قرینهٔ یک ماتریس: ماتریسی که از ضرب (-1) در ماتریس A بهدست میآید
تعریف و نمادگذاری ماتریس قرینه
فرض کنید A یک ماتریس با ابعاد $ m \times n $ باشد (یعنی $ m $ سطر و $ n $ ستون). قرینهٔ ماتریس A، ماتریسی است که با ضرب عدد -1 در هر یک از درایههای A به دست میآید و آن را با $ -A $ نشان میدهند. به عبارت دیگر، اگر $ a_{ij} $ درایهٔ واقع در سطر i و ستون j ماتریس A باشد، آنگاه درایهٔ متناظر در ماتریس $ -A $ برابر با $ -a_{ij} $ خواهد بود.
مثال گامبهگام: فرض کنید ماتریس A به صورت زیر باشد:
برای یافتن $ -A $ هر درایه را در -1 ضرب میکنیم:
- درایه (1,1): $ 2 \times (-1) = -2 $
- درایه (1,2): $ -3 \times (-1) = 3 $
- درایه (2,1): $ 4 \times (-1) = -4 $
- درایه (2,2): $ 5 \times (-1) = -5 $
بنابراین:
ویژگیهای اصلی ماتریس قرینه
ماتریس قرینه دارای ویژگیهای مهمی است که در محاسبات ماتریسی کاربرد فراوانی دارند. در ادامه به مهمترین این ویژگیها اشاره میکنیم:
| ویژگی | بیان ریاضی | توضیح |
|---|---|---|
| قرینهٔ قرینه | $ -(-A) = A $ | اگر از ماتریس قرینه، دوباره قرینه بگیریم، ماتریس اصلی به دست میآید. |
| جمع با قرینه | $ A + (-A) = 0 $ | هر ماتریس با قرینهٔ خودش جمع شود، ماتریس صفر1 حاصل میشود. |
| ضرب اسکالر | $ c(-A) = (-c)A = -(cA) $ | ضرب یک عدد حقیقی در قرینهٔ ماتریس با ضرب قرینهٔ آن عدد در ماتریس برابر است. |
روش عملی محاسبه و مثالهای عینی
فرض کنید در یک مسئلهٔ اقتصادی، ماتریس سود فروشگاهها در سه ماههٔ اول سال به صورت زیر است (سطرهای فروشگاههای مختلف و ستونهای ماههای فروردین، اردیبهشت و خرداد):
اگر بخواهیم ماتریس زیان (یعنی قرینهٔ سود) را محاسبه کنیم، کافی است همهٔ درایهها را در -1 ضرب کنیم:
اکنون اگر سود و زیان را با هم جمع کنیم، ماتریس صفر به دست میآید:
این مثال نشان میدهد که مفهوم قرینه در مسائل کاربردی مانند محاسبه سود و زیان یا دماهای مثبت و منفی به سادگی قابل درک است.
تفاوت ماتریس قرینه با ماتریس صفر و ماتریس منفی
گاهی دانشآموزان ماتریس قرینه را با ماتریس صفر یا ماتریسهای دارای درایههای منفی اشتباه میگیرند. جدول زیر تفاوتهای کلیدی را نشان میدهد:
| نوع ماتریس | نماد | شرط | مثال |
|---|---|---|---|
| ماتریس قرینه | $ -A $ | هر درایه قرینهٔ درایهٔ متناظر در A است | $ A=\begin{bmatrix}1\\2\end{bmatrix}, -A=\begin{bmatrix}-1\\-2\end{bmatrix} $ |
| ماتریس صفر | $ 0 $ یا $ 0_{m \times n} $ | همهٔ درایهها صفر هستند | $ 0_{2 \times 2} = \begin{bmatrix}0&0\\0&0\end{bmatrix} $ |
| ماتریس منفی (دارای درایه منفی) | فاقد نماد خاص | حداقل یک درایه منفی دارد اما لزوماً قرینهٔ ماتریس دیگر نیست | $ B=\begin{bmatrix}-1&3\\2&-4\end{bmatrix} $ |
چالشهای مفهومی
خیر. اگر ماتریس A برابر با ماتریس صفر باشد، آنگاه $ -A = 0 $ نیز خواهد بود، بنابراین $ -A = A $. همچنین اگر ماتریسی متقارن قرینه2 باشد (یعنی $ A = -A $) آنگاه تمام درایههای آن باید صفر باشند. بنابراین تنها ماتریس صفر با قرینهٔ خود برابر است.
خیر. ضرب اسکالر در ماتریس خاصیت جابهجایی دارد. یعنی $ (-1) \times A = A \times (-1) $. همچنین برای هر عدد حقیقی c داریم $ c(-A) = (-c)A = -(cA) $.
خیر. برای دو ماتریس A و B با ابعاد مناسب داریم: $ -(AB) = (-A)B = A(-B) $. اما به طور کلی $ (-A)(-B) = AB $، نه $ -(AB) $.
کاربرد در حل معادلات ماتریسی
یکی از کاربردهای مهم ماتریس قرینه، حل معادلات ماتریسی ساده است. معادله $ A + X = B $ را در نظر بگیرید. برای یافتن ماتریس مجهول X کافی است از دو طرف معادله، ماتریس A را کم کنیم:
مثال عددی: اگر $ A = \begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix} $ و $ B = \begin{bmatrix} 5 & 6 \\ 7 & 8 \end{bmatrix} $ باشد، آنگاه:
پاورقی
2 ماتریس متقارن قرینه (Skew-Symmetric Matrix): ماتریسی که ترانهادهٔ آن با قرینهٔ خودش برابر باشد؛ یعنی $ A^T = -A $. در چنین ماتریسی درایههای قطر اصلی همیشه صفر هستند.