يعني إيه matrix؟

الـ matrix (المصفوفة) من أقوى البُنى في الرياضيات وأكترها انتشارًا. في أبسط صورة، هي مجرد جدول أرقام مستطيل مترتب في صفوف وأعمدة. بس الفكرة البسيطة دي شايلة جواها حاجة أعمق بكتير: الـ matrix بتمثّل linear transformation (تحويل خطي) — قاعدة بتحرّك، أو بتلفّ، أو بتكبّر، أو بتشوّه كل النقط في الفضاء مرة واحدة.

الرموز والتشريح

الـ matrix اللي اسمها A وفيها m صف وn عمود بنقول عليها matrix مقاسها m × n. وعناصرها بنكتبها a_{ij}، وi هو رقم الصف وj هو رقم العمود:

طريقة كتابة الـ matrix

A=\begin{pmatrix}a_{11}&a_{12}&\cdots&a_{1n}\\a_{21}&a_{22}&\cdots&a_{2n}\\\vdots&\vdots&\ddots&\vdots\\a_{m1}&a_{m2}&\cdots&a_{mn}\end{pmatrix}

A هي matrix مقاسها m×n. العنصر a_{ij} في الصف i والعمود j. والشكل (m, n) اسمه أبعاد الـ matrix.

فيه شوية أسامي خاصة: الـ square matrix (المصفوفة المربعة) فيها m = n. والـ matrix اللي فيها عمود واحد (n = 1) اسمها column vector (متجه عمود). واللي فيها صف واحد (m = 1) اسمها row vector (متجه صف). والـ matrix اللي 1×1 هي scalar.

نقرا الـ matrix كبيانات

أسهل طريقة ملموسة تفهم بيها الـ matrices إنك تشوفها بيانات مترتبة. كل صف ممكن يمثّل مشاهدة؛ وكل عمود feature. وشيت فيه 1,000 صف و50 عمود هو matrix مقاسها 1000×50.

مثال — درجات الطلبة: قول إن عندك 4 طلبة، كل واحد ليه درجات في 3 مواد (رياضة، فيزيا، إنجليزي). matrix مقاسها 4×3 بتشيل البيانات دي كلها. الصف 2 فيه درجات الطالب 2. والعمود 3 فيه درجات كل الطلبة في الإنجليزي. ورموز الـ matrix بتدّيك لغة مختصرة للبنية دي.

الـ matrices كـ linear transformations

ودي النظرة الأعمق: كل matrix مقاسها m×n بتعرّف دالة بتاخد vectors فيها n بُعد كـ input وبتطلّع vectors فيها m بُعد كـ output. والدالة دي linear — بتحافظ على الجمع والضرب في scalar.

ضرب الـ matrix A في الـ vector (المتجه) x بيدّي vector جديد اسمه Ax. ودي العملية الأساسية في الـ linear algebra (الجبر الخطي):

ضرب matrix في vector

(Ax)_i=\sum_{j=1}^{n}a_{ij}x_j

كل عنصر في الـ vector اللي طالع هو dot product بين صف من A وx. الـ matrix اللي m×n بتاخد vector فيه n بُعد وبتطلّع vector فيه m بُعد.

matrices ليها أسامي

الـ identity matrix I

الـ identity matrix (مصفوفة الوحدة) فيها 1 على القطر و0 في الباقي. لو ضربت أي matrix اسمها A في I، A بتفضل زي ما هي — زي ما تضرب رقم في 1 بالظبط. ولأي vector x، I·x = x. الـ identity هي الـ transformation اللي "مبيعملش حاجة".

الـ identity matrix مقاسها 3×3

I_3=\begin{pmatrix}1&0&0\\0&1&0\\0&0&1\end{pmatrix}

الـ identity matrix I_n مقاسها n×n وفيها وحايد على القطر. ولأي matrix مقاسها n×n اسمها A: A·I = I·A = A.

الـ zero matrix

الـ zero matrix (مصفوفة الصفر) كل عناصرها صفر. لو ضربت أي vector فيها هيطلعلك الـ zero vector — كل حاجة بتتلمّ في نقطة الأصل. ولو جمعتها على أي matrix اسمها A هيطلعلك A.

الـ diagonal matrices

الـ diagonal matrix (المصفوفة القطرية) فيها عناصر مش صفر على القطر الرئيسي بس. لما تضربها في vector، بتكبّر كل مركّبة لوحدها — ودي أبسط transformation مش تافهة.

الـ symmetric matrices

الـ matrix A تبقى symmetric (متماثلة) لو A = Aᵀ (بتساوي الـ transpose بتاعها). matrices مهمة كتير في الفيزياء والـ ML بتبقى symmetric: الـ covariance matrices، والـ adjacency matrices بتاعة الـ graphs اللي مش موجّهة، والـ positive definite matrices.

الـ transpose

الـ transpose (المنقولة) بتاع الـ matrix A، وبنكتبه Aᵀ، بيبدّل الصفوف بالأعمدة: العنصر (i,j) في A بيبقى العنصر (j,i) في Aᵀ. لو A مقاسها m×n، يبقى Aᵀ مقاسه n×m.

خصائص الـ transpose: (A+B)ᵀ = Aᵀ + Bᵀ، (cA)ᵀ = cAᵀ، (AB)ᵀ = BᵀAᵀ (خد بالك الترتيب اتعكس!)، (Aᵀ)ᵀ = A. وقاعدة الترتيب المعكوس في الضرب دي بتفاجئ المبتدئين كتير.

ليه الـ matrices مهمة

الـ matrices بتظهر تقريبًا في كل مجال فيه أرقام، لأنها بتشيل العلاقات بين كميات كتير مرة واحدة بكفاءة:

الجرافيكس

الدوران، والتكبير، والإزاحة، والـ perspective projection كلها عمليات matrices بتتطبّق على vectors إحداثيات 3D.

الـ machine learning

الـ layers في الـ neural network هي ضرب matrices. وبيانات التدريب matrix. وتحديث الـ weights عمليات matrices.

الفيزيا

الحالات الكمية vectors؛ والـ observables هي matrices (operators). ومجموعات الدوران مجموعات matrices.

الهندسة

أنظمة المعادلات التفاضلية، ونظرية التحكم، وتحليل الدواير — كلهم بيتلخّصوا في معادلات matrices.

الإحصاء

الـ covariance matrices، والـ linear regression، والـ PCA، وتحليل التباين كلهم في الأساس عمليات matrices.

نظرية الـ graphs

الـ adjacency matrix والـ Laplacian matrix بيشيلوا بنية الـ graph. وخصائص الـ graph بتتترجم لخصائص في الـ matrix.

أهم النقط

الـ matrix جدول أرقام مستطيل فيه m صف وn عمود (m×n)
العنصر a_{ij} في الصف i (العد بيبدأ من 1)، والعمود j — الصف الأول، وبعده العمود
كل matrix بتمثّل linear transformation: vector فيه n بُعد داخل ← vector فيه m بُعد طالع عن طريق Ax
matrices ليها أسامي: الـ identity (I)، والـ zero، والـ diagonal، والـ symmetric (A = Aᵀ)
الـ transpose Aᵀ بيبدّل الصفوف بالأعمدة؛ (AB)ᵀ = BᵀAᵀ (الترتيب بيتعكس)
الـ matrices أدوات أساسية في الجرافيكس والـ machine learning والفيزيا والهندسة والإحصاء

الـ vector spaces والـ subspaces نظرة عامة عمليات الـ matrices