عمليات المصفوفات

من البنية إلى الفعل

في الدرس السابق، تعلمنا ما هي المصفوفة — شبكة مستطيلة من الأرقام تمثل البيانات أو التحويلات أو أنظمة المعادلات. لكن الشبكة الساكنة هي نصف القصة فقط. القوة الحقيقية للمصفوفات تأتي مما نفعله بها. عمليات المصفوفات تحول المصفوفات من حاويات سلبية إلى محركات نشطة تدفع الحساب في تعلم الآلة والرسوميات الحاسوبية وعلم الفيزياء وكل مجال علمي كمي تقريباً.

يغطي هذا الدرس العمليات الأساسية: الجمع، والضرب القياسي، وحاصل ضرب المصفوفة في متجه، وحاصل ضرب المصفوفة في مصفوفة، والمنقولة، والأثر. لكل عملية تعريف ميكانيكي ومعنى هندسي أعمق. فهم كليهما سيجعل الميكانيكا تبدو حتمية وليست تعسفية.

جمع المصفوفات

أبسط عملية على المصفوفات هي الجمع. لجمع مصفوفتين، نجمع ببساطة العناصر المقابلة لهما. العنصر في الصف i والعمود j من A+B هو مجموع العنصرين (i,j) في A و B. يُسمى هذا الجمع عنصر بعنصر.

هناك قيد واحد: يجب أن تكون للمصفوفتين نفس الأبعاد. لا يمكنك جمع مصفوفة 3×2 مع مصفوفة 2×3 — يجب أن تتطابق الأشكال تماماً. الطرح يعمل بالطريقة نفسها: نطرح العناصر المقابلة. النتيجة دائماً لها نفس أبعاد المدخلات.

الضرب في عدد قياسي

لضرب مصفوفة في عدد قياسي (رقم واحد)، نضرب كل عنصر بذلك العدد القياسي. إذا كانت A من الحجم m×n و c عدداً قياسياً، فإن cA هي المصفوفة m×n حيث كل عنصر (cA)_ij = c · a_ij. هذه العملية ليس لها قيد على الأبعاد — تعمل لأي مصفوفة وأي عدد قياسي.

هندسياً، الضرب القياسي يُحجِّم التحويل الذي تمثله المصفوفة. الضرب في 2 يضاعف جميع المسافات؛ الضرب في −1 يعكس عبر نقطة الأصل؛ الضرب في 0 يُطيح بكل شيء إلى المصفوفة الصفرية.

ضرب المصفوفة في متجه: طريقة تركيب الأعمدة

حاصل ضرب المصفوفة في متجه Ax هو أهم عملية في الجبر الخطي. بالنظر إلى مصفوفة m×n اسمها A ومتجه n×1 اسمه x، فإن حاصل الضرب Ax هو متجه m×1. هناك طريقتان متكافئتان لحسابه، وفهم كلتيهما يمنح نظرة عميقة.

طريقة الصفوف: كل عنصر في النتيجة هو الضرب الداخلي للصف المقابل في A مع المتجه x. هذا هو الحساب الميكانيكي.

طريقة الأعمدة: Ax هو تركيب خطي لأعمدة A، بعناصر x كمعاملات. هذا التفسير قوي هندسياً — يكشف أن Ax "يمزج" أعمدة A باستخدام الأوزان في x. كل تحويل خطي يمكن فهمه بهذه الطريقة.

ضرب المصفوفة في مصفوفة

ضرب المصفوفات يعمم حاصل ضرب المصفوفة في متجه. لضرب A (m×k) في B (k×n)، يجب أن تتطابق الأبعاد الداخلية: A لها k عموداً، و B لها k صفاً. النتيجة AB هي مصفوفة m×n.

العنصر (i,j) في AB هو الضرب الداخلي للصف i من A مع العمود j من B. يمكنك أيضاً التفكير في الأمر هكذا: العمود j من AB يساوي A مضروبةً في العمود j من B. هذا يعني أن كل عمود في الحاصل هو تركيب خطي لأعمدة A — طريقة الأعمدة مجدداً.

الترتيب مهم: عدم التبادلية

من أهم الفوارق بين ضرب المصفوفات وضرب الأعداد العادية هو أن المصفوفات غير تبادلية. بشكل عام، AB ≠ BA. هذه ليست استثناءً — بل هي القاعدة. حتى عندما يكون كلا الحاصلين معرَّفين ولهما نفس الأبعاد، فعادةً ما يكونان مصفوفتين مختلفتين.

