अगर आपने कभी गणित की कक्षा ली है, तो बहुत संभव है कि आप शुरुआती दौर में ही रैखिक फलन से टकराए हों—मध्य विद्यालय के बीजगणित में या ग्राफ पेपर पर सीधी रेखाएँ खींचते हुए।
रैखिक फलन गणित में और उससे आगे हर जगह मिलते हैं। लेकिन बहुत लोगों को ये थोड़े कठिन लगते हैं। पेशेवर लोग भी कभी‑कभी समीकरणों के पीछे के “क्यों” को नज़रअंदाज़ कर देते हैं।
इस लेख में, मैं रैखिक फलनों का एक स्पष्ट, सहज ब्योरा दूँगा—ये कैसे काम करते हैं, कैसे लिखे जाते हैं, और इन्हें कैसे पहचाना जाए। अंत तक, आप इन्हें अप्रासंगिक अमूर्त नियमों की तरह नहीं, बल्कि स्थिर परिवर्तन को समझने के भरोसेमंद औज़ारों की तरह देखेंगे।
रैखिक फलनों के पीछे का मूल विचार
मूल रूप से, रैखिक फलन स्थिर और पूर्वानुमेय संबंधों के बारे में होते हैं।
मान लीजिए कि आप एक समान गति से चल रहे हैं। आप जितना‑जितना आगे कदम बढ़ाएँगे, उतनी ही दूरी तय करेंगे। यह निरंतर परिवर्तन दर ही वह स्रोत है जो किसी फलन को रैखिक बनाती है। जैसे‑जैसे इनपुट, जैसे समय या कदम, एक निश्चित मात्रा से बढ़ता है, आउटपुट, जैसे तय दूरी, भी उसी निश्चित मात्रा से बढ़ता है।
यही भरोसेमंदी रैखिक फलनों को उपयोगी बनाती है। इनके आउटपुट अचानक उछलते या मुड़ते नहीं—वे सीधे, भरोसेमंद ढंग से आगे बढ़ते हैं। जब आप ग्राफ पर प्लॉट करते हैं, तो एकदम सीधी रेखा बनती है, जैसे लेज़र बीम। यही सादगी हमें दुनिया का मॉडल बनाने में इन पर भरोसा करने देती है।
रैखिक फलन की एक सरल परिभाषा
अब जब सहज समझ बन गई है, तो इसे थोड़ी अधिक गणितीय औपचारिकता से सटीक करें। रैखिक फलन वह नियम है जो इनपुट को आउटपुट से मैप करता है, जहाँ आउटपुट में परिवर्तन हमेशा इनपुट में परिवर्तन के समानुपाती होता है। प्रतीकों में, यह अक्सर कुछ इस तरह लिखा जाता है:
हालाँकि, इस पर हम आगे बात करेंगे। यहाँ सबसे महत्वपूर्ण बात यह है कि इनपुट स्केल पर कहीं भी हों, आउटपुट एक स्थिर चाल से बढ़ता या घटता है।
सहज रूप से, इसे रैखिक इसलिए कहते हैं क्योंकि यह रेखाओं से जुड़ा है। यही बात रैखिक फलनों को गैर‑रैखिक फलनों से अलग करती है—जैसे द्विघात फलन जो इंद्रधनुष की तरह ऊपर की ओर मुड़ते हैं या घातीय फलन जो इनपुट बढ़ने पर तेज़ी से उछलते हैं।
रैखिक फलन का मानक रूप
अधिकांश रैखिक फलन अपना ढाँचा सीधे slope-intercept रूप में दिखाते हैं। यह इस तरह दिखता है:
यहाँ, x आपका इनपुट है—वह चर जिसे आप रखते हैं—और y आउटपुट। m ढाल (slope) है, जो फलन की परिवर्तन दर बताती है, यानी रेखा कितनी खड़ी ऊपर चढ़ती या नीचे उतरती है।
बड़ा m अधिक खड़ी ढाल दर्शाता है और नकारात्मक m नीचे की ओर इशारा करता है। फिर b है—y-अवच्छेद (y-intercept)—यानी जब x शून्य हो, तब का आउटपुट। y-अवच्छेद y-अक्ष पर आपका शुरुआती बिंदु तय करता है।
कई पुस्तकों में, m और b का निरूपण a और b, या m और p किया जा सकता है, पर अर्थ वही रहता है।
रैखिक फलन की परिवर्तन दर
