ম্যাট্রিক্স ক্যালকুলেটর - নির্ধারক, বিপরীত এবং আরও অনেক কিছু

ম্যাট্রিক্স অপারেশনঃ যোগ এবং বিয়োগ

একটি ম্যাট্রিক্স হ'ল সংখ্যার একটি আয়তক্ষেত্রাকার অ্যারে যা সারি এবং কলামে সাজানো হয়।এম এক্স এনম্যাট্রিক্সের m সারি এবং n কলাম আছে।

যোগ এবং বিয়োগএকই মাত্রার ম্যাট্রিক্স প্রয়োজন। সংশ্লিষ্ট উপাদান যোগ বা বিয়োগ করুনঃ

যদি A = [[1, 2], [3, 4]] এবং B = [[5, 6], [7, 8]], তাহলে:

• A + B = [[1+5, 2+6], [3+7, 4+8]] = [[6, 8], [10, 12]]
• A - B = [[1-5, 2-6], [3-7, 4-8]] = [[-4, -4], [-4, -4]]

ম্যাট্রিক্স যোগ করা হল কমিউটেটিভ (A + B = B + A) এবং অ্যাসোসিয়েটিভ ((A + B) + C = A + (B + C)).

ম্যাট্রিক্স গুণ

ম্যাট্রিক্সের গুণন উপাদান-বুদ্ধিমান ক্রিয়াকলাপের চেয়ে জটিল। A (mxn) কে B (nxp) দ্বারা গুণ করার জন্য, অভ্যন্তরীণ মাত্রাগুলি অবশ্যই (n) এর সাথে মিলতে হবে, ফলস্বরূপ ম্যাট্রিক্স C (mxp) উত্পাদন করে।

প্রতিটি উপাদান C[i][j] = সমস্ত k এর জন্য A[i][k] x B[k][j] এর যোগফল।

উদাহরণ:A = [[1, 2], [3, 4]] (2x2) x B = [[5, 6], [7, 8]] (2x2):

• C[0][0] = 1x5 + 2x7 = 19
• C[0][1] = 1x6 + 2x8 = 22
• C[1][0] = 3x5 + 4x7 = 43
• সি [1] [1] = 3x6 + 4x8 = 50

ফলাফলঃ C = [[19, 22], [43, 50]]

মূল সম্পত্তি:ম্যাট্রিক্স গুণন সাধারণভাবে কমিউটেটিভ নয় -- AxB ≠ BxA। তবে, এটি সমিতিগতঃ (AxB) xC = Ax(BxC) ।

একটি 2x2 ম্যাট্রিক্সের নির্ধারক এবং বিপরীত

দ্যনির্ধারকএকটি 2x2 ম্যাট্রিক্স A = [[a, b], [c, d]] হল: det(A) = ad - bc

নির্ধারক একটি ম্যাট্রিক্স বিপরীতমুখী কিনা তা নির্দেশ করে (det ≠ 0) এবং রূপান্তরের স্কেলিং ফ্যাক্টরকে উপস্থাপন করে।

একটি 2x2 ম্যাট্রিক্সের বিপরীত(শুধুমাত্র যদি det ≠ 0 থাকে):

A−1 = (1/det) x [[d, -b], [-c, a]]

উদাহরণ:A = [[1, 2], [3, 4]]
det = 1x4 - 2x3 = 4 - 6 = -2
A−1 = (1/-2) x [[4, -2], [-3, 1]] = [[-2, 1], [1.5, -0.5]]

যাচাই করুনঃ A x A−1 = আইডেন্টিটি ম্যাট্রিক্স [[1,0],[0,1]]

ম্যাট্রিক্সের ব্যবহারিক প্রয়োগ

ম্যাট্রিক্স অনেক বাস্তব বিশ্বের অ্যাপ্লিকেশনের জন্য মৌলিকঃ

• কম্পিউটার গ্রাফিক্স এবং গেম ডেভেলপমেন্টঃপ্রতিটি 3D ঘূর্ণন, স্কেলিং, এবং অনুবাদ একটি ম্যাট্রিক্স গুণন। একটি 4x4 রূপান্তর ম্যাট্রিক্স একই সাথে তিনটি অপারেশন পরিচালনা করে।
• মেশিন লার্নিংনিউরাল নেটওয়ার্কের ওজন, ইনপুট ডেটা এবং অ্যাক্টিভেশনগুলি সবই ম্যাট্রিক্স। একটি নিউরাল নেটওয়ার্ক প্রশিক্ষণ মূলত লক্ষ লক্ষ ম্যাট্রিক্স গুণক সম্পাদন করে।
• অর্থনীতি (ইনপুট-আউটপুট বিশ্লেষণ):লিওন্টিফ ইনপুট-আউটপুট মডেল অর্থনৈতিক খাতগুলির মধ্যে পারস্পরিক নির্ভরতা মডেল করার জন্য ম্যাট্রিক্স ব্যবহার করে।
• পদার্থবিজ্ঞান:কোয়ান্টাম মেকানিক্স পর্যবেক্ষণযোগ্য পরিমাণের প্রতিনিধিত্ব করতে ম্যাট্রিক্স (অপারেটর) ব্যবহার করে। ইঞ্জিনিয়ারিংয়ে স্ট্রেস এবং স্টেইন টেনসরগুলি ম্যাট্রিক্স পরিমাণ।
• পরিসংখ্যান:কোভ্যারিয়েন্স ম্যাট্রিক্স, প্রধান উপাদান বিশ্লেষণ (পিসিএ), এবং রিগ্রেশন গণনা সবই ম্যাট্রিক্স অপারেশনের উপর নির্ভর করে।

