1. परिचय
रैखिक बीजगणित का अध्ययन करते समय, आपका सामना कई सुंदर प्रमेयों और सूत्रों से होता है। उनमें से, कैली-हैमिल्टन प्रमेय (Cayley-Hamilton theorem) सबसे अद्भुत परिणामों में से एक है, जो पहली नज़र में लगभग जादू जैसा लगता है।
संक्षेप में, यह प्रमेय कहता है कि “प्रत्येक वर्गाकार मैट्रिक्स अपने स्वयं के विशेषता समीकरण को संतुष्ट करता है।” विशेषता समीकरण एक बीजगणितीय समीकरण है जिसे किसी मैट्रिक्स के आइगेनमान (eigenvalues) खोजने के लिए हल किया जाता है। प्रमेय यह आश्चर्यजनक दावा करता है कि इस समीकरण के चर में मैट्रिक्स को प्रतिस्थापित करने पर शून्य मैट्रिक्स प्राप्त होता है। यह एक आकर्षक घटना है कि संख्याओं की एक व्यवस्था—एक मैट्रिक्स—अपने स्वयं के गुणों से प्राप्त बहुपद का मूल है।
इस लेख में, हम कैली-हैमिल्टन प्रमेय के बारे में विस्तार से बताएंगे, मूलभूत अवधारणाओं की समीक्षा से लेकर इसके सहज अर्थ, कठोर प्रमाण और मैट्रिक्स की घात और व्युत्क्रम (inverse) की गणना में व्यावहारिक अनुप्रयोगों तक, वो भी प्रचुर मात्रा में ठोस उदाहरणों के साथ।
2. रैखिक बीजगणित में स्थिति और महत्व
रैखिक बीजगणित आज गणित और भौतिकी से लेकर इंजीनियरिंग, मशीन लर्निंग और डेटा विज्ञान तक कई क्षेत्रों के लिए एक मूलभूत विषय है। इनमें रैखिक मानचित्रण का प्रतिनिधित्व करने के लिए मैट्रिक्स शक्तिशाली उपकरण हैं।
कैली-हैमिल्टन प्रमेय मैट्रिक्स के बीजगणितीय गुणों को गहराई से समझने की कुंजी है। यह उच्च-घात वाले मैट्रिक्स बहुपदों को निम्न-घात वाले बहुपदों में कम करना संभव बनाता है, जो अनंत-आयामी स्थानों से परिमित-आयामी स्थानों तक एक पुल के रूप में कार्य करता है। यह अक्सर व्यावहारिक परिदृश्यों में प्रकट होता है, जैसे नियंत्रण सिद्धांत में नियंत्रणीयता और अवलोकनशीलता का विश्लेषण करना, और क्वांटम यांत्रिकी में ऑपरेटरों की गणना करना।
3. विशेषता समीकरण और आइगेनमान की समीक्षा
प्रमेय को समझने के लिए, आइए पहले विशेषता समीकरण (characteristic equation) और आइगेनमान (eigenvalues) की अवधारणाओं की समीक्षा करें।
एक \(n \times n\) वर्गाकार मैट्रिक्स \(A\) के लिए, यदि एक अदिश (scalar) \(\lambda\) और एक गैर-शून्य सदिश (vector) \(\mathbf{x}\) मौजूद है जो निम्नलिखित संबंध को संतुष्ट करता है, तो \(\lambda\) को मैट्रिक्स \(A\) का आइगेनमान कहा जाता है, और \(\mathbf{x}\) को आइगेनवेक्टर (eigenvector) कहा जाता है।
\[ A \mathbf{x} = \lambda \mathbf{x} \]इस समीकरण का अर्थ है कि सदिश \(\mathbf{x}\) को मैट्रिक्स \(A\) से गुणा करने का परिणाम केवल \(\mathbf{x}\) सदिश है जिसे \(\lambda\) द्वारा स्केल किया गया है। आइए इस समीकरण को थोड़ा पुनर्व्यवस्थित करें। मान लीजिए \(I\), \(n \times n\) पहचान मैट्रिक्स (identity matrix) है।
