حاسبة معيار فروبينيوس
معيار فروبينيوس هو أحد معايير المصفوفات الذي يقيس مقدار أو "حجم" المصفوفة، ويُحسب بأخذ الجذر التربيعي لمجموع مربعات القيم المطلقة لجميع عناصر المصفوفة. تساعدك هذه الحاسبة على إيجاد معيار فروبينيوس لأي مصفوفة بسرعة ودقة عالية.
ما هو معيار فروبينيوس؟
معيار فروبينيوس (ويُعرف أيضًا بالمعيار الإقليدي) هو معيار للمصفوفات يُعرَّف بأنه الجذر التربيعي لمجموع مربعات جميع عناصر المصفوفة. فبالنسبة لمصفوفة A تتكوّن من العناصر \(a_{ij}\)، يُرمز لمعيار فروبينيوس بالرمز \(\lVert A \rVert_F\).
$$\lVert A \rVert_F = \sqrt{\sum_{i=1}^{m}\sum_{j=1}^{n} a_{ij}^{2}} \qquad A = \text{Matrix}$$يوفّر هذا المعيار مقياسًا لـ"حجم" المصفوفة، تمامًا كما يقيس المعيار الإقليدي مقدار المتجه. ويُستخدم على نطاق واسع في الجبر الخطي وتحليل المصفوفات والحسابات العددية.
متى تستخدم معيار فروبينيوس؟
يُعدّ معيار فروبينيوس مفيدًا بشكل خاص في عدد من التطبيقات، منها:
- تقريب المصفوفات: عند قياس مدى قرب مصفوفة من أخرى في تطبيقات مثل التقريب منخفض الرتبة والاستشعار المضغوط.
- التحليل العددي: لتقدير الخطأ أو الفرق بين المصفوفات في الطرق التكرارية والخوارزميات العددية.
- معالجة الإشارات: عند تحليل محتوى الطاقة في الإشارات الممثَّلة على هيئة مصفوفات.
أمثلة
المثال الأول: مصفوفة 2×2
احسب معيار فروبينيوس للمصفوفة A = [1, 2; 3, 4]
| المصفوفة | الحساب | النتيجة |
|---|---|---|
| [1, 2; 3, 4] |
\(\sqrt{1^2 + 2^2 + 3^2 + 4^2} = \sqrt{1 + 4 + 9 + 16} = \sqrt{30}\) | 5.4772 |
المثال الثاني: مصفوفة 3×3
احسب معيار فروبينيوس للمصفوفة B = [2, 0, 1; -1, 3, 5; 4, 2, 1]
| المصفوفة | الحساب | النتيجة |
|---|---|---|
| [2, 0, 1; -1, 3, 5; 4, 2, 1] |
\(\sqrt{2^2 + 0^2 + 1^2 + (-1)^2 + 3^2 + 5^2 + 4^2 + 2^2 + 1^2} = \sqrt{4 + 0 + 1 + 1 + 9 + 25 + 16 + 4 + 1} = \sqrt{61}\) | 7.8102 |
المثال الثالث: مصفوفة غير مربعة
احسب معيار فروبينيوس للمصفوفة 2×3 التالية: C = [5, 2, 1; 3, 4, 0]
| المصفوفة | الحساب | النتيجة |
|---|---|---|
| [5, 2, 1; 3, 4, 0] |
\(\sqrt{5^2 + 2^2 + 1^2 + 3^2 + 4^2 + 0^2} = \sqrt{25 + 4 + 1 + 9 + 16 + 0} = \sqrt{55}\) | 7.4162 |
كيفية حساب معيار فروبينيوس خطوة بخطوة
معيار فروبينيوس (يُسمى أيضاً معيار هيلبرت-شميدت أو معيار المصفوفة الإقليدية) يُعرّف على أساس العنصر بالصيغة التي يعرضها هذا الحاسبة:
$$\lVert A \rVert_F = \sqrt{\sum_{i=1}^{m}\sum_{j=1}^{n} a_{ij}^{2}}$$- اكتب المصفوفة وسجل أبعادها. سجل \(A\) مع \(m\) صفوف و \(n\) أعمدة، لذا فإن لديها \(m \times n\) مدخلاً إجمالاً. في صندوق الإدخال أعلاه، يتم فصل القيم داخل الصف بفواصل وتُفصل الصفوف بـ
|. الحدود \(i = 1 \ldots m\) و \(j = 1 \ldots n\) في المجموع الثنائي هي بالضبط هذه الأبعاد. - مربّع كل مدخل. استبدل كل \(a_{ij}\) بـ \(a_{ij}^{2}\) — هذا هو الحد داخل المجموع الثنائي. التربيع يزيل العلامات، لذا فإن \(-4\) و \(+4\) كلاهما يساهم بـ \(16\)؛ المعيار لا يعتمد أبداً على نمط الإشارة للمصفوفة. بالنسبة لمصفوفة معقدة، الحد الصحيح هو المعامل المربّع \(|a_{ij}|^{2} = a_{ij}\,\overline{a_{ij}}\)، وهو حقيقي وغير سالب (على سبيل المثال \(|3 + 4i|^2 = 9 + 16 = 25\)).
