রৈখিক বীজগণিত ভীতিজনক শোনাচ্ছে, কিন্তু এর মূল ধারণাগুলি উল্লেখযোগ্যভাবে কংক্রিট। ভেক্টর, ম্যাট্রিক্স এবং তাদের মধ্যকার ক্রিয়াকলাপগুলি পদার্থবিদ্যার সিমুলেশন থেকে মেশিন লার্নিং মডেল পর্যন্ত সবকিছু বর্ণনা করে। এই নির্দেশিকাটি মৌলিক বিষয়গুলিকে অ্যাক্সেসযোগ্য করে তোলে — কোন উন্নত স্বরলিপির প্রয়োজন নেই।
ভেক্টর কি?
একটি ভেক্টর কেবলমাত্র মাত্রা (আকার) এবং দিক উভয়ের সাথে একটি পরিমাণ। 2D-তে, v = [3, 4] এর মতো একটি ভেক্টর মানে "3 ইউনিট ডানে এবং 4 ইউনিট উপরে সরান।" 3D-এ, আপনি একটি তৃতীয় উপাদান যোগ করুন: v = [3, 4, 2]।
জ্যামিতিকভাবে, একটি ভেক্টর হল উৎপত্তি থেকে একটি বিন্দু পর্যন্ত একটি তীর। বীজগণিতভাবে, এটি সংখ্যার (উপাদান) একটি ক্রম তালিকা। উভয় মতামতই সমানভাবে বৈধ এবং আপনি ক্রমাগত তাদের মধ্যে স্যুইচ করবেন।
একটি ভেক্টরের ম্যাগনিটিউড (দৈর্ঘ্য) n মাত্রায় সাধারণীকৃত পাইথাগোরিয়ান উপপাদ্য ব্যবহার করে:
|v| = √(v₁² + v₂² + v₃²)
v = [3, 4] এর জন্য: |v| = √(9 + 16) = √25 = 5
একটি ইউনিট ভেক্টর এর ম্যাগনিটিউড ঠিক 1 আছে। যেকোনো ভেক্টরকে ইউনিট ভেক্টরে রূপান্তর করতে, প্রতিটি উপাদানকে ম্যাগনিটিউড দিয়ে ভাগ করুন: v̂ = v / |v|।
ভেক্টর যোগ এবং স্কেলার গুণন
দুটি ভেক্টর উপাদান-ভিত্তিক যোগ করে:
[1, 2, 3] + [4, 5, 6] = [5, 7, 9]
জ্যামিতিকভাবে এটি "মাথা থেকে লেজ" নিয়ম - প্রথম ভেক্টরের মাথায় দ্বিতীয় ভেক্টরের লেজ রাখুন।
একটি স্কেলার (সাধারণ সংখ্যা) দ্বারা গুণ করে প্রতিটি উপাদানকে স্কেল করে:
3 × [1, 2, 3] = [3, 6, 9]
ইতিবাচক স্কেলারগুলি ভেক্টরকে প্রসারিত করে; −1 এর একটি স্কেলার তার দিক বিপরীত করে; 0 এবং 1 এর মধ্যে স্কেলার এটি সঙ্কুচিত করে।
ডট প্রোডাক্ট
দুটি ভেক্টরের ডট পণ্য একটি স্কেলার তৈরি করে (একক সংখ্যা):
A·B = a₁b₁ + a₂b₂ + a₃b₃
A = [1, 2, 3] এবং B = [4, 5, 6] এর জন্য:
A·B = (1×4) + (2×5) + (3×6) = 4 + 10 + 18 = 32
জ্যামিতিক অর্থ আরও প্রকাশক:
A·B = |A| × |B| × cos(θ)
যেখানে θ ভেক্টরের মধ্যে কোণ। এটি আমাদের একটি সমালোচনামূলক অন্তর্দৃষ্টি দেয়:
- A·B > 0: কোণ < 90° — ভেক্টর মোটামুটি একই দিক নির্দেশ করে
- A·B = 0: কোণ = 90° — ভেক্টর লম্ব (অর্থোগোনাল)
- A·B < 0: কোণ > 90° — ভেক্টর মোটামুটি বিপরীত দিক নির্দেশ করে
ফলিত গণিতের সর্বত্র ডট পণ্য রয়েছে। মেশিন লার্নিং ডকুমেন্ট এবং ব্যবহারকারীর পছন্দের তুলনা করার জন্য কোসাইন সাদৃশ্য (ডট প্রোডাক্ট বিভক্ত মাত্রার গুণফল) ব্যবহার করে। পদার্থবিদ্যা এটি ব্যবহার করে কাজ গণনা করে: W = F·d (ফোর্স ডট ডিসপ্লেসমেন্ট)।
ক্রস পণ্য
ক্রস প্রোডাক্ট শুধুমাত্র 3D তে কাজ করে এবং উভয় ইনপুটের জন্য লম্বভাবে একটি ভেক্টর (একটি স্কেলার নয়) তৈরি করে:
A × B = [a₂b₃ - a₃b₂, a₃b₁ - a₁b₃, a₁b₂ - a₂b₁]
দিকটি ডান-হাতের নিয়ম অনুসরণ করে: আপনার আঙ্গুলগুলি A এর দিকে নির্দেশ করুন, সেগুলিকে B এর দিকে কার্ল করুন এবং আপনার থাম্বগুলি A × B এর দিকে নির্দেশ করুন।
A × B এর মাত্রা দুটি ভেক্টর দ্বারা বিস্তৃত সমান্তরালগ্রামের ক্ষেত্রফলের সমান:
|A × B| = |A| × |B| × sin(θ)
ডট প্রোডাক্টের বিপরীতে, ক্রস প্রোডাক্টটি অ্যান্টি-কমিউটেটিভ: A × B = −(B × A)।
অ্যাপ্লিকেশন: পদার্থবিদ্যায় টর্ক হল τ = r × F। কম্পিউটার গ্রাফিক্সে সারফেস নরমালগুলি (পৃষ্ঠের মুখের দিক) প্রান্ত ভেক্টরের ক্রস পণ্য হিসাবে গণনা করা হয়।
ম্যাট্রিক্স কি?
