আইগেন দিয়ে Aⁿ
Matrix Powers via Eigen
Aⁿ গণনা মুহূর্তে — diagonal-এর জাদু
≈ ৮ মিনিট
A · A · A · ... ১০০ বার গুণ করা ভয়াবহ। কিন্তু diagonal D-এ Dⁿ মানে শুধু প্রতিটি entry-কে n-তম ঘাত। eigen এই দুটি ছবিকে জুড়ে দেয় — এবং Aⁿ হয়ে ওঠে এক লাইনের হিসাব।
মূল সূত্র
কারণ A = PDP⁻¹ হলে Aⁿ = PDP⁻¹ · PDP⁻¹ · ... = PDⁿP⁻¹ (মাঝখানে P⁻¹P = I বাদ পড়ে)।
বাস্তব প্রয়োগ
- Fibonacci সংখ্যার বদ্ধ রূপ — eigen-ভিত্তিক।
- Markov chain-এ n-ধাপ পর অবস্থা = Pⁿ × π₀।
- PageRank-এর iteration → λ = 1-এর eigenvector-এ converge।
- Dynamical system দীর্ঘমেয়াদে বৃহত্তম |λ|-এর দিকেই বাড়ে।
দীর্ঘমেয়াদি আচরণ
- |λ| > 1 → ওই দিকে অসীমে বাড়ে।
- |λ| < 1 → শূন্যে চুপসে।
- |λ| = 1 → স্থিতিশীল (oscillation বা stationary)।
- Dominant eigenvalue = সবচেয়ে বড় |λ| — দীর্ঘমেয়াদে সব এর দিকেই ঝোঁকে।
সংখ্যাগত সুবিধা
n = 1000 হলেও Aⁿ গণনায় তিনটি ম্যাট্রিক্স গুণ + ডায়াগোনালে n-তম ঘাত — মুহূর্তের কাজ।
S = [[2, 1], [1, 2]] — সিমেট্রিক।
λ = 2 ± 1 = 3, 1। (Trace 4 = 3+1 ✓, det 3 = 3·1 ✓)।
λ = 3 → eigenvector (1, 1)/√2। λ = 1 → (1, -1)/√2।
Q = (1/√2)[[1, 1], [1, -1]] — orthogonal (Q⁻¹ = Qᵀ)।
S = Q [[3,0],[0,1]] Qᵀ — spectral decomposition।
ফলাফল: S = 3·q₁q₁ᵀ + 1·q₂q₂ᵀ — দুটি rank-1 projection-এর যোগ।
মূল ভাবনা
- 1.Aⁿ = P Dⁿ P⁻¹।
- 2.Dⁿ = ডায়াগোনালে λⁿ।
- 3.Dominant |λ| দীর্ঘমেয়াদ নির্ধারণ করে।
- 4.Fibonacci থেকে PageRank — সব এই কৌশলে।
নিজেকে যাচাই করো
প্রশ্নে ক্লিক করে উত্তর দেখো — তবে আগে নিজে চেষ্টা করো।
প্রশ্ন 1।Aⁿ-এর সূত্র?
প্রশ্ন 2।λ = 2, n = 10 → λⁿ?
প্রশ্ন 3।|λ| < 1 হলে দীর্ঘমেয়াদে?
প্রশ্ন 4।Dominant eigenvalue?
প্রশ্ন 5।Symmetric ম্যাট্রিক্সের eigenvalue কেন সবসময় বাস্তব?
প্রশ্ন 6।Positive definite ম্যাট্রিক্স কীভাবে চিনব?
ইন্টারেক্টিভ কুইজ
মূল ভাবনার উপর দ্রুত যাচাই — সঠিক বিকল্পটি বাছাই করো।