इसे “ढाल” कहने से पहले, समझें कि इसका मतलब क्या है: “जब इनपुट एक इकाई बढ़ता है, तो आउटपुट कितना बदलता है?” यदि हर अतिरिक्त घंटे के काम पर आपको $20 अधिक मिलते हैं, तो दर $20 प्रति घंटा है—यानी एक स्थिर परिवर्तन। सकारात्मक दर का मतलब वृद्धि, और नकारात्मक का मतलब गिरावट—जैसे ठंडी होती पाई का तापमान लगातार कम होना।
यही दर रैखिकता की रीढ़ है—यह न तेज़ होती है, न रुककर रेंगती है। गणित की भाषा में हम इसे ढाल (हमारे मुख्य समीकरण में m) कहते हैं, पर अवधारणा वही है।
इस चित्र में, मैंने b को स्थिर रखते हुए m बदलकर रैखिक फलनों की अलग‑अलग स्थितियाँ दिखाने की कोशिश की है।
रैखिक फलन का प्रारंभिक मान
y-अवच्छेद b शून्य इनपुट पर आधारभूत आउटपुट है—इसे आप एक निश्चित सेटअप लागत की तरह समझ सकते हैं। यह फलन को एंकर करता है और दिखाता है कि परिवर्तन कैसे जुड़ते जाते हैं।
इस चित्र में मैंने m को 2 पर स्थिर रखते हुए b के मान बदले हैं।
ग्राफ पर रैखिक फलन कैसे दिखते हैं
स्थिर दर के कारण रैखिक फलनों के ग्राफ सीधी रेखाएँ होते हैं। दर m को समायोजित करें, तो रेखा अधिक खड़ी या सपाट होगी। प्रारंभिक मान b को बदलें, तो रेखा ऊपर‑नीचे खिसकती है, जबकि ढाल वही रहती है।
रैखिक फलनों के उदाहरण
हम रैखिक फलन को कई तरीकों से बता सकते हैं। संख्यात्मक रूप में, जैसे f(x) = 3x + 2। इसका अर्थ है कि x में प्रत्येक वृद्धि पर आउटपुट 3 से बढ़ता है, और जब x शून्य है, तब y का आरंभिक मान 2 है।
इसे अनौपचारिक रूप से भी कहा जा सकता है—जैसे किसी टैक्सी का किराया = $3 आधार किराया + $2 प्रति मील। एक निश्चित शुरुआत और उसके बाद स्थिर बढ़ोतरी।
रैखिक बनाम गैर‑रैखिक फलन
गैर‑रैखिक संबंध स्थिरता तोड़ते हैं क्योंकि दर बदलती रहती है और ग्राफ मुड़ते हैं। वास्तविक संबंध अक्सर छोटे दायरों में रैखिक के करीब होते हैं और आधाररेखा के रूप में उपयोगी होते हैं।
यह चित्र रैखिक और गैर‑रैखिक फलनों के कुछ उदाहरण बहुत अच्छी तरह दर्शाता है।
रैखिक फलन कहाँ‑कहाँ दिखते हैं
दुनिया को समझने के हमारे तरीकों का भरोसेमंद परिदृश्य रैखिक फलन ही हैं। वे बदलाव को स्थिर और मापनीय मानकर देखने का रास्ता खोलते हैं। भौतिकी में, वे बिना घर्षण की गति को सरल बनाते हैं; अर्थशास्त्र में, जटिलताओं से पहले लागत की आधाररेखा तय करते हैं।
विभिन्न क्षेत्रों में ये सरलीकरण के रूप में काम आते हैं, क्योंकि वास्तविक‑दुनिया के आँकड़ों में अक्सर लगभग‑रैखिक या स्थानीय‑रैखिक संबंध होते हैं। जीवविज्ञान में संकीर्ण दायरों में एंज़ाइम दरों को रैखिक माना जा सकता है, और अभियांत्रिकी में पदार्थों के तनाव‑विकृति संबंध को रैखिक किया जाता है। एक बार ध्यान से देखें, तो स्थिर परिवर्तन सर्वव्यापी है—इसीलिए ये भी।
रैखिक फलन और रैखिक प्रतिगमन
रैखिक प्रतिगमन आँकड़ों का उपयोग करके सर्वश्रेष्ठ उपयुक्त सीधी रेखा, यानी एक रैखिक फलन, फिट करता है। मूल रूप से यह ऊपर बताए समीकरण के m और b का आकलन करता है ताकि प्रेक्षणों के साथ सबसे उपयुक्त रेखा मिल सके। यह बिखरे वास्तविक डेटा में प्रवृत्ति का एक सन्निकटन है, पूर्णता नहीं।
