අනුකෘති සංකල්පය: යෙදුම් සඳහා මූලික කරුණු
පෙන්ඩහුලුවන්
ගණිතයේ මූලික සංකල්පයක් වන මැට්‍රික්ස්, භෞතික විද්‍යාව, ආර්ථික විද්‍යාව, ඉංජිනේරු විද්‍යාව, පරිගණක විද්‍යාව සහ තවත් බොහෝ ක්ෂේත්‍රවල පුළුල් ලෙස භාවිතා වන යෙදුමකි. මෙම ගණිතමය ව්‍යුහය පේළි සහ තීරුවල සංඛ්‍යා හෝ මූලද්‍රව්‍ය සෘජුකෝණාස්‍රාකාර සැකැස්මකින් සමන්විත වේ. මෙම ලිපියෙන් අපි මැට්‍රික්ස් පිළිබඳ මූලික සංකල්පය, ඒවායේ වර්ග, මූලික මෙහෙයුම් සහ සමහර වැදගත් යෙදුම් සාකච්ඡා කරමු.
අනුකෘතියේ අර්ථ දැක්වීම
විධිමත් ලෙස, න්‍යාසයක් යනු සෘජුකෝණාස්‍රාකාර හැඩයකින් පේළි සහ තීරු ලෙස සකසා ඇති සංඛ්‍යා හෝ මූලද්‍රව්‍ය සමූහයකි. m පේළි සහ n තීරු සහිත න්‍යාසයක් m x n න්‍යාසයක් ලෙස හැඳින්වේ. උදාහරණය:
\[
A = \ආරම්භය{pmatrix}
1 සහ 2 සහ 3 \\
4 සහ 5 සහ 6 \\
7 සහ 8 සහ 9
\අවසානය{pmatrix}
\]
A යනු 3×3 න්‍යාසයක් වන්නේ එයට පේළි 3ක් සහ තීරු 3ක් ඇති බැවිනි. න්‍යාසයේ මූලද්‍රව්‍ය \( a_{i,j} \) මගින් දක්වනු ලැබේ, එහිදී i පේළි දර්ශකය සහ j තීරු දර්ශකය දක්වයි.
මැට්‍රිස් වර්ග
ශුන්‍ය අනුකෘතිය
සියලුම මූලද්‍රව්‍ය ශුන්‍ය වන න්‍යාසයක් ශුන්‍ය න්‍යාසයක් ලෙස හැඳින්වේ. බහුලව භාවිතා වන අංකනය O වේ.
\[
O = \ආරම්භය{pmatrix}
0 සහ 0 \\
0 සහ 0
\අවසානය{pmatrix}
\]
අනන්‍යතා අනුකෘතිය
ප්‍රධාන විකර්ණයේ (ඉහළ වමේ සිට පහළ දකුණට) අගය එකක මූලද්‍රව්‍ය සහ අනෙක් සෑම තැනකම ශුන්‍යයන් ඇති හතරැස් න්‍යාසයක් අනන්‍යතා න්‍යාසයක් ලෙස හැඳින්වේ. අනන්‍යතා න්‍යාසයක් සඳහා අංකනය I වේ.
\[
I = \ආරම්භය{pmatrix}
1 සහ 0 \\
0 සහ 1
\අවසානය{pmatrix}
\]
විකර්ණ න්‍යාසය
විකර්ණ න්‍යාසයක ප්‍රධාන විකර්ණයෙන් පිටත මූලද්‍රව්‍ය ශුන්‍ය වේ. ප්‍රධාන විකර්ණයේ මූලද්‍රව්‍ය ශුන්‍ය නොවන විය හැකිය.
