# فصل ۰۸ — بردارهایی که جهتشان عوض نمی‌شود

<div dir="rtl">

# فصل ۰۸ — بردارهایی که جهتشان عوض نمی‌شود

## در این فصل چه یاد می‌گیری

یک تبدیل بردار می‌گیرد و معمولاً هم می‌چرخاندش هم اندازه‌اش را عوض می‌کند.

**ولی برای تقریباً هر تبدیلی، چند بردارِ خاص هستند که فقط کِش می‌آیند.** جهتشان دست‌نخورده می‌ماند؛ فقط بلندتر یا کوتاه‌تر می‌شوند.

این بردارها **اسکلتِ پنهانِ** تبدیل‌اند: محورهایی که تبدیل حولشان عمل می‌کند. پیدا کردنشان یعنی فهمیدنِ اینکه یک ماتریس **واقعاً** چه کار می‌کند — و همین کاری است که فصل ۹ برای فشرده‌کردنِ داده انجام می‌دهد.

![یک تبدیل که بیشتر بردارها را می‌چرخاند ولی دو بردار خاص فقط کش می‌آیند](/lesson-assets/t7-s08-eigen/prompt/01-image-eigenvector.png)

آخر این فصل می‌توانی:

- بگویی بردارِ ویژه و مقدارِ ویژه چه هستند
- برای یک ماتریسِ ساده آن‌ها را تشخیص بدهی
- بگویی چرا در تحلیلِ داده مهم‌اند

## قبل از شروع

- **از فصل ۶:** ماتریس به‌عنوان تبدیل؛ ستون‌ها یعنی محورها به کجا می‌روند.
- **از فصل ۲:** ضربِ اسکالر — بردار روی خطِ خودش می‌ماند.
- **از فصل ۷:** دترمینان و برگشت‌پذیری.

## ۱. بردارهایی که فقط کِش می‌آیند

ماتریسِ کشیدگیِ زیر را در نظر بگیر:

</div>

$$
A = \begin{pmatrix} 3 & 0 \\ 0 & 2 \end{pmatrix}
$$

<div dir="rtl">

روی بردارِ $(1, 1)$ اثر کن: به $(3, 2)$ می‌رود — هم طول عوض شد هم جهت (شیبش از ۱ به $\frac{2}{3}$ رفت).

حالا روی $(1, 0)$: به $(3, 0)$ می‌رود.

> 🤔 **اول حدس بزن:** جهتِ این یکی عوض شد؟

نه — همان محورِ افقی، فقط سه برابر بلندتر.

به چنین برداری می‌گویند **بردارِ ویژه**، و به آن ضریب (اینجا ۳) **مقدارِ ویژه**:

</div>

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

<div dir="rtl">

**سمتِ چپ یک تبدیلِ ماتریسی است و سمتِ راست فقط یک ضربِ اسکالر.** برابری‌شان یعنی: برای این بردارِ خاص، آن ماتریسِ پیچیده کاری بیشتر از ضرب در یک عدد نمی‌کند.

> ✅ **چک کن:** برای همان $A$، آیا $(0,1)$ بردارِ ویژه است؟ — بله: به $(0,2)$ می‌رود، همان جهت با ضریبِ ۲. **مقدارِ ویژه‌اش ۲ است.**

> 💡 **نکته:** برای ماتریسِ **کشیدگی** آن دو محور کاملاً واضح‌اند. جالبی‌اش وقتی است که ماتریس کج و درهم باشد — آن‌وقت بردارهای ویژه هیچ ربطی به محورهای مختصات ندارند و **جهت‌های پنهانِ** خودِ تبدیل‌اند.

## ۲. چند بردارِ ویژه؟

**اگر $\vec{v}$ بردارِ ویژه باشد، هر مضربی از آن هم هست** — $2\vec{v}$، $-\vec{v}$، همه. چون از فصل ۲ می‌دانی ضربِ اسکالر جهت را عوض نمی‌کند.

