ذاتی قدریں اور ذاتی سمتیے، مثالوں کے ساتھ وضاحت

تعریفی مساوات

زیادہ تر سمتیے میٹرکس سے ضرب دینے پر اپنی سمت بدل لیتے ہیں۔ چند خاص سمتیے ایسا نہیں کرتے: میٹرکس انہیں اسی خط پر صرف کھینچتا، سکیڑتا یا الٹتا ہے۔ یہی ذاتی سمتیے ہیں، اور جس عامل سے ہر ایک کا پیمانہ بدلتا ہے وہ اس کی ذاتی قدر ہے۔ علامات میں، غیر صفر سمتیہ $\mathbf{v}$ مربع میٹرکس $A$ کا ذاتی سمتیہ ہے جس کی ذاتی قدر $\lambda$ ہے، جب:

صفر سمتیہ خارج ہے کیونکہ وہ ہر $\lambda$ کے لیے مساوات پوری کر دیتا۔ البتہ ذاتی قدریں صفر، منفی یا مختلط بھی ہو سکتی ہیں۔ ذاتی قدر 2 کا مطلب ہے کہ اس سمت کے سمتیوں کی لمبائی دگنی ہو جاتی ہے، $-1$ کا مطلب ہے کہ وہ الٹ جاتے ہیں، اور 0 کا مطلب ہے کہ وہ چپٹے ہو کر کچھ نہیں رہتے، جو ٹھیک اسی وقت ہوتا ہے جب میٹرکس منفرد ہو۔

امتیازی مساوات سے ذاتی قدریں معلوم کرنا

تعریفی مساوات کو $(A - \lambda I)\mathbf{v} = \mathbf{0}$ کی صورت میں دوبارہ لکھیں۔ غیر صفر حل موجود ہونے کے لیے میٹرکس $A - \lambda I$ کا منفرد ہونا ضروری ہے، اس لیے اس کا ڈیٹرمیننٹ صفر ہونا چاہیے۔ اس سے امتیازی مساوات ملتی ہے:

$n \times n$ میٹرکس کے لیے یہ $\lambda$ میں درجہ $n$ کی کثیر رقمی مساوات ہے، اس لیے تکرار کے ساتھ گننے اور مختلط قیمتوں کی اجازت دینے پر $n$ ذاتی قدریں ہوتی ہیں۔ $2 \times 2$ میٹرکس کے لیے کثیر رقمی دو درجی ہے، جسے آپ دو درجی مساوات کیسے حل کریں کے طریقوں سے حل کر سکتے ہیں۔

2 ضرب 2 کی ایک مکمل مثال

ذاتی سمتیے کا ہر غیر صفر مضرب بھی ذاتی سمتیہ ہے، اس لیے $(3, 3)$ یا $(-2, 4)$ بھی اتنے ہی درست جواب ہوتے۔ اہم سمت ہے، لمبائی نہیں۔ یہ بھی دیکھیں کہ ہر بار $A - \lambda I$ کی دونوں قطاریں ایک دوسرے کی مضرب تھیں۔ جب $\lambda$ حقیقی ذاتی قدر ہو تو اس کی ضمانت ہے، اور یہ آپ کے حساب کی ایک کارآمد جانچ ہے۔

دو مختصر طریقے: ٹریس اور ڈیٹرمیننٹ

کسی بھی مربع میٹرکس کی ذاتی قدریں دو آسان اعداد سے جڑی ہیں۔ ان کا مجموعہ ٹریس، یعنی وتری اندراجات کے مجموعے، کے برابر ہے، اور ان کا حاصل ضرب ڈیٹرمیننٹ کے برابر ہے:

مثال 1 میں ٹریس $4 + 3 = 7 = 5 + 2$ ہے اور ڈیٹرمیننٹ $12 - 2 = 10 = 5 \cdot 2$ ہے۔ $2 \times 2$ میٹرکس کے لیے اس کا مطلب ہے کہ امتیازی مساوات ہمیشہ $\lambda^2 - \operatorname{tr}(A)\lambda + \det(A) = 0$ ہوتی ہے، جس سے ڈیٹرمیننٹ کو ہاتھ سے پھیلانے کی ضرورت نہیں رہتی۔ مثلثی میٹرکسز اس سے بھی آسان ہیں: ان کی ذاتی قدریں صرف وتری اندراجات ہیں۔