একটি ম্যাট্রিক্স হল সংখ্যার একটি আয়তক্ষেত্রাকার বিন্যাস, সারি এবং কলামে সংগঠিত। একটি 3×2 ম্যাট্রিক্সে 3টি সারি এবং 2টি কলাম রয়েছে।
ম্যাট্রিক্স রৈখিক রূপান্তর উপস্থাপন করে — যে ফাংশনগুলি প্রসারিত, ঘোরানো, প্রতিফলিত বা শিয়ার ভেক্টর। একটি ভেক্টরকে একটি ম্যাট্রিক্স দ্বারা গুণ করলে এটি রূপান্তরিত হয়।
একটি 2×2 ম্যাট্রিক্স A এবং ভেক্টর v এর জন্য:
A = [[3, 0], v = [1] Av = [3×1 + 0×2] = [3]
[0, 2]] [2] [0×1 + 2×2] [4]
এই রূপান্তরটি x-কম্পোনেন্টকে 3 দ্বারা এবং y-উপাদানকে 2 দ্বারা স্কেল করে।
ম্যাট্রিক্স গুণ
দুটি ম্যাট্রিক্স A এবং B গুন করে ম্যাট্রিক্স C = AB দিতে, যেখানে প্রতিটি উপাদান c_ij হল B এর কলাম j সহ A এর সারির i এর ডট গুণফল।
[1, 2] × [5, 6] = [(1×5 + 2×7), (1×6 + 2×8)] = [19, 22]
[3, 4] [7, 8] [(3×5 + 4×7), (3×6 + 4×8)] [43, 50]
গুরুত্বপূর্ণ নিয়ম:
- AB শুধুমাত্র তখনই সংজ্ঞায়িত করা হয় যখন A-তে কলামের সংখ্যা B-এর সারির সংখ্যার সমান হয়
- ম্যাট্রিক্স গুণ সাধারণত বিনিময় হয় না: AB ≠ BA
নির্ধারক
একটি বর্গাকার ম্যাট্রিক্সের নির্ধারক হল একটি স্কেলার যা আপনাকে বলে যে ম্যাট্রিক্স কতটা ক্ষেত্রফল (2D-তে) বা আয়তন (3D-এ)।
একটি 2×2 ম্যাট্রিক্সের জন্য:
det [[a, b]] = ad - bc
[[c, d]]
| নির্ধারক মান | অর্থ |
|---|---|
| det > 0 | রূপান্তর অভিযোজন সংরক্ষণ করে |
| det < 0 | রূপান্তর প্রতিফলিত করে (ফ্লিপ ওরিয়েন্টেশন) |
| det | |
| det | |
| det = 0 | রূপান্তর একক — নিম্ন মাত্রা থেকে স্কোয়াশ |
যখন det = 0, ম্যাট্রিক্সটি একবচন হয় — এর কোনো বিপরীত নেই, এবং এটি যে সমীকরণগুলি উপস্থাপন করে তার কোনো সমাধান নেই বা অসীমভাবে অনেকগুলি।
ম্যাট্রিক্স ইনভার্স
বিপরীত A⁻¹ AA⁻¹ = I (পরিচয় ম্যাট্রিক্স) সন্তুষ্ট করে। এটি তখনই বিদ্যমান যখন det(A) ≠ 0।
একটি 2×2 ম্যাট্রিক্সের জন্য:
A = [[a, b]] A⁻¹ = (1/det) × [[ d, -b]]
[[c, d]] [[-c, a]]
ম্যাট্রিক্স ইনভার্স ব্যবহার করা হয় রৈখিক সমীকরণের সিস্টেমগুলি সমাধান করতে: যদি Ax = b, তাহলে x = A⁻¹b।
অনুশীলনে, বড় সিস্টেমগুলি সরাসরি A⁻¹ কম্পিউট করার পরিবর্তে গাউসিয়ান নির্মূলের মাধ্যমে সমাধান করা হয় — সংখ্যাগতভাবে আরও দক্ষ এবং স্থিতিশীল।
Eigenvalues এবং Eigenvectors