پس بردارِ ویژه در واقع یک **جهت** است، نه یک بردارِ خاص. معمولاً نرمال‌شده‌اش را می‌نویسند (فصل ۲).

یک ماتریسِ ۲ در ۲ معمولاً **دو** جهتِ ویژه دارد، ولی نه همیشه:

- **ماتریسِ چرخش** (به‌جز ۰ و ۱۸۰ درجه) هیچ بردارِ ویژه‌ای روی صفحه ندارد — **هر** برداری می‌چرخد.
- **ماتریسِ همانی** هر برداری را بردارِ ویژه می‌کند، همه با مقدارِ ویژهٔ ۱.

> 🤔 **اول حدس بزن:** چرا چرخش هیچ بردارِ ویژه‌ای ندارد؟

چون بردارِ ویژه یعنی «روی خطِ خودش بماند»، و چرخش دقیقاً کاری است که **هر** بردار را از خطش خارج می‌کند.

> 🌱 **ریشه‌اش کجاست:** این وضعیت را قبلاً دیده‌ای. در ترم ۳ فصل ۷، معادلهٔ درجه دویی که $b^2-4ac$ منفی داشت «جوابی روی محورِ حقیقی» نداشت — و همان‌جا گفتیم آن بن‌بست، درِ تازه‌ای بود. **پیدا کردنِ مقادیرِ ویژه در نهایت به حلِ یک معادلهٔ درجه دو می‌رسد، و چرخش دقیقاً همان حالتِ $b^2-4ac$ منفی است.** دو مسیرِ کاملاً متفاوت، یک ریشه.

## ۳. چرا مهم‌اند

**۱. ساده‌کردنِ تبدیل.** اگر تبدیل را در دستگاهِ مختصاتی بنویسی که محورهایش بردارهای ویژه باشند، ماتریس به یک **کشیدگیِ ساده** تبدیل می‌شود — همه‌چیز خارج از قطر صفر می‌شود. **همان تبدیلِ پیچیده، در زاویهٔ نگاهِ درست، ساده است.**

**۲. رفتارِ بلندمدت.** اگر تبدیل را بارها تکرار کنی، بردارِ ویژه‌ای که **بزرگ‌ترین** مقدارِ ویژه را دارد بر همه‌چیز غلبه می‌کند — چون هر بار در عددِ بزرگ‌تری ضرب می‌شود، و از ترم ۴ فصل ۷ می‌دانی ضربِ تکراری چقدر سریع فاصله می‌اندازد.

**۳. جهتِ اصلیِ داده.** اگر ابری از نقطه‌های داده داشته باشی، بردارِ ویژهٔ بزرگ‌ترین مقدارِ ویژه، **جهتی است که داده در آن بیشترین پراکندگی را دارد**.

> 💡 **نکته:** آن موردِ سوم دقیقاً کاری است که فصل ۹ انجام می‌دهد. **اگر بدانی داده در کدام جهت بیشترین تنوع را دارد، می‌توانی جهت‌های کم‌اهمیت را دور بریزی و اطلاعاتِ کمی از دست بدهی.** این کلِ ایدهٔ فشرده‌سازی و کاهشِ بُعد است.

## ۴. یک تصویرِ ملموس

نقطه‌هایی از داده را تصور کن که به‌شکلِ یک بیضیِ کشیده پراکنده‌اند — مثلاً قد و وزنِ چند صد نفر، که با هم همبسته‌اند (ترم ۶ فصل ۸).

آن ابر یک **جهتِ اصلی** دارد: امتدادِ بلندِ بیضی. و یک جهتِ فرعیِ عمود بر آن، که خیلی کوتاه‌تر است.

**آن دو جهت، بردارهای ویژهٔ آن داده‌اند**، و طولِ هر امتداد به مقدارِ ویژهٔ متناظرش مربوط است.

> 🤔 **اول حدس بزن:** اگر بخواهی این داده را از دو عدد به **یک** عدد کاهش بدهی، کدام جهت را نگه می‌داری؟

جهتِ بلند. چون بیشترِ تفاوتِ بینِ آدم‌ها در آن جهت است؛ جهتِ کوتاه تقریباً برای همه یکسان است و اطلاعاتِ کمی دارد.

