tính chất trực giao của các vector riêng (đối với ma trận M và K), ma trận P có một thuộc tính quan trọng: PᵀMP = M_d và PᵀKP = K_d, trong đó M_d và K_d là các ma trận đường chéo. Đây chính là quá trình chéo hóa ma trận trong thực tế, là chìa khóa để tách ghép hệ thống.

4.2. Chuyển đổi sang tọa độ chính để tách ghép hệ phương trình

Khi áp dụng phép biến đổi x = Pq vào phương trình Mẍ + Kx = F(t), ta có: M(Pq̈) + K(Pq) = F(t). Nhân bên trái cả hai vế với Pᵀ, ta được: (PᵀMP)q̈ + (PᵀKP)q = PᵀF. Như đã đề cập, PᵀMP và PᵀKP là các ma trận đường chéo, gọi là ma trận khối lượng modal (M_d) và ma trận độ cứng modal (K_d). Phương trình trở thành M_d q̈ + K_d q = F_q, với F_q = PᵀF là lực modal. Do M_d và K_d là ma trận đường chéo, hệ phương trình này bao gồm n phương trình độc lập, mỗi phương trình có dạng: mᵢq̈ᵢ + kᵢqᵢ = fᵢ(t). Mỗi phương trình này mô tả dao động của một hệ một bậc tự do tương đương. Việc giải n phương trình độc lập này dễ dàng hơn rất nhiều so với việc giải hệ phương trình耦合 ban đầu. Sau khi tìm được nghiệm q(t), ta có thể quay lại tọa độ vật lý bằng phép biến đổi ngược x(t) = Pq(t).

V. Ứng Dụng Thực Tiễn Mô Phỏng Động Lực Học Với MATLAB Simulink

Lý thuyết đại số tuyến tính trong động lực học không chỉ dừng lại ở trên giấy. Nó là nền tảng cho các công cụ tính toán và mô phỏng hiện đại, tiêu biểu là MATLAB/Simulink trong cơ học. MATLAB cung cấp một môi trường mạnh mẽ để thực hiện các phép tính ma trận, giải quyết bài toán eigenvalue, và thực hiện phân tích modal. Các hàm dựng sẵn như eig cho phép tìm nhanh chóng và chính xác các giá trị riêng và vector riêng của một hệ thống chỉ từ ma trận khối lượng và ma trận độ cứng. Điều này giúp các kỹ sư tiết kiệm đáng kể thời gian và công sức so với việc tính toán thủ công. Simulink, một môi trường đồ họa của MATLAB, cho phép xây dựng các mô hình động lực học phức tạp dưới dạng sơ đồ khối, mô phỏng phản ứng của hệ thống theo thời gian dưới các điều kiện tác động khác nhau, và trực quan hóa kết quả. Sự kết hợp giữa lý thuyết vững chắc và công cụ tính toán mạnh mẽ đã cách mạng hóa lĩnh vực thiết kế và phân tích cơ khí.

5.1. Giải bài toán eigenvalue và phân tích modal bằng lệnh MATLAB

MATLAB là công cụ lý tưởng để triển khai các phương pháp phân tích động lực học dựa trên đại số tuyến tính. Quá trình thực hiện thường bao gồm các bước sau: (1) Định nghĩa ma trận khối lượng (M)ma trận độ cứng (K) dựa trên các thông số vật lý của hệ. (2) Sử dụng hàm [V, D] = eig(K, M) để giải bài toán eigenvalue tổng quát. Kết quả trả về là ma trận V, có các cột là các vector riêng (mode dao động), và ma trận đường chéo D, chứa các giá trị riêng (bình phương tần số riêng) trên đường chéo chính. (3) Từ ma trận D, các tần số riêng có thể được tính bằng cách lấy căn bậc hai các phần tử trên đường chéo. (4) Ma trận V chính là ma trận modal P, được sử dụng để thực hiện các phép biến đổi tọa độ và phân tích phản ứng của hệ thống. Với vài dòng lệnh, một bài toán phân tích dao động phức tạp có thể được giải quyết một cách hiệu quả.

