રેખીય બીજગણિત ભયજનક લાગે છે, પરંતુ તેના મૂળ વિચારો નોંધપાત્ર રીતે નક્કર છે. વેક્ટર, મેટ્રિસિસ અને તેમની વચ્ચેની કામગીરી ભૌતિકશાસ્ત્રના સિમ્યુલેશનથી લઈને મશીન લર્નિંગ મોડલ્સ સુધીની દરેક વસ્તુનું વર્ણન કરે છે. આ માર્ગદર્શિકા મૂળભૂત બાબતોને સુલભ બનાવે છે — કોઈ અદ્યતન સંકેતની જરૂર નથી.
વેક્ટર શું છે?
વેક્ટર એ માત્ર પરિમાણ (કદ) અને દિશા બંને સાથેનો જથ્થો છે. 2D માં, v = [3, 4] જેવા વેક્ટરનો અર્થ થાય છે "3 એકમો જમણે અને 4 એકમો ઉપર ખસેડો." 3D માં, તમે ત્રીજો ઘટક ઉમેરો: v = [3, 4, 2].
ભૌમિતિક રીતે, વેક્ટર એ મૂળથી બિંદુ સુધીનું તીર છે. બીજગણિત રીતે, તે સંખ્યાઓ (ઘટકો) ની ક્રમબદ્ધ સૂચિ છે. બંને દૃશ્યો સમાન રીતે માન્ય છે અને તમે તેમની વચ્ચે સતત સ્વિચ કરશો.
વેક્ટરની મેગ્નિટ્યુડ (લંબાઈ) પાયથાગોરિયન પ્રમેયનો ઉપયોગ n પરિમાણમાં સામાન્યીકરણ કરે છે:
|v| = √(v₁² + v₂² + v₃²)
v = [3, 4] માટે: |v| = √(9 + 16) = √25 = 5
એકમ વેક્ટર ની તીવ્રતા બરાબર 1 છે. કોઈપણ વેક્ટરને એકમ વેક્ટરમાં રૂપાંતરિત કરવા માટે, દરેક ઘટકને તીવ્રતા દ્વારા વિભાજિત કરો: v̂ = v / |v|.
વેક્ટર એડિશન અને સ્કેલર ગુણાકાર
બે વેક્ટર ઘટકો મુજબ ઉમેરે છે:
[1, 2, 3] + [4, 5, 6] = [5, 7, 9]
ભૌમિતિક રીતે આ "માથાથી પૂંછડી" નિયમ છે — બીજા વેક્ટરની પૂંછડીને પ્રથમ વેક્ટરના માથા પર મૂકો.
સ્કેલર (સામાન્ય સંખ્યા) વડે ગુણાકાર કરવાથી દરેક ઘટકનું પ્રમાણ થાય છે:
3 × [1, 2, 3] = [3, 6, 9]
હકારાત્મક સ્કેલર્સ વેક્ટરને ખેંચે છે; −1 નું સ્કેલર તેની દિશા ઉલટાવે છે; 0 અને 1 વચ્ચેના સ્કેલર્સ તેને સંકોચાય છે.
ડોટ પ્રોડક્ટ
બે વેક્ટરનું ડોટ પ્રોડક્ટ એક સ્કેલર (એક નંબર) બનાવે છે:
A·B = a₁b₁ + a₂b₂ + a₃b₃
A = [1, 2, 3] અને B = [4, 5, 6] માટે:
A·B = (1×4) + (2×5) + (3×6) = 4 + 10 + 18 = 32
ભૌમિતિક અર્થ વધુ છતી કરે છે:
A·B = |A| × |B| × cos(θ)
જ્યાં θ એ વેક્ટર વચ્ચેનો ખૂણો છે. આ અમને નિર્ણાયક સમજ આપે છે:
- A·B > 0: કોણ < 90° — વેક્ટર લગભગ સમાન દિશામાં નિર્દેશ કરે છે
- A·B = 0: કોણ = 90° — વેક્ટર લંબ (ઓર્થોગોનલ) છે
- A·B < 0: કોણ > 90° — વેક્ટર લગભગ વિરુદ્ધ દિશા નિર્દેશ કરે છે
લાગુ ગણિતમાં ડોટ પ્રોડક્ટ સર્વત્ર છે. મશીન લર્નિંગ દસ્તાવેજો અને વપરાશકર્તાની પસંદગીઓની સરખામણી કરવા માટે કોસાઇન સમાનતા (ડોટ પ્રોડક્ટને પરિમાણના ઉત્પાદન દ્વારા વિભાજિત કરે છે) નો ઉપયોગ કરે છે. ભૌતિકશાસ્ત્ર તેનો ઉપયોગ કાર્યની ગણતરી કરવા માટે કરે છે: W = F·d (ફોર્સ ડોટ ડિસ્પ્લેસમેન્ટ).