غير أن ضرب المصفوفات هو تجميعي: (AB)C = A(BC). هذا يعني أنك تستطيع إعادة تجميع الأقواس دون تغيير النتيجة — لكنك لا تستطيع تبديل ترتيب العوامل. الضرب أيضاً توزيعي: A(B + C) = AB + AC و (A + B)C = AC + BC.

المصفوفة المنقولة

منقولة المصفوفة A، ويُكتب A^T، تتشكل بتبديل الصفوف والأعمدة. العنصر في الصف i والعمود j من A يصبح العنصر في الصف j والعمود i من A^T. إذا كانت A من الحجم m×n، فإن A^T من الحجم n×m.

للمنقولة قاعدة ضرب جميلة: منقولة الحاصل تعكس الترتيب. هذه القاعدة تتعمم: (ABC)^T = C^TB^TA^T. الانعكاس ضروري — إذا نسيته، فلن تتطابق الأبعاد.

تُسمى المصفوفة متماثلة إذا كانت A^T = A. المصفوفات المتماثلة تنشأ باستمرار في الإحصاء والفيزياء والتحسين — مصفوفات التباين ومصفوفة هسيان في التفاضل ومصفوفة غرام X^TX كلها متماثلة. لها خصائص خاصة تجعلها أسهل في التعامل.

الأثر

أثر المصفوفة المربعة هو مجموع عناصر قطرها الرئيسي. رغم بساطته، يظهر الأثر في موضوعات متقدمة مثل نظرية القيم الذاتية والتحسين (تدرج الأثر) وميكانيكا الكم.

خاصية مهمة: trace(AB) = trace(BA)، رغم أن AB ≠ BA بشكل عام. تُستخدم هذه الخاصية الدورية للأثر باستمرار في تفاضل المصفوفات وتعلم الآلة. يساوي الأثر أيضاً مجموع القيم الذاتية للمصفوفة — صلة عميقة تظهر في نظرية الطيف.

التكلفة الحسابية

ضرب المصفوفات هو محرك الحوسبة الحديثة، لكنه مُكلف. ضرب مصفوفة m×k في مصفوفة k×n يتطلب O(mkn) عملية حسابية — تقريباً m × k × n من عمليات الضرب والجمع. للمصفوفات المربعة n×n، هذا O(n³).

للمصفوفات الكبيرة، تصبح هذه التكلفة كبيرة. ضرب مصفوفتين بحجم 1000×1000 يتطلب نحو 10⁹ عملية. لهذا يعتمد التعلم العميق الحديث على وحدات معالجة الرسوميات (GPUs) التي تستطيع تنفيذ آلاف عمليات الضرب والجمع بالتوازي.

لماذا تهم هذه العمليات

هذه العمليات ليست تمارين مجردة — بل هي العمليات الحسابية الأساسية للعلم والهندسة الحديثين:

الشبكات العصبية: تطبق كل طبقة تحويلاً افيناً Ax + b، حيث A هي مصفوفة الأوزان و b هو متجه الانحياز. التدريب يحدِّث A و b لتقليل دالة الخسارة. المسار الأمامي الكامل عبر شبكة عميقة هو سلسلة من حاصلات ضرب المصفوفات.

رسوميات الحاسوب: الدوران ثلاثي الأبعاد والتحجيم وإسقاطات المنظور كلها تحويلات خطية تمثلها مصفوفات. تصيير مشهد ثلاثي الأبعاد يتضمن ضرب كل رأس في سلسلة من مصفوفات التحويل.

الإحصاء: مصفوفة التباين المشترك لمجموعة بيانات X (بالصفوف كمشاهدات) تتناسب مع X^TX. هذه المصفوفة المتماثلة تُرمِّز كيف تتباين المتغيرات معاً — وهي محورية في PCA والانحدار الخطي وكثير من الطرق الأخرى.

معالجة الإشارات: الالتفاف والتصفية وتحويلات فورييه كلها يمكن التعبير عنها كحاصلات ضرب مصفوفات. تحويل فورييه المتقطع (DFT) هو حاصل ضرب مصفوفة في متجه مع مصفوفة مركبة محددة.