Lineer Cebir Ders Notlari1

www.matematikce.
com
'dan indirilmitir.
LINEER
CEBIR
DERS NOTLARI
Yrd. Do. Dr. Hseyin BILG
Kahramanmaras St Imam
niversitesi Fen-Edebiyat Fakltesi
Matematik Blm
Agustos
2015
e-posta: h_bilgic@hotmail.com
NSZ
Bu ders notlar, Kahramanmaras St Imam

niversitesi FenEdebiyat Fakltesi Matematik Blmnde, 19992002 yllar arasnda verdigim
ve daha sonra da 2011 ylndan beri vermekte oldugum
Lineer Cebir I ve Lineer Cebir II derslerine ait ders notlardr. Bu ders notlar Bernard Kolmann Elementary Linear Algebra isimli kitabnn 4. basks temel alnarak hazrlanmstr. Baz alt blmler
atlanms ve baz ispat ve rnekler daha aklayc s ekilde genisletilmistir.
Ders notlarnn bilgisayar ortamna aktarlmasndaki ama, grencilerin
ders srasnda not tutarken

yaplan hatalarn en aza indirgenmesidir. Diger
bir ama ise; ders notu tutma srasnda dersi anlamakla ilgili kayplarn azaltlmasdr.
2 blm gz dneminde 4 saatlik; daha sonraki 4 blm
Bu ders notlar 6 blmden olusmaktadr. Ilk
ise bahar dneminde 4 saatlik bir ders iin uygundur.
Bu ders notlarnn tamam LATEX program ile hazrlanmstr. Bu yzden LATEX program yazarlarna
tesekkr ederim. Notlarn hazrlanmasnda emegi
geen ve genelde blmmz 2010 girisli gren
cilerinden olusan gruba tesekkr ederim. Notlardaki s ekillerin (grafiklerin) hazrlanmasnda kullandgm
M FPIC programnn yazar Daniel H. Lueckinge de tesekkr ederim.

Notlarn grencilere
faydal olmas dilegiyle,
Yrd.Do.Dr. Hseyin Bilgi.

Kahramanmaras, Eyll 2014.
Iindekiler
Lineer Denklemler ve Matrisler
1.1
Lineer Denklem Sistemleri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
slemleri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Matrisler ve Matris I
1.3
slemlerinin Cebirsel zellikleri . . . . . . . . . . . . . . . . . . . . . . . . . . .

Matris I
1.4
zel Tipteki Matrisler ve Paral Matrisler . . . . . . . . . . . . . . . . . . . . . . . . . .
11
1.5
Bir Matrisin Eselon Formu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16
1.6
Elementer Matrisler ve A1 in Bulunmas . . . . . . . . . . . . . . . . . . . . . . . . . .
26
1.7
Esdeger
Matrisler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
30
Reel Vektr Uzaylar
31
2.1
Vektr Uzaylar ve Altuzaylar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
34
2.2
Lineer Bagmszlk
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
2.3
Baz ve Boyut . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
46
2.4
Koordinatlar ve Izomorfizmler
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
51
2.5
Bir Matrisin Rank . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
59
ii
Hseyin BILG
3
arpm Uzaylar
I
64
3.1
arpm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
R3 n Standart I
64
3.2
arpm Uzaylar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
I
67
3.3
GramSchmidt Yntemi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
73
Lineer Dnsmler ve Matrisler
79
4.1
Tanm ve rnekler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
79
4.2
Bir Lineer Dnsmn ekirdegi

ve Grnts . . . . . . . . . . . . . . . . . . . . . .
83
4.3
Bir Lineer Dnsmn Matrisi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
90
4.4
Matrislerin Vektr Uzay ve Lineer Dnsmlerin Vektr Uzay . . . . . . . . . . . . .
93
Determinantlar
98
5.1
Determinantn Tanm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
98
5.2
Determinantn zellikleri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
5.3
Kofaktr Alm
5.4
Bir Matrisin Tersi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
5.5
Determinantn Diger
Uygulamalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
zdegerler
ve zvektrler
114
iii
1
Lineer Denklemler ve Matrisler
1.1
Lineer Denklem Sistemleri
a1 , a2 , a3 , . . . , an , b sabitler ve x1 , x2 , . . . , xn ler de degi

skenler olmak zere;
a1 x1 + a2 x2 + + an xn = b
(1.1)
s1 , s2 , . . . , sn saylar x1 , x2 , . . . , xn yerine
s eklindeki bir denkleme lineer denklem denir. Eger
yazldgnda
(1.1) denklemi saglanyorsa
bu saylara (1.1) denkleminin bir zm denir. rnegin
x1 = 2, x2 = 3 ve x3 = 4 saylar 6x1 3x2 + 4x3 = 13 denkleminin bir zmdr. nk

6 2 3 3 + 4 (4) = 13 dr.
Genel olarak n bilinmeyenli m denklemli bir lineer denklem sistemi (ksaca lineer sistem) asagdaki
gibi yazlr:
a11 x1 + a12 x2 + + a1n xn
a21 x1
..
.
+ a22 x2 + + a2n xn
..
..
..
.
.
.
= b1
=
..
.
b2
..
.
(1.2)
am1 x1 + am2 x2 + + amn xn = bm
Burada aij ler sabittir. b1 , b2 . . . , bn verildiginde
(1.2) yi saglayan
x1 , x2 , . . . , xn degerlerini
bulmaya alsacagz.
s1 , s2 , . . . , sn saylarnn bu sistemin bir zm olmas demek, bu saylarn her
bir denklemin zm olmas demektir. Eger
bir lineer sistemin hi zm yoksa bu sisteme tutarsz,
eger
en az bir zm varsa tutarl denir. Eger
b1 = b2 = . . . = bm = 0 ise bu sisteme homojen
sistem denir. Bir homojen sistemdeki x1 = x2 = = xn = 0 zmne trival (asikar) zm
denir. Aksi halde trival olmayan zm denir.
Hseyin BILG
Blm 1. Lineer Denklemler ve Matrisler

Eger
n bilinmeyenli r denklemden olusan:
c11 x1 + c12 x2 + + c1n xn = d1
c21 x1
..
.
+ c22 x2 + + c2n xn = d2
..
..
..
.. ..
.
.
.
. .
(1.3)
cr1 x1 + cr2 x2 + + crn xn = dr

sistemi ile (1.2) sisteminin zmleri ayn ise bu sistemlere es sistemler denir.
(
rnek 1.1
x1 3x2 = 7
)
zm: x1 = 2, x2 = 3
2x1 + x2 = 7
8x1 3x2 = 7
3x1 2x2 = 0
10x 2x = 14
1
2
zm: x1 = 2, x2 = 3
Bu sistemler es sistemlerdir.
(
3x2 = 3
x1
sistemini zelim. Yok etme metodu kullanacagz.

1. denklemin
2x1 +x2 = 8
2 katn 2. denklemden karrsak: 7x2 = 14 = x2 = 2 bulunur. Bunu 1. denklemde yazarsak
rnek 1.2
x1 = 3 bulunur.
)
(
x1 3x2 = 7
rnek 1.3
denklem sistemini gz nne alalm. x1 i yok edelim. 1. denkle2x1 6x2 = 7
min 2 katn 2. denklemden kartrsak 0 = 21 gibi bir sonu elde ederiz. Bunun anlam sistemin
zmnn olmamas; yani tutarsz olmas demektir.
x
+
2x
+
3x
=
6
1
2
3
rnek 1.4
denklem sistemini znz.
2x1 3x2 + 2x3 = 14
3x + x x = 2
1. denklemin 2 katn 2. denklemden, 1. denklemin 3 katn 3. denklemden kartrsak

(
)
7x2 4x3 = 2
bulunur. Buradan x3 = 3, x2 = 2 bulunur.
5x2 10x3 = 20
Bunlar 1. denklemde yazlrsa x1 = 1 elde edilir.
(
rnek 1.5
x1 + 2x2 3x3 = 4
2x1 + x2 3x3 = 4
)
denklem sistemine bakalm.
Hseyin BILG
x1 i yok edersek: 3x2 + 3x3 = 12 = x2 = x3 4. Bunu 1. denklemde yazarsak x1 = x3 + 4

bulunur. Bu sistemin zm:
x
=
x
+
4
3
1
Yani sonsuz tane zm var. Mesela x3 = 1, x1 = 5, x2 = 3

x2 = x3 4
x = herhangi bir reel say

3
gibi.
Sonu:
Bu rnekler gstermektedir ki; bir lineer sistemin tek zm de olabilir, hi zm olmayabilir
veya sonsuz tane zm olabilir.
(
)
a1 x1 + a2 x2 = c1
lineer denklem sistemini dsnelim.
S imdi
b 1 x 1 + b 2 x 2 = c2
Bu iki denklemin belirttigi
dogrular
l1 ve l2 ile gsterelim. Eger

x1 = s1 , x2 = s2 bu sistemin
zm ise (s1 , s2 ) noktas hem l1 hem de l2 zerindedir. Tersine eger
bir (s1 , s2 ) noktas hem l1
hem de l2 zerinde ise x1 = s1 , x2 = s2 bu sistemin bir zmdr. Geometrik olarak da
ihtimalin oldugunu
S ekil 1.1 de grebiliriz.

x2
x2
x2
l2
l2
x1
x1
x1
l1
l1
(a) Tek zm
l2
l1
(b) zm yok
(c) Sonsuz zm
S ekil 1.1:
Not: Yok etme metodunda asagdakilerden
birisi yaplabilir:
1. i. ve j. denklemler yer degi
stirebilir.
2. Denklemlerden herhangi biri sfr olmayan bir sabitle arplabilir.
3. i. denklem yerine
[c (j.denklem)] + i.denklem
yazlabilir. (i 6= j)
Bu degi
siklerle elde edilen sistem orjinal sistemin bir esidir. (Ispatlaynz)
3
Hseyin BILG
1.2
slemleri
Matrisler ve Matris I
s ekilde gsterilir:
Tanm 1.6 Saylarn bir dikdrtgensel dizisine bir matris denir ve asagdaki
a11 a12 a1n
a21 a22 a2n
A= .
..
..
..
..
.
.
.
am1 am2 amn

A matrisinin i. satr [ai1 , ai2 , , ain ] dir .(1 6 i 6 m).
a1j
a2j
A nn j. stunu . dir. (1 6 j 6 n)
..
amj
Eger
bir A matrisinin m satr ve n stunu varsa bu matrise m n tipinde matris denir. m = n
ise kare matris denir. (veya n. dereceden kare matris denir). a11 , a22 , . . . , ann elemanlar A nn
diyagonali (esas ksegeni) zerindedir denir. aij elemanna (i, j)inci eleman denir. A matrisi A =
[aij ] s eklinde de yazlabilir. Eger
A , m n tipinde bir matris ise m An yazarz ; eger
n n tipinde
ise An yazlr.
rnek 1.7
"
#
1 2 3
1
0
3
A=
ve D =
2 1 4 , B = [1 3 7] , C =
3
1 2
0 3 2
4
ise a32 = 3, c21 = 1, b12 = 3, d22 = 2 . . . gibi.
Tanm 1.8 Eger
m n tipindeki A = [aij ] ve B = [bij ] matrislerinin karslkl elemanlar esitse bu
iki matrise esit matrisler denir ve A = B yazlr . Yani her i = 1, 2, . . . , m ve j = 1, 2, . . . , n iin
aij = bij dir.
Tanm 1.9 Eger
A = [aij ] ve B = [bij ] matrisleri m n tipinde matrislerse A ve B nin toplam
olan C = [cij ] = A + B matrisi cij = aij + bij s eklinde tanmlanr.
"
rnek 1.10 A =
1 2 3
2 1 4
"
ve B =
0 2
1 3 4
"
= A + B =
1 0 4
3 2 0
Hseyin BILG
Tanm 1.11 A = [aij ], m n tipinde bir matris olsun ve c R bir reel say olsun. A nn c sabiti
ile arpm olan cA matrisi C = [cij ] ise i = 1, 2, . . . , m ve j = 1, 2, . . . , n iin cij = c aij olarak
tanmlanr.
"
rnek 1.12 A =
4 2 3
"
7 3 2
= 21 A =
3
2
7
2
32
Tanm 1.13 Eger

A ve B m n matris iseler A + (1)B matrisine A ve B nin fark denir ve ksaca
A B yazlr.
Toplam (Sigma) Sembol

n
X
ri ai = r1 a1 + r2 a2 + + rn an yazlr. Buradaki i harfine indeks denir.
i=1
n
X
ri ai =
i=1
n
X
rj aj
j=1
oldugu
aktr.
Sigma sembol asagdaki
zellikleri saglar.
1.)
n
X
(ri + si )ai =
i=1
2.)
n
X
ri ai +
c(ri ai ) = c
n X
m
X
n
X
n
X
si ai
s=1
i=1
i=1
3.)
n
X
ri ai
i=1
aij =
j=1 i=1
m X
n
X
aij
i=1 j=1
Tanm 1.14 Eger

A = [aij ], m n tipinde, B = [bij ], n p tipinde iki matris ise A ve B nin
arpm olan A B = C = [cij ] matrisi m p tipindedir ve s yle tanmlanr:
cij =
n
X
(
aik bkj = ai1 b1j + ai2 b2j + + ain bnj
k=1
i = 1, 2, . . . , m
j = 1, 2, . . . , p
Not.1: A nn kolon says ile B nin satr says ayn olmaldr.

Not.2: C = ABnin (i, j)inci eleman; A nn i. satr ile B nin j. kolonundaki elemanlarn karslkl
arpmlarnn toplamdr.
Hseyin BILG
a11
a12
...
a1n
a21 a22 . . . a2n
.
..
..
..
.
.
AB =
ai1 ai2 . . . ain
.
..
..
..
.
.
am1 am2 . . . amn
"
rnek 1.15 A =
3 1
"
AB =
1 2 1
4
11 b12 . . . b1j
b21 b22 . . . b2j
.
..
..
..
.
.
bn1 bn2 . . . bnj
ve B =
4
23
2
. . . b2p
..
.
. . . bnp
matrisleri verilsin.
32
1(2) + 2 4 + (1)2 1 5 + 2(3) + (1)1

3(2) + 1 4 + 4 2
. . . b1p
"
=
3 5 + 1(3) + 4 1
22
4 2
6
16
Burada B A matrisi de tanmldr. (Her zaman tanml olmayabilir.)

S imdi Blm 1.1 deki (1.2) nolu lineer sisteme dnelim ve asagdaki
matrisleri tanmlayalm:
a11 a12 . . . a1n

x1
b1
a21 a22 . . . a2n

x2
b2
A= .
,X = . ,B = .
.
.
.
..
..
..
..
..
..
am1 am2 . . . amn

xn
bm
Bylece (1.2) lineer sistemi A X = B s eklinde yazlabilir. Burada A ya katsaylar matrisi denir.
Asagdaki
matrise de ek matris (eklenmis matris) denir. (Yani denklem sisteminin ek matrisi denir)
a
a12 . . . a1n
11
a21 a22 . . . a2n

.
[A..B] =
..
..
..
.
.
.
am1 am2 . . . amn
..
. b1
..
. b2
.. ..
. .
..
. bm
2x
+
3x
4x
+
x
=
5
1
2
3
4
rnek 1.16
denklem sistemini
2x1 + x3
= 7
3x + 2x 4x
= 3
1
2
4
x1
2 3 4
1

x
2
=
matris formunda s yle yazlabilir:
2
0
1
0
3 2
0 4
x4
dsnelim. Bu lineer sistemi

7

3
Hseyin BILG
2 3 4
1
, ek matris
Katsaylar matrisi
2
0
1
0
3 2
0 4
..
2 3 4
1 . 5
..
2 0
1
0 . 7
..
3 2
0 4 . 3
Tanm 1.17 Eger

A = [aij ] m n tipinde bir matris ise A nn transpozu (devrigi)
olan ve A0 (veya
AT ) ile gsterilen matris, a0ij = aji olarak tanmlanr. Yani A0 matrisi, A nn satrlarnn stun ve
stunlarn satr yaplmasyla elde edilen matristir.
"
rnek 1.18 A =
1 2 1
3 2
ise A0 =
"
rnek 1.19 A =
2 4 5
1 2 3
2 1 4
1 3
1 0
2
1
3 1 3
,B =
2 1 ,C = 4
3 2
2
"
1 5
,D =
1 3
3 2
2
#
ve E =
mmknse) asagdaki
islemleri yapnz:
1 4
matrisleri verilsin. (Eger
2 1
(b) AB ve BA
(a) C + E
(c) 2C 3E
(e) AB +
D2 , D2
(d) CB + D
= DD dir. (f) (3)(2A) ve 6A
(g) A(BD)
(h) (AB)D
(i) A(C + E)
(j) AC + AE
(k) 3A + 2A ve 5A
(l) A0
(m) (A0 )0
(n) (AB)0
(o) B 0 A0
(p) (C + E)0
(r) C 0 + E 0
(s) A(2B) ve 2(AB)
zm: dev (kolay)

rnek 1.20 Eger
A = [aij ], n n tipinde bir matris ise A nn izi (trace) diyagonaldeki elemanlarn
toplam olarak tanmlanr:
Tr(A) =
n
X
i=1
Buna gre, asagdakileri
ispatlaynz:
(a) Tr(c A) = c Tr(A) (c : reel say)
(b) Tr(A + B) = Tr(A) + Tr(B)
7
aii
Hseyin BILG

(c) Tr(A B) = Tr(B A)
Ispat
:
(a) A = [aij ] = c A = [c aij ] dir.
Tr(c A) =
n
X
caii = c
i=1
n
X
aii = c Tr(A)
i=1
(b) B = [bij ] olsun. (n n tipinde)

Tr(A + B) =
n
X
(aii + bii ) =
i=1
n
X
aii +
i=1
n
X
bii = Tr(A) + Tr(B)
i=1
(c) C = AB ve D = BA olsun C = [cij ], D = [dij ] olsun.

cij =
n
X
aik bkj ve dij =
n
X
bik akj
k=1
k=1
olarak tanmlandgn
biliyoruz. S imdi
Tr(C) =
=
=
=
n
X
cii =
i=1
n X
n
X
i=1 k=1
n X
n
X
n X
n
X
aik bki
i=1 k=1
bki aik =
n X
n
X
bki aik
k=1 i=1
bik aki
(i harfi ile k harfi yer degi

stirdi)
i=1 k=1
n
X
dii = Tr(D)
i=1
olup Tr(AB) = Tr(BA) oldugu

ispatlanr.
rnek 1.21 AX = B denkleminin birden fazla zm varsa, sonsuz tane zm oldugunu
gsteriniz.
zm: X1 ve X2 iki zm olsun. r + s = 1 olmak zere X3 = rX1 + sX2 matrisini dsnelim.
AX3 = B oldugunu
gsterelim:
AX3 = A(rX1 + sX2 ) = ArX1 + As X2 = r(AX1 ) + s(AX2 ) = rB + sB = (r + s)B = B
olup sonsuz tane zm vardr. (nk bu s ekilde sonsuz miktarda r ve s seilebilir.)
Hseyin BILG

"
rnek 1.22 AB BA =
1 0
0 1
s artn saglayan
2 2 tipinde A ve B matrisleri bulunamaya-
cagn
ispatlaynz.
"
#
"
#
"
#
a b
e f
1 0
zm: A =
ve B =
olsun. AB BA =
olsun.
c d
g h
0 1
"
AB BA =
ae + bg ea f c
af + bh eb f d
ce + dg ga hc
cf + dh gb hd
"
=
1 0
0 1
olup bg f c = 1 ve cf gb = 1 olur ve taraf tarafa toplanrsa 0 = 2 eliskisi elde edilir. O halde

bu s ekilde A ve B matrisleri olamaz.
1.3
slemlerinin Cebirsel zellikleri

Matris I
Teorem 1.23 Matris islemleri iin asagdaki
zellikler saglanr:
1) A ve B m n matrisler ise A + B = B + A dr.

2) A, B ve C m n matrisler ise A + (B + C) = (A + B) + C dir.
3) Her m n A matrisi iin A +
m 0n
m 0n
+ A = A s artn saglayan
bir tek
m 0n
matrisi
vardr. Btn elemanlar 0 olan bu matrise m n sfr matrisi denir. m = n ise 0n yazlr.
4) Verilen her m n A matrisi iin A + B =
m 0n
olacak s ekilde bir
B = A dr.
5) A m n matris , B n p ve C p q matris ise A(BC) = (AB)C dir.
6) a) A ve B m n matris ve C n q matris ise (A + B)C = AC + BC
b) C m n matris ve A ile B n q matris ise C(A + B) = CA + CB
7) r, s reel saylar, A m n matris ve B n q matris ise
(a) r(sA) = (rs)A = s(rA)
(b) A(rB) = r(AB)
8) a ve b reel saylar, A m n matris ise (a + b)A = aA + bA
9) A ve B m n matrisler, a bir reel say ise a(A + B) = aA + aB
10) A m n matris ise (A0 )0 = A
m Bn
matrisi vardr.
Hseyin BILG

11) A ve B m n matrisler ve c bir reel say ise
a) (cA)0 = cA0
b) (A + B)0 = A0 + B 0
12) A m n matris ve B n p matris ise (AB)0 = B 0 A0
Ispat
12) A = [aij ], B = [bij ] ve AB = C = [cij ] olsun. c0ij nn B 0 A0 daki (i, j). eleman oldugunu
ispatlayacagz.
n
X
c0ij = cji =
n
X
ajk bki =
k=1
a0kj b0ik =
n
X
b0ik a0kj
k=1
k=1
olup son ifade B 0 A0 deki (i, j). elemandr ve ispat biter.
Not 1.24 Eger

a ve b iki say ise ab = 0 olmas iin a = 0 veya b = 0 olmaldr. Bu kural matrisler
iin geerli degildir,
rnegin:
"
A=
1 2
"
,B =
2 4
4 6
2
"
,A B =
0 0
0 0
Not 1.25 a, b, c tane reel say olsun. ab = ac ve a 6= 0 ise b = c dir. Bu sadelestirme kural
matrisler iin geerli degildir,
rnegin:
"
A=
1 2
2 4
"
,B =
2 1
"
ve C =
3 2
5 1
#
, AB = AC olup B 6= C dir.
rnek 1.26 Sfrdan farkl bir A matrisi bulunuz ki (2 2 tipinde ) A2 = AA = O2 olsun.

"
# "
#
"
#
1
2
1
2
0 0
zm:
=
21 1
12 1
0 0
rnek 1.27 Her 2 2 B matrisi iin AB = BA s artn saglayan
btn 2 2 A matrislerini belirleyiniz.

"
a b
"
# "
c d
"
a 0
0 a
# "
0 0
x y
z
0 1
# "
0 0
,
0 0
1 0
"
#
x y
nrsa A matrisinde a = d,b = c = 0 elde edilir. B =
olsun.
z t
zm: A =
alalm. B yerine
1 0
"
=
x y
z
# "
a 0
"
ve
0 0
0 1
#
matrisleri al-
0 a
her zaman dogru

oldugu
iin, (yani ax = xa, ay = ya, az = za, at = ta) bu s ekilde matrislerin
("
#
)
a 0
kmesi
: a R kmesidir.
0 a
10
Hseyin BILG
1.4
zel Tipteki Matrisler ve Paral Matrisler
n n tipindeki bir A = [aij ] matrisi iin i 6= j iken aij = 0 ise bu matrise diyagonal matris
denir. (Yani ana diyagonal haricindeki elemanlar 0). Diyagonaldeki btn elemanlar ayn olan diyagonal matrise skaler matris denir. In = [aij ], aii = 1 ve i 6= j iin aij = 0 olan skaler matrise
n n birim matris denir.
1 0 0
2 0 0
1 0 0
rnek 1.28 A =
0 2 0 , B = 0 2 0 ve I3 = 0 1 0 matrisleri verilsin. A, B
0 0 3
0 0 2
0 0 1
ve I3 diyagonal matrisleridir. B ve I3 skaler matrislerdir. I3 de 3 3 birim matristir.
Not: A bir skaler matris ise bir r skaleri iin A = rIn s eklindedir. S imdi A bir kare matris olsun. Eger
A n n matris ise A0 = In
p pozitif bir tamsay ise Ap = |A A{z A} s eklinde tanmlanr. Eger
ptane
olarak tanmlanr.
Negatif olmayan p ve q tamsaylar iin Ap Aq = Ap+q ve (Ap )q = Apq kurallar geerlidir.
Ayrca: (AB)p = Ap B p kural AB = BA degilse
geerli degildir.
Tanm 1.29 n n tipinde bir A = [aij ] matrisinde i > j iin aij = 0 ise bu matrise st gensel
matris; i < j iken aij = 0 ise alt gensel matris denir. rnegin
1 3 3
1 0 0
A=
0 3 5 st gensel, B = 2 3 0 alt gensel matrislerdir.
0 0 2
3 5 2
Tanm 1.30 A bir matris olsun. A0 = A ise Aya simetrik matris; A0 = A ise arpksimetrik
(antisimetrik) matris denir. rnegin:
1 2 3
0 2
A=
2 4 5 simetrik; B = 2 0 4 antisimetrik matrislerdir.
3 4
0
3 5 6
Buna gre asagdakiler
dogrudur:
1) A simetrik veya antisimetrik ise A bir kare matristir.

2) A simetrik ise A nn elemanlar ana diyagonale gre simetriktir.
3) A simetrik aij = aji ; A antisimetrik aij = aji
11
Hseyin BILG

4) A antisimetrik ise ana diyagonaldeki elemanlarn hepsi 0 dr.
Teorem 1.31 A n n matris ise; S bir simetrik matris ve K bir antisimetrik matris olmak zere
A = S + K s eklinde yazlabilir. Ayrca bu yazls tek trldr.
Ispat:
A = S + K oldugunu
bir an iin kabul edip S ve K y bulalm. A0 = S 0 + K 0 = S K dr.

S imdi:
A
= S+K
A0
= SK
)
= A + A0 = 2S = S = 12 (A + A0 ).
Yine buradan: K = 12 (A A0 ) bulunur.

S imdi A = S + K oldugu;
S nin simetrik ve K nn antisimetrik oldugu
grlebilir.
1 3 2
rnek 1.32 A =
4 6
5 1
2
matrisi verilsin.
3
S=
(A + A0 ) =
7
2
7
2
3
2
3
2
3
2
3
2
, K = 1 (A A0 ) =
0 12
1
2
7
2
27
1
2
12
A = S + K dr. (Kontrol ediniz.)

Tanm 1.33 Bir m n A = [aij ] matrisinin baz (hepsi degil)
satr ve/veya stunlar silinerek elde
edilen bir matrise A nn bir alt matrisi denir
"
#
1 2 3
4
1
2
4
rnek 1.34 A =
5
2 4 3
ise A nn bir alt matrisi 3 0 3 dir.
3 0 5 3
Bu durumda alt matrislere paralanan bir matristen sz edebiliriz. Tabii ki bu paralans tek trl
degildir.
12
Hseyin BILG
a
11
a21
rnek 1.35 A =
a31
a41
a11
a21
A =
a31
a41
a12 a13
..
.
..
.
..
.
..
.
..
.
a14 a15
"
a22 a23
a24 a25
A11
matrisi A =

A21
a32 a33
a34 a35
a42 a43
a44 a45
..
..
a12
. a13 a14
. a15
..
..
"
a22
. a23 a24
. a25
11
A
A =
21
A
..
..
a32
. a33 a34
. a35
..
..
a42
. a43 a44
. a45
A12
A22
#
s eklinde veya,
13
12 A
A
23
22 A
A
s eklinde paralanabilir. Bu s ekildeki matrislere paral matrisler denir.

rnek 1.36 Bir lineer sistemin ek matrisi (Blm 1.2) bir paral matristir. Yani AX = B ise bu
.
sistemin ek matrisi [A..B] s eklinde yazlabilir.
Eger
A matrisi son yazlan s ekliyle paralanmssa ve
..
. b13 b14
b11 b12
..
b21 b22
. b23 b24
..
B = b31 b32
. b33 b34
..
b41 b42
. b43 b44
..
b51 b52
. b53 b54
AB =
B11 B12
= B21 B22
B31 B32
ise
11 B11 + A
12 B21 + A
13 B31 ) ... A
11 B12 + A
12 B22 + A
13 B32 )
(A
..
.
21 B11 + A
22 B21 + A
33 B31 ) ... (A
21 B12 + A
22 B22 + A
23 B32 )
(A
oldugu
gsterilebilir.
Singler ve Singler Olmayan (Nonsingular) Matrisler

Tanm 1.37 A n n tipinde bir matris olsun. Eger
AB = BA = In s artn saglayan
bir B n n
tipinde matris varsa Aya singler olmayan (tersinir=tersi alnabilir) matris denir. Aksi halde Aya
13
Hseyin BILG
singler (tersi alnamaz) matris denir. B matrisine de Ann tersi denir ve A1 ile gsterilir.
"
2 3
rnek 1.38 A =
ve B =
2 2
B, Ann
2 olsun. AB = BA = I2 oldugundan
1 1
tersidir.
Teorem 1.39 Eger
bir matrisin tersi varsa tektir.
Ispat:
B ve C, Ann tersi olsunlar. O zaman AB = BA = In ve AC = CA = In dir. S imdi,
B = BIn = B(AC) = (BA)C = In C = C
olup A nn tersi (varsa) tektir.
"
rnek 1.40 A =
AA
(
Buradan ;
# "
1 2
3 4
a + 2c
"
olsun. A1 matrisini (varsa) bulalm. A1 =
3 4
"
1 2
= 1
a b
#
=
c d
)
"
1 0
"
=
0 1
b + 2d
= 0
a + 2c
a b
c d
b + 2d
3a + 4c 3b + 4d
olsun.
"
1 0
0 1
ve
denklem sistemleri elde edilir. Bunun 3a + 4c = 0
3b + 4d = 1
zm a = 2, c = 23 , b = 1 ve d = 12 dir. (Kontrol ediniz). Ayrca
"
3
2
12
#"
oldugundan
A singler degildir
ve A1 =
rnek 1.41 A =
1 2
2 4
"
AA
"
olsun. A1 =
1 2
2 4
# "
a b
c d
3
2
12
a b
1 0
0 1
#
dir.
c d
#
"
=
3 4
"
"
1 2
"
=
diyelim.
a + 2c
b + 2d
2a + 4c 2b + 4d
olmaldr. Buradan s u lineer sistemler elde edilir:

(
)
a + 2c = 1
ve
2a + 4c = 0
b + 2d
= 0
2b + 4d = 1
"
=
1 0
0 1
)
.
Birinci denklem 2 ile arplrsa 2 = 0 eliskisi elde edilir. Bu lineer sistemin zm yoktur. Yani
Ann tersi yoktur (singlerdir).
14
Hseyin BILG
Teorem 1.42 A ve B singler olmayan n n matrisler ise AB matrisi de singler degildir
ve
(AB)1 = B 1 A1 dir.
Ispat:
(AB)(B 1 A1 ) = A(BB 1 )A1 = AIn A1 = AA1 = In ,
(B 1 A1 )(AB) = B 1 (A1 A)B = BIn B 1 = BB 1 = In
olup (AB)1 = B 1 A1 oldugu
grlr.
Sonu 1.43 A1 , A2 , . . . , Ar n n singler olmayan matrisler ise A1 A2 Ar matrisi de singler

1
1
degildir
ve (A1 A2 Ar )1 = A1
r Ar1 A1 dir.
Ispat:
Benzer s ekilde yaplr.
Teorem 1.44 A singler olmayan bir matris ise, A1 matrisi de singler olmayan bir matristir ve
(A1 )1 = A dr.
Ispat:
(A1 )A = In ve A(A1 ) = In olup bu esitliklerdeki birinci matrisin tersi ikinciye esittir. O
halde (A1 )1 = A dr.
Teorem 1.45 A singler degilse
A0 de singler degildir
ve (A0 )1 = (A1 )0 dr.
Ispat:
AA1 = In dir. Bu esitligin
iki tarafnn transpozunu alrsak:
(A1 )0 A0 = In0 = In
dir. S imdi de A1 A = In esitliginin
her iki tarafnn transpozunu alrsak:

A0 (A1 )0 = In0 = In .
Bu iki esitlikten (A0 )1 = (A1 )0 elde edilir.
"
rnek 1.46 A =
1 2
3 4
"
matrisinin tersi A1 =
"
(A0 )1 =
2
1
3
2
12
3
2
12
"
dir. A0 =
1 3
2 4
#
olup
#
= (A1 )0
oldugu
grlr.
rnek 1.47 A simetrikse ve singler degilse,
A1 in de simetrik oldugunu
gsteriniz.
zm: A simetrik oldugundan
A = A0 dr. (A0 )1 = (A1 )0 oldugunu
biliyoruz (Teorem 1.45).

Burada A = A0 oldugu
iin A1 = (A1 )0 olup A1 simetriktir.
15
Hseyin BILG
rnek 1.48 A singler olmasn. AB = AC = B = C oldugunu
gsteriniz. Ayrca AB =
0n = B = 0n dir. Gsteriniz.
zm:
AB = AC = A1 (AB) = A1 (AC) = (A1 A)B = (A1 A)C = B = C,
AB = 0n = A1 (AB) = A1 0n = (A1 A)B = 0n = B = 0n
Lineer Sistemler ve Matrisin Tersi

A matrisi n n tipinde ise AX = B sistemi n bilinmeyenli n denklemli bir sistemdir. A singler olmasn. Bu durumda A1 mevcuttur ve AX = B esitliginin
her iki tarafn (soldan) A1 ile

arpalm.
AX = B = A1 (AX) = A1 B = (A1 A)X = A1 B = X = A1 B.
Yani X = A1 B bu sistemin bir zmdr. O halde A singler degilse
sistemin tek zm vardr.
1.5
Bir Matrisin Eselon Formu
Tanm 1.49 Bir A m n matrisi asagdaki
4 zelligi
saglyorsa
bu matrise indirgenmis satr eselon

formdadr denir.
(a) Btn elemanlar sfr olan satrlar (varsa) matrisin en alt ksmndadr.
(b) Tamam sfr olmayan bir satrdaki, sfr olmayan ilk say (ki buna bas eleman denir) 1 dir.
(c) Eger
i. ve (i + 1). satrlar ardarda ve tamam sfr olmayan iki satr ise (i + 1). satrn bas
eleman i. satrn bas elemannn sagndadr.
(d) Eger
bir kolon herhangi bir satrn bas elemann ihtiva ediyorsa, o kolondaki diger
btn elemanlar sfrdr.
Eger
A matrisi (a), (b) ve (c) s artlarn saglyorsa
bu matrise satr eselon formundadr denir. Benzer

bir tanm "indirgenmis stun eselon form" ve "stun eselon form" iin yaplabilir.
16
Hseyin BILG

rnek 1.50
1 5 0 2 2
0 1 0
A= 0 0 0
0 0 0
0 0 0
1 0
8
0 1
7 2 B =
0 0
0
0
0 0
0
0
1
0
0
satr eselon form
0 0
0 0 1 3 5
0 0
C = 0
1 0
0
0 1
0
indirgenmis
7 9
0 0 0 1 2 3
0 0 0 0
1 2
0 0 0 0
0 1
0 0 0 0
0 0
satr eselon form
satr eselon form
1 0 0 0 2
0 1 0
D= 0 0 0
0 0 0
0 0 0
0
1
0
0
8
1
2
0
0
1
1 2 0
4
7 2 E =
0
0 0 1 2 3 F = 0 0 0
0
0
0 0 0 0 0
0 0 1 3
0
0
4
indirgenmis satr eselon form
indirgenmis
1 0 3 4
H =
G=
0
2
2
5
0 0 1 2
hibiri (b)
satr eselon form
1 0
3 4
0 1 2 5
J =
0 1
2 2
0 0
0 0
hibiri (c)
hibiri (a)
1 2
3 4
0 1 2 5
0 0
1
2
0 0
0 0
satr eselon form
S imdi her matrisin (indirgenmis) satr eselon forma getirilebilecegini
grecegiz.
Tanm 1.51 Asagdaki
islemlerin her birine bir elementer satr (stun) islemi denir.

A nn i. ve j. satrlarn (stunlarn) yer degi
I.TIP:
stirmek.
A nn i. satrn (stununu) bir c 6= 0 says ile arpmak.
II.TIP:
A nn i. satrnn (stununun) c katn j. satra (stuna) eklemek. (i 6= j)
III.TIP:
Bu satr islemleri matrisler zerinde asagdaki
s ekilde gsterilir: (Kolon islemi iin K kullanlr)

Si Sj
I.TIP:
Si cSi
II.TIP:
Sj cSi + Sj
III.TIP:
17
Hseyin BILG

rnek 1.52
0 0 1
3 3 6 9
1 1 2 3
S1 S3
S1 31 S1
B = 2 3 0 2
A=
2
3
0
2
C = 2 3 0 2
3 3 6 9
0 0 1
2
0 0 1
2
1 1
2 3
S2 (2)S1 +S2
C
D=
0 1 4
0 0
1
Tanm 1.53 Eger

bir B m n matrisi A matrisine sonlu sayda elementer satr (stun) islemlerinin
denir.
uygulanmas ile elde edilebiliyorsa A matrisi B matrisinin satr (stun) esdegeridir
4 3
8 6
rnek 1.54 A =
nk
2 1 3 2 ve D = 1 1 2 3 matrisleri satr esdegerdir.
1 1 2 3
4 1 7 8
4 3
4 3
4 3
S2 2S3 +S2
S2 S3
A=
2 1 3 2 B = 4 1 7 8 C = 1 1 2 3
1 1 2 3
1 1 2 3
4 1 7 8
olup C nin 1. satr 2 ile arplrsa D matrisi elde edilir.
Bu tanma gre asagdakiler
dogrudur.
(a) Her matris kendisinin satr esdegeridir.
(b) A, B nin satr esdegeri
ise B de A nn satr esdegeridir.
(c) A, B nin; B de C nin satr esdegeri
ise A, C nin satr esdegeridir.
Teorem 1.55 Her A = [aij ] m n sfr olmayan matrisi satr (stun) eselon formdaki bir matrise
satr (stun) esdegerdir.
Ispat:
Yani, bir A matrisi satr eselon formdaki bir matrise satr esdegerdir.
Yani, A zerinde elementer satr islemleri yaplarak bir satr eselon formda matris elde edilebilir. (rnek zerinde aklanacak)
rnek 1.56 Asagdaki
A matrisini satr eselon forma getirecegiz.

nce 1. kolonun en st ksmnda;
yani (1, 1). pozisyonda bir bas eleman (yani 1) olusturalm. (1. kolon tamamen 0 ise 2. kolona geeriz). Eger
a11 6= 0 ise btn satr a11 e bleriz; aksi halde asagdaki
satrlardan birisi ile 1. satr yer
18
Hseyin BILG

degi
stirir ve 1. satr yeni elde edilen (1, 1)inci elemana bleriz:
0 2 3 4 1
2 2 5
2 4
0 0 2
3 4 S1 S3
3 4
0 0 2
A=
B =
2 2 5
0 2 3 4 1
2 4
2 0 6
9 7
2 0 6
9 7
1 2
1 1 52
S
0 0 2
S1 21
3
4
C =
0 2 3 4 1
2 0 6
9 7
Bas eleman 1 elde edildikten sonra bunun altndaki saylarn 0 yaplmas gerekir. Bu amala bu satrn (bas elemannn bulundugu
satrn) uygun katlar asagdaki
satrlara eklenir:
1 2
1 0 25
0 0
2
3 4
S4 (2)S1 +S4
D=
0 2
3 4 1
0 2 1
7 3
Bu asamada 1. kolon ile isimiz bitmistir. S imdi (2, 2)-inci pozisyondaki sayy 1 yapmalyz. (Eger
bu eleman ve altndakilerin tamam 0 ise 3. stuna geilir). Bunun iin ya 2. satrn tamam bu sayya
blnr veya alt satrlardan (st satrlardan degil)
biri ile yer degi
stirilip sonra blme islemi yaplr:
1 2
1 2
1
1 52
1
1 25
S
3
2
3 4 1
1
2 21
S2 S3 0
S2 22 0
0
0
2
3 4
0
2
3 4
0
0 2 1
7 3
0 2 1
7 3
S imdi 2. stunda da bas eleman olustuguna
gre bunun altndaki saylar 0 yaplr. (Bu satrn uygun

katlar asagdaki
satrlara eklenir):
1 1 52
0 1
0 0
0 0
S4 (2)S2 +S4
3
2
4
1
2
Daha sonra 3. stunda bas eleman olusturulur ve bunun altndaki saylar 0 yaplr: (Dikkat: Bas
elemanlar saga
dogru
gidildike asagya
dogru
en az bir basamak kaymaldr)
1 1 52
1 2
3
1
S3 1
S
1
2
2 3 0
2
2

3
0 0
1
2
2
0 0
2
3 4
19
Hseyin BILG
1 1 25
0 1
0 0
0 0
S4 (2)S3 +S4
3
2
3
2
= H diyelim.
2
0
1
2
H matrisi satr eselon formdadr ve A matrisinin satresdegeridir.
Teorem 1.57 mn tipinde her A = [aij ] sfr olmayan matris, indirgenmis satr (stun) eselon
formdaki bir matrise satr (stun) esdegerdir.
Ispat:
Bir nceki teoremin ispatndaki yntem uygulanr. Ancak bu sefer bir bas elemann bulundugu
kolondaki diger
elemanlar (yani hem altndaki hem de stndekiler) 0 yaplacak s ekilde gerekli elementer satr islemleri yaplr.
rnek 1.58 Bir nceki H
H =
0
matrisinden devam edelim:
1 2
1 52
1
3
2
1
S1 (1)S2 +S1
2
2

3
0
1
2
2
0
0
0 0
1 0 0
0 1 0 17
4

3
0 0 1
S1 (4)S3 +S1
2
0 0 0
0
S )+S2
S2 ( 3
2 3
1 0 4
0 1
0 0
0 0
19
2
52
3
2
3
2
3
2
1
2
=K
2
K matrisi indirgenmis satreselon formdadr ve Aya satresdegerdir.
Not: Bir matrise satr esdeger

olan indirgenmis satr eselon formda bir tek matris mevcuttur. (Ispat
atlyoruz)
Teorem 1.59 AX = B ve CX = D, m denklemli ve n bilinmeyenli iki lineer sistem olsun. Eger
..
..
[A.B] ve [C .D] ek matrisleri satresdeger
ise bu lineer sistemler es sistemlerdir; yani zmleri
ayndr.
Ispat:
Elementer satr islemleri; lineer sistem dsnldgnde
asagdakilere
karslk gelir:
esitligin
I.Tip: Iki
yer degi
stirmesi
II.Tip: Bir esitligin
c 6= 0 ile arplmas
III.Tip: Bir esitligin
bir katnn baska bir esitlige
eklenmesi
20
Hseyin BILG
Ispat;
"satr esdegerlik"
tanmndan kolayca ortaya kar. Ayrca bir lineer sistemin zm yoksa

digerinin
de yoktur.
Sonu: Eger
A ve B iki satr esdeger
mn matris ise AX = 0 ve BX = 0 homojen sistemleri es
sistemlerdir.
Gauss ve GaussJordan Indirgeme

Metodlar
.
Tanm 1.60 Yukardaki teoremlerde izah edilen; bir lineer sistemin ek matrisi [A..B] yi satr eselon
forma getirme yntemine Gauss indirgeme metodu; indirgenmis satr eselon forma getirme yntemine de Gauss-Jordan indirgeme metodu denir.
Gauss indirgeme metodu iki admdan olusur:
.
.
Adm.1. [A..B] ek matrisinin satr eselon formdaki [C ..D] matrisine indirgenmesi (dnstrlmesi).
.
Adm.2. [C ..D] den yararlanarak zmn bulunmas.
rnek 1.61 : (n n tipi iin)
1 2
3
x1 + 2x2 + 3x3 = 9
..
ek matris [A.B] = 2 1 1
2x1 x2 + x3 = 8
3x1 x3
= 3
3 0 1
..
. 9
..
. 8
..
. 3
Bu matrisi satreselon forma evirirsek:
[C ..D] =
.
1 2 3 .. 9
.
0 1 1 .. 2
.
0 0 1 .. 3
elde ederiz. (Kontrol ediniz). Daha sonra denklemi zeriz:
x
+
2x
+
3x
=
9
1
2
3
= x2 = 2 x3 = 1, x1 = 9 3x3 2x2 = 9 9 + 2 = 2
x2 + x3
= 2
x
= 3
3
zm: x1 = 2, x2 = 1, x3 = 3.
Genel durumda A matrisi m n matris ise asagdaki
rneklerdeki durumlar ortaya kabilir:

21
Hseyin BILG

rnek 1.62
.
3 4 5 ..
.
2 3 1 ..
.
1 2 3 ..
.
0 1 2 ..
1 2
0 1
.
[C ..D] =
0 0
0 0
7
olsun. O zaman:
x4 = 9 2x5
x3 = 7 2x4 3x5 = 7 2(9 2x5 ) 3x5 = 11 + x5
x2 = 7 2x3 3x4 + x5 = 7 2(11 + x5 ) 3(9 2x5 ) + x5 = 2 + 5x5
x1 = 6 2x2 3x3 4x5 5x5 = 1 10x5
x5 = herhangi bir reel say
Buradan, btn zmler s u s ekilde yazlr: (Sonsuz zm vardr)
x1 = 1 10r
x2 = 2 + 5r
x3 = 11 + r
x4 = 9 2r
x5 = r (herhangi bir say)
rnek 1.63
[C ..D] =
.
1 2 3 4 .. 5
.
0 1 2 3 .. 6
.
0 0 0 0 .. 1
olsun. CX = D nin zm yoktur. nk, son satrdan: 0x1 + 0x2 + 0x3 + 0x4 = 1 eliskisi
vardr.
rnek 1.64
1 0
0 1
.
[C ..D] =
0 0
0 0
rnek 1.65
0 0
0 0
1 0
0 1
..
.
..
.
..
.
..
.
6
olsun. zm: x1 = 5, x2 = 6, x3 = 7, x4 = 8.
1 1 2 0
..
[C .D] = 0 0 0 1
0 0 0 0
22
..
.
..
.
.
0 ..
25
1
2
3
2
1
2
Hseyin BILG

Buradan x4 =
1
2
21 x5 , x1 =
3
2
x2 2x3 + 52 x5 elde edilir. x2 , x3 , x5 herhangi reel saylardr.
O halde genel zm: (r, s, t : reel saylar)

x1 =
2
x2 = r
r 2s +
5
2
x3 = s
t
1
x4 =
2
2
x5 = t
rnek 1.66 Asagdaki
lineer sistemi hem Gauss hem de GaussJordan yntemi ile zelim.
..
1
2
3 .
6
x1 + 2x2 + 3x3 = 6
..
..
Ek matris: [A.B] = 2 3
2x1 3x2 + 2x3 = 14
2 . 14
3x + x x
..
= 2
1
2
3
3
1 1 . 2
Ek matrisi satreselon forma getirelim:
1
2
3
S2 (2)S1 +S2
0 7 4
S3 (3)S1 +S3
0 5 10
..
.
6
..
.
2
..
. 20
.
1 2 3 .. 6
S3 (7)S2 +S3
.
0 1 2 .. 4
.
0 0 10 .. 30
.
3 .. 6
S2 S3
.
0
1
2 .. 4
S2
Sonra: S2 5
.
0 7 4 .. 2
S3 S3
10

..
1 2 3 . 6
..
0 1 2 . 4
..
0 0 1 . 3
Buradan; x3 = 3, x2 = 4 2x3 = 2, x1 = 6 2x2 3x3 = 1 bulunur.

GaussJordan metodu iin matrisi indirgenmis satr eselon forma getirelim:
.
.
1 2 3 .. 6
1 0 1 .. 2
S (2)S +S
S1 S3 +S1
2
1
.
..
0 1
0 1 2 .. 4
2
.
4
S2 (2)S3 +S2
..
..
0 0 1 . 3
0 0
1 .
3
Buradan x1 = 1, x2 = 2, x3 = 3 bulunur.
Homojen Sistemler
m denklem ve n bilinmeyenden olusan AX = 0 homojen sistemini dsnelim.
23
.
1 0 0 ..
1
.
0 1 0 .. 2
.
0 0 1 ..
3
Hseyin BILG

rnek 1.67 Ek matrisi asagda
verilen homojen sistemi dsnelim.
.
1 0 0 0 2 .. 0
.
0 0 1 0 3 .. 0
.
0 0 0 1 4 .. 0
.
0 0 0 0 0 .. 0
Bu matris indirgenmis satr eselon formda oldugu

iin, btn zmler:
x1 =
x2 =
x3 =
x4 =
x5 =
2r
(r ve s herhangi iki say)

3r
4r
Genel olarak m < n ise ve A indirgenmis satr eselon formda ise sonsuz zm vardr. (AX = 0n
sonsuz zm vardr.)
Asagdaki
teoreme gre A matrisi genel bir matris olabilir.

Teorem 1.68 m denklemli, n bilinmeyenli bir homojen sistemde eger
m < n ise bu sistemin her
zaman bir trivial olmayan zm vardr.
Ispat:
(Atlyoruz.)
Sonu 1.69 A m n matris ve AX = 0n sadece trivial zm varsa m > n dir.
1 1 1 1 .. 0
x
+
x
+
x
+
x
=
0
1
2
3
4
.
rnek 1.70
ek matrisi: 1 0 0 1 .. 0
x1 + x4
= 0
x + 2x + x
.
= 0
1
2
3
1 2 1 0 .. 0
Bu matrisin satr esdegeri:
.
1 0 0
1 .. 0
.
olup zmler:
0 1 0 1 .. 0
.
0 0 1
1 .. 0
x1 =
x =
2
x3 =
x4 =
r,
r
r,
r (reel say)
rnek 1.71 Eger

n n A matrisi indirgenmis satr eselon formda ise ve A 6= In ise Ann tamam
sfr olan bir satr vardr.
24
Hseyin BILG
1 0 0
zm: Asikar. n = 3 alalm.

0 1 0 = In tamam sfr olmayan satr yok ve indirgenmis
0 0 1
1 0 0
olabilir ama tamam sfr olan satr var.

satr eselon formda.
0
0
1
0 0 0
rnek 1.72 Asagdaki
lineer denklem sisteminde ann hangi degerleri
iin (a) Hi zm yoktur.

(b) Tek zm vardr. (c) Sonsuz sayda zm vardr.
x1 + x2 x3
= 2
x1 + 2x2 + x3
= 3
x1 + x2 + (a2 5)x3 = a
zm: Gauss indirgeme metodunu kullanalm:
.
1 1
1 .. 2
S (1)S +S
.
1
2
2
..
[A..B] = 1 2
1
.
3
S3 (1)S1 +S3
..
2
1 1 a 5 . a
S imdi a = 2 ise
.
1 ..
2
.
0 1
2 ..
1
.
0 0 a2 4 .. a 2
1 1
..
1 1 1 . 2
..
elde edilir ki sonsuz zm vardr. a = 2 ise
0 1
2 . 1
.
0 0
0 .. 0
.
1 1 1 ..
2
..
0 1
2 .
1
..
0 0
0 . 4
elde edilir ki zm yoktur. a 6= 2 ise tek zm vardr.

dev: Bir nceki soruyu asagdaki
sistemler iin znz.
(a)
x1 + x2 + x3
= 2
2x1 + 3x2 + 2x3

=
2x + 3x + (a2 1)x =
1
2
3
= 2
x1 + x2 + x3
(c)
x1 + 2x2 + x3
= 3
x + x + (a2 5)x = a
1
a+1
25
(
(b)
x1 + x2
= 3
x1 + (a2 8)x2 = a
Hseyin BILG
1.6
Elementer Matrisler ve A1 in Bulunmas
Tanm 1.73 In matrisine I.tip, II.tip ve III.tip bir elementer satr veya stun isleminin sadece bir defa
uygulanmas ile edilen bir nn A matrisine, srasyla I.tipte, II.tipte, III.tipte elementer matris denir.
rnegin;
0 0 1
S1 S3
I.tipte elementer matris. nk I3
E1 =
E1
0
1
0
1 0 0
0 0
S2 (2)S2
E2 =
0 2 0 II.tipte elementer matris. nk I3 E2
0
0 1
1 2 0
E3 =
0
0
E4 =
0
0
S1 (2)S2 +S1
E3
1 0
III.tipte elementer matris. nk I3
0 1
0 3
K3 (3)K1 +K3
E3
1 0
III.tipte elementer matris. nk I3
0 1
Teorem 1.74 A m n bir matris olsun A zerinde I.tip, II.tip veya III.tip bir elementer satr (stun)
islemi yaplarak B matrisi elde edilmis olsun. E matrisi de Im ye (In ye) ayn elementer satr (stun)
islemi uygulayarak elde edilen matris olsun. O zaman B = EA dr. (B = AE dir).
5 3 0 3
1 3 2 1
S1 (2)S3 +S1

rnek 1.75 A =
B=
4
1 2 3
1 2 3 4
3 0 1 2
3 0 1
2
Ayn elementer satr islemini birim matrise uygulayalm:
1 0 0
1 0 2
S1 (2)S3 +S1
I3 = 0 1 0
0 1 0
0 0 1
0 0 1
1 0 2
EA =
0 1
0 0
1 3 2 1
= E diyelim.
5 3 0 3
0
1 2 3 4 = 1 2 3
1
3 0 1 2
3 0 1
oldugu
grlr.
26
4
=B
2
Hseyin BILG
Teorem 1.76 A ve B m n matrisler olsun. A nn B ye satr(stun) esdeger

olmas iin gerek ve
yeter s art E1 , E2 , Ek elementer matrisler olmak zere B = Ek Ek1 E2 E1 A s eklinde olmasdr (B = AE1 E2 Ek s eklinde olmasdr.)
Ispat:
Aya bir tane elementer satr islemi uygulamak demek Ay soldan bir E1 elementer matrisi
ile arpmak demektir. Benzer s ekilde iki tane uygulamak demek Ay soldan E2 E1 ile arpmak demektir. Bu s ekilde devam edilirse ispat aktr. (Benzer bir ispat stun esdegerlik)
iin yazlabilir.

Teorem 1.77 Elementer matris olan bir E matrisi singler degildir
ve tersi de ayn tipte bir elementer

matristir.
Lemma 1.78 A n n bir matris olsun. AX = 0 homojen sisteminin tek zm X = 0 olsun
(trivial zm). O zaman A matrisi In nin satr esdegeridir.
Teorem 1.79 A singler degildir
A elementer matrislerin bir arpmdr.
Ispat:
(=) A = E1 E2 Ek olsun. Ei ler singler olmayp bunlarn arpm da singler degildir.
Yani A singler degil.
Ispat:
(=) A singler olmasn.
AX = 0 = A1 (AX) = A1 0 = 0 = In X = 0 = X = 0
olup AX = 0 homojen sisteminin sadece trivial zm vardr. Lemma 1.78 den dolay A, In nin satr
esdegeridir.
Bu demektir ki; yle E1 , E2 , , Ek elementer matrisleri vardr ki In = Ek E1 A

dr. S imdi
In = Ek E1 A = A = (Ek E1 )1 = E11 E21 Ek1
S imdi Ei1 ler de elementer matris olup (Teorem 1.77) ispat biter.
Sonu 1.80 A singler degildir
= A, In in satr esdegeridir.
Buradan s u teorem sylenebilir:

Teorem 1.81 n denklemli n bilinmeyenli AX = 0 homojen sisteminin trivial olmayan bir zmnn olmas iin gerek ve yeter s art A nn singler olmasdr.
(
rnek 1.82
x1 + 2x2 = 0
)
homojen sistemi verilsin.
2x1 + 4x2 = 0
"
1 2
2 4
#"
x1
x2
"
=
0
0
"
,A =
1 2
2 4
27
..
1 2 . 0
, Ek matris:
..
2 4 . 0
Hseyin BILG

Ek matris indirgenmis satr eselon forma getirilirse:
(
)
..
1 2 . 0
x1 = 2r
zmler:
(r : reel say)
..
x2 = r
0 0 . 0
Not 1.83 A n n matris ise asagdakiler
birbirine denktir:
1.) A singler degildir.
2.) AX = 0n sadece trivial zm vardr.

3.) A, In in satr(stun) esdegeridir.
4.) AX = B lineer sistemi her n 1 B matrisi iin tek zme sahiptir.

5.) A, elementer matrislerin bir arpmdr.
A1 in Bulunmas Iin
Bir Yntem
Teorem (1.79) un ispatnn sonunda A singler degil
ise A = E11 E21 Ek1 elde ettik. Buradan:
A1 = Ek Ek1 E2 E1
olur. Bu esitlik bize A1 in bulunmas iin bir algoritma (yntem) saglar.
A zerinde In i elde edene

kadar elementer satr islemleri yaparz. Bu elementer matrislerin arpm; yani Ek E1 ; bize A1 i
.
verir. Bunun iin [A..I ] paral matrisi yazlr ve sonra:
n
.
.
.
(Ek Ek1 E1 )[A..In ] = [Ek Ek1 E1 A..Ek Ek1 E1 En ] = [In ..A1 ]
.
.
islemlerinde sonra [A..In ] matrisi [In ..A1 ] matrisine dnsr. S imdi bir rnek verelim:
1 1 1
matrisinin tersini bulalm:

rnek 1.84 A =
0
2
3
5 5 1
.
1 1 1 .. 1 0 0
.
0 2 3 .. 0 1 0
.
5 5 1 .. 0 0 1
.
1 1
1 ..
1
0 0
S2
S2 2
..
0 1 3/2 .
0 1/2 0
..
0 0 4 . 5
0 1
S (1)S +S
2
1
1
[A..I3 ] =
..
1 1
1 .
1 0 0
S3 (5)S1 +S3
..
0 2
3 .
0 1 0
..
0 0 4 . 5 0 1
28
..
1 0 1/2 .
1 1/2 0
..
0 1
3/2 .
0
1/2 0
..
0 0
4 . 5
0 1
Hseyin BILG
..
1 0 1/2 .
1 1/2
0
S3
S3 4
..
0 1
3/2 .
0
1/2
0
..
0 0
1 . 5/4
0 1/4
.
1 0 1/2 ..
1 1/2
0
S2 3
S3 +S2
..
2
0 1
0 . 15/8
1/2
3/8
..
0 0
1 .
5/4
0 1/4
.
1 0 0 ..
13/8 1/2 1/8
1
S3 +S1
S1 2
0 1 0 .. 15/8
1/2
3/8
..
0 0 1 .
5/4
0 1/4
13/8 1/2 1/8
1 = A1 A = I olmaldr. (Kont=
1/2
3/8
3
15/8
bulunur. Yani AA
5/4
0 1/4
Buradan A1
rol ediniz.)
Bu yntemde A singler ise bu durum nasl anlaslr?

Teorem 1.85 n n A matrisi singler A matrisi bir satr tamamen sfr olan bir B matrisine
satr esdegerdir.
2 3
rnek 1.86 Ayn yntemle A =

1
1 2
matrisinin tersini bulmaya alsalm.
5 2 3
[A..I3 ] =
.
1
2 3 .. 1 0 0
.
1 2
1 .. 0 1 0
.
5 2 3 .. 0 0 1
..
1
2 3 .
1 0 0
S2 S1 +S2
..
0 4
4 . 1 1 0
S3 (5)S1 +S3
..
0 12 12 . 5 0 1
.
2 3 ..
S2
S2 4
.
0
1 1 ..
.
0 12 12 ..
.
1 0 1 ..
S1 2S2 +S1
.
0 1 1 ..
S3 12S2 +S3
.
0 0
0 ..
29
0 0
1/4 1/4
5
1/2
0
1/2
1/4 1/4
2
Hseyin BILG
1 0
Burada islemi durduralm. nk A matrisi
Yani A nn
0 1 1 matrisine satr esdegerdir.
0 0 0
tersi yoktur.
Not 1.87 Blm 1.4de A nn tersini, AB = BA = In olacak s ekildeki B matrisi olarak tanmladk.
S imdi, bu esitliklerden sadece AB = In in yeterli oldugunu
ispatlayalm.
Teorem 1.88 A ve B n n matrisler ve AB = In olsun. O zaman BA = In dir. Yani B = A1
dir.
Ispat:
nce AB = In = Ann singler olmadgn
gsterecegiz.
Farzedelim ki A singler olsun.
O zaman A, bir satr tamamen sfr olan bir C matrisine satr esdegerdir.
Yani C = Ek Ek1 E1 A
s eklindedir (Ei ler elementer matris). O halde
CB = Ek Ek1 E1 AB = AB, CBye satr esdeger
= CBnin bir satr tamamen sfr olupAB singlerdir

S imdi AB = In oldugundan
In in singler oldugu
eliskisi bulunur. Yani A singler degildir.
O
zaman A1 mevcuttur. AB = In esitliginden
(A1 )AB = A1 In = B = A1 elde edilir.
1.7
Esdeger
Matrisler
Daha nce bir A matrisinin bir B matrisine satresdeger
ve stunesdeger
olmasnn tanmn
verdik. Bu tanmn bir genellemesini s yle verebiliriz:
Tanm 1.89 A ve B m n matris olsun. Eger
B yi A ya sonlu sayda elementer satr ve/veya
stun islemi uygulayarak elde edebilirsek A matrisine B nin esdeger
matrisi denir ( veya A, Bye
esdegerdir
denir.)
Teorem 1.90 n n A matrisi singler degil
A , In e esdegerdir.
30
2
Reel Vektr Uzaylar
Dzlemde Vektrler (Genel Tekrar)

Pek ok uygulamalarda ktle, basn ve uzunluk gibi llebilir byklklerle karslasrz.
Bunlar sadece bir tek say (yani byklk) ile ifade edilebilirler. Bu tr byklklere skaler denir. Bir
de hz, g ve ivme gibi byklkler vardr ki bunlar ayrca bir yne sahiptirler. Bunlar vektrler ile ifade edilebilir. Bu yzden bu byklklere vektr denir. Burada skalerleri kk harfler ile;
vektrleri de , , , . . . gibi Yunanca harfler ile gsterecegiz.
Dik Koordinat (Kartezyen Koordinat) Sistemi

Birbirine dik ve bir O noktasnda kesisen iki dogru
izelim. Bu O noktasna orjin denir. Yatay olan
dogruya
xekseni ve dsey olan dogruya
yekseni denir. xekseninde ve O noktasnn sagnda
bir nokta seelim. Bu noktann orjine uzunluguna
bir "birim" diyelim. Benzer s ekilde yekseninde

ve O noktasnn yukarsnda bir nokta seelim yle ki bu noktann orjine uzaklg
bir birim olsun.
Bylece xeksenini saga
dogru
ve yekseni de yukar dogru
pozitif ynlendirelim. Bu eksenlere

koordinat eksenleri denir. Bu eksenler bir dik koordinat sistemi veya kartezyen koordinat sistemi olustururlar. (Sekil 2.1)
Dzlemdeki her bir P noktasna bir (x, y) reel say ikilisi karslk getiririz. Bu sral ikiliye P noktasnn koordinatlar denir. Bu noktay P (x, y) sembol ile de gsterebiliriz. Tersine, her bir (x, y)
reel say ikilisine dzlemde bir nokta karslk getirebiliriz. Bu yaplan esleme 11 ve rtendir:
11 esleme
Dzlemde bir P noktas (x, y) ikilisi (x, y R)
31
Hseyin BILG
Blm 2. Reel Vektr Uzaylar

yekseni
Pozitif yn
xekseni
O
Pozitif yn
S ekil 2.1: Dik koordinat (kartezyen koordinat) sistemi

yekseni
P (x, y)
xekseni
O(0, 0)
S ekil 2.2: Dzlemde ynlendirilmis bir dogru

paras.
Bu dzleme R2 veya 2boyutlu uzay denir.

"
matrisini dsnelim. (x, y R). X matrisine, baslang noktas orjinde, bitis

y
(u) noktas P (x, y) de olan ynl dogru
parasn karslk getirelim. Bu ynlendirilmis dogru
par
asn da OP ile gsterelim. Baslang noktas ve bitis noktasn ayrt etmek iin OP nin zerindeki
S imdi X =
okun ynn bitis noktasna dogru

yazalm. (Bkz. S ekil 2.2) Bu ynl dogru
parasnn uzunluguna
paralar hz, ivme, kuvvet gibi s eyleri aklamak iin

OP nin normu denir. Bylece ynl dogru
kullanlabilir.
Tersine baslang ve bitis noktalar O(0, 0) ve P (x, y) olan OP ynl dogru

parasn
32
"
x
y
#
matrisi
Hseyin BILG

ile temsil edelim.
"
matrisine denir. (x, y R) x ve yye nn bilesenleri denir.

y
Bundan sonra ksaca vektr diyecegiz.
#
#
"
"
x2
x1
olsun. 1 = 2 x1 = x2 ve y1 = y2 olur.
ve 2 =
1 =
y2
y1
Dzlemde bir vektr bir =
Her matrise bir P (x, y) noktas; her noktaya da bir ynlendirilmis dogru
paras karslk gelir:
"
=
11 esleme
11 esleme
P (x, y) OP , (O(0, 0), P (x, y))
vektrn toplam:
Iki
"
=
x1
y1
"
ve =
x2
"
ise + =
y2
x1 + x2
y1 + y2
vektrn toplam S ekil 2.3 de gsterilmistir.

s eklinde tanmlanr. Iki
y
(x1 + x2 , y1 + y2 )
(x1 , y1 )
(x2 , y2 )
O
vektrn toplam.
S ekil 2.3: Iki
S ekil 2.3 de: : baslang noktas (x1 , y1 ) , ynnde ve nn normuna sahiptir. O zaman + nn
baslang noktas (0, 0) u noktas (x1 +x2 , y1 +y2 ) dir. Veya ve zerine kurulan paralelkenarn
ksegeni + dr.
"
#
"
#
x
cx
=
ve c bir skaler (reel say) ise c =
, nn skalerle arpmdr.
y
cy
c > 0 ise c, ile ayn ynde d < 0 ise d, ile ters yndedir (Sekil 2.4). Ayrca + (1) =
vektrne ile nn fark denir (Sekil 2.5).
33
Hseyin BILG

y
x
d
S ekil 2.4: Bir vektrn skalerle arpm.
vektrn fark.
S ekil 2.5: Iki
2.1
Vektr Uzaylar ve Altuzaylar
Tanm 2.1 zerinde ve islemleri tanml olan bir V kmesi asagdaki
zellikleri saglyorsa
V ye
bir gerel (reel) vektr uzay denir.
(a) , V iken V dir. (Yani V, islemine gre kapaldr.)
(1) , V iin =
(2) , , V iin ( ) = ( )
(3) V iin = = s artn saglayan
bir tek V vardr.

(4) V iin = = s artn saglayan
bir tek V vardr. Bu elemana nn

negatifi denir ve ile gsterilir.
(b) Her V ve c R iin c V dir.
(5) c ( ) = (c ) (c )
(, V ve c R iin)
(6) (c + d) = (c ) (d )
( V ve c, d R iin)
(7) c (d ) = (cd)
( V ve c, d R iin)
34
Hseyin BILG

(8) 1 =
( V iin)
Burada V nin elemanlarna vektrler; R nin elemanlarna skalerler denir. islemine vektr toplamas;
islemine skaler arpmas denir. vektrne de sfr vektr denir ve genelde, hangi uzayn sfr
vektr oldugunu
belirtmek iin, V ile gsterilir. Gerel vektr uzayna ksaca "vektr uzay" diyecegiz.
a1
rnek 2.2
a2
..
.
matrislerin kmesine Rn diyelim. ile matris

s eklindeki n 1 gerel degerli
an
toplamasn, ile de skaler arpm gsterelim. Blm 1.3 de gsterildigi
gibi, Rn bir vektr uzaydr.
a1
.
.. matrisine bir "vektr" denilebilir.
an
rnek 2.3 m n tipindeki matrislerin kmesi
m Rn
bir vektr uzaydr. ( ile matris toplamasn
ve ile de matrisin reel say ile arpmn gsterelim.)

rnek 2.4 Reel saylar kmesi R, bilinen toplama ve arpma islemi ile bir vektr uzaydr:
x y = x + y,
c x = cx
rnek 2.5 Rn ile [a1 , a2 , . . . , an ], 1 n tipindeki matrislerin kmesini gsterelim. ile matris toplamn ve ile de matris skalerle arpmn gsterelim. Rn kmesi bu islemlerle bir vektr uzaydr.
rnek 2.6 a0 , a1 , , an R olmak zere, p(t) = an tn +an1 tn1 + +a1 t+a0 fonksiyonuna
(t cinsinden) bir polinom denir. an 6= 0 ise p(t) nin derecesi n dir denir. Mesela p(t) = 2t + 1 in
derecesi 1; p(t) = 3 n derecesi 0 dr. p(t) = 0 fonksiyonuna sfr polinomu denir.
Pn = { derecesi 6 n olan polinomlar }
olsun. p(t) = an tn + an1 tn1 + + a1 t + a0 , q(t) = bn tn + bn1 tn1 + + b1 t + b0
polinomlar ve c R iin toplama ve skaler arpma s yle tanmlansn:
Toplama: p(t) q(t) = (an + bn )tn + + (a1 + b1 )t + (a0 + b0 )
Skalerle arpma: c p(t) = (can )tn + + (ca1 )t + ca0
S imdi Pn in bir vektr uzay oldugunu
gsterelim:
(a) p(t) q(t) derecesi 6 n olan bir polinomdur.
35
Hseyin BILG

(1) Her i iin ai + bi = bi + ai oldugundan
p(t) q(t) = q(t) p(t) dir
(2) Benzer s ekilde; r(t) = cn tn +cn1 tn1 + +c0 alnrsa, her i iin (ai +bi )+ci = ai +(bi +ci )
oldugundan
(p(t) q(t)) r(t) = p(t) (q(t) r(t)) dir.

(3) eleman sfr polinomdur.
(4) p(t) nin negatifi an tn an1 tn1 a1 t a0 polinomudur.
(b) c p(t) derecesi 6 n olan bir polinomdur.
(5) c (p(t) q(t)) = c p(t) c q(t), nk c(ai + bi ) = cai + cbi
(6) (c + d) (p(t)) = c p(t) d p(t), nk (c + d)ai = cai + dai
(7) c (d p(t)) = (cd) p(t), nk c(dai ) = (cd)ai
(8) 1 p(t) = p(t), nk 1ai = ai .
Benzer s ekilde P ile btn polinomlarn (derecesi ne olursa olsun) kmesini gsterirsek; P bilinen
polinom toplamas ve skaler arpm ile bir vektr uzaydr.
rnek 2.7 V ile R de tanml ve reel degerli
srekli fonksiyonlarn kmesini gsterelim. f, g V

ve c R olmak zere f g ve c f fonksiyonlarn s yle tanmlayalm:
(f g)(x) = f (x) + g(x),
(c f )(x) = c f (x)
Bu durumda V bir vektr uzaydr. (Kontrol edin). Bu uzay C(, ) ile gsterilir.
rnek 2.8 V = R olsun. = ve c = c olsun. V bir vektr uzay mdr?
zm: (a) ve (b) saglanr:
ve c , V nin elemanlardr. = ve =
olup genelde 6= dr. (1) saglanmad
g
iin V bir vektr uzay degildir.
(Ayrca (2),(3),(4)
ve (6) saglanmaz.)
rnek 2.9 V kmesi (x, y, z) sral llerinden olusan kme olsun. (x, y, z R).
(x, y, z) (x0 , y 0 , z 0 ) = (x0 , y + y 0 , z + z 0 )
ve
c (x, y, z) = (cx, cy, cz)
olarak tanmlansn. (1), (3), (4), (6) saglanmad
g
iin V bir vektr uzay degildir.
rnek 2.10 V = Z olsun. ve bilinen toplama ve arpma olsun. V vektr uzay degildir.
nk
c = 3 R alnrsa, genelde, 0 6= V iin c

/ V dir.
Teorem 2.11 V bir vektr uzay olsun.
36
Hseyin BILG

(a) Her V iin 0 =
(b) Her c R iin c =
(c) c = ise o zaman ya c = 0 dr ya da = dr.
(d) Her V iin (1) =
Ispat
(a) 0 = (0 + 0) = (0 ) (0 ) olup her iki tarafa (0 ) eklersek (2), (3)
ve (4) den 0 = elde ederiz.
Ispat
(b) dev.
Ispat
(c) dev.
Ispat
(d) (1) = (1) 1 = (1 + 1) = 0 = olur ve (1) =
elde edilir.
Altuzaylar
Tanm 2.12 V bir vektr uzay ve W V olsun. Eger
W, V deki islemlerle birlikte bir vektr uzay
oluyorsa W ya V nin bir alt uzay denir.
rnek 2.13 Her vektr uzaynn en az iki alt uzay vardr: kendisi ve {} (yani toplamann birim
eleman). Bu uzaylara trivial (asikr) alt uzaylar denir.
rnek 2.14 P2 = { derecesi 6 2 olan polinomlar } olsun. P2 P dir. Ayrca P2 , P nin alt uzaydr.
Genelde Pn = { derecesi 6 n olan polinomlar } kmesi P nin alt uzaydr.
rnek 2.15 V = { derecesi 2 olan polinomlar } olsun. V P dir. Fakat V, P nin alt uzay degildir.
nk 2t2 + 3t + 1 V ve 2t2 + t + 2 V polinomlarnn toplam 4t + 3

/ V dir.
Teorem 2.16 V, ve islemleri ile bir vektr uzay ve =
6 W V olsun. W nun V nin alt uzay
olmas iin gerek ve yeter s art asagdakilerin
saglanmasdr:
(Her , W ; c R iin)
(a) , W = W
(b) c R ve W = c W
Ispat:
(=) W V bir alt vektr uzay olsun. W bir vektr uzay oldugu
iin , W ise
W ve c W oldugu
aktr.
37
Hseyin BILG
Ispat:
(=) (a) ve (b) saglansn.
(b)den dolay (1) W dr (her W iin). (a)dan dolay

(1) W dir; fakat (1) = () = oldugundan
W olur. O zaman
= dr. Her V iin (1) = V olur ( (b)den dolay). W V oldugundan
1, 2, 5, 6, 7 ve 8 zellikleri saglanr.
O halde W, V nin bir alt uzaydr.

rnek 2.17
W =
: a, b R R3 olsun.
a+b
b
W, R3 n alt uzay mdr?
a1
a2
a1 + a2
ve =
olsun. =
W dur;
=
b1
b2
b1 + b2
a1 + b1
a2 + b2
(a1 + b1 ) + (a2 + b2 )
nk (a1 + b1 ) + (a2 + b2 ) = (a1 + a2 ) + (b1 + b2 ).
ca1
W dur; nk ca1 + cb1 = c(a1 + b1 ). Teorem (2.16) dan

c R ise c =
cb1
c(a1 + b1 )
3
W, R n alt uzaydr.
Not 2.18 Bundan sonra c R ve , bir V vektr uzaynn eleman ise yerine + ve
c yerine c yazacagz.
rnek 2.19 V bir vektr uzay ve 1 ve 2 , V nin iki sabit eleman olsun. W = {a1 1 + a2 2 :
a1 , a2 R} kmesi V nin bir altuzaydr. nk, Teorem (2.16) dan, 1 = a1 1 + a2 2 ,
2 = b1 1 + b2 2 ise:
1 + 2 = (a1 + b1 )1 + (a2 + b2 )2 W
ve
c1 = (ca1 )1 + (ca2 )2 W
dir. (c R). nk a1 + b1 , a2 + b2 , ca1 , ca2 R

Not: Bu son rnegi
genellestirebiliriz; yani 2 yerine daha fazla vektr alabiliriz:
Tanm 2.20 V bir vektr uzay ve S = {1 , 2 , . . . , k } V ise
Span(S) = {a1 1 + + ak k : ai R}
gu,
rettigi)
uzay denir.
kmesi V nin bir alt uzaydr. Bu uzaya S nin gerdigi
(dogurdu
("
rnek 2.21 W =
a b 0
0 c d
)
: a, b, c, d R
kmesi 2 R3 n alt uzaydr. (Gsterin)

38
Hseyin BILG
rnek 2.22 A, m n matris olsun. AX = 0 homojen sistemini dsnelim. Btn zmler
x1
x2
X= .
..
xn
s eklindedir; yani Rn de bir vektrdr. O halde btn zmlerin kmesi Rn in bir alt kmesidir. X1
ve X2 iki zm olsun.
A(X1 + X2 ) = AX1 + AX2 = 0 + 0 = 0 olup X1 + X2 bir zmdr.
A(cX1 ) = c(AX1 ) = c0 = 0 olup cX1 bir zmdr
Yani, Teorem (2.16) dan, zmler kmesi bir alt uzaydr. Bu uzaya homojen sistemin zm uzay
denir.
dev: AX = B, B 6= 0, sisteminin zmleri Rn in bir alt uzay degildir.
Gsteriniz.
DEVLER
(1) Asagdaki
V kmelerinin verilen ve islemleri ile birer vektr uzay olup olmadklarn bulunuz. Degil
ise zelliklerden hangilerini saglamad
gn
syleyiniz.
(a) V = R+ , ve bilinen + ve islemleri
(b) V = {(x, y) : x, y R}, (x, y) (x0 , y 0 ) = (x + x0 , y + y 0 ), r (x, y) = (x, ry)
(c) V = {(x, y, z) : x, y, z R}, (x, y, z)(x0 , y 0 , z 0 ) = (x+x0 , y+y 0 , z+z 0 ); r(x, y, z) =
(x, 1, z)
("
(d) V =
x
y
)
: x, y R, x 6 0
bilinen matris toplamas ve skaler arpm
(e) V = {(x, y) : x, y R}, (x, y) (x0 , y 0 ) = (x + x0 , y + y 0 ); r (x, y) = (0, 0)

(f) V = R+ , = , c = c
(g) V = R+ , = 1, c =
(h) V = R, = , c = c +
(i) V = R, = 2 , c = c
39
Hseyin BILG
(2) Asagdaki
tipteki matrislerden olusan kmelerin hangisi 2 R3 n alt uzaydr?

"
#
"
#
"
#
a b c
a b c
a b c
(a)
, b = a + c (b)
, c > 0 (c)
, a = 2c, f = 2e + d
d 0 0
d 0 0
d e f
(3) Asagdaki
tipteki matrislerden olusan kmelerin hangisi R3 n alt uzaydr?
a
a
a
a
a
a
(d) b , a > 0 (e) 0 (f) a

(a)
b
b (b) b (c)
1
0
a + 2b
c
0
c
(4) Asagdaki
kmelerin hangisi 2 R2 nin alt uzaydr?

(a) Simetrik matrisler
(b) Singler matrisler
(c) Singler olmayan matrisler
(5) Asagdaki
fonksiyonlardan olusan kmelerin hangisi reel-degerli
srekli fonksiyonlarn (Bkz. rnek (2.7) ) bir alt uzaydr?

(a) Negatif olmayan fonksiyonlar
(b) Sabit fonksiyonlar
(c) f (0) = 0 s artn saglayanlar
(d) f (0) = 5 s artn saglayanlar
(e) Trevlenebilir fonksiyonlar.
2.2
Lineer Bagmszlk
Eleman says sonlu olan tek vektr uzay {} uzaydr. nk V bir vektr uzay 6= V ise
her c R iin c V olacagndan
V sonsuz elemanl olur.

Tanm 2.23 V bir vektr uzay ve S = {1 , 2 , . . . , k } V olsun. Eger
bir V vektr
a1 , a2 , . . . , ak R olmak zere
= a1 1 + a2 2 + + ak k
s eklinde yazlabiliyorsa ya S deki vektrlerin bir lineer kombinasyonu (dogrusal
birlesimi) denir.
40
Hseyin BILG

rnek 2.24 R3 de =
1 vektr 1 = 2 , 2 = 0 ve 3 = 1
5
1
2
0
vektrlerinin bir lineer kombinasyonudur. Gsterelim.

1
1
2
1

= a1 1 + a2 2 + a3 3 = a1
2 + a2 0 + a3 1 = 1
1
0
5
2
a
+
a
+
a
=
2
1
2
3
Buradan
denklem sistemi zlrse a1 = 1, a2 = 2, a3 = 1 bulunur.
2a1 + a3
= 1
a + 2a
= 5
1
Yani = 1 + 22 3 olur.

2
1
2
1

rnek 2.25 R de 1 = 1 , 2 = 0 , 3 = 1 ve 4 = 0
2
1
0
1
vektrnn Span{1 , 2 , 3 , 4 } kmesinde olup olmadgn
inceleyiniz.
olsun. = 2
zm: = a1 1 + a2 2 + a3 3 + a4 4 olacak s ekilde a1 , a2 , a3 , a4 saylar bulunursa

Span{1 , 2 , 3 , 4 } olur.

2
1
2

a1
1 +a2 0 +a3 1
2
1
0
+a4
2a1 + a2 + 2a3 + a4 = 0
= 4
2 =
=
0
a1 + a3

1
4
2a1 + a2 a4
= 2
Ek matrisi satr eselon forma getirirsek:
.
0
1 21 1 12 ..
.
, buradan a1 = a4 , a2 = 4 a4 , a3 = 2 a4 , a4 = bir reel say.
0 1 0 4 ..
4
..
0 0 1 1 . 2
Yani Span{1 , 2 , 3 , 4 } olur. (Sonsuz miktarda a1 , a2 , a3 , a4 bulunur.)
Tanm 2.26 V bir vektr uzay S = {1 , 2 , . . . , k } V olsun. Eger
V deki her vektr S
deki vektrlerin bir lineer kombinasyonu ise S, V yi dogurur
(gerer, retir) veya V , S tarafndan

dogurulur
(gerilir, retilir) denir.

rnek 2.27 V = R3 olsun. 1 =
2 , 2 = 0 , 3 = 1 olsun. S = {1 , 2 , 3 }
1
2
0
kmesi V yi gerer mi?
41
Hseyin BILG
zm: =
b V olsun. (a, b, c herhangi 3 reel say) = a1 1 + a2 2 + a3 3 denkc
leminin zmne bakalm.
(yani her a, b, c iin a1 , a2 , a3 bulunabilecegini
gstermeye alsalm.)
a1 + a2 + a3 = a
; a2 = ab+c
; a3 = 4ab2c
bulunur.
zlrse a1 = 2a+2b+c
2a1 + a3
= b
3
3
3
a + 2a
= c
1
Grldg
gibi, her a, b, c iin a1 , a2 , a3 vardr. O halde Span{1 , 2 , 3 } = V dir.
rnek 2.28 V = P2 olsun. 1 = t2 + 2t + 1 ve 2 = t2 + 2 ise Span{1 , 2 } = V midir?
zm: a, b, c reel saylar olmak zere = at2 + bt + c V alalm. = a1 1 + a2 2 olacak
s ekilde a1 , a2 sabitleri bulmalyz.
at2 + bt + c = a1 (t2 + 2t + 1) + a2 (t2 + 2) = (a1 + a2 )t2 + (2a1 )t + (a1 + 2a2 )
a
+
a
=
a
2
1
esitliginden
sistemi elde edilir. Ek matrisi yazp indirgenmis forma getirirsek:

2a1
= b
a + 2a = c
1
2
.
1 0 ..
2a c
..
0 1 .
ca
..
0 0 . b 4a + 2c
bulunur. Eger
b 4a + 2c 6= 0 ise zm yoktur (bu esitsizligi
saglayan
a, b, c vardr.) Yani
{1 , 2 }, V yi dogurmaz.
Tanm 2.29 V bir vektr uzay S = {1 , 2 , . . . , k } V olsun. Eger
a1 1 + a2 2 + + ak k = V
olacak s ekilde, hepsi birden sfr olmayan a1 , a2 , . . . , ak sabitleri varsa S kmesine lineer bagmldr
denir. Aksi halde (yani ai lerin hepsinin 0 olmas zorunlu ise) S ye lineer bagmszdr
denir.
rnek 2.30 V = R4 olsun. 1 = [ 1 0 1 2 ], 2 = [ 0 1 1 2 ] ve 3 = [ 1 1 1 3 ] ve
S = {1 , 2 , 3 } olsun. a1 1 + a2 2 + a3 3 = diyelim. a1 , a2 ve a3 bulalm
a1 + a3
= 0
a2 + a3
= 0
zlrse a1 = a2 = a3 = 0 bulunur. Yani S lineer bagmszdr.
a1 + a2 + a3
= 0
2a1 + 2a2 + 3a3 = 0

42
Hseyin BILG
rnek 2.31 R3 de 1 =

2
, 2 = 2 , 3 = 2 ve 4 = 0 olsun. S =
1
1
1
0
{1 , 2 , 3 , 4 } kmesi lineer bagml
mdr?
zm: a1 1 + a2 2 + a3 3 + a4 4 = esitliginden
a1 + a2 3a3 + 2a4 = 0
2a1 2a2 + 2a3

= 0
a + a a
= 0
1
denklem sistemi elde edilir. m < n oldugundan
Teorem (1.68)den dolay bir trivial olmayan zm

vardr. rnegin
a1 = 1, a2 = 2, a3 = 1, a4 = 0 bir zmdr. Yani S lineer bagmldr.
rnek 2.32 R3 de 1 = [1 0 0], 2 = [0 1 0], 3 = [0 0 1] vektrleri lineer bagmszdr.
(dev)
rnek 2.33 P2 de 1 = t2 + t + 2, 2 = 2t2 + t, 3 = 3t2 + 2t + 2 verilsin. S = {1 , 2 , 3 }
lineer bagmldr.
nk 1 + 2 3 = dr.
Teorem 2.34 S1 ve S2 bir vektr uzaynn sonlu alt kmeleri ve S1 S2 olsun.
(a) S1 lineer bagml
ise S2 de lineer bagmldr.
(b) S2 lineer bagmsz
ise S1 de lineer bagmszdr.
Ispat:
(a) S1 = {1 , 2 , . . . , k } ve S2 = {1 , 2 , k , k+1 , , m } olsun. S1 lineer bagml
oldugundan
hepsi birden sfr olmayan a1 , . . . , ak saylar iin a1 1 + + ak k = dr. O

zaman
a1 2 + + ak k + 0k+1 + 0k+2 + + 0m =
olur. Yukardaki toplamn sol tarafndaki katsaylarn hepsi birden sfr olmadgndan
S2 lineer bagmldr.
Ispat:
(b) S2 lineer bagmsz
olsun. Bir an iin S1 in lineer bagml
oldugunu
kabul edelim. O zaman,

(a) dan dolay S2 lineer bagml
olur. Bu da bir eliskidir. O halde S1 lineer bagmszdr.
Not 2.35 Bir vektr uzaynda S = {} kmesi lineer bagmldr,
nk 5 = ve 5 6= 0 dr.
Buradan; y ieren bir S kmesinin lineer bagml
oldugu
sylenebilir. (Neden?)
Not 2.36 R2 ve R3 de lineer bagml
olmann anlam nedir? {1 , 2 }, R2 de lineer bagml
olsun.
Yani a1 , a2 ikisi birden sfr olmayan saylar olmak zere a1 1 + a2 2 = 0 dr.

a2
2 , veya
a1 6= 0 = 1 =
a
1
a1
a2 6= 0 = 2 =
1
a2
43
Hseyin BILG
dir. Yani biri digerinin
bir katdr. Tersine, vektrlerden biri digerinin
bir kat olsun. Mesela 1 =

a2 = 11 a2 = 0 olup {1 , 2 } kmesi lineer bagmldr.
(Bkz. S ekil 2.6) zetleyecek

olursak
{1 , 2 } lineer bagml
Biri digerinin
kat Merkezden geen ayn dogru

zerindeler.
2
1
1
O
(a) Lineer bagml
(b) Lineer bagmsz
S ekil 2.6: R2 de lineer bagml
ve lineer bagmsz
vektrler.
Benzer bir sonu R3 iin s yledir: (Gsteriniz)

R3 de vektr lineer bagmldr
Bu vektr merkezden geen ayn dzlem iindedir.

Teorem 2.37 V bir vektr uzay, S = {1 , 2 , . . . , n } V sfr olmayan vektrlerin bir kmesi
olsun. S nin lineer bagml
olmas iin gerek ve yeter s art bir j vektrnn kendinden nce gelen
vektrlerin bir lineer kombinasyonu olmasdr.
Ispat:
(=) j = a1 1 + a2 2 + + aj1 j1 olsun. O zaman
a1 1 + a2 2 + + aj1 j1 + (1)j + 0j+1 + + 0n =
olup (katsaylarn hepsi birden 0 olmadgndan)
S nin lineer bagml
oldugu
grlr.
(=) S lineer bagml
olsun. O zaman hepsi birden sfr olmayan a1 , a2 , . . . , an saylar iin

a1 1 + a2 2 + + an n =
dr. j says aj 6= 0 olacak s ekildeki en byk j olsun. Yani j = max{j : aj 6= 0} olsun. Eger
j=1
ise a1 1 = = 1 = olur, ki bu da S deki vektrlerin sfrdan farkl olmas ile elisir. O halde
j > 1 dir. Bu durumda

j =
a1
aj

1
a2
aj

2
aj1
aj

j1 .
Yani S deki vektrlerin biri kendinden ncekilerin bir lineer kombinasyonudur.
44
Hseyin BILG
rnek 2.38 V = R3 ve 1 = [1 2 1], 2 = [1 2 1], 3 = [3 2 1], 4 = [2 0 0] olsun.

1 + 22 + 3 + 04 = olup 3 = 1 22 olur. Ayrca 1 + 2 + 03 4 = olup
4 = 1 + 2 + 03 . Yani, btn vektrlerin digerlerinin
lineer kombinasyonu olmas gerekmez.

Sonu 2.39 S = {1 , 2 , , n } bir V vektr uzaynn alt kmesi olsun. S lineer bagml
S deki bir vektr digerlerinin
lineer kombinasyonudur.
Sonu 2.40 V bir vektr uzay olsun ve S = {1 , 2 , . . . , n } V yi dogursun.
j kendinden nceki vektrlerin lineer kombinasyonu olsun. O zaman

S1 = S \ {j } = {1 , 2 , . . . , j1 , j+1 , . . . , n }
kmesi de V yi dogurur.
Ispat:
V olsun. Span(S) = V oldugundan
a1 , a2 , . . . , an skalerleri vardr yle ki

= a1 1 + + aj1 j1 + aj j + aj+1 j+1 + + an n .
Eger
j = b1 1 + b2 2 + + bj1 j1 ise o zaman
= a1 1 + + aj1 j1 + aj (b1 1 + b2 2 + + bj1 j1 ) + aj+1 j+1 + + an n
= c1 1 + c2 2 + + cj1 j1 + cj+1 j+1 + + cn n
olur. (Burada ci ifadeleri hesaplanabilir). Son toplamda j olmadgndan
Span(S1 ) = V oldugu
grlr. (Her V iin bu yaplabildiginden)

1
1
0
2

1
0
1
1

rnek 2.41 R4 de 1 = , 2 = , 3 = , 4 = ve S = {1 , 2 , 3 , 4 }
0
1
1
1

0
0
0
0
olsun. W = Span(S) olsun. 4 = 1 + 2 oldugundan
S1 = {1 , 2 , 3 } olmak zere W =
Span(S1 ) diyebiliriz. Yani W uzayn dogurmak
iin 4 elemanna ihtiya yoktur.
ALISTIRMALAR
1. P2 de p1 (t) = t2 + 2t + 1 , p2 (t) = t2 + 3 , p3 (t) = t 1 olsun. Asagdaki
p(t) vektrlerinden
hangileri Span{p1 (t), p2 (t), p3 (t)} kmesine aittir.
(a) p(t) = t2 + t + 2
(b) p(t) = 2t2 + 2t + 3
(c) p(t) = t2 + t 4
(d) p(t) = 2t2 + 3t + 1
2. R3 de asagdaki
kmelerden hangisi lineer bagmldr.
Lineer bagml
olanlarda bir vektr diger

lerinin lineer kombinasyonu olarak yaznz.
45
Hseyin BILG

(a) {[1, 1, 0], [0, 2, 3], [1, 2, 3], [3, 6, 6]}
(b) {[1, 1, 0], [3, 4, 2]}
(c) {[1, 1, 0], [0, 2, 3], [1, 2, 3], [0, 0, 0]}
3. c nin hangi degerleri
iin, P1 de, {t + 3, 2t + c2 + 2} lineer bagmldr.
2.3
Baz ve Boyut
Tanm 2.42 V bir vektr uzay, S = {1 , 2 , . . . , k } V olsun. Eger

S lineer bagmsz
ise ve
Span(S) = V ise S ye V nin bir baz (taban) denir.

1 0 0
, 1 , 0 olsun. S, R3 n bir bazdr. Bu baza R3

rnek 2.43 V = R3 olsun. S =
0

0
0
1
n dogal
baz denir. Benzer s ekilde R3 n dogal
baz S = {[1 0 0], [0 1 0], [0 0 1]} kmesidir. Rn
uzaynn dogal
baznn elemanlar 1 , 2 , . . . , n ile gsterilir. Burada i eleman iinci satr 1 diger
elemanlar 0 olan vektrdr.
0
.
.
.

i =
1 i.satr.
.
..

0

1
0
0

3
R n dogal
baznn elemanlar, ayrca, i = 0 , j = 1 , k = 0
ile gsterilir.
0
0
1
a1
R3 deki herhangi bir =

a2 vektr a1 i + a2 j + a3 k s eklinde yazlr.
a3
rnek 2.44 S = {t2 + 1, t 1, 2t + 2} kmesinin P2 nin bir baz oldugunu
gsteriniz.
zm: Span(S) = P2 ve S nin lineer bagmsz
oldugunu
gstermeliyiz. at2 + bt + c P2 alalm.

at2 + bt + c = a1 (t2 ) + a2 (t 1) + a3 (2t + 2) olacak s ekilde a1 , a2 , a3 R bulmalyz. Buradan:
a1 = a
c+ba
a+bc
, a3 =
= a1 = a, a2 =
a2 + 2a3 = b
2
4
a a + 2a = c
1
46
Hseyin BILG

bulunur. Her a, b, c iin a1 , a2 , a3 bulunabildiginden
Span(S) = P2 dir.
S imdi de S nin lineer bagmsz
oldugunu
gsterelim. a1 (t2 + 1) + a2 (t 1) + a3 (2t + 2) = 0

dersek buradan a1 = a2 = a3 = 0 olmas gerektigi
grlr. (dev). Sonu: S, P2 iin bir bazdr.
rnek 2.45 1 = [1 0 1 0], 2 = [0 1 1 2], 3 = [0 2 2 1] ve 4 = [1 0 0 1] olsun.
S = {1 , 2 , 3 , 4 } kmesinin R4 iin bir baz oldugunu
gsterin. (dev)
Teorem 2.46 Eger
S = {1 , 2 , . . . , n } kmesi bir V vektr uzaynn bir baz ise V deki her
vektr S deki vektrlerin bir lineer kombinasyonu olarak tek trl yazlabilir.
Ispat:
Span(S) = V oldugu
iin her V vektr S deki vektrlerin bir lineer kombinasyonu
olarak yazlabilir.
= a1 1 + a2 2 + + an n , ve
= b1 1 + b2 2 + + bn n
iki farkl s ekilde yazlms olsun. i = 1, 2, . . . , n iin ai = bi oldugunu
gstermeliyiz. S imdi
= = (a1 1 + a2 2 + + an n ) (b1 1 + b2 2 + + bn n )
= (a1 b1 )1 + (a2 b2 )2 + + (an bn )n
olup S lineer bagmsz
oldugundan
i = 1, 2, . . . , n iin ai bi = 0 olmaldr; yani ai = bi
olmaldr. Ispat
biter.

Teorem 2.47 Eger
S = {1 , 2 , . . . , n } kmesi sfr olmayan vektrlerin bir kmesi ve Span(S) =
V ise S kmesi V iin bir T baz ierir.
Ispat:
Eger
S lineer bagmsz
ise S, V iin bir bazdr; yani T = S alnabilir. S lineer bagml
ise bir j
vektr kendinden ncekilerin lineer kombinasyonudur. S1 = S \ {j } yazlr ve Span(S1 ) = V
dir. S1 lineer bagmsz
ise S1 bazdr. S1 lineer bagml
ise benzer s ekilde S2 = S1 \ {j } bulunur.

Bu s ekilde devam edilirse T S lineer bagmsz
olacak s ekilde bir T baz bulunur.
V yi geren bir S kmesinden T baz s yle elde edilir:

Adm.1. a1 1 + a2 2 + + an n = esitligi
olusturulur.
Adm.2. Buradan ek matris olusturulur ve bu matris indirgenmis satr eselon forma getirilir. (Not:
Satr eselon forma getirmek de yeterlidir.)
Adm.3. Bas eleman olan 1 saysn bulunduran kolona ait vektrler V = Span(S) uzay iin bir
baz olusturur.
47
Hseyin BILG
rnek 2.48 V = R3 olsun. 1 = [1 0 1], 2 = [0 1 1], 3 = [1 1 2], 4 = [1 2 1], 5 =

[1 1 2] olsun. S = {1 , 2 , 3 , 4 , 5 } kmesi V yi gerer. (Kontrol ediniz.) S imdi S nin alt
kmesi olan ve V nin baz olan T kmesini bulalm.
Adm.1.
a1 [1 0 1] + a2 [0 1 1] + a3 [1 1 2] + a4 [1 2 1] + a5 [1 1 2] = [0 0 0]
Adm.2.
a1 + a3 + a4 a5 = 0
a2 + a3 + 2a4 + a5 = 0
a1 + a2 + 2a3 + a4 2a5 = 0
.
2 .. 0
.

1 1 0 1 .. 0
.
0 0
1 1 .. 0

1 0
Ek matris:
0
(ind. satr eselon formu)
0
Adm.3. Bas elemanlar 1., 2. ve 4. kolonlardadr. Yani T = {1 , 2 , 4 } kmesi R3 iin bir bazdr.
Not: S nin yazlsnda vektrlerin sras degi
stirilirse V nin baska bir baz elde edilebilir. rnegin
1 = 5 , 2 = 4 , 3 = 3 , 4 = 2 , 5 = 1 yazlrsa S = {1 , 2 , 3 , 4 , 5 } kmesinden
{1 , 2 , 3 } = {5 , 4 , 3 } baz elde edilir.
Teorem 2.49 Eger
S = {1 , 2 , . . . , n } kmesi bir V vektr uzaynn baz ve T = {1 , 2 , . . . , r }
lineer bagmsz
vektrlerin bir kmesi ise r 6 n dir.
Ispat:
(Uzun oldugu
iin atlyoruz)
Sonu 2.50 Eger
S = {1 , 2 , . . . , n } ve T = {1 , 2 , . . . , m } bir V vektr uzaynn bazlar
ise n = m dir.
Ispat:
S bir baz ve T lineer bagmsz
oldugundan
m 6 n dir. Ayrca T bir baz ve S lineer bagmsz
oldugundan
n 6 m dir. Yani n = m dir. Sonu olarak bir vektr uzaynn her baznda ayn sayda
eleman vardr deriz.
Tanm 2.51 Bir V vektr uzaynn bir bazndaki eleman saysna (sonlu ise) V nin boyutu denir ve
boy(V ) ile gsterilir. V = {} ise boy(V ) = 0 olarak tanmlanr.
rnek 2.52 S = {t2 , t, 1} kmesi P2 iin bir baz olup boy(P2 ) = 3 dr.
rnek 2.53 1 = [0 1 1], 2 = [1 0 1], 3 = [1 1 2] ve S = {1 , 2 , 3 } olsun. V =
Span(S), R3 n alt uzay olsun. V deki her vektr a1 1 + a2 2 + a3 3 s eklindedir. 3 = 1 + 2
oldugundan
S lineer bagmldr.
S1 = {1 , 2 } dersek Span(S1 ) = V olur. S1 lineer bagmsz
oldugundan
(kontrol edin) S1 , V nin bir bazdr. Yani boy(V ) = 2 dir.
48
Hseyin BILG
Sonu 2.54 V nin boyutu n ise, V deki lineer bagmsz
en byk kme (en fazla elemanl kme) n

elemanldr ve V nin bir bazdr.
Ispat:
S = {1 , 2 , . . . , k } V en byk lineer bagmsz
kme olsun. Eger

Span(S) = V ise
S bir baz olup ispat biter. Eger
Span(S) 6= V ise V de 1 , 2 , . . . , k larn lineer kombinasyonlar
olarak yazlamayan bir vektr vardr. O zaman {1 , 2 , . . . , k , } lineer bagmszdr.
Bu da S
nin en byk lineer bagmsz
kme olmas ile elisir. Yani V = Span(S) dir. O halde S bir bazdr
ve k = n dir.
Sonu 2.55 Eger

boy(V ) = n ise V yi geren en kk kmede n vektr vardr ve bu kme V nin
bir bazdr. Yani boy(V ) = n ise n + 1 elemanl kme lineer bagmldr.
Ayrca n 1 elemanl bir

kme V yi doguramaz.
Sonu 2.56 boy(V ) = n ise m > n elemanl bir kme lineer bagml
olmaldr.
Sonu 2.57 boy(V ) = n ise m < n elemanl bir kme V yi doguramaz.
rnek 2.58 boy(R3 ) = 3, boy(R2 ) = 2, boy(Rn ) = n, boy(Rn ) = n dir. boy(P3 ) = 4 dr;

nk {t3 , t2 , t, 1} bir bazdr. Genelde boy(Pn ) = n + 1 dir.
Tanm 2.59 Sonlu elemanl bir baz olan vektr uzayna sonluboyutlu vektr uzay denir. Sonsuz
sayda elemanl baz olan vektr uzaynda sonsuzboyutlu vektr uzay denir. rnegin;
btn polinomlarn vektr uzay P sonsuz boyutludur.
dev: Eger
V sonlu boyutlu bir vektr uzay ve {} =
6 W , V nin bir alt uzay ise boy(W ) 6
boy(V ) oldugunu
gsterin.
rnek 2.60 R2 nin btn alt uzaylarn belirleyiniz?
zm: Yani xy dzleminin alt uzaylarn belirleyelim. ncelikle {} ve R2 trivial alt uzaylar
vardr. Bunlar 0 ve 2 boyutludur. Bir 6= vektr tarafndan gerilen uzay tek boyutludur ve
orjinden geen dogrulardan
olusur.
Teorem 2.61 Eger
S bir nboyutlu V vektr uzaynn bir lineer bagmsz
kmesi ise V nin S yi

ieren bir T baz vardr.
Ispat:
S = {1 , 2 , . . . , m } ve m < n olsun. {1 , 2 , . . . , n }, V nin bir baz olsun. S1 =
{1 , 2 . . . , m , 1 , 2 , . . . , n } olsun. Span(S1 ) = V oldugundan
S1 kmesi V iin bir T baz

ierir. ( Teorem (2.47) den dolay). T baz, S1 den, kendinden ncekilerin lineer kombinasyonu olanlar
atlarak elde edilirdi. S lineer bagmsz
oldugundan
i lerin hibirisi atlamaz. Dolaysyla S T

olmaldr.
49
Hseyin BILG

rnek 2.62 R3 de = [1 0 1] vektrn ieren bir baz bulunuz.
zm: 1 = [1 0 0], 2 = [0 1 0], 3 = [0 0 1] olmak zere {1 , 2 , 3 }, R3 n dogal

bazdr.
S1 = { , 1 , 2 , 3 } olsun. 1 nn lineer kombinasyonu olmadgndan
1 i tutarz. 2 vektr
ve 1 in lineer kombinasyonu mudur? Cevap hayr oldugu
iin 2 yi de tutarz. 3 vektr , 1 ve
2 nin lineer kombinasyonu oldugundan
(kontrol edin) 3 sileriz. Istenen

baz {, 1 , 2 } dir.
Teorem 2.63 V, nboyutlu bir vektr uzay olsun.
(a) Eger
S = {1 , 2 , . . . , n } lineer bagmsz
ise S, V nin bir bazdr.

(b) Eger
S = {1 , 2 , . . . , n } V yi dogurur
ise S, V nin bir bazdr.

rnek 2.64 Asagdaki
homojen sistemin zm uzay V iin bir baz bulunuz.

1 2 0 3 1
x1
0

2 3 0 3 1 x2
0

1 1 2 2 1 x3 = 0

3 5 0 6 2 x
0
4

2 3 2 5 2
x5
0
zm: GaussJordan yntemiyle asagdaki
sistem elde edilir.

x1
0
3s + t
1 0 0 3 1

0
3s t
0 1 0
3
1
x2
1
1
x3 = 0 Genel zm: X = s 2 t (s, t R)
0 0 1
1
2
0 0 0
0
0
s
4
0 0 0
0
0
x5
t
0
3
1
(
)
(
)
s=1
s=0
1
ve
verilirse
X = s 1 + t 2 s eklinde yazlabilir.
t
=
0
t
=
1
1
0
0
1
1
3
X1 = 1 ve X2 = 21
0
1
0
1
zmleri bulunur. Span({X1 , X2 }) = V oldugu
aktr. Ayrca {X1 , X2 } lineer bagmsz
oldugu
iin (biri digerinin
kat olmadgndan)
zm uzay iin bir bazdr. Yani boy(V ) = 2 bulunur.

50
Hseyin BILG
2.4
Koordinatlar ve Izomorfizmler
V bir vektr uzay ve S = {1 , 2 , . . . , n }, V nin sral bir baz olsun. (Yani Sdeki vektrlerin
bir yazls sras olsun). V vektr a1 , a2 , . . . , an
zere = a1 1 + a2 2 + +
R olmak
a1
a2
an n s eklinde (tek trl) yazlr. Bu durumda []S = . vektrne nn S sral bazna gre
..
an
koordinat vektr denir. []S nin elemanlarna da nn Sye gre koordinatlar denir.
"
rnek 2.65 : P1 de S = {t, 1} bir bazdr. = p(t) = 5t 2 olsun.[]S =
5
2
#
dir. T =
"
{t + 1, t 1} de P1 in bir bazdr. = 5t 2 =
3
(t
2
+ 1) + 72 (t 1) olup []T =
3
2
7
2
#
dir.
Bazdaki yazls sras degi

sirse koordinatlar da degi
sir.

rnek 2.66 R3 de 1 =
1 , 2 = 0 , 3 = 1 olmak zere S = {1 , 2 , 3 } kmesi
0
1
2
1
3
olsun. = 31 2 23 olup []S = 1 dir.

bir bazdr. =
1
5
2
Not 2.67 {1 ,
2 , . .
. , n } bir V vektr uzaynn sral baz, V ve V olsun. []S = []S
a1
b1
a2
b2
olsun. []S = . ve []S = . olsun. Yani ai = bi (i = 1, 2, . . . , n) dir.

..
..
an
bn
= a1 1 + a2 2 + + an n = b1 1 + b2 2 + + bn n =
olup = dr. Yani ayn sral baza gre koordinatlar ayn olan iki vektr esittir.
Izomorfizmler
ve , nboyutlu bir V vektr uzaynn elemanlar olsun. S = {1 , 2 , . . . , n } V nin bir sral
baz olsun. = a1 1 + a2 2 + + an n ve = b1 1 + b2 2 + + bn n olsun. ve
51
Hseyin BILG

vektrlerine Rn de []S ve []S vektrleri karslk gelir.
7 []S
7 []S
+ = (a1 + b1 )1 + + (an + bn )n olup [ + ]S = []S + []S dir. Yani

+ 7 []S + []S
Ayrca c = (ca1 )1 + + (can )n olup [c]S = c[]S dir.
c 7 c[]S
Yani cebirsel olarak V uzay ile Rn uzay "benzer" zellikler gsterir. Bu tr uzaylara bir isim verecegiz:
Tanm 2.68 V, ve islemiyle bir vektr uzay ve W da ve
islemleriyle bir vektr uzay olsun.
Eger
V den W ya 11 ve rten L fonksiyonu asagdaki
s artlar saglyorsa
L ye V den W zerine bir

izomorfizm denir.
(a) L( ) = L() L(), (her , V iin)
(b) L(c ) = c
L(),
(her V, c R iin)
Bu durumda V, W ya izomorfiktir denir.

Not: V, W ya izomorfik ise W da V ye izomorfiktir. Bu durumda V ile W izomorfiktirler diyebiliriz.
Hatrlatma: Eger
1 , 2 V iin L(1 ) = L(2 ) = 1 = 2 oluyorsa L ye 11 dir denir. Eger
her W iin L() = olacak s ekilde en az bir V varsa L ye rtendir denir. rnegin,
"
#
a1
a
+
a
1
2
3
2
L : R R , L
a2 =
a1
a3
"
b1
b1
a1
verilsin. L() = olacak s ekilde =

a2
b2
a3
aryoruz. (a1 , a2 , a3 lerin b1 , b2 cinsinden her zaman bulunabilmesi gerekir.)
dnsm rtendir; gsterelim. =
"
L() =
a1 + a2
a1
"
=
b2
= a1 = b2 , a2 = b1 b2 ve a3 R
52
Hseyin BILG
elde ederiz. Yani L rtendir. Ama L 11 degildir.
nk

" #
1
1

3

1 =
2 ve 2 = 2 iin L(1 ) = L(2 ) = 1 dir.
3
4
Izomorfik
uzaylarn elemanlar farkldr, ama cebirsel zellikleri ayndr.
Teorem 2.69 Eger
V , nboyutlu bir vektr uzay ise V, Rn ye izomorfiktir.
Ispat:
S = {1 , 2 , . . . , n } V nin bir sral baz olsun. L : V Rn dnsm
a1
L() = []S =
a2
..
.
an
olarak tanmlansn. Burada = a1 1 + a2 2 + + an n oldugu
aktr. L nin bir izomorfizm
oldugunu
gsterelim.
L 11 dir: , V olsun. L() = L() olsun. Yani []S = []S olsun. (Bu iki vektrn Sye gre
koordinatlar ayn olsun.) Not (2.67) de gsterildigi
gibi "ayn baza gre koordinatlar ayn olan iki
vektr esittir". O halde = dr.
b1
b2
L rtendir: = . Rn verilsin. = b1 1 + b2 2 + + bn n seilirse L() = oldugu
..
bn
aktr. Yani L rtendir.
a1
a2
S imdi de tanmda verilen iki s artn sagland
gn
gsterelim: , V verilsin. []S = . ve

..
an
ca1
a1 + b1
b1
a2 + b2
b2
ca2
aktr. O
[]S = . olsun. [ + ]S =
ve c R iin [c]S = . oldugu
..
.
..
.
.
can
bn
an + bn
halde
L( + ) = [ + ]S = []S + []S = L() + L()
ve
L(c) = [c]S = c[]S = cL()
53
Hseyin BILG

olup L dnsm 4 s art saglad
gndan
V uzay Rn e izomorfiktir.
Lemma 2.70 L : V W bir izomorfizm olsun. O zaman

(a) L(V ) = W
(b) L( ) = L() L()
(her , V iin)
Ispat
(a): L bir izomorfizm oldugundan:
V + V = V = L(V + V ) = L(V )
= L(V ) + L(V ) = L(V )
| {z } | {z }
| {z }
W
= L(V ) = W .
(L(V ) sadelesirse)
Ispat
(b): nce, Teorem (2.11.d) kullanlrsa:

L() = L (1) = (1)L() = L()
elde edilir. Daha sonra da ispat s yle tamamlanr:
L( ) = L( + (1)) = L() + L((1)) = L() + (L()) = L() L().
Teorem 2.71 Izomorfik

olma bagnts
asagdaki
zellikleri saglar:
(a) Her V vektr uzay kendine izomorfiktir.

(b) V, W ya izomorfik ise W da V ye izomorfiktir.
(c) U, V ye; V de W ya izomorfik ise U, W ya izomorfiktir.
Ispat
(a) L : V V, her V iin L() = birim (zdeslik) dnsmnn bir izomorfizm
oldugu
gsterilerek ispat yaplr.
Ispat
(b) L : V W bir izomorfizm ise L1 : W V dnsmnn bir izomorfizm oldugu
gsterilerek ispat yaplr. (L 11 ve rten oldugundan
L1 mevcuttur.)
Ispat
(c) L1 : U V, L2 : V W iki izomorfizm ise L2o L1 : U W bileske dnsmnn bir izomorfizm oldugu
Teorem 2.72 Sonlu boyutlu iki vektr uzaynn izomorfik olmalar iin gerek ve yeter s art boyutlarnn esit olmalardr.
Ispat:
(=)V ve W nboyutlu iki uzay olsun. V ile Rn izomorfiktir ve W ile Rn izomorfiktir (Teorem (2.69)). S imdi; Teorem (2.71.c) den dolay V ile W izomorfiktir.
54
Hseyin BILG
Ispat:(=)V
ile W izomorfik olsunlar. L : V W bir izomorfizm olsun ve boy(V ) = n olsun.
(Biz boy(W ) = n oldugunu
gsterecegiz).
S = {1 , 2 , . . . , n }, V nin bir sral baz olsun.

S imdi T = {L(1 ), L(2 ), . . . , L(n )} kmesinin W nun bir baz oldugunu
gsterecegiz.
Baz
olmann iki s artnn sagland
gn
gsterelim.
bir V iin L() = dr. =

Span(T ) = W dur: W olsun. L rten oldugundan
a1 1 + a2 2 + + an n s eklinde yazlms olsun. (ai ler tek trl belirlenir).
L
L() = L(a1 1 + a2 2 + . . . + an n ) ======= a1 L(1 ) + a2 L(2 ) + . . . + an L(n )

izomorfizm
olup Span(T ) = W dur.

T lineer bagmszdr:
a1 L(1 ) + a2 L(2 ) + + an L(n ) = W olsun. L bir izomorfizm oldugundan
L(a1 1 +
a2 2 + + an n ) = W elde ederiz. S imdi L(V ) = W oldugundan
(Lemma (2.70)) ve L 11
oldugundan
a1 1 + a2 2 + + an n = V olmaldr. S imdi de, S lineer bagmsz
oldugundan
a1 = a2 = . . . = an = 0 elde edilir. Yani T lineer bagmszdr.
Sonu olarak; T, W iin bir bazdr. T kmesi aslnda S kmesinin grntsdr. S kmesi n
elemanl oldugundan
ve L 11 oldugundan
T kmesi de nelemanldr. O halde boy(W ) = n

dir.
Sonu 2.73 V sonlu boyutlu ise ve Rn e izomorfik ise boy(V ) = n dir. Pn ile Rn+1 ve Rn+1 izomorfiktirler; nk boyutlar (n + 1) dir.
Dnsm Matrisleri
S = {1 , 2 , . . . , n } ve T = {1 , 2 , . . . , n } bir nboyutlu V vektr uzay iin iki sral baz
olsun. V iin
c1
= c1 1 + c2 2 + + cn n s eklinde ise []S =
c2
..
.
cn
dir. O halde
[]T = [c1 1 + c2 2 + + cn n ]T = c1 [1 ]T + c2 [2 ]T + . . . + cn [n ]T .
55
Hseyin BILG
a1j
a2j
S imdi [j ]T = .
..
anj
a11
a21
[]T = c1 .
..
an1
a11
olsun. O zaman
a12
a22
+ c2 .
..
an2
a12
a1n
a1n
a2n
+ . . . + cn .
..
ann
a1n
c1
a21 a22 a2n
= .
..
..
..
..
.
.
.
an1 an2 ann
c2
..
.
a11
a12
cn
a21 a22 a2n
veya P = .
olmak zere []T = P []S dir. Buradaki P matrisine S
..
..
an1 an2 ann

bazndan T bazna dnsm matrisi denir.
Acaba P singler midir, singler degil
midir?
Bir iin P []S = Rn olsun. Yani P []S = []T = Rn dir. S imdi

b1
0

b2
0

= b1 1 + b2 2 + + bn n ise . = []T = Rn = . olur.
..
..

bn
0
Yani = 01 + + 0n = V dir. O halde []S = Rn olur. O zaman P X = 0 homojen
sisteminin tek zm trivial zmdr. Buradan P nin singler olmadg
grlr (Teorem (1.81)).
Bu durumda []S = P 1 []T olup P 1 de T bazndan Sbazna dnsm matrisi olur. P 1 in
jinci kolonu [j ]S dir.

6
4
5
2 1 1
, 1 , 5 ve T = 0 , 2 , 1
rnek 2.74 V = R3 olsun. S =
3

3
1
1
0
3
2
56
Hseyin BILG
kmeleri V nin sral bazlar olsun. S bazndan T bazna dnsm matrisini bulalm:

6
2
1
1
2

1 =
3 = 2 0 + 1 2 + 1 1 = [1 ]T = 1
3
1
0
1
1
4
2
1
1
2
= 2 0 (1) 2 + 1 1 = [2 ]T = 1
2 =
1
3
1
0
1
1

5
2
1
1
1

3 = 5 = 1 0 + 2 2 + 1 1 = [3 ]T = 2
2
1
0
1
1
2 1
P =
1 1 2 istenen dnsm matrisidir. S imdi
1
1 1
y S deki vektrler cinsinden yazalm.
4
6
5
4
=
9 = 1 3 + 2 1 2 5
5
3
3
2
2 1
=
9 verilsin. []T yi bulmak iin
5
olup []S =
2
dir.
2
2 = 5 olmaldr. Gerekten de:

Bu durumda []T = P []S =
1
1
2
1
1 1
2
1

4
0 5 2 + 1 1 = elde edilir.
1
0
1
Yani []T =
5
1
T bazndan S bazna dnsm matrisi (Q diyelim):
P 1 =
3
2
12
1
2
12
52
3
2
57
Hseyin BILG

dir. Kontrol edelim:
3
3
2
3

6
1
3
2
3

6
3
+
2
3
1
1 1
2
3
1
1 + 0
2
3
3
1 + 2
2
3
=
5
5
=
2
5
=
2
Yani Q = P 1 dir.
rnek 2.75 V = P1 uzaynn iki sral baz S = {t 1, t + 1} ve T = {t, t 2} olsun.
1
1
1
2
1 = t 1 = t + (t 2) = [1 ]T =
1
2
2
2
3
3
1
2
2 = t + 1 = t (t 2) = [2 ]T =
1
2
2
2
olur. S den T ye dnsm matrisi P =
1
2
3
2
1
2
12
bulunur.
"
Mesela; = 5t + 1 in S bazna gre koordinatlar: []S =

natlar:
"
[]T = P []S =
1
2
1
2
3
2
12
#"
3
#
tr. nn T bazna gre koordi"
11
2
12
olmaldr. Kontrol edelim. Gerekten de = 5t + 1 = 11t 21 (t 2) oldugu

grlr. Bu rnekte
T bazndan S bazna dnsm matrisi:
"
P 1 =
1
2
1
2
3
2
12
#
dir.

, 2 = 1 , 3 = 0 olsun. T = {1 , 2 , 3 }, R3 iin bir bazdr.
rnek 2.76 1 =
0

1
1
0
1
1 2
(Kontrol edin.) S = {1 , 2 , 3 } diyelim. S den T ye dnsm matrisi P =

1 1
2
ise
1 1 1
58
Hseyin BILG

S yi bulunuz. (dev)
2.5
Bir Matrisin Rank
a11
a12
a1n
a21 a22 a2n
Tanm 2.77 A = .
bir m n matris olsun. A nn satrlar (Rn nin vektr..
..
..
..
.
.
.
am1 am2 amn

leri olarak dsnlrse) Rn nin bir alt uzayn dogururlar.
Bu uzaya A nn satr uzay denir. A nn

stunlar da Rm nin vektrleridir ve Rm de bir alt uzay dogururlar.
Bu uzaya da A nn stun uzay

denir.
Teorem 2.78 Eger
A ve B iki tane m n satr (stun) esdeger
matrisler ise A ile B nin satr (stun)
uzaylar ayndr.
Ispat:
(Ispat
"satr" iin yapyoruz) A ve B satr esdeger
ise B nin satrlar A nn satrlarndan sonlu
sayda elementer satr islemleri ile elde edilmistir. Yani B nin her satr A nn satrlarnn bir lineer
kombinasyonudur. O halde B nin satr uzay A nn satr uzay iindedir. Benzer s ekilde, A nn satr
uzay B nin satr uzay iindedir. Yani bunlar esittir.
Not: Bu teoremi verilen bir kme tarafndan dogurulan
uzayn bir bazn bulmak iin kullanabiliriz:

rnek 2.79 1 = [1 2 1], 2 = [1 1 1], 3 = [1 3 3], 4 = [3 5 1] ve 5 = [1 4 5]
olsun. R3 de S = {1 , 2 , 3 , 4 , 5 } kmesi tarafndan dogurulan
V alt uzay iin bir baz bulalm.
1 2 1
1
1 1
zm: A = 1 3 3 matrisi olsun. V uzay A matrisinin satr uzaydr. Elementer sa
3 5 1
1 4 5
1 0 3
0 1 2
tr islemleri uygulanrsa B = 0 0
0 matrisi elde edilir. Bu matris indirgenmis satr eselon
0 0
0 0
0
formdadr. A nn satr uzay ile B nin satr uzay ayndr. B nin satr uzay iin bir baz 1 = [1 0 3]
ve 2 = [0 1 2] olmak zere {1 , 2 } kmesidir. Dolaysyla {1 , 2 }, V iin bir bazdr.
59
Hseyin BILG
Not 2.80 Ay indirgenmis satr eselon forma getirmek zorunda degiliz.
Fakat (kolaylk asndan)

eger
B matrisi indirgenmis formda ise B nin sfr olmayan satrlar V iin bir bazdr.
Not 2.81 Dikkat edilirse bu metodla elde edilen bazda S nin elemanlar olmayabilir.
rnek 2.82 V uzay P4 de
S = {t4 + t2 + 2t + 1, t4 + t2 + 2t + 2, 2t4 + t3 + t + 2, t4 + t3 t2 t}
|
{z
} |
{z
} |
{z
} |
{z
}
1
kmesi tarafndan dogurulan
uzay olsun. V iin bir baz bulalm.

zm: P4 ile R5 izomorfiktirler; nk
L : P4 R5 ,
L(at4 + bt3 + ct2 + dt + e) = [a b c d e]
s eklinde verilen fonksiyon bir izomorfizmdir. V uzay R5 deki bir W alt uzayna izomorfiktir. Bu W
uzay {L(1 ), L(2 ), L(3 ), L(4 )} tarafndan dogurulmu
stur. S imdi W iin bir baz rnek 2.79

daki yntemle bulalm. W uzay asagdaki
matrisin satr uzaydr.
1 0
1
2 1
1
1 0
1
2 2
0
A=
B=
. Bunun satr esdegeri
2 1
0
0
1 2
1 1 1 1 0
0
2 0
1 2 3 0
matrisidir.
0
0
0 1
0
0
0 0
Bu durumda W iin bir baz, 1 = [1 0 1 2 0], 2 = [0 1 2 3 0] ve 3 = [0 0 0 0 1] olmak

zere olmak zere T = {1 , 2 , 3 } kmesidir. V iin bir baz da {L1 (1 ), L1 (2 ), L1 (3 )} =
{t4 + t2 + 2t, t3 2t2 3t, 1} kmesidir.
Tanm 2.83 Bir A matrisinin satr(stun) uzaynn boyutuna A nn satr (stun) rank denir. Verilen
bir A matrisinin satr rankn bulmann kolay yolu:
indirgenmis
A B,
satr eselon form
"B nin sfr olmayan satrlarnn says"= satrrank(A)

3 1
1 0
1
3
4
3
0 1
2
1
2 3
1
rnek 2.84 A =
matrisi B =
0 0 0
3
3
5 4
3
1 1 1 2 1
0 0 0
degerdir.
Yani satrrank(A) = satrrank(B) = 2.
5
3
13
0
0
matrisine satr es0
Not 2.85 A matrisi m n matris olsun. boy(Rn ) = n oldugu

iin satrrank(A) 6 n dir. Ayrca A nn satr uzay m vektr tarafndan doguruldu
gu
iin satrrank(A) 6 m dir. O halde
satrrank(A) 6 min{m, n} diyebiliriz.
60
Hseyin BILG

Teorem 2.86 Bir A = [aij ] m n matrisinin satr rank stun rankna esittir.
Ispat:
1 , 2 , . . . , m vektrleri A nn satr vektrleri olsun. Yani
i = [ai1 , ai2 , . . . , ain ], i = 1, 2, . . . , m.
satrrank(A) = s olsun. {1 , 2 , . . . , s } kmesi A nn satr uzay iin bir baz olsun.

i = [bi1 , bi2 , . . . , bin ], i = 1, 2, . . . , s
olsun. Satr vektrlerin her biri 1 , 2 , . . . , s lerin bir lineer kombinasyonudur.
1 = c11 1 + c12 2 + + c1s s
2 = c21 1 + c22 2 + + c2s s
..
.
m = cm1 1 + cm2 2 + + cms s
matrisin esitliginden
diyelim (burada cij ler tek trl belirlenmistir.) Iki
a1j
= c11 b1j + c12 b2j + + c1s bsj
a2j = c21 b1j + c22 b2j + + c2s bsj

..
.
amj
= cm1 b1j + cm2 b2j + + cms bsj
veya
a1j
a2j
.
..
amj
c11
c21
= b1j .
..
cm1
c12
c22
+ b2j .
..
cm2
c1s
c2s
+ + bsj .
..
cms
(j = 1, 2, . . . , n)
A nn her kolonu, stane vektrn lineer kombinasyonudur, bu yzden stunrank(A) 6 s =

satrrank(A). Benzer s ekilde satrrank(A) 6 stunrank(A) elde edilir. Yani bunlar esittir.
rnek 2.87 A matrisi rnek 2.84deki matris olsun. Ann kolon uzay Ann kolonlar tarafndan
dogurulan
uzaydr. (R4 n alt uzaydr)

1
2
3

2
1
2

1 = , 2 =
, 3 =
3
3
5

1
1
1
satr olarak yazarsak:
3
1
, 4 = ve 5 =
4
3
2
1
61
. A nn kolonlarn
Hseyin BILG
1 2 3 +1
1 0 1 1
2 1 3 1
0 1 1
1
0
A = 3 2 5 1 . A n indirgenmis satr eselon forma getirirsek: C = 0 0 0
0
1 3 4
0 0 0
2
0
2 1 3 1
0 0 0
0
0 nn satr uzay iin bir bazdr ve
elde
edilir.
Bu
durumda
{[1
0
1
1],
[0
1
1
1]}
kmesi
A
1
0
0 1
, kmesi de A nn stun uzay iin bir bazdr. Yani stunrank(A) = 2 dir.
1 1
1
1
Not: A nn satrrank, A nn stunrankna esit oldugundan
bundan sonra ksaca "A nn rank"

diyecegiz.
O halde rank(In ) = n dir.
Teorem 2.88 A ve B esdegerdir
rank(A) = rank(B)
Teorem 2.89 A, n n matris olsun. rank(A) = n A, In in satr esdegeridir.
Sonu 2.90 A, n n matris olsun. A singler degil

rank(A) = n
Sonu 2.91 A, n n matris olsun. AX = 0 homojen sisteminin trivial olmayan zm var
rank(A) < n.
1 2 0
rnek 2.92 A =
0 1 3 olsun. Ay indirgenmis satr eselon forma getirirsek I3 elde edilir.
2 1 3
Yani rank(A) = 3 = A singler degil.
AX = 0 sisteminin tek zm trivial zmdr.
1 2
1 0 6
(Bu
rnek 2.93 A =
3
1 1 3 olsun. A matrisi 0 1
matrisine satr esdegerdir.
1 3
3
0 0
0
matris indirgenmis satr eselon formdadr.) Yani rank(A) < 3 ve A singlerdir. AX = 0n trivial
olmayan zm vardr.
Rankn Son Uygulamas

AX = B, m denklemli ve n bilinmeyenli bir lineer denklem sistemi ve A = [aij ] olsun. Bu sistemi
62
Hseyin BILG

asagdaki
s ekilde de yazabiliriz:
a12
a11
a22
a21
x1 . + x2 .
..
..
am2
am1
a1n
a2n
+ + xn .
..
amn
b1
b2
= .
..
bm
Bu durumda AX = B sistemi tutarldr (en az bir zm vardr)" B, Ann kolonlarnn

bir lineer kombinasyonudur. (Yani B, Ann kolon uzayna aittir)" diyebiliriz. Yani; AX = Bnin
.
.
zm var ise rank(A) = rank[A..B] dir. Tersine, rank[A..B] = rank(A) olsun. O zaman B,
Ann kolon uzayndadr. Yani sistemin bir zm vardr.
.
Sonu 2.94 AX = B sistemi tutarldr rank[A..B] = rank(A).

2
1 3
1
x1

..

rnek 2.95
1 2 2 x2 = 2 sistemi verilsin. rank(A) = rank[A.B] = 3 oldugu

0
1 3
x3
3
iin sistemin zm vardr.

1
2 3
x1
4

rnek 2.96
1 3 4 x2 = 5 sisteminin zm yoktur, nk rank(A) = 2 fakat
2 1 7
x3
6
..
rank[A.B] = 3 dr.
Not: S = {1 , 2 , . . . , n } Rn olsun ve A matrisi de jinci satr j olan matris olsun. Gsterilebilir ki:
S lineer bagmszdr
rank(A) = n.
Not: A, n n matris olsun. Asagdakiler
birbirine denktir.
1. A singler degildir.
2. AX = 0n tek zm trivialdir.
3. A matrisi In ye satr (stun) esdegerdir.
4. Her B Rn vektr iin AX = B nin tek zm vardr.

5. A, elementer matrislerin bir arpmdr.
6. rank(A) = n dir.
7. A nn satrlar (stunlar), Rn de (Rn de) lineer bagmszdr.
63
3
I arpm Uzaylar
3.1
arpm
R3 n Standart I
a1
R3 olsun. Burada R3 uzayn bildigimiz

=
3boyutlu kartezyen dzlem olarak dsa

2
a3
nyoruz ve asagda
inceleyecegimiz
kavramlar Rn uzayna ve genel olarak vektr uzaylarna genellestirecegiz.

S imdi, R3 de nn, || ile gsterilen, uzunlugunu
(veya byklgn)
hesaplayalm.
x3
a3
O
A
x2
a
a2
a1
B
x1
S ekil 3.1: R3 de bir vektrn uzunlugu.
S ekil 3.1de a uzunlugunu
bulmak iin OAB dik geninde Pisagor teoremi uygulanrsa:

q
a2 = a21 + a22 = a = a21 + a22
64
arpm Uzaylar
Blm 3. I
Hseyin BILG
elde edilir. Daha sonra OCB dik geninde Pisagor teoremi uygulanrsa
q
q
||2 = a2 + a23 = || = a2 + a23 = a21 + a22 + a23
a1 b1
b1
a1
elde edilir. Eger

=
a2 ve = b2 ise = a2 b2 olup
a3 b3
b3
a3
q
| | = (a1 b1 )2 + (a2 b2 )2 + (a3 b3 )2 .
Bu ile arasndaki uzaklktr. Ayn zamanda R3 de P (a1 , a2 , a3 ) ile Q(b1 , b2 , b3 ) noktalar arasndaki uzaklktr.
ve =
rnek 3.1 =
2

2 + 12 + 22 =
14
ve
|
|
=
5
30 dur.
ise
||
=
3
R3 de bir vektrn yn bu vektrn x1 ,x2 ve x3 eksenleri ile yaptg

alarn kosinsleri
verilerek belirtilebilir. Bunlara yn (dogrultman)
kosinsleri denir.
a1
b1
S imdi iki vektr arasndaki ay bulalm. = a2 , = b2

a3
b3
, 0 6 6 kabul edelim.
x3
x1
S ekil 3.2: R3 de iki vektr arasndaki a
S ekil 3.2de gsterildigi

gibi; OP Q geninde kosins kural uygulanrsa:
|P Q|2 = ||2 + ||2 2|| || cos
65
x2
arpm Uzaylar
Blm 3. I
Hseyin BILG
esitligi
geerlidir. |P Q| = | | oldugundan
cos =
=
=
s eklinde bulunur.
||2 + ||2 | |2
2||||
a21 + a22 + a23 + b21 + b22 + b23 (b1 a1 )2 (b2 a2 )2 (b3 a3 )2
2||||
a1 b1 + a2 b2 + a3 b3
||||

, = 1 arasndaki a nedir?
rnek 3.2 =
1

0
1
zm:
1
10+11+01
= olup = 60o dir.
cos =
2
2
2
2
2
2
2
1 +1 +0 0 +1 +1
a1
b1
3
3
Tanm 3.3 =
a2 ve = b2 R iki vektr olsun. R de ile nn standart i arpm
a3
b3
a1 b1 + a2 b2 + a3 b3 says olarak tanmlanr ve h, i (veya ) s eklinde gsterilir. Bu durumda
|| =
p
h, i
ve
cos =
h, i
||||
066
oldugu
aktr. Ayrca
ve diktir (ortogonaldir) h, i = 0.
Teorem 3.4 R3 deki standart i arpm asagdaki
zelliklere sahiptir.
(a) 6= ise h, i > 0 dir.
(b) h, i = h, i
(c) h + , i = h, i + h, i
(d) hc, i = c h, i
Ispat:
Alstrma olarak brakyoruz.
Not 3.5 R3 deki h, i standart i arpmna ayn zamanda skaler arpm (veya nokta arpm) denir.
66
arpm Uzaylar
Blm 3. I
3.2
Hseyin BILG
arpm Uzaylar
I
S imdi skaler arpm, dik olmak, uzunluk ve a gibi kavramlar vektr uzaylarna genellestirelim.
Tanm 3.6 V bir vektr uzay olsun. Her , V iftini bir h, i reel saysna esleyen ve asagdaki
s artlar saglayan
kurala V nin bir i arpm denir.

(a) h, i > 0
(her 6= V iin)
(b) h, i = h, i
(her , V iin)
(c) h + , i = h, i + h, i
(d) hc, i = c h, i
(her , , V iin)
(her , V ve her c R iin)
Bu zellikleri kullanarak asagdaki
zelligi
de kolayca elde edebiliriz:
h, ci = hc, i = c h, i = c h, i .
rnek 3.7 R3 de daha nce tanmlanan standart i arpm bir i arpmdr.
rnek 3.8 Rn de standart i arpm s yle tanmlayabiliriz:
a1
b1
a2
b2
= . ve = . olsun. h, i = a1 b1 + a2 b2 + + an bn .
..
..
an
bn
3
1
2
2
rnegin
=
ise h, i = 3 4 6 + 4 = 3
ve =
2
3
1
4
rnek 3.9 V sonlu boyutlu vektr uzay ve S = {1 , 2 , . . . , n }, V nin sral bir baz olsun.
, V iin h, i = h[]S , []S i olarak tanmlansn. = a1 1 + + an n ve = b1 1 +
+ bn n ise h, i = a1 b1 + a2 b2 + + an bn olur. Bu tanma gre h, i bir i arpmdr.
(Gsterin)
Sonu 3.10 Her sonlu boyutlu vektr uzaynda bir i arpm tanmlanabilir.
67
arpm Uzaylar
Blm 3. I
Hseyin BILG
Not: Rn deki asagdaki
zelligi
ispatlayalm: A = [aij ] n n matris ve , Rn ise

hA, i = , A0 .
Bunu ispatlamak iin , Rn ise h, i = 0 esitligini
kullanacagz.
Buradan

hA, i = (A)0 = ( 0 A0 ) = 0 (A0 ) = , A0
elde edilir.
"
a1
"
b1
R2 olsun. h, i = a1 b1 a2 b1 a1 b2 + 3a2 b2 olarak

ve =
b2
a2
tanmlayalm. Bu kural R2 nin bir i arpmdr.
rnek 3.11 =
h, i = a21 2a1 a2 + 3a22 = a21 2a1 a2 + a22 + 2a22 = (a1 a2 )2 + 2a22

elde edilir. S imdi, eger
6= ise (yani a1 6= 0 veya a2 6= 0 ise) h, i > 0 oldugu
grlr. Diger
zellik de saglanr.
(Gsteriniz)
rnek 3.12 V, [0, 1] aralg
zerinde tanml, srekli ve gerel fonksiyonlarn uzay olsun. f, g V
iin
1
Z
hf, gi =
f (t)g(t) dt
0
olarak tanmlayalm. Bu, V nin bir i arpmdr. Analiz derslerindeki bilgilerimizi kullanarak bunun
bir i arpm oldugunu
gsterelim. Eger
f 6= 0 ise; yani f sfr fonksiyonu degilse:
f (t)2 dt > 0
hf, f i =
0
oldugunu
biliyoruz. Ayrca
Z
hf, gi =
g(t)f (t) dt = hg, f i .

0
hf + g, hi =
f (t)g(t) dt =
Z
[f (t) + g(t)]h(t) dt =
0
g(t)h(t) dt = hf, hi + hg, hi .

0
hcf, gi =
f (t)h(t) dt +
1
f (t)g(t) dt = c hf, gi .
cf (t)g(t) dt = c
0
Sonu olarak 4 zellik de saglanm
str. rnegin;
f (t) = t + 1 ve g(t) = 2t + 3 fonksiyonlar iin:
Z
hf, gi =
(t + 1)(2t + 3)dt =
0
(2t2 + 5t + 3)dt =
37
6
rnek 3.13 V = R2 olsun. = [a1 , a2 ] ve = [b1 , b2 ] iin h, i = a1 b1 a2 b1 a1 b2 + 5a2 b2

kural bir i arpmdr.
68
arpm Uzaylar
Blm 3. I
Hseyin BILG
Z
rnek 3.14 V = P olsun. p(t), q(t) P polinomlar iin hp(t), q(t)i =
p(t)q(t) dt bir i
0
arpmdr.
Tanm 3.15 zerinde bir i arpm tanml olan uzaya bir i arpm uzay denir. Eger
bu uzay sonlu
boyutlu ise klidyen uzay denir. Bir i arpm uzaynda vektrnn uzunlugu
(veya vektr normu)
kk =
p
h, i
olarak tanmlanr. (Yani bir vektrn normu, kendisi ile arpmnn karekkdr.)
Soru: kk = 0 oldugunu
gsteriniz. (Ipucu:
+ =)
zm:
h, i = h + , i = h, i + h, i
olup esitligin
her iki tarafndan h, i says sadelesirse h, i = 0 elde edilir. Uzunluk (norm)
p
tanmndan: kk = h, i = 0 elde edilir.
Soru: V bir i arpm uzay ise her V iin h, i = 0 oldugunu
gsteriniz.
zm: Her V iin
h, i = h, + i = h, i + h, i
olup esitligin
her iki tarafndan h, i says sadelesirse h, i = 0 elde edilir.
Teorem 3.16 (CauchySchwarz Esitsizligi)
ve bir V i arpm uzaynn elemanlar iseler
h, i2 6 kk2 kk2
Ispat:
Eger
= ise kk = 0 ve h, i = 0 olup esitsizlik dogrudur.
O halde 6= olsun. r bir

skaler olsun. r + vektrne bakalm. Bu vektrn kendisi ile arpm > 0 oldugundan,
0 6 hr + , r + i = r 2 h, i + 2r h, i + h, i = ar 2 + 2br + c
diyelim. (a = h, i , b = h, i , c = h, i olsun.)
Eger
ve sabit kabul edilirse ar 2 + 2br + c = p(r) polinomu > 0 olan bir polinomdur ve en
fazla bir kk vardr. O halde diskriminant 6 0 dir. Baska bir deyisle
4b2 4ac 6 0 = b2 ac 6 0 = b2 6 ac
olur. Buradan h, i2 6 kk2 kk2 elde edilir.
69
arpm Uzaylar
Blm 3. I
rnek 3.17 =
Hseyin BILG
2
ve =
3
3
2
R de iki vektr olsun.
2
h, i = 1(3) + 2 2 3 2 = 5,
kk =
14,
kk =
17
olup h, i2 6 kk2 kk2 oldugu

grlr.
Tanm 3.18 ve bir V i arpm uzaynda iki vektr olsun. CauchySchwarz esitsizligi
asagdaki
s ekilde yazlabilir.
h, i2
2
kk kk
61
Bu durumda
cos =
h, i
veya 1 6
h, i
kk kk
61
kk kk
066
olacak s ekilde bir tek as vardr. Bu aya ile vektrleri arasndaki a denir.
Sonu 3.19 (gen Esitsizligi)
Eger
ve bir i arpm uzaynda iki vektr ise
k + k 6 kk + kk
Ispat:
dr.
k + k2 = h + , + i = h, i + 2 h, i + h, i
= kk2 + 2 h, i + kk2
CauchySchwarz esitsizligi
der ki: h, i 6 | h, i | 6 kk kk. O zaman

2
k + k2 = kk2 + 2 h, i + kk2 6 kk2 + 2 kk kk + kk2 = kk + kk
Her iki tarafn karekk alnrsa:
k + k 6 kk + kk
elde edilir.
Not: Buna gre rnek 3.8 deki CauchySchwarz esitsizligi

s yledir:
h, i2 =
n
X
!2
ai bi
n
X
i=1
i=1
!
a2i
n
X
!
b2i
i=1
rnek 3.12 deki CauchySchwarz esitsizligi

s yledir:
2
Z
hf, gi =
2 Z
f (t)g(t) dt
6
70
Z
f (t)dt
g (t)dt .
arpm Uzaylar
Blm 3. I
Hseyin BILG
arpm rnek 3.14 deki i arpm olsun. p(t) = t + 2 ise p(t) nin
rnek 3.20 V = P2 olsun. I
uzunlugu:
s
Z
p
kp(t)k = hp(t), p(t)i =
(t + 2)2 dt =
19
3
q(t) = 2t 3 ise p(t) ile q(t) arasndaki ann kosinsn bulalm:

s
r
Z 1
Z 1
13
29
2
(2t 3) dt =
(t + 2)(2t 3)dt =
kq(t)k =
,
hp(t), q(t)i =
3
6
0
0
olup
cos =
hp(t), q(t)i
kp(t)k kq(t)k
29
2 19 13
olarak hesaplanr.
Tanm 3.21 V bir i arpm uzay olsun. , V vektrleri arasndaki uzaklk
d(, ) = k k
s eklinde tanmlanr.
Tanm 3.22 V bir i arpm uzay olsun. Eger
h, i = 0 ise ile vektrlerine ortogonaldirler
(diktirler) denir.
0
2
rnek 3.23 R4 de standart i arpma gre = ve =

0
3

1
0
h, i = 0 dr.
vektrleri ortogonaldir, nk
arpm, rnek 3.14 deki i arpm olsun. t ve t

rnek 3.24 V = P2 olsun. I
2
3
vektrleri ortogo-
naldir; nk

t, t
2
3
=
0

Z 1
2
2t
2
t t
dt =
t
dt = 0.
3
3
0
Not 3.25 Bir V i arpm uzayndaki V vektr her vektre ortogonaldir. Ayrca iki vektr arasn
daki a ise bu vektrler ortogonaldir.
2
Not 3.26 Bir V i arpm uzayndaki bir sabit vektre ortogonal olan btn vektrlerin kmesi, V
nin bir alt uzaydr. (Gsteriniz, dev)
Tanm 3.27 V bir i arpm uzay olsun. S V olsun. Eger
S deki her iki vektr ifti ortogonal ise
S kmesine ortogonaldir denir. Buna ilaveten S deki her vektrn uzunlugu
1 ise (uzunlugu
1 olan
vektre birim vektr denir) S kmesine ortonormaldir denir.
71
arpm Uzaylar
Blm 3. I
Hseyin BILG
Not 3.28 Eger

6= ise ile ayn ynde (yani aralarndaki a sfr olacak s ekilde) bir birim vektr
her zaman vardr. =

olsun. S imdi
kk
s
s
s

p
h, i
kk2
kk = h, i =
,
=
=
=1
kk kk
kk kk
kk2
olur. Yani bir birim vektrdr. Ayrca ile arasndaki ann kosins 1 dir. nk
D
E
,
kk2
h, i
h, i
kk
=
= 1 = = 0o
cos =
=
=
kk kk
kk
kk2
kk2
Yani ile ayn yndedir.
rnek 3.29 Rn ve Rn in standart bazlar ortonormal kmelerdir. (Standart i arpma gre)
Teorem 3.30 S = {1 , 2 , . . . , n } kmesi bir V i arpm uzaynda ortogonal olsun ve her k iin
k 6= olsun. O zaman S lineer bagmszdr.
Ispat: a1 1 + a2 2 + + an n = olsun. Bir i S alalm ve bu esitligin

her iki tarafnn i
ile i arpmn hesaplayalm.
ha1 1 + a2 2 + + ai i + + an n , i i = h, i i = 0
elde ederiz. Son esitligin
sol tarafn dzenlersek:
a1 h1 , i i +a2 h2 , i i + + ai hi , i i + + an hn , i i
| {z }
| {z }
| {z }
| {z }
0
>0
elde ederiz. S ortogonal oldugu

iin bu ifade ai hi , i iye esittir. Yani ai hi , i i = 0 olup hi , i i 6=
0 oldugundan
ai = 0 elde edilir. Bu islemi i = 1, 2, . . . , n iin yaparsak a1 = a2 = = an = 0

bulunur. Yani S lineer bagmszdr.
rnek 3.31 [, ] aralgndaki
srekli fonksiyonlarn uzay V olsun. f, g V iin

Z
hf, gi =
f (t)g(t) dt
kural tanmlansn. Bu kural V nin bir i arpmdr. (Gstermesi kolay). S imdi asagdaki
fonksiyonlar dsnelim.
1, cos t, sin t, cos 2t, sin 2t, . . . , cos(nt), sin(nt),
(3.1)
Bu fonksiyonlarn hepsi V nin elemanlardr. Asagdaki
bagntlar
dogrudur:
Z
Z
Z
cos(nt) dt =
sin(nt) dt =
sin(mt) cos(nt) dt = 0
her m, n iin.
cos(mt) cos(nt) dt =
sin(mt) sin(nt) dt = 0
her m 6= n iin.
Yani f 6= g ise hf, gi = 0 dr. Yani (3.1) deki fonksiyonlardan seilen sonlu bir kme ortogonaldir. O
halde Teorem 3.30dan dolay, (3.1) deki fonksiyonlardan seilen sonlu bir kme lineer bagmszdr.
72
arpm Uzaylar
Blm 3. I
Hseyin BILG
ALISTIRMALAR
1.) V , n n matrislerin reel vektr uzay olsun. hA, Bi = Tr(B 0 A) olarak tanmlanan fonksiyon
bir i arpmdr, gsterin. (Tr iz fonksiyonudur; bkz. rnek 1.19)
2.) V = R3 olsun. Standart i arpm verilsin.
1
a
(a) a nn hangi degerleri
iin =
1 ve = 1 vektrleri ortogonaldir.
2
2

a
1/ 2
ve = 1 olsun. a ve b nin hangi degerleri
iin {, } kmesi ortonor(b) =

0
b
1/ 2
maldir.
3.) V , rnek 3.14 deki uzay olsun.
(a) ann hangi degerleri
iin p(t) = 3t + 1 ve q(t) = at vektrleri ortogonaldir.

(b) a ve bnin hangi degerleri
iin p(t) = 3t + 1 ve q(t) = at + b vektrleri ortogonaldir.
3.3
GramSchmidt Yntemi
Bu ksmda her klidyen V uzay iin ayn zamanda ortonormal bir kme olan bir S baz elde edilebilecegini
gsterecegiz.
Byle bir baza ortonormal baz denir. Byle bir baz bulmak iin kullandgmz
ynteme de GramSchmidt Yntemi denir.

Teorem 3.32 (GramSchmidt Yntemi) V bir i arpm uzay ve {} =
6 W alt uzay da baz S =
{1 , 2 , . . . , n } olan bir alt uzay olsun. O zaman W nun bir T = {1 , 2 , . . . , n } ortonormal
baz vardr.
Ispat:
Ispat
admadm yapacagz.
nce T = {1 , 2 , . . . , n } ortogonal bazn bulacagz.
1 =
1 diyelim (Baska bir i de seilebilir.) S imdi W nun {1 , 2 } tarafndan gerilen W1 uzaynda bir
2 vektr aryoruz yle ki 2 , 1 e ortogonal olmal. 1 = 1 oldugundan
W1 = Span{1 , 2 }
dir. 2 = a1 1 + a2 2 s eklindedir. a1 ve a2 yi yle seeriz ki h1 , 2 i = 0 olur.
0 = h2 , 1 i = ha1 1 + a2 2 , 1 i = a1 h1 , 1 i + a2 h2 , 1 i .
S imdi 1 6= oldugundan
h1 , 1 i 6= 0 dr. O zaman
a1 = a2
h2 , 1 i
h1 , 1 i
73
arpm Uzaylar
Blm 3. I
Hseyin BILG
Burada a2 ye sfrdan farkl degerler
verilebilir. a2 = 1 alalm.
a1 =
h2 , 1 i
h1 , 1 i
= 2 = a1 1 + 2 = 2
h2 , 1 i
h1 , 1 i
S imdi, {1 , 2 } , W nun ortogonal bir kmesidir. S imdi de hem 1 e hem de 2 ye ortogonal olan ve
Span{1 , 2 , 3 } = W2 uzaynda bir 3 eleman aryoruz. W2 = Span{1 , 2 , 3 } oldugundan
3 = b1 1 + b2 2 + b3 3
dr. b3 = 1 alalm.
0 = h3 , 1 i = hb1 1 + b2 2 + 3 , 1 i = b1 h1 , 1 i + h3 , 1 i
0 = h3 , 2 i = hb1 1 + b2 2 + 3 , 2 i = b2 h2 , 2 i + h3 , 2 i .
Buradan: b1 =
h3 , 1 i
h1 , 1 i
, b2 =
h3 , 2 i
h2 , 2 i
3 = 3
bulunur.
h3 , 1 i
h1 , 1 i
h3 , 2 i
h2 , 2 i
2 .
Bu durumda {1 , 2 , 3 } W ortogonaldir. Benzer s ekilde

4 = 4
h4 , 1 i
h1 , 1 i
h4 , 2 i
h2 , 2 i
h4 , 3 i
h3 , 3 i
3 .
Bu s ekilde T = {1 , 2 , . . . , n } ortogonal kmesi bulunur.

Teorem 3.30dan, T kmesi, W uzay iin bir bazdr. S imdi i = 1, 2, . . . , n iin
i =
i
ki k
dersek, T = {1 , 2 , . . . , n } kmesi, W uzay iin ortonormal bir baz olur.

1
1
1

rnek 3.33 1 =
1 , 2 = 0 , 3 = 2 olsun. R uzay iin S = {1 , 2 , 3 }
1
1
3
bazn dsnelim. S imdi Syi T = {1 , 2 , 3 } ortonormal bazna dnstrelim.

1

1 = 1 = 1
1
1
1/3
h2 , 1 i
2
1 = 2/3
1 =
2 = 2
0
h1 , 1 i
3
1
1
1/3
1
1
1/3
2
h3 , 1 i
h3 , 2 i
4
2/3
2/3 = 0 .
3 = 3
1
2 =

2
1
h1 , 1 i
h2 , 2 i
3
6/9
3
1
1/3
2
74
arpm Uzaylar
Blm 3. I
Hseyin BILG
S imdi, {1 , 2 ,
Her
3 }ortogonal
bir bazdr.
bir i yi bir sabitle arparsak yine bir ortogonal baz
1 1 2
, 2 , 0 kmesi de R3 iin bir ortogonal bazdr. Ortonormal

elde ederiz. Yani
1

1
1
2
baz iin her bir i kendi uzunluguna
blnr:
3
6
2
1/
1/
1/
1/ 3 , 2/ 6 ,
0

1/3
1/ 6
1/ 2
kmesi de R3 n bir ortonormal bazdr.
rnek 3.34 V = P3 olsun. (Daha nce tanmlanan i arpmla birlikte.) W da S = {t2 , t} tarafndan dogurulan
alt uzay olsun. W iin bir ortonormal baz bulalm. 1 = t2 ve 2 = t diyelim.

1 = 1 = t2 olsun.
2 = 2
Z
h1 , 1 i =
2 2
1
4
t t dt =
t dt =
h2 , 1 i
h1 , 1 i
dir.
ve h2 , 1 i =
tt2 dt =
1
4
bulunur.
Buradan
2 = 2
1/4
1/5
t =t
5
4
h2 , 2 i =
ve
Sonu olarak:
1

5 2
t
48 t
k1 k k2 k
4
n
o
istenen ortonormal bazdr. Eger
1 = t ve 2 = t2 seilseydi
3t, 30 t2 2t
ortonormal

5 2 2
1
t t
dt =
bulunur.
4
48
5t2 ,
baz bulunurdu. (Kontrol ediniz.)

Not 3.35 GramSchmidt ynteminde vektrleri bulduktan sonra normallestirmek (uzunluklarn 1
yapmak) yerine vektr bulur bulmaz normallestirilip bir sonraki vektr bulunabilir. (Baska bir yntem )
Teorem 3.36 V , nboyutlu bir klidyen uzay, S = {1 , 2 , . . . , n } de V nin bir ortonormal baz
olsun. Eger
= a1 1 + a2 2 + + an n
ve
ise h, i = a1 b1 + a2 b2 + + an bn dir.
75
= b1 1 + b2 2 + + bn n
arpm Uzaylar
Blm 3. I
Hseyin BILG
(
Ispat:
S ortonormal oldugundan
hi , j i =
1, i = j ise
0, i 6= j ise
dr. O halde
(, ) = ha1 1 + a2 2 + + an n , b1 1 + b2 2 + + bn n i
= a1 b1 h1 , 1 i + a1 b2 h1 , 2 i + + a1 bn h1 , n i
+ a2 b1 h2 , 1 i + a2 b2 h2 , 2 i + + a2 bn h2 , n i
..
.
+ an b1 hn , 1 i + an b2 hn , 2 i + + an bn hn , n i
= a1 b1 + a2 b2 + + an bn
Sonu 3.37 T , bir V vektr uzaynn ortonormal baz ve V iin
a1
q
a2
[]T = . ise kk = a21 + a22 + + a2n

..
an
dir.
rnek 3.38 V = R3 olsun. W da S = {[2 1 1], [1 1 2]} tarafndan dogurulan
alt uzay olsun.

= [5 3 4] W olsun.
"
[5 3 4] = 2[2 1 1] + 1[1 1 2] = [5 3 4]S =
bulunur. nn uzunlugu
kk = 52 + 32 + 42 = 50 dir. Sye gre koordinat vektrn kul
22 + 12 =
5 bulunur ki bu yanlstr; nk S, ortonormal olmalyd. Syi
lanrsak kk =
ortogonal yaparsak (GramSchmidt yntemini kullanarak):

4 1 7
[2 1 1],
veya { [2 1 1], [4 1 7] }
6 6 6
bazn buluruz. Bu baz ortonormal hale getirirsek:

4
2
1
1
1
7
T =
, , , , ,
6
6
6
66
66
66

17 6
bulunur. S imdi, []T =

olup (kontrol edin) kky bu koordinat vektrne gre hesap
66
larsak:
6
v
u
!
u 17 6 2
t
kk =
+
6
66
bulunur; ki bu da dogru
cevaptr.
76
!2
r
=
1800
36
50
arpm Uzaylar
Blm 3. I
Hseyin BILG
Teorem 3.39 S = {1 , 2 , . . . , n } kmesi bir V vektr uzay iin ortonormal bir baz ve V
olsun. i = 1, 2, . . . , n iin ci = h, i i olmak zere
= c1 1 + c2 2 + + cn n dir.
(Bu teorem bir elemann bir ortonormal baza gre koordinatlarn kolayca bulmamza yarar.)
1/3
2/3
2/3
rnek 3.40 S = 2/3 , 1/3 , 2/3 R iin bir ortonormal bazdr. Bu baza gre
2/3
2/3
1/3
15
=
3 vektrnn koordinatlarn bulalm. (S nin elemanlarna, srasyla, 1 , 2 ve 3 diye3
lim.) Teorem 3.39 kullanlrsa; i = 1, 2, 3 iin ci = h, i i hesaplanr:
h i 1/3
15
3 , 2/3
c1 =
= 9,
3
2/3
h i 2/3
15
1/3
3 ,
c2 =
= 9,
3
2/3
h i 2/3
15
3 , 2/3
c3 =
=9
3
1/3
Kontrol edelim:
15
= .
91 + 92 + 93 =
3
ALISTIRMALAR
1 0 1
, 1 , 2 bazn ortonormal baza

1.) GramSchmidt yntemini kullanarak R3 de
1

1
1
3
eviriniz.
2.) P2 uzay iin {1, t, t2 } bazn ortonormal baza eviriniz.
Z 1
3.) V = P2 olsun. hf, gi =
f (t)g(t) dt olarak tanmlansn. {1, t, t2 } standart bazn ortonormal
1
baza eviriniz. (Byle elde edilen polinomlara Legendre polinomlar denir.)
1
3
1
4.) R de S =
uzay W olsun. =
0 , 2 tarafndan dogurulan
2
1
3
77
olsun.
arpm Uzaylar
Blm 3. I
Hseyin BILG
(a) nn uzunlugunu
direkt olarak bulunuz.

(b) Syi bir T ortonormal bazna dnstrnz.
(c) nn uzunlugunu
T ye gre koordinat vektrn kullanarak bulunuz.
78
4
Lineer Dnsmler
ve Matrisler
4.1
Tanm ve rnekler
Tanm 4.1 V ve W iki vektr uzay olsun. L : V W bir fonksiyon olsun. Eger
a) Her , V iin L( + ) = L() + L() ve

b) Her c R ve her V iin L(c ) = c L() ise
V = W ise Lye V zerinde bir lineer operatr
Lye V den W ya bir lineer dnsm denir. Eger
denir.
Dikkat:
L(c )
L( + ) = L() + L(),
c L()
V deki
W daki
V deki
W daki
toplama
toplama
skaler arma
skaler arpma
Eger
Tanm 2.68 gznne alnrsa s unu yazabiliriz:
L : V W lineer dnsm + 11 + rten Izomorfizm

Lemma 4.2 L : V W fonksiyonunun bir lineer dnsm olmas iin gerek ve yeter s art her
a, b R ve her , V iin L(a + b) = aL() + bL() olmasdr.
Ispat:
(=) L bir lineer dnsm olsun.
L(a + b) = L(a) + L(b) = aL() + bL()
olup ispat tamamlanr.
79
Hseyin BILG
Blm 4. Lineer Dnsmler ve Matrisler
Ispat:
(=) S imdi de her a, b R ve her , V iin L(a+b) = aL()+bL() olsun. a = 1,
b = 1 alnrsa L( + ) = L() + L() elde edilir. Ayrca b = 0, a = c dersek L(c ) = c L()
bulunur.
a1
"
rnek 4.3 L : R3 R2 , L
a2 =
a3
a1 + b1
a1
a1
b1
olsun. =
a2 ve = b2 olsun.
a3
b3
a2
#
# "
#
"
"
b
a
a
+
b
1
1
1
1
= L() + L().
+
=
L( + ) = L
a2 + b2 = a + b
b2
a2
2
2
a3 + b3
Ayrca
"
#
"
#
ca1
ca
a
1
1
L(c) = L
=c
= cL().
ca2 = ca
a2
2
ca3
Yani L bir lineer dnsmdr. Lye bir projeksiyon (izdsm) denir. nk P (a1 , a2 , a3 ) noktasnn L altndaki grnts; ucu bu nokta olan 3boyutlu dogrunun
R2 deki glgesidir.
rnek 4.4 L : P2 P1 , L(at2 + bt + c) = 2at + b olsun. L bir lineer dnsmdr.
rnek 4.5 L : R3 R3 , r R bir skaler olmak zere
a1
a1
L
a2 = r a2
a3
a3
olsun. L, R3 de bir lineer operatrdr. (Kontrol ediniz) r > 1 ise Lye uzama, 0 < r < 1 ise
bzlme denir. nk; r > 1 ise vektr uzar, 0 < r < 1 ise bzlr.
rnek 4.6 L : P2 R,
Z
L(at + bt + c) =
(at2 + bt + c)dt
olarak tanmlanan L, bir lineer dnsmdr. (Gsteriniz.)

rnek 4.7 L : R3 R2 ,
a1
L
a2 =
a3
"
1 0
0 1 1
s eklinde tanmlanan L bir lineer dnsmdr. Gsteriniz.

80
a1
a2
a3
Hseyin BILG
rnek 4.8 A bir m n matris ise L : Rn Rm , L() = A fonksiyonu her zaman bir lineer
dnsmdr. Gsteriniz.
rnek 4.9 L : R2 R2 ,
"
L
a1
#!
"
=
a2
a1
a2
R2 de bir lineer operatrdr. Lye x-eksenine gre refleksiyon (yansma) denir. (Sekil 4.1)
y
(a1 , a2 )
O
L()
(a1 , a2 )
S ekil 4.1:
rnek 4.10 L : R2 R2 ,
"
L
#!
"
=
cos sin
sin
#"
cos
dnsm bir vektrn as kadar dndrmekle elde edilen dnsmdr. Bu dnsme bir
rotasyon (dnme) denir. (Sekil 4.2) Bu dnsm baslang noktas orjin ve u noktas P (x, y) olan
vektr, uzunlugunu
degi
stirmeden, saatin ters ynnde as kadar dndrp, baslang noktas
orjin ve u noktas P 0 (x0 , y 0 ) olan vektre dnstrr.
y
P 0 (x0 , y 0 )
L()
P (x, y)
S ekil 4.2:
81
Hseyin BILG

rnek 4.11 L : R3 R3 ,
a1
a2 =
L
a3
a1
, =
=
a
2
a3
a1 + b1
L( + ) = L
a2 + b2
a3 + b3
fakat
a1 + 1
L() + L() =
2a2
a3
a1 + 1
b3
olsun.
2a2
a3
b1
b2 olsun.
b3
a1 + b1 + 1
= 2(a2 + b2 )
a3 + b3
b1 + 1
2b2
a1 + b1 + 2
= 2(a2 + b2 ) =
6 L( + )
a3 + b3
olup bir L bir lineer dnsm degildir.

rnek 4.12 L : R2 R2 , L [a1 a2 ] = a21 2a2 s eklinde verilen L bir lineer dnsm mdr?
Neden?
zm: dev
Teorem 4.13 L : V W bir lineer dnsm ve V de nboyutlu bir vektr uzay olsun. S =
{ 1 , 2 , . . . , n }, V nin bir baz olsun. V ise L() eleman { L(1 ), L(2 ), . . . , L(n ) }
elemanlar tarafndan tamamem belirlenir.
Ispat:
V ve S bir baz oldugundan
a1 , a2 . . . , an belirli saylar olmak zere = a1 1 +a2 2 +

+ an n s eklinde yazabiliriz. S imdi; L lineer dnsm oldugundan:
L() = L(a1 1 + a2 2 + + an n ) = a1 L(1 ) + a2 L(2 ) + + an L(n )

olup L() eleman L(1 ), L(2 ), . . . , L(n ) tarafndan tamamen belirlir.
Not: Bu teoremi s yle ifade edebiliriz: L : V W ve T : V W iki lineer dnsm olsun.

S = { 1 , 2 , . . . , n }, V nin bir baz olsun. Eger
her i = 1, 2, . . . , n iin L(i ) = T (i ) ise o
zaman her V iin L() = T () dr; yani L = T dir.
rnek 4.14 L : R4 R2 bir lineer dnsm olsun. 1 = [1 0 1 0], 2 = [0 1
3 = [0 2 2 1], 4 = [1 0 0 1] ve S = { 1 , 2 , 3 , 4 }, R4 n bir baz olsun. S imdi
L(1 ) = [1 2],
L(2 ) = [0 3],
82
L(3 ) = [0 0],
L(4 ) = [2 0]
1 2],
Hseyin BILG
verilsin. = [3 5 5 0] ise L() nasl hesaplanr? Bunun iin nce eleman Sdeki vektrlerin
lineer kombinasyonu olarak yazlr. Bir takm hesaplamalardan sonra = 21 + 2 33 + 4
elde edilir ve daha sonra:
L() = L(21 + 2 33 + 4 ) = 2L(1 ) + L(2 ) 3L(3 ) + L(4 ) = [4 7]
bulunur.
Teorem 4.15 L : V W bir lineer dnsm olsun.
(a) L(V ) = W
(b) L( ) = L() L() dr. (Her , V iin.)
Ispat:
Lemma 2.70in ispatnn aynsdr.
4.2
Bir Lineer Dnsmn ekirdegi

ve Grnts
Tanm 4.16 Eger

bir lineer dnsm, fonksiyon olarak 11 ise, bu dnsme 11 lineer dnsm
denir. L : V W bir lineer dnsm olsun.
1 6= 2 = L(1 ) 6= L(2 )
veya
L(1 ) = L(2 ) = 1 = 2
nermesi dogru
ise (her 1 , 2 V iin) L 11 dir deriz.
#!
#
#
#
"
"
"
"
a1
a1 + a2
a1
b1
2
2
=
olsun. 1 =
, 2 =
rnek 4.17 L : R R , L
a2
a1 a2
a2
b2
olsun. L(1 ) = L(2 ) oldugunu
kabul edelim: Buradan

)
a1 + a2 = b1 + b2
= 2a1 = 2b1 = a1 = b1 = a2 = b2
a1 a2 = b1 b2
olup 1 = 2 dir. Yani L, 11 dir.
a1
rnek 4.18 L : R3 R2 , L
a2 =
a3
11 degildir.
"
a1
a2

olsun. L
3 = L 3 olup L,
2
3
Tanm 4.19 L : V W bir lineer dnsm olsun L nin ekirdegi
ek(L) = { V : L() = W }
kmesi olarak tanmlanr. L(V ) = W oldugundan
(Teorem 4.15) V ek(L) olup, ekirdek en

az bir elemanldr; yani ek(L) 6= .
83
Hseyin BILG

rnek 4.20 L : R3 R2 , rnek 4.18deki dnsm olsun.

" #
0
0

0

L
0 = 0 olup 0 ek(L). Fakat
2
2
2 6 ek(L).
Acaba ek(L) kmesini nasl bulabiliriz?
"
#
" #
a1
0
a
1
L
=
= a1 = a2 = 0
a2 = a
0
2
a3
bulunur. a3 R keyfi seilebilir. O halde
ek(L) 0 : a R
(Yani ek(L), zekseninin kendisidir. )
Teorem 4.21 L : V W bir lineer dnsm olsun

(a) ek(L), V nin bir alt uzaydr.
(b) L 11 dir ek(L) = { V }
Ispat
(a) , ek(L) ve c R olsun. + ek(L) ve c ek(L) oldugunu
gsterelim.
(Teorem 2.16 kullanlacaktr.) , ek(L) oldugundan
L() = L() = W dur. S imdi:

L( + ) = L() + L() = W + W = W = + ek(L)
L(c) = cL() = cW = W (bkz. Teorem 2.11.b) = c ek(L)
olup Teorem 2.16dan dolay ek(L), V nin bir alt uzaydr.
Ispat
(b) (=) L 11 olsun. ek(L) = { V } oldugunu
gsterecegiz.
ek(L) alalm. L() =
W dur. L(V ) = W oldugundan
ve L 11 oldugundan
= V olmaldr. O halde ek(L) =

{ V }.
Ispat
(b) (=) ek(L) = { V } olsun. L nin 11 oldugunu
gsterecegiz.
L(1 ) = L(2 ) = L(1 ) L(2 ) = W

= L(1 2 ) = W
= 1 2 ek(L)
(Teorem 4.15.b)
= 1 2 = V
= 1 = 2
olup L 11 dir.

84
Hseyin BILG
R, L(at2
rnek 4.22 L : P2
(at2 + bt + c)dt lineer dnsm verilsin.
+ bt + c) =
0
ek(L) uzayn (ve boyutunu) bulalm.
zm: P2 alalm. = at2 + bt + c olsun. Eger

ek(L) ise L() = R = 0 olmal.
Z
L() =
0
bulunur. Yani c = a3
1

a
b

(at + bt + c)dt =
+
+ ct = + + c = 0

3
2
3
2
at3
b
2
bt2
dir. O halde

ek(L) =

b
a
: a, b R
at + bt +
3
2
2
kmesidir. ek(L)nin boyutunu bulalm. S imdi

b
a
1
1
2
2
=a t
+b t
at + bt +
3
2
3
2
olup ek(L)deki her vektr 1 = t2 13 ve 2 = t 12 vektrlerinin bir lineer kombinasyonudur.
Yani ek(L) = Span({ 1 , 2 }). Ayrca bu vektrler lineer bagmszdr
(nk birisi digerinin
kat degil).
O halde boy(ek(L)) = 2 dir. Ayrca, Teorem 4.21.bden L 11 degildir.
Tanm 4.23 L : V W bir lineer dnsm olsun. L nin grnts (veya V nin L altndaki
grnts)
G(L) = { w W : Bir v V iin L(v) = w }
kmesi olarak tanmlanr. Yani G(L) ise bir V bulunabilir; yle ki L() = dr. Eger
G(L) = W ise Lye rten (zerine) lineer dnsm denir.

Teorem 4.24 L : V W bir lineer dnsm olsun. G(L), W nun alt uzaydr.
Ispat:
1 , 2 G(L) olsun. O zaman bir 1 , 2 V iin L(1 ) = 1 ve L(2 ) = 2 dir.
L lineer
1 + 2 = L(1 ) + L(2 ) ====== L(1 + 2 )

dnsm
olup 1 + 2 V oldugundan
1 + 2 G(L) dir. S imdi de c R olsun.

L lineer
c1 = cL(1 ) ====== L(c1 )

dnsm
olup c1 V oldugundan
c1 G(L) dir. O halde, Teorem 2.16 dan dolay G(L), W nun bir alt
uzaydr.
rnek 4.25 L :
R3
a1
=
a
2
a3
R2 , L
"
a1
a2
85
#
olsun. L rten midir?
Hseyin BILG
"
zm: =
c
d
a1
R2 alalm. =
a2 ve L() = olacak s ekilde R aryoruz (her
a3
c, d iin).
"
L() =
a1
"
=
a2
= a1 = c, a2 = d
seilirse L() = olur. (a3 herhangi bir say seilebilir). Yani L rtendir. Bu durumda G(L) = R2
olup boy(G(L)) = 2 dir.
Z
(at2 + bt + c) dt lineer dnsm verilsin. L
rnek 4.26 L : P2 R, L(at + bt + c) =

0
rten midir? boy(G(L)) =?
zm: r R verilsin. L() = r olacak s ekilde P2 bulunabilir mi? = at2 + bt + c olsun.

Z
L() =
(at2 + bt + c)dt =
a
3
b
2
+c
bulunur. Eger
(mesela) a = b = 0 ve c = r alnrsa L() = r olur. Yani L rtendir. boy(G(L)) = 1
dir.
a1
1 0 1
a1
a2 = 1 1 2 a2 ile tanmlanan dnsm rten

rnek 4.27 L : R3 R3 , L
a3
a3
2 1 3
midir? boy(G(L) =?
3
3
zm: Verilen her =

b R iin L() = olacak s ekilde R bulunabilir mi?
c
a1
= a2
olsun.
a3
1 0 1
a1
a1 + a3
L() =
1 1 2 a2 = a1 + a2 + 2a3 = b
c
2 1 3
a3
2a1 + a2 + 3a3
S imdi ek matrisi indirgenmis satr eselon forma getirelim:
.
1 0 1 .. a
.
1 1 2 .. b
.
2 1 3 .. c
.
1 0 1 ..
a
.
0 1 1 ..
ba
..
0 0 0 . cba
86
Hseyin BILG
Yani sadece c b a = 0 oldugundan
bir zm vardr. O zaman L rten degildir.
S imdi G(L) iin

bir baz bulalm:
a1
a1 + a3
L
a2 = a1 + a2 + 2a3 = a1 1 + a2 1 + a3 2
2
1
3
2a1 + a2 + 3a3
a3
olur. Yani
1 0 1
1 , 1 , 2

2
1
3
kmesi G(L)yi dogurur.
nc vektr ilk iki vektrn toplam ve ilk iki vektr lineer bagmsz
oldugu
iin (biri digerinin
kat degil),
ilk iki vektr bir baz olusturur. O halde boy(G(L)) = 2 olur.
Not 4.28 Son rnekte boy(ek(L)) = 1 bulunur ve

a (a R) s eklindeki vektrlerden
a
olusur. (Kontrol edin.)
rnek 4.29 L : R4 R3 , L ([a1 , a2 , a3 , a4 ]) = [a1 + a2 , a3 + a4 , a1 + a3 ] olarak tanmlansn.
G(L) iin bir baz bulunuz.
zm: L ([a1 , a2 , a3 , a4 ]) = a1 [1, 0, 1] + a2 [1, 0, 0] + a3 [0, 1, 1] + a4 [0, 1, 0] olup
{ [1, 0, 1], [1, 0, 0], [0, 1, 1], [0, 1, 0] }
kmesi
G(L)
Bu kmedeki vektrlerden lineer bagmsz

olanlarbulalm:
yi dogurur.
1 0 1
1 0 0
1 0 0
0 1 0
matrisini indirgenmis satr eselon forma getirirsek

elde ederiz. Yani
0 1 1
0 0 1
0 1 0
0 0 0
{ [1, 0, 0], [0, 1, 0], [0, 0, 1] }
kmesi G(L) iin bir bazdr. boy(G(L)) = 3 olup L rtendir.
Not: rnek 4.27de grdk ki
boy(ek(L)) + boy(G(L)) = boy(Lnin tanm kmesi)
Teorem 4.30 L : V W bir lineer dnsm ve V, nboyutlu bir uzay ise
boy(ek(L)) + boy(G(L)) = n.
87
Hseyin BILG
Ispat:
k = boy(ek(L)) diyelim.
k = n ise: O zaman ek(L) = V dir. = her V iin L() = W = G(L) = {W } =

boy(G(L)) = 0 olup esitlik dogrudur.
(n + 0 = n)
1 6 k < n ise: boy(G(L)) = n k oldugu
gsterilecek. {1 , 2 , . . . , k }, ek(L) iin bir baz olsun. Bunu S = {1 , 2 , . . . , k , k+1 , , n } bazna genisletebiliriz (V iin). Bu durumda ispat
T = {L(k+1 ), L(k+2 ), . . . , L(n )} kmesinin G(L) iin bir baz oldugu
gsterilerek tamamlanr. (Ayrntlar atlyoruz.)
Tanm 4.31 L : V W lineer dnsm ise boy(ek(L)) saysna Lnin sfrlg

denir.
Sonu 4.32 L : V W bir lineer dnsm ve boy(V ) = boy(W ) olsun.
(a) L 11 ise rtendir.
(b) L rten ise 11 dir.
Not: A = [aij ], m n matris ise L : Rn Rm , L() = A s eklinde bir lineer dnsm
tanmlanabilir. AX = B, mdenklemli, nbilinmeyenli sistem ise AX = B nin zmn bulmak
demek, verilen B Rm iin L(X) = B olacak s ekilde X Rn bulmak demektir. O zaman
ek(L) = {X Rn : L(X) = AX = 0} oldugundan
ek(L), AX = 0 homojen sisteminin

zmlerinden olusur. Ayrca G(L), A nn kolonlar tarafndan dogurulan,
(Rn nin) alt uzaydr.

Yani
G(L) = (Ann kolon uzay)
olup
boy G(L) = rank(A)
olur.
Teorem 4.30dan:
boy(ek(L)) = n rank(A).
Yani
(AX = 0 homojen sistemin zm uzaynn boyutu) = n r
(r = rank(A))
Teorem 4.33 L : V W lineer dnsmnn tersi vardr L, 11 ve rtendir. Ayrca L1

de bir lineer dnsmdr ve (L1 )1 = L.
a1
1 1 1
a1
rnek 4.34 L : R3 R3 , L
a2 = 2 2 1 a2 olarak tanmlansn. ek(L) =
0 1 1
a3
a3
{} oldugu
kolaylkla gsterilebilir. Yani L, 11 dir. Ayrca rten olup (Sonu 4.32) tersi vardr. L1
fonksiyonunu bulalm.
a1
b1
L() = L
a2 = = b2
a3
b3
88
Hseyin BILG

Daha sonra,
a1 + a2 + a3
2a1 + 2a2 + a3
a2 + a3
= b1
sistemini a1 , a2 , a3 e gre zeriz.

= b2
=b
3
Devamnda s unu buluruz:
b1
1 1 1
b1
0 1
b2 = 2 2 1 b2 = 2
L1
1
b3
2 1
b3
0 1 1
b1 b3
= 2b1 + b2 + b3
.
2b1 b2
b1
b2
1
b3
0
Teorem 4.35 L : V W lineer dnsmnn 11 olmas iin gerek ve yeter s art V deki lineer
bagmsz
her kmenin grntsnn W da lineer bagmsz
olmasdr.
Ispat:
(=) L 11 olsun. S = {1 , 2 , . . . , k } V lineer bagmsz
bir kme olsun. Biz T =

{L(1 ), . . . , L(k )} W kmesinin lineer bagmsz
oldugunu
gsterecegiz.
a1 L(1 ) + + ak L(k ) = W = L(a1 1 + a2 2 + + ak k ) = W
(L lineer dn.)
= L 11 oldugundan
a1 1 + + ak k = V
= S lineer bagmsz
oldugundan
a1 = a2 = = ak = 0
= T lineer bagmsz.
Ispat:
(=) Lineer bagmsz
her kmenin grnts de lineer bagmsz
olsun. 6= V iin {}
V kmesi lineer bagmszdr.
O halde, kabulmz geregi,

{L()} W lineer bagmszdr.
=
L() 6= W dur. Yani sfr olmayan her vektrn grnts de sfr degildir.
O halde sadece sfr

vektrnn grnts sfr olup ek(L) = {V } olmak zorundadr. Teorem 4.21.b den dolay L
11 dir.
Sonu 4.36 L : V W lineer dnsm ve boy(V ) = boy(W ) olsun.

L 11 dir (yani tersi vardr) V deki bir bazn grnts, W da bir bazdr.
Not: A n n matris olsun. Buna gre asagdakiler
denktir.
2. AX = 0 n sadece trivial zm vardr.

3. A, In in satr (stun) esdegeridir.
89
Hseyin BILG

4. AX = B sistemi her n 1 B Rn matrisi iin tek zme sahiptir.
5. A, elementer matrislerin bir arpmdr.
6. Ann rank n dir.
7. Ann satrlar (stunlar) Rn de (Rn de ) lineer bagmszdr.
8. AX = O n zm uzaynn boyutu sfrdr.
9. L : Rn Rn , L(X) = AX, (X Rn ) ile tanmlanan lineer dnsm 11 ve rtendir.
ALISTIRMALAR
1. L : R2 R3 , L([a1 , a2 ]) = [a1 , a1 + a2 , a2 ] olsun.

(a) ek(L) nedir?
(b) L, 11 midir?
(c) L, rten midir?
2. L : P2 P3 , L(p(t)) = t2 p0 (t) olarak tanmlansn. ek(L) ve G(L)nin boyutlarn ve

bunlar iin bir baz bulunuz.
3. L : R3 R3 ,

0 = 2 ,
L

0
3

1 = 1 ,
L

0
0

0 = 1
L

1
0
s eklinde verilsin.
(a) Lnin tersinin oldugunu
ispatlaynz.
4.3

(b) L1
3 nedir?
4
Bir Lineer Dnsmn Matrisi
Teorem 4.37 L : V W lineer dnsm, V nboyutlu ve W mboyutlu vektr uzaylar (n 6=

0, m 6= 0) ve S = {1 , 2 , . . . , n } ve T = {1 , 2 , . . . , m } de srasyla V nin ve W nun sral
bazlar olsun. j. kolonu L(j )nin T ye gre koordinatlar; yani [L(j )]T ; olan m n tipindeki A
matrisinin s u zelligi
vardr:
90
Hseyin BILG
Eger
bir V iin L() = ise o zaman []T = A []S dr. (Burada []S : nn Sye gre koordinatlar; []T : nn T ye gre koordinatlar.) Ayrca A matrisi bu zellikleri saglayan
tek matristir.
Ispat:
Ispat
atlyoruz.
rnek 4.38 L : P2 P1 , L(p(t)) = p0 (t) olsun. S = {t2 , t, 1} ve T = {t, 1} de P2 ve P1 iin
sral bazlar olsunlar. S imdi L iin A matrisini bulalm.
"
L(t2 ) = 2t = 2 t + 0 1 = [L(t2 )]T =
" #
"
#
0
2 0 0
L(t) = 1 = 0 t + 1 1
= [L(t)]T =
= A =
bulunur.
1
0 1 0
" #
L(1) = 0 = 0 t + 0 1
= [L(1)]T =
0
2
rnegin;
p(t) = 5t2 3t + 2 = L(p(t)) = 10t 3 dr. Ayrca L(p(t))yi A matrisini kullanarak
bulabiliriz.
[p(t)]S =
3
2
olup
"
[L(p(t))]T = A [p(t)]S =
2 0 0
0 1 0
"
10
= L(p(t)) = 10t 3 bulunur.

rnek 4.39 L : P2 P1 rnek 4.38deki dnsm olsun. S = {1, t, t2 } ve T = {t, 1} de P2 ve
P1 iin sral bazlar olsunlar. Bu durumda L iin A matrisi:
"
#
0 0 2
A=
.
0 1 0
rnek 4.40 L : P2 P1 rnek 4.38deki dnsm olsun. S = {t2 , t, 1} ve T = {t+1, t1}de
P2 ve P1 iin sral bazlar olsunlar.
"
L(t2 ) = 2t = 1 (t + 1) + 1 (t 1) =
[L(t2 )]T =
"
L(t) = 1 =
1
(t
2
+ 1)
1
(t
2
1)
L(1) = 0 = 0 (t + 1) + 0 (t 1)
= [L(t)]T =
=
[L(1)]T =
91
2
1
" 2
"
= A =
1
1
1
2
12
0
0
Hseyin BILG

bulunur. S imdi p(t) = 5t2 3t + 2 alalm. L(p(t)) = 10t 3 tr.
"
#
"
#
5
1
1/2 0
7/2
[L(p(t))]T =
3 = 13/2
1 1/2 0
2
olmaldr. Gerekten: L(p(t)) = 72 (t + 1) +
13
(t
2
1) = 10t 3 bulunur.
Tanm 4.41 Teorem 4.37 de aklanan A matrisine Lnin S ve T sral bazlarna gre temsili denir.
Ayrca; A matrisi "S ve T ye gre Lyi temsil eder" deriz. Yani L yi A ile, y []S ile, y []T
ile yer degi
stiririz. Bylece L() = esitligi
A[]S = []T olur. Yani lineer dnsmler yerine
matrisler ile alsabiliriz.
a1
"
a2 =
rnek 4.42 L : R3 R2 , L
a3
1 1 1
olsun.
a
2
a3
1 2 3
a1
"

1 =
0 , 2 = 1 , 3 = 0 , 1 =
0
0
1
1
0
"
, 2 =
0
1
#
,
olsun. S = {1 , 2 , 3 }, R3 iin ve T = {1 , 2 }, R2 iin standart baz seilirse,

"
A=
1 1 1
1 2 3
bulunur. Bu matris Lnin tanmndaki matrisin aynsdr. Bunun sebebi; S ve T nin standart baz
seilmesidir.
rnek 4.43 L : R3 R2 bir nceki rnekteki dnsm olsun.

(" # " #)
1 0 0
1
1
S=
,
,
ve T =
,
1
1
0
2
3
0
1
1
R3 ve R2 iin sral baz seilirse:
"
A =
3 1 0
1 1 1
bulunur.
Not 4.44 L : V V olsun. S ve T sral bazlar verilsin. Eger
S = T seilirse bu durumda elde
edilen A matrisine Lnin Sye gre temsili denir.
92
Hseyin BILG
Not 4.45 Bu durumda birim lineer operatrn herhangi bir baza gre temsili In dir. (V nboyutlu
ise.)
Not 4.46 L : V V tersi olan lineer operatr ise ve A da Lnin bir S sral bazna gre temsili ise
A1 de L1 in Sye gre temsilidir.
Not 4.47 L : V W lineer dnsm, A da Lnin iki sral baza gre temsili olsun. ek(L)nin
bulunma problemi ile AX = 0n zm uzayn bulma problemleri ayndr. G(L) uzayn bulmak
da Ann kolon uzayn bulmak demektir.
Not 4.48 5. L : V W lineer dnsm ve boy(V ) = boy(W ) olsun. Asagdakiler
denktir.
1. L tersi alnabilirdir.
2. L 11 dir.
3. L rtendir.
4. Lnin, S ve T ye gre temsil matrisi olan A singler degildir.
ALISTIRMALAR
"
1. A =
1 2
3 4
#
olsun ve L :
("
S=
2 R2
1 0
0 0
("
T =
1 0
0 1
2 R2 , L(X)
# "
,
# "
,
0 1
0 0
1 1
0 0
# "
,
# "
,
= AX XA dnsm verilsin.
0 0
1 0
1 0
1 0
# "
,
# "
,
0 0
#)
ve
0 1
0 1
#)
0 0
de sral bazlar olsunlar. Lnin;

(a) Sye gre,
(b) T ye gre,
(c) S ve T ye gre,
(d) T ve Sye gre
temsilini bulunuz.
4.4
Matrislerin Vektr Uzay ve Lineer Dnsmlerin Vektr Uzay
Tanm 4.49 V ve W boyutlar n ve m olan iki vektr uzay olsun. L1 : V W ve L2 : V W

lineer dnsmler olsun. L : V W dnsmn s yle tanmlayalm:
L() = L1 () + L2 ()
93
( her V iin)
Hseyin BILG
Buradaki +, W daki toplamadr. L yi L1 L2 ile gsterelim ve L1 ile L2 nin toplam diyelim. Ayrca
L : V W lineer dnsm ve c R ise
H : V W, H() = cL()
s eklinde tanmlayalm. H ye L nin c ile skaler arpm diyelim ve c
L ile gsterelim.
rnek 4.50 V = R3 , W = R2 olsun. L1 : R3 R2 , L2 : R3 R2

L1 () = L1 ([a1 a2 a3 ]) = [a1 + a2 a2 + a3 ]
ve
L2 () = L2 ([a1 a2 a3 ]) = [a1 + a3 a2 ]
olsun. O zaman
(L1 L2 )() = [2a1 + a2 + a3
2a2 + a3 ]
ve
(3
L1 )() = [3a1 + 3a2
3a2 + 3a3 ]
olur.
Not 4.51 Eger
L1 ve L2 , V den W ya iki lineer dnsm ve c R ise L1 L2 ve c
L de lineer
dnsmdr. Ayrca V den W ya btn lineer dnsmlerin kmesi U , bu islemlerle bir vektr
uzaydr. O : V W , O() = W olarak tanmlanan O dnsmn U nun sfr vektrdr.
Ayrca L ((1)
L) = O dr. (1)
L yerine L yazarz. Ayrca S = {L1 , L2 , . . . , Lk }
kmesinin lineer bagml
olmas demek, c1 L1 + c2 L2 + + ck Lk = O olacak s ekilde hepsi birden

sfr olmayan c1 , c2 , . . . , ck saylarnn var olmas demektir. ( yerine +;
rnek 4.52 L1 , L2 , L3 : R2 R3 dnsmleri s yle tanmlansn:
L1 ([a1 a2 ]) = [a1 + a2
2a1
L2 ([a1 a2 ]) = [a2 a1
2a1 + a2
L3 ([a1 a2 ]) = [3a1
2a2
a2 ]
a1 ]
a1 + 2a2 ]
S = {L1 , L2 , L3 } kmesi lineer bagmsz
mdr?
zm: c1 L1 + c2 L2 + c3 L3 = O olsun. 1 = [1
0] iin
(c1 L1 + c2 L2 + c3 L3 )(1 ) = O([1 0]) = [0 0 0]

olmaldr. Yani
c1 [1 2 0] + c2 [1 2 1] + c3 [3 0 1] = [0 0 0]
olmaldr. Buradan c1 = c2 = c3 = 0 bulunur. Yani S lineer bagmszdr.
94
yerine yazacagz)
Hseyin BILG
Teorem 4.53 U , V den W ya lineer dnsmlerin uzay olsun. (boy(V ) = n 6= 0, boy(W ) =

m 6= 0 olsun). O zaman U ile m Rn izomorfiktir.
Ispat:
S = {1 , 2 , . . . , n } V nin ve T = {1 , 2 , . . . , m } de W nun bazlar olsun. M :
U m Rn
M (L) = Lnin S ve T bazlarna gre temsili
olarak tanmlanan dnsmnn bir izomorfizm oldugu
Sonu 4.54 boy(U ) = mn dir; nk boy(m Rn ) = mn dir.

"
2 1
bazlar
, S = {1 , 2 , 3 } ve T = {1 , 2 } de R3 ve R2 iin dogal
2 1
3
olsun. S imdi S ve T ye gre temsili A olan L : R3 R2 dnsmn bulalm.
rnek 4.55 A =
"
L(1 ) = 11 + 22 =
L(2 ) = 21 12 =
a1
1
"
2
"
L(3 ) = 11 + 32 =
bulunur. S imdi =
a2 R iin
a3
L() = L(a1 1 + a2 2 + a3 3 ) = a1 L(1 ) + a2 L(2 ) + a3 L(3 )
#
#
" #
"
"
1
2
1
= a1
+ a2
+ a3
2
1
3
"
#
a1 + 2a2 a3
=
2a1 a2 + 3a3
= A
Yani L() = A s eklinde tanmlanmaldr. Eger
S ve T dogal
bazlar ise bu yaplabilir. S imdi

(" # "
#)
1
0

1
2
0
0

S =
0 , 1 , 1 ve T =
3
1
1
1
0
95
Hseyin BILG

olsun. S 0 ve T 0 ye gre temsili A olan L : R3 R2 dnsm ne olmaldr?

" #
"
#
" #
1

1
2
5

L
0 = 1 3 + 2 1 = 1 ,
1

" #
"
#
" #
1

1
2
0
1 = 2
L
1
=
,

3
1
7
0

" #
"
#
"
#
0

1
2
5

L
1 = 1 3 + 3 1 = 6
1
a1
ise y S 0 deki vektrler cinsinden yazalm.

bulunur. =
a
2
a3

1
1
0

= b1
0 + b2 1 + b3 1 .
1
0
1
Bu durumda L() y s yle hesaplarz:

1
1
0

L() = b1 L 0 + b2 L 1 + b3 L 0
1
0
1
#
" #
" #
"
5
0
5
= b1
+ b2
+ b3
1
7
6
#
"
5b1 + 5b3
=
b1 + 7b2 6b3

1

s eklinde hesaplanr. S imdi, L
2 nedir?
3

1
0
1
1

2 = 1 0 + 0 1 + 2 1

1
1
0
3
bulunur. (Yani b1 = 1, b2 = 0, b3 = 2 olmaldr.) Buradan:

"
#
1

15

L
2 = 11
3
96
Hseyin BILG

bulunur. Genel olarak; Lnin formul s yledir:
#
"
a1
5a
3
.
L
a2 = 7a 6a
1
3
a3
Tanm 4.56 V1 , V2 ve V3 boyutlar srasyla m, n ve p olan uzay olsun. L1 : V1 V2 , L2 :

V2 V3 lineer dnsmler olsun. Her V1 iin
L2o L1 : V1 V3 ,
(L2o L1 )() = L2 (L1 ())
s eklinde tanmlanan fonksiyona L1 ile L2 nin bileskesi denir. Bu durumda L2o L1 de bir lineer dnsmdr (gsterin). Eger
L : V V ise Lo L yerine ksaca L2 yazlr.
rnek 4.57 L1 : R2 R2 , L2 : R2 R2
"
#!
"
#
a1
a1
L1
=
a2
a2
s eklinde tanmlansn. Bu durumda:
"
(L1o L2 )
a1
a2
ve
#!
L2
"
= L1
a2
"
(L2o L1 )
a1
"
#!
#!
a1
a2
"
=
a2
a1
"
= L2
a2
#!
a1
"
=
#!
a2
a1
a1
"
a2
a2
,
#
a1
olup L1o L2 6= L2o L1 dir.

Teorem 4.58 V1 , V2 ve V3 srasyla m, n ve p boyutlu uzay; L1 : V1 V2 , L2 : V2 V3
lineer dnsmler olsun. Bu durumda
M (L2o L1 ) = M (L2 ) M (L1 )
dir. (Buradaki M fonksiyonu Teorem 4.53n ispatnda geen fonksiyondur.)
lineer dnsmn bileskesinin temsili olan matris bunlarn
Not: Bu teorem s yle ifade edilir: Iki
ayr ayr temsili olan matrislerin arpmdr.
97
5
Determinantlar
5.1
Determinantn Tanm
Bu blmdeki btn matrisler kare matristir.

Tanm 5.1 S = {1, 2, . . . , n}, 1 den ne kadar tamsaylarn artan bir srada dzenlenmis kmesi
olsun. S deki elemanlarn j1 j2 . . . jn s eklinde bir dzenlenisine S nin bir permtasyonu denir.
Aslnda; S nin bir permtasyonu S den Sye 11 ve rten bir dnsmdr. S nin ka tane permtasyonu vardr?
n-tane
(n1)-tane
(n2)-tane
(n3)-tane
2-tane
1-tane
Toplam: n! tane.
S deki btn permtasyonlarn kmesini Sn ile gsterelim.
rnek 5.2 S = {1, 2, 3} olsun. S3 n 3! = 6 tane eleman (permtasyonu) vardr. Bunlar:
123, 132, 213, 231, 312 ve 321
Tanm 5.3 Eger
bir j1 j2 . . . jn permtasyonunda byk bir say kk bir saydan nce geliyorsa
bir permtasyonda toplam inver(yazlmssa) bu permtasyonda bir inversiyon vardr denir. Eger
siyonlarn says ift (tek) ise bu permtasyona ifttir (tektir) denir. Eger
n > 2 ise Sn de n!/2 tane
ift; n!/2 tane tek permtasyon vardr.
rnek 5.4 S1 in 1! = 1 tane permtasyonu vardr: 1 dir. Bu permtasyon ifttir; nk hi inversi
yon yoktur. (Inversiyonlarn
says 0 dr.)
98
Hseyin BILG
Blm 5. Determinantlar
rnek 5.5 S2 nin 2! = 2 tane permtasyonu vardr: 12 ve 21. 12 permtasyonu ifttir (hi inversiyon yok). 21 permtasyonu tektir (1 tane inversiyon vardr.)
rnek 5.6 S4 deki 4312 permtasyonuna bakalm.
4, 3 den nce gelir.
4, 1 den nce gelir.
5 inversiyon = 4321 tektir.

4, 2 den nce gelir.
3, 1 den nce gelir.
3, 2 den nce gelir.

rnek 5.7 S3 deki btn permtasyonlara bakalm:
ift permtasyonlar: 123, 231, 312
Tek permtasyonlar: 132, 213, 321
Tanm 5.8 A = [aij ] n n matris olsun. det(A) (veya |A|) s eklinde gsterilen determinant fonksiyonu s yle tanmlanr:
det(A) =
()a1j1 a2j2 a3j3 anjn
Burada toplam, S = {1, 2, , n} kmesindeki btn j1 j2 . . . jn permtasyonlar zerinden alnr. Bu permtasyon ift ise isaret (+); tek ise () yazlr. Bu toplamda, n! tane terim vardr.
rnek 5.9 A = [a11 ] ise det(A) = a11 dir.
"
#
a11 a12
rnek 5.10 A =
olsun. det(A) y bulmak iin a1 _a2 _ terimlerindeki bosluklara (tire
a21 a22
isaretlerine) S2 deki permtasyonlar yazarz. Bunlar 12 (ift) ve 21 (tektir). O halde
|A| = a11 a22 a12 a21 .
Ayrca bu determinant s yle de bulunur: Ana diyagonaldeki elemanlarn arpmndan diger
diyagonaldeki elemanlarn arpm karlr:
Yani:

a
11 a12

a12 a22
a11
a12
a21
a22

= a11 a22 a12 a21 = det(A)

2 3

Mesela; A =
= det(A) = 2 5 (3) 4 = 22
4 5
99
Hseyin BILG
a11 a12 a13
rnek 5.11 A =
a21 a22 a23 , 33 matrisi verilsin. |A| y bulmak iin 6 tane terimi yazalm:
a31 a32 a33
a1 _a2 _a3 _
a1 _a2 _a3 _ a1 _a2 _a3 _ a1 _a2 _a3 _
a1 _a2 _a3 _
a1 _a2 _a3 _
Daha sonra S3 deki 6 permtasyon tire isaretlerinin yerine yazlr. Permtasyon ift ise +; tek ise
isareti verilir.
|A| = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a11 a23 a32 a12 a21 a33 a13 a22 a31
Sarrus Kural
Sadece 3 3 determinant hesaplamak iin bir yntem de Sarrus Kural olarak bilinir ve s yle aklanabilir: Matrisin 1. ve 2. kolonu sag tarafa ekleyelim.
a11 a12 a13 a11 a12
a21 a22 a23 a21 a23
a31 a32 a33 a31 a32
Daha sonra solst taraftan sagalt
tarafa dogru
saylar arpalm ve (+) isareti verelim. Sagst
taraftan solalt tarafa dogru

saylar arpalm ve () isareti verelim.
a11 a12 a13 a11 a12
a21 a22 a23 a21 a22
a31 a32 a33 a31 a32
Bylece bu 3l saylarn arpmndan olusan 6 ifadeyi toplayalm ve determinan elde edelim:

a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31 a11 a23 a32 a12 a21 a33

1 2 3
1 2 3

rnek 5.12 A =
2 1 3 ise 2 1 3 = 6 olarak bulunur.

3 1 2
3 1 2
1 2 3 1 2
2 1 3 2 1 = |A| = 2 + 18 + 6 9 3 8 = 6
3 1 2 3 1
100
Hseyin BILG
Not 5.13 Eger

j1 j2 . . . jn permtasyonunda iki sayy yer degi
stirirsek o zaman bu permtasyondaki inversiyonlarn says ya bir tek say kadar artar veya bir tek say kadar azalr. (Mesela 5 artar
veya 3 azalr.) Bu durumda permtaston ift ise tek; tek ise ift olur. Mesela 21354 permtasyonunda
2 tane inversiyon vardr. 1 ile 4 yer degi
stirip 24351 permtasyonunu elde edelim. Bu permtas permtasyon ift; ikinci permtasyon tektir.
yonda 5 tane inversiyon vardr. Ilk
ALISTIRMALAR
1.) A = [aij ] 4 4 matris olsun. det(A) nn formln yaznz.

2
1
t 1 1
t1 0

2.) a) 0
b) 2 t 1 =?
t2
2 =?

0
0
0
t3
0 t+1
3.) Alstrma 2deki determinantlarn sfr olmas iin t ne olmaldr?
5.2
Determinantn zellikleri
Teorem 5.14 A = [aij ] n n matris olsun. det(A) = det(A0 ) dr
Ispat:
A0 = B = [bij ] diyelim. bij = aji oldugunu
biliyoruz. Aslnda det(B) nin almndaki her

bir terim (+ ve isareti hari); det(A) nn almndaki bir terime esittir. Mesela; n = 5 iin
b13 b24 b35 b41 b52 = a31 a42 a53 a14 a25 = a14 a25 a31 a42 a53
gibi.
S imdi ilk terime ait permtasyon 34512 dir ve 6 tane inversiyon vardr. Son terime ait permtasyon
45123 dr ve yine 6 tane inversiyon vardr. Bu bir tesadf degildir;
aslnda bu permtasyonlarn biri

digerinin
tersidir ve Soyut Cebir derslerinde gsterilecektir ki bir permtasyon tek ise tersi de
tektir; ift ise tersi de ifttir. Bu yzden bu iki terimin isaretleri ayndr. O halde det(A) = det(A0 )
dir.
1 2 3
1 2 3
rnek 5.15 A =
2 1 3 = A = 2 1 1
3 3 2
3 1 2
1 2 3 1 2
2 1 1 2 1 = |A0 | = 2 + 6 + 18 9 3 8 = 6 bulunur.
3 3 2 3 3
101
Hseyin BILG
Teorem 5.16 Eger

B matrisi A matrisinin iki satrnn (veya stununun) yer degi
smesi ile elde edilen
matris ise det(B) = det(A) dr.
Ispat:
Farzedelim ki r. ve s. satrlar yer degi
ssin. O halde j1 j2 . . . js . . . jr . . . jn permtasyonu
j1 j2 . . . jr . . . js . . . jn permtasyonundan iki saynn degi
simi ile elde edilmistir. Yani det(B) deki
her terim det(A) daki terimin negatifidir. (nk inversiyonlarn says bir tek say kadar artmstr
veya azalmstr.) = det(B) = det(A) dr.
S imdi de iki stunun yer degi
stigini
farz edelim. = B 0 , A0 den iki satrn yer degi
smesi ile bulunur.
= det(B 0 ) = det(A0 ) dr. Fakat det(B 0 ) = det(B) ve det(A0 ) = det(A) oldugundan
det(B) = det(A) elde edilir.

2 1

rnek 5.17
= 7 ve
3
2

3
2

2 1

= 7

Teorem 5.18 Eger

A nn iki satr (stunu) esit ise det(A) = 0 dr.
Ispat:
r. ve s. satrlar esit olsun. Bu satrlar yer degi
stirip B matrisini elde edelim. = det(B) =
det(A) dr. Fakat B = A dr. = det(A) = 0 bulunur.

1 2 3

rnek 5.19 1 0 7 = 0 dr.

1 2 3
Teorem 5.20 Eger

A nn bir satr (stunu) tamamen sfr ise det(A) = 0 dr.
Ispat:
A nn i. satrnn tamamen sfr oldugunu
farz edelim. Determinantn tanmnda (Tanm 5.8)

toplamdaki her bir terim i. satrdan (sadece) bir terim ile arplmstr. O zaman her bir terim sfra
esit olup bunlarn toplam da sfrdr (toplam sonlu oldugu
iin). Yani det(A) = 0 olur.

1 2 3

rnek 5.21 4 5 6 = 0 dr.

0 0 0
Teorem 5.22 A nn bir satrn (stununu) bir c R says ile arpp B matrisini elde edelim. O
zaman det(B) = c det(A) dr.
Ispat:
Farzedelim ki A nn i. satr c ile arplsn. Determinantn tanmndaki toplamdaki her bir
terim i. satrdan sadece bir terim ierdigi
iin det(B) = c det(A) olur.

1 1
1 3
2 6

rnek 5.23
= 6(4 1) = 18
= 2 3
= 2
1 4
1 12
1 12

1 2 3

rnek 5.24 1 5 3

2 8 6

1 2 3
1 2 1

= 2 1 5 3 = 2 3 1 5 1

1 4 3
1 4 1
102

= 2 3 0 = 0 ( 1. ve 3. kolonlar esit )

Hseyin BILG
Teorem 5.25 Eger

B = [bij ] matrisi, A = [aij ] matrisinin bir satrna (stununa), bir baska satrn
(stunun) c katnn eklenmesi ile elde edilmis ise det(B) = det(A) dr.
Ispat:
(Ispat
satr iin yapalm) A matrisinin s. satrnn c katn r. satra ekledigimizi
farz edelim.
i 6= r iin aij = bij dir ve brj = arj + casj olur. (r 6= s ve r < s olsun.) O zaman
X
det(B) =
()b1j1 b2j2 . . . brjr . . . bnjn
X
=
()a1j1 a2j2 . . . (arjr + casjr ) . . . anjn
X
=
()a1j1 a2j2 . . . arjr . . . asjs . . . anjn
X
+
()a1j1 a2j2 . . . (casjr ) . . . asjs . . . anjn
Burada (5.1) ifadesi det(A) ya esittir. S imdi (5.2) ifadesine bakalm:

a11 a12 . . .

a
21 a22 . . .

..

.

as1 as2 . . .
X

()a1j1 a2j2 . . . asjr . . . asjs . . . anjn =
..

.

as1 as2 . . .

..

.

an1 an2 . . .
(5.1)
(5.2)

a1n

a2n

asn
rinci satr

asn
sinci satr

ann
Bu determinantn degeri
0 dr; nk r. satr ile s. satr ayndr. O halde det(B) = det(A) + 0 =

det(A).

2 3
1

rnek 5.26 2 1 3

1
0 1

0 9
5

= 2 1 3

1
0 1

nk 1. satra 2. satrn iki kat eklenmis.

Teorem 5.27 Eger

A = [aij ] matrisi st (alt) gensel ise det(A) = a11 a22 . . . ann dir.
Ispat:
A = [aij ] st gensel olsun. (yani i > j ise aij = 0 olsun). O zaman |A| nn formlndeki a1j1 a2j2 . . . anjn says 1 6 j1 , 2 6 j2 , . . . , n 6 jn ise sfrdan farkldr. S imdi j1 j2 . . . jn
permtasyonu {1, 2, . . . , n} kmesinin bir permtasyonu oldugundan
bu terimdeki saylarn sfr

olmamas iin j1 = 1, j2 = 2, . . . , jn = n olmaldr. O halde det(A) = a11 a22 . . . ann dir. (Alt
gensel matris iin benzer bir ispat yazlabilir.)
Not: Bu sonucu; verilen bir determinant hesaplamak iin, matrisi st gensel hale getirip determinant daha kolay hesaplamak iin kullanabiliriz.

3 2
4
3
2
2 3
4

1

S3 S23

S1 S3

rnek 5.28 3 2 5 ======= 2 3 2 5 ======= (2) 3 2 5

2
1
4
4 6
2 3
3 2
103

S2 3S1 +S2
==========

Hseyin BILG

2
3
2
3
2
3
1
1
1

S3 4S1 +S3

S2 S42

(2) 0 8 4 ========== (2) 0 8 4 ====== (2)(4) 0 2 1

4
0 5 10
0 5 10
3
2

1
2
3
1
2
3

S2
S3

S3 2 +S3

S3 5

====== (2)(4)(5) 0 2 1 ========== (2)(4)(5) 0 2 1

0 1 2
0
0 32
olup son matris st gensel oldugundan
determinant: (2)(4)(5)(1)(2)( 23 ) = 120 bulunur.

Sonu 5.29 det(In ) = 1 dir.
Sonu 5.30 E1 , E2 ve E3 srasyla I., II. ve III. tipte elementer matrisler olsun. (E1 : birim matriste
iki satrn yer degi
stirmesi; E2 : birim matrisin bir satrnn c 6= 0 ile arplmas; E3 : birim matrisin
bir satrnn bir c katnn baska satra eklenmesi ile elde edilen matrisler olsun.) Buna gre
det(E1 ) = det(In ) = 1
(Teorem 5.16dan)
det(E2 ) = c det(In ) = c
(Teorem 5.22den)
det(E3 ) = det(In ) = 1
(Teorem 5.25den)
(Yani bir elementer matrisin determinant 0 olamaz.)

Lemma 5.31 E bir elementer matris ise det(EA) = det(E) det(A) ve det(AE) = det(A)
det(E) dir.
Ispat:
E,I.tip ise: det(EA) = det(A) = det(E) det(A)
E,II.tip ise: det(EA) = c det(A) = det(E) det(A)
E,III. tip ise: det(EA) = det(A) = det(E) det(A)
Ayrca B = Er Er1 E2 E1 A ise
det(B) = det(Er ) det(Er1 Er2 . . . E1 A)
= det(Er ) det(Er1 ) det(Er2 . . . E2 E1 A)
..
.
= det(Er ) det(Er1 ) . . . det(E2 ) det(E1 ) det(A)
S imdi bir matrisin singler olup olmamas ile determinatnn iliskisini gsteren nemli bir teoremi
verelim:
104
Hseyin BILG
Teorem 5.32 A, n n bir matris olsun.
A singler degildir
det(A) 6= 0.
Ispat:(=)
A singler olmasn. = A elementer matrislerin bir arpmdr. O zaman
A = E1 E2 . . . En = det(A) = det(E1 ) det(E2 ) . . . det(Ek ) 6= 0
nk elementer bir matrisin determinant 0 degildir.
Ispat:(=)
S imdi, A singler olsun. = A matrisi bir satr tamamen sfr olan bir B matrisine
satr esdegerdir.
= A = E1 E2 Er B s eklindedir. O zaman
det(A) = det(E1 ) det(Er ) det(B) = 0
| {z }
=0
nk, Teorem 5.20den, det(B) = 0.
Sonu 5.33 A n n matris olsun. rankA = n det(A) 6= 0
Ispat:
Sonu 2.90 dan biliyoruz ki; A singler degildir
rank(A) = n
Sonu 5.34 A nn matris olsun. AX = 0n trivial olmayan bir zm vardr det(A) = 0.
Teorem 5.35 A ve B n n matrisler ise
det(AB) = det(A) det(B)
Ispat:
Ispat
iki durumda inceleyecegiz:
A singler degil
ise: A, In nin satr esdegeridir
= A = Ek Ek1 E1 In = Ek Ek1 . . . E1
s eklindedir. (Ei ler elementer matris). Bu durumda det(A) = det(Ek ) det(E1 ) olup
det(AB) = det(Ek Ek1 E1 B)
= det(Ek ) det(E1 ) det(B)
= det(A) det(B)
elde edilir.
A singler ise: Teorem 5.32den det(A) = 0 dr. Ayrca A matrisi bir satr tamamen sfr olan bir
C matrisine satr esdegerdir.
O halde
C = Ek Ek1 . . . E2 E1 A = CB = Ek . . . E1 AB
olup AB ile CB satr esdegerdir.
S imdi CB nin de bir satr tamamen sfr oldugundan
AB singlerdir. Teorem 5.32den det(AB) = 0 dr. Bylece det(AB) = det(A) det(B) forml elde
edilir.

105
Hseyin BILG
"
rnek 5.36 A =
1 2
3 4
olup |AB| = 10 dur.
"
ve B =
2 1
1
"
olsun. |A| = 2 ve |B| = 5 dir. AB =
4 3
10 5
Not 5.37 Teorem 5.35den, A singler degil

ise,
1

det A1 =
det A
forml elde edilir. (B = A1 alnrsa).

Not 5.38 Genelde det(A + B) 6= det(A) + det(B) dir. Fakat; eger
A, B ve C nin sadece bir satr
hari (mesela k. satr hari) diger
btn satrlar esitse ve
(Cnin k. satr)= (Ann k. satr) + (B nin k. satr)
s eklinde bir bagnt
var ise o zaman det(C) = det(A) + det(B) dir.
2 2 3
2 2 3
rnek 5.39 A =
3
4
0 3 4 ,B = 0
ve C = 0 3 4 olsun.
0 2 4
1 2 4
1 0 0
|A| = 8, |B| = 9 ve |C| = 1 olup |C| = |A| + |B| dir.
ALISTIRMALAR
1.) Asagdaki
determinantlar hesaplaynz.

4
4 2 2 0
2

3 4 2

2 0 0 0

3 2

(c)
(b) 2 5 0
(a)

2
3 0 0 1
0

3 0 0

8 2
0 0 1 0

3 4

1
5

1 3

6
4
2.) (a) A = A1 ise det(A) = 1 oldugunu
gsterin.
(b) A0 = A1 ise det(A) nedir?
3.) A2 = A olsun. A nn singler oldugunu
veya det(A) = 1 oldugunu
gsteriniz.
106
Hseyin BILG
5.3
Kofaktr Alm
Tanm 5.40 A = [aij ] n n matris olsun. Mij de A nn i. satr ile j. kolonunun karlmas ile elde
edilen (n 1) (n 1) tipindeki alt matris olsun . det(Mij ) determinantna aij nin minr denir.
Tanm 5.41 A = [aij ] n n matris olsun. aij nin Aij kofaktr
Aij = (1)i+j det(Mij )
s eklinde tanmlanr.
3 1 2
rnek 5.42 A =
5 6
4
olsun. Baz minr ve kofaktrleri hesaplayalm:
7
1 2

4 6
3 1
1 2

|M12 | =
=
34,
|M
|
=
=
10,
|M
|
=

23
31
7 2
7

5 6
1

= 16

A12 = (1)1+2 |M12 | = 34, A23 = (1)2+3 |M23 | = 10, A31 = (1)3+1 |M31 | = 16.
S imdi, bir matrisin determinantn kofaktrler cinsinden veren teoremi verelim:
Teorem 5.43 A = [aij ] n n matris olsun. O zaman
det(A) = ai1 Ai1 + ai2 Ai2 + + ain Ain
det(A) = a1j A1j + a2j A2j + + anj Anj
(i. satra gre kofaktr alm)

(j. stuna gre kofaktr alm)

1 2 3
4

4 2
1
3

rnek 5.44 |A| =
determinantn hesaplayalm.
3 0
0 3

2 0 2
3
zm: 3. satra veya 2. stuna gre amak daha kolaydr, nk bunlar 2 tane sfr bulundururlar.
Mesela; 3. satra gre aalm.

3+1
|A| = (1)
3

+ (1)3+3 0

2 3 4
1 3 4

1 3
2
1 3 + (1)3+2 0 4

2 2 3
0 2 3

1 2 4
1 2 3

3+4
(3) 4 2
4 2 3 + (1)
1

2 0 2
2 0 3
= 3 (20) + 0 + 0 + 3 (4) = 48
107
Hseyin BILG
bulunur. (3 3 determinantlar Sarrus kural ile veya kofaktr alm ile hesaplanabilir.)
rnek 5.45 Asagdaki
determinant kolay hesaplamak iin (3, 4)nc say 0 yaplmstr. Bunun

iin 1. kolonun uygun bir kat son kolona eklenir:

1 2 3
1 2 3
4
7

2
3
7

4 2

4 2

1
3
1
9

K4 3K1 +K4

3+1
2

===========
= (1)
1 9

1 0
1 0
0 3
0
0

0 2
9

2 0 2
2 0 2
3
9

0
4
16

4 16

S1 S1 S2

========= 2
= (2)(36 + 32) = 8 bulunur.
1 9 = 2(1)3

2 9

0 2
9
ALISTIRMALAR
1 0
2 1 4 1
1.) A =
ise A12 =? , A23 =? , A33 =? , A41 =?
3 2 4
0 3 1 0

0
1
t1

2.) 2 t + 2 1

0
0
t+1
5.4

= 0 denklemini znz.

Bir Matrisin Tersi
Teorem 5.46 A = [aij ] nn bir matris ise

i 6= k iin:
ai1 Ak1 + ai2 Ak2 + + ain Akn = 0,
j 6= k iin:
a1j A1k + a2j A2k + + anj Ank = 0
dr. (Yani bir satra gre elemanlar ile diger

satra gre kofaktrlerin arpmlarnn toplam sfrdr.
Ayrca bir stuna gre elemanlar ile diger
stuna gre kofaktrlerin arpmlarnn toplam da sfrdr.)
108
Hseyin BILG
1 2
rnek 5.47 A =
1
2 3
matrisi verilsin. 2. satra gre btn kofaktrleri hesaplayalm:
4 5 2
A21

2 3

= (1)3
5 2

1 3

= 19, A22 = (1)4

4 2

1 2

= 14, A23 = (1)5
=3

4 5
S imdi bu kofaktrleri 1. satrdan (ve sonra 3. satrdan) karslkl saylarla arpp toplayalm:
a11 A21 + a12 A22 + a13 A23 = 19 + 2 (14) + 3 3 = 0
a31 A21 + a32 A22 + a33 A23 = 4 19 + 5 (14) + (2) 3 = 0
zet olarak s unu yazabiliriz:
(
ai1 Ak1 + ai2 Ak2 + + ain Akn =
ve
(
a1j A1k + a2j A2k + anj Ank =
det(A), i = k ise
i 6= k ise
0,
det(A), j = k ise
j 6= k ise
0,
Tanm 5.48 A = [aij ], n n matris olsun. (i, j). eleman aji nin kofaktr Aji olan matrise Ann
ek matrisi (adjoint matrisi) denir ve ek(A) veya adj(A) s eklinde gsterilir. Yani:
3 2
rnek 5.49 A =
5
1
. . . An1
A12 A22 . . . An2
ek(A) = .
..
..
..
..
.
.
.
A1n A2n . . . Ann
A11
A21
2
olsun. A nn kofaktrleri:
0 3
6
A11 = 18, A12 = 17,

A21 = 6,
A22 = 10, A23 = 2,
A31 = 10, A32 = 1,

olarak bulunur. Ek matris:
A13 = 6,
ek(A) =
18
6 10
17 10
6
109
A33 = 28
28
Hseyin BILG
Teorem 5.50 A = [aij ], n n matris ise A ek(A) = ek(A) A = |A|In dir.
Ispat:
Matris arpmnn tanmndan biliyoruz ki; A matrisinin i. satr ile ek(A) matrisinin j. stunundaki elemanlar karslkl arplp toplanrsa A ek(A) matrisinin (i, j). eleman elde edilir.
Asagda
grldg
gibi,
a11
a12
. . . a1n
a21 a22 . . . a2n
.
..
..
..
.
.
A ek(A) =
ai1 ai2 . . . ain
.
..
..
..
.
.
an1 an2 . . . ann
11 A21 . . . Aj1 . . . An1
A12 A22 . . . Aj2 . . . An2
.
..
..
..
..
.
.
.
A1n A2n . . . Ajn . . . Ann
aslnda bu say ya 0 dr; ya da det(A) dr. nk

(
ai1 Aj1 + ai2 Aj2 + + ain Ajn =
O halde
|A|
A ek(A) = .
..
det(A),
i = j ise
0,
i 6= j ise
0 ...
|A| 0 . . .
..
.. . .
.
.
.
0
..
.
= det(A)In
0 . . . |A|
elde edilir. Benzer s ekilde ek(A) A = det(A)In bulunur.

rnek 5.51 rnek 5.49daki matrise bakalm.
18 6 10
3 2
1
5
6
2
17 10 1
1
0 3
6 2
28
94
0
= 94I3
0 94
0 94
0
olup |A| = 94 oldugu

grlr.
Sonu 5.52 A, n n matris ve |A| 6= 0 ise
A11
A21
ek(A)
=
=
|A|
|A|
A12
|A|
A22
|A|
..
.
|A|
..
.
A1n
A2n
|A|
|A|
110
...
...
..
...
An1
|A|
An2
|A|
..
.
Ann
|A|
Hseyin BILG
rnek 5.53 rnek 5.49daki matrisi dsnelim. |A| = 94 olup
18 6
10
94 94
94
1
1
17 10
A1 =
ek(A) =
|A|
94
94 94
2
28
6
94 94
94
ALISTIRMALAR
4 2 2
matrisinin tersini bulunuz.

1.) Sonu 5.52 deki yntemi kullanarak A =
0
1
2
1 0 3
5.5
Determinantn Diger
Uygulamalar
Cramer Kural
n n tipinde AX = B lineer denklem sistemi verilsin.
a11 x1 + a12 x2 + + a1n xn
a21 x1
..
.
+ a22 x2 + + a2n xn
..
..
..
.
.
.
= b1
=
..
.
b2
..
.
an1 x1 + an2 x2 + + ann xn = bn

det(A) 6= 0 ise bu sistemin tek zm vardr ve
x1 =
|A1 |
|A|
x2 =
|A2 |
|A|
xn =
|An |
|A|
dir. Burada Ai matrisi A matrisinin i. kolonuna B matrisi yazlmas ile elde edilen matristir.
2x
+
3x
x
=
1
1
2
3
rnek 5.54
denklem sistemi verilsin. ncelikle
x1 + 2x2 x3 = 4
2x x + x = 3
1

3 1
2

|A| = 1
2 1 = 2

2 1
1
111
Hseyin BILG
bulunur. Daha sonra x1 , x2 ve x3 s yle hesaplanr:

3 1
1 1
1
2

4
1
2 1
4 1

3 1
2 3
1
1
4
6
x1 =
=
= 2,
x2 =
=
= 3,
2
2
2
2

2
3
1

1

2
4

2 1 3
8
x3 =
=
=4
2
2
Teorem 5.55 S = {1 , 2 , . . . , n } Rn de (veya Rn de) ntane vektr olsun. A matrisi de kolonlar
(veya satrlar) S nin elemanlar olan matris olsun.
S lineer bagmszdr
det(A) 6= 0
1 2
rnek 5.56 S = { [1 2 3], [0 1 2], [3 0 1] } olsun. A =

0 1 2 ve |A| = 2 olup S
3 0 1
lineer bagmszdr.
rnek 5.57 S =
t2 + t, t + 1, t 1
kmesi P2 iin bir baz mdr?
zm: P2 uzay ile R3 izomorfiktir. L : P2 R3 , L(at2 + bt + c) =

b fonksiyonu
c
bir izomorfizmadr. O zaman; S kmesinin P2 iin bir baz olmas iin gerek ve yeter s art T =

L(t2 + t), L(t + 1), L(t 1) kmesinin R3 iin bir baz olmasdr. S imdi

1
0
0

, L(t + 1) = 1 ve L(t 1) = 1
L(t2 + t) =
1

0
1
1
olup Teorem 5.55 kullanlrsa:
1 0
A=
1 1 1 ve |A| = 2
0 1 1
olup T lineer bagmszdr.
= S lineer bagmszdr.
boy(P2 ) = 3 oldugundan
S bir bazdr. (nk

3 boyutlu bir uzayda 3 elemanl lineer bagmsz
bir kme ayn zamanda bazdr. Bkz. Sonu 2.54)

ZET: A, n n matris olsun. O zaman asagdaki
ifadeler denktir:
112
Hseyin BILG
1. det(A) 6= 0
3. A nn satrlar (stunlar) lineer bagmszdr.
4. AX = 0 homojen sisteminin sadece trivial zm vardr.

5. rank(A) = n
113
zdegerler
ve zvektrler
V, nboyutlu bir vektr uzay ve L : V V bir lineer dnsm olsun. Bu durumda L dnsm
V deki her vektrn yine V deki bir L() vektrne dnstrr. Burada; L() nn, nn bir
kat olup olamayacag
problemi ortaya kar. Yani L() = c olacak s ekilde c saylar ve vektrleri
var mdr? Eger
= ise L() = = c olup her c says iin esitlik saglanr;
dolaysyla byle bir

durumda problem ilgin degildir.
Tanm 6.1 V, nboyutlu vektr uzay ve L : V V bir lineer operatr olsun. Eger
L() = c
denir. Bu esitligi
saglayan
her
olacak s ekilde 6= V vektr varsa cye L nin bir zdegeri
6= vektrne Lnin cye karslk gelen bir zvektr denir. (zvektr ve zdeger
yerine bazen
karakteristik vektr ve karakteristik deger
de kullanlr.)
Not 6.2 = V bu esitligi
her zaman saglar
fakat bir zvektr degildir.
(nk tanma gre 6= V

olmaldr).
Not 6.3 Burada cnin reel say olmas gerekir (Kompleks say olan zdegerler
de vardr.)
rnek 6.4 L : V V, L() = 2 olsun. Lnin tek zdegeri
c = 2 dir. Ayrca sfr olmayan her

vektr bu zdegere
karslk gelen bir zvektrdr.

"
#!
"
#
a
a
1
2
rnek 6.5 L : R2 R2 , L
=
olsun.
a2
a1
"
#!
"
"
= 1
olup
(a 6= 0) s eklinde vektrler c1 = 1 zdegerine
karslk gelen
a
a
a
zvektrlerdir.
"
#!
"
#
"
#
a
a
a
Ayrca L
= (1)
olup
(a 6= 0) s eklinde vektrler c2 = 1 zdege
a
a
a
rine karslk gelen zvektrledir.
L
114
Hseyin BILG
Blm 6. zdegerler
ve zvektrler
Not 6.6 Bir c zdegerine
karslk gelen ok sayda zvektr olabilir. Aslnda, bir c zdegerine
kars lk gelen bir zvektr ise; yani L() = c ise; her 0 6= r says iin r da bir zvektrdr. nk
L(r) = r L() = r (c) = c (r).
rnek 6.7 L : R2 R2 saatin ters ynnde 90 lik rotasyon (dndrme) olsun. Lnin bir c katna
dnstrdg
tek vektr sfr vektrdr. O halde L nin zdegeri
ve zvektr yoktur.
rnek 6.8 L : R2 R2 , L([a1 , a2 ]) = [0, a2 ] olsun. L([a, 0]) = 0 [a, 0] olup [a, 0] s eklindeki
bir vektr (a 6= 0), c1 = 0 zdegerine
karslk gelen bir vektrdr. Ayrca L[(0, a)] = 1 [0, a] olup

[0, a] s eklindeki bir vektr (a 6= 0), c2 = 1 zdegerine
karslk gelen bir vektrdr.

rnek 6.9 V , reel degerli
trevlenebilir fonksiyonlarn uzay olsun. L : V V, L(f ) = f 0 olarak

tanmlayalm. zdeger
ve zvektr tanmna gre; L(f ) = cf ; yani f 0 = cf, (f 6= 0) olacak s ekilde
c says ve f fonksiyonu aryoruz. (Yani trevi kendisinin c kat olan fonksiyonlar aryoruz.) Aslnda,
dy
= c y diferansiyel denklemini zecegiz.
Bunun zm f (x) = Kecx
y = f (x) yazarsak,
dx
(K : sabit) fonksiyonlar ailesidir.
Not: L : V V lineer dnsm ve boy(V ) = n olsun. S = {1 , 2 , . . . , n } V nin bir sral
baz ise L yi S ye gre temsil eden bir A, n n matrisi vardr. Bir c zdegerini
ve bu zdegere
karslk bir zvektrleri bulmak iin L() = c esitligini
zeriz. Teorem 4.37ye gre bu denklem

A[]S = c[]S denklemine denktir.
rnek 6.10 L : P2 P2 , L(at2 + bt + c) = ct2 + bt + a olsun. S = {1 t, 1 + t, t2 } ve
T = {1, t, t2 } bazlar verilsin. Lyi Sye gre temsil eden A matrisini bulalm.
L(1 t) = t2 t =
1
2
(1 t)
(1 + t) + t2 = [L(1 t)]S =
1
2
12
1
1
L(1 + t) = t2 + t = (1 t) + (1 + t) + t2 = [L(1 + t)]S =
2
2
12
1
2
L(t2 ) = 1 = (1 t) + (1 + t) = [L(t2 )]S =
2
2
1
2
1
2
0
olup istenen matris:
A=
1
2
12
12
1
2
1
2
1
2
115
Hseyin BILG
Blm 6. zdegerler
ve zvektrler
Bylece
bulma
problemi A = k (k R) denklemi ile zlr. L nin T ye gre temsili
zdeger
0 0 1
B= 0 1 0
bulma problemi B = k
bulunur. (Kontrol ediniz.) Buna karslk gelen zdeger
1 0 0
denklemiyle zlr.
Tanm 6.11 A, n n matris olsun. L : Rn Rn , L() = A s eklinde verilsin. 6= Rn
ve ya da bu zdegere
karslk gelen
ve c R olsun. A = c ise cye A matrisinin bir zdegeri
(bir lineer dnsmn zdegeri
degil)
bir zvektr denir. (Dikkat: Burada bir matrisin zdegeri

tanmlanmaktadr.)
"
rnek 6.12 A =
"
lm. =
a1
a2
1 1
2 4
#
olsun. Ann zdegerlerini
ve bunlara karslk gelen zvektrleri bula-
#
ve c R olsun.
"
A = c =
1 1
#"
2 4
a1
"
=c
a2
a1
a2
(
=
a1 + a2 = ca1
2a1 + 4a2 = ca2
denklem sistemi elde edilir. Buradan

(c 1)a1 a2 = 0
2a1 + (c 4)a2 = 0
homojen sistemi bulunur. Bu homojen sistemin trivial olmayan zmnn olmas iin gerek ve yeter
s art katsaylar matrisinin determinantnn 0 olmasdr. Yani

c 1 1

2
c4

c=2

2
= 0 = (c 1)(c 4) + 2 = 0 = c 5c + 6 = 0 =
veya

c=3
c = 2 iin: Denklem sisteminde c = 2 yazalm:

a1 a2
= 0
(
zm
2a1 2a2 = 0
a1 = a2
a2 = r
"
c = 2 ye karslk gelen zvektrler:
( r R).
"
, 0 6= r R, rnegin
c = 3 iin: Denklem sisteminde c = 3 yazalm:

2a1 a2
= 0
2a1 2a2 = 0
(
=
a1 =
a2
2
a2 = r
)
(r : reel say)
116
1
1
Hseyin BILG
Blm 6. zdegerler
ve zvektrler
"
c = 3e karslk gelen zvektrler:
r
2
"
, r R (r 6= 0), rnegin
Tanm 6.13 A = [aij ], n n matris olsun. |tIn A| determinantna A nn karakteristik polinomu

denir. (t cinsindendir.) det(tIn A) = 0 denklemine de A nn karakteristik denklemi denir.
1
2 1
rnek 6.14 A =
0
1
1
olsun. A nn karakteristik polinomu
4 4
5

1
t 1 2

f (t) = det(t I3 A) = 1
t
1 = t3 6t2 + 11t 6. (Kontrol edin.)

4
4 t 5
Teorem 6.15 A, n n matris olsun. A nn zdegerleri,
A nn karakteristik polinomunun gerel kkleridir.
Ispat:
nce bir zdegerin,
karakteristik polinomun bir kk oldugunu
gsterelim. 6= Rn
vektr, bir c R zdegerine
karslk gelen bir z vektr olsun. O halde

A = c = A = (cIn ) = (cIn A) =
Bu son denklem, n bilinmeyenli n denklemli bir homojen sistemdir. Trivial olmayan zm (yani )
olmas iin gerek ve yeter s art det(cIn A) = 0 olmasdr. O halde c says karakteristik polinomun
bir kkdr.
Karakteristik polinomunun bir kknn, bir zdeger
oldugu
kolayca gsterilebilir.
Bir Matrisin zdegerlerinin
Bulunmas
Bir A, n n kare matrisin zdegerlerini
ve bunlara karslk gelen zvektrleri bulmak iin asagdaki
iki adm izlenir:

ADIM 1: f (t) = |tIn A| karakteristik polinomunun (reel) kkleri bulunur.
ADIM 2: Her bir c zdegeri
iin (cIn A) = homojen sisteminin trivial olmayan zmleri

bulunur. Bunlar Ann cye karslk gelen zvektrleridir.
Karakteristik polinom f (t) nin reel kklerini bulurken baz ipular:
Ipucu
1.) f (t) = tn + an1 tn1 + . . . + a1 t + a0 polinomunun btn kklerinin arpm (1)n a0
dr. (Dikkat: Polinomun bas katsays 1 olmaldr.)
117
Hseyin BILG
Blm 6. zdegerler
ve zvektrler
Ipucu
2.) Eger
a0 , a1 , . . . , an1 birer tamsay ise, f (t)nin tamsay olmayan bir rasyonel kk yoktur.
rnek 6.16 rnek 6.14deki matrisin karakteristik polinomu f (t) = t3 6t2 + 11t 6 olarak
bulunmustu. (1)n a0 = 6 olup kklerin arpm 6 dr. 6 nn blenleri: 1, 2, 3, 6. Buradan
c1 = 1, c2 = 2, c3 = 3 bulunur. (Kontrol edin.) Yani f (t) = (t 1)(t 2)(t 3) dir. zdegerler
de 1, 2 ve 3 dr.
c1 = 1 iin

0
0 2
1
a1

1 1 a2 = 0
a3
0
4
4 4
c2 = 2 iin

1 2
1
a1
0

2 1
a2 = 0
4
4 3
a3
0
c3 = 3 iin
2
2 1
1 3 1
4 4 2
a2
= 1 =
a
2
a2
= 2 =
a
4
a2 = 0 = 3 =
a3
0
a
4
"
rnek 6.17 A =
0 1
1 0
(a 6= 0) zvektrlerdir.
a4
a1
#
olsun.

t 1

det(tI2 A) =
= t2 + 1
1
t
olup hi reel kk yoktur. A nn hi (reel) zdegeri
yoktur.
Teorem 6.18 (CayleyHamilton) Her matris kendi karakteristik polinomunun kkdr. Yani f (t) =
tn + an1 tn1 + + a1 t + a0 ) ise o zaman f (A) = 0 dr; yani
An + an1 An1 + + a1 A + a0 In = 0n .
"
rnek 6.19 A =
1 3
5 7
#
olsun. Karakteristik polinom:

t1
3

f (t) = |tI2 A| =
5 t 7

= (t 1)(t 7) 15 = f (t) = t2 8t 8

118
Hseyin BILG
Blm 6. zdegerler
ve zvektrler
bulunur. S imdi
"
2
f (A) = A 8A 8I2 =
#2
"
8
5 7
"
1 3
16 24
"
"
8
5 7
40 64
"
#
0 0
1 3
24
0 1
"
40 56
1 0
8 0
0 8
0 0
bulunur. Bu esitlikten A1 s u s ekilde hesaplanabilir:

A2 8A 8I2 = 0 = A(A 8I2 ) = 8I2 = A1 A(A 8I2 = 8A1
"
#
# "
#!
"
3
1
1
1 3
8 0
87
1
1
8
=
=
= A
= (A 8I2 ) = A
5
8
8
18
5 7
0 8
8
Not: Genel olarak f (t) = tn + an1 tn1 + + a1 t + a0 polinomu bir A n n matrisinin
karakteristik polinomu ise
A1 =
1
a0
An1 + an1 An2 + + a2 A + a1 In
forml yazlabilir.
"
3 5
matrisinin karakteristik polinomunu, zdegerlerini
ve bunlara karslk
2 7
gelen zvektrleri bulunuz. CayleyHamilton teoremini kullanarak A1 i hesaplaynz.
rnek 6.20 A =
zm:
"
det(tIn A) = det
t 0
"
0 t
3 5
#!
2 7
"
= det
t3
#!
2 t 7
= (t 3)(t 7) 10 = t2 10t + 11 = 0.
Karakteristik denklemin kkleri:
10 56
t12 =
= 5 14 = c1 = 5 + 14,
2
c2 = 5
14
bulunur. Bu zdegerlere
karslk gelen zvektrler:

c1 = 5 +
"
5+
14 iin:
14 3
5 + 14 7
#"
a1
a2
"
=
0
0
119
(
=
14)a1 5a2
= 0
2a1 + (2 + 14)a2 = 0
(2 +
Hseyin BILG
Blm 6. zdegerler
ve zvektrler
denklem sistemi zlr. Burada 1. denklemin 2/(2 +
lr. O halde; c1 e karslk gelen zvektrler:
1 =
c2 = 5
"
14) katnn 2.denkleme esit oldugu

gr-
a1

2+ 14
a1
5
(a1 6= 0)
14 iin
14 3
5 14 7
#"
a1
"
=
a2
(
=
denklem sistemi zlr. Burada 1. denklemin 2/(2

lr. O halde; c2 ye karslk gelen zvektrler:

2 =
2 14
a2
a2
14)a1 5a2
= 0
2a1 + (2 14)a2 = 0
(2
14) katnn 2.denkleme esit oldugu

gr-
(a2 6= 0)
bulunur. (Tabii ki; zvektrleri a1 veya a2 cinsinden yazabiliriz.)

S imdi A matrisinin tersini CayleyHamilton yntemi ile bulalm:
f (t) = t2 10t + 11 = A2 10A + 11I2 = 02 olmaldr.
= A2 10A = 11I2
= A(A 10I2 ) = 11I2
= soldan A1 ile arparsak: A 10I2 = 11A1
"
#
1
1
3 10
5
1
= A
= (A 10I2 ) =
11
11
2
7 10
"
#
5
7
11
11
= A1 =
2
3
11
11
olarak hesaplanr.
120
Kaynaka
[1] Elementary Linear Algebra, Bernard Kolman, MacMillan Publishing Company, Fourth Edition,
1986.
[2] Uygulamal Lineer Cebir (7. Baskdan eviri), Bernard Kolman, David R. Hill, (eviri editr:
Prof.Dr. mer Akn), Palme Yaynclk, 2002.
121

Lineer Cebir Ders Notlari1

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Lineer Cebir Ders Notlari1

Uploaded by

Copyright:

Available Formats

www.matematikce.

Yrd. Do. Dr. Hseyin BILG

Bu ders notlar, Kahramanmaras St Imam

ve daha sonra da 2011 ylndan beri vermekte oldugum

ders srasnda not tutarken

M FPIC programnn yazar Daniel H. Lueckinge de tesekkr ederim.

faydal olmas dilegiyle,

Yrd.Do.Dr. Hseyin Bilgi.

Lineer Denklemler ve Matrisler

Lineer Denklem Sistemleri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

slemlerinin Cebirsel zellikleri . . . . . . . . . . . . . . . . . . . . . . . . . . .

zel Tipteki Matrisler ve Paral Matrisler . . . . . . . . . . . . . . . . . . . . . . . . . .

Bir Matrisin Eselon Formu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Elementer Matrisler ve A1 in Bulunmas . . . . . . . . . . . . . . . . . . . . . . . . . .

Reel Vektr Uzaylar

Vektr Uzaylar ve Altuzaylar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Bir Matrisin Rank . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Lineer Dnsmler ve Matrisler

Bir Lineer Dnsmn ekirdegi

Bir Lineer Dnsmn Matrisi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Matrislerin Vektr Uzay ve Lineer Dnsmlerin Vektr Uzay . . . . . . . . . . . . .

Determinantn zellikleri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101

Bir Matrisin Tersi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108

Lineer Denklem Sistemleri

a1 , a2 , a3 , . . . , an , b sabitler ve x1 , x2 , . . . , xn ler de degi

(1.1) denklemi saglanyorsa

bu saylara (1.1) denkleminin bir zm denir. rnegin

x1 = 2, x2 = 3 ve x3 = 4 saylar 6x1 3x2 + 4x3 = 13 denkleminin bir zmdr. nk

am1 x1 + am2 x2 + + amn xn = bm

Burada aij ler sabittir. b1 , b2 . . . , bn verildiginde

Blm 1. Lineer Denklemler ve Matrisler

cr1 x1 + cr2 x2 + + crn xn = dr

sistemini zelim. Yok etme metodu kullanacagz.

1. denklemin 2 katn 2. denklemden, 1. denklemin 3 katn 3. denklemden kartrsak

Blm 1. Lineer Denklemler ve Matrisler

x1 i yok edersek: 3x2 + 3x3 = 12 = x2 = x3 4. Bunu 1. denklemde yazarsak x1 = x3 + 4

Yani sonsuz tane zm var. Mesela x3 = 1, x1 = 5, x2 = 3

x = herhangi bir reel say

l1 ve l2 ile gsterelim. Eger

S ekil 1.1 de grebiliriz.

Not: Yok etme metodunda asagdakilerden

Blm 1. Lineer Denklemler ve Matrisler

a11 a12 a1n

a21 a22 a2n

am1 am2 amn

Blm 1. Lineer Denklemler ve Matrisler

Tanm 1.13 Eger

Toplam (Sigma) Sembol

ri ai = r1 a1 + r2 a2 + + rn an yazlr. Buradaki i harfine indeks denir.

Tanm 1.14 Eger

Not.1: A nn kolon says ile B nin satr says ayn olmaldr.

Blm 1. Lineer Denklemler ve Matrisler

a21 a22 . . . a2n

am1 am2 . . . amn

b21 b22 . . . b2j

bn1 bn2 . . . bnj

1(2) + 2 4 + (1)2 1 5 + 2(3) + (1)1

Burada B A matrisi de tanmldr. (Her zaman tanml olmayabilir.)

a11 a12 . . . a1n

a21 a22 . . . a2n

am1 am2 . . . amn

a21 a22 . . . a2n

am1 am2 . . . amn

dsnelim. Bu lineer sistemi