- أضف جميع القيم المربّعة \(m \times n\). اعمل صفاً تلو الآخر: احسب مجموع المربّعات في الصف 1، ثم الصف 2، وهكذا، ثم أضف مجاميع الصفوف. هذا التراكم هو المجموع الثنائي \(\sum_{i}\sum_{j} a_{ij}^{2}\).
- خذ الجذر التربيعي غير السالب. طبّق \(\sqrt{\;\cdot\;}\) على المجموع. نظراً لأن كل حد كان مربّعاً، المجموع هو \(\ge 0\) والجذر الرئيسي (غير السالب) معرّف دائماً؛ \(\lVert A \rVert_F \ge 0\) بالتشييد.
- قرّب إلى الدقة المطلوبة. الجذر التربيعي عادة ما يكون غير نسبي، لذا أبلغ عن أكبر عدد من الكسور العشرية التي تحتاجها تطبيقك — واحتفظ بالدقة الكاملة في الخطوات الوسيطة إذا كان المعيار يغذي حساباً إضافياً.
مثال مُحسّن
خذ المصفوفة \(2 \times 3\)
$$A = \begin{bmatrix} 1 & -2 & 3 \\ 4 & 0 & -5 \end{bmatrix}$$الخطوة 2 و 3، استبدال كل مدخل:
$$\sum_{i}\sum_{j} a_{ij}^{2} = 1^{2} + (-2)^{2} + 3^{2} + 4^{2} + 0^{2} + (-5)^{2} = 1 + 4 + 9 + 16 + 0 + 25 = 55$$الخطوة 4 و 5:
$$\lVert A \rVert_F = \sqrt{55} \approx 7.416198$$لذا فإن معيار فروبينيوس هو 7.416198 (مقرب إلى ستة منازل عشرية).
خاصيتان تُبسّطان العمل
- الترتيب لا يهم. الجمع هو تبادلي وترابطي، لذا يمكن جمع المدخلات المربّعة بأي ترتيب — صفاً تلو الآخر، أو عموداً تلو الآخر، أو كلها مرة واحدة. قيمة \(\lVert A \rVert_F\) متطابقة في كلتا الحالتين، لذا غالباً ما يُوصف المعيار بأنه "تسطيح" المصفوفة إلى قائمة واحدة من الأرقام.
- التحويل لا يغيّر شيئاً. التحويل يبدّل \(a_{ij}\) مع \(a_{ji}\) لكنه يعيد استخدام نفس مجموعة المدخلات بالضبط، لذا \(\lVert A \rVert_F = \lVert A^{\mathsf{T}} \rVert_F\). في المثال أعلاه، المحول \(3 \times 2\) يعطي أيضاً \(\sqrt{55}\).
فحص سريع للعقل السليم: يجب أن يكون المعيار على الأقل كبيراً مثل أكبر مدخل مطلق، لأن مربّع ذلك المدخل هو أحد الحدود في المجموع. في المثال، \(\sqrt{55} \approx 7.42 \ge 5\)، كما هو متوقع.