इस चित्रण में, मैंने दिखाया है कि हम थोड़ा शोरयुक्त वास्तविक डेटा बिंदुओं को एक रैखिक फलन से कैसे मॉडल कर सकते हैं।
रैखिक फलनों के बारे में आम गलतफहमियाँ
रैखिक फलनों के बारे में सोचते समय इन गलतियों से बचें:
- हर सीधा ग्राफ रैखिक नहीं होता। रेखाएँ समाप्त हो सकती हैं और कभी‑कभी दिशा भी बदलती हैं।
- वास्तविक जीवन पूर्णतः रैखिक नहीं होता। हम उसका सन्निकटन करते हैं।
- दर m और आरंभ b में स्पष्ट भेद रखें, क्योंकि ये पथ को अलग‑अलग अंदाज़ में आकार देते हैं।
रैखिक फलन पहचानने के सुझाव
किसी रैखिक फलन को पहचानने के लिए, ये बातों की जाँच करें:
- स्थिर परिवर्तन ढूँढें
- अनुपात नहीं, अंतरों की जाँच करें
- “प्रति इकाई” सोचें
- शोरयुक्त वास्तविक डेटा के साथ सावधानी रखें
निष्कर्ष
रैखिक फलन प्रारंभिक मान से स्थिर परिवर्तन दर के साथ सीधी‑रेखा संबंधों का मॉडल बनाते हैं। इसी संरचना के कारण इन्हें समझना सरल और लागू करना आसान है। आप इन्हें समीकरणों, ग्राफों और रोज़मर्रा की लागत या अनुमान समस्याओं में देखेंगे।
हमारे साथ सीखते रहें। मैं हमारे Introduction to Regression with statsmodels in Python पाठ्यक्रम की अनुशंसा करता/करती हूँ। इस पाठ्यक्रम में, आप देखेंगे कि प्रतिगमन जितना दिखता है, उससे अधिक लचीला है। रूपांतरणों का उपयोग करके, आप प्रतिगमन से रैखिक और गैर‑रैखिक दोनों संबंधों का मॉडल बना पाएँगे।
%22%3E%3Cpath%20d%3D%22m-369%200h408v79h-408z%22%20fill%3D%22%237933ff%22%2F%3E%3Cpath%20d%3D%22m-148%200h306v45h-306z%22%20fill%3D%22%23974dff%22%2F%3E%3C%2Fg%3E%3C%2Fsvg%3E)
%22%2F%3E%3C%2FclipPath%3E%3Cg%20clip-path%3D%22url(%23a)%22%3E%3Cpath%20d%3D%22m76%200h484v36h-484z%22%20fill%3D%22%23974dff%22%2F%3E%3Cpath%20d%3D%22m0%200h384v24h-384z%22%20fill%3D%22%2306bdfc%22%20transform%3D%22matrix(1%200%200%20-1%200%2060)%22%2F%3E%3C%2Fg%3E%3C%2Fsvg%3E)
अगर आपने कभी गणित की कक्षा ली है, तो बहुत संभव है कि आप शुरुआती दौर में ही रैखिक फलन से टकराए हों—मध्य विद्यालय के बीजगणित में या ग्राफ पेपर पर सीधी रेखाएँ खींचते हुए।
रैखिक फलन गणित में और उससे आगे हर जगह मिलते हैं। लेकिन बहुत लोगों को ये थोड़े कठिन लगते हैं। पेशेवर लोग भी कभी‑कभी समीकरणों के पीछे के “क्यों” को नज़रअंदाज़ कर देते हैं।
इस लेख में, मैं रैखिक फलनों का एक स्पष्ट, सहज ब्योरा दूँगा—ये कैसे काम करते हैं, कैसे लिखे जाते हैं, और इन्हें कैसे पहचाना जाए। अंत तक, आप इन्हें अप्रासंगिक अमूर्त नियमों की तरह नहीं, बल्कि स्थिर परिवर्तन को समझने के भरोसेमंद औज़ारों की तरह देखेंगे।
रैखिक फलनों के पीछे का मूल विचार
मूल रूप से, रैखिक फलन स्थिर और पूर्वानुमेय संबंधों के बारे में होते हैं।
मान लीजिए कि आप एक समान गति से चल रहे हैं। आप जितना‑जितना आगे कदम बढ़ाएँगे, उतनी ही दूरी तय करेंगे। यह निरंतर परिवर्तन दर ही वह स्रोत है जो किसी फलन को रैखिक बनाती है। जैसे‑जैसे इनपुट, जैसे समय या कदम, एक निश्चित मात्रा से बढ़ता है, आउटपुट, जैसे तय दूरी, भी उसी निश्चित मात्रा से बढ़ता है।