مختلط اور مکرر ذاتی قدریں

گردشی میٹرکس $\begin{pmatrix} 0 & -1 \\ 1 & 0 \end{pmatrix}$ ہر سمتیے کو 90 درجے گھما دیتا ہے، اس لیے کوئی حقیقی سمت اپنے خط پر نہیں رہتی۔ اس کی امتیازی مساوات $\lambda^2 + 1 = 0$ ہے، جس سے مختلط ذاتی قدریں $\lambda = \pm i$ ملتی ہیں۔ حقیقی میٹرکس کی مختلط ذاتی قدریں ہمیشہ مزدوج جوڑوں میں آتی ہیں اور گردش کی نشاندہی کرتی ہیں۔

ذاتی قدریں دہرائی بھی جا سکتی ہیں۔ میٹرکس $\begin{pmatrix} 2 & 1 \\ 0 & 2 \end{pmatrix}$ کی دوہری ذاتی قدر 2 ہے، پھر بھی $A - 2I = \begin{pmatrix} 0 & 1 \\ 0 & 0 \end{pmatrix}$ لازم کرتا ہے کہ $y = 0$، اس لیے واحد ذاتی سمتیے $(1, 0)$ کے مضرب ہیں۔ ایسا میٹرکس، جس کے آزاد ذاتی سمتیے اس کی جسامت سے کم ہوں، ناقص کہلاتا ہے۔ اس کے برعکس اکائی میٹرکس کی بھی مکرر ذاتی قدر 1 ہے، لیکن ہر غیر صفر سمتیہ اس کا ذاتی سمتیہ ہے۔

متشاکل میٹرکسز دونوں پیچیدگیوں سے بچے رہتے ہیں۔ ان کی ذاتی قدریں ہمیشہ حقیقی ہوتی ہیں، اور مختلف ذاتی قدروں کے ذاتی سمتیے عمودی ہوتے ہیں۔ $\begin{pmatrix} 2 & 1 \\ 1 & 2 \end{pmatrix}$ کے لیے ذاتی قدریں 3 اور 1 ہیں اور ذاتی سمتیے $(1, 1)$ اور $(1, -1)$ ہیں، جن کا نقطی حاصل ضرب صفر ہے۔

وتری بنانا اور میٹرکس کی قوتیں

جب $n \times n$ میٹرکس کے $n$ آزاد ذاتی سمتیے ہوں تو اسے وتری بنایا جا سکتا ہے۔ ذاتی سمتیوں کو $P$ کے کالموں میں اور ذاتی قدروں کو $D$ کے وتر پر رکھیں، اور تب:

وتری میٹرکس کو کسی قوت تک اٹھانا صرف ہر وتری اندراج کو اسی قوت تک اٹھانا ہے، اس لیے $A^{100}$ نکالنا آسان ہو جاتا ہے۔ ذاتی قدریں طویل مدتی رویے کی پیش گوئی بھی کرتی ہیں: جب ایک ذاتی قدر مطلق قیمت میں باقی سب سے بڑی ہو تو $A$ سے بار بار ضرب تقریباً ہر ابتدائی سمتیے کو اسی ذاتی قدر کے ذاتی سمتیے کی طرف دھکیل دیتی ہے۔

ذاتی قدریں کہاں اہم ہیں

• سرچ انجن: اصل پیج رینک الگورتھم روابط کے میٹرکس کے غالب ذاتی سمتیے سے ویب صفحات کی درجہ بندی کرتا ہے۔
• انجینئرنگ: پلوں اور عمارتوں کی قدرتی ارتعاشی تعددات ذاتی قدروں سے آتی ہیں، جنہیں ڈیزائنر متوقع بیرونی قوت کی تعددات سے دور رکھتے ہیں۔
• ڈیٹا سائنس: بنیادی اجزا کا تجزیہ سب سے زیادہ تغیر کی سمتیں معلوم کرنے کے لیے ہم تغیری میٹرکس کے ذاتی سمتیے استعمال کرتا ہے۔
• تفرقی مساواتیں: ذاتی قدروں کی علامتیں طے کرتی ہیں کہ توازن مستحکم ہے یا غیر مستحکم۔
• کوانٹم میکانیات: توانائی کی سطحوں جیسی قابلِ پیمائش مقداریں آپریٹرز کی ذاتی قدریں ہیں۔