\[ (\lambda I - A) \mathbf{x} = \mathbf{0} \]सदिश \(\mathbf{x}\) के गैर-शून्य (गैर-तुच्छ) समाधान होने के लिए आवश्यक और पर्याप्त शर्त यह है कि गुणांक मैट्रिक्स \((\lambda I - A)\) व्युत्क्रमणीय (invertible) न हो, जिसका अर्थ है कि इसका सारणिक (determinant) शून्य होना चाहिए।
\[ \det(\lambda I - A) = 0 \]इस समीकरण को मैट्रिक्स \(A\) का विशेषता समीकरण कहा जाता है। इसके अलावा, बाईं ओर के बहुपद \(p(\lambda) = \det(\lambda I - A)\) को विशेषता बहुपद (characteristic polynomial) कहा जाता है। सारणिक की परिभाषा के अनुसार, \(p(\lambda)\), \(\lambda\) के संदर्भ में \(n\)-वीं घात का एक बहुपद है।
\[ p(\lambda) = \lambda^n + c_{n-1}\lambda^{n-1} + \dots + c_1\lambda + c_0 \]यहां, यह ज्ञात है कि \(c_{n-1} = -\text{tr}(A)\) (ट्रेस का ऋणात्मक) और \(c_0 = (-1)^n \det(A)\)।
4. कैली-हैमिल्टन प्रमेय का कथन
अब हम कैली-हैमिल्टन प्रमेय के मूल में आते हैं। प्रमेय का कथन बहुत सरल लेकिन गहरा है।
\[ p(A) = A^n + c_{n-1}A^{n-1} + \dots + c_1 A + c_0 I = O \]सत्य है।
यहां ध्यान देने योग्य एक महत्वपूर्ण बिंदु यह है कि स्थिर पद \(c_0\), मैट्रिक्स बहुपद में \(c_0 I\) (पहचान मैट्रिक्स का एक अदिश गुणज) बन जाता है। चूंकि आप सीधे एक अदिश और एक मैट्रिक्स नहीं जोड़ सकते, इसलिए इसे पहचान मैट्रिक्स से गुणा किया जाना चाहिए।
graph TD
A["वर्गाकार मैट्रिक्स A"] --> B["विशेषता बहुपद p(λ) की गणना करें"]
B --> C["λ = A प्रतिस्थापित करें"]
C -->|"प्रमेय लागू करें"| D["शून्य मैट्रिक्स O प्राप्त होता है"]
5. 2x2 मैट्रिक्स के साथ ठोस उदाहरण और गणना
अमूर्त परिभाषाओं को समझना कठिन हो सकता है, इसलिए आइए सबसे परिचित मामले: एक \(2 \times 2\) वर्गाकार मैट्रिक्स के लिए इसकी ठोस रूप से गणना करके प्रमेय को सत्यापित करें।
आइए एक सामान्य मैट्रिक्स \(A\) को निम्नानुसार परिभाषित करें:
\[ A = \begin{pmatrix} a & b \\ c & d \end{pmatrix} \]सबसे पहले, हम विशेषता बहुपद \(p(\lambda)\) की गणना करते हैं।
\[ \begin{aligned} p(\lambda) &= \det(\lambda I - A) \\ &= \det \begin{pmatrix} \lambda - a & -b \\ -c & \lambda - d \end{pmatrix} \\ &= (\lambda - a)(\lambda - d) - (-b)(-c) \\ &= \lambda^2 - (a + d)\lambda + (ad - bc) \end{aligned} \]यहां, \(a + d\) मैट्रिक्स \(A\) का ट्रेस (trace) है, और \(ad - bc\) मैट्रिक्स \(A\) का सारणिक (determinant) है। उन्हें क्रमशः \(\text{tr}(A)\) और \(\det(A)\) के रूप में दर्शाते हुए, विशेषता समीकरण बन जाता है:
