linear-algebra

القيم الذاتية والمتجهات الذاتية: مقدمة ودّية للمبتدئين

ماذا تعني القيم الذاتية والمتجهات الذاتية هندسيًا، وكيف تحسبها عبر كثير الحدود المميِّز، ولماذا تشغّل تحليل المكوّنات الرئيسية وPageRank من Google وميكانيكا الكم.
AI-Math Editorial Team

By AI-Math Editorial Team

Published 2026-05-01

تبدو القيم الذاتية والمتجهات الذاتية غامضة لأول وهلة، لكن الفكرة الكامنة وراءها بديهية: عندما تحوّل مصفوفةٌ متجهًا، تدور معظم المتجهات وتتمدد. المتجهات الذاتية هي الاتجاهات الخاصة التي تتمدد فقط ولا تدور أبدًا. ومعامل ذلك التمدد هو القيمة الذاتية.

التعريف

بمعلومية مصفوفة AA من الرتبة n×nn \times n، يكون المتجه غير الصفري v\mathbf{v} متجهًا ذاتيًا ذا قيمة ذاتية λ\lambda عندما:

Av=λvA \mathbf{v} = \lambda \mathbf{v}

هندسيًا: تأثير AA على v\mathbf{v} ينتج λ\lambda ضِعف v\mathbf{v} — الاتجاه نفسه، مع تحجيم فقط.

كيف نوجدها — كثير الحدود المميِّز

بإعادة الترتيب نحصل على (AλI)v=0(A - \lambda I)\mathbf{v} = \mathbf{0}. ولكي يوجد v\mathbf{v} غير تافه، يجب أن تكون المصفوفة AλIA - \lambda I شاذة، أي:

det(AλI)=0\det(A - \lambda I) = 0

يتمدد هذا إلى كثير حدود في λ\lambda يُسمى كثير الحدود المميِّز، من الدرجة nn. وجذوره هي القيم الذاتية.

مثال محلول من الرتبة 2×22 \times 2

A=(4123)A = \begin{pmatrix} 4 & 1 \\ 2 & 3 \end{pmatrix}

  1. AλI=(4λ123λ)A - \lambda I = \begin{pmatrix} 4 - \lambda & 1 \\ 2 & 3 - \lambda \end{pmatrix}.
  2. det=(4λ)(3λ)2=λ27λ+10\det = (4-\lambda)(3-\lambda) - 2 = \lambda^2 - 7\lambda + 10.
  3. حُلّ λ27λ+10=0\lambda^2 - 7\lambda + 10 = 0: λ=5\lambda = 5 أو λ=2\lambda = 2.

عند λ=5\lambda = 5: حُلّ (A5I)v=0(A - 5I)\mathbf{v} = 0، أي (1122)v=0\begin{pmatrix} -1 & 1 \\ 2 & -2 \end{pmatrix}\mathbf{v} = 0، فينتج المتجه الذاتي v1=(1,1)\mathbf{v}_1 = (1, 1).

عند λ=2\lambda = 2: تعطي العملية المماثلة v2=(1,2)\mathbf{v}_2 = (1, -2).

لماذا تهمّ المتجهات الذاتية

  • تحليل المكوّنات الرئيسية (PCA): المتجهات الذاتية لمصفوفة التغاير هي الاتجاهات الرئيسية للتباين في بياناتك.
  • PageRank من Google: متجه الترتيب هو المتجه الذاتي المهيمن لمصفوفة روابط الويب.
  • ميكانيكا الكم: العناصر المرصودة مؤثّرات؛ وقيمها الذاتية هي النواتج الوحيدة التي يمكنك قياسها.
  • المعادلات التفاضلية: تخبرك القيم الذاتية لمصفوفة النظام بما إذا كانت الحلول تتلاشى أم تتضخم.

مراجعة المعنى الهندسي

بالنسبة لمصفوفة ثنائية الأبعاد، المتجهات الذاتية محاور خاصة. إذا حاذيت نظام الإحداثيات معها، تصبح AA قُطرية — تحجيم خالص على طول كل محور دون أي دوران. هذا هو التقطير، وهو أساس عشرات الخوارزميات.

أخطاء شائعة

  • نسيان أن المتجهات الذاتية معرّفة حتى مقياس — أي مضاعف غير صفري لمتجه ذاتي هو أيضًا متجه ذاتي.
  • تخطّي المعادلة المميِّزة ومحاولة التخمين.
  • معاملة det(AλI)\det(A - \lambda I) على أنها det(A)λ\det(A) - \lambda — وهي ليست كذلك.

جرّب باستخدام حلّال المصفوفات بالذكاء الاصطناعي

أدخِل مصفوفتك في حاسبة المصفوفات واطلب القيم الذاتية — كل خطوة معروضة.

مراجع ذات صلة:

AI-Math Editorial Team

By AI-Math Editorial Team

Published 2026-05-01

A small team of engineers, mathematicians, and educators behind AI-Math, focused on making step-by-step math help accessible to every student.