कोफैक्टर विस्तार (लाप्लास विस्तार): एक उपयोगी मार्गदर्शिका

3×3 मैट्रिक्स — या उससे बड़े — का डिटर्मिनेंट निकालना 2×2 वाले मामले जितना सीधा नहीं होता।

आप केवल दो विकर्णों का क्रॉस-मल्टिप्लिकेशन नहीं कर सकते। जैसे-जैसे मैट्रिक्स बड़ा होता है, गणित उलझता जाता है। किसी व्यवस्थित विधि के बिना, यह बताना आसान नहीं रहता कि आप कहाँ तक पहुँचे हैं। यही वह समस्या है जिसे हल करने के लिए कोफैक्टर विस्तार — जिसे लाप्लास विस्तार भी कहा जाता है — बनाया गया था।

कोफैक्टर विस्तार किसी भी स्क्वायर मैट्रिक्स का डिटर्मिनेंट निकालने की विधि है, जिसमें आप किसी चुनी हुई पंक्ति या स्तंभ के entlang विस्तार करते हैं। यह समस्या को बार-बार छोटे डिटर्मिनेंट्स में तोड़ देता है, जिन्हें आप पहले से हल करना जानते हैं।

इस लेख में, मैं कोफैक्टर विस्तार की परिभाषा, उसके पीछे का सूत्र, 2×2 और 3×3 मैट्रिसेज़ के चरण-दर-चरण उदाहरण, प्रमुख गुण, और व्यावहारिक उपयोग कवर करूंगा।

कोफैक्टर विस्तार क्या है?

कोफैक्टर विस्तार किसी भी स्क्वायर मैट्रिक्स के डिटर्मिनेंट को निकालने की एक रिकर्सिव विधि है।

यहाँ "रिकर्सिव" का मतलब है कि बड़े मैट्रिक्स का डिटर्मिनेंट एक साथ निकालने के बजाय, आप उसे छोटे-छोटे डिटर्मिनेंट्स में बांटते जाते हैं। वे और भी छोटे हो जाते हैं, जब तक कि अंत में 2×2 मैट्रिसेज़ न बचें, जिन्हें हल करना आसान है।

यह किसी भी स्क्वायर मैट्रिक्स — 2×2, 3×3, 4×4, और आगे — पर काम करता है। फिर भी, इसका सबसे अधिक उपयोग 3×3 और बड़े मैट्रिसेज़ में होता है, जहाँ आप केवल दो विकर्णों का क्रॉस-मल्टिप्लिकेशन नहीं कर सकते।

मूल विचार सरल है। आप अपनी मैट्रिक्स में एक पंक्ति या स्तंभ चुनते हैं और उसी के entlang विस्तार करते हैं। उस पंक्ति या स्तंभ का प्रत्येक तत्व एक छोटा उप-समस्या देता है। हर उप-समस्या को हल करें, परिणाम जोड़ें, और आपका डिटर्मिनेंट मिल गया। बस इतना ही।

माइनर और कोफैक्टर: प्रमुख परिभाषाएँ

डिटर्मिनेंट का विस्तार करने से पहले, आपको दो निर्माण-खंड समझने होंगे: माइनर और कोफैक्टर।

माइनर

माइनर M_ij वह डिटर्मिनेंट है जो आपको मूल मैट्रिक्स से पंक्ति i और स्तंभ j हटाने के बाद प्राप्त छोटे मैट्रिक्स का होता है।

मान लीजिए आपके पास 3×3 मैट्रिक्स A है और आपको माइनर M_12 चाहिए। पंक्ति 1 और स्तंभ 2 हटाएँ। जो बचता है वह 2×2 मैट्रिक्स है। उसका डिटर्मिनेंट निकालें — वही आपका माइनर है।

कोफैक्टर

कोफैक्टर C_ij माइनर को एक कदम आगे ले जाता है। यह स्थिति (i, j) के आधार पर एक चिह्न-गुणक लागू करता है:

कोफैक्टर

यह (-1)^(i+j) पद, मैट्रिक्स में आपकी स्थिति के अनुसार, माइनर के चिह्न को या तो यथावत रखता है या पलट देता है।

