كيفية حساب حاصل الضرب النقطي بسهولة في جداول بيانات جوجل

يمثل الجبر الخطي العمود الفقري للعديد من العلوم المعاصرة، بدءاً من أبحاث الذكاء الاصطناعي ومعالجة اللغات الطبيعية، وصولاً إلى القياسات النفسية المتقدمة ونمذجة السلوك البشري. وتعد عملية حاصل الضرب النقطي (Dot Product)، أو ما يُعرف بالجداء القياسي (Scalar Product)، إحدى الركائز الجوهرية التي تبنى عليها معظم الخوارزميات التحليلية. إن القدرة على تحويل البيانات الوصفية أو السلوكية إلى متجهات عددية، ومن ثم استخلاص مؤشرات كمية تعكس التفاعل أو التوافق بين تلك المتجهات، تمنح الباحثين وصناع القرار رؤى استراتيجية عميقة يستحيل الوصول إليها بالتحليلات البسيطة أحادية البعد.

ومع التحول الرقمي السريع نحو الحلول السحابية وتكامل فرق العمل البحثية والمؤسسية، برزت منصة جداول بيانات جوجل (Google Sheets) كأداة قوية ومرنة لمعالجة البيانات المعقدة وإجراء العمليات الحسابية المتجهية دون الحاجة إلى برمجيات متخصصة باهظة الثمن أو بيئات تطوير معقدة. إن مرونة هذه البيئة وقدرتها على استيعاب المصفوفات الديناميكية وتوفير صيغ مدمجة متعددة، تجعل منها منصة مثالية لتنفيذ العمليات الجبرية المتقدمة بدقة متناهية وسرعة فائقة.

يهدف هذا الدليل المرجعي الشامل إلى استعراض كافة المنهجيات والتقنيات المتاحة لحساب حاصل الضرب النقطي داخل جداول بيانات جوجل. سنغطي الأسس الرياضية والنظرية للعملية، ونستعرض التطبيقات التحليلية والنفسية، ثم ننتقل إلى الشرح المفصل للطرائق الحسابية بدءاً من دالة SUMPRODUCT، مروراً بضرب المصفوفات MMULT والصيغ المصفوفية ARRAYFORMULA، وصولاً إلى الأتمتة المتقدمة باستخدام لغة Google Apps Script، مع تقديم معالجات دقيقة لكافة الأخطاء الشائعة وأفضل الممارسات المتبعة عالمياً لضمان كفاءة النماذج الحسابية واستقرارها.

1. مقدمة شاملة لمفهوم حاصل الضرب النقطي (Dot Product) وأهميته الرياضية

1.1 التعريف الجبري والهندسي لحاصل الضرب النقطي

يُعرَّف حاصل الضرب النقطي رياضياً بأنه عملية جبرية تأخذ متسلسلتين متساويتي الطول من الأرقام (تُعرفان بالمتجهات) وتُرجع قيمة قياسية واحدة (Scalar). من الناحية الجبرية، إذا كان لدينا المتجه $A = [a_1, a_2, dots, a_n]$ والمتجه $B = [b_1, b_2, dots, b_n]$ في فضاء إقليدي ذي $n$ من الأبعاد، فإن حاصل الضرب النقطي، ويُرمز له بالرمز $A \cdot B$، هو مجموع حواصل ضرب العناصر المتقابلة:

$$A \cdot B = \sum_{i=1}^{n} a_i b_i = a_1 b_1 + a_2 b_2 + dots + a_n b_n$$

أما من المنظور الهندسي، فيعبر حاصل الضرب النقطي عن حاصل ضرب مقداري المتجهين (طول كل منهما) مضروباً في جيب تمام الزاوية ($\theta$) المحصورة بينهما في الفضاء متعدد الأبعاد، وفق الصيغة:

$$A \cdot B = |A| |B| \cos(\theta)$$

يوضح هذا المنظور الهندسي مفهوم الإسقاط؛ إذ يعكس الضرب النقطي مدى امتداد أحد المتجهين في اتجاه المتجه الآخر. فإذا كان لدينا المتجه ثنائي الأبعاد $A = [3, 4]$ والمتجه $B = [2, 1]$، فإن حاصل الضرب النقطي الجبري يكون $(3 \times 2) + (4 \times 1) = 6 + 4 = 10$. وفي الفضاء ثلاثي الأبعاد، إذا كان $U = [1, 5, -2]$ و $V = [4, -1, 3]$، فإن الناتج هو $(1 \times 4) + (5 \times -1) + (-2 \times 3) = 4 – 5 – 6 = -7$. يُظهر هذا التحول من مدخلات متعددة الأبعاد إلى مخرج عددي فردي كيف يختزل الضرب النقطي العلاقات المعقدة في قيمة قياسية مفردة قابلة للتحليل المقارن.

1.2 الخصائص الرياضية الجوهرية لعملية الضرب النقطي

تتمتع عملية الضرب النقطي بمجموعة من الخصائص الرياضية الثابتة التي تجعل منها أداة متينة وموثوقة في النمذجة الجبرية والحسابية. أولى هذه الخصائص هي الخاصية التبادلية (Commutative Property)، والتي تنص على أن ترتيب المتجهات لا يؤثر إطلاقاً على الناتج النهائي، أي أن $A \cdot B = B \cdot A$. تضمن هذه الخاصية اتساق النتائج بصرف النظر عن اتجاه المقارنة بين المتغيرات.

الخاصية الثانية هي خاصية التوزيع على الجمع (Distributive Property)، حيث ينطبق القانون $A \cdot (B + C) = A \cdot B + A \cdot C$. تتيح هذه الخاصية للباحثين تفكيك المتجهات المركبة إلى مكونات أبسط وتوزيع الحسابات التحليلية عبر مراحل متتالية دون الإخلال بالدقة الرياضية. كما تتسم العملية بـخاصية التجانس (Homogeneity) بالنسبة للضرب في قيمة قياسية، حيث إن $(k A) \cdot B = k (A \cdot B)$ لأي عدد حقيقي $k$.

ومن أهم الدلالات الهندسية للضرب النقطي هي حالة التعامد (Orthogonality)؛ فإذا كان حاصل الضرب النقطي بين متجهين غير صفريين يساوي صفراً ($A \cdot B = 0$)، فإن ذلك يثبت بصورة قاطعة أن الزاوية بينهما هي 90 درجة ($\cos(90^circ) = 0$). يعبر هذا في علم البيانات والقياسات النفسية عن الاستقلالية التامة وعدم وجود أي ارتباط أو تشابه اتجاهي بين المتغيرين المدروسين.

1.3 المقارنة بين الضرب النقطي والعمليات المتجهية الأخرى

من الضروري التمييز بدقة بين حاصل الضرب النقطي والعمليات الجبرية الأخرى التي تُجرى على المتجهات والمصفوفات لتجنب الأخطاء المفاهيمية أثناء بناء النماذج في جداول البيانات. يختلف الضرب النقطي اختلافاً جذرياً عن الضرب الاتجاهي (Cross Product)؛ فالأخير يُطبق حصراً في الفضاء ثلاثي الأبعاد وينتج عنه متجه جديد عمودي على المستوي الذي يضم المتجهين الأصليين، بينما يُنتج الضرب النقطي قيمة قياسية مجردة ويعمل في أي عدد من الأبعاد الفضائية ($n$-dimensional space).

كذلك يجب التمييز بين الضرب النقطي وضرب هادامارد (Hadamard Product)، المعروف بالضرب العنصري (Element-wise Multiplication). في ضرب هادامارد، يتم ضرب كل عنصر في المتجه الأول بالعنصر المقابل له في المتجه الثاني لينتج متجه جديد له نفس الأبعاد الأصلية ($[a_1 b_1, a_2 b_2, dots, a_n b_n]$)، دون إجراء خطوة الجمع التراكمي التي تميز الضرب النقطي.

أما من حيث علاقته بـضرب المصفوفات العام (Matrix Multiplication)، فإن حاصل الضرب النقطي هو في جوهره حالة خاصة من ضرب مصفوفة صفيّة ذات أبعاد ($1 \times n$) في مصفوفة عمودية ذات أبعاد ($n \times 1$). هذا الترابط البنيوي يجعل الضرب النقطي حجر الزاوية في كافة خوارزميات تحويل الإحداثيات، وتقليل الأبعاد، والشبكات العصبية، وتحليل الانحدار المتعدد.

2. التطبيقات التحليلية للضرب النقطي في القياس النفسي وتحليل البيانات

2.1 قياس درجات التشابه والتوافق بين السمات والملفات الشخصية

في مجال القياس النفسي (Psychometrics)، تُستخدم المتجهات الرياضية لتمثيل السمات الشخصية والقدرات المعرفية والسلوكيات المقاسة عبر الاستبيانات ومقاييس ليكرت (Likert Scales). يتم تحويل إجابات المفحوص على مجموعة من البنود المترابطة إلى متجه رقمي يمثل بصمته النفسية أو المهنية. عند مقارنة فردين، يمثل كل فرد بمتجه في فضاء السمات متعدد الأبعاد، ويُستخدم حاصل الضرب النقطي كخطوة أساسية لتقييم درجة التقارب والتوافق بين النمطين السلوكيين.

عندما تكون إجابات المفحوصين متوافقة في البنود الإيجابية والسلبية، ينتج عن الضرب النقطي رقم قياسي مرتفع يعكس درجة عالية من التناغم والانسجام السلوكي. وعلى النقيض، إذا كانت استجابات أحد الأفراد متعاكسة مع استجابات الآخر (على سبيل المثال، درجات مرتفعة في الانبساطية مقابل درجات منخفضة جداً للطرف الآخر بعد تعديل المتوسطات)، فإن حاصل الضرب النقطي يميل إلى الانخفاض أو التحول إلى قيم سالبة. تُطبق هذه التقنية في اختيار فرق العمل المتكاملة، وتقييم التوافق الزواجي، والتوجيه المهني المبني على تطابق السمات مع متطلبات الوظيفة.

2.2 حساب الدرجات الموزونة في الاختبارات النفسية والتربوية

لا تتساوى جميع البنود أو المعايير في أهميتها النسبية عند بناء الاختبارات التحصيلية أو مقاييس الكفاءة النفسية والعصبية. تتطلب الممارسات القياسية إعطاء أوزان ترجيحية متباينة للأبعاد والفقرات بناءً على تحليلات الصدق والثبات والقدرة التمييزية. هنا تبرز الأهمية التطبيقية المباشرة للضرب النقطي؛ حيث يتم تنظيم أوزان المعايير في صورة متجه عددي ثابت $W = [w_1, w_2, dots, w_n]$، بينما تُمثل درجات المفحوص الخام في متجه متغير $S = [s_1, s_2, dots, s_n]$.

إن حساب الدرجة الكلية المركبة والموزونة للمفحوص هو تطبيق مباشر لحاصل الضرب النقطي $W \cdot S$. يتيح تنفيذ هذه العملية دفعة واحدة في جداول بيانات جوجل تقليل الأخطاء البشرية الناتجة عن الجمع التراكمي اليدوي وتعدد العمليات الحسابية المتفرقة. كما يوفر بنية قياسية مرنة؛ فبمجرد تعديل الأوزان المعيارية في متجه الأوزان $W$، يُعاد حساب الدرجات الكلية لآلاف المفحوصين فورياً وتلقائياً.

2.3 التمهيد لحساب تشابه جيب التمام (Cosine Similarity)

على الرغم من الفائدة الكبيرة للضرب النقطي في قياس التشابه، إلا أنه يتأثر بطول المتجهات (Magnitude)؛ فالأفراد الذين يميلون عموماً إلى إعطاء درجات مرتفعة عبر جميع بنود المقياس (Acquiescence bias) سيحصلون على حاصل ضرب نقطي أعلى مقارنة بمن يميلون إلى استخدام أطراف المقياس الدنيا، حتى لو كان النمط السلوكي متطابقاً. للتغلب على هذا القصور، يتم تطبيع المتجهات (Normalization) من خلال تقسيم حاصل الضرب النقطي على حاصل ضرب طولي المتجهين، وهو ما يُعرف بـتشابه جيب التمام (Cosine Similarity):

$$\text{Cosine Similarity} = \frac{A \cdot B}{|A| |B|}$$

يُعد الضرب النقطي البسط الأساسي والمحرك الجوهري لهذه المعادلة. وتستخدم هذه المنهجية بكثافة في الأبحاث النفسية المعاصرة لمعالجة النصوص وتحليل المحتوى النوعي للإجابات المفتوحة، ومقارنة المقالات الذاتية للعملاء، ونمذجة اتخاذ القرارات من خلال تحويل النصوص إلى متجهات تضمين دلالية (Embedding Vectors) وقياس الزوايا المحصورة بينها.

3. نظرة عامة على بيئة جداول بيانات جوجل (Google Sheets) كأداة حسابية

3.1 مزايا استخدام جداول بيانات جوجل في العمليات الرياضية والمتجهية

توفر منصة Google Sheets بيئة عمل سحابية تعاونية تتيح للباحثين والمحللين مشاركة النماذج الإحصائية وتطويرها في الوقت الفعلي مع ضمان حفظ الإصدارات وتوحيد بيئة الحساب عبر مختلف الأجهزة وأنظمة التشغيل. تتميز المنصة ببنية تحتية قوية قادرة على التعامل مع العمليات الحسابية المتجهية بدقة رياضية متناهية تتطابق مع المعايير الدولية للحوسبة العائمة (IEEE 754).

إلى جانب السهولة وسرعة الوصول، تتمتع جداول بيانات جوجل بمحرك حسابي ديناميكي يدعم المصفوفات المتوسعة تلقائياً (Dynamic Array Engine)، مما يسهل كتابة صيغ رياضية متقدمة دون الحاجة إلى تعقيدات التنفيذ اليدوي التقليدية. هذه الميزات تجعل المنصة خياراً ممتازاً للمؤسسات البحثية والتربوية التي تسعى إلى بناء نماذج قياس متقدمة دون تكبد تكاليف برمجيات إحصائية مغلقة المصدر.

3.2 تمثيل المتجهات داخل أوراق العمل وتنظيم البيانات

في جداول بيانات جوجل، يتم تمثيل المتجهات الجبرية عادة في صورة نطاقات خلايا أحادية البعد؛ إما كمتجه عمودي (Column Vector) ممتد عبر عدة صفوف في عمود واحد مثل A1:A5، أو كمتجه صفي (Row Vector) ممتد عبر عدة أعمدة في صف واحد مثل A1:E1. لضمان صحة العمليات الحسابية وسلامة النتائج، يجب مراعاة الشروط الهيكلية التالية:

• تطابق الأبعاد: يجب أن يحتوي النطاقان الممثلان للمتجهين على نفس عدد الخلايا تماماً لضمان وجود زوج مقابل لكل عنصر.
• عزل التسميات الوصفية: تجنب تضمين رؤوس الأعمدة أو التسميات النصية داخل النطاق العددي المخصص للعملية الحسابية لتفادي أخطاء عدم توافق الأنواع.
• التنسيق العددي الصارم: ضبط تنسيق الخلايا لتكون “أرقاماً” صريحة وتجنب وجود مسافات بيضاء أو أرقام مخزنة كنصوص.

3.3 التعامل مع المصفوفات والنطاقات في بيئة Google Sheets

تتعامل جداول بيانات جوجل مع النطاقات المستمرة كمصفوفات داخلية. عند تمرير النطاق A1:A10 إلى دالة رياضية، يتعامل المحرك الحسابي مع هذا النطاق كمتجه أبعاده ($10 \times 1$). وإذا تم تمرير النطاق A1:J1، فإنه يُعامل كمتجه أبعاده ($1 \times 10$).

تتميز الصيغ الحسابية في جداول جوجل بالاستجابة التلقائية للبيانات المدخلة؛ فأي تعديل في قيمة خلية مفردة يؤدي فوراً إلى تحديث النتائج المشتقة منها في كافة أنحاء ورقة العمل. ومع ذلك، فإن التعامل مع المصفوفات يتطلب إدراكاً دقيقاً لكيفية معالجة الخلايا الفارغة أو القيم الصفرية، حيث يؤدي عدم التناسق في أبعاد النطاقات المدخلة إلى إطلاق أخطاء تشغيلية فورية تعطل النموذج الحسابي بالكامل، وهو ما يستدعي اتباع أساليب صياغة محكمة.

4. الطريقة الأساسية: استخدام دالة SUMPRODUCT لحساب حاصل الضرب النقطي

4.1 البنية التركيبية والصيغة العامة لدالة SUMPRODUCT

تُعد دالة SUMPRODUCT في جداول بيانات جوجل الأداة القياسية والأكثر مباشرة وكفاءة لحساب حاصل الضرب النقطي. صُممت هذه الدالة خصيصاً لضرب العناصر المتناظرة في مصفوفتين أو أكثر ومن ثم جمع نواتج تلك الضربيات بصورة تراكمية في خطوة حسابية واحدة. تأتي البنية العامة للدالة على النحو التالي:

=SUMPRODUCT(array1, [array2, ...])

تستقبل الدالة المعامل array1 كمصفوفة إلزامية أولى، تليها مصفوفة ثانية array2 أو أكثر. تقوم الدالة داخلياً بالمرور على كل موقع فهرسي $i$، وضرب القيمة الموجودة في المصفوفة الأولى بالقيمة المقابلة في المصفوفة الثانية، ثم تجميع كافة النواتج الجزئية دون الحاجة إلى استخدام أعمدة وسيطة أو إجراء عمليات جمع منفصلة. تدعم الدالة حتى 30 مصفوفة متزامنة، ولكن لحساب الضرب النقطي لمتجهين، يتم تمرير مصفوفتين متطابقتي الأبعاد فقط.

4.2 خطوات التطبيق العملي خطوة بخطوة

لتطبيق حساب حاصل الضرب النقطي عملياً باستخدام دالة SUMPRODUCT، يمكن اتباع الخطوات الإجرائية التالية بدقة:

• قم بإدخال قيم المتجه الأول في نطاق رأسي، وليكن الخلايا من A1 إلى A4 بالقيم التالية: [2, 4, 6, 8].
• قم بإدخال قيم المتجه الثاني المقابل في الخلايا من B1 إلى B4 بالقيم التالية: [1, 3, 5, 7].
• انقر فوق الخلية التي ترغب في إظهار الناتج النهائي فيها، ولتكن C1.
• اكتب الصيغة الحسابية التالية: =SUMPRODUCT(A1:A4, B1:B4).
• اضغط على مفتاح الإدخال (Enter) لتظهر النتيجة الفورية مباشرة في الخلية.

تنطبق هذه الخطوات ذاتها بصرف النظر عن طول المتجه؛ فسواء كان المتجه يتألف من أربعة عناصر أو يمتد ليشمل مئات المتغيرات عبر النطاق A1:A500 و B1:B500، تظل الصيغة محتفظة ببنيتها المدمجة وسرعة معالجتها الفائقة دون أدنى تباطؤ في بيئة العمل السحابية.

4.3 التحليل الميكانيكي لعملية الحساب التراكمي

لفهم الآلية الداخلية التي تنفذها دالة SUMPRODUCT، دعنا نفكك الحسابات الجزئية للمثال السابق خطوة بخطوة:

• الضرب الأولي للعنصر الأول: $A_1 \times B_1 = 2 \times 1 = 2$.
• الضرب للعنصر الثاني: $A_2 \times B_2 = 4 \times 3 = 12$.
• الضرب للعنصر الثالث: $A_3 \times B_3 = 6 \times 5 = 30$.
• الضرب للعنصر الرابع: $A_4 \times B_4 = 8 \times 7 = 56$.
• التجميع التراكمي للنواتج: $2 + 12 + 30 + 56 = 100$.

تُجري الدالة هذه السلسلة الحسابية في الذاكرة اللحظية دون حجز مساحات تخزين إضافية في خلايا ورقة العمل. توفر هذه الآلية اختصاراً بالغ الأهمية مقارنة بالطرق التقليدية القديمة التي كانت تتطلب تخصيص عمود كامل للضربيات الجزئية (مثلاً في العمود C) ثم استخدام دالة =SUM(C1:C4) للحصول على الإجمالي، مما يحافظ على نظافة ورقة العمل وترتيبها المنطقي.

5. الطريقة المتقدمة: استخدام دالة ضرب المصفوفات MMULT لحساب الضرب النقطي

5.1 الأساس النظري لتحويل الضرب النقطي إلى ضرب مصفوفات

وفق قواعد الجبر الخطي، يمكن تمثيل حاصل الضرب النقطي لمتجهين كعملية ضرب مصفوفات كاملة. لكي تكون عملية ضرب مصفوفة $M_1$ في مصفوفة $M_2$ صحيحة رياضياً، يجب أن يتساوى عدد أعمدة المصفوفة الأولى مع عدد صفوف المصفوفة الثانية. فإذا كانت المصفوفة الأولى بأبعاد ($1 \times n$) والمصفوفة الثانية بأبعاد ($n \times 1$)، فإن الناتج الحسابي سيكون مصفوفة أحادية الأبعاد بحجم ($1 \times 1$)، وهي القيمة القياسية المطابقة تماماً لحاصل الضرب النقطي.

يوفر هذا التأطير الرياضي مزايا جوهرية عند بناء النماذج التحليلية المتقدمة التي تتطلب إجراء عمليات إسقاط متعددة أو ضرب متجهات فردية في مصفوفات ضخمة متعددة الصفوف والأعمدة دفعة واحدة، مما يمهد الطريق لمعالجة البيانات المعقدة بكفاءة هيكلية متقدمة.

5.2 دمج دالة TRANSPOSE مع دالة MMULT

عندما تكون المتجهات مدخلة في جداول بيانات جوجل في صورة أعمدة متوازية، مثل النطاق A1:A3 والنطاق B1:B3، فإن كلا النطاقين يمتلك الأبعاد ($3 \times 1$). إذا حاولنا تطبيق دالة ضرب المصفوفات =MMULT(A1:A3, B1:B3) مباشرة، ستفشل العملية وستظهر رسالة خطأ رياضية تفيد بعدم توافق الأبعاد، نظراً لأن عدد أعمدة المصفوفة الأولى (1) لا يساوي عدد صفوف المصفوفة الثانية (3).

لحل هذه المشكلة، يجب تدوير المتجه الأول ليصبح متجهاً صفياً بأبعاد ($1 \times 3$) باستخدام دالة التدوير TRANSPOSE. تصبح الصيغة الحسابية المعتمدة كما يلي:

=MMULT(TRANSPOSE(A1:A3), B1:B3)

تقوم دالة TRANSPOSE(A1:A3) بتحويل النطاق العمودي إلى مصفوفة أفقية مؤقتة، ومن ثم تقوم MMULT بضربها في النطاق العمودي B1:B3، لينتج في الخلية رقم قياسي يمثل حاصل الضرب النقطي المطلوب بدقة تامة.

5.3 مقارنة الأداء والتعقيد بين SUMPRODUCT وMMULT

على الرغم من أن كلاً من SUMPRODUCT و MMULT تؤديان إلى نفس النتيجة الرياضية عند حساب حاصل الضرب النقطي لمتجهين مفردين، إلا أن هناك فروقاً تشغيلية هامة بينهما:

• البساطة وسهولة القراءة: تتفوق دالة SUMPRODUCT بوضوح في النماذج البسيطة، حيث لا تتطلب استخدام دوال مساعدة مثل TRANSPOSE وتتعامل مع المتجهات المتوازية بسلاسة تامة.
• التعامل مع المصفوفات المتعددة: تتفوق دالة MMULT عندما تتوسع المتطلبات لحساب حاصل ضرب متجه معياري واحد في عشرات أو مئات المتجهات في خطوة واحدة، حيث تكفي صيغة MMULT واحدة لحساب مصفوفة كاملة من النواتج دون تكرار الدوال.
• استهلاك الذاكرة وسرعة المعالجة: في النطاقات العملاقة جداً التي تحتوي على عشرات الآلاف من الصفوف، تكون SUMPRODUCT أسرع قليلاً في العمليات الثنائية الفردية، في حين تُعد MMULT الخيار الأمثل للعمليات المصفوفية المعقدة المترابطة.

6. الطريقة البديلة: استخدام الصيغ المصفوفية ARRAYFORMULA مع دالة الجمع SUM

6.1 مفهوم المعالجة المصفوفية الموسعة عبر ARRAYFORMULA

تُعد صيغة ARRAYFORMULA من أقوى الميزات التي تميز جداول بيانات جوجل، حيث تتيح للمستخدم تطبيق العمليات الحسابية القياسية المخصصة للخلايا الفردية (مثل الضرب * أو الجمع +) على نطاقات ومصفوفات كاملة دفعة واحدة. لحساب حاصل الضرب النقطي باستخدام هذا النهج، نقوم بضرب النطاقين عنصرياً (ضرب هادامارد) داخل دالة المصفوفة، ثم نغلف الناتج بدالة الجمع SUM لحساب الإجمالي التراكمي:

=SUM(ARRAYFORMULA(A1:A3 * B1:B3))

وفي الإصدارات الحديثة من جداول بيانات جوجل، يدعم محرك الحساب التوسيع التلقائي لبعض الصيغ الأساسية، ولكن يُفضل كتابة ARRAYFORMULA صراحة لضمان التوافق الرياضي الكامل ومنع حدوث أخطاء غير متوقعة عند مشاركة الأوراق بين حسابات مختلفة.

6.2 المعالجة الديناميكية للمتجهات متغيرة الطول

تتجلى القوة الحقيقية لأسلوب ARRAYFORMULA عند التعامل مع تدفقات بيانات مستمرة وغير محددة الطول مسبقاً، مثل الاستبيانات الإلكترونية المرتبطة بنماذج جوجل (Google Forms). في مثل هذه الحالات، نحتاج إلى كتابة صيغة تعمل على كامل العمود بدءاً من الصف الثاني وحتى نهاية الورقة دون التقيد بعدد الصفوف الحالي، مع استبعاد الصفوف الفارغة لتفادي إدراج أصفار غير مرغوبة.

يمكن بناء نموذج ديناميكي متطور لضرب النطاقات المفتوحة عبر دمج دوال التصفية والتحقق الشرطي على النحو التالي:

=SUM(FILTER(A2:A * B2:B, ISNUMBER(A2:A), ISNUMBER(B2:B)))

تضمن هذه الصيغة استمرار عمل النموذج وتحديث قيمة الضرب النقطي تلقائياً فور إدخال أي استجابة جديدة في الأعمدة، مع الحفاظ على استقرار الحساب وتجاهل النصوص أو الفراغات في نهاية النطاق.

6.3 تحليل الإيجابيات والسلبيات مقارنة بالدوال المدمجة المباشرة

يوفر استخدام أسلوب ARRAYFORMULA مرونة استثنائية إذا كنا بحاجة إلى إدراج عمليات تحويل وسيطة على عناصر المتجهات قبل إجراء عملية الضرب والتجميع؛ كأن نحتاج إلى تطبيق لوغاريتم على العناصر أو طرح متوسط حسابي معين من كل عنصر: =SUM(ARRAYFORMULA((A1:A5 - AVERAGE(A1:A5)) * (B1:B5 - AVERAGE(B1:B5)))).

في المقابل، يكمن العيب الأساسي لهذا الأسلوب في كونه أكثر تعقيداً في القراءة والصيانة مقارنة بدالة SUMPRODUCT البسيطة والموجزة. كما أن الإفراط في استخدام ARRAYFORMULA على نطاقات مفتوحة بالكامل بدون شروط فلترة دقيقة قد يؤدي إلى استهلاك غير ضروري لذاكرة المتصفح وتباطؤ طفيف في إعادة الحساب داخل الأوراق الكبيرة.

7. التعامل مع المتجهات متعددة الأبعاد وهياكل البيانات المعقدة

7.1 حساب حاصل الضرب النقطي لمتجهات ذات أبعاد فائقة

في التحليلات الإحصائية المتقدمة والقياس النفسي الحديث، قد يمتد المتجه الواحد ليشمل مئات المتغيرات المستقلة (مثل استبيانات الشخصية الشاملة أو متجهات التضمين اللغوي للأوصاف السلوكية). عند التعامل مع متجهات فائقة الأبعاد (High-dimensional Vectors)، تزداد احتمالية وقوع الأخطاء الناتجة عن اختلال الفهارس أو فقدان التناظر بين عناصر المتجهات.

لضمان أعلى درجات الدقة، يُنصح بشدة باستخدام ميزة النطاقات المسماة (Named Ranges) في جداول بيانات جوجل. يتم تحديد النطاق الأول وتسميته رسمياً Vector_Applicant وتحديد النطاق الثاني وتسميته Vector_JobBenchmark. بعد ذلك، تصبح صيغة حساب الضرب النقطي بالغة الوضوح والأناقة:

=SUMPRODUCT(Vector_Applicant, Vector_JobBenchmark)

يسهم هذا الأسلوب المعياري في تسهيل تدقيق المعادلات ومراجعتها من قبل باحثين آخرين، ويقلل تماماً من مخاطر الخطأ البشري أثناء تحديد نطاقات الخلايا يدوياً عبر مئات الصفوف.

7.2 حساب حواصل الضرب النقطي المتعددة في وقت واحد

في العديد من التطبيقات العملية، لا تقتصر الحاجة على مقارنة متجهين فقط، بل نحتاج إلى مقارنة متجه معياري ثابت (Benchmark Vector) بمصفوفة كاملة تحتوي على استجابات عشرات المفحوصين أو الحالات السلوكية، بحيث يتم حساب حاصل الضرب النقطي لكل حالة على حدة وبصورة متزامنة.

إذا كانت استجابات 50 مفحوصاً مخزنة في النطاق A2:E51 (حيث يمثل كل صف متجهاً لمفحوص)، ولدينا متجه الأوزان المعيارية في النطاق G2:G6 (أبعاده $5 \times 1$)، يمكننا حساب الضرب النقطي لجميع المفحوصين دفعة واحدة بكتابة معادلة مصفوفية واحدة في الخلية H2:

=MMULT(A2:E51, G2:G6)

ستقوم هذه الصيغة الفريدة بتوليد عمود كامل من النواتج القياسية يمتد من H2 إلى H51 تلقائياً. يمثل كل عنصر في العمود الناتج حاصل الضرب النقطي بين درجات المفحوص في ذلك الصف ومتجه الأوزان المعيارية، مما يوفر وقتاً هائلاً ويشكل أساساً متيناً لتطبيقات التصنيف السلوكي والتحليل العنقودي داخل أوراق العمل.

7.3 التعامل مع اتجاهات المتجهات المختلفة (أفقية ورأسية)

قد تنشأ في بعض الأحيان مواقف تنظيمية داخل أوراق العمل تكون فيها البيانات مدخلة باتجاهات متعاكسة؛ كأن يكون المتجه الأول مرتباً في صف أفقي (مثلاً A1:D1) بينما المتجه المقابل مرتب في عمود رأسي (مثلاً A3:A6). إذا تم تمرير هذين النطاقين مباشرة إلى دالة SUMPRODUCT، فسيظهر خطأ عدم توافق الأبعاد #VALUE! لأن أبعاد المصفوفة الأولى ($1 \times 4$) لا تتطابق مع أبعاد المصفوفة الثانية ($4 \times 1$).

لحل هذا التباين، يمكن اتباع أحد الخيارين الرياضيين التاليين:

• استخدام دالة التدوير لتوحيد الاتجاهات داخل دالة الجمع النقطي: =SUMPRODUCT(TRANSPOSE(A1:D1), A3:A6) أو =SUMPRODUCT(A1:D1, TRANSPOSE(A3:A6)).
• الاستفادة المباشرة من دالة ضرب المصفوفات =MMULT(A1:D1, A3:A6)؛ نظراً لأن المتجه الصفي ($1 \times 4$) مضروباً في المتجه العمودي ($4 \times 1$) يتوافقان تماماً مع شروط ضرب المصفوفات ويولد مباشرة القيمة القياسية المطلوبة دون الحاجة لأي دالة تدوير مساعدة.

8. معالجة الأخطاء واستكشاف المشكلات الحسابية وإصلاحها

8.1 أخطاء عدم تطابق أبعاد المتجهات (#VALUE!) وأسبابها

يُعد الخطأ #VALUE! الخطأ الأكثر شيوعاً عند حساب حاصل الضرب النقطي في جداول بيانات جوجل. ينشأ هذا الخطأ في دالة SUMPRODUCT حصراً عندما يختلف عدد العناصر في المصفوفة الأولى عن عدد العناصر في المصفوفة الثانية؛ كأن نكتب =SUMPRODUCT(A1:A10, B1:B11).

للتحقق الآلي من تكافؤ أحجام النطاقات قبل إجراء العمليات الحسابية في النماذج المعقدة، يمكن استخدام دالة ROWS أو COLUMNS لبناء صمام أمان شرطي يمنع ظهور الأخطاء الصريحة:

=IF(ROWS(A1:A10) = ROWS(B1:B10), SUMPRODUCT(A1:A10, B1:B10), "خطأ: عدم تطابق الأبعاد")

يقوم هذا الصمام بفحص الأبعاد وإرجاع رسالة توضيحية مفهومة بدلاً من إظهار رمز الخطأ الافتراضي، مما يرفع من جودة واجهة الاستخدام وموثوقية النموذج التحليلي.

8.2 التعامل مع القيم المفقودة والنصوص والخلايا الفارغة

تختلف سلوكيات الدوال في جداول بيانات جوجل عند مواجهة خلايا تحتوي على نصوص أو قيم مفقودة داخل نطاقات المتجهات. في دالة SUMPRODUCT، يتم التعامل تلقائياً مع النصوص والخلايا الفارغة كقيمة صفرية (0)، مما لا يعطل الحساب ولكنه قد يؤدي إلى خفض قيمة الناتج النهائي بشكل غير مقصود وتشوية المقاييس النفسية.

أما في دالة MMULT، فإن وجود أي خلية نصية أو فارغة داخل النطاق يؤدي فوراً إلى فشل العملية وظهور الخطأ #VALUE!. لمعالجة هذه المشكلة وتطهير البيانات رقمياً، يمكن تغليف النطاقات بدالة التحويل العددي N() أو استخدام دوال الفحص والاستبدال، مع حماية الصيغة الكلية باستخدام دالة IFERROR:

=IFERROR(SUMPRODUCT(A1:A5, B1:B5), 0)

تضمن هذه الصيغة استقرار ورقة العمل وعرض قيمة افتراضية آمنة في حال احتواء المدخلات على أي خلل تنسيقي غير متوقع.

8.3 تصحيح أخطاء المراجع الدائرية وتحديد النطاقات الخاطئة

تحدث المراجع الدائرية (Circular Dependency Errors) عندما تتضمن صيغة حساب الضرب النقطي الخلية ذاتها التي كُتبت فيها المعادلة؛ على سبيل المثال، إذا كُتبت الصيغة =SUMPRODUCT(A1:A5, B1:B5) داخل الخلية A3 أو B5. يؤدي هذا إلى وقوع المحرك الحسابي في حلقة لانهائية من إعادة الحساب، مما يجبر جداول بيانات جوجل على إيقاف التنفيذ وإظهار رسالة تحذيرية.

كما يجب الانتباه إلى أخطاء الإزاحة النسبية للنطاقات عند نسخ الصيغ وسحبها رأسياً عبر الصفوف؛ فإذا كان متجه الأوزان موجوداً في B1:B5 ويجب أن يظل ثابتاً لجميع المشاركين، فإن سحب الصيغة للأسفل سيحول النطاق إلى B2:B6 ثم B3:B7 مما يفسد النتائج. لتفادي ذلك، يجب دائماً استخدام التثبيت المطلق للمتجه المرجعي بإضافة علامة الدولار ($):

=SUMPRODUCT(A1:A5, $B$1:$B$5)

9. تطبيق عملي متقدم: بناء نموذج حساب تشابه جيب التمام (Cosine Similarity)

9.1 النمذجة الرياضية لتشابه جيب التمام باستخدام الضرب النقطي

كما أسلفنا في القسم النظري، يمثل تشابه جيب التمام المقياس الذهبي لتقييم التقارب بين الاستجابات والمتجهات دون التأثر بالفروق الفردية في اتساع مقياس الإجابة. تتراوح قيمة هذا المقياس بدقة بين $-1$ (تعاكس واتجاه متنافر تماماً) و $+1$ (تطابق تام في النمط والاتجاه)، بينما تشير القيمة $0$ إلى تعامد المتجهات واستقلاليتها التامة.

يتم بناء النموذج الرياضي على جداول بيانات جوجل من خلال حساب حاصل الضرب النقطي في البسط، ثم تقسيمه على حاصل ضرب المعيار الإقليدي (الطول) لكل من المتجهين في المقام، مما ينتج مؤشراً إحصائياً دقيقاً وموحداً يسهل تفسيره ومقارنته عبر عينات الدراسة المختلفة.

9.2 حساب المعيار الإقليدي (Vector Norm / Magnitude)

يُعرف المعيار الإقليدي للمتجه $A$ رياضياً بأنه الجذر التربيعي لمجموع مربعات عناصره، وهو ما يكافئ تماماً الجذر التربيعي لحاصل الضرب النقطي للمتجه مع نفسه ($|A| = \sqrt{A \cdot A} = \sqrt{\sum a_i^2}$).

توفر جداول بيانات جوجل دالتين مدمجتين تتيحان حساب هذا المعيار بمنتهى السهولة والكفاءة الرياضية:

• باستخدام دالة مجموع المربعات والجذر: =SQRT(SUMSQ(A1:A5)).
• أو باستخدام دالة الضرب النقطي للمتجه مع نفسه: =SQRT(SUMPRODUCT(A1:A5, A1:A5)).

يجب التأكد من أن المتجه لا يتكون بالكامل من أصفار، لأن معيار المتجه الصفري يساوي صفراً، مما سيؤدي عند القسمة عليه في معادلة التشابه إلى حدوث خطأ القسمة على صفر #DIV/0!.

9.3 تجميع المعادلة الكلية في خلية واحدة متكاملة

يمكننا الآن دمج كافة المكونات السابقة في صيغة متكاملة واحدة وأنيقة لحساب تشابه جيب التمام مباشرة بين المتجه في النطاق A1:A5 والمتجه في النطاق B1:B5 داخل خلية واحدة:

=SUMPRODUCT(A1:A5, B1:B5) / (SQRT(SUMSQ(A1:A5)) * SQRT(SUMSQ(B1:B5)))

لتحسين تجربة العرض والتحليل الإحصائي، يمكن تطبيق التنسيق الشرطي (Conditional Formatting) على خلايا النتائج؛ حيث يتم إنشاء مقياس لوني متدرج (Color Scale) يلون الخلايا ذات القيم القريبة من $+1$ باللون الأخضر الداكن (توافق مرتفع جداً)، والقيم القريبة من $0$ باللون الأصفر (حياد واستقلالية)، والقيم السالبة باللون الأحمر (تباين وتنافر سلوكي)، مما يمنح الباحث لوحة معلومات بصرية تفاعلية لقراءة العلاقات المعقدة بلمحة سريعة.

10. أتمتة حساب حاصل الضرب النقطي باستخدام برمجية Google Apps Script

10.1 مقدمة لتطوير دوال مخصصة (Custom Functions) في جداول البيانات

على الرغم من قوة الدوال المدمجة، إلا أن بناء نماذج تحليلية ضخمة تتضمن معادلات طويلة ومتكررة قد يجعل أوراق العمل مزدحمة ويصعب صيانتها. تتيح بيئة Google Apps Script، المبنية على لغة JavaScript، إمكانية تطوير دوال برمجية مخصصة ومصممة خصيصاً لتلبية متطلبات المشاريع الرياضية والنفسية المعقدة.

يتم الوصول إلى محرر النصوص البرمجية مباشرة من خلال شريط القوائم في جداول بيانات جوجل بالضغط على امتدادات (Extensions) ثم اختيار Apps Script. تتيح الدوال المخصصة تبسيط المعادلات الطويلة للمستخدمين النهائيين وتوحيد منطق المعالجة في مكان مركزي واحد يسهل تحديثه وتطويره.

10.2 كتابة وتطبيق كود حساب الضرب النقطي بلغة JavaScript

في محرر النصوص البرمجية، يمكننا برمجة دالة مخصصة فائقة الدقة تُدعى DOT_PRODUCT تستقبل نطاقين وتجري التحقق الصارم من الأبعاد ثم تحسب الناتج التراكمي. فيما يلي الشفرة البرمجية المعتمدة:

تعتمد الدالة البرمجية على تحويل المدخلات ثنائية الأبعاد الناتجة عن نطاقات جداول البيانات إلى مصفوفات أحادية البعد عبر أسلوب التسطيح flat()، ومن ثم التأكد من تطابق الأطوال الرياضية قبل بدء حلقة الجمع التراكمي باستخدام التابع reduce(). وإذا وُجد أي اختلاف في الأبعاد أو احتوت البيانات على مدخلات غير عددية، تُرجع الدالة رسالة خطأ واضحة تمنع تشويه النتائج.

بعد حفظ الملف البرمجي في المحرر، يمكن استخدام الدالة في أي خلية داخل ورقة العمل تماماً مثل الدوال الرسمية المدمجة بمجرد كتابة:

=DOT_PRODUCT(A1:A5, B1:B5)

10.3 توثيق الدالة وتحسين تجربة الاستخدام التفاعلي

لجعل الدالة المخصصة احترافية وسهلة الاستخدام لأي عضو في فريق البحث، يجب إضافة تعليقات التوثيق القياسية بنظام JSDoc فوق الشفرة البرمجية مباشرة. يتيح هذا التوثيق لمحرك جداول بيانات جوجل إظهار نافذة المساعدة التلقائية (Autocomplete Tooltip) للمستخدم أثناء كتابة الدالة، مع شرح طبيعة المعاملات المطلوبة والنتيجة المتوقعة.

فيما يتعلق بالأداء، على الرغم من أن الدوال المدمجة مثل SUMPRODUCT تُنفذ بسرعة فائقة مباشرة على خوادم Google C++ Core، إلا أن الدوال المخصصة المكتوبة عبر Apps Script توفر مرونة مطلقة في تخصيص الشروط ومعالجة الحالات الشاذة، ويمكن نشرها بسهولة عبر المؤسسة كإضافات برمجية جاهزة (Add-ons).

11. أفضل الممارسات لتحسين الأداء وتنظيم النماذج الرياضية في Google Sheets

11.1 تحسين سرعة الحساب وكفاءة الأوراق كثيفة البيانات

عند بناء نماذج إحصائية ونفسية ضخمة تشتمل على آلاف المتجهات وعشرات الآلاف من العمليات الحسابية المتزامنة، يجب مراعاة تحسين استهلاك الموارد لتفادي بطء الاستجابة. إليك أهم الإرشادات لتحقيق أعلى كفاءة تشغيلية:

• تجنب النطاقات اللانهائية المفتوحة: يؤدي استخدام نطاقات مثل A:A و B:B داخل دوال المصفوفات إلى إجبار المحرك على فحص كافة صفوف الورقة المليونية، مما يستهلك الذاكرة. حدد النطاقات الفعلية دائماً مثل A1:A1000.
• تقليل الدوال المتقلبة (Volatile Functions): تجنب استخدام دوال مثل NOW() و RAND() و OFFSET() كمدخلات وسيطة للضرب النقطي، لأنها تجبر الورقة على إعادة حساب النموذج كاملاً مع كل حركة أو نقرة ماوس.
• تفريغ النتائج الثابتة: إذا كانت المتجهات تمثل بيانات تاريخية مكتملة لن تتغير، قم بنسخ النتائج ولصقها كقيم (Paste as Values) لتقليل العبء الحسابي الدائم.

11.2 التوثيق المعياري وتسمية النطاقات (Named Ranges)

تتطلب النماذج العلمية والمهنية تنظيماً هيكلياً واضحاً يسهل مراجعته وتدقيقه المستقل. يُنصح باتباع بنية العمل ثلاثية الطبقات (Three-Tier Architecture) داخل جداول بيانات جوجل:

• طبقة المدخلات (Data Input Layer): ورقة عمل مخصصة لإدخال البيانات الخام واستجابات المشاركين مع تطبيق ضوابط التدقيق.
• طبقة المعالجة والحساب (Processing Layer): ورقة عمل وسيطة مخصصة لحساب حواصل الضرب النقطي والمصفوفات والمعايير الإقليدية، مع تسمية النطاقات بأسماء دلالية واضحة.
• طبقة التقارير واللوحات البصرية (Reporting & Dashboard Layer): ورقة عمل نهائية تعرض المؤشرات المجمعة والمخططات البيانية ومقاييس التوافق لاتخاذ القرارات.

11.3 التحقق من صحة البيانات (Data Validation) وحمايتها

لضمان عدم انهيار الصيغ الرياضية بسبب أخطاء الإدخال البشري، يجب تفعيل أدوات التحقق من صحة البيانات (Data Validation) على كافة النطاقات المخصصة للمتجهات. يمكن تقييد الإدخال بحيث لا يُسمح إلا بالأرقام التي تقع ضمن مجال مقياس ليكرت المعتمد (مثلاً أرقام صحيحة من 1 إلى 5).

كما يُوصى بقفل الخلايا التي تحتوي على معادلات الضرب النقطي وتشابه جيب التمام عبر خاصية حماية الأوراق والنطاقات (Protect sheets and ranges)، لمنع التعديل العرضي أو حذف المعادلات الحيوية من قبل جامعي البيانات أو المستخدمين غير المتخصصين.

12. المقارنة المنهجية الشاملة والخلاصة الإجرائية

12.1 جدول المقارنة المعيارية بين مختلف طرق حساب الضرب النقطي

يلخص الجدول التالي تقييماً شاملاً ومعيارياً لكافة الطرق والأساليب المشروحة لحساب حاصل الضرب النقطي داخل جداول بيانات جوجل، لمساعدتك في اختيار الأسلوب الأنسب لطبيعة مشروعك:

الطريقة المستخدمة	الصيغة العامة النموذجية	سهولة التنفيذ	سرعة المعالجة	المرونة مع الأبعاد المتعددة	حالات الاستخدام المثالية
SUMPRODUCT	=SUMPRODUCT(A1:A5, B1:B5)	مرتفعة جداً	فائقة السرعة	متوسطة (متجه مع متجه)	الحساب الفردي المباشر، النماذج التربوية، الدرجات الموزونة البسيطة.
MMULT مع TRANSPOSE	=MMULT(TRANSPOSE(A1:A5), B1:B5)	متوسطة	عالية جداً	فائقة (متجه مع مصفوفة كاملة)	مقارنة الحالات المتعددة دفعة واحدة، التحليل العنقودي، الشبكات المتجهية.
ARRAYFORMULA + SUM	=SUM(ARRAYFORMULA(A1:A5 * B1:B5))	متوسطة	عالية	عالية مع الشروط المخصصة	المعالجة الديناميكية لتدفق البيانات، تطبيق تحويلات لوغاريتمية أو وسيطة.
دالة Apps Script مخصصة	=DOT_PRODUCT(A1:A5, B1:B5)	تتطلب معرفة برمجية	متوسطة (مناسبة للحجم المتوسط)	مطلقة وقابلة للتخصيص	المؤسسات الكبرى، بناء واجهات مبسطة لفرق العمل غير التقنية.

12.2 شجرة اتخاذ القرار لاختيار الأسلوب الأنسب للمشروع

لتحديد المسار الأمثل والتقنية الأكثر ملاءمة لمشروعك التحليلي داخل جداول بيانات جوجل، اتبع شجرة القرار الإجرائية التالية:

• إذا كنت تجري حساباً مباشراً لمتجهين مفردين: اعتمد مباشرة وبلا تردد على دالة SUMPRODUCT، فهي الأسرع، والأبسط، والأقل عرضة للأخطاء الإجرائية.
• إذا كنت بحاجة لمقارنة متجه مرجعي بمجموعة ضخمة من المتجهات لمئات المفحوصين: استخدم تركيبة ضرب المصفوفات MMULT لتوليد مصفوفة النتائج كاملة بضغطة زر واحدة.
• إذا كانت البيانات تتدفق باستمرار عبر استبيانات إلكترونية مفتوحة: استخدم تركيبة FILTER مع SUM للتعامل مع النطاقات الديناميكية واستبعاد الفراغات تلقائياً.
• إذا كنت تبني قالباً مؤسسياً شاملاً لغير المتخصصين وترغب في فرض قواعد تحقق صارمة وإخفاء تعقيدات الصيغ: قم بإنشاء دالة مخصصة DOT_PRODUCT عبر Google Apps Script مع توثيقها بشكل كامل.

الخلاصة

يمثل حاصل الضرب النقطي أداة جبرية متطورة تتجاوز مجرد العمليات الحسابية البسيطة لتشكل الجسر الرابط بين الأرقام الخام والدلالات الإحصائية والنفسية العميقة. ومن خلال توظيف الإمكانات المتقدمة لبيئة جداول بيانات جوجل—بدءاً من دالة SUMPRODUCT الرشيقة إلى قدرات MMULT المصفوفية والأتمتة المخصصة عبر Apps Script—يستطيع الباحثون والمحللون بناء نماذج كمية فائقة الدقة لقياس التشابه السلوكي، وحساب الدرجات الموزونة، وتطوير مقاييس تشابه جيب التمام بكفاءة وسلاسة تامة. إن الالتزام بالقواعد الرياضية لتوافق الأبعاد واتباع أفضل ممارسات التحقق من البيانات يضمن استقرار النماذج وقابلية توسعها لدعم اتخاذ القرارات القائمة على الأدلة العلمية الرصينة.

References

• Golub, G. H., & Van Loan, C. F. (2013). Matrix computations (4th ed.). Johns Hopkins University Press.
• Google. (n.d.). SUMPRODUCT function – Google Docs Editors Help. Google Support. https://support.google.com/docs/answer/3094294
• Google. (n.d.). MMULT function – Google Docs Editors Help. Google Support. https://support.google.com/docs/answer/3094292
• Google Developers. (n.d.). Custom Functions in Google Sheets. Google Apps Script Documentation. https://developers.google.com/apps-script/guides/sheets/functions
• Lay, D. C., Lay, S. R., & McDonald, J. J. (2021). Linear algebra and its applications (6th ed.). Pearson.
• Pedhazur, E. J., & Schmelkin, L. P. (1991). Measurement, design, and analysis: An integrated approach. Lawrence Erlbaum Associates.
• Strang, G. (2016). Introduction to linear algebra (5th ed.). Wellesley-Cambridge Press.