यही भरोसेमंदी रैखिक फलनों को उपयोगी बनाती है। इनके आउटपुट अचानक उछलते या मुड़ते नहीं—वे सीधे, भरोसेमंद ढंग से आगे बढ़ते हैं। जब आप ग्राफ पर प्लॉट करते हैं, तो एकदम सीधी रेखा बनती है, जैसे लेज़र बीम। यही सादगी हमें दुनिया का मॉडल बनाने में इन पर भरोसा करने देती है।
रैखिक फलन की एक सरल परिभाषा
अब जब सहज समझ बन गई है, तो इसे थोड़ी अधिक गणितीय औपचारिकता से सटीक करें। रैखिक फलन वह नियम है जो इनपुट को आउटपुट से मैप करता है, जहाँ आउटपुट में परिवर्तन हमेशा इनपुट में परिवर्तन के समानुपाती होता है। प्रतीकों में, यह अक्सर कुछ इस तरह लिखा जाता है:
हालाँकि, इस पर हम आगे बात करेंगे। यहाँ सबसे महत्वपूर्ण बात यह है कि इनपुट स्केल पर कहीं भी हों, आउटपुट एक स्थिर चाल से बढ़ता या घटता है।
सहज रूप से, इसे रैखिक इसलिए कहते हैं क्योंकि यह रेखाओं से जुड़ा है। यही बात रैखिक फलनों को गैर‑रैखिक फलनों से अलग करती है—जैसे द्विघात फलन जो इंद्रधनुष की तरह ऊपर की ओर मुड़ते हैं या घातीय फलन जो इनपुट बढ़ने पर तेज़ी से उछलते हैं।
रैखिक फलन का मानक रूप
अधिकांश रैखिक फलन अपना ढाँचा सीधे slope-intercept रूप में दिखाते हैं। यह इस तरह दिखता है:
यहाँ, x आपका इनपुट है—वह चर जिसे आप रखते हैं—और y आउटपुट। m ढाल (slope) है, जो फलन की परिवर्तन दर बताती है, यानी रेखा कितनी खड़ी ऊपर चढ़ती या नीचे उतरती है।
बड़ा m अधिक खड़ी ढाल दर्शाता है और नकारात्मक m नीचे की ओर इशारा करता है। फिर b है—y-अवच्छेद (y-intercept)—यानी जब x शून्य हो, तब का आउटपुट। y-अवच्छेद y-अक्ष पर आपका शुरुआती बिंदु तय करता है।
कई पुस्तकों में, m और b का निरूपण a और b, या m और p किया जा सकता है, पर अर्थ वही रहता है।
रैखिक फलन की परिवर्तन दर
इसे “ढाल” कहने से पहले, समझें कि इसका मतलब क्या है: “जब इनपुट एक इकाई बढ़ता है, तो आउटपुट कितना बदलता है?” यदि हर अतिरिक्त घंटे के काम पर आपको $20 अधिक मिलते हैं, तो दर $20 प्रति घंटा है—यानी एक स्थिर परिवर्तन। सकारात्मक दर का मतलब वृद्धि, और नकारात्मक का मतलब गिरावट—जैसे ठंडी होती पाई का तापमान लगातार कम होना।
यही दर रैखिकता की रीढ़ है—यह न तेज़ होती है, न रुककर रेंगती है। गणित की भाषा में हम इसे ढाल (हमारे मुख्य समीकरण में m) कहते हैं, पर अवधारणा वही है।
इस चित्र में, मैंने b को स्थिर रखते हुए m बदलकर रैखिक फलनों की अलग‑अलग स्थितियाँ दिखाने की कोशिश की है।
रैखिक फलन का प्रारंभिक मान
y-अवच्छेद b शून्य इनपुट पर आधारभूत आउटपुट है—इसे आप एक निश्चित सेटअप लागत की तरह समझ सकते हैं। यह फलन को एंकर करता है और दिखाता है कि परिवर्तन कैसे जुड़ते जाते हैं।
इस चित्र में मैंने m को 2 पर स्थिर रखते हुए b के मान बदले हैं।
ग्राफ पर रैखिक फलन कैसे दिखते हैं
