রৈখিক বীজগণিত/রৈখিক রূপান্তর
রৈখিক রূপান্তর গণিতের একটি গুরুত্বপূর্ণ ধারণা, কারণ বাস্তব জগতের অনেক ঘটনাকে রৈখিক মডেল দ্বারা আনুমানিক রূপ দেওয়া যায়।
রৈখিক ফাংশনের বিপরীতে, রৈখিক রূপান্তর সংখ্যার পাশাপাশি ভেক্টরের উপরেও কাজ করে।
নিচে আপনার দেওয়া টেক্সটটির সহজ ও সাবলীল বাংলা অনুবাদ দেওয়া হলো:
---
উদ্দেশ্য এবং সংজ্ঞা
[সম্পাদনা]ধরা যাক, $\mathbb{R}^2$ এ আমাদের একটি ভেক্টর আছে $\begin{pmatrix} 1 \\ 0 \end{pmatrix}$। আমরা একে ৯০ ডিগ্রি কোণে ঘোরালাম (rotate), ফলে আমরা $\begin{pmatrix} 0 \\ 1 \end{pmatrix}$ ভেক্টরটি পেলাম।
আরেকটি উদাহরণ দেখা যাক—ভেক্টরকে ঘোরানোর পরিবর্তে আমরা একে প্রসারিত (stretch) করতে পারি। যেমন একটি ভেক্টর $v$ হয়ে গেল $2v$। অর্থাৎ, $\begin{pmatrix} 2 \\ 3 \end{pmatrix}$ পরিবর্তিত হয়ে হলো $\begin{pmatrix} 4 \\ 6 \end{pmatrix}$।
অথবা, আমরা যদি একটি ভেক্টরকে $x$-অক্ষের ওপর প্রক্ষেপ (projection) করি—অর্থাৎ শুধুমাত্র এর $x$ উপাংশটি নিই—তবে $\begin{pmatrix} 2 \\ 3 \end{pmatrix}$ থেকে আমরা পাব $\begin{pmatrix} 2 \\ 0 \end{pmatrix}$।
এই উদাহরণগুলো সবই দুটি ভেক্টরের মধ্যকার ম্যাপিং বা রূপান্তরের উদাহরণ এবং এগুলো সবই **লিনিয়ার ট্রান্সফরমেশন** বা **রৈখিক রূপান্তর**। যদি রূপান্তরের নিয়মটিকে $T$ বলা হয়, তবে আমরা সাধারণত ভেক্টর $v$-এর ওপর $T$ নিয়মের প্রয়োগকে $Tv$ হিসেবে লিখি। এখানে $T$-কে বলা হয় ট্রান্সফরমেশন।
মনে রাখবেন, সাধারণ ফাংশন লেখার সময় আমরা যেমন ব্র্যাকেট (বন্ধননী) ব্যবহার করি, এখানে সবসময় তা করা হয় না। তবে ব্র্যাকেট ব্যবহার করা উচিত, বিশেষ করে যখন আমরা একাধিক ভেক্টরের যোগফল, গুণফল বা সংমিশ্রণের ম্যাপিং প্রকাশ করতে চাই।
---
সংজ্ঞা
[সম্পাদনা]লিনিয়ার অপারেটর (Linear Operators)
[সম্পাদনা]ধরা যাক একটি ফিল্ড $K$ এবং $x$ ওই ফিল্ডের একটি উপাদান। $O$ এমন একটি ফাংশন যা $K$ থেকে মান গ্রহণ করে এবং $O(x)$ হলো ফিল্ড $J$-এর একটি উপাদান। $O$-কে একটি লিনিয়ার ফর্ম বলা হবে যদি এবং কেবল যদি:
1. $O(x+y) = O(x) + O(y)$ 2. $O(\lambda x) = \lambda O(x)$
লিনিয়ার ফর্ম (Linear Forms)