जब i + j सम होता है, (-1)^(i+j) = +1, इसलिए कोफैक्टर माइनर के बराबर होता है। जब i + j विषम होता है, (-1)^(i+j) = -1, इसलिए कोफैक्टर माइनर के चिह्न को पलट देता है।

चेकर्बोर्ड पैटर्न

यह चिह्न-परिवर्तन पूरे मैट्रिक्स में चेकर्बोर्ड पैटर्न बनाता है:

चेकर्बोर्ड पैटर्न

ऊपरी-बाएँ कोना हमेशा + से शुरू होता है। वहाँ से, हर दिशा में चिह्न बारी-बारी से बदलते हैं। यह पैटर्न तुरंत बता देता है कि कोई कोफैक्टर आपके डिटर्मिनेंट में जोड़ करेगा या घटाएगा।

कोफैक्टर विस्तार का सूत्र

यह रहा वह सूत्र जिसका आप इंतज़ार कर रहे थे।

पंक्ति i के entlang विस्तार के लिए:

पंक्ति i के entlang विस्तार

स्तंभ j के entlang विस्तार के लिए:

स्तंभ j के entlang विस्तार

साधारण भाषा में, इसका अर्थ है कि आप चुनी हुई पंक्ति या स्तंभ के प्रत्येक तत्व को उसके कोफैक्टर से गुणा करते हैं, फिर सबको जोड़ देते हैं।

a_ij पद आपकी मैट्रिक्स के अलग-अलग तत्व हैं। C_ij वे कोफैक्टर हैं जो आप हर स्थिति के लिए निकालते हैं। इन्हें आपस में गुणा करें, परिणामों का योग लें, और आपका डिटर्मिनेंट मिल जाता है।

आप कौन-सी पंक्ति या स्तंभ चुनते हैं, इससे फर्क नहीं पड़ता। पंक्ति 1 के entlang विस्तार का परिणाम पंक्ति 3 या स्तंभ 2 के entlang विस्तार के समान होगा। डिटर्मिनेंट मैट्रिक्स का एक निश्चित गुण है — विस्तार का रास्ता बस आपकी पसंद है।

हाँ, यह पसंद आपके काम की मात्रा को प्रभावित करती है। जिस पंक्ति या स्तंभ में अधिक शून्य हों, वहाँ कोफैक्टर कम गणना करने पड़ते हैं। यदि किसी पंक्ति में दो शून्य और तीन गैर-शून्य तत्व हैं, तो आपको केवल उन्हीं तीन तत्वों के कोफैक्टर निकालने होंगे — शून्य योग में कुछ योगदान नहीं देते। विस्तार के लिए पंक्ति या स्तंभ चुनने से पहले हमेशा अपनी मैट्रिक्स में शून्यों को खोजें।

चरण-दर-चरण: कोफैक्टर विस्तार कैसे काम करता है

कोफैक्टर विस्तार हर बार एक ही 3-चरण प्रक्रिया का पालन करता है।

चरण 1: एक पंक्ति या स्तंभ चुनें। अपनी मैट्रिक्स को स्कैन करें और सबसे अधिक शून्यों वाली पंक्ति या स्तंभ चुनें। कम गैर-शून्य तत्वों का मतलब कम कोफैक्टर।

चरण 2: उस पंक्ति या स्तंभ के प्रत्येक गैर-शून्य तत्व के लिए:

• माइनर M_ij निकालें — पंक्ति i और स्तंभ j हटाएँ, फिर जो बचता है उसका डिटर्मिनेंट लें।

• चेकर्बोर्ड पैटर्न का उपयोग करके चिह्न-गुणक (-1)^(i+j) लगाएँ और कोफैक्टर C_ij प्राप्त करें।

• तत्व a_ij को उसके कोफैक्टर C_ij से गुणा करें।

चरण 3: सभी गुणनों का योग लें।

डिटर्मिनेंट

यही आपका डिटर्मिनेंट है।

यदि आपके किसी उप-मैट्रिक्स का आकार 2×2 से बड़ा है, तो वही प्रक्रिया दोहराएँ जब तक कि आप 2×2 डिटर्मिनेंट्स तक न पहुँच जाएँ — जिन्हें आप सीधे ad - bc से हल कर सकते हैं।

उदाहरण 1: 2×2 मैट्रिक्स का कोफैक्टर विस्तार

आइए सब कुछ सबसे सरल मामले से जोड़ते हैं।

यह 2×2 मैट्रिक्स लें:

नमूना 2x2 मैट्रिक्स

पंक्ति 1 के entlang विस्तार करें। दो तत्व हैं a_11 = 3 और a_12 = 1।

• a_11 = 3 के लिए: पंक्ति 1 और स्तंभ 1 हटाएँ। जो बचता है वह केवल (4) है। चिह्न-गुणक (-1)^(1+1) = +1 है। अतः C_11 = +4।

• a_12 = 1 के लिए: पंक्ति 1 और स्तंभ 2 हटाएँ। जो बचता है वह केवल (2) है। चिह्न-गुणक (-1)^(1+2) = -1 है। अतः C_12 = -2।

अब गुणनों का योग लें:

डिटर्मिनेंट गणना

आप देखेंगे कि यह मानक 2×2 सूत्र ad - bc = (3)(4) - (1)(2) = 10 से मेल खाता है। कोफैक्टर विस्तार और क्रॉस-मल्टिप्लिकेशन शॉर्टकट दोनों एक ही उत्तर तक पहुँचते हैं।

उदाहरण 2: 3×3 मैट्रिक्स का कोफैक्टर विस्तार

अब एक पूरा 3×3 उदाहरण देखते हैं।

यह मैट्रिक्स लें:

नमूना 3x3 मैट्रिक्स

पंक्ति 1 में स्थिति (1,2) पर शून्य है, तो पंक्ति 1 के entlang विस्तार करते हैं। उस शून्य का मतलब है कि हम एक कोफैक्टर पूरी तरह छोड़ सकते हैं।

चरण 1: विस्तार सेट करें

विस्तार सेटअप (1)

क्योंकि a_12 = 0 है, बीच वाला पद हट जाता है:

विस्तार सेटअप (2)

हमें केवल दो कोफैक्टर निकालने हैं। सही पंक्ति चुनने का यही फायदा है।

चरण 2: C_11 निकालें

अब पंक्ति 1 और स्तंभ 1 हटाएँ। यह बचता है:

पहली गणना

स्थिति (1,1) पर चिह्न (-1)^(1+1) = +1 है, इसलिए C_11 = +2।

चरण 3: C_13 निकालें

अगला कदम है पंक्ति 1 और स्तंभ 3 हटाना। यह बचता है:

दूसरी गणना

स्थिति (1,3) पर चिह्न (-1)^(1+3) = +1 है, इसलिए C_13 = +11।

चरण 4: गुणनों का योग लें

डिटर्मिनेंट गणना

यही आपका डिटर्मिनेंट है। शुरू में शून्य वाली पंक्ति चुनकर, आपने तीन-कोफैक्टर की समस्या को दो-कोफैक्टर तक घटा दिया। हमेशा स्मार्ट तरीके से काम करें।

सबसे अच्छी पंक्ति या स्तंभ कैसे चुनें

आप जो पंक्ति या स्तंभ चुनते हैं, उससे परिणाम नहीं बदलता, पर काम की मात्रा बदलती है।

हमेशा पहले शून्य ढूँढें। आपकी चुनी हुई पंक्ति या स्तंभ में हर शून्य का मतलब है एक कोफैक्टर कम। ऊपर के 3×3 उदाहरण में, एक शून्य ने काम को तीन कोफैक्टर से घटाकर दो कर दिया। बड़े मैट्रिसेज़ में, कई शून्यों वाली पंक्ति आपको कई उप-डिटर्मिनेंट्स की गणना से बचा सकती है।

यहाँ कुछ बिंदु याद रखने लायक हैं

• किसी पंक्ति या स्तंभ में एक शून्य होने का मतलब है एक कोफैक्टर कम निकालना
• दो शून्य का मतलब दो कोफैक्टर कम
• यदि एक को छोड़कर बाकी सभी शून्य हैं, तो आपको केवल एक ही कोफैक्टर निकालना है

जैसे-जैसे आपकी मैट्रिक्स बड़ी होती है, यह और मायने रखता है। एक साधारण n×n मैट्रिक्स पर किया गया कोफैक्टर विस्तार फैक्टरियल समय लेता है — यानी 4×4 के लिए चार 3×3 डिटर्मिनेंट निकालने होते हैं, जिनमें से प्रत्येक तीन 2×2 में टूटता है। जोड़ने से पहले ही 24 अलग-अलग गणनाएँ हो जाती हैं। 5×5 के लिए यह 120 है।

