خاصیت جابه‌جایی در ضرب ماتریس‌ها: در حالت کلی A×B لزوماً برابر B×A نیست.

بروزرسانی شده در: 20:22 1405/01/31 مشاهده: 123 دسته بندی: کپسول آموزشی

خاصیت جابه‌جایی در ضرب ماتریس‌ها: چرا A×B لزوماً برابر B×A نیست؟

بررسی گام‌به‌گام مفهوم جابه‌جایی، شرط هم‌بعدی، مثال‌های عددی و کاربرد عملی در پردازش تصویر

در این مقاله با خاصیت جابه‌جایی در ضرب ماتریس‌ها آشنا می‌شوید. برخلاف اعداد معمولی، در دنیای ماتریس‌ها معمولاً A×B با B×A برابر نیست. بررسی می‌کنیم که شرط هم‌بعدی¹ چه نقشی دارد، ضرب ماتریس‌ها چگونه تعریف می‌شود و چه دسته‌هایی از ماتریس‌ها (مانند ماتریس قطری²) دارای خاصیت جابه‌جایی هستند. همچنین با مثال‌های عددی و جدول مقایسه، درک عمیقی از این ویژگی مهم جبر خطی به دست خواهید آورد.

تعریف ضرب ماتریس و تفاوت آن با ضرب اعداد

در ریاضیات دبیرستان با خاصیت جابه‌جایی اعداد حقیقی آشنا شده‌اید: به ازای هر دو عدد مانند a و b همواره a × b = b × a. اما در ضرب ماتریس‌ها، این قاعده به کلی تغییر می‌کند. دلیل اصلی در نحوه تعریف ضرب ماتریس نهفته است. برای ضرب دو ماتریس، تعداد ستون‌های ماتریس اول باید با تعداد سطرهای ماتریس دوم برابر باشد. حاصل ضرب نیز یک ماتریس جدید با ابعادی متفاوت خواهد بود. به همین دلیل، حتی اگر هر دو ضرب A×B و B×A قابل تعریف باشند (که نیازمند ماتریس‌های مربعی هم‌بعد است)، حاصل عددی یکسان نخواهد بود.

برای نمونه، یک مثال عملی ساده را در نظر بگیرید: فرض کنید ماتریس A اطلاعات دما در دو نقطه مختلف را در سه روز نشان می‌دهد (ابعاد 2×3) و ماتریس B ضرایب تبدیل دما به انرژی را در خود دارد (ابعاد 3×2). حاصل ضرب A×B یک ماتریس 2×2 است، اما B×A اصلاً قابل محاسبه نیست زیرا تعداد ستون‌های B (2) با تعداد سطرهای A (2) برابر است اما تعداد ستون‌های A (3) با تعداد سطرهای B (3) برابری نمی‌کند! این نشان می‌دهد که جابه‌جایی در ضرب ماتریس یک استثناست نه یک قاعده.

$ (A \times B)_{ij} = \sum_{k=1}^{n} A_{ik} \cdot B_{kj} $ که در آن $n$ تعداد ستون‌های $A$ (و برابر با تعداد سطرهای $B$) است.

مقایسه رفتار ضرب ماتریس با ضرب اعداد حقیقی

ویژگی	در اعداد حقیقی	در ماتریس‌ها (حالت کلی)
جابه‌جایی	همیشه برقرار است: a×b = b×a	به ندرت برقرار است؛ معمولاً A×B ≠ B×A
شرط انجام عملیات	همیشه (همه اعداد)	تعداد ستون‌های ماتریس اول = تعداد سطرهای ماتریس دوم
ابعاد حاصل	یک عدد (ابعاد 1×1)	(تعداد سطرهای ماتریس اول) × (تعداد ستون‌های ماتریس دوم)

مثال‌های عددی برای درک ناجابه‌جایی

دو ماتریس مربعی 2×2 زیر را در نظر بگیرید:

$ A = \begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix} $ و $ B = \begin{bmatrix} 0 & 1 \\ 1 & 0 \end{bmatrix} $

ابتدا A×B را محاسبه می‌کنیم:

$ A \times B = \begin{bmatrix} (1\cdot0 + 2\cdot1) & (1\cdot1 + 2\cdot0) \\ (3\cdot0 + 4\cdot1) & (3\cdot1 + 4\cdot0) \end{bmatrix} = \begin{bmatrix} 2 & 1 \\ 4 & 3 \end{bmatrix} $

حال B×A را محاسبه می‌کنیم:

$ B \times A = \begin{bmatrix} (0\cdot1 + 1\cdot3) & (0\cdot2 + 1\cdot4) \\ (1\cdot1 + 0\cdot3) & (1\cdot2 + 0\cdot4) \end{bmatrix} = \begin{bmatrix} 3 & 4 \\ 1 & 2 \end{bmatrix} $

به وضوح می‌بینید که $A \times B \neq B \times A$. این مثال ساده نشان می‌دهد که حتی برای ماتریس‌های مربعی هم‌بعد، جابه‌جایی برقرار نیست. در واقع، تنها ماتریس‌های خاصی مانند ماتریس‌های قطری² یا ماتریس اسکالر³ (ضرب یک عدد ثابت در ماتریس همانی) با هر ماتریس دیگری جابه‌جا می‌شوند.

