ویکٹر اور میٹرکس کی وضاحت کی گئی: ہم میں سے باقی کے لیے لکیری الجبرا

لکیری الجبرا خوفناک لگتا ہے، لیکن اس کے بنیادی خیالات نمایاں طور پر ٹھوس ہیں۔ ویکٹر، میٹرکس، اور ان کے درمیان کی کارروائیاں فزکس سمولیشن سے لے کر مشین لرننگ ماڈلز تک سب کچھ بیان کرتی ہیں۔ یہ گائیڈ بنیادی باتوں کو قابل رسائی بناتا ہے — کسی اعلی درجے کی اشارے کی ضرورت نہیں ہے۔

ویکٹر کیا ہے؟

ایک ویکٹر صرف ایک مقدار ہے جس کی شدت (سائز) اور سمت دونوں ہوتی ہیں۔ 2D میں، ایک ویکٹر جیسا کہ v = [3, 4] کا مطلب ہے "3 یونٹس کو دائیں اور 4 یونٹ اوپر لے جائیں۔" 3D میں، آپ ایک تیسرا جزو شامل کرتے ہیں: v = [3، 4، 2]۔

ہندسی طور پر، ایک ویکٹر اصل سے ایک نقطہ تک ایک تیر ہے. الجبری طور پر، یہ نمبروں (اجزاء) کی ترتیب شدہ فہرست ہے۔ دونوں آراء یکساں طور پر درست ہیں اور آپ ان کے درمیان مسلسل سوئچ کرتے رہیں گے۔

ایک ویکٹر کی میگنیٹیوڈ (لمبائی) پیتھاگورین تھیوریم کو n ڈائمینشنز میں عام کیا جاتا ہے:

|v| = √(v₁² + v₂² + v₃²)

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

ایک یونٹ ویکٹر کی شدت بالکل 1 ہوتی ہے۔ کسی بھی ویکٹر کو یونٹ ویکٹر میں تبدیل کرنے کے لیے، ہر جزو کو طول و عرض سے تقسیم کریں: v̂ = v / |v|

ویکٹر کا اضافہ اور اسکیلر ضرب

دو ویکٹر اجزاء کے لحاظ سے شامل کرتے ہیں:

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

ہندسی طور پر یہ "سر سے دم" کا اصول ہے — دوسرے ویکٹر کی دم کو پہلے ویکٹر کے سر پر رکھیں۔

اسکیلر (عام نمبر) سے ضرب کرنے سے ہر ایک جزو کا پیمانہ ہوتا ہے:

3 × [1, 2, 3] = [3, 6, 9]

مثبت اسکیلرز ویکٹر کو پھیلاتے ہیں۔ −1 کا اسکیلر اپنی سمت کو الٹ دیتا ہے۔ 0 اور 1 کے درمیان اسکیلرز اسے سکڑتے ہیں۔

ڈاٹ پروڈکٹ

دو ویکٹرز کا ڈاٹ پروڈکٹ ایک اسکیلر (واحد نمبر) پیدا کرتا ہے:

A·B = a₁b₁ + a₂b₂ + a₃b₃

A = [1, 2, 3] اور B = [4, 5, 6] کے لیے:

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

ہندسی معنی زیادہ ظاہر کرتا ہے:

A·B = |A| × |B| × cos(θ)

جہاں θ ویکٹرز کے درمیان زاویہ ہے۔ یہ ہمیں ایک اہم بصیرت دیتا ہے:

• A·B > 0: زاویہ < 90° — ویکٹر تقریباً ایک ہی سمت کی طرف اشارہ کرتے ہیں۔
• A·B = 0: زاویہ = 90° — ویکٹر کھڑے (آرتھوگونل) ہیں
• A·B < 0: زاویہ > 90° — ویکٹر تقریباً مخالف سمتوں کی طرف اشارہ کرتے ہیں۔

لاگو ریاضی میں ڈاٹ پروڈکٹ ہر جگہ موجود ہے۔ مشین لرننگ دستاویزات اور صارف کی ترجیحات کا موازنہ کرنے کے لیے کوزائن مماثلت (ڈاٹ پروڈکٹ کو طول و عرض سے تقسیم) کا استعمال کرتی ہے۔ طبیعیات اسے کام کا حساب لگانے کے لیے استعمال کرتی ہے: W = F·d (فورس ڈاٹ ڈسپلسمنٹ)۔