बड़ी मैट्रिसेज़ के लिए, कोफैक्टर विस्तार सही औज़ार नहीं है। रो रिडक्शन और LU डिकंपोज़िशन बड़े मैट्रिसेज़ को बहुत तेज़ी से संभालते हैं। कोफैक्टर विस्तार 2×2 और 3×3 के लिए, या सैद्धांतिक काम के लिए जहाँ आपको डिटर्मिनेंट को प्रतीकात्मक रूप में व्यक्त करना हो, सबसे अच्छा रहता है।

हाथ से कुछ भी हल करते समय, शुरू करने से पहले कुछ सेकंड सबसे अधिक शून्यों वाली पंक्ति या स्तंभ ढूँढने में लगाएँ। यह अंकगणितीय गलतियों को घटाने का सबसे आसान तरीका है।

कोफैक्टर विस्तार और रिकर्सिव संरचना

कोफैक्टर विस्तार में रिकर्सिव संरचना अंतर्निहित होती है।

किसी n×n मैट्रिक्स का डिटर्मिनेंट निकालने के लिए, आप किसी पंक्ति या स्तंभ के entlang विस्तार करते हैं और (n-1)×(n-1) मैट्रिसेज़ के डिटर्मिनेंट निकालते हैं। उनमें से प्रत्येक (n-2)×(n-2) मैट्रिसेज़ में टूटता है। आप 2×2 तक घटाते जाते हैं, जिन्हें सीधे हल किया जा सकता है।

यह रिकर्सिव गुण डिटर्मिनेंट को बीजगणितीय रूप से परिभाषित करता है। यह बताता है कि हर आकार की मैट्रिक्स के लिए डिटर्मिनेंट क्या है — केवल यह नहीं कि उसे कैसे निकालना है।

हाँ, रिकर्शन की एक लागत होती है।

हर स्तर पर विस्तार उप-समस्याओं की संख्या बढ़ा देता है, और बड़े मैट्रिसेज़ के लिए गणना तेज़ी से बढ़ती है। यही वजह है कि संख्यात्मक लाइब्रेरीज़ अंदर-ही-अंदर कोफैक्टर विस्तार का उपयोग नहीं करतीं। रो रिडक्शन और फैक्टराइज़ेशन विधियाँ कहीं बेहतर स्केल करती हैं।

छोटी मैट्रिसेज़ और सैद्धांतिक कार्य के लिए, यही रिकर्सिव संरचना चाहिए। इससे बड़े मामलों में, कोई और तरीका देखना बेहतर है।

एडजुगेट मैट्रिक्स से संबंध

कोफैक्टर्स मैट्रिक्स इनवर्शन के निर्माण-खंड हैं। इन्हें केवल डिटर्मिनेंट निकालने के लिए ही नहीं उपयोग किया जाता।

यदि आप मैट्रिक्स A के हर तत्व के लिए कोफैक्टर C_ij निकालते हैं, तो आपको एक कोफैक्टर मैट्रिक्स C मिलता है। उसका ट्रांसपोज़ लें — पंक्तियाँ और स्तंभ उलटें — और आपके पास एडजुगेट मैट्रिक्स होता है:

एडजुगेट मैट्रिक्स

इसके बाद, मैट्रिक्स का व्युत्क्रम सीधे मिलता है:

मैट्रिक्स व्युत्क्रम

साधारण शब्दों में, इसका अर्थ है कि आपको सभी कोफैक्टर निकालने हैं, उन्हें एक मैट्रिक्स में व्यवस्थित करना है, उसका ट्रांसपोज़ लेना है, फिर डिटर्मिनेंट से भाग देना है। यही आपका इनवर्स है।

यहाँ दो बातें याद रखने लायक हैं:

1. यह तभी काम करता है जब det(A) ≠ 0 — शून्य डिटर्मिनेंट का अर्थ है कि मैट्रिक्स का इनवर्स नहीं है
2. यह सूत्र सटीक है, इसलिए सैद्धांतिक कार्य और प्रतीकात्मक बीजगणित के लिए उपयोगी है। बड़ी मैट्रिसेज़ के संख्यात्मक गणनाओं में अन्य तरीके तेज़ हैं।