\[ p(\lambda) = \lambda^2 - \text{tr}(A)\lambda + \det(A) \]कैली-हैमिल्टन प्रमेय का दावा है कि इसमें \(\lambda = A\) को प्रतिस्थापित करने पर शून्य मैट्रिक्स प्राप्त होता है, जिसका अर्थ है कि निम्नलिखित समीकरण सत्य है:
\[ A^2 - \text{tr}(A)A + \det(A)I = O \]यह \(2 \times 2\) मैट्रिक्स संस्करण के लिए मानक सूत्र है जो अक्सर हाई स्कूल के गणित में दिखाई देता है। आइए इसे सत्यापित करने के लिए वास्तव में घटकों की गणना करें।
\[ A^2 = \begin{pmatrix} a & b \\ c & d \end{pmatrix} \begin{pmatrix} a & b \\ c & d \end{pmatrix} = \begin{pmatrix} a^2 + bc & ab + bd \\ ac + cd & bc + d^2 \end{pmatrix} \]समीकरण के बाईं ओर के साथ जारी रखते हुए:
\[ \begin{aligned} & A^2 - (a+d)A + (ad-bc)I \\ &= \begin{pmatrix} a^2 + bc & ab + bd \\ ac + cd & bc + d^2 \end{pmatrix} - \begin{pmatrix} a^2 + ad & ab + bd \\ ac + cd & ad + d^2 \end{pmatrix} + \begin{pmatrix} ad - bc & 0 \\ 0 & ad - bc \end{pmatrix} \\ &= \begin{pmatrix} a^2 + bc - a^2 - ad + ad - bc & ab + bd - ab - bd + 0 \\ ac + cd - ac - cd + 0 & bc + d^2 - ad - d^2 + ad - bc \end{pmatrix} \\ &= \begin{pmatrix} 0 & 0 \\ 0 & 0 \end{pmatrix} = O \end{aligned} \]प्रत्येक घटक पूरी तरह से रद्द हो जाता है, जिसके परिणामस्वरूप वास्तव में शून्य मैट्रिक्स प्राप्त होता है!
6. सहज समझ और सामान्य गलतफहमियां
जब लोग पहली बार कैली-हैमिल्टन प्रमेय का सामना करते हैं, तो एक सामान्य गलतफहमी होती है जिसमें वे अक्सर पड़ जाते हैं।
गलत प्रमाण का उदाहरण: विशेषता बहुपद \(p(\lambda) = \det(\lambda I - A)\) है। इसलिए, क्योंकि \(p(A)\), \(\lambda\) में \(A\) को प्रतिस्थापित करके प्राप्त किया जाता है, \(p(A) = \det(A I - A) = \det(A - A) = \det(O) = 0\)। इस प्रकार, प्रमेय सिद्ध होता है।
यह तर्क पूरी तरह से गलत है। ऐसा इसलिए है क्योंकि \(p(\lambda)\) एक फलन है जो एक “अदिश मान” (एक बहुपद) आउटपुट करता है, जबकि \(\lambda\) में मैट्रिक्स को प्रतिस्थापित करने की संक्रिया \(p(A)\), बहुपद के प्रत्येक पद में \(A\) को प्रतिस्थापित करके एक “मैट्रिक्स” बनाने में शामिल है। दूसरी ओर, उपरोक्त गलत प्रमाण एक अदिश \(0\) प्राप्त करने के लिए सीधे सारणिक के अंदर मैट्रिक्स \(A\) को प्रतिस्थापित करता है, जिससे असंगत प्रकार मिश्रित हो जाते हैं (बाईं ओर मैट्रिक्स और दाईं ओर अदिश)।