ذاتی قدر کیلکولیٹر ذاتی قدریں اور ذاتی سمتیے، بشمول مختلط، معلوم کرتا ہے اور امتیازی کثیر رقمی مرحلہ وار دکھاتا ہے۔ ڈیٹرمیننٹ کیلکولیٹر کسی ممکنہ قیمت پر $\det(A - \lambda I)$ جانچنے کے لیے مفید ہے۔

3 ضرب 3 کی ایک مثال

بڑے میٹرکسز بھی یہی ترکیب اپناتے ہیں، اور صفر یہاں بھی اسی طرح مدد کرتے ہیں جیسے ڈیٹرمیننٹ میں۔ قطاروں $(2, 0, 0)$، $(0, 3, 4)$ اور $(0, 4, 9)$ والا میٹرکس لیں۔ $\det(A - \lambda I)$ کو پہلی قطار کے ساتھ پھیلانے سے $(2 - \lambda)$ ضرب قطاروں $(3, 4)$ اور $(4, 9)$ والے چھوٹے بلاک کا امتیازی کثیر رقمی ملتا ہے۔ اس بلاک کا ٹریس 12 اور ڈیٹرمیننٹ $27 - 16 = 11$ ہے، اس لیے اس کا کثیر رقمی $\lambda^2 - 12\lambda + 11 = (\lambda - 1)(\lambda - 11)$ ہے۔

چنانچہ ذاتی قدریں 2، 1 اور 11 ہیں۔ جانچ کے طور پر ان کا مجموعہ 14 ہے، جو پورے میٹرکس کا ٹریس ہے، اور حاصل ضرب 22 ہے، جو اس کا ڈیٹرمیننٹ ہے۔ ذاتی سمتیے 2 کے لیے $(1, 0, 0)$، 1 کے لیے $(0, -2, 1)$ اور 11 کے لیے $(0, 1, 2)$ ہیں۔ میٹرکس متشاکل ہے، اور جیسا کہا گیا تھا یہ تینوں سمتیے باہم عمودی ہیں۔

عام غلطیاں

• صرف وتری اندراجات کے بجائے ہر اندراج سے $\lambda$ منفی کرنا۔
• $(A - \lambda I)\mathbf{v} = \mathbf{0}$ حل کرنے کے بعد صفر سمتیے کو ذاتی سمتیہ مان لینا۔
• یہ فرض کرنا کہ مکرر ذاتی قدر کے ساتھ ہمیشہ دو آزاد ذاتی سمتیے آتے ہیں۔
• $A\mathbf{v}$ نکال کر اور اس کا $\lambda\mathbf{v}$ سے موازنہ کر کے نتیجہ جانچنا بھول جانا۔

آخری جانچ سب سے قیمتی عادت ہے۔ اس میں ایک میٹرکس ضرب لگتی ہے، اور اگر $A\mathbf{v}$ سمتیے $\mathbf{v}$ کا مضرب نہ ہو تو یا ذاتی قدر غلط ہے یا ذاتی سمتیہ۔

ایک جیومیٹری تصویر

تصور کریں کہ مثال 1 کا میٹرکس گراف پیپر کی ایک شیٹ کے ہر نقطے پر لگایا جاتا ہے۔ مبدا سے کھینچے گئے زیادہ تر تیر کھنچتے بھی ہیں اور مڑتے بھی ہیں۔ تاہم $(1, 1)$ سے گزرنے والے خط پر موجود تیر صرف پانچ گنا لمبے ہو جاتے ہیں، اور $(1, -2)$ سے گزرنے والے خط پر موجود تیر دگنے لمبے ہو جاتے ہیں، اور اپنے خطوط پر رہتے ہیں۔ ذاتی سمتیے تبدیلی کا ڈھانچہ ہیں: جب آپ جان لیں کہ ان دو خطوط پر کیا ہوتا ہے تو آپ جان لیتے ہیں کہ ہر جگہ کیا ہوتا ہے، کیونکہ ہر سمتیہ ان کے ساتھ ٹکڑوں میں تقسیم کیا جا سکتا ہے۔

اکثر پوچھے جانے والے سوالات