\( A \mathbf{x} = \mathbf{b} \) একটি রৈখিক সমীকরণ (Linear Equation) যা ম্যাট্রিক্স সমীকরণ হিসেবে পরিচিত। এখানে:
- \( A \) হল একটি ম্যাট্রিক্স (বা কোঅফিশিয়েন্ট ম্যাট্রিক্স), যার আকার \( m \times n \)।
- \( \mathbf{x} \) হল একটি ভেক্টর (বা অনির্দিষ্ট ভেরিয়েবল), যার আকার \( n \times 1 \)।
- \( \mathbf{b} \) হল একটি ভেক্টর (বা ডেটা), যার আকার \( m \times 1 \)।
এই সমীকরণে \( \mathbf{x} \) কে বের করার জন্য \( A \) এবং \( \mathbf{b} \) এর উপর নির্ভর করে কিছু গাণিতিক পদ্ধতি ব্যবহার করা হয়। এটি সাধারণত রৈখিক সিস্টেম সমাধান করার জন্য ব্যবহৃত হয়, যেখানে \( A \) হল একটি কোঅফিশিয়েন্ট ম্যাট্রিক্স এবং \( \mathbf{b} \) হল একটি আউটপুট বা ফলাফল ভেক্টর।
১. \( A \mathbf{x} = \mathbf{b} \) এর ধারণা
এই সমীকরণটি সাধারণত \( n \)টি ভেরিয়েবলের জন্য \( m \)টি রৈখিক সমীকরণ সিস্টেমকে প্রতিনিধিত্ব করে। উদাহরণস্বরূপ, দুটি সমীকরণের জন্য:
\[
\begin{pmatrix}
a_{11} & a_{12} \\
a_{21} & a_{22}
\end{pmatrix}
\begin{pmatrix}
x_1 \\
x_2
\end{pmatrix}
=
\begin{pmatrix}
b_1 \\
b_2
\end{pmatrix}
\]
এখানে:
- \( A \) হল কোঅফিশিয়েন্ট ম্যাট্রিক্স,
- \( \mathbf{x} \) হল অজানা ভেক্টর,
- \( \mathbf{b} \) হল ফলাফল ভেক্টর।
২. সমাধান পদ্ধতি
এই সমীকরণের সমাধান নির্ভর করে \( A \) ম্যাট্রিক্সের গুণগত বৈশিষ্ট্য (যেমন, ইনভার্স আছে কিনা) এবং সিস্টেমের নির্ভরশীলতার উপর। এই সমীকরণের সমাধান করার কয়েকটি পদ্ধতি নিচে দেওয়া হলো:
২.১. মেট্রিক্স ইনভার্স পদ্ধতি (Matrix Inversion Method)
যদি ম্যাট্রিক্স \( A \) একটি বর্গাকার (square) এবং ইনভার্সযোগ্য (invertible) ম্যাট্রিক্স হয়, তবে \( A \mathbf{x} = \mathbf{b} \) সমীকরণটি সমাধান করা যায় \( A^{-1} \) (এ এর ইনভার্স) ব্যবহার করে। সমীকরণটির সমাধান হবে:
\[
\mathbf{x} = A^{-1} \mathbf{b}
\]
উদাহরণ:
ধরা যাক, আমাদের কাছে একটি \( 2 \times 2 \) কোঅফিশিয়েন্ট ম্যাট্রিক্স \( A \) এবং একটি আউটপুট ভেক্টর \( \mathbf{b} \) দেওয়া আছে:
\[
A = \begin{pmatrix} 4 & 3 \\ 2 & 1 \end{pmatrix}, \quad \mathbf{b} = \begin{pmatrix} 10 \\ 6 \end{pmatrix}
\]
এখন, সমীকরণ \( A \mathbf{x} = \mathbf{b} \) সমাধান করতে:
- প্রথমে \( A^{-1} \) বের করি:
\[