यदि आप कोफैक्टर विस्तार से इसके संबंध के बारे में सोच रहे हैं, तो बस याद रखें कि एडजुगेट मैट्रिक्स की हर प्रविष्टि उसी कोफैक्टर से आती है जिसे आप विस्तार के दौरान निकालते हैं। वही प्रक्रिया जो आपको डिटर्मिनेंट देती है, मैट्रिक्स का इनवर्स निकालने के लिए आवश्यक सब कुछ भी देती है।

कोफैक्टर विस्तार के गुण

कोफैक्टर विस्तार के कुछ ऐसे गुण हैं जो जानना उपयोगी है। ये आपको शॉर्टकट पहचानने और अपने काम पर भरोसा रखने में मदद करेंगे।

याद रखने के लिए चार गुण:

• किसी भी पंक्ति या स्तंभ के entlang विस्तार का परिणाम समान होता है। आप पंक्ति 2 या स्तंभ 3 के entlang विस्तार करें — डिटर्मिनेंट नहीं बदलता। जिसमे सबसे अधिक शून्य हों, उसे चुनें
• डिटर्मिनेंट प्रत्येक पंक्ति में रैखिक होता है। यदि आप किसी पंक्ति को स्थिरांक k से गुणा करते हैं, तो डिटर्मिनेंट भी k से स्केल होता है। यह सीधे इस बात से आता है कि कोफैक्टर प्रत्येक तत्व में कैसे गुणा होते हैं
• दो पंक्तियाँ अदला-बदली करने से डिटर्मिनेंट का चिह्न पलट जाता है। एक बार अदला-बदली करने पर डिटर्मिनेंट ऋणात्मक हो जाता है। दो बार करने पर वापस मूल पर आ जाता है। इसलिए पंक्ति-परिचालनों को सावधानी से ट्रैक करना ज़रूरी है
• यदि दो पंक्तियाँ रैखिक रूप से आश्रित हों, तो डिटर्मिनेंट शून्य होता है। रैखिक आश्रय का अर्थ है कि एक पंक्ति दूसरी का स्केलर गुणज है — या सामान्यतः, पंक्तियाँ पूरे स्पेस को स्पैन नहीं करतीं। मैट्रिक्स सिंगुलर है, और कोई इनवर्स नहीं है

यही गुण आपको विस्तार से पहले मैट्रिक्स को सरल करने देते हैं — पंक्तियाँ घटाना, आश्रय पहचानना, और अनावश्यक गणना से बचना।

आम गलतियाँ

कोफैक्टर विस्तार में कुछ आम विफलताएँ बार-बार दिखती हैं। इन बातों पर ध्यान दें।

• (-1)^(i+j) चिह्न भूल जाना। यह सबसे आम गलती है। आप माइनर सही निकालते हैं, तत्व से गुणा करते हैं, और गलत उत्तर मिल जाता है क्योंकि आपने चिह्न-गुणक छोड़ दिया। कोफैक्टर लिखने से पहले हमेशा चेकर्बोर्ड पैटर्न जाँचें
• माइनर के लिए गलत पंक्ति या स्तंभ हटाना। M_ij निकालते समय, आप पंक्ति i और स्तंभ j हटाते हैं — उसी तत्व की पंक्ति और स्तंभ जिस पर आप विस्तार कर रहे हैं। एक आम फिसलन गलत पंक्ति/स्तंभ हटाना है, ख़ासकर 3×3 में जहाँ शेष मैट्रिक्स अलग-अलग हटाने पर भी मिलते-जुलते लग सकते हैं
• रिकर्शन में बहुत जल्दी रुक जाना। जब आपका उप-मैट्रिक्स अभी भी 3×3 या बड़ा है, तो आपको फिर से विस्तार करना होगा। कुछ लोग 3×3 माइनर को 2×2 मानकर सीधे ad - bc लगा देते हैं
• रिकर्सिव चरणों में अंकगणितीय गलतियाँ। जितनी गहराई में रिकर्शन जाएगा, उतने अधिक गुणन और चिह्न-पलट आपको ट्रैक करने होंगे। शुरुआती उप-डिटर्मिनेंट में एक भी गलती आगे के हर चरण में चली जाती है। हर 2×2 डिटर्मिनेंट को संयोजन से पहले सावधानी से हल करें