5.2. Tích hợp với Cơ học Lagrange để mô hình hóa hệ thống phức tạp

Đối với các hệ thống có cấu trúc hình học phức tạp hoặc có nhiều ràng buộc, việc thiết lập phương trình chuyển động bằng định luật Newton có thể trở nên khó khăn. Cơ học Lagrange cung cấp một phương pháp tiếp cận dựa trên năng lượng, thanh lịch và hệ thống hơn. Phương pháp này bắt đầu bằng việc xác định hàm Lagrangian L = T - V (động năng trừ thế năng). Các phương trình chuyển động sau đó được suy ra từ phương trình Euler-Lagrange. Điểm mạnh của phương pháp này là nó tự động xử lý các lực ràng buộc và hoạt động hiệu quả với bất kỳ hệ tọa độ suy rộng nào. Sau khi có được hệ phương trình vi phân, chúng thường được tuyến tính hóa quanh một điểm cân bằng để thu được phương trình chuyển động dạng ma trận Mẍ + Kx = 0. Từ đây, toàn bộ quy trình phân tích modal sử dụng đại số tuyến tính và các công cụ như MATLAB có thể được áp dụng để phân tích các đặc tính động lực học của hệ thống.

28/09/2025

Trích đoạn nội dung tài liệu

Mechanical Engineering Series Frederick F. Ling Editor-in-Chief www.com Mechanical Engineering Series J. Angeles, Fundamentals of Robotic Mechanical Systems: Theory, Methods, and Algorithms, 2nd ed. Jestin, Boilers and Burners: Design and Theory J.

Berthelot, Composite Materials: Mechanical Behavior and Structural Analysis I. Busch-Vishniac, Electromechanical Sensors and Actuators J. Chakrabarty, Applied Plasticity K. Kim, Structural Sensitivity Analysis and Optimization 1: Linear Systems K.

Kim, Structural Sensitivity Analysis and Optimization 2: Nonlinear Systems and Applications G. Chiyssolouris, Laser Machining: Theory and Practice V. Constantinescu, Laminar Viscous Flow G. Costello, Theory of Wire Rope, 2nd Ed.

Czolczynski, Rotordynamics of Gas-Lubricated Journal Bearing Systems M. Darlow, Balancing of High-Speed Machinery J. Doyle, Nonlinear Analysis of Thin-Walled Structures: Statics, Dynamics, and Stability J. Doyle, Wave Propagation in Structures: Spectral Analysis Using Fast Discrete Fourier Transforms, 2nd ed.

Engel, Structural Analysis of Printed Circuit Board Systems AC. Fischer-Cripps, Introduction to Contact Mechanics A. Fischer-Cripps, Nanoindentations, 2nd ed. Garcia de Jalon and E.

Bayo, Kinematic and Dynamic Simulation of Multibody Systems: The Real-Time Challenge W. Gawronski, Advanced Structural Dynamics and Active Control of Structures W. Gawronski, Dynamics and Control of Structures: A Modal Approach G. Genta, Dynamics of Rotating Systems (continued after index) www.

Rowland Intermediate Dynamics: A Linear Algebraic Approach ^ Sprimger www. Howland University of Notre Dame Editor-in-Chief Frederick F. Gloyna Regents Chair Emeritus in Engineering Department of Mechanical Engineering The University of Texas at Austin Austin, TX 78712-1063, USA and Distinguished William Howard Hart Professor Emeritus Department of Mechanical Engineering, Aeronautical Engineering and Mechanics Rensselaer Polytechnic Institute Troy, NY 12180-3590, USA Intermediate Dynamics: A Linear Algebraic Approach ISBN 0-387-28059-6 e-ISBN 0-387-28316-1 Printed on acid-free paper. ISBN 978-0387-28059-2 © 2006 Springer Science+Business Media, Inc.

All rights reserved. This work may not be translated or copied in whole or in part without the written permission of the publisher (Springer Science+Business Media, Inc., 233 Spring Street, New York, NY 10013, USA), except for brief excerpts in connection with reviews or scholarly analysis. Use in connection with any form of information storage and retrieval, electronic adaptation, computer software, or by similar or dissimilar methodology now known or hereafter developed is forbidden. The use in this publication of trade names, trademarks, service marks and similar terms, even if they are not identified as such, is not to be taken as an expression of opinion as to whether or not they are subject to proprietary rights.