स्थिर दर के कारण रैखिक फलनों के ग्राफ सीधी रेखाएँ होते हैं। दर m को समायोजित करें, तो रेखा अधिक खड़ी या सपाट होगी। प्रारंभिक मान b को बदलें, तो रेखा ऊपर‑नीचे खिसकती है, जबकि ढाल वही रहती है।
रैखिक फलनों के उदाहरण
हम रैखिक फलन को कई तरीकों से बता सकते हैं। संख्यात्मक रूप में, जैसे f(x) = 3x + 2। इसका अर्थ है कि x में प्रत्येक वृद्धि पर आउटपुट 3 से बढ़ता है, और जब x शून्य है, तब y का आरंभिक मान 2 है।
इसे अनौपचारिक रूप से भी कहा जा सकता है—जैसे किसी टैक्सी का किराया = $3 आधार किराया + $2 प्रति मील। एक निश्चित शुरुआत और उसके बाद स्थिर बढ़ोतरी।
रैखिक बनाम गैर‑रैखिक फलन
गैर‑रैखिक संबंध स्थिरता तोड़ते हैं क्योंकि दर बदलती रहती है और ग्राफ मुड़ते हैं। वास्तविक संबंध अक्सर छोटे दायरों में रैखिक के करीब होते हैं और आधाररेखा के रूप में उपयोगी होते हैं।
यह चित्र रैखिक और गैर‑रैखिक फलनों के कुछ उदाहरण बहुत अच्छी तरह दर्शाता है।
रैखिक फलन कहाँ‑कहाँ दिखते हैं
दुनिया को समझने के हमारे तरीकों का भरोसेमंद परिदृश्य रैखिक फलन ही हैं। वे बदलाव को स्थिर और मापनीय मानकर देखने का रास्ता खोलते हैं। भौतिकी में, वे बिना घर्षण की गति को सरल बनाते हैं; अर्थशास्त्र में, जटिलताओं से पहले लागत की आधाररेखा तय करते हैं।
विभिन्न क्षेत्रों में ये सरलीकरण के रूप में काम आते हैं, क्योंकि वास्तविक‑दुनिया के आँकड़ों में अक्सर लगभग‑रैखिक या स्थानीय‑रैखिक संबंध होते हैं। जीवविज्ञान में संकीर्ण दायरों में एंज़ाइम दरों को रैखिक माना जा सकता है, और अभियांत्रिकी में पदार्थों के तनाव‑विकृति संबंध को रैखिक किया जाता है। एक बार ध्यान से देखें, तो स्थिर परिवर्तन सर्वव्यापी है—इसीलिए ये भी।
रैखिक फलन और रैखिक प्रतिगमन
रैखिक प्रतिगमन आँकड़ों का उपयोग करके सर्वश्रेष्ठ उपयुक्त सीधी रेखा, यानी एक रैखिक फलन, फिट करता है। मूल रूप से यह ऊपर बताए समीकरण के m और b का आकलन करता है ताकि प्रेक्षणों के साथ सबसे उपयुक्त रेखा मिल सके। यह बिखरे वास्तविक डेटा में प्रवृत्ति का एक सन्निकटन है, पूर्णता नहीं।
इस चित्रण में, मैंने दिखाया है कि हम थोड़ा शोरयुक्त वास्तविक डेटा बिंदुओं को एक रैखिक फलन से कैसे मॉडल कर सकते हैं।
रैखिक फलनों के बारे में आम गलतफहमियाँ
रैखिक फलनों के बारे में सोचते समय इन गलतियों से बचें:
रैखिक फलन पहचानने के सुझाव
किसी रैखिक फलन को पहचानने के लिए, ये बातों की जाँच करें:
निष्कर्ष
रैखिक फलन प्रारंभिक मान से स्थिर परिवर्तन दर के साथ सीधी‑रेखा संबंधों का मॉडल बनाते हैं। इसी संरचना के कारण इन्हें समझना सरल और लागू करना आसान है। आप इन्हें समीकरणों, ग्राफों और रोज़मर्रा की लागत या अनुमान समस्याओं में देखेंगे।
हमारे साथ सीखते रहें। मैं हमारे Introduction to Regression with statsmodels in Python पाठ्यक्रम की अनुशंसा करता/करती हूँ। इस पाठ्यक्रम में, आप देखेंगे कि प्रतिगमन जितना दिखता है, उससे अधिक लचीला है। रूपांतरणों का उपयोग करके, आप प्रतिगमन से रैखिक और गैर‑रैखिक दोनों संबंधों का मॉडल बना पाएँगे।