यदि आपका अंतिम उत्तर गलत लगे, तो चिह्न-पैटर्न और माइनर के लिए हटाई गई पंक्ति/स्तंभ — ये दो चीजें सबसे पहले फिर से जाँचें।

कोफैक्टर विस्तार कब उपयोग करें

कोफैक्टर विस्तार कुछ विशिष्ट परिस्थितियों में सही औज़ार है।

छोटी मैट्रिसेज़ के लिए, यह सबसे सीधा तरीका है। 2×2 तुच्छ है, और 3×3 हाथ से कुछ ही मिनटों में किया जा सकता है। 4×4 और उससे आगे पहुँचते ही, रिकर्सिव चरणों की संख्या इतनी बढ़ जाती है कि अन्य तरीके तेज़ और कम त्रुटिप्रवण होते हैं।

यह सैद्धांतिक और प्रतीकात्मक कार्य के लिए भी पसंदीदा है। यदि आप कोई प्रूफ कर रहे हैं, कोई सूत्र निकाल रहे हैं, या संख्याओं के बजाय चर-प्रविष्टियों वाला डिटर्मिनेंट निकाल रहे हैं, तो कोफैक्टर विस्तार आपको एक सटीक प्रतीकात्मक अभिव्यक्ति देता है। रो रिडक्शन संख्याओं के लिए बढ़िया है, पर प्रतीकों के साथ उलझ सकता है।

संक्षेप में, इसे कब चुनें:

• आप 2×2 या 3×3 मैट्रिक्स पर काम कर रहे हैं
• आपको संख्यात्मक अनुप्रास नहीं, बल्कि सटीक प्रतीकात्मक परिणाम चाहिए
• आप ऐसे प्रूफ पर काम कर रहे हैं जिसमें डिटर्मिनेंट का स्पष्ट विस्तार आवश्यक है
• आप डिटर्मिनेंट के वास्तविक अर्थ के बारे में अंतर्दृष्टि बना रहे हैं

बड़ी संख्यात्मक मैट्रिसेज़ के लिए, इसे छोड़ दें। रो रिडक्शन और LU डिकंपोज़िशन उन मामलों को बहुत तेज़ी से और कम सम्मिलित त्रुटियों के जोखिम के साथ संभालते हैं। अधिकांश संख्यात्मक लाइब्रेरीज़ इसी कारण से अंदर-ही-अंदर इन विधियों का उपयोग करती हैं।

कोफैक्टर विस्तार को हाथ से की जाने वाली गणना और सैद्धांतिक औज़ार की तरह सोचना सबसे अच्छा है, न कि सर्व-उद्देश्यीय एल्गोरिद्म की तरह।

निष्कर्ष

कोफैक्टर विस्तार आपको किसी भी स्क्वायर मैट्रिक्स का डिटर्मिनेंट निकालने का एक व्यवस्थित, रिकर्सिव तरीका देता है।

दो निर्माण-खंड — माइनर और (-1)^(i+j) का चिह्न-पैटर्न — पूरी प्रक्रिया चलाते हैं। इन्हें सही कर लें, बाकी आसान है। शून्य वाली पंक्ति या स्तंभ चुनें ताकि काम कम हो, 2×2 डिटर्मिनेंट्स तक घटाएँ, और परिणाम जोड़ें।

डिटर्मिनेंट से आगे, यह विधि एडजुगेट मैट्रिक्स और मैट्रिक्स इनवर्स सूत्र से जुड़ती है। विस्तार के दौरान निकाले गए कोफैक्टर वही होते हैं जो adj(A) बनाते हैं — जिससे कोफैक्टर विस्तार बीजगणितीय रूप से मैट्रिक्स इनवर्शन समझने की बुनियाद बनता है।

छोटी मैट्रिसेज़ और सैद्धांतिक काम के लिए, यह सबसे पारदर्शी विधि है। बड़ी संख्यात्मक मैट्रिसेज़ के लिए, रो रिडक्शन या किसी संख्यात्मक लाइब्रेरी का उपयोग करें।

यदि आप कोफैक्टर विस्तार को क्रिया में देखना चाहते हैं, तो हमारे Linear Algebra for Data Science in R कोर्स में नामांकन करें।