Difference between revisions of "Scilab/C4/Linear-equations-Gaussian-Methods/Gujarati"

From Script | Spoken-Tutorial
Jump to: navigation, search
Line 213: Line 213:
 
|04:23
 
|04:23
  
||This matrix '''C''' is called '''augmented matrix. '''
+
|| આ મેટ્રિકસ '''C''' ને '''augmented matrix. ''' કહેવાય છે.
  
 
|-
 
|-
Line 431: Line 431:
 
| 07:55
 
| 07:55
  
|Then we get the '''A''' and '''b matrix''' using the '''input''' function.  
+
| પછી આપણે ઈનપુટ ફંક્શન ઉપયોગ કરીને '''A''' અને  '''b matrix''' મેળવીએ છીએ.
  
 
|-
 
|-
Line 437: Line 437:
 
| 08:00
 
| 08:00
  
|We define the function '''Gauss Jordan Elimination''' with input arguments '''A''' and '''b''' and output argument x.
+
| આપણે ઈનપુટ આર્ગ્યુમેન્ટ  '''A''' અને  '''b''' અને આર્ગ્યુમેન્ટ  '''x'''ના સાથે  '''Gauss Jordan Elimination'''  ફંક્શન ને વ્યાખ્યાયિત કરે છે.
  
 
|-
 
|-
  
 
| 08:11
 
| 08:11
|We get the size of '''matrix A''' and store it in '''m''' and '''n'''.
+
| આપણે  '''matrix A''' ના સાઈઝ મળે છે અને આપણે આને '''m''' અને  '''n''' માં સંગ્રહિત કરીએ છીએ.
  
 
|-
 
|-
Line 448: Line 448:
 
| 08:17
 
| 08:17
  
|Similarly, we get the size of '''matrix b''' and store it in '''r''' and '''s'''.
+
|Similarly, we get the size of '''matrix b''' and store it in '''r''' and '''s'''.............उसीप्रकार, हमें 'मेट्रिक्स b' का साइज़ मिलता है और हम इसे 'r' और 's' में संचित करते हैं। 
  
