পূর্ণ বনাম ঘাটতি র‍্যাঙ্ক

Full Rank vs Rank Deficient

যখন ম্যাট্রিক্স ‘পুরো বলছে’ আর যখন ‘কথা চাপা পড়ছে’

≈ ১০ মিনিট

Full rank মানে ম্যাট্রিক্স তার সম্ভাবনার সর্বোচ্চটা ছুঁয়েছে — কোনো অপচয় নেই। Rank deficient মানে ভেতরে নির্ভরতা লুকিয়ে আছে — যা একই সাথে সমস্যা ও সুযোগ।

সংজ্ঞা

Full rank: rank(A) = min(m, n)।
Rank deficient: rank(A) < min(m, n)।

তিনটি কেস

Square (n×n) full rank → invertible, det ≠ 0।
Tall (m>n) full column rank → কলাম স্বাধীন, AᵀA invertible।
Wide (m<n) full row rank → সারি স্বাধীন, AAᵀ invertible।

Rank deficient হলে কী হয়

det = 0, A⁻¹ নেই।
Ax = b-এর হয় অসীম সমাধান, নয়তো কোনো সমাধান নেই।
Null space অ-শূন্য, free variable আছে।
Linear regression-এ X full column rank না হলে coefficient unique হয় না।

AI-তে কেন গুরুত্বপূর্ণ

Multicollinearity: ফিচার কলামগুলো নির্ভরশীল → XᵀX singular → অস্থির gradient।
Regularization (Ridge): XᵀX + λI → কৃত্রিমভাবে full rank বানানো।
Low-rank approximation: rank deficient হওয়াই সুবিধা — কম প্যারামিটারে সংরক্ষণ।
SVD এই rank ধারণাকে সংখ্যাগতভাবে পরিমাপ করে (effective rank)।

সারসংক্ষেপ টেবিল

Full rank square → unique solution, A⁻¹ আছে।
Full column rank → least-squares-এ unique fit।
Rank deficient → solution non-unique বা অনুপস্থিত।

উদাহরণ

Full rank vs rank deficient — উদাহরণ

B = [[1,2],[2,4]] (2×2)। det = 4 − 4 = 0 ⇒ rank = 1, deficient।

C = [[1,2],[3,4]]; det = −2 ≠ 0 ⇒ rank = 2 = full।

AI-তে rank-deficient feature matrix ⇒ multicollinearity → unstable regression।

মূল ভাবনা

1.Full rank = min(m,n), deficient = তার নিচে।
2.Square full rank ⇔ invertible।
3.Multicollinearity = practical rank deficiency।
4.Low rank সবসময় খারাপ নয় — কখনো শক্তি।

নিজেকে যাচাই করো

প্রশ্নে ক্লিক করে উত্তর দেখো — তবে আগে নিজে চেষ্টা করো।

প্রশ্ন 1।Full rank মানে?

উত্তর:rank = min(m, n)।

প্রশ্ন 2।Square ম্যাট্রিক্স invertible হলে rank?

উত্তর:n (full)।

প্রশ্ন 3।Ridge regression কী করে?

উত্তর:XᵀX + λI দিয়ে full rank নিশ্চিত করে।

প্রশ্ন 4।Rank deficient-এ Ax = b-এর কী হতে পারে?

উত্তর:অসীম সমাধান অথবা কোনো সমাধান নেই।

প্রশ্ন 5।Square A invertible ⇔?

উত্তর:Full rank।

প্রশ্ন 6।ML-এ rank deficient ⇒ ?

উত্তর:Redundant feature; nullspace ≠ {0}।

ইন্টারেক্টিভ কুইজ

মূল ভাবনার উপর দ্রুত যাচাই — সঠিক বিকল্পটি বাছাই করো।

প্রশ্ন 1।“পূর্ণ বনাম ঘাটতি র‍্যাঙ্ক” অধ্যায়ের মূল ভাবনাগুলোর মধ্যে নিচের কোনটি অন্তর্ভুক্ত?

প্রশ্ন 2।“পূর্ণ বনাম ঘাটতি র‍্যাঙ্ক” অধ্যায়ের মূল ভাবনাগুলোর মধ্যে নিচের কোনটি অন্তর্ভুক্ত?

প্রশ্ন 3।“পূর্ণ বনাম ঘাটতি র‍্যাঙ্ক” অধ্যায়ের মূল ভাবনাগুলোর মধ্যে নিচের কোনটি অন্তর্ভুক্ত?

প্রশ্ন 4।“পূর্ণ বনাম ঘাটতি র‍্যাঙ্ক” অধ্যায়ের মূল ভাবনাগুলোর মধ্যে নিচের কোনটি অন্তর্ভুক্ত?

উত্তর দেওয়া হয়েছে: 0/4