3x3 ম্যাট্রিক্স নির্ধারক এবং কোফ্যাক্টর সম্প্রসারণ

একটি 3x3 ম্যাট্রিক্সের জন্য, নির্ধারকটি ব্যবহার করে গণনা করা হয়কোফ্যাক্টর সম্প্রসারণ(ল্যাপ্লাস সম্প্রসারণ নামেও পরিচিত) দেওয়া হল:

নির্ধারক হল:det = a(ei - fh) - b(di - fg) + c(dh - eg)

কাজ করা উদাহরণঃধরুন A = [[2, 1, 3], [0, -1, 2], [4, 0, 1]]

• det = 2(-1x1 - 2x0) - 1(0x1 - 2x4) + 3(0x0 - (-1)x4)
• det = 2(-1 - 0) - 1(0 - 8) + 3(0 + 4)
• det = 2(-1) - 1(-8) + 3(4)
• det = -2 + 8 + 12 =18

বৃহত্তর ম্যাট্রিক্স (4x4, 5x5, ইত্যাদি) এর জন্য, কোফ্যাক্টর সম্প্রসারণ পদ্ধতি কম্পিউটেশনালভাবে ব্যয়বহুল হয়ে ওঠে (এন! অপারেশন) ।এলইউ বিভাজন or সারি হ্রাসO ((n3) সময়ের মধ্যে নির্ধারক গণনা করা।

নিজস্ব মান এবং নিজস্ব ভেক্টর

স্ব-মূল্যরৈখিক বীজগণিতের সবচেয়ে গুরুত্বপূর্ণ ধারণাগুলির মধ্যে রয়েছে। একটি বর্গক্ষেত্র ম্যাট্রিক্স A এর জন্য, একটি স্বতন্ত্র মান λ এবং এর সংশ্লিষ্ট স্বতন্ত্র ভেক্টরvপূরণ করেঃA·v = λ·v-- ম্যাট্রিক্স স্বতন্ত্র ভেক্টরকে কেবল স্কেল করে (কোন ঘূর্ণন) রূপান্তর করে।

2x2 ম্যাট্রিক্স A = [[a, b], [c, d] এর স্বতন্ত্র মান খুঁজে বের করতে, সমাধান করুনবৈশিষ্ট্য সমীকরণ: det ((A - λI) = 0

এটি প্রদান করেঃ (a - λ) ((d - λ) - bc = 0, অথবাঃλ2 - (a+d) λ + (ad - bc) = 0

(a+d) পদটি হলট্র্যাকএবং (ad - bc) হলনির্ধারক.

উদাহরণ:A = [[4, 2], [1, 3]]

• বৈশিষ্ট্য সমীকরণ: λ2 - 7λ + 10 = 0
• ফ্যাক্টরিং: (λ - 5) ((λ - 2) = 0
• স্বতন্ত্র মান: λ1 = 5, λ2 = 2

যেখানে eigenvalues বাস্তবে প্রদর্শিত হয়ঃ

ম্যাট্রিক্স সহ রৈখিক সমীকরণের সমাধান

ম্যাট্রিক্সের সবচেয়ে ব্যবহারিক ব্যবহারগুলির মধ্যে একটি হল রৈখিক সমীকরণগুলির সিস্টেমগুলি সমাধান করা। সমীকরণগুলির একটি সিস্টেম ম্যাট্রিক্স আকারে লিখিত হতে পারে যেমনAx = b, যেখানে A হল সহগ ম্যাট্রিক্স, x হল পরিবর্তনশীল ভেক্টর, এবং b হল ধ্রুবক ভেক্টর।

উদাহরণ সিস্টেম:

• 2x + 3y = 8
• 4x - y = 2

ম্যাট্রিক্স ফর্মঃ A = [[2, 3], [4, -1]], x = [[x], [y]], b = [[8], [2]]