একটি ম্যাট্রিক্স A-এর একটি ইজেনভেক্টর হল একটি বিশেষ ভেক্টর v যেটি A দ্বারা রূপান্তরিত হলে শুধুমাত্র স্কেল করা হয় (ঘোরানো হয় না):
Av = λv
স্কেলার λ হল সংশ্লিষ্ট ইজেনভ্যালু — এটি আপনাকে বলে যে আইজেনভেক্টর কতটা প্রসারিত বা সঙ্কুচিত হয়।
eigenvalues খুঁজে পেতে, চরিত্রগত সমীকরণ সমাধান করুন:
det(A - λI) = 0
একটি 2×2 ম্যাট্রিক্সের জন্য এটি (সাধারণত) দুটি সমাধান সহ একটি দ্বিঘাত সমীকরণ দেয়।
ইজেনভ্যালুস কেন গুরুত্বপূর্ণ?
- প্রিন্সিপাল কম্পোনেন্ট অ্যানালাইসিস (পিসিএ): ডেটা কোভেরিয়েন্স ম্যাট্রিক্সের ইজেনভেক্টরগুলি সর্বাধিক বৈচিত্রের দিকনির্দেশকে সংজ্ঞায়িত করে — "প্রধান উপাদান" যা তথ্য সংরক্ষণের সময় মাত্রিকতা হ্রাস করে
- গুগল পেজর্যাঙ্ক: ওয়েব লিঙ্ক ম্যাট্রিক্সের প্রভাবশালী ইজেনভেক্টর একটি এলোমেলো ওয়েব সার্ফারের স্থির বন্টন দেয়
- কোয়ান্টাম মেকানিক্স: পর্যবেক্ষণযোগ্য পরিমাণ (শক্তির মাত্রা, স্পিন স্টেট) হল অপারেটরদের eigenvalues
পোলার স্থানাঙ্ক
যদিও কঠোরভাবে রৈখিক বীজগণিতের অংশ নয়, স্থানাঙ্ক সিস্টেমগুলি রূপান্তরের সাথে সম্পর্কিত। পোলার স্থানাঙ্ক যেকোন 2D বিন্দুকে উৎপত্তি থেকে এর দূরত্ব r এবং ধনাত্মক x-অক্ষ থেকে কোণ θ দ্বারা প্রতিনিধিত্ব করে।
সিস্টেমের মধ্যে রূপান্তর:
Cartesian → Polar: r = √(x² + y²), θ = atan2(y, x)
Polar → Cartesian: x = r cos(θ), y = r sin(θ)
মেরু স্থানাঙ্কগুলি বৃত্ত এবং ঘূর্ণন সম্পর্কিত অনেক সমস্যাকে সরল করে — কার্টেসিয়ানে জটিল সমীকরণগুলি মেরু আকারে মার্জিত হয়ে ওঠে।
সব একসাথে করা
রৈখিক বীজগণিতের শক্তি এই সত্য থেকে আসে যে এটি আপনাকে একক গাণিতিক বস্তু হিসাবে একসাথে অনেকগুলি ভেরিয়েবলের সাথে কাজ করতে দেয়। লক্ষ লক্ষ প্যারামিটার সহ একটি মেশিন লার্নিং মডেল হল ম্যাট্রিক্স গুণন এবং নন-লিনিয়ার ফাংশনের একটি ক্রম। একটি 3D গেম ইঞ্জিন ঘূর্ণন, স্কেলিং এবং প্রজেকশন ম্যাট্রিক্সের সাথে প্রতি সেকেন্ডে লক্ষ লক্ষ শীর্ষবিন্দুকে রূপান্তরিত করছে।
মৌলিক বিষয়গুলি — ভেক্টর, ডট পণ্য, ম্যাট্রিক্স, নির্ধারক — এটির সমস্ত ভিত্তি।
আমাদের ডট প্রোডাক্ট ক্যালকুলেটর, Cross Product Calculator, Matrix Determinant Calculator, Matrix Inverse) ব্যবহার করুন। ক্যালকুলেটর, এবং Eigenvalue Calculator ইন্টারেক্টিভভাবে এই ধারণাগুলি অন্বেষণ করতে।