ક્રોસ પ્રોડક્ટ
ક્રોસ પ્રોડક્ટ માત્ર 3Dમાં જ કામ કરે છે અને બંને ઇનપુટ માટે લંબરૂપ વેક્ટર (સ્કેલર નહીં) ઉત્પન્ન કરે છે:
A × B = [a₂b₃ - a₃b₂, a₃b₁ - a₁b₃, a₁b₂ - a₂b₁]
દિશા જમણા હાથના નિયમને અનુસરે છે: તમારી આંગળીઓને A ની દિશામાં દોરો, તેમને B તરફ વળો, અને તમારા અંગૂઠાને A × B ની દિશામાં કરો.
A × B ની તીવ્રતા બે વેક્ટર દ્વારા ફેલાયેલ સમાંતરગ્રામના વિસ્તારની બરાબર છે:
|A × B| = |A| × |B| × sin(θ)
ડોટ પ્રોડક્ટથી વિપરીત, ક્રોસ ઉત્પાદન વિરોધી વિનિમયાત્મક છે: A × B = −(B × A).
એપ્લીકેશન: ભૌતિકશાસ્ત્રમાં ટોર્ક τ = r × F છે. કોમ્પ્યુટર ગ્રાફિક્સમાં સરફેસ નોર્મલ્સ (સપાટી જે દિશામાં હોય છે) એજ વેક્ટર્સના ક્રોસ પ્રોડક્ટ્સ તરીકે ગણવામાં આવે છે.
મેટ્રિક્સ શું છે?
મેટ્રિક્સ એ સંખ્યાઓની લંબચોરસ એરે છે, જે પંક્તિઓ અને કૉલમમાં ગોઠવાય છે. 3×2 મેટ્રિક્સમાં 3 પંક્તિઓ અને 2 કૉલમ છે.
મેટ્રિસીસ રેખીય પરિવર્તનોનું પ્રતિનિધિત્વ કરે છે — ફંક્શન કે જે વેક્ટર્સને ખેંચે છે, ફેરવે છે, પ્રતિબિંબિત કરે છે અથવા શીયર કરે છે. વેક્ટરને મેટ્રિક્સ વડે ગુણાકાર કરવાથી તેનું રૂપાંતર થાય છે.
2×2 મેટ્રિક્સ A અને વેક્ટર v માટે:
A = [[3, 0], v = [1] Av = [3×1 + 0×2] = [3]
[0, 2]] [2] [0×1 + 2×2] [4]
આ રૂપાંતરણ x-ઘટકને 3 વડે અને y-ઘટકને 2 વડે માપે છે.
મેટ્રિક્સ ગુણાકાર
મેટ્રિક્સ C = AB આપવા માટે બે મેટ્રિસિસ A અને B ગુણાકાર કરે છે, જ્યાં દરેક ઘટક c_ij એ B ના કૉલમ j સાથે A ની પંક્તિ i નો ડોટ પ્રોડક્ટ છે.
[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]
જટિલ નિયમો:
- AB ત્યારે જ વ્યાખ્યાયિત થાય છે જ્યારે A માં કૉલમની સંખ્યા B માં પંક્તિઓની સંખ્યા જેટલી હોય
- મેટ્રિક્સ ગુણાકાર સામાન્ય રીતે વિનિમયાત્મક નથી: AB ≠ BA
નિર્ધારક
ચોરસ મેટ્રિક્સનું નિર્ધારક એ એક સ્કેલર છે જે તમને જણાવે છે કે મેટ્રિક્સ કેટલા વિસ્તાર (2D માં) અથવા વોલ્યુમ (3D માં) માપે છે.
2×2 મેટ્રિક્સ માટે:
det [[a, b]] = ad - bc
[[c, d]]
| નિર્ણાયક મૂલ્ય | અર્થ |
|---|---|
| det > 0 | પરિવર્તન ઓરિએન્ટેશન સાચવે છે |
| det < 0 | પરિવર્તન પ્રતિબિંબિત કરે છે (ઓરિએન્ટેશનને ફ્લિપ્સ કરે છે) |
| det | |
| det | |
| det = 0 | રૂપાંતરણ એકવચન છે — નીચલા પરિમાણમાં સ્ક્વોશ |
જ્યારે det = 0 હોય, ત્યારે મેટ્રિક્સ એકવચન હોય છે — તેમાં કોઈ વ્યસ્ત હોતું નથી, અને તે જે સમીકરણો રજૂ કરે છે તેની સિસ્ટમમાં કાં તો કોઈ ઉકેલ નથી અથવા તો અનંત ઘણા હોય છે.
મેટ્રિક્સ ઇન્વર્સ
વ્યસ્ત A⁻¹ AA⁻¹ = I (ઓળખ મેટ્રિક્સ) ને સંતોષે છે. તે ત્યારે જ અસ્તિત્વમાં છે જ્યારે det(A) ≠ 0 હોય.
2×2 મેટ્રિક્સ માટે:
A = [[a, b]] A⁻¹ = (1/det) × [[ d, -b]]
[[c, d]] [[-c, a]]
મેટ્રિક્સ વ્યુત્ક્રમોનો ઉપયોગ રેખીય સમીકરણોની સિસ્ટમોને ઉકેલવા માટે થાય છે: જો Ax = b, તો x = A⁻¹b.