Printed in the United States of America.com Dedicated to My Folks www.com Mechanical Engineering Series Frederick F. Ling Editor-in-Chief The Mechanical Engineering Series features graduate texts and research monographs to address the need for information in contemporary mechanical engineering, including areas of concentration of applied mechanics, biomechanics, computational mechanics, dynamical systems and control, energetics, mechanics of materials, processing, pro- duction systems, thermal science, and tribology. Advisory Board/Series Editors Applied Mechanics F. Leckie University of California, Santa Barbara D.

Gross Technical University of Darmstadt Biomechanics V. Mow Columbia University Computational Mechanics H. Yang University of California, Santa Barbara Dynamic Systems and Control/ D. Bryant Mechatronics University of Texas at Austin Energetics J.

Welly University of Oregon, Eugene Mechanics of Materials I. Finnic University of California, Berkeley Processing K. Wang Cornell University Production Systems G. Klutke Texas A&M University Thermal Science A.

Bergles Rensselaer Polytechnic Institute Tribology W. Winer Georgia Institute of Technology www.com Series Preface Mechanical engineering, and engineering discipline bom of the needs of the in- dustrial revolution, is once again asked to do its substantial share in the call for industrial renewal. The general call is urgent as we face profound issues of pro- ductivity and competitiveness that require engineering solutions, among others. The Mechanical Engineering Series is a series featuring graduate texts and re- search monographs intended to address the need for information in contemporary areas of mechanical engineering.

The series is conceived as a comprehensive one that covers a broad range of concentrations important to mechanical engineering graduate education and re- search. We are fortunate to have a distinguished roster of consulting editors, each an expert in one of the areas of concentration. The names of the consulting editors are listed on page vi of this volume. The areas of concentration are applied me- chanics, biomechanics, computational mechanics, dynamic systems and control, energetics, mechanics of materials, processing, thermal science, and tribology.com Preface A number of colleges and universities offer an upper-level undergraduate course usually going under the rubric of "Intermediate" or "Advanced" Dynamics— a successor to the first dynamics offering generally required of all students.

Typically common to such courses is coverage of 3-D rigid body dynamics and Lagrangian mechanics, with other topics locally discretionary. While there are a small number of texts available for such offerings, there is a notable paucity aimed at "mainstream" undergraduates, and instructors often resort to utiliz- ing sections in the first Mechanics text not covered in the introductory course, at least for the 3-D rigid body dynamics. Though closely allied to its planar counterpart, this topic is far more complex than its predecessor: in kinematics, one must account for possible change in direction of the angular velocity; and the kinetic "moment of inertia," a simple scalar in the planar formulation, must be replaced by a tensor quantity. If elementary texts' presentation of planar dynamics is adequate, their treatment of three-dimensional dynamics is rather less satisfactory: It is common to expand vector equations of motion in compo- nents—in a particular choice of axes—and consider only a few special instances of their application {e,g, fixed-axis rotation in the Euler equations of motion).

The presentation of principal coordinates is typically somewhat ad hoc, either merely stating the procedure to find such axes in general, or even more com- monly invoking the "It can be shown t h a t. Machines seem not to exist in 3-D! And equations of motion for the gyroscope are derived indepen- dently of the more general ones—a practice lending a certain air of mystery to this important topic. Such an approach can be frustrating to the student with any degree of curios- ity and is counterproductive pedagogically: the component-wise expression of vector quantities has long since disappeared from even Sophomore-level courses in Mechanics, in good part because the complexity of notation obscures the relative simplicity of the concepts involved. But the Euler equations can be expressed both succinctly and generally through the introduction of matrices.

