آئیگن ویلیو اور آئیگن ویکٹر: ابتدائی لوگوں کے لیے دوستانہ تعارف

آئیگن ویلیو اور آئیگن ویکٹر پہلی بار دیکھنے پر پُراسرار لگتے ہیں، لیکن بنیادی خیال بدیہی ہے: جب کوئی میٹرکس ویکٹر کو تبدیل کرتا ہے، زیادہ تر ویکٹر گھومتے اور کھنچتے ہیں۔ آئیگن ویکٹر وہ خاص سمتیں ہیں جو صرف کھنچتی ہیں، کبھی نہیں گھومتیں۔ وہ کھنچاؤ کا عامل آئیگن ویلیو ہے۔

تعریف

ایک $n \times n$ میٹرکس $A$ کے لیے، ایک غیر صفر ویکٹر $\mathbf{v}$ آئیگن ویکٹر ہے جس کی آئیگن ویلیو $\lambda$ ہے جب:

$A \mathbf{v} = \lambda \mathbf{v}$

ہندسی طور پر: $\mathbf{v}$ پر $A$ کا اثر $\lambda$ گنا $\mathbf{v}$ پیدا کرتا ہے — یکساں سمت، صرف مقیاس کا فرق۔

انہیں کیسے تلاش کریں — خاصیتی کثیر الحدود

دوبارہ ترتیب دینے سے $(A - \lambda I)\mathbf{v} = \mathbf{0}$ ملتا ہے۔ غیر صفر $\mathbf{v}$ کے وجود کے لیے، میٹرکس $A - \lambda I$ واحد (singular) ہونا چاہیے، یعنی:

$\det(A - \lambda I) = 0$

یہ $\lambda$ میں ایک کثیر الحدود میں پھیلتا ہے جسے خاصیتی کثیر الحدود کہتے ہیں، جس کی درجہ $n$ ہے۔ اس کی جڑیں آئیگن ویلیو ہیں۔

حل شدہ $2 \times 2$ مثال

$A = \begin{pmatrix} 4 & 1 \\ 2 & 3 \end{pmatrix}$

1. $A - \lambda I = \begin{pmatrix} 4 - \lambda & 1 \\ 2 & 3 - \lambda \end{pmatrix}$۔
2. $\det = (4-\lambda)(3-\lambda) - 2 = \lambda^2 - 7\lambda + 10$۔
3. $\lambda^2 - 7\lambda + 10 = 0$ حل کریں: $\lambda = 5$ یا $\lambda = 2$۔

$\lambda = 5$ کے لیے: $(A - 5I)\mathbf{v} = 0$ حل کریں، یعنی $\begin{pmatrix} -1 & 1 \\ 2 & -2 \end{pmatrix}\mathbf{v} = 0$، جس سے آئیگن ویکٹر $\mathbf{v}_1 = (1, 1)$ ملتا ہے۔

$\lambda = 2$ کے لیے: اسی طرح کے عمل سے $\mathbf{v}_2 = (1, -2)$ ملتا ہے۔

آئیگن ویکٹر کیوں اہم ہیں

• بنیادی جز تجزیہ (PCA): سہ انحراف میٹرکس کے آئیگن ویکٹر آپ کے ڈیٹا میں تغیر کی بنیادی سمتیں ہیں۔
• Google PageRank: رینک ویکٹر ویب کے لنک میٹرکس کا غالب آئیگن ویکٹر ہے۔
• کوانٹم میکانکس: مشاہدے والے (observables) آپریٹر ہیں؛ ان کی آئیگن ویلیو وہ واحد نتائج ہیں جو آپ پیمائش کر سکتے ہیں۔
• تفریقی مساوات: نظام میٹرکس کی آئیگن ویلیو آپ کو بتاتی ہیں کہ حل کم ہوتے ہیں یا بے قابو بڑھتے ہیں۔

ہندسی مطلب کا خلاصہ

ایک 2D میٹرکس کے لیے، آئیگن ویکٹر خاص محور ہیں۔ اگر آپ ان کے ساتھ نقاطی نظام کو ہم آہنگ کریں، تو $A$ قطری (diagonal) بن جاتا ہے — ہر محور کے ساتھ خالص مقیاس، بغیر کسی گھماؤ کے۔ یہی قطری کاری (diagonalisation) ہے، اور یہ درجنوں الگورتھم کی بنیاد ہے۔

عام غلطیاں

• یہ بھول جانا کہ آئیگن ویکٹر مقیاس تک ہی معرف ہیں — کسی آئیگن ویکٹر کا کوئی بھی غیر صفر گنا بھی آئیگن ویکٹر ہے۔
• خاصیتی مساوات کو چھوڑنا اور اندازہ لگانے کی کوشش کرنا۔
• $\det(A - \lambda I)$ کو $\det(A) - \lambda$ سمجھنا — یہ ایسا نہیں ہے۔

AI میٹرکس سولور کے ساتھ آزمائیں

اپنا میٹرکس میٹرکس کیلکولیٹر میں ڈالیں اور آئیگن ویلیو مانگیں — ہر قدم دکھایا جاتا ہے۔

متعلقہ حوالہ جات:

• ڈیٹرمیننٹ کیلکولیٹر — خاصیتی کثیر الحدود کے لیے ضروری
• دو درجی سولور — $2\times 2$ خاصیتی صورت کے لیے
• ویکٹر کیلکولیٹر — آئیگن ویکٹر بنیادی طور پر ویکٹر ہیں