> ⚠️ **دامِ رایج:** فرضِ اینکه بردارِ ویژه حتماً روی یکی از محورهای مختصات است. **معمولاً نیست** — و اتفاقاً وقتی نیست بیشترین ارزش را دارد، چون جهتی را نشان می‌دهد که در انتخابِ اولیهٔ محورها اصلاً دیده نمی‌شد.

## ۵. پیدا کردنشان

روشِ کامل بیرون از این دوره است، ولی ایده‌اش را می‌شود دید. معادله را بازآرایی کن:

</div>

$$
A\vec{v} = \lambda\vec{v} \quad \Rightarrow \quad (A - \lambda I)\vec{v} = \vec{0}
$$

<div dir="rtl">

این یعنی تبدیلِ $(A - \lambda I)$ یک بردارِ **غیرصفر** را به صفر می‌برد — و از فصل ۷ می‌دانی چنین چیزی فقط وقتی ممکن است که آن تبدیل **صفحه را له کند**، یعنی:

</div>

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

<div dir="rtl">

که برای ماتریسِ ۲ در ۲، یک **معادلهٔ درجه دو** بر حسبِ $\lambda$ می‌سازد — همان معادله‌ای که در ترم ۳ فصل ۷ حل می‌کردی.

> 💡 **نکته:** لازم نیست این را دستی حساب کنی؛ در عمل همیشه کامپیوتر انجامش می‌دهد. **ولی دیدنِ اینکه دترمینانِ فصل ۷ و درجه دویِ ترم ۳ اینجا به‌هم می‌رسند، همان چیزی است که کلِ دوره برایش ساخته شد.**

> 🧪 **آزمایشگاه:** [جهت‌های ثابت را پیدا کن](/lab/embed/risheh/term-7-linear-algebra/session-08-eigen) — یک ماتریس می‌سازی و برداری را دورِ دایره می‌چرخانی تا ببینی کجا خروجی با ورودی هم‌خط می‌شود. اول با یک ماتریسِ چرخش امتحان کن و ببین چرا هیچ‌جا هم‌خط نمی‌شود.

## تمرین‌ها

1. برای $\begin{pmatrix} 5 & 0 \\ 0 & 1 \end{pmatrix}$ دو بردارِ ویژه و مقادیرِ ویژه‌شان را بنویس.
2. آیا $(1,1)$ بردارِ ویژهٔ $\begin{pmatrix} 2 & 0 \\ 0 & 2 \end{pmatrix}$ است؟ چرا؟
3. ماتریسِ چرخشِ ۱۸۰ درجه چه بردارهای ویژه‌ای دارد و مقدارِ ویژه‌شان چند است؟
4. اگر مقدارِ ویژه‌ای صفر باشد، دربارهٔ دترمینان چه می‌فهمی؟
5. دترمینانِ $\begin{pmatrix} 3 & 1 \\ 6 & 2 \end{pmatrix}$ را حساب کن.
6. $(2, 3) \cdot (3, -2)$ را حساب کن. زاویه‌شان چند درجه است؟

⭐ ماتریسی بساز که مقادیرِ ویژه‌اش ۱ و ۰ باشند. اثرش روی صفحه چیست، و چرا نمی‌شود برگشتش داد؟

## در فصل بعد

فصلِ آخرِ ترم پروژه است: همین بردارهای ویژه را روی یک دادهٔ واقعی به‌کار می‌بری تا **فشرده‌اش کنی** — دو یا سه ویژگی را به یکی کاهش بدهی و ببینی چقدر اطلاعات از دست می‌رود. اسمِ این کار `PCA` است و یکی از پرکاربردترین ابزارهای تحلیلِ داده.

</div>

---
Source: https://yaadestan.com/courses/risheh/lessons/t7/s08-eigen (یادستان, Yaadestan)