The typical exposition of principal axes overlooks the fact that this is precisely the same device used to find the same "principal axes" in solid mechanics (ex- plicitly through a rotation); few students recognize this fact, and, unfortunately, few instructors take the opportunity to point this out and unify the concepts. And principal axes themselves are, in fact, merely an application of an even more general technique utilized in linear algebra leading to the diagonalization www.com of matrices (at least the real, symmetric ones encountered in both solid mechan- ics and dynamics). These facts alone suggest a linear algebraic approach to the subject. A knowledge of linear algebra is, however, more beneficial to the scientist and engineer than merely to be able to diagonalize matrices: Eigenvectors and eigenvalues pervade both fields; yet, while students can typically find these quantities and use them to whatever end they have been instructed in, few can answer the simple question "What is an eigenvector?" As the field of robotics becomes ever more mainstream, a facility with [3-D] rotation matrices becomes increasingly important.

Even the mundane issue of solving linear equations is often incomplete or, worse still, inaccurate: "All you need is as many equations as unknowns. If you have fewer than that, there is no solution." (The first of these statements is incomplete, the second downright wrong!) Such fallacies are likely not altogether the students' fault: few curricula allow the time to devote a full, formal course to the field, and knowledge of the material is typically gleaned piecemeal on an "as-need" basis. The result is a fractionated view with the intellectual gaps alluded to. Yet a full course may not be necessary: For the past several years, the Intermediate Dynamics course at Notre Dame has started with an only 2-3 week presentation of linear algebra, both as a prelude to the three-dimensional dynamics to follow, and for its intrinsic pedagogical merit—to organize the bits and pieces of concepts into some organic whole.

However successful the latter goal has been, the former has proven beneficial. With regard to the other topic of Lagrangian mechanics, the situation is perhaps even more critical. At a time when the analysis of large-scale systems has become increasingly important, the presentation of energy-based dynam- ical techniques has been surprisingly absent from most undergraduate texts altogether. These approaches are founded on virtual work (not typically the undergraduate's favorite topic!) and not only eliminate the need to consider the forces at interconnecting pins [assumed frictionless], but also free the designer from the relatively small number of vector coordinate systems available to de- scribe a problem: he can select a set of coordinate ideally suited to the one at hand.

With all this in mind, the following text commits to paper a course which has gradually developed at Notre Dame as its "Intermediate Dynamics" offer- ing. It starts with a relatively short, but rigorous, exposition of linear systems, culminating in the diagonalization (where possible) of matrices—the foundation of principal coordinates. There is even an [optional] section dealing with Jordan normal form, rarely presented to students at this level. In order to understand this process fully, it is necessary that the student be familiar with how the [ma- trix] representation of a linear operator (or of a vector itself) changes with a transformation of basis, as well as how the eigenvectors—in fact the new axes themselves—affect this particular choice of basis.

That, at least in the case of real, symmetric, square inertia matrices, this corresponds to a rotation of axes requires knowledge of axis rotation and the matrices which generate such rotations. This, in turn, demands an appreciation of bases themselves and.com XI particularly, the idea of linear independence (which many students feel deals exclusively with the Wronskian) and partitioned matrix multiplication. By the time this is done, little more effort is required to deal with vector spaces in general. This text in fact grew out of the need to dispatch a [perceived] responsi- bility to rigor {Le.proofs of theorems) without bogging down class presentation with such details.

Yet the overall approach to even the mathematical material of linear algebra is a "minimalist" one: rather than a large number of arcane theorems and ideas, the theoretical underpinning of the subject is provided by, and unified through, the basic theme of linear independence—the echelon form for vectors and [subsequently] matrices, and the rank of the latter. It can be argued that these are the concepts the engineer and scientist can—should— appreciate anyhow. Partitioning establishes the connection between vectors and [the rows/columns of] matrices, and rank provides the criterion for the solution of linear systems (which, in turn, fold back onto eigenvectors). In order to avoid the student's becoming fixated too early on square matrices, this fundamental theory is developed in the context of linear transformations between spaces of arbitrary dimension.

It is only after this has been done that we specialize to square matrices, where the inverse, eigenvectors, and even properties of determi- nants follow naturally. Throughout, the distinction between vectors and tensors, and their representations—one which is generally blurred in the student's mind because it is so rarely stressed in presentation—is heavily emphasized. Theory, such as the conditions under which systems of linear equations have a solution, is actually important in application.

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