\[
D = \ආරම්භය{pmatrix}
1 සහ 0 සහ 0 \\
0 සහ 2 සහ 0 \\
0 සහ 0 සහ 3
\අවසානය{pmatrix}
\]
අනුකෘතිය මාරු කරන්න
න්‍යාසයක තීරු සඳහා පේළි මාරු කිරීමෙන් ලබා ගන්නා න්‍යාසයක් යනු පාරදෘශ්‍ය න්‍යාසයකි. උදාහරණයක් ලෙස, අපට A න්‍යාසය තිබේ නම්:
\[
A = \ආරම්භය{pmatrix}
1 සහ 2 \\
3 සහ 4
\අවසානය{pmatrix}
\]
එවිට A හි ප්‍රතිවර්තනය (\( A^T \) මගින් දක්වනු ලැබේ) වන්නේ:
\[
A^T = \ආරම්භය{pmatrix}
1 සහ 3 \\
2 සහ 4
\අවසානය{pmatrix}
\]
අනුකෘති මෙහෙයුම්
අනුකෘති එකතු කිරීම
න්‍යාස දෙකක් එකතු කිරීම සිදු කරනු ලබන්නේ ඒවායේ අනුරූප මූලද්‍රව්‍ය එකතු කිරීමෙනි. උදාහරණය:
\[
A = \ආරම්භය{pmatrix}
1 සහ 2 \\
3 සහ 4
\end{pmatrix}, \quad B = \begin{pmatrix}
5 සහ 6 \\
7 සහ 8
\අවසානය{pmatrix}
\]
\[
A + B = \begin{pmatrix}
1+5 සහ 2+6 \\
3+7 සහ 4+8
\end{pmatrix} = \begin{pmatrix}
6 සහ 8 \\
10 සහ 12
\අවසානය{pmatrix}
\]
අනුකෘති ගුණ කිරීම
A හි තීරු ගණන B හි පේළි ගණනට සමාන නම් A සහ B න්‍යාස දෙකක් ගුණ කළ හැකිය. C = AB න්‍යාසවල ගුණිතයේ \( c_{i,j} \) මූලද්‍රව්‍යය ගණනය කරනු ලබන්නේ:
\[
c_{i,j} = \sum_{k=1}^{n} a_{i,k} b_{k,j}
\]
Misalnya:
\[
A = \ආරම්භය{pmatrix}
1 සහ 2 \\
3 සහ 4
\end{pmatrix}, \quad B = \begin{pmatrix}
5 සහ 6 \\
7 සහ 8
\අවසානය{pmatrix}
\]
\( AB \) හි ගුණිතය වන්නේ:
\[
AB = \ආරම්භය{pmatrix}
1\cdot5 + 2\cdot7 සහ 1\cdot6 + 2\cdot8 \\
3\cdot5 + 4\cdot7 සහ 3\cdot6 + 4\cdot8
\end{pmatrix} = \begin{pmatrix}
19 සහ 22 \\
43 සහ 50
\අවසානය{pmatrix}
\]
අනුකෘති නිර්ණායකය
වර්ග න්‍යාසයක නිර්ණායකය යනු න්‍යාසයේ ප්‍රතිලෝමතාව (ප්‍රතිලෝමයක් තිබීමේ හැකියාව) පරීක්ෂා කිරීමට භාවිතා කළ හැකි අගයකි. 2×2 න්‍යාසයක් සඳහා:
\[
A = \ආරම්භය{pmatrix}
අ & ආ \\
සී ඇන්ඩ් ඩී
\අවසානය{pmatrix}
\]
නිර්ණායකය \( det(A) = ad – bc \) වේ.
ප්‍රතිලෝම න්‍යාසය
A න්‍යාසයක ප්‍රතිලෝමය \( A^{-1} \) වන න්‍යාසය වන අතර එමඟින් \( A \cdot A^{-1} = I \) I අනන්‍යතා න්‍යාසය වේ. A න්‍යාසයකට එහි නිර්ණායකය ශුන්‍යයට සමාන නොවේ නම් සහ පමණක් ප්‍රතිලෝමයක් ඇත.