सहज रूप से, इसे समझना आसान है यदि हम उस मामले पर विचार करें जहां मैट्रिक्स \(A\) विकर्णीय (diagonalizable) है। मान लीजिए कि मैट्रिक्स \(A\) को \(A = P D P^{-1}\) के रूप में विकर्णित किया जा सकता है (जहां \(D\) एक विकर्ण मैट्रिक्स है जिसके मुख्य विकर्ण पर आइगेनमान \(\lambda_1, \dots, \lambda_n\) हैं)।
\[ p(A) = p(P D P^{-1}) = P p(D) P^{-1} \]विकर्ण मैट्रिक्स का बहुपद केवल विकर्ण के प्रत्येक घटक पर बहुपद को लागू करने से बनता है:
\[ p(D) = \begin{pmatrix} p(\lambda_1) & & 0 \\ & \ddots & \\ 0 & & p(\lambda_n) \end{pmatrix} \]विशेषता बहुपद की परिभाषा के अनुसार, प्रत्येक आइगेनमान \(\lambda_i\), \(p(\lambda_i) = 0\) को संतुष्ट करता है। इसलिए, \(p(D)\) शून्य मैट्रिक्स बन जाता है, जिससे \(p(A) = P O P^{-1} = O\) होता है।
हालाँकि, चूंकि सभी मैट्रिक्स विकर्णीय नहीं होते हैं (उदाहरण के लिए, वे जिनके पास रैखिक रूप से स्वतंत्र आइगेनवेक्टर का पूर्ण सेट नहीं होता है), यह स्पष्टीकरण एक पूर्ण प्रमाण नहीं है। सामान्य प्रमाण के लिए एक अलग दृष्टिकोण की आवश्यकता होती है।
7. कैली-हैमिल्टन प्रमेय का कठोर प्रमाण
यहाँ एक सामान्य प्रमाण (सहखंडज मैट्रिक्स का उपयोग करते हुए) दिया गया है जो किसी भी \(n \times n\) वर्गाकार मैट्रिक्स \(A\) के लिए सत्य है। यह प्रमाण बहुत ही सुंदर है और बीजगणितीय सरलता को प्रदर्शित करता है।
मान लीजिए \(B(\lambda)\) मैट्रिक्स \(\lambda I - A\) के लिए सहखंडज मैट्रिक्स (adjugate matrix) है। हम इस गुण का उपयोग करते हैं कि किसी भी वर्गाकार मैट्रिक्स \(M\) के लिए, \(M \cdot \text{adj}(M) = \det(M) I\) सत्य है। यह हमें निम्नलिखित सर्वसमिका देता है:
\[ (\lambda I - A) B(\lambda) = \det(\lambda I - A) I = p(\lambda) I \]चूंकि मैट्रिक्स \(\lambda I - A\) का प्रत्येक तत्व घात 1 या उससे कम के \(\lambda\) में एक बहुपद है, इसके सहखंडज मैट्रिक्स \(B(\lambda)\) के प्रत्येक घटक का सारणिक \(\lambda\) में घात \((n-1)\) या उससे कम का एक बहुपद होगा। इसलिए, \(B(\lambda)\) को निम्नलिखित के रूप में मैट्रिक्स गुणांकों के साथ \(\lambda\) में एक बहुपद के रूप में व्यक्त किया जा सकता है:
\[ B(\lambda) = B_{n-1}\lambda^{n-1} + B_{n-2}\lambda^{n-2} + \dots + B_1\lambda + B_0 \](यहां, \(B_k\), \(n \times n\) स्थिर मैट्रिक्स हैं)
इसे पिछली सर्वसमिका में प्रतिस्थापित करें। बाईं ओर का विस्तार करने पर प्राप्त होता है:
\[ \begin{aligned} (\lambda I - A) B(\lambda) &= (\lambda I - A)(B_{n-1}\lambda^{n-1} + B_{n-2}\lambda^{n-2} + \dots + B_1\lambda + B_0) \\ &= B_{n-1}\lambda^n + (B_{n-2} - A B_{n-1})\lambda^{n-1} + \dots + (B_0 - A B_1)\lambda - A B_0 \end{aligned} \]इस बीच, यदि दाईं ओर का विशेषता बहुपद \(p(\lambda) = \lambda^n + c_{n-1}\lambda^{n-1} + \dots + c_1\lambda + c_0\) है, तो दाईं ओर है:
\[ p(\lambda)I = I\lambda^n + c_{n-1}I\lambda^{n-1} + \dots + c_1 I\lambda + c_0 I \]चूंकि दोनों पक्ष किसी भी \(\lambda\) के लिए समान बहुपद हैं, हम \(\lambda\) की प्रत्येक घात के लिए गुणांकों की बराबरी कर सकते हैं (जो मैट्रिक्स हैं)।
\[ \begin{aligned} B_{n-1} &= I \quad \text{(λ^n का गुणांक)} \\ B_{n-2} - A B_{n-1} &= c_{n-1} I \quad \text{(λ^{n-1} का गुणांक)} \\ &\vdots \\ B_0 - A B_1 &= c_1 I \quad \text{(λ^1 का गुणांक)} \\ -A B_0 &= c_0 I \quad \text{(λ^0 का गुणांक)} \end{aligned} \]यहाँ प्रमाण का मुख्य भाग आता है। इन समीकरणों के दोनों पक्षों को बाईं ओर से क्रमशः ऊपर से नीचे तक \(A^n, A^{n-1}, \dots, A, I\) से गुणा करें।
\[ \begin{aligned} A^n B_{n-1} &= A^n \\ A^{n-1} B_{n-2} - A^n B_{n-1} &= c_{n-1} A^{n-1} \\ &\vdots \\ A B_0 - A^2 B_1 &= c_1 A \\ -A B_0 &= c_0 I \end{aligned} \]अब इन सभी \(n+1\) समीकरणों को जोड़ दें। बाईं ओर दूरदर्शी (telescoping) तरीके से खूबसूरती से रद्द हो जाती है, जिससे केवल शून्य मैट्रिक्स \(O\) बचता है।
\[ O = A^n + c_{n-1}A^{n-1} + \dots + c_1 A + c_0 I \]यह बिल्कुल \(p(A) = O\) है, और इस प्रकार कैली-हैमिल्टन प्रमेय सिद्ध होता है।
8. अनुप्रयोग 1: मैट्रिक्स की घात की गणना
कैली-हैमिल्टन प्रमेय के शक्तिशाली अनुप्रयोगों में से एक यह है कि यह उच्च मैट्रिक्स घात \(A^m\) की गणना को काफी सरल बना सकता है।
उदाहरण के लिए, मान लीजिए कि हमारे पास \(2 \times 2\) का वर्गाकार मैट्रिक्स \(A\) है जो \(p(A) = A^2 - 3A + 2I = O\) को संतुष्ट करता है। हम \(A^{10}\) की गणना करना चाहते हैं। सामान्य रूप से इसकी गणना करने के लिए 9 मैट्रिक्स गुणन की आवश्यकता होगी, लेकिन प्रमेय का उपयोग करके, समस्या को बहुपद विभाजन में कम कर दिया जाता है।
मान लीजिए कि \(Q(\lambda)\) भागफल है और \(R(\lambda) = \alpha \lambda + \beta\) शेषफल है जब \(\lambda^{10}\) को विशेषता बहुपद \(p(\lambda) = \lambda^2 - 3\lambda + 2\) से विभाजित किया जाता है।
\[ \lambda^{10} = Q(\lambda)(\lambda^2 - 3\lambda + 2) + (\alpha \lambda + \beta) \]चूंकि \(p(\lambda) = (\lambda - 1)(\lambda - 2)\) है, हम अज्ञात \(\alpha, \beta\) खोजने के लिए \(\lambda = 1\) और \(\lambda = 2\) प्रतिस्थापित करते हैं।
जब \(\lambda = 1\): \(1^{10} = \alpha + \beta \implies \alpha + \beta = 1\) जब \(\lambda = 2\): \(2^{10} = 2\alpha + \beta \implies 2\alpha + \beta = 1024\)
