NDA गणित: आव्यूह (Matrices) — संक्रियाएँ, परिवर्त और व्युत्क्रम

अवधारणा

आव्यूह को सबसे सरल शब्दों में समझो — यह संख्याओं की एक व्यवस्थित आयताकार तालिका है, जिसे rows और columns में सजाया जाता है। जैसे एक कक्षा के बच्चों का बैठने का तरीका — row 1 में पहली bench, row 2 में दूसरी bench — ठीक उसी तरह आव्यूह में संख्याएँ एक निश्चित क्रम में रहती हैं।

एक $m \times n$ आव्यूह में $m$ rows और $n$ columns होते हैं। इसका हर घटक $a_{ij}$ कहलाता है — जहाँ $i$ row number है और $j$ column number।

$A = \begin{bmatrix} a_{11} & a_{12} \\ a_{21} & a_{22} \end{bmatrix}$

NDA के नज़रिए से आव्यूह क्यों ज़रूरी है?

आव्यूह अध्याय में NDA हर साल कम-से-कम 3-4 प्रश्न पूछता है — और ये प्रश्न अक्सर गुणन, परिवर्त, और सारणिक के गुणों पर आधारित होते हैं। सूत्र रट लेने से काम नहीं चलेगा; समझना होगा कि कौन-सी property कब लागू होती है।

मुख्य प्रकार याद रखो:

• शून्य आव्यूह (Null Matrix): सभी घटक शून्य।
• तत्समक आव्यूह (Identity Matrix) $I$: diagonal पर 1, बाकी सब 0। गुणन में यह वैसे काम करता है जैसे संख्याओं में 1।
• विकर्ण आव्यूह (Diagonal Matrix): केवल main diagonal पर non-zero घटक।
• सममित आव्यूह (Symmetric): $A = A^T$ — परिवर्त लेने पर आव्यूह नहीं बदलता।
• विषम-सममित (Skew-Symmetric): $A^T = -A$ — diagonal के घटक अनिवार्यतः शून्य।

एक अच्छी analogy: तत्समक आव्यूह वैसा है जैसे गुणा में "1" — कुछ भी गुणा करो, वही रहता है। शून्य आव्यूह वैसा है जैसे जोड़ में "0"।

गहन विश्लेषण

आव्यूह गुणन — सबसे ज़रूरी skill

दो आव्यूहों $A$ और $B$ का गुणन तभी संभव है जब $A$ के columns की संख्या = $B$ के rows की संख्या।

यदि $A$ का order $m \times n$ है और $B$ का order $n \times p$ है, तो $AB$ का order $m \times p$ होगा।

गुणन का नियम:

$[AB]_{ij} = \sum_{k=1}^{n} a_{ik} \cdot b_{kj}$

यानी $i$-वीं row को $j$-वें column से dot product करो।

उदाहरण:

$A = \begin{bmatrix} 2 & 0 \\ 0 & 3 \end{bmatrix}, \quad B = \begin{bmatrix} 1 & 1 \\ 1 & 1 \end{bmatrix}$

$AB = \begin{bmatrix} 2\cdot1+0\cdot1 & 2\cdot1+0\cdot1 \\ 0\cdot1+3\cdot1 & 0\cdot1+3\cdot1 \end{bmatrix} = \begin{bmatrix} 2 & 2 \\ 3 & 3 \end{bmatrix}$

ध्यान दो: गुणन commutative नहीं है — $AB \neq BA$ सामान्यतः।

परिवर्त (Transpose)

$A^T$ निकालने के लिए rows को columns बना दो। यानी $[A^T]_{ij} = a_{ji}$।

Transpose के महत्वपूर्ण गुण:

1. $(A^T)^T = A$
2. $(A + B)^T = A^T + B^T$
3. $(kA)^T = k \cdot A^T$
4. $(AB)^T = B^T A^T$ — क्रम उलट जाता है — यही सबसे ज़्यादा पूछा जाता है
5. $|A^T| = |A|$ — transpose लेने से सारणिक नहीं बदलता

सहखंडज (Adjoint) और व्युत्क्रम (Inverse)

Adjoint: हर घटक $a_{ij}$ का cofactor $C_{ij}$ निकालो, फिर इस cofactor matrix का transpose लो।

$\text{adj}(A) = [C_{ij}]^T$

व्युत्क्रम का सूत्र:

$A^{-1} = \frac{\text{adj}(A)}{|A|}$

व्युत्क्रम तभी मौजूद होता है जब $|A| \neq 0$ (आव्यूह non-singular हो)।

$2 \times 2$ के लिए shortcut:

$A = \begin{bmatrix} a & b \\ c & d \end{bmatrix} \implies A^{-1} = \frac{1}{ad-bc}\begin{bmatrix} d & -b \\ -c & a \end{bmatrix}$

