LİNEER CEBİR

ENDÜSTRİ MÜHENDİSLİĞİ LİSANS PROGRAMI

DOÇ. DR. MÜCTEBA UYSAL

İSTANBUL ÜNİVERSİTESİ AÇIK VE UZAKTAN EĞİTİM FAKÜLTESİ

İSTANBUL ÜNİVERSİTESİ AÇIK VE UZAKTAN EĞİTİM FAKÜLTESİ

ENDÜSTRİ MÜHENDİSLİĞİ LİSANS PROGRAMI

LİNEER CEBİR

DOÇ. DR. MÜCTEBA UYSAL

Yazar Notu

Elinizdeki bu eser, İstanbul Üniversitesi Açık ve Uzaktan Eğitim Fakültesi’nde okutulmak için

hazırlanmış bir ders notu niteliğindedir.

ÖNSÖZ

Lineer cebir son yıllarda matematikçilerin, mühendislerin, matematik öğretmenlerinin,

iktisatçıların… vb matematiksel altyapıları için lüzumlu bir parçası haline geldi. Dolayısıyla bu
kitabın amacı insanların belirgin alanlarını ne olursa olsun lineer cebir dersi için bir giriş sunmaktır.
Bu amaçla bu kitapta irdelenecek konular: Matrisler, Lineer denklem sistemleri, vektör uzayları,
lineer dönüşümler, iç çarpım uzayları, determinantlar, özdeğer ve öz vektörlerdir.

1
 İÇİNDEKİLER

ÖNSÖZ ...................................................................................................................................... 1
İÇİNDEKİLER .......................................................................................................................... 2
KISALTMALAR……………………………………………………………………………....5
YAZAR NOTU………………………………………………………………………………...6
1. MATRİSLER………………………………………………………………………………..7
1.1Matrisin Tanımı ve Gösterilişi………………………………………………………….....13
1.2. Matrislerin Eşitliği......................................................Hata! Yer işareti tanımlanmamış.4
1.3. Özel Tipte Matrisler ...................................................Hata! Yer işareti tanımlanmamış.5
I.3.1. Satır Matris ve Sütun Matris .......................................................................................... 15
I.3.2. Kare Matris………………………………………………………………………..16
I.3.3. Bir Kare Matrisin İzi………………………………………………………………16
I.3.4. Sıfır Matris………………………………………………………………………...17
I.3.5. Köşegen Matris……………………………………………………………………17
I.3.6. Skaler Matris……………………………………………………………………....18
I.3.7. Birim Matris………..……………………………………………………………..18
I.3.8. Üst Üçgensel Matris ve Alt Üçgensel Matris……………………………………...19
I.3.9. Matris Fonksiyonları……………………………………………………………....19
I.3.10. Matris Fonksiyonlarının Türevi………………………………………………….19
I.3.11. Matris Fonksiyonlarının İntegrali………………………………………………...20
2. MATRİSLERLE ARİTMETİK İŞLEMLER .................. Hata! Yer işareti tanımlanmamış.
2.1.Matrislerin Toplanması ve Skalerle Çarpılması………………………….........................32
2.2.Bir Matrisle vektörün çarpımı…………………………………………………………….34
2.3. Matrislerin Çarpımı………………………………………………………………………34
2.4. Matrisin Transpozesi……………………………………………………………………..40
2.5. İki Vektörün Skaler Çarpımı…………………………………………………………….41
2.6. Lineer Denklem Sistemi ve Matrisler .......................... Hata! Yer işareti tanımlanmamış.
3.BASAMAK MATRSİLER……………………………………………………………...….54
3.2. Elemanter (İlkel) Satır ve Sütun İşlemleri......................................................................... 55
3.3. Blok Matrisler ................................................................................................................... 59
4.ELEMANTER MATRİSLER………………………………………………………………66
2
4.1. Elemanter (İlkel) Matrisler……………………………………………………………….72
4.2. Lineer Denklemlere Giriş .................................................................................................. 78
5. LİNEER DENKLEMLER ................................................................................................... 86
5.1. Lineer Denklem Sisteminin Çözümü ................................................................................ 92
5.2. Gauss Eliminasyon Yöntemi ............................................................................................. 93
5.3. Gauss –Jordan İndirgeme Yöntemi ................................................................................... 94
6. HOMOJEN LİNEER DENKLEM SİSTEMLERİ VE VEKTÖR UZAYLARI ................ 105
6.1.Homojen Lineer Denklem Sistemleri...............................................................................111
6.2. Vektör Uzayları…………………………………………………………………………114
6.3. Alt Uzaylar ...................................................................................................................... 117
7.LİNEER BAĞIMSZILIK, BAZ VE BOYUT……………………………………………124

