Linear Congruences | रेखीय समांगताएँ
रेखीय समांगताएँ (Linear Congruences)
परिचय
संख्या सिद्धांत (Number Theory) में रेखीय समांगता (Linear Congruence) मॉड्यूलर अंकगणित की एक प्रमुख अवधारणा है। यह उन समीकरणों का अध्ययन करता है जो इस प्रकार लिखे जाते हैं:
a x ≡ b (mod m)
यह समीकरण बताता है कि जब ax और b को m से विभाजित किया जाता है, तो दोनों का शेषफल समान होता है। रेखीय समांगताएँ क्रिप्टोग्राफी, कंप्यूटर विज्ञान, एल्गोरिद्म और डेटा साइंस में अत्यंत महत्वपूर्ण हैं, विशेष रूप से तब जब हमें किसी संख्या का मॉड्यूलर इनवर्स (Modular Inverse) या सुरक्षित एन्क्रिप्शन कुंजी निकालनी होती है।
रेखीय समांगता का सामान्य रूप
रेखीय समांगता का सामान्य रूप होता है:
a x ≡ b (mod m)
जहाँ:
- a, b, और m पूर्णांक (Integers) हैं
- m > 0 (मॉड्यूलस)
- x वह अज्ञात चर (Unknown Variable) है जिसे खोजना होता है
समाधान की शर्त (Condition for Solution)
समीकरण a x ≡ b (mod m) का समाधान तभी संभव होता है जब:
GCD(a, m) | b
अर्थात a और m का महत्तम समापवर्तक (GCD) b को विभाजित करता हो। यदि यह शर्त पूरी नहीं होती, तो समीकरण का कोई समाधान नहीं होगा।
समाधान की संख्या (Number of Solutions)
यदि GCD(a, m) = d और d | b, तो समाधान की संख्या d होगी। सभी समाधान इस प्रकार लिखे जा सकते हैं:
x ≡ x₀ + (m/d)k (mod m)
जहाँ x₀ एक मूल समाधान (Particular Solution) है और k = 0, 1, 2, …, (d – 1)
उदाहरण 1
समीकरण: 3x ≡ 6 (mod 9)
यहाँ, a = 3, b = 6, m = 9 GCD(3, 9) = 3, और 3 | 6 ⇒ समाधान संभव।
समीकरण को सरल करें:
(3/3)x ≡ (6/3) (mod 9/3) ⇒ x ≡ 2 (mod 3)
अतः x = 2, 5, 8 समाधान होंगे।
उदाहरण 2
समीकरण: 14x ≡ 30 (mod 100)
GCD(14, 100) = 2 और 2 | 30 ⇒ समाधान संभव। समीकरण को 2 से विभाजित करें:
7x ≡ 15 (mod 50)
अब GCD(7, 50) = 1 ⇒ एकल समाधान मौजूद। Modular Inverse of 7 (mod 50) = 43 (क्योंकि 7×43 ≡ 1 mod 50)
अतः x ≡ 15 × 43 (mod 50) = 645 mod 50 = 45 → x ≡ 45 (mod 50)
Modular Inverse की अवधारणा
यदि a और m सहाभाज्य (Coprime) हैं (अर्थात GCD(a, m) = 1), तो a का Modular Inverse एक संख्या a⁻¹ होती है जिसके लिए:
a × a⁻¹ ≡ 1 (mod m)
इस Inverse को खोजने के लिए Extended Euclidean Algorithm का उपयोग किया जाता है।
उदाहरण:
Find the inverse of 3 mod 7:
3 × x ≡ 1 (mod 7) → x = 5 क्योंकि 3×5 = 15 ≡ 1 mod 7
रेखीय समांगता को हल करने की विधियाँ
- 1. Euclidean Method: GCD निकालने के लिए।
- 2. Extended Euclidean Algorithm: Modular Inverse खोजने के लिए।
- 3. Substitution Method: छोटे मॉड्यूलस के लिए ट्रायल द्वारा।
- 4. Simplification Method: समीकरण को m और a के सामान्य GCD से विभाजित कर सरल बनाना।
रेखीय समांगता के अनुप्रयोग
- क्रिप्टोग्राफी में एन्क्रिप्शन और डीक्रिप्शन कुंजी का निर्माण।
- Modular Arithmetic में संख्यात्मक गणनाएँ।
- डेटा साइंस में साइकलिक पैटर्न विश्लेषण।
- कंप्यूटर नेटवर्क में Key Scheduling और Hash Generation।
वास्तविक जीवन उदाहरण
मान लीजिए किसी पासवर्ड सिस्टम में प्रत्येक इनपुट को इस समीकरण से सत्यापित किया जाता है:
7x ≡ 3 (mod 26)
यह प्रणाली अक्षरों (A–Z) के आधार पर सुरक्षित है, और केवल वही x स्वीकार्य हैं जो इस समीकरण को संतुष्ट करें। इस प्रकार, यह समांग समीकरण सुरक्षित एन्क्रिप्शन में प्रयोग किया जा सकता है।
निष्कर्ष