2×2 න්‍යාසයේ ප්‍රතිලෝම උදාහරණය:
\[
A = \ආරම්භය{pmatrix}
අ & ආ \\
සී ඇන්ඩ් ඩී
\අවසානය{pmatrix}
\]
ප්‍රතිලෝමය වන්නේ:
\[
A^{-1} = \frac{1}{ad – bc} \begin{pmatrix}
ඈ & -ආ \\
-ඇ සහ ඒ
\අවසානය{pmatrix}
\]
අනුකෘති යෙදුම
රේඛීය සමීකරණ පද්ධතිය
රේඛීය සමීකරණ පද්ධති නිරූපණය කිරීමට සහ විසඳීමට න්‍යාස බහුලව භාවිතා වේ. උදාහරණයක් ලෙස, රේඛීය පද්ධතිය:
\[
\ආරම්භ කරන්න{අවස්ථා}
2x + 3y = 5 \\
4x + y = 6
\අවසානය{අවස්ථා}
\]
අනුකෘති ආකාරයෙන් ලිවිය හැකිය:
\[
AX = B
\]
ඩෙන්ගන්
\[
A = \ආරම්භය{pmatrix}
2 සහ 3 \\
4 සහ 1
\end{pmatrix}, \quad X = \begin{pmatrix}
x \
y
\end{pmatrix}, \quad B = \begin{pmatrix}
5 \
6
\අවසානය{pmatrix}
\]
පරිගණක ග්‍රැෆික්ස්
පරිගණක ග්‍රැෆික්ස් වලදී, ත්‍රිමාණ අවකාශයේ වස්තූන් පරිවර්තනය, භ්‍රමණය සහ පරිමාණය කිරීම වැනි විවිධ පරිවර්තනයන් සඳහා න්‍යාස භාවිතා වේ. සෑම පරිවර්තනයක්ම න්‍යාසයක් ලෙස නිරූපණය කළ හැකි අතර, මෙම න්‍යාසය වස්තුවේ ලක්ෂ්‍යවල ඛණ්ඩාංක මගින් ගුණ කිරීමෙන් වස්තු පරිවර්තනය කාර්යක්ෂමව සිදු කළ හැකිය.
දත්ත විශ්ලේෂණය
දත්ත විශ්ලේෂණයේ දී, ප්‍රධාන සංරචක විශ්ලේෂණය (PCA) සහ ඒකීය අගය වියෝජනය (SVD) වැනි විවිධ අරමුණු සඳහා න්‍යාස භාවිතා වේ. විශාල දත්ත කට්ටල විශ්ලේෂණය කිරීම පහසු කිරීම සඳහා ඒවායේ මානයන් අඩු කිරීමට PCA භාවිතා කරන අතර, SVD න්‍යාස සරල ආකාරවලට වියෝජනය කිරීමට භාවිතා කරයි.
ජාල න්‍යාය
ජාල න්‍යායේ දී ප්‍රස්ථාර නිරූපණය කිරීම සඳහා න්‍යාස ද භාවිතා වේ. යාබද න්‍යාසයක් යනු ප්‍රස්ථාරයක නෝඩ් අතර සම්බන්ධතා නිරූපණය කිරීමට භාවිතා කරන න්‍යාසයකට උදාහරණයකි, එය ජාලය තුළ සම්බන්ධතා සහ ප්‍රවාහ විශ්ලේෂණයට උපකාරී වේ.
නිගමනය
න්‍යාසවල මූලික සංකල්ප, ඒවායේ වර්ග සහ ඒ හා සම්බන්ධ මෙහෙයුම් තේරුම් ගැනීම ව්‍යවහාරික ගණිතයට මූලික වේ. රේඛීය සමීකරණ පද්ධතිවල සිට පරිගණක ග්‍රැෆික්ස්, දත්ත විශ්ලේෂණය සහ ජාල න්‍යාය තුළ පරිගණක ශිල්පීය ක්‍රම දක්වා න්‍යාසවල පුළුල් පරාසයක යෙදීම්, පුළුල් පරාසයක සංකීර්ණ ගැටළු විසඳීමේදී ඒවායේ වැදගත්කම පෙන්නුම් කරයි. න්‍යාස සංකල්පවල ශක්තිමත් පදනමක් සමඟින්, අපට විවිධ විෂයයන්හි උසස් ශිල්පීය ක්‍රම සහ ගණිතමය යෙදුම් වඩාත් පහසුවෙන් ප්‍රගුණ කළ හැකිය.