 
|-
 
|-

Revision as of 16:52, 14 December 2015

Time Narration
00:01 Dear Friends,
00:02 Gauss Elimination (ગોસ એલિમિનેશન) અને Gauss-Jordan Methods (ગોસ જોર્ડન મેથડ) ને વાપરીને Linear Equations using (લીનીયર ઇક્વેશન) સોલ્વીંગ સીસ્ટમ પરના સ્પોકન ટ્યુટોરિયલમાં તમારું સ્વાગત છે.
00:12. આ ટ્યુટોરીયલ ઓવરને અંતે તમે શીખશો કેવી રીતે:
00:15 Scilab વાપરીને લીનીયર ઇક્વેશન ના સીસ્ટમને કેવી રીતે હલ કરાય.
00:20 linear equations ને હક કરવા માટે સાઈલેબ કોડ કેવી રીતે બનાવાય.
00:25 આ ટ્યુટોરિયલ રિકોર્ડ કરવા માટે હું ઉપયોગ કરી રહી છું,
00:27 Scilab 5.3.3 વર્જન સાથે .
00:31 Ubuntu 12.04ઓપરેટીંગ સીસ્ટમ .
00:36 આ ટ્યુટોરિયલ ના અભ્યાસ માટે તમને Scilab નું સમાન્ય જ્ઞાન હોવું જોઈએ.
00:40 અને Linear Equations. ને કેવી રીતે હલ કરાય તેની જાન હોવી જોઈએ.
00:45 સાઈલેબ ને શીખવા માટે સ્પોકન ટ્યુટોરિયલ વેબ સાઈટ પર સાઈલેબ પર ઉપલબ્ધ સંબંધિત ટ્યુટોરિયલ જુઓ.
00:52 લીનીયર ઇક્વેશન વેરીએબલસના
00:55 તેજ સેટની લીનીયર ઇક્વેશન માં સંગ્રહ થાય છે.
01:00 Gauss elimination method (ગોસ એલિમિનેશન મેથડ) ના વિષે શીખીએ.
01:04 ઇક્વેશનનું સીસ્ટમ આપેલ છે.
01:06 A x equal to b .
01:12 augmented matrix (ઓગમેનટેડ મેટ્રિકસ) એક મેટ્રિકમાં ઇક્વેશનસ ના સીસ્ટમમાં constants b one થી b n ના સાથે વેરીએબલસ a one થી a n coefficients લખીએ છીએ.
01:27 આપણે તે augmented matrix' (ઓગમેનટેડ મેટ્રિકસ) ના upper triangular form matrix માં કેવી રીતે બદલીએ છીએ ?
01:33 આપણે આવું મેટ્રીક્સ ની રોમાં બદલાવ અનુસાર કરીએ છીએ.
01:40 ચાલો Gaussian elimination method નો ઉપયોગ કરીને ઇક્વેશનસના આ સીસ્ટમને હલ કરીએ.
01:45 સીસ્ટમને હલ કરવા પહેલા આપણે Gaussian elimination method. ના માટે કોડ જોઈએ.
01:52 કોડ ની પ્રથમ લાઈન format e comma twenty છે.
01:58 આ વ્યાખ્યાયિત કરે છે કે જવાબમાં કેટલા ડીજીટસ પ્રદશિત થવા જોઈએ.
02:04 સિંગલ કોટમાં અક્ષર 'e' દેખાડે છે કે જવાબ scientific notation માં પ્રદશિત થવું જોઈએ.
02:12 । નંબર twenty ડીજીટની સંખ્યા છે જે પ્રદશિત થવી જોઈએ.
02:17 જ્યારે વેરીએબલસ પુનઃવ્યાખ્યાયિત થાય છે તે જાણવા માટે કે સાઈલેબ શું કરે છે funcprot કમાંડ નો ઉપયોગ થાય છે.
02:26 આર્ગ્યુમેન્ટ zero બતાડે છે કે વેરીએબલ કે જ્યારે વેરીએબલસ પુનઃવ્યાખ્યાયિત થાય છે તો સાઈલેબને કઈ કરવાની જરૂર નથી હોતી.
02:33 અન્ય આર્ગ્યુમેન્ટસ વોર્નિગ અથવા એર્ર્ર્સ ને ઈશુ કરવા માં ઉપયોગ થાય છે જો વેરીએબલસ પુનઃવ્યાખ્યાયિત થાય છે.
02:40 આગળ આપણે ઈનપુટ ફન્કશન નો ઉપયોગ કરીશું.
02:43 આ યુજરને એક મેસેજ દેખાડશે A અને b મેટ્રાઈસીસ ની વેલ્યુઓ ને મેળવશે.
02:51 મેસેજ double quotes. માં દેખાવું જોઈએ.
02:55 મેટ્રાઈસીસ જે યુજર ઉમેરે છે વેરીએબલસ A અને b. માં સંગ્રહિત કરાશે.
03:02 અહી Acoefficient matrix છે અને b ની જમણી બાજુના મેટ્રીક્સ અથવા constants matrix. છે.
03:11 પછી આપણે ફંક્શન naive gaussian elimination. (નેઈવ ગોશીયન એલિમિનેશન) ને વ્યાખ્યાયિત કરે છે.
03:15 અને આપણે સ્પષ્ટ કરીએ છીએ કે A અને b naive gaussian elimination. (નેઈવ ગોશીયન એલિમિનેશન) ફંક્શન નું આર્ગ્યુમેન્ટસ છે.
03:22 આપણે વેરીએબલ x. માં આઉટ પુટ સંગ્રહિત કરીએ છીએ.
03:27 પછી આપણે size કમાંડનો ઉપયોગ કરીને A અને b નું સાઈઝ મેળવીએ છીએ.
03:34 જેમકે આ ટુ ડાયમેન્શનલ મેટ્રાઈસીસ છે આપણે મેટ્રાઈસીસ A. ના સાઈઝ ને સંગ્રહિત કરવા માટે n અને n one ઉપયોગ કરે છે.
