ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Random Matrices and Non-Commutative Probability

دانلود کتاب ماتریس های تصادفی و احتمال غیر تعویضی

Random Matrices and Non-Commutative Probability

مشخصات کتاب

Random Matrices and Non-Commutative Probability

ویرایش: [1 ed.] 
نویسندگان:   
سری:  
ISBN (شابک) : 0367700816, 9780367700812 
ناشر: Chapman and Hall/CRC 
سال نشر: 2021 
تعداد صفحات: 286
[287] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 11 Mb

قیمت کتاب (تومان) : 28,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 2


در صورت تبدیل فایل کتاب Random Matrices and Non-Commutative Probability به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب ماتریس های تصادفی و احتمال غیر تعویضی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب ماتریس های تصادفی و احتمال غیر تعویضی



این کتاب مقدماتی در مورد احتمال غیر تعویضی یا احتمال آزاد و ماتریس های تصادفی ابعاد بزرگ است. مفاهیم اولیه احتمال آزاد با قیاس با احتمال کلاسیک به شیوه ای شفاف و سریع معرفی می شوند. سپس نتایج را در مورد همگرایی ماتریس‌های تصادفی ابعادی بزرگ، با تمرکز ویژه بر اتصالات جالب به احتمال آزاد، توسعه می‌دهد. کتاب تقریباً هیچ پیش نیازی را در اکثر موارد فرض نمی‌کند. با این حال، آشنایی با مفاهیم اولیه همگرایی در احتمال و کمی بلوغ ریاضی مفید خواهد بود.

  • خواص ترکیبی پارتیشن‌های غیر متقاطع، از جمله تابع موبیوس، نقش اصلی را در معرفی احتمال آزاد بازی می‌کنند.
  • استقلال آزاد از طریق تجمع آزاد در قیاس با روشی که استقلال کلاسیک می تواند تعریف شود از طریق تجمع کننده های کلاسیک تعریف شود.
  • انجمن های رایگان از طریق تابع موبیوس معرفی می شوند.
  • فضاهای احتمال محصول آزاد با استفاده از تجمع دهنده های رایگان ساخته می شوند.
  • همگرایی حاشیه ای و مشترک ماتریس های تصادفی ابعادی بزرگ مانند ویگنر، بیضوی، کوواریانس نمونه، کوواریانس متقاطع، تاپلیتز، سیرکولانت و هانکل مورد بحث قرار گرفته است.
  • همگرایی توزیع طیفی تجربی برای ماتریس های متقارن مورد بحث قرار گرفته است.
  • نتایج آزاد بودن مجانبی برای ماتریس های تصادفی، از جمله برخی موارد اخیر، در جزئیات اینها ساختار محدودیت های همگرایی مشترک ماتریس های تصادفی را روشن می کند.
  • آزادی مجانبی ماتریس‌های کوواریانس نمونه مستقل نیز از طریق جاسازی در ماتریس‌های ویگنر نشان داده می‌شود. .
  • تمرینات، در سطح پیشرفته کارشناسی و کارشناسی ارشد، در هر فصل ارائه شده است.

توضیحاتی درمورد کتاب به خارجی

This is an introductory book on Non-Commutative Probability or Free Probability and Large Dimensional Random Matrices. Basic concepts of free probability are introduced by analogy with classical probability in a lucid and quick manner. It then develops the results on the convergence of large dimensional random matrices, with a special focus on the interesting connections to free probability. The book assumes almost no prerequisite for the most part. However, familiarity with the basic convergence concepts in probability and a bit of mathematical maturity will be helpful.

  • Combinatorial properties of non-crossing partitions, including the Möbius function play a central role in introducing free probability.
  • Free independence is defined via free cumulants in analogy with the way classical independence can be defined via classical cumulants.
  • Free cumulants are introduced through the Möbius function.
  • Free product probability spaces are constructed using free cumulants.
  • Marginal and joint tracial convergence of large dimensional random matrices such as the Wigner, elliptic, sample covariance, cross-covariance, Toeplitz, Circulant and Hankel are discussed.
  • Convergence of the empirical spectral distribution is discussed for symmetric matrices.
  • Asymptotic freeness results for random matrices, including some recent ones, are discussed in detail. These clarify the structure of the limits for joint convergence of random matrices.
  • Asymptotic freeness of independent sample covariance matrices is also demonstrated via embedding into Wigner matrices.
  • Exercises, at advanced undergraduate and graduate level, are provided in each chapter.