বিপরীত ব্যবহার করে সমাধানঃx = A−1 · b

• det ((A) = 2 ((-1) - 3 ((4) = -2 - 12 = -14
• A−1 = (1/-14) x [[-1, -3], [-4, 2]] = [[1/14, 3/14], [4/14, -2/14]]
• x = A−1 · b = [[1/14 x 8 + 3/14 x 2], [4/14 x 8 + (-2/14) x 2]] = [[1], [2]]
• সমাধানঃ x = 1, y = 2

ক্র্যামারের নিয়মআরেকটি পদ্ধতি হল: প্রতিটি ভেরিয়েবলের জন্য, কোয়েফিয়েন্ট ম্যাট্রিক্সে তার কলামটি ধ্রুবক ভেক্টর দিয়ে প্রতিস্থাপন করুন এবং ফলস্বরূপ নির্ধারককে মূল নির্ধারকের দ্বারা ভাগ করুন। উপরের উদাহরণেঃ

• x = det ((8, 3), [2, -1]]) / det ((A) = (-8 - 6) / (-14) = -14 / -14 = 1
• y = det ((2, 8), [4, 2]]) / det ((A) = (4 - 32) / (-14) = -28 / -14 = 2

বড় সিস্টেমের জন্য (এন > 3)গাউসিয়ান অপসারণ(রৈখিক হ্রাস) ম্যাট্রিক্স ইনভার্সন বা ক্র্যামারের নিয়মের চেয়ে কম্পিউটেশনালভাবে আরও দক্ষ এবং এটি কম্পিউটার দ্বারা ব্যবহৃত স্ট্যান্ডার্ড অ্যালগরিদম।

বিশেষ ম্যাট্রিক্স প্রকার উল্লেখ

বিভিন্ন ধরণের ম্যাট্রিক্সের অনন্য বৈশিষ্ট্য রয়েছে যা গণনাকে সহজ করে তোলে এবং নির্দিষ্ট অ্যাপ্লিকেশনগুলিতে প্রায়শই উপস্থিত হয়ঃ

ম্যাট্রিক্সের ধরন বোঝা সঠিক অ্যালগরিদম বেছে নিতে সাহায্য করে। উদাহরণস্বরূপ, যদি আপনি জানেন যে একটি ম্যাট্রিক্স সমান্তরাল ধনাত্মক সংজ্ঞায়িত, চোলস্কি বিভাজন লিনিয়ার সিস্টেমের সমাধানের জন্য সাধারণ এলইউ বিভাজনের চেয়ে দ্বিগুণ দ্রুত।

ধাপে ধাপে সারি হ্রাস (গাউসিয়ান অপসারণ)

গাউসিয়ান অপসারণরৈখিক সমীকরণ, নির্ধারক গণনা এবং ম্যাট্রিক্স বিপরীত খুঁজে বের করার জন্য সবচেয়ে ব্যাপকভাবে ব্যবহৃত অ্যালগরিদম। লক্ষ্য হল ম্যাট্রিক্সকে রূপান্তর করাসারি ইশেলন ফর্ম(উপরের ত্রিভুজ) তিনটি প্রাথমিক সারি অপারেশন ব্যবহার করেঃ

1. দুটি সারি বিনিময় করুন
2. একটি অ-শূন্য স্কেলার দ্বারা একটি সারি গুণ করুন
3. এক সারির বহুবচন অন্য সারিতে যোগ করুন

কাজ করা উদাহরণ -- সমাধানঃ x + 2y + z = 9, 2x - y + 3z = 8, 3x + y - z = 2

বর্ধিত ম্যাট্রিক্স:

প্রথম ধাপঃR2 <- R2 - 2xR1: [0, -5, 1। -10]

দ্বিতীয় ধাপঃR3 <- R3 - 3xR1: [0, -5, -4। -25]

তৃতীয় ধাপঃR3 <- R3 - R2: [0, 0, -5। -15]

এখন সারি ইশেলন ফর্মে। ব্যাক-সাবস্টিটিউট: z = -15/-5 = 3; y = (-10 - 1x3) /-5 = -13/-5 = 2.6; x = 9 - 2(2.6) - 3 = 0.8

সমাধান: x = 0.8, y = 2.6, z = 3. মূল সমীকরণে প্রতিস্থাপন করে যাচাই করুন।

গাউসিয়ান অপসারণের সময় জটিলতা O ((n3) এবং এটি ম্যাটল্যাব, নুমপি এবং ল্যাপ্যাক সহ বেশিরভাগ সংখ্যাসূচক লিনিয়ার বীজগণিত সফ্টওয়্যারটির ভিত্তি। খুব বড় বিচ্ছিন্ন সিস্টেমের জন্য (লক্ষ লক্ষ পরিবর্তনশীল), সংযুক্ত গ্রেডিয়েন্টের মতো পুনরাবৃত্তিমূলক পদ্ধতিগুলি আরও দক্ষ।

মেশিন লার্নিং এবং ডেটা সায়েন্সে ম্যাট্রিক্স

আধুনিক মেশিন লার্নিং ম্যাট্রিক্স অপারেশনের উপর নির্মিত। এআই, ডেটা সায়েন্স, বা গভীর শেখার ক্ষেত্রে যে কেউ কাজ করে তাদের জন্য ম্যাট্রিক্স বোঝা অপরিহার্য:

নিউরাল নেটওয়ার্ক ফরওয়ার্ড পাস:একটি নিউরাল নেটওয়ার্কের প্রতিটি স্তর একটি ম্যাট্রিক্স গুণক সম্পাদন করে যার পরে একটি অ্যাক্টিভেশন ফাংশন থাকে। ইনপুট ভেক্টর সহ একটি স্তরের জন্যx(nx1), ওজন ম্যাট্রিক্সW(এমএক্সএন), এবং বায়াস ভেক্টরb(mx1):আউটপুট = সক্রিয়করণ১০টি স্তর বিশিষ্ট একটি গভীর নিউরাল নেটওয়ার্ক প্রতি উপসংহারে ১০টি ম্যাট্রিক্স গুণ করে।

প্রশিক্ষণ (ব্যাকপ্রোপাগেশন)চেইন রুলের মাধ্যমে গ্রেডিয়েন্ট গণনা করা হয় -- যা ম্যাট্রিক্স ট্রান্সপোসিশন এবং গুণের একটি সিরিজ হিসাবে বাস্তবায়িত হয় যা নেটওয়ার্কের মাধ্যমে পিছনে কাজ করে। প্রতিটি ওজন ম্যাট্রিক্সের সাথে ক্ষতির গ্রেডিয়েন্ট ওজন আপডেট করার জন্য গণনা করা হয়।

জিপিটি-৪ এর মতো বড় ভাষার মডেলগুলোতে শত শত বিলিয়ন প্যারামিটার রয়েছে যা ওজন ম্যাট্রিক্সে সংগঠিত। প্রশিক্ষণের জন্য কোটি কোটি উপাদানের সাথে ম্যাট্রিক্সকে গুণ করতে হয় -- এই কারণেই বড় এআই মডেলগুলোকে প্রশিক্ষণের জন্য হাজার হাজার জিপিইউ প্রয়োজন যা কয়েক সপ্তাহ ধরে সমান্তরালভাবে কাজ করে, যার খরচ ১০০ মিলিয়ন ডলার ছাড়িয়ে যায়। পুরো এআই বিপ্লব, এর গাণিতিক মূল, খুব বড়, খুব দ্রুত ম্যাট্রিক্স গুণের একটি অনুশীলন।

সাধারণ ম্যাট্রিক্স ত্রুটি এবং কীভাবে এগুলি এড়ানো যায়

শিক্ষার্থী এবং অনুশীলনকারীরা প্রায়শই ম্যাট্রিক্স নিয়ে কাজ করার সময় এই ত্রুটিগুলি করেঃ

ম্যাট্রিক্স নিয়ে কাজ করার সময় সবচেয়ে গুরুত্বপূর্ণ অভ্যাস:সর্বদা মাত্রা লিখুনঅপারেশনগুলি সম্পাদন করার আগে প্রতিটি ম্যাট্রিক্সের। এটি মাত্রা অসঙ্গতি ত্রুটিগুলি অবিলম্বে ধরা দেয় এবং আপনি গণনা শুরু করার আগে প্রত্যাশিত ফলাফলের মাত্রাগুলি পরিষ্কার করে দেয়।

ম্যাট্রিক্স অপারেশনঃ আপনি কি গণনা করতে পারেন

একটি ম্যাট্রিক্স হ'ল সারি এবং কলামে সাজানো সংখ্যার একটি আয়তক্ষেত্রাকার অ্যারে। ম্যাট্রিক্স অপারেশনগুলি লিনিয়ার বীজগণিত, কম্পিউটার গ্রাফিক্স, মেশিন লার্নিং, ইঞ্জিনিয়ারিং এবং ডেটা সায়েন্সের জন্য মৌলিক।

ম্যাট্রিক্সের গুণন হলকমিউটেটিভ নয়: AxB ≠ BxA সাধারণভাবে। আইডেন্টিটি ম্যাট্রিক্স (I) এর ডায়াগোনালটিতে 1s এবং অন্য কোথাও 0s রয়েছে; I দ্বারা কোনও ম্যাট্রিক্সকে গুণ করলে মূল ম্যাট্রিক্সটি ফিরে আসে। ম্যাট্রিক্সগুলি 3 ডি গ্রাফিক্সে রোটেশন, স্কেলিং এবং অনুবাদ রূপান্তরগুলির জন্য ব্যবহৃত হয় যা একটি দৃশ্যের প্রতিটি শীর্ষে প্রয়োগ করা হয়।