المصطلحات الرئيسية والترميز
| المصطلح | الرمز | التعريف |
|---|---|---|
| المصفوفة | \(A\) | مصفوفة مستطيلة من الأرقام مرتبة في صفوف وأعمدة. تُكتب أبعادها \(m \times n\)، بمعنى \(m\) صفوف و \(n\) أعمدة، لإجمالي \(m \cdot n\) مدخلاً. |
| العنصر (المدخل) | \(a_{ij}\) | الرقم الواحد الموجود في الصف \(i\) والعمود \(j\) من \(A\). يشير الفهرس الأول دائماً إلى الصف. |
| معيار فروبينيوس | \(\lVert A \rVert_F\) | الجذر التربيعي لمجموع مربّعات جميع المدخلات، \(\sqrt{\sum_i \sum_j a_{ij}^2}\). يُسمى أيضاً معيار هيلبرت-شميدت أو (في النصوص الأقدم) معيار المصفوفة الإقليدية. |
| معيار إقليدي / معيار المتجه 2 | \(\lVert x \rVert_2\) | بالنسبة لمتجه \(x\)، \(\sqrt{\sum_k x_k^2}\) — طوله العادي. إذا سطّحت \(A\) إلى متجه واحد \(\mathrm{vec}(A)\) بطول \(mn\)، فإن \(\lVert A \rVert_F = \lVert \mathrm{vec}(A) \rVert_2\)؛ معيار فروبينيوس هو حرفياً معيار المتجه 2 للمصفوفة المفتولة. |
| معيار العنصر | — | معيار محسوب مباشرة من المدخلات الفردية، معاملة المصفوفة كقائمة من الأرقام. معيار فروبينيوس هو معيار العنصر 2. |
| معيار محفّز (معيار العامل) | \(\lVert A \rVert_p\) | معيار معرّف بمقدار ما يمكن لـ \(A\) أن يمدد متجهاً: \(\lVert A \rVert_p = \max_{x \ne 0} \lVert Ax \rVert_p / \lVert x \rVert_p\). المعايير المحفّزة تصف \(A\) كخريطة، وليس كمصفوفة بيانات؛ معيار فروبينيوس ليس معياراً محفّزاً. |
| معيار الطيف | \(\lVert A \rVert_2\) | المعيار المحفّز بواسطة معيار المتجه 2، مساوٍ لأكبر قيمة منفردة \(\sigma_{\max}(A)\). لاحظ تضارب الترميز: \(\lVert A \rVert_2\) لمصفوفة يعني معيار الطيف، وليس معيار العنصر 2. |
| الأثر | \(\operatorname{trace}(A)\) | مجموع العناصر القطرية لمصفوفة مربّعة، \(\sum_i a_{ii}\). ينتج عنه التطابق \(\lVert A \rVert_F = \sqrt{\operatorname{trace}(A^{\mathsf{T}}A)}\) (استخدم منقول الاتساق \(A^{*}\) للمصفوفات المعقدة)، لأن قطر \(A^{\mathsf{T}}A\) يحمل أطوال الأعمدة المربّعة. |
| القيم المنفردة | \(\sigma_i\) | الأرقام غير السالبة على قطر \(\Sigma\) في تحليل القيمة المنفردة \(A = U\Sigma V^{\mathsf{T}}\). إنها تحقق \(\lVert A \rVert_F = \sqrt{\sum_i \sigma_i^2}\)، لذا فإن معيار فروبينيوس هو معيار 2 لمتجه القيمة المنفردة. |
| مربّع مقابل غير مربّع | \(m = n\) مقابل \(m \ne n\) | المصفوفة المربّعة لها نفس عدد الصفوف والأعمدة؛ المصفوفة غير المربّعة (المستطيلة) لا تفي بهذا الشرط. معيار فروبينيوس معرّف لكلاهما، بخلاف المحددات أو القيم الذاتية، التي تتطلب \(m = n\). |
| عدم التغيير المتعامد / الوحدوي | \(Q^{\mathsf{T}}Q = I\) | مصفوفة متعامدة \(Q\) (حقيقية) أو مصفوفة وحدوية \(U\) (معقدة) تحافظ على الأطوال والزوايا. معيار فروبينيوس ثابت تحت هذا الضرب: \(\lVert QAZ \rVert_F = \lVert A \rVert_F\) بالنسبة للمصفوفات المتعامدة \(Q\) و \(Z\) بحجم متوافق. |
| الرتبة | \(\operatorname{rank}(A)\) | عدد الصفوف المستقلة خطياً (بشكل معادل، الأعمدة) من \(A\)، والذي يساوي عدد القيم المنفردة غير الصفرية. |
تفسير نتيجة معيار فروبينيوس الخاص بك
الرقم المُرجع هو حجم واحد غير سالب يلخص المصفوفة بأكملها. فيما يلي الخصائص المُثبتة لتلك الكمية.
النطاق والوحدات
- \(\lVert A \rVert_F \ge 0\) دائماً، و \(\lVert A \rVert_F = 0\) إذا وفقط إذا كان كل مدخل صفراً — أي فقط للمصفوفة الصفرية.
- إنه ليس احتمالية أو نسبة مئوية أو درجة محدودة بـ 1. لا يوجد حد أعلى: المعيار ينمو بلا حدود مع نمو المدخلات أو الأبعاد.
- النتيجة تحمل وحدات مدخلات المصفوفة، لأن التربيع ثم أخذ الجذر التربيعي يعود إلى المقياس الأصلي. إذا كانت المدخلات بالأمتار، يكون المعيار بالأمتار. خلط المدخلات ذات الوحدات الفيزيائية المختلفة في مصفوفة واحدة يجعل المعيار غير ذي مغزى فيزيائي، حتى لو كانت العمليات الحسابية تعمل.
- المعيار كبير على الأقل مثل أكبر مدخل مطلق، \(\lVert A \rVert_F \ge \max_{i,j} |a_{ij}|\)، وعلى الأكثر \(\sqrt{mn}\) أضعافه.
كيفية استجابته للتحولات
- التحجيم: \(\lVert cA \rVert_F = |c| \cdot \lVert A \rVert_F\) لأي عدد عددي \(c\). مضاعفة كل مدخل يضاعف المعيار؛ إنكار المصفوفة يتركها دون تغيير.
- التحويل: \(\lVert A \rVert_F = \lVert A^{\mathsf{T}} \rVert_F\)، نظراً لأن نفس المدخلات تُجمع.
- عدم التغيير المتعامد/الوحدوي: \(\lVert QA \rVert_F = \lVert AZ \rVert_F = \lVert A \rVert_F\) كلما كانت \(Q\) و \(Z\) متعامدة (أو وحدوية). لذا فإن الدورات والانعكاسات والتبديلات للصفوف أو الأعمدة لا تغيّر القيمة.
- عدم المساواة المثلثية والخاصية شبه الضربية: \(\lVert A + B \rVert_F \le \lVert A \rVert_F + \lVert B \rVert_F\)، و \(\lVert AB \rVert_F \le \lVert A \rVert_F \cdot \lVert B \rVert_F\) لـ \(A\) و \(B\) المتوافقة.
العلاقة بمعيار الطيف
لأن \(\lVert A \rVert_F = \sqrt{\sum_i \sigma_i^2}\) بينما \(\lVert A \rVert_2 = \sigma_{\max}\)، يتم ربط المعيارين معاً بواسطة
$$\lVert A \rVert_2 \;\le\; \lVert A \rVert_F \;\le\; \sqrt{\operatorname{rank}(A)} \cdot \lVert A \rVert_2$$الحد الأدنى يتحقق عندما تكون \(A\) بالرتبة 1 (قيمة منفردة واحدة غير صفرية)، والحد الأقصى عندما تكون جميع القيم المنفردة غير الصفرية متساوية. على سبيل المثال، بالنسبة لمصفوفة الهوية \(n \times n\)، \(\lVert I_n \rVert_2 = 1\) بينما \(\lVert I_n \rVert_F = \sqrt{n}\)؛ مع \(n = 4\) معيار فروبينيوس هو 2.
كخطأ تقريب
- \(\lVert A - B \rVert_F\) هو المقياس القياسي لمدى بعد مصفوفة واحدة عن أخرى؛ إنها المسافة المحفّزة بواسطة الضرب الداخلي لفروبينيوس \(\langle A, B\rangle = \operatorname{trace}(A^{\mathsf{T}}B)\)، وتقليلها هو بالضبط ملاءمة المربّعات الصغرى على جميع المدخلات.
- \(\text{نظرية إيكارت-يونج-ميرسكي}\) تنص على أنه من بين جميع المصفوفات \(B\) برتبة تبلغ على الأكثر \(k\)، يُقلل التحليل الحدي للقيمة المنفردة \(A_k = \sum_{i=1}^{k} \sigma_i u_i v_i^{\mathsf{T}}\) من \(\lVert A - B \rVert_F\)، مع القيمة الدنيا \(\lVert A - A_k \rVert_F = \sqrt{\sum_{i > k} \sigma_i^{2}}\). (نفس الحدّ هو أيضاً الأمثل في معيار الطيف، حيث الخطأ هو \(\sigma_{k+1}\).)
الحجم المطلق مقابل النسبي
لا تشير قيمة كبيرة بحد ذاتها إلى مدخلات كبيرة — فقد تعكس ببساطة مصفوفة كبيرة، حيث يساهم كل واحد من \(mn\) المدخلات. مصفوفة بـ 10,000 مدخل كل منها يساوي 0.1 لديها \(\lVert A \rVert_F = \sqrt{10000 \times 0.01} = 10\)، على الرغم من أن كل مدخل صغير. لهذا السبب \(\text{الخطأ النسبي}\)
$$\frac{\lVert A - B \rVert_F}{\lVert A \rVert_F}$$هو عادة الكمية ذات المعنى عند مقارنة تقريب \(B\) بمرجع \(A\)؛ إنها بلا أبعاد ومستقلة عن المقياس الكلي لـ \(A\). وهي غير معرّفة عندما تكون \(A\) هي المصفوفة الصفرية.