03:42 તેજ પ્રકારે આપણે ,મેટ્રીક્સ b. ના લીધે m one અને p ઉપયોગ કરે છે.
03:48 પછી આપણે નક્કી કરવાનું છે કે મેટ્રાઈસીસ એક બીજા ના સાથે સમાન છે કે નહી અને
03:53 Asquare matrix. છે કે નહી.
03:57 જો n અને n one બરાબર ન હોય તો આપણે એક મેસીજ બતાવીએ છીએ કે Matrix A must be square. .
04:05 n અને m one બરાબર ન હોય તો આપણે એક મેસીજ બતાવીએ છીએ કે
04:10 incompatible dimension of A and b.
04:15 જો મેટ્રાઈસીસ સમાન છે તો આપણે મેટ્રાઈસીસ A અને b ને એક મેટ્રાઈસીસ માં રાખે છે.
04:23 આ મેટ્રિકસ C ને augmented matrix. કહેવાય છે.
04:28 કોડ નું આગલું બોલ્ક forward elimination. કરે છે.
04:32 આ કોડ augmented matrix to upper triangular matrix ના ફોર્મમાં બદલાય છે.
04:39 છેલ્લે આપણે back substitution. કરીએ છીએ.
04:42 એક વખત જયારે upper triangular matrix ને મેળવીએ છીએ તો આપણે છેલ્લી રો લઈએ છીએ અને તે રો માં વેરીએબલની વેલ્યુ ને શોધીએ છીએ.
04:52 પછી એક વખત જયારે એક વેરીએબલ હલ થયી જાય છે તો આપણે અન્ય વેરીએબલને હલ કરવા માટે આ વેરીએબલને લઈએ છીએ.
04:59 આ રીતે લીનીયર ઇક્વેશનનું સેટ હલ કરાવાય છે.
05:03 ચાલો ફાઈલને સેવ અને એક્ઝીક્યુટ કરીએ.
05:06 ઉદાહરણને હલ કરવા પહેલા ચાલો Scilab console પર જઈએ.
05:10 કંસોલ પર coefficient matrix. ની વેલ્યુ ને ઉમેરવા માટે આપણી પાસે પ્રોમ્પ્ટ છે.
05:17 તો આપણે matrix A. ની વેલ્યુ ઉમેરીએ છીએ.
05:20 ટાઈપ કરો : 'છગડીયો કૌંસ three point four one space one point two three space minus one point zero nine semi colon '
05:33 two point seven one space two point one four space one point two nine semi colon
05:41 one point eight nine space minus one point nine one space minus one point eight nine બંદ છગડીયો કૌંસ .
05:53 Enter દબાવો .
05:54 આગલું પ્રોમ્પ્ટ matrix b. ના માટે છે.
05:57 તો આપણે ટાઈપ કરીશું.
05:58 ખુલ્લો છગડીયો કૌંસ four point seven two semi colon three point one semi colon two point nine one બંદ છગડીયો કૌંસ.
06:10 Enter દબાવો .
06:13 પછી આપણે આપેલ ટાઈપ કરીને ફંક્શનને કોલ કરીશું.
06:16 naive gaussian elimination ખુલ્લો કૌંસ A comma b બંદ કૌંસ
06:24 Enter દબાવો .
06:26 લીનીયર ઇક્વેશનના સીસ્ટમ નું હલ Scilab console. પર દેખાય છે.
06:32 આગળ આપણે Gauss-Jordan method. (ગોસ જોર્ડન મેથડ) વિષે શીખીએ.
06:36 Gauss–Jordan Method માં ,
06:38 પ્રથમ સ્ટેપ augmented matrix. બનાવે છે.
06:42 આ કરવા માટે coefficient matrix A અને જમણી બાજુની મેટ્રીક્સ b ને એક સાથે એક મેટ્રીક્સ માં રાખે છે.
06:50 પછી આપણે matrix A ને diagonal (ડાઈગન્લ) ફોર્મમાં બદલવામાં માટે રો ઓપરેશન કરે છે.
06:56 diagonal (ડાઈગન્લ) ફોર્મમાં ફક્ત એલિમેન્ટ a i i નોન ઝીરો હોય છે. બાકી એલિમેન્ટસ ઝીરો હોય છે.
07:05 પછી આપણે diagonal (ડાઈગન્લ) એલિમેન્ટ થી ડાઈગન્લ એલિમેન્ટ અને જમણી બાજુના સમ્બન્ધિત એલિમેન્ટને ડીવાઈડ કરે છે.
07:14 આપણે ડાઈગન્લ એલિમેન્ટ ને one કરવા માટે આ કરીએ છીએ.
07:19 જમણી બાજુની મેટ્રીક્સ ની પ્રત્યેક રો ના એલિમેન્ટસની પરિણામી વેલ્યુ પ્રત્યેક વેરીએબલની વેલ્યુ આપે છે.
07:27 ચાલો આ ઉદાહરણ ને Gauss-Jordan Method. થી હલ કરીએ.
07:33 હવે પ્રથમ કોડ ને જોઈએ.
07:36 કોડની પ્રથમ લાઈન પ્રદશિત ઉત્તરોના ફોરમેટને સ્પષ્ટ કરવા માટે ફોરમેટ ફન્કશન વાપરે છે.