[সম্পাদনা]ধরা যাক একটি ভেক্টর স্পেস $V$ এবং $x$ ওই ভেক্টর স্পেসের একটি উপাদান। $F$ এমন একটি ফাংশন যা $V$ থেকে মান গ্রহণ করে এবং $F(x)$ হলো ফিল্ড $K$-এর একটি উপাদান। $F$-কে লিনিয়ার ফর্ম বলা হবে যদি এবং কেবল যদি:
1. $F(x+y) = F(x) + F(y)$ 2. $F(\lambda x) = \lambda F(x)$
লিনিয়ার ট্রান্সফরমেশন (Linear Transformation)
[সম্পাদনা]এবার ফিল্ডের পরিবর্তে এক ভেক্টর স্পেস থেকে অন্য ভেক্টর স্পেসে ফাংশন বিবেচনা করা যাক। ধরা যাক $T$ একটি ফাংশন যা ভেক্টর স্পেস $V$ থেকে মান গ্রহণ করে এবং যার আউটপুট অন্য একটি ভেক্টর স্পেসের উপাদান। $T$-কে লিনিয়ার ট্রান্সফরমেশন বলা হবে যখন এটি:
1. স্কেলার গুণন বজায় রাখে: $T(\lambda x) = \lambda Tx$ 2. যোগফল বজায় রাখে: $T(x+y) = Tx + Ty$
মনে রাখবেন, সব রূপান্তর লিনিয়ার নয়। বাস্তব জগতের অনেক সাধারণ রূপান্তর আসলে নন-লিনিয়ার (অরৈখিক)। সেগুলোর অধ্যয়ন বেশ জটিল। উদাহরণস্বরূপ, একটি রূপান্তর $S$ (যার ইনপুট ও আউটপুট উভয়ই $\mathbb{R}^2$-এর ভেক্টর):
$$S(x) = S \begin{pmatrix} x \\ y \end{pmatrix} = \begin{pmatrix} xy \\ \cos(y) \end{pmatrix}$$
আমরা সহজ লিনিয়ার ট্রান্সফরমেশনগুলো পড়ার মাধ্যমে নন-লিনিয়ার ট্রান্সফরমেশন সম্পর্কে জানতে পারি। আমরা প্রায়ই $T$ ট্রান্সফরমেশনকে এভাবে প্রকাশ করি:
$$T: V \to W$$
এর অর্থ হলো $T$ ট্রান্সফরমেশনটি ভেক্টর স্পেস $V$-এর ভেক্টরগুলোকে ভেক্টর স্পেস $W$-এর ভেক্টরে ম্যাপ করে।
---
উদাহরণ এবং প্রমাণ
[সম্পাদনা]নিচে লিনিয়ার ট্রান্সফরমেশনের কিছু উদাহরণ দেওয়া হলো। একই সাথে, কোনো ট্রান্সফরমেশন লিনিয়ার কি না তা কীভাবে প্রমাণ করতে হয় তাও দেখে নেওয়া যাক।
প্রক্ষেপণ (Projection)
[সম্পাদনা]ধরা যাক $\mathbb{R}^2$ ভেক্টর স্পেসের ভেক্টরগুলোকে আমরা $x$-অক্ষের ওপর প্রক্ষেপ করব। এই রূপান্তরটিকে $T$ নাম দিই। আমরা জানি $T$ ভেক্টরগুলোকে $\mathbb{R}^2$ থেকে $\mathbb{R}^2$-এই ম্যাপ করে, তাই আমরা লিখতে পারি:
$$T: \mathbb{R}^2 \to \mathbb{R}^2$$
এবং রূপান্তরটিকে এভাবে লেখা যায়:
$$T \begin{pmatrix} x_0 \\ x_1 \end{pmatrix} = \begin{pmatrix} x_0 \\ 0 \end{pmatrix}$$
এটি স্পষ্টতই লিনিয়ার। (নিচের অংশ না দেখে আপনি কি বলতে পারেন কেন?)
