Aljebra ya mstari inasikika ya kutisha, lakini mawazo yake ya msingi ni thabiti sana. Vekta, matrices, na shughuli kati yao huelezea kila kitu kutoka kwa uigaji wa fizikia hadi miundo ya kujifunza kwa mashine. Mwongozo huu hufanya mambo ya msingi kufikiwa - hakuna nukuu ya hali ya juu inayohitajika.

Vector ni nini?

Vekta ni idadi tu yenye ukubwa (ukubwa) na mwelekeo. Katika 2D, vekta kama v = [3, 4] inamaanisha "sogeza vitengo 3 kulia na vitengo 4 juu." Katika 3D, unaongeza sehemu ya tatu: v = [3, 4, 2].

Kijiometri, vekta ni mshale kutoka asili hadi uhakika. Kwa algebra, ni orodha iliyopangwa ya nambari (vipengele). Mionekano yote miwili ni halali kwa usawa na utabadilisha kati yao mara kwa mara.

Ukubwa (urefu) wa vekta hutumia nadharia ya Pythagorean iliyojumlishwa kwa vipimo vya n:

|v| = √(v₁² + v₂² + v₃²)

Kwa v = [3, 4]: |v| = √(9 + 16) = √25 = 5

Vekta ya kitengo ina ukubwa hasa 1. Ili kubadilisha vekta yoyote hadi kitengo cha vekta, gawanya kila kijenzi kwa ukubwa: v̂ = v / |v|.

Ongezeko la Vekta na Kuzidisha kwa Scalar

Vekta mbili zinaongeza sehemu-busara:

[1, 2, 3] + [4, 5, 6] = [5, 7, 9]

Kijiometri hii ndiyo kanuni ya "kichwa-kwa-mkia" - weka mkia wa vekta ya pili kwenye kichwa cha vekta ya kwanza.

Kuzidisha kwa scalar (nambari ya kawaida) hupima kila sehemu:

3 × [1, 2, 3] = [3, 6, 9]

Scalars chanya kunyoosha vector; scalar ya -1 inageuza mwelekeo wake; makovu kati ya 0 na 1 huipunguza.

Bidhaa ya Dot

Bidhaa ya nukta ya vekta mbili hutoa scalar (nambari moja):

A·B = a₁b₁ + a₂b₂ + a₃b₃

Kwa A = [1, 2, 3] na B = [4, 5, 6]:

A·B = (1×4) + (2×5) + (3×6) = 4 + 10 + 18 = 32

Maana ya kijiometri inadhihirisha zaidi:

A·B = |A| × |B| × cos(θ)

Ambapo θ ni pembe kati ya vekta. Hii inatupa ufahamu muhimu:

  • A·B > 0: Pembe < 90 ° - vectors huelekeza takribani mwelekeo sawa
  • A·B = 0: Pembe = 90° — vekta ni perpendicular (orthogonal)
  • A·B < 0: Pembe > 90° - vekta huelekeza takribani pande tofauti

Bidhaa ya nukta iko kila mahali katika hesabu iliyotumika. Kujifunza kwa mashine hutumia kufanana kwa kosine (bidhaa ya nukta iliyogawanywa na bidhaa ya ukubwa) ili kulinganisha hati na mapendeleo ya mtumiaji. Fizikia huitumia kukokotoa kazi: W = F · d (kulazimisha uhamishaji wa nukta).

Bidhaa Msalaba

bidhaa mtambuka hufanya kazi katika 3D pekee na hutoa vekta (sio scalar) inayoendana na pembejeo zote mbili:

A × B = [a₂b₃ - a₃b₂, a₃b₁ - a₁b₃, a₁b₂ - a₂b₁]

Mwelekeo unafuata kanuni ya mkono wa kulia: elekeza vidole vyako upande wa A, vizungushe kuelekea B, na kidole gumba kielekee A × B.

Ukubwa wa A × B ni sawa na eneo la msambamba unaosambazwa na vekta mbili:

|A × B| = |A| × |B| × sin(θ)

Tofauti na bidhaa ya nukta, bidhaa ya msalaba ni ya kupinga mabadiliko: A × B = -(B × A).

Matumizi: Torque katika fizikia ni τ = r × F. Kanuni za uso wa uso katika michoro ya kompyuta (mwelekeo wa uso) hukokotwa kama bidhaa mtambuka za vekta za makali.

Matrix ni nini?

Matrix ni safu ya mstatili ya nambari, iliyopangwa kwa safu na safu. Matrix ya 3x2 ina safu 3 na safu 2.

Matrices huwakilisha mabadiliko ya mstari - chaguo za kukokotoa ambazo hunyoosha, kuzungusha, kuakisi au kukata vekta. Kuzidisha vekta kwa matrix huibadilisha.

Kwa matrix 2x2 A na vekta v:

A = [[3, 0],    v = [1]    Av = [3×1 + 0×2] = [3]
     [0, 2]]        [2]         [0×1 + 2×2]   [4]

Mabadiliko haya hupima kijenzi cha x kwa 3 na kijenzi cha y na 2.

