معادله خطی ماتریسی (Linear Matrix Equation)، در ریاضیات (Mathematics)
انواع معادلات (Equation) را در آموزش زیر شرح دادیم :
معادله خطی ماتریسی (Linear Matrix Equation) :
🔍 تعریف: معادله خطی ماتریسی معادله ای به شکل
\[ A X B = C \]یا
\[ A X + X B = C \](معادله سیلوستر) است که در آن A, B, C ماتریس های معلوم و X ماتریس مجهول است. این معادلات در جبر خطی و کاربردهای آن نقش اساسی دارند.
\[ A X B = C \quad \text{یا} \quad A X + X B = C \]📌 ویژگی های اصلی:
معادله
A X B = C: اگر A و B معکوس پذیر باشند، جواب
\[ X = A^{-1} C B^{-1} \]است.
معادله
A X + X B = C: معادله سیلوستر که قبلا بررسی شد.
بررسی وجود جواب: با استفاده از ضرب کرونکر و شرایط رتبه.
کاربرد: در حل دستگاه های معادلات خطی با ساختار خاص، تئوری کنترل، و پردازش سیگنال.
💡 مثال های متنوع:
🔹 مثال ۱:
\[ A X B = C \]با A و B معکوس پذیر.
🔹 مثال ۲: معادله سیلوستر
\[ A X + X B = C \].
🔹 مثال ۳: معادله لیاپانوف
\[ A^T X + X A = -Q \].
🔹 مثال ۴:
\[ A X = B \](دستگاه خطی معمولی) که حالت خاصی است.
🌍 کاربردها: جبر خطی عددی، نظریه کنترل، پردازش سیگنال، گرافیک کامپیوتری (تبدیلات)، و حل مسائل معکوس.
📝 نکته جالب: ضرب کرونکر که برای حل این معادلات استفاده می شود، توسط لئوپولد کرونکر ریاضیدان آلمانی در قرن ۱۹ معرفی شد. این ضرب امروزه در جبر خطی، نظریه ماتریس ها، و کاربردهای مهندسی کاربرد فراوان دارد.
🧮 بردارسازی مجدد: برای معادله
\[ A X B = C \]، داریم
\[ (B^T \otimes A) \text{vec}(X) = \text{vec}(C) \]. برای معادله
\[ A X + X B = C \]،
\[ (I \otimes A + B^T \otimes I) \text{vec}(X) = \text{vec}(C) \].
⚠️ نکته: ابعاد ماتریس ها باید با یکدیگر سازگار باشند. مثلا در
\[ A X B = C \]، ابعاد A, X, B باید به گونه ای باشند که ضرب قابل انجام باشد و نتیجه با C هم ابعاد شود.
📈 معادله
A X = B: این یک دستگاه معادلات خطی معمولی است که در آن X یک ماتریس است. اگر A معکوس پذیر باشد،
\[ X = A^{-1} B \].
🔬 مثال عددی: معادله
\[ \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix} X \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix} = \begin{pmatrix} 5 & 6 \\ 7 & 8 \end{pmatrix} \]⇒
\[ X = A^{-1} C = \begin{pmatrix} -2 & 1 \\ 1.5 & -0.5 \end{pmatrix} \begin{pmatrix} 5 & 6 \\ 7 & 8 \end{pmatrix} = \begin{pmatrix} -3 & -4 \\ 4 & 5 \end{pmatrix} \].