- প্রমাণ:**
১. **স্কেলার গুণন বজায় থাকে:** আমাদের দেখাতে হবে যে সব ভেক্টর $v$ এবং সব স্কেলার $\lambda$-এর জন্য, $T(\lambda v) = \lambda T(v)$। ধরি, $v = \begin{pmatrix} v_0 \\ v_1 \end{pmatrix}$। তাহলে $\lambda v = \begin{pmatrix} \lambda v_0 \\ \lambda v_1 \end{pmatrix}$। এখন, $T(\lambda v) = T \begin{pmatrix} \lambda v_0 \\ \lambda v_1 \end{pmatrix} = \begin{pmatrix} \lambda v_0 \\ 0 \end{pmatrix}$। আবার, $\lambda T(v) = \lambda \begin{pmatrix} v_0 \\ 0 \end{pmatrix} = \begin{pmatrix} \lambda v_0 \\ 0 \end{pmatrix}$। উভয় পক্ষ সমান, তাই স্কেলার গুণন সংরক্ষিত হয়।
২. **যোগফল বজায় থাকে:** আমাদের দেখাতে হবে $T(x+y) = Tx + Ty$। ধরি, $x = \begin{pmatrix} x_0 \\ x_1 \end{pmatrix}$ এবং $y = \begin{pmatrix} y_0 \\ y_1 \end{pmatrix}$। তাহলে, $T(x+y) = T \left( \begin{pmatrix} x_0 \\ x_1 \end{pmatrix} + \begin{pmatrix} y_0 \\ y_1 \end{pmatrix} \right) = T \begin{pmatrix} x_0+y_0 \\ x_1+y_1 \end{pmatrix} = \begin{pmatrix} x_0+y_0 \\ 0 \end{pmatrix}$। আবার, $Tx + Ty = \begin{pmatrix} x_0 \\ 0 \end{pmatrix} + \begin{pmatrix} y_0 \\ 0 \end{pmatrix} = \begin{pmatrix} x_0+y_0 \\ 0 \end{pmatrix}$। সুতরাং, যোগফল সংরক্ষিত হয়। এবং $T$ শূন্য ভেক্টরকেও বজায় রাখে ($T(0,0) = (0,0)$)। অতএব $T$ একটি লিনিয়ার ট্রান্সফরমেশন।
---
লিনিয়ার না হওয়ার প্রমাণ (Disproof)
[সম্পাদনা]যখন আমরা প্রমাণ করতে চাই যে একটি ট্রান্সফরমেশন লিনিয়ার **নয়**, তখন কেবল একটি বিপরীত উদাহরণ (counter-example) পাওয়াই যথেষ্ট।
উদাহরণস্বরূপ: $T \begin{pmatrix} x \\ y \end{pmatrix} = \begin{pmatrix} x^3 \\ y^2 \end{pmatrix}$ আমরা যদি $v = \begin{pmatrix} 2 \\ 2 \end{pmatrix}$ নিই, তবে $T(2v) = T \begin{pmatrix} 4 \\ 4 \end{pmatrix} = \begin{pmatrix} 64 \\ 16 \end{pmatrix}$। কিন্তু $2T(v) = 2 \begin{pmatrix} 8 \\ 4 \end{pmatrix} = \begin{pmatrix} 16 \\ 8 \end{pmatrix}$। যেহেতু $T(2v) \neq 2T(v)$, তাই এটি লিনিয়ার নয়।
---
==== ইমেজ এবং কার্নেল (Images and Kernels) ====
কার্নেল (Kernel)
[সম্পাদনা]$T: V \to W$ একটি লিনিয়ার ট্রান্সফরমেশনের কার্নেল হলো $V$-এর সেই সব ভেক্টরের সেট যারা $W$-এর শূন্য (zero) ভেক্টরে ম্যাপ হয়।
$$\ker T = \{v \in V \mid Tv = 0\}$$
কার্নেল সবসময় $V$-এর একটি সাবস্পেস (subspace)। এর ডাইমেনশনকে বলা হয় **নালিটি (nullity)**।
ইমেজ (Image)
[সম্পাদনা]$T: V \to W$ ট্রান্সফরমেশনের ইমেজ হলো $W$-এর সেই সব ভেক্টরের সেট যেখানে $V$-এর ভেক্টরগুলো ম্যাপ হয়েছে।
$$\text{im } T = \{w \in W \mid w = Tv \text{ এবং } v \in V\}$$
---
আইসোমরফিজম (Isomorphism)
[সম্পাদনা]একটি লিনিয়ার ট্রান্সফরমেশন $T: V \to W$-কে আইসোমরফিক বলা হবে যদি:
- এটি ওয়ান-টু-ওয়ান (one-to-one) এবং অনটু (onto) হয়।
- $\ker(T) = \{0\}$ এবং $\text{range}(T) = W$ হয়।
- $T$-এর একটি বিপরীত (inverse) ফাংশন থাকে।
- $\text{dim}(V) = \text{dim}(W)$ হয়।