07:44 પેરામીટર e સ્પષ્ટ કરે છે કે જવાબ scientific notation. માં હોવું જોઈએ.
07:49 Twenty (20) દેખાય છે કે ફક્ત twenty digits જ પ્રદશિત થાય છે.
07:55 પછી આપણે ઈનપુટ ફંક્શન ઉપયોગ કરીને A અને b matrix મેળવીએ છીએ.
08:00 આપણે ઈનપુટ આર્ગ્યુમેન્ટ A અને b અને આર્ગ્યુમેન્ટ xના સાથે Gauss Jordan Elimination ફંક્શન ને વ્યાખ્યાયિત કરે છે.
08:11 આપણે matrix A ના સાઈઝ મળે છે અને આપણે આને m અને n માં સંગ્રહિત કરીએ છીએ.
08:17 Similarly, we get the size of matrix b and store it in r and s.............उसीप्रकार, हमें 'मेट्रिक्स b' का साइज़ मिलता है और हम इसे 'r' और 's' में संचित करते हैं।
08:23 If the sizes of A and b are not compatible, we display an error on the console using error function.
08:33 Then we perform row operations to get diagonal form of the matrix.
08:38 Here pivot refers to the first non-zero element of a column.
08:45 Then we create a matrix of zeros called x with m rows and s columns.
08:52 Once we have the diagonal form,
08:54 we divide the right hand side part of augmented matrix by the corresponding diagonal element to get the value of each variable.
09:04 We store the value of each variable in x.
09:08 Then we return the value of x.
09:11 Finally, we end the function.
09:13 Now let us save and execute the function.
09:18 The prompt requires us to enter the value of matrix A.
09:22 So we type
09:23 open square bracket zero point seven comma one seven two five semi colon
09:31 zero point four three five two comma minus five point four three three close square bracket.
09:41 Press Enter.
09:43 The next prompt is for vector b.
09:45 So we type open square bracket one seven three nine semi colon
09:51 three point two seven one close square bracket.
09:55 Press Enter.
09:58 Then we call the function by typing
10:01 Gauss Jordan Elimination open parenthesis A comma b close parenthesis
10:08 Press Enter.
10:10 The values of x one and x two are shown on the console.
10:15 Let us summarize this tutorial.
10:18 In this tutorial, we have learnt to:
10:21 Develop Scilab code for solving system of linear equations.
10:25 Find the value of the unknown variables of a system of linear equations.
10:32 Watch the video available at the link shown below.
10:35 It summarizes the Spoken Tutorial project.
10:38 If you do not have good bandwidth, you can download and watch it.
10:43 The spoken tutorial project Team:
10:45 Conducts workshops using spoken tutorials.
10:48 Gives certificates to those who pass an online test.
10:52 For more details, please write to conatct@spoken-tutorial.org.
10:59 Spoken Tutorial Project is a part of the Talk to a Teacher project.
11:03 It is supported by the National Mission on Eduction through ICT, MHRD, Government of India.
11:10 More information on this mission is available at http://spoken-tutorial.org/NMEICT-Intro.
11:21 This is Ashwini Patil, signing off.
11:23 Thank you for joining.

Contributors and Content Editors

Jyotisolanki, PoojaMoolya