کاربرد عملی: در گرافیک کامپیوتری و پردازش تصویر، ترتیب اعمال تبدیلات (چرخش، انتقال، مقیاس) روی یک تصویر بسیار مهم است. مثلاً چرخش 90 درجه و سپس انتقال تصویر با انتقال و سپس چرخش آن تفاوت کامل دارد. هر تبدیل با یک ماتریس نمایش داده می‌شود و عدم جابه‌جایی در ضرب ماتریس دقیقاً همین مفهوم را منعکس می‌کند.

چالش‌های مفهومی

پرسش ۱: آیا همیشه A×B و B×A هر دو قابل محاسبه نیستند؟ چه زمانی هر دو ضرب معنا دارند؟
پاسخ: خیر. برای اینکه هر دو ضرب A×B و B×A تعریف شوند، باید ماتریس A از بعد m×n و ماتریس B از بعد n×m باشد. در این صورت A×B بعد m×m و B×A بعد n×n خواهد داشت. برای مقایسه مستقیم (برابری) باید m = n باشد؛ یعنی ماتریس‌ها مربعی و هم‌بعد باشند.

پرسش ۲: آیا ماتریس همانی⁴ با هر ماتریس دیگری جابه‌جا می‌شود؟
پاسخ: بله. اگر I ماتریس همانی (قطری با قطر یک) و A هر ماتریس مربعی هم‌بعد باشد، آنگاه A×I = I×A = A. بنابراین ماتریس همانی نقش «عکس‌العمل خنثی» را دارد و خاصیت جابه‌جایی با هر ماتریسی را دارد.

پرسش ۳: اگر A×B = B×A باشد، چه نتیجه‌ای درباره ماتریس‌ها می‌توان گرفت؟
پاسخ: به چنین ماتریس‌هایی «جابه‌جا شونده» یا هم‌قطر شونده می‌گویند. یک شرط کافی (اما نه لازم) این است که هر دو ماتریس قطری باشند. همچنین اگر هر دو ماتریس متقارن و یک شکل باشند یا یکی از آنها ماتریس اسکالر باشد، جابه‌جایی برقرار است. در حالت کلی، دو ماتریس جابه‌جا شونده لزوماً پایه‌های ویژه⁵ مشترکی دارند.

جمع‌بندی

در این مقاله آموختیم که ضرب ماتریس‌ها برخلاف ضرب اعداد حقیقی، خاصیت جابه‌جایی عمومی ندارد. برای اینکه حاصل ضرب دو ماتریس تعریف شود، باید تعداد ستون‌های ماتریس اول با تعداد سطرهای ماتریس دوم برابر باشد. حتی زمانی که هر دو ضرب A×B و B×A قابل محاسبه هستند (ماتریس‌های مربعی هم‌بعد)، اغلب نتایج متفاوتی به دست می‌آید. تنها دسته‌های خاصی مانند ماتریس‌های قطری، ماتریس اسکالر و ماتریس همانی با سایر ماتریس‌ها جابه‌جا می‌شوند. درک این ویژگی در علوم رایانه، فیزیک و اقتصاد اهمیت زیادی دارد، زیرا ترتیب عملیات در سیستم‌های خطی نتیجه نهایی را تعیین می‌کند.

پاورقی

¹ هم‌بعدی (Conformability): شرطی در ضرب ماتریس که بر اساس آن تعداد ستون‌های ماتریس اول باید با تعداد سطرهای ماتریس دوم برابر باشد تا عمل ضرب امکان‌پذیر گردد.

² ماتریس قطری (Diagonal Matrix): ماتریس مربعی که در آن همه درایه‌های خارج از قطر اصلی صفر هستند. قطر اصلی می‌تواند مقادیر غیرصفر داشته باشد.

³ ماتریس اسکالر (Scalar Matrix): ماتریس قطری که همه درایه‌های روی قطر اصلی آن با یک عدد ثابت (اسکالر) برابر هستند. این ماتریس حاصل ضرب یک اسکالر در ماتریس همانی است.

⁴ ماتریس همانی (Identity Matrix): ماتریس مربعی که درایه‌های قطر اصلی آن 1 و بقیه درایه‌ها 0 است. این ماتریس نقش عنصر خنثی در ضرب ماتریس را دارد.

⁵ پایه‌های ویژه (Eigenbasis): مجموعه‌ای از بردارهای ویژه^* که یک فضای برداری را پوشش می‌دهند. دو ماتریس جابه‌جا شونده معمولاً می‌توانند هم‌زمان به صورت قطری در یک پایه ویژه نمایش داده شوند.
^* بردار ویژه (Eigenvector): بردار ناصفری که پس از ضرب در ماتریس، تنها در مقیاس تغییر می‌کند (جهت آن ثابت می‌ماند).

```