أوجد القيم الذاتية (والمتجهات الذاتية، عند كونها حقيقية) لمصفوفة 2×2 باستخدام معادلتها الخاصة.
📂 الجبر المتقدم والمتجهاتالمصفوفة A = [[a, b], [c, d]]
عبّئ الحقول الموجودة على يمين الصفحة بالقيم المطلوبة، ثم اضغط الزر لرؤية النتيجة فورًا. لا حاجة للتسجيل، ولا تُرسَل أي بيانات لأي خادم — كل الحساب يتم داخل متصفحك مباشرة.
تحل حاسبة القيم الذاتية مصفوفة 2×2 لإيجاد "قيمها الذاتية"، أرقام خاصة λ تحقّق معادلة det(A − λI) = 0، أي أن المصفوفة (A مطروحًا منها λ مضروبة في مصفوفة الوحدة) تصبح غير قابلة للعكس. لمصفوفة 2×2 بعناصر [[a,b],[c,d]]، تتحوّل هذه المعادلة لمعادلة تربيعية بسيطة في λ: λ² − (a+d)λ + (ad−bc) = 0، حيث (a+d) هو أثر المصفوفة و(ad−bc) هو محدّدها. تُحَل هذه المعادلة التربيعية بالصيغة العامة كأي معادلة تربيعية أخرى: إذا كان المميّز موجبًا أو يساوي صفرًا، تكون القيم الذاتية حقيقية، ويمكن حساب "المتجهات الذاتية" المرتبطة بها؛ وإذا كان سالبًا، تكون القيم الذاتية مركّبة. تُستخدَم القيم الذاتية كثيرًا في الفيزياء والهندسة، وتحليل استقرار الأنظمة الديناميكية، وتقنيات تقليل الأبعاد في علوم البيانات. وتُستخدَم القيم الذاتية على نطاق واسع في الفيزياء الكمّية، وضغط الصور والبيانات، وتحليل الاستقرار في الأنظمة الميكانيكية والهندسية، لأنها تكشف الاتجاهات التي لا يغيّر التحويل الخطي فيها إلا مقياس المتجه لا اتجاهه. وتمثّل القيمة الذاتية العدد الذي يُضرَب به متجه معيّن (يسمى المتجه الذاتي) عند تطبيق مصفوفة تحويل عليه، بحيث يبقى اتجاه المتجه كما هو دون تغيّر بينما يتغيّر فقط طوله بمقدار تلك القيمة، وهذا الثبات النسبي هو ما يجعلها مفيدة جدًا في تحليل الأنظمة.
عند تطبيق مصفوفة تحويل خطي على متجه، تتغيّر عادة اتجاه المتجه ومقداره معًا. لكن بعض المتجهات المحددة — تُسمى 'المتجهات الذاتية' (Eigenvectors) — تحتفظ باتجاهها نفسه بعد التحويل، وتتغيّر فقط في طولها بمعامل ثابت يُسمى 'القيمة الذاتية' (Eigenvalue). هذا المفهوم يكشف الاتجاهات 'الجوهرية' أو 'المميزة' التي تُحدد سلوك التحويل بأكمله.
تُحسب القيم الذاتية رياضيًا بحل معادلة تسمى 'المعادلة الخصائصية'، وهي معادلة كثيرة الحدود ناتجة عن طرح القيمة الذاتية (مضروبة في مصفوفة الوحدة) من المصفوفة الأصلية، ثم حساب محدّد النتيجة وجعله يساوي صفرًا. عدد القيم الذاتية الممكنة لمصفوفة مربعة يساوي رتبتها (عدد صفوفها أو أعمدتها).
يُعد هذا المفهوم من أهم أدوات الجبر الخطي التطبيقي: في الفيزياء، تُستخدم القيم الذاتية لوصف الترددات الطبيعية للأنظمة المتذبذبة كالجسور والمباني، وفي معالجة الصور والبيانات الضخمة، يقوم 'تحليل المكونات الأساسية' (PCA) — أحد أشهر تقنيات تقليل الأبعاد — بالكامل على استخراج القيم والمتجهات الذاتية لمصفوفة التغاير لتحديد الاتجاهات الأكثر أهمية في البيانات.
في محركات البحث، استُخدمت القيم الذاتية في خوارزمية 'PageRank' الأصلية لترتيب صفحات الويب حسب أهميتها، وفي علم الوراثة والبيولوجيا الحاسوبية تُستخدم لتحليل شبكات التفاعل الجيني المعقّدة. هذا التنوع الواسع في التطبيقات يعكس حقيقة أن القيم الذاتية ليست مجرد تمرين جبري نظري، بل أداة عملية لفهم البنية الجوهرية لأي نظام يمكن تمثيله رياضيًا كمصفوفة.
من النقاط العملية المفيدة أيضًا أن مجموع القيم الذاتية لمصفوفة معينة يساوي دائمًا 'أثر' تلك المصفوفة (مجموع العناصر القطرية)، وحاصل ضربها جميعًا يساوي محدّد المصفوفة نفسها. هاتان العلاقتان توفران طريقة سريعة للتحقق من صحة القيم الذاتية المحسوبة دون الحاجة لإعادة حل المعادلة الخصائصية بالكامل من جديد، وهما أداة تحقق مفيدة جدًا عمليًا عند العمل بمصفوفات كبيرة الحجم. وتُحسَب القيم الذاتية عمليًا بحل معادلة تُعرَف بالمعادلة المميّزة، الناتجة عن طرح القيمة الذاتية مضروبة في مصفوفة الوحدة من المصفوفة الأصلية، ثم جعل محدّد الناتج يساوي صفرًا لإيجاد القيم الممكنة. وتوجد لكل قيمة ذاتية متجه ذاتي مرتبط بها، ويُستخدَم الزوج معًا في تطبيقات كتحليل المكونات الرئيسية لتبسيط بيانات معقدة متعددة الأبعاد.
تمثّل عامل تكبير: عندما تؤثّر المصفوفة على متجهها الذاتي المطابق، يبقى اتجاه المتجه كما هو ويتغيّر طوله فقط بمعامل هذه القيمة الذاتية.
تُبسَّط المعادلة الخاصة لمصفوفة 2×2 بشكل أنيق لمعادلة تربيعية بصيغة واضحة، بينما تتطلب المصفوفات الأكبر طرقًا عددية أكثر تقدمًا.
القيم الذاتية المركّبة تعني أن المصفوفة تمثّل تحويلًا شبيهًا بالدوران بلا اتجاه حقيقي يبقى مُكبَّرًا فقط، فلا توجد متجهات ذاتية حقيقية.