बस diagonal घटकों को swap करो और off-diagonal के signs बदलो।

सारणिक के गुण जो NDA में बार-बार आते हैं

1. $|AB| = |A| \cdot |B|$ — यह property परीक्षा में सबसे ज़्यादा पूछी जाती है
2. $|A^T| = |A|$
3. $|kA| = k^n |A|$ — जहाँ $n$ order है ($k$ केवल एक row/column पर नहीं, पूरे $n \times n$ पर)
4. $|A^{-1}| = \frac{1}{|A|}$
5. $|A \cdot A^T| = |A|^2$ — क्योंकि $|A^T| = |A|$

विशेष आव्यूह और उनके गुण

Orthogonal Matrix: $AA^T = I$, अतः $|A| = \pm 1$

Idempotent Matrix: $A^2 = A$

Involutory Matrix: $A^2 = I$, अतः $A = A^{-1}$

Nilpotent Matrix: किसी $k$ के लिए $A^k = O$ (शून्य आव्यूह)

इन परिभाषाओं को NDA अक्सर MCQ में "इनमें से कौन-सा सत्य है?" के format में पूछता है।

शॉर्टकट और युक्तियाँ

तेज़-समाधान रूपरेखा

परीक्षा हॉल में आव्यूह प्रश्न देखते ही यह mental checklist चलाओ:

Step 1 — प्रश्न का type पहचानो:

• $|AB|$, $|A^T|$, $|kA|$ → सीधे determinant properties लागू करो, कोई calculation नहीं।
• Matrix multiplication → order check करो पहले ($m \times n$ और $n \times p$ → result $m \times p$)।
• Inverse निकालना → $2 \times 2$ है तो diagonal-swap trick, $3 \times 3$ है तो cofactor method।

Step 2 — Special matrix है क्या:

• $I$ (identity) से गुणा → वही matrix रहती है।
• $A^2 = A$ दिया है → idempotent, $|A|$ = 0 या 1।
• $A = A^T$ → symmetric, transpose लेने पर नहीं बदलेगी।

Step 3 — Options से eliminate करो:

• Commutativity ($AB = BA$) आम तौर पर false होती है — यह option तुरंत eliminate।
• $|AB| = |A| + |B|$ — यह हमेशा गलत है।

हल किए गए PYQs

क्यों यह प्रश्न: यह $|AA^T|$ वाला प्रश्न NDA का classic pattern है — determinant properties की सीधी परीक्षा। जो $|A^T| = |A|$ property जानता है, उसे calculation की ज़रूरत नहीं।

समाधान का रास्ता: $|AA^T|$ को देखते ही $|AB| = |A||B|$ लागू करो। फिर $|A^T| = |A|$ use करो। $(-2)^2 = 4$।

क्यों यह प्रश्न: $|AB| = |A| \cdot |B|$ property आव्यूह अध्याय में सबसे fundamental है। NDA इसे सीधे और indirectly दोनों तरह पूछता है।

समाधान का रास्ता: $|AB| = |A| \times |B| = 3 \times 2 = 6$। यह एक-चरण का प्रश्न है — property याद हो तो 5 सेकंड।

क्यों यह प्रश्न: Diagonal matrix का गुणन सबसे तेज़ होता है क्योंकि off-diagonal शून्य हैं। यह प्रश्न देखता है कि तुम $2 \times 2$ multiplication को कितनी जल्दी कर सकते हो।

समाधान का रास्ता: $A$ diagonal है — row 1 में $[2, 0]$, row 2 में $[0, 3]$। $B$ की columns $[1,1]^T$ और $[1,1]^T$ हैं। $AB[1,1] = 2 \times 1 + 0 \times 1 = 2$। $AB[2,1] = 0 \times 1 + 3 \times 1 = 3$। Result $= \begin{bmatrix} 2 & 2 \\ 3 & 3 \end{bmatrix}$।

आम गलतियाँ

• $|kA| = k|A|$ लिखना: यह सबसे बड़ी गलती है। सही है $|kA| = k^n|A|$ जहाँ $n$ order है। $3 \times 3$ आव्यूह के लिए $k$ को cube करना होगा।

• $AB = BA$ मानना: गुणन commutative नहीं है। जब भी प्रश्न में $AB$ और $BA$ दोनों आएँ, इन्हें बराबर मत मानो जब तक explicitly न दिया हो।

• $(AB)^T = A^T B^T$ लिखना: क्रम उलटना भूल जाते हैं। सही है $(AB)^T = B^T A^T$।

• Inverse और Adjoint को confuse करना: $\text{adj}(A) \neq A^{-1}$। Inverse = $\frac{\text{adj}(A)}{|A|}$ — determinant से divide करना ज़रूरी है।

• Singular matrix का inverse निकालने की कोशिश: जब $|A| = 0$ हो, inverse exist नहीं करता। MCQ में अगर $|A| = 0$ दिया हो और inverse पूछा हो, तो "does not exist" option सही है।

• $|A + B| = |A| + |B|$ मानना: यह property बिल्कुल गलत है। Determinant additive नहीं होता। सिर्फ $|AB| = |A||B|$ सत्य है।

संबंधित विषय

• determinants
• system of linear equations
• inverse of matrix
• adjoint matrix
• rank of matrix
• eigenvalues

SarkariRise पर अभ्यास