વ્યવહારમાં, મોટી સિસ્ટમ્સ A⁻¹ ની સીધી ગણતરી કરવાને બદલે ગૌસિયન એલિમિનેશન દ્વારા ઉકેલવામાં આવે છે — સંખ્યાત્મક રીતે વધુ કાર્યક્ષમ અને સ્થિર.
એઇજેનવેલ્યુ અને આઇજેનવેક્ટર
મેટ્રિક્સ A નો એઇજેનવેક્ટર એ એક વિશિષ્ટ વેક્ટર v છે જે A દ્વારા રૂપાંતરિત થાય ત્યારે માત્ર માપવામાં આવે છે (રોટેટેડ નથી):
Av = λv
સ્કેલર λ એ અનુરૂપ ઇજેનવેલ્યુ છે — તે તમને જણાવે છે કે ઇજેનવેક્ટર કેટલું ખેંચાય છે અથવા સંકોચાય છે.
eigenvalues શોધવા માટે, લાક્ષણિક સમીકરણ ઉકેલો:
det(A - λI) = 0
2×2 મેટ્રિક્સ માટે આ (સામાન્ય રીતે) બે ઉકેલો સાથે એક ચતુર્ભુજ સમીકરણ આપે છે.
ઇજેનવેલ્યુઝ શા માટે મહત્વ ધરાવે છે?
- પ્રિન્સિપલ કમ્પોનન્ટ એનાલિસિસ (PCA): ડેટા કોવેરિઅન્સ મેટ્રિક્સના ઇજેનવેક્ટર મહત્તમ ભિન્નતાની દિશા નિર્ધારિત કરે છે — "મુખ્ય ઘટકો" જે માહિતીને સાચવતી વખતે પરિમાણ ઘટાડે છે.
- ગૂગલ પેજરેન્ક: વેબ લિંક મેટ્રિક્સનું પ્રબળ ઇજનવેક્ટર રેન્ડમ વેબ સર્ફરનું સ્થિર વિતરણ આપે છે
- ક્વોન્ટમ મિકેનિક્સ: અવલોકનક્ષમ જથ્થાઓ (ઊર્જા સ્તરો, સ્પિન સ્ટેટ્સ) એ ઓપરેટર્સના ઇજનવેલ્યુ છે
ધ્રુવીય કોઓર્ડિનેટ્સ
રેખીય બીજગણિતનો સખત ભાગ ન હોવા છતાં, સંકલન પ્રણાલીઓ પરિવર્તન સાથે સંબંધિત છે. ધ્રુવીય કોઓર્ડિનેટ્સ કોઈપણ 2D બિંદુને તેના મૂળથી અંતર r અને ધન x-અક્ષમાંથી કોણ θ દર્શાવે છે.
સિસ્ટમો વચ્ચે રૂપાંતરણ:
Cartesian → Polar: r = √(x² + y²), θ = atan2(y, x)
Polar → Cartesian: x = r cos(θ), y = r sin(θ)
ધ્રુવીય કોઓર્ડિનેટ્સ વર્તુળો અને પરિભ્રમણ સાથે સંકળાયેલી ઘણી સમસ્યાઓને સરળ બનાવે છે - કાર્ટેશિયનમાં જટિલ સમીકરણો ધ્રુવીય સ્વરૂપમાં ભવ્ય બને છે.
તે બધું એકસાથે મૂકવું
રેખીય બીજગણિતની શક્તિ એ હકીકત પરથી આવે છે કે તે તમને એક જ ગાણિતિક ઑબ્જેક્ટ તરીકે એકસાથે અનેક ચલો સાથે કામ કરવા દે છે. લાખો પેરામીટર્સ સાથેનું મશીન લર્નિંગ મોડલ માત્ર મેટ્રિક્સ ગુણાકાર અને બિન-રેખીય કાર્યોનો ક્રમ છે. 3D ગેમ એન્જીન રોટેશન, સ્કેલિંગ અને પ્રોજેક્શન મેટ્રિસિસ સાથે પ્રતિ સેકન્ડ લાખો શિરોબિંદુઓનું પરિવર્તન કરી રહ્યું છે.
ફન્ડામેન્ટલ્સ — વેક્ટર, ડોટ પ્રોડક્ટ્સ, મેટ્રિસિસ, નિર્ધારકો — તે બધાનો પાયો છે.
અમારા ડોટ પ્રોડક્ટ કેલ્ક્યુલેટર, Cross Product Calculator, મેટ્રિક્સ નિર્ધારક કેલ્ક્યુલેટર, મેટ્રિક્સ ઇનવર્સનો ઉપયોગ કરો કેલ્ક્યુલેટર, અને એઇજેનવેલ્યુ કેલ્ક્યુલેટર આ વિભાવનાઓને ઇન્ટરેક્ટિવ રીતે અન્વેષણ કરવા માટે.