A^{-1} = \frac{1}{\text{det}(A)} \begin{pmatrix} a_{22} & -a_{12} \\ -a_{21} & a_{11} \end{pmatrix}
\]
এখানে, ডিটারমিন্যান্ট \( \text{det}(A) = (4)(1) - (3)(2) = 4 - 6 = -2 \), তাই
\[
A^{-1} = \frac{1}{-2} \begin{pmatrix} 1 & -3 \\ -2 & 4 \end{pmatrix} = \begin{pmatrix} -0.5 & 1.5 \\ 1 & -2 \end{pmatrix}
\]
- এখন \( \mathbf{x} = A^{-1} \mathbf{b} \):
\[
\mathbf{x} = \begin{pmatrix} -0.5 & 1.5 \\ 1 & -2 \end{pmatrix} \begin{pmatrix} 10 \\ 6 \end{pmatrix}
\]
এটি গুণফলে পাওয়া যায়:
\[
\mathbf{x} = \begin{pmatrix} (-0.5)(10) + (1.5)(6) \\ (1)(10) + (-2)(6) \end{pmatrix} = \begin{pmatrix} -5 + 9 \\ 10 - 12 \end{pmatrix} = \begin{pmatrix} 4 \\ -2 \end{pmatrix}
\]
তাহলে, \( \mathbf{x} = \begin{pmatrix} 4 \\ -2 \end{pmatrix} \)।
২.২. গাউস এলিমিনেশন (Gaussian Elimination)
এটি একটি প্রক্রিয়া যেখানে রৈখিক সমীকরণের সিস্টেমকে সহজ এবং সমাধানযোগ্য আকারে রূপান্তর করা হয়। গাউস এলিমিনেশন পদ্ধতিতে, উপরের ত্রিভুজ (upper triangular) ম্যাট্রিক্সের ব্যবহার করা হয় এবং তারপর ব্যাক সাবস্টিটিউশন পদ্ধতির মাধ্যমে সমাধান বের করা হয়।
২.৩. লিনিয়ার সিস্টেমের সমাধান MATLAB দিয়ে
MATLAB-এ লিনিয়ার সিস্টেমের সমাধান করতে সরাসরি \ অপারেটর ব্যবহার করা হয়, যা দ্রুত এবং দক্ষভাবে সমাধান প্রদান করে। এটি গাউস এলিমিনেশন বা ইনভার্স পদ্ধতি ব্যবহার করে।
উদাহরণ:
ধরা যাক আমাদের কাছে একটি \( 2 \times 2 \) সিস্টেম:
\[
A = \begin{pmatrix} 4 & 3 \\ 2 & 1 \end{pmatrix}, \quad \mathbf{b} = \begin{pmatrix} 10 \\ 6 \end{pmatrix}
\]
এখন MATLAB-এ এই সিস্টেম সমাধান করতে:
A = [4 3; 2 1];
b = [10; 6];
x = A \ b; % MATLAB দিয়ে সিস্টেম সমাধান
disp(x);আউটপুট:
4
-2এখানে MATLAB স্বয়ংক্রিয়ভাবে গাউস এলিমিনেশন বা অন্যান্য পদ্ধতি ব্যবহার করে সমীকরণের সমাধান দিচ্ছে।
সারাংশ
- \( A \mathbf{x} = \mathbf{b} \) একটি লিনিয়ার সিস্টেম সমীকরণ, যেখানে \( A \) কোঅফিশিয়েন্ট ম্যাট্রিক্স, \( \mathbf{x} \) অজানা ভেক্টর এবং \( \mathbf{b} \) আউটপুট ভেক্টর।
- এর সমাধান নির্ভর করে \( A \) এর ইনভার্স (যদি থাকে) অথবা অন্যান্য পদ্ধতি, যেমন গাউস এলিমিনেশন, ব্যবহার করে।
- MATLAB-এ এই সমীকরণের সমাধান সহজভাবে
A \ bফাংশন ব্যবহার করে করা যায়।
Read more
