الجبر الخطّي

الموجز

الجبر الخطّي (Linear Algebra) هو أحد الفروع الأساسية في الرياضيات، يختصّ بدراسة المتجهات والمصفوفات والتحويلات الخطية والفضاءات الاتجاهية. ويُعَدّ أداةً مركزية في العلوم التطبيقية والهندسة والفيزياء وعلوم الحاسوب، إذ يُوفِّرُ لُغةً رياضيّةً مُنظّمةً للتعامل مع الأنظمة التي تحتوي على عدّة متغيّرات. وقد ظهر في البداية بوصفه طريقةً لحَلِّ أنظمة المعادلات الخطية، ثم تطوَّر ليشمل مفاهيمَ أكثر عُمْقًا، مثل القِيَم الذاتية والمتّجهات الذاتية التي تؤدي دَوْرًا مُهمًّا في فَهْم استقرار الأنظمة وتحليلها. 

يساعد الجبر الخطي كذلك في تمثيل البيانات بشكل مُدمَج عبر المصفوفات، ما جعله أساسًا لعلوم الحوسبة الحديثة مثل الذكاء الاصطناعي والتعلُّم الآلي. من الناحية النظرية، يُعنى الجبر الخطي بدراسة البنى المجرّدة التي تسمح بفَهْم العلاقات الرياضية في فضاءات مختلفة؛ أمّا من الناحية العملية، فيُستخدَم في مجالات واسعة مثل معالجة الصور، وتحليل البيانات، والرسوم الحاسوبية، والاقتصاد، ونمذجة الظواهر الفيزيائية. باختصار، يُمثِّل الجبر الخطي لُغةً رياضيةً عالميةً تَجْمع بين الصرامة النظرية والتطبيقات العملية، ما يجعله أحد الأعمدة الرئيسة للرياضيات الحديثة وعلوم التكنولوجيا.

تاريخ الجبر الخطّي

بدأت البذور الأولى للجبر الخطي في الحضارة البابلية في بلاد ما بين النهرَيْن، نحو عام 1800 قبل الميلاد؛ فقد سعى الرياضيّون البابليّون إلى حَلِّ أنظمةٍ من المعادلات الخطّية والتربيعية التي استخدموها في الحياة اليومية، مثل التجارة وحساب الأراضي وتوزيع الموارد. وقد اكتُشِفت ألواحٌ طينية، مثل اللوح الشهير المعروف باسم "Plimpton 322"، تُظهِر حلولًا لأنظمةٍ من معادلتَيْن خطيّتَيْن بمجهولَيْن، باستخدام طُرُقٍ حسابيّةٍ مُنظّمةٍ تُشبِهُ في جوهرها طريقةَ التعويض المستعمَلة اليوم. كذلك استخدم البابليون جداولَ عدديةً لتنظيم معاملات المسائل، وهي فكرة تُعَدّ من البدايات الأولى لمفهوم المصفوفة (Matrix) وتنظيم البيانات الرياضية، ما يُمثّل النواة الأولى للجبر الخطي[1].

في الصين القديمة، وُضع كتاب فنّ الحساب في تسعة فصول (The Nine Chapters on the Mathematical Art) في القرن الثاني قبل الميلاد، وهو مِن أهمّ المؤلَّفات الرياضية في الشرق الأقصى. تناول الكتاب منهجية حَلّ أنظمة المعادلات الخطية باستخدام ما يُعرف اليوم باسم طريقة الحذف الغاوسي (Gaussian Elimination)، حين كان الصينيّون يُرتّبون معاملات المعادلات في جداول، ويُجرون عمليات على الصفوف لتبسيط النظام وإيجاد الحلول. أصبحت هذه الطريقة لاحقًا تُنسَب إلى العالم الألماني كارل غاوس (Carl Gauss، 1777-1855)، الذي صاغها في صورتها الحديثة[2].

أما الإغريق، فقد رَكَّزوا اهتمامهم على الهندسة أكثر من الجبر، وهو ما أبطأ تطوّر المفاهيم الجبرية الصريحة. ومع ذلك، تضمَّنَت أعمال أقليدس (Euclid، 325-265 ق. م.) وأبُلونيوس (Apollonius، 240- 190 ق. م.) مفاهيمَ عن النِّسَب والتحويلات الهندسية، وهي أفكار يمكن التعبير عنها اليوم بلغة المتّجهات (Vectors) والجبر الخطي[3].

وفي العصر الذهبي للحضارة الإسلامية، بين القرنَيْن الثاني والسابع للهجرة/ الثامن والثالث عشر للميلاد، شهدت الرياضيات تطوّرًا كبيرًا. برز في تلك المرحلة محمد بن موسى الخوارزمي (ت. نحو 232هـ/ 847م)، الذي يُعَدّ من أعظم علماء الرياضيات في التاريخ. وقد وضع الأُسُس المنهجية للجبر في كتابه الشهير المختصر في حساب الجبر والمقابلة، وقد تناول فيه حلولًا لأنظمة المعادلات الخطية والتربيعية بطُرُقٍ مُنظَّمة، وهو ما منح الجبر استقلاله بوصفه علمًا قائمًا بذاته. كذلك برز عمر الخيام (ت. 526هـ/ 1131م) الذي درس المعادلات التكعيبية وحلولها الهندسية، وهي مفاهيم سترتبط لاحقًا بفكرة الفضاءات متعددة الأبعاد (Multidimensional Spaces) في الجبر الخطي الحديث. أسهم العلماء المسلمون عمومًا في حفظ المعارف الرياضية الإغريقية والبابلية وتطويرها، وهو ما مَهَّد الطريق لنهضة الرياضيات في أوروبا[4].

شهد القرنان السادس عشر والسابع عشر للميلاد تحوّلًا نحو مزيد من التجريد في المفاهيم الجبرية؛ ففي عام 1637، قدَّم رينيه ديكارت (بالفرنسية: René Descartes، 1650-1596) فكرةَ الهندسة التحليلية (Analytic Geometry) التي ربطت بين الجبر والهندسة من خلال نظام الإحداثيات الديكارتية {{الإحداثيات الديكارتية: (Cartesian Coordinates): نظام يُحدّد موقع النقاط بزوجٍ أو ثُلاثيٍّ من الأعداد يُمثِّل المسافات على محاور متعامدة، وهو ما يُسهّل توصيف الأشكال والعلاقات الهندسية.}}، وهو ما أتاح تمثيل المنحنيات والأسطُح بمعادلات جبرية، مع ربط الهندسة بالأنظمة الخطية. وفي نهاية القرن السابع عشر، طوّر غوتفريد فيلهلم لايبنيز (بالألمانية: Gottfried Wilhelm Leibniz، 1646-1716) مفهوم المحددات (Determinants)، بوصفها أداة منهجية لحلِّ أنظمة المعادلات الخطية، وهو ما مهَّد الطريق نحو التجريد الرياضي لخصائص الأنظمة الخطية[5].

وفي القرن التاسع عشر، اكتمل تأسيس الجبر الخطي بوصفه فرعًا مستقلًّا من الرياضيات، فقد حَسَّن كارل غاوس طريقةَ الحذف التي أصبحت تُعرَف باسمه، وهو ما جعل حَلَّ الأنظمة الكبيرة من المعادلات أكثرَ كفاءةً ومنهجية. وفي المدة نفسها، قَدّمَ آرثر كايلي (Arthur Cayley، 1821-1895) تعريفًا جبريًّا للمصفوفات، مُحدّدًا عمليات الجمع والضرب والمعكوس. ورأى أن المصفوفات كيانات رياضية مستقلة يمكن التعامل معها بمعزل عن أنظمة المعادلات، وقد مَثّل هذا العمل خطوةً تأسيسيةً حاسمة في تاريخ الجبر الخطي. كذلك قدّمَ هيرمان غراسمان (بالألمانية: Hermann Grassmann، 1809-1877) في عام 1844 كتابه نظرية الامتداد (Ausdehnungslehre) الذي طوّر فيه فكرة الفضاء المتجهي المجرد (Abstract Vector Space)، وهي إحدى الركائز الأساسية للجبر الخطي الحديث[6].

وبحلول نهاية القرن التاسع عشر، توحَّدت أعمال كايلي وغراسمان وجاوس وغيرهم، فشكَّلت الإطار العامّ للجبر الخطي كما يُعرَف اليوم، وقد أصبح أساسًا في مجالات الفيزياء والهندسة وعلوم الحاسوب والذكاء الاصطناعي.

مفاهيمه الأساسية

يُعَدّ الجبر الخطي من الفروع المركزية في الرياضيات الحديثة، وقد تأسَّس على مجموعة من المفاهيم الأساسية التي تُشكِّل الإطار النظري لبنيته. هذه المفاهيم ليست مجرد أدوات حسابية، بل هي حجر الزاوية الذي بُنيت عليه المفاهيم الأكثر تعقيدًا في الجبر الخطي، وقد كان لها تأثير واسع في كثير من فروع العلوم والهندسة.

المتجهات

يُعَدّ مفهوم المتّجه (Vector) من الركائز الأساسية في الجبر الخطي، فقد استُخدم في البداية أداة للتعبير عن الكمّيات الفيزيائية التي تمتلك مقدارًا واتّجاهًا، في حين أن الأعداد الحقيقية اقتصرت على تمثيل الكمّيات القياسية {{الكميات القياسية: (Scalar Quantities) هي مقادير فيزيائية تُحدَّد تمامًا بقيمة عددية ووحدة قياس فقط، من دون الحاجة إلى اتجاه، مثل الكتلة والزمن والطاقة.}}. ومن الأمثلة على هذه الكميات: السرعة والقوة والإزاحة، وهي أمور لا يكتمل معناها إلّا بوجود اتجاه مُحدَّد. لاحقًا، اكتسب المتّجه طابعًا أكثر تجريدًا، إذ أصبح يُنظَر إليه بوصفه عنصرًا في فضاء متّجهي، يمكن إجراء عمليات الجمع والضرب القياسية عليه.

حذف الصورة؟

سيؤدي هذا إلى نقل الصورة إلى سلة المهملات.

حذف إلغاء

رياضيًّا، يُعرَف المتّجه في الفضاء ثنائي الأبعاد {{الفضاء ثنائي الأبعاد: (Two-dimensional space) هو فضاء رياضي يُستخدَم لوصف الأشكال التي تمتلك بُعدَيْن فقط، هُما الطول والعرض. يُمثَّل باستخدام نظام الإحداثيات الديكارتية، إذ تُحدَّد النقاط بناءً على الإحداثيَّيْن \((x,y)\).}} والفضاء ثلاثي الأبعاد {{الفضاء ثلاثي الأبعاد: (Three-dimensional space) هو فضاء رياضي يُستخدَم لوصف الأشكال التي تمتلك ثلاثة أبعاد، هي الطول والعرض والارتفاع. يُمثَّل باستخدام نظام الإحداثيات الديكارتية، إذ تُحدَّد النقاط بناءً على الإحداثيات \((x,y,z)\).}} بأنه كائن رياضي له مقدار واتجاه، ويُعبَّر عنه عادةً بحروف صغيرة مثل: \(u,v,z\)، أو أحيانًا بالترميز \(\hat{u}, \hat{v}, \hat{z}\). وهو شعاع أو سَهْم يصل بين نقطتَيْن، تُسمّى نقطة بداية الشعاع بنقطة البداية (Initial point)، وتُسمّى نقطة نهايته بنقطة النهاية (Terminal point). أمّا المسافة بين هاتَيْن النقطتَيْن فهي تُمثّل طول المتّجه (Length)، أو تُسمّى مقدار المتّجه أيضًا (Magnitude). يُرمَز لطول المتّجه أو مقداره \(u\) بالرمز \(‖u‖\)، أو أحيانًا بالرمز \(\left|u\right|\). ويتبع اتجاه المتّجه لطبيعة النقاط التي يصل عن طريقها. كذلك يمكن كتابة المتّجه بدلالة النقاط التي يصل بينها[7].

فمثلًا، المتّجه \(v\) (الشكل 1) الواصل بين النقطتَيْن \(A, B\)، إذ تكون النقطة \(A\) نقطة بداية المتجه، والنقطة \(B\) نقطة نهايته. وبما أنّ المتّجه \(v\) واصلٌ بين النقطتَيْن \(A,B\)، إذن يمكن كتابة \(v=\hat{AB}\). أمّا بالنسبة إلى طوله فهو \(‖v‖=‖\hat{AB}‖\)[8].

المصفوفات

في عام 1858، قَدَّم عالم الرياضيات البريطاني آرثر كايلي بحثه الشهير "A Memoir on the Theory of Matrices" (مذكرة في نظرية المصفوفات) الذي وضع الأُسُس النظرية الحديثة للمصفوفات، وبَيّن خواصّها الجبرية الأساسية مثل الجمع والضرب والمعكوس. تُعَدّ المصفوفات اليوم من الأدوات المركزية في الجبر الخطي، إذ تُستخدَم في تمثيل الأنظمة الخطية والتحويلات بين الفضاءات المتجهية، وتُعَدّ وسيلة فعّالة لتنظيم البيانات وتحليلها في مجالات متعددة.

والمصفوفة هي مجموعةٌ مِن الأعداد أو الرموز المرتّبة في صفوف وأعمدة، تكون مكتوبةً بين قوسَيْن مربَّعَيْن []. وتُسمّى الصفوف خطوطًا أفقية، والأعمدة خطوطًا عمودية، وتُسمّى كل قيمة داخل المصفوفة عنصرًا (Element) أو مدخلًا (Entry)[9].

على سبيل المثال، المصفوفة الآتية تحتوي على عددَيْن في كلّ صفٍ وعمودَيْن اثنَيْن:

\[\begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}\]

يُرمَز للمصفوفات عادةً بأحرف لاتينية كبيرة، مثل \(A,B,C,\ldots \) ، كما يأتي:

\[K= \begin{bmatrix} \begin{matrix} k_{11} & k_{12} & \ldots \\ k_{21} & k_{22} & \ldots \\ ⋮ & ⋮ & \ldots \end{matrix} \\ \begin{matrix} ⋮ & ⋮ & \ldots \end{matrix} \\ \begin{matrix} ⋮ & ⋮ & \end{matrix}\ldots \\ \begin{matrix} k_{m1} & ⋮ & \ldots \end{matrix} & \begin{matrix} \begin{matrix} \begin{matrix} k_{1n} \\ k_{2n} \end{matrix} \\ ⋮ \end{matrix} \\ ⋮ \\ \begin{matrix} ⋮ \\ k_{mn} \end{matrix} \end{matrix} \end{bmatrix}\]

يُلحَظ أن أسفل أي عنصر من عناصر المصفوفة يوجد رقمان صغيران، يُمثّل الأول منهما رقم الصف، ويُمثِّل الآخر رقمَ العمود، كما يظهر في المصفوفة أعلاه، إذ إن عدد الصفوف يُرمَز إليه بالرمز \(m\)، ويُرمَز إلى عدد الأعمدة بالرمز \(n\).

تُعرَف رتبة المصفوفة أو قياسها بأنها عدد الأسطُر المضروب في عدد الأعمدة، ومثال ذلك يمكن القول إن رتبة المصفوفة المحتوية على 4 أسطر و3 أعمدة أو قياسها هو \(4\times 3\)[10].

فمثلًا، رتبة المصفوفة \(\begin{bmatrix} 4 & 0 & 0 \\ 1 & 5 & 0 \\ 3 & 4 & 6 \end{bmatrix}\) هي \(3\times 3\)، ويمكن كتابتها وفق الشكل الآتي: \(\begin{bmatrix} 4 & 0 & 0 \\ 1 & 5 & 0 \\ 3 & 4 & 6 \end{bmatrix}_{3\times 3}\)، أما رتبة المصفوفة \(\begin{bmatrix} 1 \\ 2 \\ 3 \end{bmatrix}\) فهي \(3\times 1\)، ويمكن كتابتها وفق الشكل الآتي: \(\begin{bmatrix} 1 \\ 2 \\ 3 \end{bmatrix}_{3\times 1}\).

وإذا كان عدد صفوف المصفوفة يساوي عدد أعمدتها، وليكن \(n\) مثلًا، فعندئذٍ يقال عن المصفوفة إنها مصفوفة مربّعة من الدرجة \(n\).

المحددات

تُعَدّ المحدّدات (Determinant) من المفاهيم الأساسية في الجبر الخطي، إذ ترتبط ارتباطًا وثيقًا بعددٍ من المفاهيم الأخرى، مثل المصفوفات المربّعة وأنظمة المعادلات الخطية. تُعرّف المحدّدة من الناحية الرياضية على أنها دالة عددية تُعرّف إلى مجموعة المصفوفات المربّعة، بحيث تُسنِد إلى كل مصفوفة عددًا حقيقيًّا (أو عقديًّا)، وفق صيغة تعتمد على محدّدات مصفوفات أصغر مُشتقّة من المصفوفة الأصلية. يُبنى هذا التعريف تدريجيًّا بالاعتماد على مبدأ الاستقراء الرياضي (Mathematical Iinduction). ولصياغته بدقة، من الضروري أوّلًا توضيح مفهوم المصفوفة الجزئية (Minor Matrix)، وهي المصفوفة الناتجة من حذف صفٍّ وعمود مُعيّنَيْن من المصفوفة الأصلية، وتُستخدَم أساسًا في بناء تعريف المحدّد وتوسيعه بالاستقراء الرياضي[11].

إذا كانت \(A\) مصفوفة مربّعة من الدرجة \(n\)، فإنَّ الرمز \(A_{ij}\) هو المصفوفة الجزئية من المصفوفة \(A\) من الدرجة \(n-1\)، إذ إن \(1\leq i\leq n, 1\leq j\leq n\)، وهي المصفوفة الناتجة من حذف الصفّ \(i\) والعمود \(j\) من المصفوفة \(A\). فمثلًا، إذا كانت المصفوفة \(A=\begin{bmatrix} 2 & 6 & 1 \\ 1 & 0 & 4 \\ 5 & 3 & 1 \end{bmatrix}\)، فإن المصفوفة \(A_{23}=\begin{bmatrix} 2 & 6 \\ 5 & 3 \end{bmatrix}\). وبالاعتماد على ذلك، فإن مفهوم المحدّدة يُعرّف رياضيًّا كما يأتي[12]:

رياضيًّا، تُعرّف المحددة (Determinant) على أنّها دالة عددية \(D:M_{n\times n}\mathbb{⟶R} \) مجالها جميع المصفوفات المربّعة من الدرجة \(n\)، ومداها هو مجموعة الأعداد الحقيقية (أو العقدية في بعض الحالات). ويُرمَز إلى المحددة عادةً بأحد الرموز الآتية: \(\det (A)\) أو \(\left|A\right|\).

إذا كانت \(A=\left[a_{ij}\right]\) مصفوفة مربّعة من الدرجة \(n\)، فإن محددة المصفوفة \(A\) هي صورة المصفوفة في الدالة \(D\)، أي إنها \(D(A)\)، ويُرمَز لها أيضًا بالرمز \(\det (A)\) أو \(\left|A\right|\). ويُعبَّر عنها عن طريق كتابة المصفوفة نفسها بالأسلوب المعتاد، لكن داخل أقواس مستقيمة رأسية، وتُحسَب كما يأتي:

• إذا كان \(n=1\)، فإن \(\det\left(A\right)=a_{11}\).
• إذا كان \(n=2\)، فإن \(\det\left(A\right)=a_{11}a_{22}-a_{12}a_{21}\).
• إذا كان \(n>2\)، فإن:

\[\det\left(A\right)=a_{11}\det\left(A_{11}\right)-a_{12}\det\left(A_{12}\right)+\ldots +\left(-1\right)^{n+1}a_{1n}\det\left(A_{1n}\right)=\sum_{k=1}^{n} \left(-1\right)^{k+1}a_{1k}\det\left(A_{1k}\right)\]

وبإعادة صياغة الرموز باستعمال حقيقة أن:

\[C_{1j}=\left(-1\right)^{1+j}\det\left(A_{1j}\right)\]

تصبح صيغة حساب المحدّدة على الشكل:

\[\det\left(A\right)=a_{11}C_{11}+a_{12}C_{12}+\ldots +a_{1n}C_{1n}=\sum_{k=1}^{n} a_{1k}C_{1k}.\]

فمثلًا، لحساب محددة المصفوفة \(A=\begin{bmatrix} 2 & 6 & 1 \\ 1 & 0 & 4 \\ 5 & 3 & 1 \end{bmatrix}\)، تُطبَّق الصيغة السابقة كما يأتي:

\[\det\left(A\right)=a_{11}C_{11}+a_{12}C_{12}+a_{13}C_{13}=2C_{11}+6C_{12}+C_{13}\]

ثم تُحسَب قِيَم \(C_{11}, C_{12},C_{13}\):

\[C_{11}=\left(-1\right)^{1+1}\det\left(A_{11}\right)=\det\left(A_{11}\right)=\det \begin{bmatrix} 0 & 4 \\ 3 & 1 \end{bmatrix}=\begin{vmatrix} 0 & 4 \\ 3 & 1 \end{vmatrix}=\left(0\right)\left(1\right)-\left(4\right)\left(3\right)=-12\]

\[C_{12}=\left(-1\right)^{1+2}\det\left(A_{12}\right)=-\det\left(A_{12}\right)=-\det \begin{bmatrix} 1 & 4 \\ 5 & 1 \end{bmatrix}=-\begin{vmatrix} 1 & 4 \\ 5 & 1 \end{vmatrix}=-(\left(1\right)\left(1\right)-\left(4\right)\left(5\right))=19.\]

\[C_{13}=\left(-1\right)^{1+3}\det\left(A_{13}\right)=\det\left(A_{13}\right)=\det \begin{bmatrix} 1 & 0 \\ 5 & 3 \end{bmatrix}=\begin{vmatrix} 1 & 0 \\ 5 & 3 \end{vmatrix}=\left(1\right)\left(3\right)-\left(0\right)\left(5\right)=3\]

ومن ثم تُصبح:

\[\det\left(A\right)=2C_{11}+6C_{12}+C_{13}=2\left(-12\right)+6\left(19\right)+\left(3\right)=93\]

كذلك يمكن أن تُعرّف كذلك بالصيغة الآتية[13]:

\[\det\left(A\right)=a_{11}\det\left(A_{11}\right)-a_{21}\det\left(A_{12}\right)+\ldots +\left(-1\right)^{n+1}a_{n1}\det\left(A_{n1}\right)=\sum_{k=1}^{n} \left(-1\right)^{k+1}a_{k1}\det\left(A_{k1}\right)\]

وبالمثل، لو أُعيدت صياغة الرموز باستعمال حقيقة أن:

\[C_{j1}=\left(-1\right)^{1+j}\det\left(A_{j1}\right)\]

فإن صيغة حساب المحددة تصبح على الشكل:

\[\det\left(A\right)=a_{11}C_{11}+a_{21}C_{21}+\ldots +a_{n1}C_{n1}=\sum_{k=1}^{n} a_{k1}C_{k1}\]

تُسمّى هذه الطريقة في تعريف المحدّدة بطريقة التوسّع بالعوامل المُرافِقة (Cofactor Expansion)، إذ تُعَدّ مِن أشهر الطرق في حساب المحددة، وذلك لإمكانية تطبيقها المصفوفات على المصفوفات مباشرةً.

أنظمة المعادلات الخطية

تُعَدّ أنظمة المعادلات الخطية (Systems of linear equations) من المفاهيم المحورية في الجبر الخطي، إذ تُستخدَم لوصف العلاقات بين مجموعة من المتغيّرات بطريقة مُنظَّمة. تظهر هذه الأنظمة بشكل طبيعي في مختلف المجالات العلمية والهندسية، إذ تُمثِّل كل معادلة علاقة خطية بين المتغيّرات.

يُعرَّف نظام المعادلات الخطية بأنه مجموعة من المعادلات الخطية التي تتضمّن عدّة متغيّرات، على النحو الذي يُعبِّر فيه كلٌّ منها عن علاقة خطية بين هذه المتغيّرات، أي إنّ كلَّ متغيّر يظهر في أي معادلة يكون مِن الدرجة الأولى فقط، من دون أُسُس أو مضاعفات غير خطية. وفي سياق الجبر الخطي، تُوضَع بعض الصِّيَغ لأشكال المعادلات الخطية مع مفاهيم أساسية ليسهُل التعامل معها، فمثلًا، إذا افتُرض وجود \(m\) من المعادلات الخطية في \(n\) من المجاهيل، مثل \(x_{1},x_{2},\ldots ,x_{n}\)، وليكن \(a_{ij}\) هو عدد يرمز إلى معامل \(x_{j}\) في المعادلة \(i\)، ولتكن \(b_{1},b_{2},\ldots , b_{m}\) ثوابت أيضًا عددها مُساوٍ لعدد المعادلات، فعندئذٍ يمكن كتابة نظام المعادلات الخطية وفق الصيغة الآتية[14]:

\[a_{11}x_{1}+a_{12}x_{2}+\ldots +a_{1n}x_{n}=b_{1}\]

\[a_{21}x_{1}+a_{22}x_{2}+\ldots +a_{2n}x_{n}=b_{2}\]

\[⋮ \]

\[a_{m1}x_{1}+a_{m2}x_{2}+\ldots +a_{mn}x_{n}=b_{m}.\]

تُسمّى قِيَم المجاهيل \(x_{j}\)التي تُحقّق جميع المعادلات في آن واحد حلول النظام[15].

عمومًا، قد يكون للنظام الخطي حَلٌّ وحيد (Unique solution)، أو عددٌ لا نهائي من الحلول (Infinitely many solutions)، أو لا حلّ إطلاقًا (No solution)، وذلك تبعًا لطبيعة العلاقات بين المتغيّرات ومعاملاتها[16].

فضلًا عن الطريقة الجبرية في تمثيل أنظمة المعادلات الخطية، يُمكِن تمثيلها أيضًا باستخدام المصفوفات، بحيث يصبح النظام على شكل معادلة مصفوفية \(AX=b\)، إذ تكون \(A\) مصفوفة معاملات المجاهيل، أمّا \(X\) فهو المتّجه الرأسي أو المصفوفة الرأسية التي تحتوي المجاهيل، في حين تكون \(b\) المتّجه الرأسي أو المصفوفة الرأسية التي تحتوي الثابت الموجود في الطرف الآخر لكل معادلة. ولتوضيح طريقة التمثيل هذه، يمكن ملاحظة النظام الآتي[17]:

\[3x_{1}-x_{2}=2\]

\[-6x_{1}+2x_{2}=3\]

\[x_{1}+x_{2}=0\]

يُمكن تمثيل هذا النظام على شكل معادلة مصفوفية \(AX=b\) كما يأتي:

\[\begin{bmatrix} 3 & -1 \\ -6 & 2 \\ 1 & 1 \end{bmatrix}\begin{bmatrix} x_{1} \\ x_{2} \end{bmatrix}=\begin{bmatrix} 2 \\ \begin{matrix} 3 \\ 0 \end{matrix} \end{bmatrix}\]

إذ إن:

\[A=\begin{bmatrix} 3 & -1 \\ -6 & 2 \\ 1 & 1 \end{bmatrix}, X=\begin{bmatrix} x_{1} \\ x_{2} \end{bmatrix}, b=\begin{bmatrix} 2 \\ \begin{matrix} 3 \\ 0 \end{matrix} \end{bmatrix}\]

يُلحَظ أنّ عدد صفوف المصفوفة \(A\) يساوي عدد معادلات النظام، وعدد أعمدتها يساوي عدد مجاهيله.

تعميمًا على طريقة كتابة أنظمة المعادلات هذه، فإن أي نظام على الشكل:

\[a_{11}x_{1}+a_{12}x_{2}+\ldots +a_{1n}x_{n}=b_{1}\]

\[a_{21}x_{1}+a_{22}x_{2}+\ldots +a_{2n}x_{n}=b_{2}\]

\[⋮ \]

\[a_{m1}x_{1}+a_{m2}x_{2}+\ldots +a_{mn}x_{n}=b_{m}\]

يمكن أن يُمثَّل بمعادلة مصفوفية \(AX=b\) كما يأتي:

\[A=\begin{bmatrix} a_{11} & a_{12} & \ldots & a_{1n} \\ a_{21} & a_{22} & \ldots & a_{2n} \\ ⋮ & ⋮ & ⋱ & ⋮ \\ a_{m1} & a_{m2} & \ldots & a_{mn} \end{bmatrix}, X=\begin{bmatrix} x_{1} \\ x_{2} \\ ⋮ \\ x_{m} \end{bmatrix}, b=\begin{bmatrix} b_{1} \\ b_{2} \\ ⋮ \\ b_{m} \end{bmatrix}\]

إذ إن عدد صفوف المصفوفة \(A\) يساوي عدد معادلات النظام، وعدد الأعمدة فيها يساوي عدد المجاهيل[18].

تُعَدّ أنظمة المعادلات الخطية من الركائز الأساسية في الجبر الخطي، إذ تُوفِّر إطارًا رياضيًّا لحلِّ مسائل متعددة في العلوم والهندسة والاقتصاد؛ فعن طريقها يُمكِن تحديد قِيَم المتغيّرات التي تُحقّق العلاقات الخطية، وهو ما يُتيح نمذجةَ الظواهر الواقعية وحَلَّها بكفاءة. كذلك تُمثّل أساسًا لفَهْم البنى الرياضية الأخرى مثل المصفوفات والمتجهات، ولها تطبيقات واسعة في الحوسبة العددية، وتحليل البيانات، والشبكات، والذكاء الاصطناعي.

الفضاءات الاتجاهية

يُعَدّ مفهوم الفضاء المتجهي (Vector Space) من أهمّ المفاهيم في الجبر الخطي، إذ يُقدِّم إطارًا عامًّا لدراسة المتجهات وما يُجرى عليها من عمليات. والفضاء المتجهي هو مجموعة من العناصر التي تُسمَّى متجهات (Vectors)، مرفقة بعمليتَيْن أساسيتَيْن، هُما الجمع (Addition) والضرب العددي (Scalar Multiplication)، تخضعان لمجموعة من البديهيات {{البديهية: (Axiom) هي عبارة رياضية أو منطقية تُفترَض صحتها من دون الحاجة إلى إثبات، وهي اللبنات الأولى في بناء أي منظومة رياضية أو منطقية، ويُشتَقّ منها ما يليها من تعريفات ومبرهنات وفق قواعد الاستدلال المنطقي.}} التي تضمن انسجام هذه البنية الرياضية.

يُعرَّف الفضاء المتجهي رياضيًّا كما يأتي:

ليكن \(V\)مجموعة غير فارغة من العناصر، عَرّفت إليها عمليّتا الجمع والضرب العددي، بحيث إنّ الجمع هو قاعدة تربط بين كل زوج من عناصر \(u,v\) في \(V\) بعنصر جديد، يُرمَز له \(u+v\) يُسمّى مجموعهما، والضرب العددي هو قاعدة تربط كلّ عدد \(k\) من حقلٍ عدديٍّ \(F\) مع كل عنصر \(u\) في \(V\) بعنصر جديد، يُرمَز له \(ku\)، ويُسمّى المضاعف العددي لـ \(u\) بالعدد \(k\)، فإذا تحقّق ما يأتي من البديهيات[19]:

• إذا كانت \(u,v\in V\)، فإن \(u+v\in V\) (مغلقة على عملية الجمع).
• \(u+v=v+u\) لكل \(u,v\in V\) (الخاصية التبديلية في عملية الجمع).
• \(u+\left(v+w\right)=\left(u+v\right)+w\) لكل \(u,v,w\in V\) (الخاصية التجميعية في عملية الجمع).
• يوجد عنصر \(0\in V\) يُسمّى بالمتجه الصفري، إذ إن \(u+0=0+u=u\) لكل عنصر \(u\in V\) (العنصر المحايد في عملية الجمع).
• لكل عنصر \(u\in V\) يوجد عنصر \(-u\in V\) يُسمّى معكوس \(u\)، إذ إن \(u+\left(-u\right)=\left(-u\right)+u=0\) (النظير الجمعي في عملية الجمع).
• إذا كان \(k\) عددًا و \(u\in V\)، فإن \(ku\in V\) (مغلقة على عملية الضرب العددي).
• لأي عدد \(k\) وعُنصرَي \(u,v\in V\)، فإنّ \(k\left(u+v\right)=ku+kv\) (الخاصية التوزيعية في عملية الضرب العددي).
• لأي عددَي \(k,m\) وعنصر \(u\in V\)، فإن \(\left(k+m\right)u=ku+mu \).
• لأي عددَي \(k,m\) وعنصر \(u\in V\)، فإن \(k(mu)=(km)u\).
• لأي عنصر \(u\in V\) فإن \(1u=u\) (العنصر المحايد في عملية الضرب العددي).

عند تحقُّق هذه الخصائص، يُقال إن \(V\) فضاءٌ متجهيّ (Vector Space) على الحقل \(F\)، وتُسمّى عناصره متجهات.

بناءً على مفهوم الفضاء الاتجاهي، توجد مفاهيم وتعريفات أخرى مُهمّة أيضًا يتعامل معها الجبر الخطي في هذا السياق، منها مفهوم الاستقلال الخطي، والتركيب الخطي، والمجموعة المولّدة للفضاء، والأساس والأبعاد.

يُعرّف الاستقلال الخطي (Linear Independence) بمجموعة المتجهات الموجودة في فضاء اتجاهي مُعيَّن التي تُسمّى متجهات مستقلة خطيًّا، إذا لم يمكن التعبير عن أيٍّ من هذه المتجهات بدلالة مجموعة المتجهات المتبقية، أي إنّ المتجهات \(v_{1},v_{2},\ldots v_{r}\) تُسمّى متجهات مستقلة خطيًّا إذا كان حلّ المعادلة[20]:

\[k_{1}v_{1}+k_{2}v_{2}+\ldots +k_{r}v_{r}=0\]

هو \(k_{1}=k_{2}=\ldots =k_{r}=0\) فقط.

وهذا يشير إلى أنّ أيًّا من هذه المتجهات لا يمكن كتابتها بدلالة بقية المتجهات.

أما التركيب الخطي (Linear Combination) والمجموعة المولّدة للفضاء الاتجاهي (Span Vector Space)، فهُما مفهومان يُعبّران عن المحتوى نفسه، لكن من زوايا نظر مختلفة؛ فالتركيب الخطي هو مفهوم يتعلّق بالمتجهات وطريقة التعبير عنها بدلالة متجهات أخرى، فالمتجه \(v\) يقال عنه تركيب خطي من المتجهات \(v_{1},v_{2},\ldots v_{r}\)، إذا أمكن التعبير عنه كمزيج خطي من المتجهات \(v_{1},v_{2},\ldots v_{r}\) كما يأتي[21]:

\[v=k_{1}v_{1}+k_{2}v_{2}+\ldots +k_{r}v_{r},\]

إذ إنّ \(k_{1},k_{2},\ldots k_{r}\) هي ثوابت ليست جميعها صفرية.

وإذا أمكن التعبير عن جميع متجهات الفضاء الاتجاهي \(V\) بالأسلوب نفسه، فعند ذلك يُقال عن المجموعة \(S=\left\{v_{1},v_{2},\ldots v_{r}\right\}\) إنها مولّدة للفضاء الاتجاهي \(V\)، ويُكتَب ذلك عن طريق الترميز الآتي:

\[V=span{S}=span\left\{v_{1},v_{2},\ldots v_{r}\right\}.\]

أما الأساس (Basis)، فهو مفهوم يُعبِّر عن مجموعة المتجهات المستقلة التي تُولّد فضاءً مُعيّنًا، أي إنه يرتبط ارتباطًا مباشرًا بالمفهومَيْن السابقَيْن. والبُعْد (Dimensions) هو عدد عناصر قاعدة الفضاء، ويُرمَز له بالرمز \(\dim (V)\)[22].

التحويلات الخطية

تُعَدّ التحويلات الخطية (Linear Transformations) من المفاهيم الأساسية في الجبر الخطي، إذ تُمثِّل دوالَّ تربط بين فضاءات اتجاهية، مع الحفاظ على خاصيّتي الجمع والضرب العددي؛ فالدالة \(T:V⟶W\) التي تربط بين الفضاءَيْن الاتجاهيَّيْن \(V,W\)، تُسمّى تحويلًا خطيًّا إذا حققت ما يأتي من الشروط لأي متجهَي \(u,v\) في الفضاء الاتجاهي \(V\) ، ولأي عدد ثابت \(k\)[23]:

\[T\left(u+v\right)=T\left(u\right)+T\left(v\right)\]

\[T\left(ku\right)=kT\left(u\right)\]

وعندما يكون الفضاءان الاتجاهيان \(V,W\) متساويَيْن، فإنّ التحويل الخطي \(T\) يُسمّى مؤثّرًا خطيًّا (Linear Operator)؛ أي إنّ التحويل الخطي الذي يُطبَّق من فضاء اتجاهي ما إلى الفضاء الاتجاهي نفسه يُسمّى مؤثرًا خطيًّا.

تُعرَف نواة التحويل الخطي (Kernel) بأنها مجموعة المتجهات التي تُحوَّل إلى المتجه الصفري. أما المدى (Range) فيُعرَف بأنه مجموعة المتجهات الناتجة من تطبيق التحويل على جميع عناصر الفضاء. وتُظهِر العلاقةُ بين النواة والمدى طبيعةَ التحويل وبُعدَه. وتُعَدّ التحويلات الخطية أساسًا رياضيًّا، ولها تطبيقات بالغة الأهمية في مختلف فروع العلم والهندسة[24].

تُعَدّ هذه المفاهيم الأساسية اللبنة الأساسية التي يقوم عليها بناء الموضوعات المتقدّمة في الجبر الخطي، إذ تمتدّ تطبيقاتها لتشمل مجالات علمية واسعة، مثل: الهندسة والفيزياء وعلوم الحاسوب والذكاء الاصطناعي. ويُشكِّل الإلمام بها خطوةً محوريةً تُمهِّد للانتقال إلى موضوعات أكثر عُمْقًا، مثل التحويلات الخطية والفضاءات الاتجاهية التي تُعَدّ بدورها أيضًا جسرًا يربط الجبر الخطي بمختلف فروع العلوم الأخرى.

علاقته بالفروع الرياضية الأخرى

تتجلّى أهمية علم الجبر الخطي في علاقته الوثيقة مع الفروع الرياضية الأخرى، إذ يُعَدّ من أهم الركائز الأساسية في بناء الرياضيات الحديثة، فهو يُستخدَم بوصفه أساسًا لتحليل الظواهر الرياضية في فضاءات متعددة الأبعاد، ويُقدِّم أدواتٍ قويةً للتعامل مع الأنظمة المعقّدة من المعادلات والعلاقات. وبسبب دراسة المتّجهات والمصفوفات والتحويلات الخطية، أصبح الجبر الخطي لغة مشتركة بين فروع الرياضيات المختلفة.

في التحليل الرياضي (Mathematical Analysis)، يرتبط الجبر الخطي ارتباطًا وثيقًا بالتحليل الرياضي، عن طريق دراسة الفضاءات المتجهية (Vector Spaces) التي تُشكّل الأساس لمفاهيم الاشتقاق والتكامل في أبعاد متعددة. فالمشتقّة الاتجاهية يمكن تمثيلها بوساطة مصفوفة جاكوب (Jacobian Matrix)، وهي تطبيق مباشر لمفهوم التحويل الخطي. كذلك يُستخدَم الجبر الخطي في تحليل الدوال في فضاءات هيلبرت وباناخ (Hilbert and Banach Spaces)، إذ تُدرَس خصائص التقارب والاستمرارية باستخدام الجداء الداخلي (Inner Product) والقِيَم الذاتية (Eigenvalues). هذه العلاقةُ تجعل الجبرَ الخطيَّ حجرَ الأساس لفَهْم التحليل الحديث والتقريب العددي وحلول المعادلات التفاضُلية[25].

وفي الجبر الحديث (Modern Algebra)، يُعَدّ الجبر الخطي أحد التطبيقات الملموسة لمفاهيم الجبر المجرد، إذ يتعامل مع الفضاءات المتجهية على الحقول (Vector Spaces over Fields) بوصفها بنًى جبرية مزوَّدة بعمليتَي الجمع والضرب العددي. وهو يرتبط بالحقول والحلقات والزّمر من حيث البنية الرياضية، إذ يُمثِّل مثالًا عمليًّا على مفاهيم التماثُل (Isomorphism) والتحويلات البنيوية الخطية (Linear Homomorphisms). من ثمّ، يُعَدّ الجبر الخطي الجسر الذي يصل بين المفهوم النظري للجبر الحديث والتطبيق العددي الملموس[26].

أما التفاضل والتكامل (Calculus)، فيُمثّل الجبر الخطي فيهما الأساس لفَهْم التغيّر في الفضاءات ذات الأبعاد الأعلى، فمفهوم المشتقّة الكُلّية (Total Derivative) يُعبَّر عنه بمصفوفة جاكوب التي تُمثِّل أفضل تقريب خطي لدالّة عند نقطة مُعيّنة. كذلك فإن التكاملات الخطية والسطحية تعتمد على فَهْم الفضاءات المتجهية، واتجاهات المتجهات المماسية في المجالات المتجهية (Vector Fields). وتُستخدَم القِيَم الذاتية (Eigenvalues) لدراسة استقرار الأنظمة الديناميكية في التحليل الكَيْفي للأنظمة التفاضُلية[27].

وفي المعادلات التفاضلية (Differential Equations)، تُعَدّ المصفوفات والتحويلات الخطية أدواتٍ رئيسةً في حَلِّ الأنظمة الخطية من المعادلات التفاضلية. ويمكن تمثيل الحلول باستخدام القِيَم الذاتية والمتّجهات الذاتية للمصفوفة المرتبطة بالنظام. كذلك يُستخدَم الجبر الخطي في الطرق العددية مثل طريقة أويلر (Euler Method). ويُعبَّر عن الحَلّ العامّ للنظام الخطي 𝑥=𝐴𝑥 باستخدام المصفوفة الأُسّية (Matrix Exponential)، وهو ما يُبرز العلاقة الوثيقة بين الجبر الخطي والتحليل الزمني للأنظمة الرياضية واستقرارها[28].

في الإحصاء ونظرية الاحتمالات (Statistics and Probability)، يُعدّ الجبر الخطي أساسًا لتحليل البيانات الإحصائية، فكثيرٌ من المفاهيم، مثل التباين (Variance) والتغاير (Covariance) والانحدار الخطي (Linear Regression)، تعتمد على المصفوفات والمتجهات. وفي تحليل المكوّنات الرئيسة (PCA)، تُستخدَم القِيَم الذاتية لتحديد الاتجاهات التي تحتوي على أكبر قدر من التبايُن في البيانات، في حين يُعبَّر عن التوزيعات الاحتمالية متعدّدة المتغيّرات بمصطلحات متجهية. كذلك تعتمد النماذج الإحصائية مثل الانحدار الخطي المتعدد على بعض الصِّيَغ لحساب المعاملات المُثلى[29].

كذلك في التحليل العددي (Numerical Analysis)، يُستخدَم الجبر الخطي لحَلِّ الأنظمة الخطية الكبيرة، الناتجة من النمذجة الرياضية والمعادلات التفاضلية، ويُعَدّ العمود الفقري لطرق الحساب العلمي. وتُستخدم خوارزميات، مثل تحليل غاوس (Gaussian Elimination)، وتحليل LU وQR، وتحليل القِيَم المفردة (SVD)، لحساب القِيَم الذاتية والمتجهات الذاتية، ولحَلِّ أنظمة المعادلات بدقة عددية عالية. وهكذا، يُوفّر الجبر الخطي الإطار الحسابي الذي يربط بين النظرية الرياضية والتطبيق العملي عبر الحاسوب[30].

إن الجبر الخطي ليس مجرّد فرع من فروع الرياضيات، بل هو اللغة البنيوية الموحَّدة التي تجمع بين مفاهيم التحليل والجبر والتفاضل والإحصاء والعددي؛ فعن طريقه يمكن فهم البنى الرياضية، ووصف العلاقات بين العناصر، وتحليل الظواهر المعقّدة بطريقة دقيقة وفعّالة؛ لذلك، يُعَدّ الجبر الخطي الإطار البنيوي الذي تتقاطع عنده جميع فروع الرياضيات الحديثة، جامعًا بين النظرية والتطبيق في لُغةٍ واحدة متكاملة.

تطبيقاته

يُعَدّ الجبر الخطي مِن أبرز فروع الرياضيات التي أثبتت حضورها القويّ في مختلف العلوم التطبيقية والتقنية، فهو ليس مجرّد منظومة من القوانين والعمليات الرمزية، بل يُعَدّ إطارًا شاملًا لفَهْم العلاقات الخطية والتحويلات الرياضية بين الكمّيات والبيانات، وهو ما يجعله أساسًا للنمذجة الرياضية والعددية في شتى العلوم.

يقوم جوهر الجبر الخطي على التعامل مع المتجهات والمصفوفات والتحويلات الخطية، وهي مفاهيم بسيطة في مظهرها، لكنها تحمل في داخلها قدرة هائلة على بناء نماذج دقيقة وفعّالة لمشكلات عملية في مجالات متعددة.

في الهندسة، يظهر الجبر الخطي بوصفه أداةً لا غنًى عنها عند تحليل القوى المؤثرة في الأجسام والإنشاءات؛ فالمهندس الذي يدرس جسرًا أو مبنًى يجد نفسه أمام شبكة من العلاقات بين القوى والعزوم، يمكن تمثيلها بأنظمة خطية من المعادلات. تُستخدَم المصفوفات لتنظيم هذه المعادلات، ثم تُحَلّ باستخدام طرق عددية مثل الحذف الغاوسي أو تحليل LU أو الطرق التكرارية (Iterative Methods) للحصول على القِيَم المطلوبة بدقّة وكفاءة. تَمتدّ هذه التطبيقات إلى تصميم المركبات والطائرات، إذ تُستخدَم المتجهات والمعادلات الخطية لتمثيل الحركة والسرعة والاتجاه، وهو ما يضمن استقرار الأنظمة ودقتها[31].

وفي الفيزياء، يُشكِّل الجبر الخطي اللغة الأساسية لكثير من فروع الفيزياء؛ ففي الميكانيكا الكلاسيكية، تُستخدَم المعادلات الخطية لوصف حركة الأجسام تحت تأثير القوى المختلفة؛ أما في الميكانيكا الكمومية، فهو يُشكِّل البنية الرياضية الأساسية، إذ تُوصَف الحالة الكمّية لجُسيْم ما على أنها متجه في فضاء هيلبرت (Hilbert Space)، وهو فضاء متجهي مُزوَّد بضرب داخلي (Inner Product) يُتيح تعريف الزوايا والعلاقات المتعامدة. كذلك فإن المؤثرات الخطية (Linear Operators) تُمثِّل عمليات القياس الفيزيائية. وتُحَلّ القِيَم الذاتية لهذه المؤثرات للتنبُّؤ بالنتائج المحتمَلة للقياسات[32].

أما في مجال الرسوم الحاسوبية، فيُعَدّ الجبر الخطي القلب الرياضي للصّور المتحرّكة والمشاهد ثلاثية الأبعاد، فكُلّ نقطة تُعبِّر عن متجهٍ يحتوي على إحداثياتها، وتُنفَّذ عمليات التحويل، مثل: التدوير أو النقل أو التكبير عبر ضرب المتجهات في مصفوفات تحويل (Transformation Matrices). تُستخدَم المصفوفات ذات البعد 4×4 في نظام الإحداثيات المتجانسة (Homogeneous Coordinates) لدمج التحويلات الخطية والإزاحات في مصفوفة واحدة، وهو ما يمنح التصاميم الرقمية واقعيةً هندسيةً دقيقة[33].

وفي الذكاء الاصطناعي والتعلُّم الآلي، تُخزَّن البيانات على شكل متجهات في فضاءات عالية الأبعاد، إذ يُمثّل كل بعد خصيصة مُعيّنة من البيانات، وتُستخدَم المصفوفات لاستخلاص الأنماط وتحليل العلاقات بين الخصائص. وتَعتمِدُ تقنيات مثل تحليل المكوّنات الرئيسة (Principal Component Analysis - PCA) على الجبر الخطي، عن طريق تحليل القِيَم الذاتية لمصفوفة التبايُن (Covariance Matrix)، لتقليل أبعاد البيانات مع الاحتفاظ بأهمّ المعلومات. تُعَدّ هذه الأساليب ضرورية لجعل الخوارزميات أكثر كفاءةً ودقةً في معالجة البيانات الضخمة[34].

في معالجة الصور والإشارات، يُمثِّل الجبر الخطي الأساس الرياضي لتحليل الصور. تُعرَّف نواة التحويل (Kernel) بأنها مجموعة المتجهات التي تُرسَل إلى المتجه الصفري عبر التحويل الخطي، وتُستخدم في تقنيات ضغط الصور، وإزالة الضوضاء، وتحسين الجودة. كذلك يُستخدَم تحليل الاعتماد الخطي بين الخصائص المختلفة في تحسين خوارزميات التعرّف على الوجوه والأصوات، وهو ما يسمح بتمثيلٍ أكثر كفاءةً للبيانات[35].

في الاقتصاد والعلوم الاجتماعية، تُبنى النماذج الاقتصادية على أنظمة من المعادلات الخطية التي تُمثِّل العلاقات بين المتغيّرات، مثل الإنتاج والاستهلاك والأسعار. ومن أبرز التطبيقات، نموذج ليونتيف للإدخال والإخراج (Leontief Input–Output Model) الذي يعتمد على تحليل المصفوفات لدراسة التفاعُلات بين القطاعات الاقتصادية. كذلك تُستخدَم أدوات الجبر الخطي في تحليل الانحدار​ (Regression Analysis) وتحليل التباين (ANOVA) ضمن علم الإحصاء، لاستخلاص العلاقات بين المتغيّرات في الدراسات الاجتماعية والسلوكية[36].

للجبر الخطي قدرة على تقديم لُغة رياضية مُوحّدة تسمح بترجمة المشكلات الواقعية إلى صِيَغٍ قابلة للحَلِّ العددي والتحليلي، فالمُحدّدات ليست مجرد قِيَم عددية، بل تُمثِّل عواملَ قياسٍ هندسيةً للمساحات والأحجام بعد التحويلات الخطية. والاستقلال الخطي والبُعْد والقاعدة ليست مفاهيمَ مجردة، بل أدوات لفهم بنية البيانات وتبسيطها.

بفضل هذه الخصائص، يُعَدّ الجبر الخطي لُغةً كونيةً تُوحِّد العلوم الطبيعية والهندسية والاقتصادية في إطار رياضي متكامل، وهو ما يجعل إتقانه مدخلًا أساسيًّا لفَهْم جوهر العالَمَيْن المادي والرقمي على حدٍّ سواء.

[1] Carl B. Boyer & Uta C. Merzbach, A History of Mathematics, 3^rd ed. (Hoboken, NJ: Wiley, 2011), Chapter 3.

[2] Victor J. Katz, A History of Mathematics: An Introduction, 3^rd ed. (Boston: Addison Wesley, 2009), Chapter 7

[3] Florian Cajori, A History of Mathematics (New York: Macmillan & Co. Ltd., 1919), pp. 15-45.

[4] Luke Howard Hodgkin, A History of Mathematics: From Mesopotamia to Modernity (London: Routledge, 2005), Chapter 5.

[5] Ibid., Chapters 6-7.

[6] Boyer & Merzbach, Chapters 19, 21; Katz, Chapters 21-22.

[7] Howard Anton, Elementary Linear Algebra, 11^th ed. (Hoboken, NJ: Wiley, 2013), Chapter 3; عبد الرحمن محمد سيد، الجبر الخطي (الخرطوم: منشورات جامعة السودان المفتوحة، 2006)، الوحدة الأولى.

[8] Anton, op. cit.

[9] معروف عبد الرحمن سمحان وعلي بن عبد الله السحيباني وفوزي بن أحمد الذكير، الجبر الخطي وتطبيقاته، ط 2 (الرياض: مكتبة العبيكان، 2006).

[10] المرجع نفسه.

[11] المرجع نفسه.

[12] المرجع نفسه.

[13] Anton, pp. 105-118.

[14] Ramakanta Meher, Linear Algebra with Its Applications (Gistrup, Denmark: River Publishers, 2025), Chapter 2.

[15] Ibid.

[16] Ibid.

[17] معروف وبيزوف، مرجع سابق.

[18] المرجع نفسه.

[19] Anton, p. 184.

[20] Ibid., Chapter 4.

[21] Ibid.

[22] Ibid.

[23] Ibid., Chapter 8.

[24] Ibid.

[25]أحمد جمال إبراهيم وإقبال جبريل، التحليل الدالي (الأحساء: مركز الترجمة والتأليف والنشر - جامعة الملك فيصل، 2017)؛ Walter Rudin, Principles of Mathematical Analysis, 3^rd ed. (New York: McGraw-Hill, 1976).

[26]Joseph A. Gallian, Contemporary Abstract Algebra, 8^th ed. (Boston, MA: Brooks/Cole Cengage Learning, 2013).

[27] Howard Anton, Irl Bivens & Stephen Davis, Calculus, 9^th ed. (Hoboken, NJ: John Wiley & Sons, 2009).

[28] Ibid.

[29] George Casella & Roger L. Berger, Statistical Inference, 2^nd ed. (Australia: Thomson Learning, 2002).

[30] Richard L. Burden & J. Douglas Faires, Numerical Analysis, 9^th ed. (Boston, MA: Brooks/Cole Cengage Learning, 2011).

[31] Erwin Kreyszig, Advanced Engineering Mathematics, 10^th ed. (Hoboken, NJ: John Wiley & Sons, 2011); Richard L. Burden & J. Douglas Faires, Numerical Analysis, 9^th ed. (Boston: Brooks/Cole, Cengage Learning, 2011).

[32] Raymond A. Serway & John W. Jewett, Physics for Scientists and Engineers with Modern Physics, 9^th ed. (Boston: Cengage Learning, 2014).

[33] Edward Angel & Dave Shreiner, Interactive Computer Graphics: A Top-Down Approach with WebGL, 7^th ed. (Boston: Pearson, 2015).

[34] Marc Peter Deisenroth, A. Aldo Faisal & Cheng Soon Ong, Mathematics for Machine Learning (Cambridge: Cambridge University Press, 2020).

[35] Rafael C. Gonzalez & Richard E. Woods, Digital Image Processing, 4^th ed. (New York: Pearson, 2018).

[36] David C. Lay, Steven R. Lay & Judi J. McDonald, Linear Algebra and Its Applications, 5^th ed. (Boston: Pearson, 2016).

المراجع

العربية

إبراهيم، أحمد جمال وإقبال جبريل. التحليل الدالي. الأحساء: مركز الترجمة والتأليف والنشر - جامعة الملك فيصل، 2017.

سمحان، معروف عبد الرحمن وعلي بن عبد الله السحيباني وفوزي بن أحمد الذكير. الجبر الخطي وتطبيقاته. ط 2. الرياض: مكتبة العبيكان، 2006.

سيد، عبد الرحمن محمد. الجبر الخطي. الخرطوم: منشورات جامعة السودان المفتوحة، 2006.

الأجنبية

Anton, Howard, Irl Bivens & Stephen Davis. Calculus. 9^th ed. Hoboken, NJ: John Wiley & Sons, 2009.

Anton, Howard. Elementary Linear Algebra. 11^th ed. Hoboken, NJ: Wiley, 2013.

Boyer, Carl B. & Uta C. Merzbach. A History of Mathematics. 3^rd ed. Hoboken, NJ: Wiley, 2011.

Burden, Richard L. & J. Douglas Faires. Numerical Analysis. 9^th ed. Boston, MA: Brooks/Cole Cengage Learning, 2011.

Cajori, Florian. A History of Mathematics. New York: Macmillan & Co. Ltd., 1919.

Casella, George & Roger L. Berger. Statistical Inference. 2^nd ed. Australia: Thomson Learning, 2002.

Gallian, Joseph A. Contemporary Abstract Algebra. 8^th ed. Boston, MA: Brooks/Cole Cengage Learning, 2013.

Hodgkin, Luke Howard. A History of Mathematics: From Mesopotamia to Modernity. London: Routledge, 2005.

Katz, Victor J. A History of Mathematics: An Introduction. 3^rd ed. Boston: Addison Wesley, 2009.

Meher, Ramakanta. Linear Algebra with Its Applications. Gistrup, Denmark: River Publishers, 2025.

Rudin, Walter. Principles of Mathematical Analysis. 3^rd ed. New York: McGraw-Hill, 1976.

Kreyszig, Erwin. Advanced Engineering Mathematics. 10^th ed. Hoboken, NJ: John Wiley & Sons, 2011.

Serway, Raymond A. & John W. Jewett. Physics for Scientists and Engineers with Modern Physics. 9^th ed. Boston: Cengage Learning, 2014.

Deisenroth, Marc Peter, A. Aldo Faisal & Cheng Soon Ong. Mathematics for Machine Learning. Cambridge: Cambridge University Press, 2020.

Gonzalez, Rafael C. & Richard E. Woods. Digital Image Processing. 4^th ed. New York: Pearson, 2018.

Lay, David C., Steven R. Lay & Judi J. McDonald. Linear Algebra and Its Applications. 5^th ed. Boston: Pearson, 2016.