Kuzidisha Matrix

Matrices mbili A na B huzidisha ili kutoa matrix C = AB, ambapo kila kipengele c_ij ni bidhaa ya nukta ya safu ya i ya A yenye safu j ya B.

[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]

Sheria muhimu:

  • AB hufafanuliwa tu wakati idadi ya safu wima katika A inalingana na idadi ya safu katika B
  • Kuzidisha kwa Matrix kwa ujumla sio kubadilika: AB ≠ BA

Kiamuzi

kiambuzi cha matrix ya mraba ni koleo linalokueleza ni kiasi gani eneo la mizani ya matrix (katika 2D) au ujazo (katika 3D).

Kwa matrix 2x2:

det [[a, b]] = ad - bc
    [[c, d]]
Thamani ya kuamua Maana
det > 0 Mabadiliko huhifadhi mwelekeo
det < 0 Mabadiliko huakisi (mwelekeo wa kugeuza)
det
det
det = 0 Mabadiliko ni umoja - squashes kwa mwelekeo wa chini

Wakati det = 0, matrix ni ** umoja ** - haina kinyume, na mfumo wa milinganyo inayowakilisha hauna suluhisho au nyingi nyingi.

Inverse ya Matrix

A⁻¹ kinyume inatosheleza AA⁻¹ = I (matriki ya utambulisho). Inapatikana tu wakati det(A) ≠ 0.

Kwa matrix 2x2:

A = [[a, b]]    A⁻¹ = (1/det) × [[ d, -b]]
    [[c, d]]                     [[-c,  a]]

Vigezo vya matrix hutumika kutatua mifumo ya milinganyo ya mstari: ikiwa Ax = b, kisha x = A⁻¹b.

Kiutendaji, mifumo mikubwa hutatuliwa na uondoaji wa Gaussian badala ya kukokotoa A⁻¹ moja kwa moja - kiidadi ni bora zaidi na thabiti.

Eigenvalues ​​na Eigenveekta

eigenvector ya matrix A ni vekta maalum v ambayo, inapobadilishwa na A, hupunguzwa tu (sio kuzungushwa):

Av = λv

Skala λ ni eigenvalue inayolingana - inakuambia ni kiasi gani eigenvekta hunyooshwa au kupungua.

Ili kupata eigenvalues, suluhisha equation ya tabia:

det(A - λI) = 0

Kwa matrix 2x2 hii inatoa equation ya quadratic na (kawaida) masuluhisho mawili.

Kwa nini eigenvalues ​​ni muhimu?

  • Uchanganuzi wa Kipengele Kikuu (PCA): Eigenveekta za mkusanyiko wa uunganisho wa data hufafanua maelekezo ya tofauti ya juu zaidi - "vijenzi vikuu" ambavyo hupunguza mwelekeo wakati wa kuhifadhi maelezo.
  • Google PageRank: Eigenvector kuu ya matrix ya kiungo cha wavuti inatoa usambazaji usio na mpangilio wa mtelezi wa wavuti bila mpangilio.
  • Mitambo ya kiasi: Kiasi kinachoonekana (viwango vya nishati, hali ya mzunguko) ni maadili ya waendeshaji

Kuratibu za Polar

Ingawa sio sehemu madhubuti ya aljebra ya mstari, mifumo ya kuratibu inahusiana na mabadiliko. Viwianishi vya polar vinawakilisha nukta yoyote ya 2D kwa umbali wake r kutoka asili na pembe θ kutoka kwa mhimili wa x chanya.

Ubadilishaji kati ya mifumo:

Cartesian → Polar:   r = √(x² + y²),  θ = atan2(y, x)
Polar → Cartesian:   x = r cos(θ),    y = r sin(θ)

Viwianishi vya polar hurahisisha matatizo mengi yanayohusisha miduara na mzunguko - milinganyo ambayo ni changamano katika Cartesian huwa maridadi katika umbo la polar.

Kuweka Yote Pamoja

Nguvu ya aljebra ya mstari huja kutokana na ukweli kwamba hukuruhusu kufanya kazi na vigeu vingi kwa wakati mmoja kama kitu kimoja cha hisabati. Muundo wa kujifunza kwa mashine wenye mamilioni ya vigezo ni mlolongo tu wa kuzidisha matrix na vitendakazi visivyo na mstari. Injini ya mchezo wa 3D inabadilisha mamilioni ya wima kwa sekunde kwa kutumia mizunguko, kuongeza ukubwa na makadirio.

Misingi - vekta, bidhaa za nukta, matiti, viashiria - ndio msingi wa yote.

Tumia Kikokotoo cha Bidhaa cha Nukta, Kikokotoo cha Bidhaa Mtambuka, [Kikokotoo cha Kuamua Matrix](/sw/hisabati/aljebra/kibainishi cha matrix), [Kikokotoo cha Matrix Inverse/matrix/algebra/matrix] Eigenvalue Calculator ili kuchunguza dhana hizi kwa maingiliano.