\[ \lambda^{10} = Q(\lambda)p(\lambda) + 1023\lambda - 1022 \]यहां \(\lambda = A\) को प्रतिस्थापित करने पर, चूंकि \(p(A) = O\) है, पहला पद समाप्त हो जाता है, और बचता है:
\[ A^{10} = 1023A - 1022I \]इस तरह, घात चाहे कितनी भी अधिक क्यों न हो, \(A^m\) प्राप्त करने के लिए केवल शेषफल \(R(A)\) की गणना करना पर्याप्त है, जिससे गणना कार्यभार में काफी कमी आती है।
9. अनुप्रयोग 2: व्युत्क्रम मैट्रिक्स की गणना
यदि कोई व्युत्क्रम मैट्रिक्स मौजूद है (अर्थात, \(\det(A) \neq 0\), और इस प्रकार स्थिर पद \(c_0 \neq 0\) है), तो कैली-हैमिल्टन प्रमेय का उपयोग व्युत्क्रम मैट्रिक्स \(A^{-1}\) की गणना करने के लिए भी किया जा सकता है।
हम प्रमेय के समीकरण को पुनर्व्यवस्थित करते हैं:
\[ A^n + c_{n-1}A^{n-1} + \dots + c_1 A + c_0 I = O \]स्थिर पद वाले भाग, \(c_0 I\) को दाईं ओर ले जाएं।
\[ A(A^{n-1} + c_{n-1}A^{n-2} + \dots + c_1 I) = -c_0 I \]दोनों पक्षों को \(-c_0\) से विभाजित करें।
\[ A \left[ -\frac{1}{c_0} (A^{n-1} + c_{n-1}A^{n-2} + \dots + c_1 I) \right] = I \]व्युत्क्रम मैट्रिक्स की परिभाषा \(A A^{-1} = I\) से, कोष्ठक के अंदर की सामग्री ठीक \(A^{-1}\) का प्रतिनिधित्व करती है।
\[ A^{-1} = -\frac{1}{c_0} (A^{n-1} + c_{n-1}A^{n-2} + \dots + c_1 I) \]इस प्रकार, व्युत्क्रम मैट्रिक्स खोजने की समस्या को केवल मैट्रिक्स गुणन और जोड़ के साथ पूरी की गई गणनाओं में कम कर दिया जाता है। प्रोग्रामिंग में लागू करते समय, सीधे सहखंडज विस्तार (adjugate expansion) की गणना करने की तुलना में यह कभी-कभी आसान होता है।
10. निष्कर्ष
इस लेख में, हमने रैखिक बीजगणित के मुख्य आकर्षणों में से एक, कैली-हैमिल्टन प्रमेय को पूरी तरह से समझाया है।
- यह आश्चर्यजनक गुण कि एक मैट्रिक्स को उसके स्वयं के विशेषता बहुपद \(p(\lambda)\) में प्रतिस्थापित करने पर शून्य मैट्रिक्स (\(p(A) = O\)) प्राप्त होता है।
- विकर्णीकरण के माध्यम से सहज समझ, और अदिश प्रतिस्थापन के साथ भ्रमित करने की सामान्य गलतफहमी।
- सहखंडज मैट्रिक्स के साथ सर्वसमिका का उपयोग करके एक सुंदर और कठोर प्रमाण।
- व्यावहारिक अनुप्रयोग जैसे बहुपद विभाजन का उपयोग करके मैट्रिक्स की उच्च घात की उच्च गति गणना, और व्युत्क्रम मैट्रिक्स खोजने के लिए सूत्र।
कैली-हैमिल्टन प्रमेय में न केवल सैद्धांतिक सुंदरता है बल्कि यह ठोस गणनाओं में भी एक अत्यंत उपयोगी उपकरण है। मैट्रिक्स से निपटते समय पृष्ठभूमि में छिपे इस प्रमेय के प्रति जागरूक रहने से निस्संदेह रैखिक बीजगणित के बारे में आपकी समझ गहरी होगी।