کراس پروڈکٹ

کراس پروڈکٹ صرف 3D میں کام کرتا ہے اور ایک ویکٹر (اسکیلر نہیں) دونوں ان پٹ کے لیے کھڑا کرتا ہے:

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

سمت دائیں ہاتھ کے اصول کی پیروی کرتی ہے: اپنی انگلیوں کو A کی سمت کریں، انہیں B کی طرف گھمائیں، اور آپ کے انگوٹھے کا اشارہ A × B کی سمت کریں۔

A × B کی شدت دو ویکٹروں کے ذریعے پھیلے ہوئے متوازی علامت کے رقبے کے برابر ہے:

|A × B| = |A| × |B| × sin(θ)

ڈاٹ پروڈکٹ کے برعکس، کراس پروڈکٹ اینٹی کمیوٹیو ہے: A × B = −(B × A)۔

ایپلی کیشنز: طبیعیات میں ٹارک τ = r × F ہے۔ کمپیوٹر گرافکس میں سطح کے نارمل (سطح کا سامنا کرنے والی سمت) کو ایج ویکٹر کی کراس مصنوعات کے طور پر شمار کیا جاتا ہے۔

میٹرکس کیا ہے؟

ایک میٹرکس نمبروں کی ایک مستطیل صف ہے، جو قطاروں اور کالموں میں منظم ہے۔ ایک 3×2 میٹرکس میں 3 قطاریں اور 2 کالم ہوتے ہیں۔

میٹرکس لکیری تبدیلیوں کی نمائندگی کرتے ہیں — وہ فنکشنز جو ویکٹرز کو کھینچتے، گھماتے، منعکس کرتے یا کترتے ہیں۔ کسی ویکٹر کو میٹرکس سے ضرب دینے سے یہ بدل جاتا ہے۔

2×2 میٹرکس A اور ویکٹر v کے لیے:

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

یہ تبدیلی x-جزو کو 3 اور y-جزاء کو 2 سے پیمانہ کرتی ہے۔

میٹرکس ضرب

میٹرکس C = AB دینے کے لیے دو میٹرکس A اور B ضرب کرتے ہیں، جہاں ہر عنصر c_ij B کے کالم j کے ساتھ A کی قطار i کا ڈاٹ پروڈکٹ ہے۔

[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]

اہم اصول:

• AB کی وضاحت صرف اس وقت ہوتی ہے جب A میں کالموں کی تعداد B میں قطاروں کی تعداد کے برابر ہو۔
• میٹرکس ضرب عام طور پر تبدیلی نہیں ہوتی: AB ≠ BA

فیصلہ کن

اسکوائر میٹرکس کا ڈیٹرمیننٹ ایک اسکیلر ہے جو آپ کو بتاتا ہے کہ میٹرکس کا رقبہ (2D میں) یا حجم (3D میں) کتنا ہے۔

2×2 میٹرکس کے لیے:

det [[a, b]] = ad - bc
    [[c, d]]

تعین کرنے والی قدر	مطلب
det > 0	تبدیلی واقفیت کو محفوظ رکھتی ہے۔
det < 0	تبدیلی کی عکاسی ہوتی ہے (اورینٹیشن پلٹ جاتی ہے)
	det
	det
det = 0	تبدیلی واحد ہے۔

جب det = 0، میٹرکس واحد ہوتا ہے — اس کا کوئی معکوس نہیں ہوتا ہے، اور مساوات کا نظام جس کی یہ نمائندگی کرتا ہے یا تو اس کا کوئی حل نہیں ہوتا یا لامحدود بہت ہوتا ہے۔

میٹرکس الٹا

الٹا A⁻¹ AA⁻¹ = I (شناختی میٹرکس) کو مطمئن کرتا ہے۔ یہ صرف اس وقت موجود ہے جب det(A) ≠ 0۔

2×2 میٹرکس کے لیے:

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

میٹرکس الٹا لکیری مساوات کے نظاموں کو حل کرنے کے لیے استعمال کیا جاتا ہے: اگر Ax = b، تو x = A⁻¹b۔

عملی طور پر، بڑے سسٹمز کو A⁻¹ کو براہ راست کمپیوٹنگ کرنے کے بجائے گاؤس کے خاتمے سے حل کیا جاتا ہے — عددی اعتبار سے زیادہ موثر اور مستحکم۔

Eigenvalues ​​اور Eigenvectors

میٹرکس A کا ایک ایگن ویکٹر ایک خاص ویکٹر v ہے جو A کے ذریعے تبدیل ہونے پر صرف اسکیل ہوتا ہے (گھمایا نہیں جاتا):

Av = λv

اسکیلر λ متعلقہ ایگن ویلیو ہے — یہ آپ کو بتاتا ہے کہ ایجین ویکٹر کتنا پھیلا یا سکڑ جاتا ہے۔

eigenvalues ​​تلاش کرنے کے لیے، خصوصیت کی مساوات کو حل کریں:

det(A - λI) = 0

2×2 میٹرکس کے لیے یہ (عام طور پر) دو حل کے ساتھ ایک چوکور مساوات دیتا ہے۔

ایگن ویلیوز کیوں اہم ہیں؟

• پرنسپل اجزاء کا تجزیہ (PCA): ڈیٹا کوویریئنس میٹرکس کے ایجین ویکٹر زیادہ سے زیادہ تغیرات کی سمتوں کی وضاحت کرتے ہیں — وہ "اصلی اجزاء" جو معلومات کو محفوظ رکھتے ہوئے جہت کو کم کرتے ہیں۔
• گوگل پیج رینک: ویب لنک میٹرکس کا غالب ایجین ویکٹر ایک بے ترتیب ویب سرفر کی اسٹیشنری تقسیم دیتا ہے۔
• کوانٹم میکانکس: قابل مشاہدہ مقداریں (توانائی کی سطحیں، اسپن کی حالتیں) آپریٹرز کی ایجین ویلیوز ہیں

پولر کوآرڈینیٹس

اگرچہ لکیری الجبرا کا سختی سے حصہ نہیں ہے، کوآرڈینیٹ سسٹم کا تعلق تبدیلیوں سے ہے۔ پولر کوآرڈینیٹس کسی بھی 2D پوائنٹ کو اصل سے اس کے فاصلے r اور مثبت x-محور سے زاویہ θ کی نمائندگی کرتے ہیں۔

نظام کے درمیان تبدیلی:

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

قطبی نقاط بہت سے مسائل کو آسان بنا دیتے ہیں جن میں دائرے اور گردش شامل ہوتی ہے - وہ مساوات جو کارٹیسیئن میں پیچیدہ ہوتی ہیں قطبی شکل میں خوبصورت بن جاتی ہیں۔

یہ سب ایک ساتھ ڈالنا

لکیری الجبرا کی طاقت اس حقیقت سے آتی ہے کہ یہ آپ کو ایک ہی ریاضیاتی شے کے طور پر بیک وقت کئی متغیرات کے ساتھ کام کرنے دیتا ہے۔ لاکھوں پیرامیٹرز کے ساتھ مشین لرننگ ماڈل صرف میٹرکس ضرب اور غیر لکیری افعال کی ایک ترتیب ہے۔ ایک 3D گیم انجن گھومنے، اسکیلنگ، اور پروجیکشن میٹرکس کے ساتھ فی سیکنڈ لاکھوں عمودی کو تبدیل کر رہا ہے۔

بنیادی باتیں — ویکٹر، ڈاٹ پروڈکٹس، میٹرکس، تعین کرنے والے — ان سب کی بنیاد ہیں۔

ہمارا ڈاٹ پروڈکٹ کیلکولیٹر، Cross Product Calculator، Matrix Determinant Calculator، [Matrix Inverse] استعمال کریں۔ کیلکولیٹر](/en/math/algebra/matrix-inverse)، اور Eigenvalue Calculator ان تصورات کو باہمی طور پر دریافت کرنے کے لیے۔