فهرست مطالب

Cover
Half Title
Title Page
Copyright Page
Dedication
Contents
Preface
About the Author
Notation
Introduction
1. Classical independence, moments and cumulants
	1.1. Classical independence
	1.2. CLT via cumulants
	1.3. Cumulants to moments
	1.4. Moments to cumulants, the Möbius function
	1.5. Classical Isserlis’ formula
	1.6. Exercises
2. Non-commutative probability
	2.1. Non-crossing partition
	2.2. Free cumulants
	2.3. Free Gaussian or semi-circular law
	2.4. Free Poisson law
	2.5. Non-commutative and *-probability spaces
	2.6. Moments and probability laws of variables
	2.7. Exercises
3. Free independence
	3.1. Free independence
	3.2. Free product of *-probability spaces
	3.3. Free binomial
	3.4. Semi-circular family
	3.5. Free Isserlis’ formula
	3.6. Circular and elliptic variables
	3.7. Free additive convolution
	3.8. Kreweras complement
	3.9. Moments of free variables
	3.10. Compound free Poisson
	3.11. Exercises
4. Convergence
	4.1. Algebraic convergence
	4.2. Free central limit theorem
	4.3. Free Poisson convergence
	4.4. Sums of triangular arrays
	4.5. Exercises
5. Transforms
	5.1. Stieltjes transform
	5.2. R transform
	5.3. Interrelation
	5.4. S-transform
	5.5. Free infinite divisibility
	5.6. Exercises
6. C*-probability space
	6.1. C*-probability space
	6.2. Spectrum
	6.3. Distribution of a self-adjoint element
	6.4. Free product of C*-probability spaces
	6.5. Free additive and multiplicative convolution
	6.6. Exercises
7. Random matrices
	7.1. Empirical spectral measure
	7.2. Limiting spectral measure
	7.3. Moment and trace
	7.4. Some important matrices
	7.5. A unified treatment
	7.6. Exercises
8. Convergence of some important matrices
	8.1. Wigner matrix: semi-circular law
	8.2. S-matrix: Marčenko-Pastur law
	8.3. IID and elliptic matrices: circular and elliptic variables
	8.4. Toeplitz matrix
	8.5. Hankel matrix
	8.6. Reverse Circulant matrix: symmetrized Rayleigh
	8.7. Symmetric Circulant: Gaussian law
	8.8. Almost sure convergence of the ESD
	8.9. Exercises
9. Joint convergence I: single pattern
	9.1. Unified treatment: extension
	9.2. Wigner matrices: asymptotic freeness
	9.3. Elliptic matrices: asymptotic freeness
	9.4. S-matrices in elliptic models: asymptotic freeness
	9.5. Symmetric Circulants: asymptotic independence
	9.6. Reverse Circulants: asymptotic half-independence
	9.7. Exercises
10. Joint convergence II: multiple patterns
	10.1. Multiple patterns: colors and indices
	10.2. Joint convergence
	10.3. Two or more patterns at a time
	10.4. Sum of independent patterned matrices
	10.5. Discussion
	10.6. Exercises
11. Asymptotic freeness of random matrices
	11.1. Elliptic, IID, Wigner and S-matrices
	11.2. Gaussian elliptic, IID, Wigner and deterministic
	11.3. General elliptic, IID, Wigner and deterministic matrices
	11.4. S-matrices and embedding
	11.5. Cross-covariance matrices
		11.5.1. Pair-correlated cross-covariance; p/n → y ≠ 0
		11.5.2. Pair correlated cross-covariance; p/n → 0
	11.6. Wigner and patterned random matrices
	11.7. Discussion
	11.8. Exercises
12. Brown measure
	12.1. Brown measure
	12.2. Exercises
13. Tying three loose ends
	13.1. Möbius function on NC(n)
	13.2. Equivalence of two freeness definitions
	13.3. Free product construction
	13.4. Exercises
Bibliography
Index




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی