मैट्रिक्स कैलकुलेटर — जोड़, गुणा, सारणिक

मैट्रिक्स क्या हैं और वे क्यों महत्वपूर्ण हैं

मैट्रिक्स पंक्तियों और स्तंभों में व्यवस्थित संख्याओं की एक आयताकार सरणी है। m×n मैट्रिक्स में m पंक्तियाँ और n स्तंभ होते हैं। मैट्रिक्स रेखीय बीजगणित की मूलभूत वस्तुएँ हैं, और रेखीय बीजगणित डेटा विज्ञान, कंप्यूटर ग्राफिक्स, भौतिकी सिमुलेशन और इंजीनियरिंग अनुकूलन की गणितीय भाषा है।

मैट्रिक्स में प्रत्येक तत्व उसके पंक्ति और स्तंभ सूचकांक द्वारा पहचाना जाता है। पंक्ति i और स्तंभ j पर स्थित तत्व को aᵢⱼ लिखा जाता है। 2×2 मैट्रिक्स के लिए a₁₁ ऊपर-बाएँ तत्व है, a₁₂ ऊपर-दाएँ, a₂₁ नीचे-बाएँ और a₂₂ नीचे-दाएँ। वर्ग मैट्रिक्स (समान पंक्तियाँ और स्तंभ) में सारणिक और अनुरेख जैसी अतिरिक्त विशेषताएँ होती हैं जो गैर-वर्ग मैट्रिक्स के लिए परिभाषित नहीं हैं।

मैट्रिक्स रेखीय रूपांतरण का प्रतिनिधित्व करते हैं — वे फलन जो सदिशों को सदिशों में मैप करते हैं और जोड़ व अदिश गुणन को संरक्षित करते हैं। 2×2 मैट्रिक्स द्विआयामी तल में घूर्णन, आमाप परिवर्तन, परावर्तन और विकर्षण के किसी भी संयोजन का प्रतिनिधित्व करता है। दो मैट्रिक्स का गुणन उनके संगत रूपांतरणों को संयोजित करता है: यदि A 45° घुमाता है और B 2× बड़ा करता है, तो AB पहले घूर्णन फिर आमाप परिवर्तन लागू करता है।

मैट्रिक्स संक्रियाओं की व्याख्या

जोड़ और घटाव के लिए दोनों मैट्रिक्स के आयाम समान होने चाहिए। संगत तत्वों को जोड़ा या घटाया जाता है: (A+B)ᵢⱼ = aᵢⱼ + bᵢⱼ। जोड़ क्रम-विनिमेय है (A+B = B+A) लेकिन घटाव नहीं (सामान्यतः A−B ≠ B−A)।

मैट्रिक्स गुणन अधिक जटिल है और क्रम-विनिमेय नहीं — सामान्यतः AB ≠ BA। दो n×n वर्ग मैट्रिक्स के लिए, गुणनफल के पंक्ति i और स्तंभ j पर तत्व A की पंक्ति i और B के स्तंभ j का बिंदु गुणनफल है: (AB)ᵢⱼ = Σₖ aᵢₖ bₖⱼ। 2×2 मैट्रिक्स के लिए यह 8 गुणन और 4 जोड़ की आवश्यकता होती है।

मैट्रिक्स A का ट्रांसपोज़, Aᵀ लिखा जाता है, पंक्तियों और स्तंभों को पलटकर प्राप्त होता है: (Aᵀ)ᵢⱼ = aⱼᵢ। A की पहली पंक्ति Aᵀ का पहला स्तंभ बन जाती है। ट्रांसपोज़ का व्यापक उपयोग न्यूनतम वर्ग प्रतिगमन (सामान्य समीकरणों में AᵀA होता है), मुख्य घटक विश्लेषण और तंत्रिका नेटवर्क बैकप्रोपेगेशन में होता है।

सारणिक एक अदिश मान है जो एक वर्ग मैट्रिक्स का सारांश प्रस्तुत करता है। 2×2 मैट्रिक्स [[a,b],[c,d]] के लिए det = ad − bc। 3×3 मैट्रिक्स के लिए पहली पंक्ति के साथ सह-गुणक विस्तार द्वारा गणना की जाती है। शून्य सारणिक वाली मैट्रिक्स को व्युत्क्रम रहित कहते हैं — इसका कोई व्युत्क्रम नहीं होता, जिसका अर्थ है कि संगत रेखीय रूपांतरण स्थान को निचले आयाम में संपीड़ित करता है।

मैट्रिक्स गणनाओं के वास्तविक अनुप्रयोग

कंप्यूटर ग्राफिक्स पूरी तरह मैट्रिक्स संक्रियाओं पर निर्भर करती है। 3D दृश्य पर लागू प्रत्येक घूर्णन, अनुवाद, आमाप परिवर्तन और परिप्रेक्ष्य प्रक्षेपण को सजातीय निर्देशांकों पर मैट्रिक्स गुणन के रूप में दर्शाया जाता है। एक रेंडरिंग पाइपलाइन 4×4 मैट्रिक्स की एक श्रृंखला गुणा करती है: मॉडल, दृश्य और प्रक्षेपण मैट्रिक्स को प्रत्येक शीर्ष पर लागू होने से पहले संयोजित (गुणा) किया जाता है। GPU विशेष रूप से इस कार्यभार के लिए अनुकूलित हैं।

मशीन लर्निंग में, तंत्रिका नेटवर्क भार को मैट्रिक्स के रूप में संग्रहीत करते हैं। एक परत के माध्यम से अग्रगामी पास इनपुट वेक्टर (या बैच मैट्रिक्स) और भार मैट्रिक्स के बीच मैट्रिक्स गुणन है, जिसके बाद एक अरैखिक सक्रियण फलन है। बैकप्रोपेगेशन के माध्यम से प्रशिक्षण ट्रांसपोज़ का उपयोग करके प्रवणता की गणना करता है: δL/δW = xᵀ · δL/δy। GPT जैसे बड़े भाषा मॉडल प्रत्येक अग्रगामी पास में अरबों मैट्रिक्स गुणन करते हैं।

रेखीय समीकरण प्रणालियों को मैट्रिक्स का उपयोग करके लिखा और हल किया जा सकता है। प्रणाली ax + by = e, cx + dy = f मैट्रिक्स समीकरण [[a,b],[c,d]] · [x,y]ᵀ = [e,f]ᵀ के तुल्य है। यदि सारणिक अशून्य है, तो अद्वितीय हल x = [x,y]ᵀ = A⁻¹[e,f]ᵀ है। सारणिकों, व्युत्क्रमों और हल-योग्यता के बीच यह संबंध संख्यात्मक विश्लेषण और वैज्ञानिक कंप्यूटिंग के केंद्र में है।