قضیهٔ یکتایی وارون ماتریس: چرا یک ماتریس وارونپذیر نمیتواند دو وارون متفاوت داشته باشد؟
۱. مفهوم وارون ماتریس و پیشنیازهای آن
در جبر خطی، برای یک ماتریس مربعی A از مرتبه n \times n، اگر ماتریسی مانند B با همان ابعاد وجود داشته باشد به طوری که حاصل ضرب A \times B = I_n و همچنین B \times A = I_n شود، آنگاه B را وارون ماتریس A مینامیم و آن را با A^{-1} نمایش میدهیم. در اینجا I_n همان ماتریس همانی1 است که در قطر اصلی آن 1 و بقیه درایهها 0 میباشند.
تنها ماتریسهای مربعی که دترمینان2 آنها غیرصفر باشد، وارونپذیر هستند. به عبارت دیگر، شرط لازم و کافی برای وجود وارون این است که \det(A) \neq 0. برای نمونه، ماتریس زیر را در نظر بگیرید:
$A = \begin{bmatrix} 2 & 3 \\ 1 & 4 \end{bmatrix}$
دترمینان این ماتریس برابر است با:
$\det(A) = (2)(4) - (3)(1) = 8 - 3 = 5 \neq 0$
بنابراین A وارونپذیر است. وارون آن به صورت زیر محاسبه میشود:
$A^{-1} = \frac{1}{5} \begin{bmatrix} 4 & -3 \\ -1 & 2 \end{bmatrix} = \begin{bmatrix} 0.8 & -0.6 \\ -0.2 & 0.4 \end{bmatrix}$
۲. اثبات یکتایی وارون (برهان خلف گامبهگام)
برای اثبات اینکه وارون یک ماتریس در صورت وجود حتماً منحصربهفرد است، از روش برهان خلف استفاده میکنیم. فرض میکنیم برخلاف ادعا، ماتریس A دو وارون متفاوت B و C داشته باشد. یعنی هر دو در تعریف وارون صدق میکنند:
$A \times C = C \times A = I_n$
حال با استفاده از شرکتپذیری ضرب ماتریسها3، تساوی زیر را مینویسیم:
از آنجا که ضرب ماتریس شرکتپذیر است، پرانتز را جابهجا میکنیم:
$B = (B \times A) \times C$
اما میدانیم $B \times A = I_n$، پس:
$B = I_n \times C = C$
نتیجه میگیریم $B = C$ که با فرض اولیه (متفاوت بودن B و C) در تناقض است. بنابراین چنین فرضی محال است و وارون ماتریس A در صورت وجود، یکتا خواهد بود. این اثبات، ساده و مستقل از مرتبه ماتریس است و برای هر ماتریس مربعی وارونپذیری معتبر میباشد.
۳. جدول مقایسه: ماتریسهای وارونپذیر در برابر ماتریسهای بدون وارون
| ویژگی | ماتریس وارونپذیر (نامنفرد) | ماتریس غیروارونپذیر (نفرد) |
|---|---|---|
| دترمینان | $\det(A) \neq 0$ | $\det(A) = 0$ |
| تعداد وارونها | دقیقاً یک وارون (یکتا) | وارون وجود ندارد |
| معادله $A X = I$ | جواب یکتا دارد ($X = A^{-1}$) | یا بدون جواب یا بینهایت جواب |
| ردیفها (سطرها) | همهٔ سطرها مستقل خطی4 هستند | دستکم یک سطر ترکیب خطی از سایر سطرهاست |
۴. کاربرد عملی: حل دستگاه معادلات خطی با وارون یکتا
یکی از مهمترین کاربردهای وارون ماتریس، حل دستگاه معادلات خطی است. فرض کنید دستگاه $A X = B$ را داریم که در آن $A$ ماتریس ضرایب (مربعی و وارونپذیر)، $X$ بردار مجهولات و $B$ بردار ثابتها است. با ضرب دو طرف در $A^{-1}$ از سمت چپ داریم:
از آنجا که وارون $A$ یکتاست، جواب دستگاه نیز یکتا خواهد بود. برای نمونه، دستگاه زیر را در نظر بگیرید:
به فرم ماتریسی: $A = \begin{bmatrix} 2 & 3 \\ 1 & 4 \end{bmatrix}, X = \begin{bmatrix} x \\ y \end{bmatrix}, B = \begin{bmatrix} 8 \\ 9 \end{bmatrix}$
وارون $A$ را پیشتر محاسبه کردیم: $A^{-1} = \begin{bmatrix} 0.8 & -0.6 \\ -0.2 & 0.4 \end{bmatrix}$
بنابراین:
$X = A^{-1} B = \begin{bmatrix} 0.8 & -0.6 \\ -0.2 & 0.4 \end{bmatrix} \begin{bmatrix} 8 \\ 9 \end{bmatrix} = \begin{bmatrix} (0.8)(8)+(-0.6)(9) \\ (-0.2)(8)+(0.4)(9) \end{bmatrix} = \begin{bmatrix} 6.4 - 5.4 \\ -1.6 + 3.6 \end{bmatrix} = \begin{bmatrix} 1 \\ 2 \end{bmatrix}$
یعنی $x = 1$ و $y = 2$. این جواب یکتاست و اگر از روش دیگری مانند حذف گاوسی نیز استفاده کنیم، به همان نتیجه میرسیم که نشاندهندهٔ یکتایی وارون است.
۵. چالشهای مفهومی
پاسخ: خیر. برای ماتریسهای مربعی، اگر $A B = I_n$ آنگاه لزوماً $B A = I_n$ نیز برقرار است و $B$ همان وارون یکتاست. برای ماتریسهای غیرمربعی، مفهوم وارون دوطرفه تعریف نمیشود.
پاسخ: خیر. اثبات ارائه شده تنها از شرکتپذیری ضرب ماتریس و وجود ماتریس همانی استفاده میکند و برای هر مرتبه $n \times n$ معتبر است.
پاسخ: بله، برای ماتریسهای نفرد میتوان وارون تعمیمیافته5 تعریف کرد، اما آن وارون معمولی (دوسویه) نیست و شرط $A X = I$ و $X A = I$ را همزمان برآورده نمیکند. قضیه یکتایی فقط برای وارون حقیقی (دوسویه) صادق است.
پاورقی
1 ماتریس همانی (Identity Matrix): ماتریس مربعی با قطر اصلی پر از عدد 1 و سایر درایهها 0 که نقش عنصر خنثی در ضرب ماتریس را دارد.
2 دترمینان (Determinant): عددی که از درایههای یک ماتریس مربعی محاسبه میشود و شرط وارونپذیری، غیرصفر بودن آن است.
3 شرکتپذیری ضرب ماتریس (Associativity of Matrix Multiplication): برای هر سه ماتریس $A, B, C$ با ابعاد مناسب، همواره $(AB)C = A(BC)$ برقرار است.
4 استقلال خطی (Linear Independence): مجموعهای از بردارها (یا سطرهای ماتریس) مستقل خطی هستند اگر هیچیک را نتوان به صورت ترکیب خطی بقیه نوشت.
5 وارون تعمیمیافته (Generalized Inverse): نوعی شبهوارون برای ماتریسهای نفرد که معمولاً فقط یکی از دو شرط $A X A = A$ یا $X A X = X$ را برآورده میکند.