रेखीय समांगताएँ संख्या सिद्धांत का व्यावहारिक और शक्तिशाली उपकरण हैं। इनका उपयोग मॉड्यूलर इनवर्स, डेटा एन्क्रिप्शन, साइकलिक पैटर्न और एल्गोरिद्म डिज़ाइन में होता है। डेटा साइंस और क्रिप्टोग्राफी में यह अवधारणा सुरक्षित और कुशल गणना प्रणालियों की नींव प्रदान करती है।
Related Post
- Concept and Formulation of Hypothesis Testing | परिकल्पना परीक्षण की अवधारणा और निर्माण
- Type I and Type II Errors in Hypothesis Testing | परिकल्पना परीक्षण में प्रकार I और प्रकार II त्रुटियाँ
- Neyman–Pearson Lemma in Hypothesis Testing | परिकल्पना परीक्षण में नेयमन–पियर्सन प्रमेय
- Procedures of Hypothesis Testing | परिकल्पना परीक्षण की प्रक्रिया
- Basics of Time Series Analysis and Forecasting | समय श्रेणी विश्लेषण और पूर्वानुमान के मूल सिद्धांत
- Stationarity in Time Series | समय श्रेणी में स्थिरता
- ARIMA Models: Identification, Estimation, and Forecasting | ARIMA मॉडल: पहचान, अनुमान और पूर्वानुमान
- Comparison between Parametric and Non-Parametric Inference | पैरामीट्रिक और नॉन-पैरामीट्रिक अनुमान की तुलना
- Use of Order Statistics | ऑर्डर सांख्यिकी का उपयोग
- Sign Test in Non-Parametric Inference | नॉन-पैरामीट्रिक अनुमान में साइन परीक्षण
- Wilcoxon Signed Rank Test | विल्कॉक्सन साइन रैंक परीक्षण
- Mann–Whitney U Test | मैन–व्हिटनी यू परीक्षण
- Run Test in Non-Parametric Inference | नॉन-पैरामीट्रिक अनुमान में रन परीक्षण
- Kolmogorov–Smirnov Test | कोल्मोगोरोव–स्मिरनोव परीक्षण
- Spearman’s Rank Correlation Test | स्पीयरमैन रैंक सहसंबंध परीक्षण
- Kendall’s Rank Correlation Test | केंडल रैंक सहसंबंध परीक्षण
- Tolerance Region in Statistics | सांख्यिकी में सहनीय क्षेत्र
- Greatest Common Divisors (GCD) | महत्तम समापवर्तक (GCD)
- The Euclidean Algorithm | यूक्लिडियन एल्गोरिद्म
- The Fundamental Theorem of Arithmetic | अंकगणित का मौलिक प्रमेय
- Factorization of Integers and Fermat Numbers | पूर्णांकों का गुणनखंडन और फर्मा संख्याएँ
- Introduction to Congruences | समांगता का परिचय
- Linear Congruences | रेखीय समांगताएँ
- The Chinese Remainder Theorem | चीनी शेष प्रमेय
- Systems of Linear Congruences | रेखीय समांग समीकरणों की प्रणाली
- Introduction to Stochastic Processes | आकस्मिक प्रक्रियाओं का परिचय
- Markov Process | मार्कोव प्रक्रिया
- Transition Probability and Transition Probability Matrix | संक्रमण प्रायिकता और संक्रमण प्रायिकता मैट्रिक्स
- First Order and Higher Order Markov Processes | प्रथम और उच्च क्रम की मार्कोव प्रक्रियाएँ
- n-Step Transition Probabilities | n-चरण संक्रमण प्रायिकताएँ
- Markov Chain | मार्कोव श्रृंखला
- Steady State Condition and Markov Analysis | स्थिर अवस्था की शर्त और मार्कोव विश्लेषण
- Introduction to R | R का परिचय
- Functions in R | R में फ़ंक्शन्स
- Control Flow and Loops in R | R में नियंत्रण प्रवाह और लूप्स
- Working with Vectors and Matrices in R | R में वेक्टर और मैट्रिक्स के साथ कार्य करना
- Reading Data in R | R में डेटा पढ़ना
- Writing Data in R | R में डेटा लिखना
- Working with and Manipulating Data in R | R में डेटा पर कार्य करना और उसे संशोधित करना
- Simulation in R | R में सिमुलेशन
- Linear Model in R | R में रैखिक मॉडल
- Data Frame in R | R में डेटा फ़्रेम