7.1. Lineer Bağımsızlık .......................................................................................................... 130

7.2. Baz ve Boyut ................................................................................................................... 135
8.KOORDİNATLAR VE BAZ DEĞİŞİMİ…………………………………………………145

8.1. Koordinatlar ve Baz Değişimi ......................................................................................... 151

8.2. Bir Matrisin Rankı ........................................................................................................... 156
8.2.1 Lineer Sistemlerle Rank İlişkisi……………………………………………………...159
9. İÇ ÇARPIM UZAYLARI .................................................................................................. 167
9.1. İç Çarpım ......................................................................................................................... 173
9.1.1 Cauchy-Schwarz Eşitsizliği........................................................................................... 177
9.2. Vektörlerin Ortogonallığı ................................................................................................ 179
10.ORTONORMAL TABAN VE DETERMİNATA GİRİŞ……………………………….187

10.1. Ortonormal Taban ........................................................................................................ 193

10.2.. Determinantlar.............................................................................................................. 197
10.2.1. Determinantın Tanımı ve Geometriksel Manası ................................................ 197
10.2.2. Minörler ve
Kofaktörler……………………………………………………….Hata! Yer işareti
tanımlanmamış.
11. DETERMİNANTLAR VE UYGULAMALARI……………………………………….207

11.1.. Determinantın Özellikleri. ............................................................................................ 213

11.2.. Elemanter Matrislerin Determinantları ........................................................................ 214
11.3. Bir Matrisin Tersi .......................................................................................................... 217
11.4. Cramer Kuralı ................................................................................................................ 220

3
12. ÖZDEĞERLER VE ÖZVEKTÖRLER ........................................................................... 228
12.1. Özdeğerler ve Özvektörlerin Tanımı............................................................................. 234
12.2. Köşegenleştirme ............................................................................................................ 238
13. ÖZDEĞER VE ÖZ VEKTÖRLERİN UYGULAMALARI……………………………249

13.1. Cayley-Hamilton Teoremi............................................................................................. 255

13.2. Özdeğer ve Özvektörlerin Diferansiyel Denklemlere Uygulanışı .............................. 259
14. LİNEER DÖNÜŞÜMLER ............................................................................................... 269
14.1. Lineer Dönüşümün Tanımı ........................................................................................... 275
14.2. Lineer Dönüşümün Çekirdeği ve Görüntüsü ................................................................ 279
14.3. Lineer Dönüşümün Matris Gösterimi ........................................................................... 281
KAYNAKÇA……………………………………………………………………………….292

4
 KISALTMALAR

L: Lineer
ÇekL: L nin Çekirdeği
Adj: Ek matris
Det: Determinant

YAZAR NOTU
Bu kitapta konular öncelikle tanımları ve gerekli teoremleri ile anlatılmıştır. Sonrasında her konu
ile ilişkili çözümlü örnekler verilmiştir. Bu çözümlü örnekleri öğrencilerin kendilerinin de
uğraşarak bulmaları önerilir. Ayrıca son olarak bölüm soruları kısmında öğrencilere cevaplı test
soruları bırakılmıştır. Bu soruların da çözülerek cevaplarının karşılaştırılması ve başarının düşük
olması halinde ilgili bölüme tekrar çalışması önerilir. Bazı küçük matematiksel ve imla yazım
hatalarının doğal karşılanmasını temenni ederim.

5
1. MATRİSLER

6
 Bu Bölümde Neler Öğreneceğiz?

1.1. Matrisin Tanımı ve Gösterilişi .....................................Hata! Yer işareti tanımlanmamış.

1.2. Matrislerin Eşitliği........................................................Hata! Yer işareti tanımlanmamış.
1.3. Özel Tipte Matrisler .....................................................Hata! Yer işareti tanımlanmamış.
I.3.1. Satır Matris ve Sütun Matris .....................................Hata! Yer işareti tanımlanmamış.
I.3.2. Kare Matris………………………………………………………………………...9
I.3.3. Bir Kare Matrisin İzi………………………………………………………………9
I.3.4. Sıfır Matris………………………………………………………………………..10
I.3.5. Köşegen Matris……………………………………………………………………10
I.3.6. Skaler Matris……………………………………………………………………...11
I.3.7. Birim Matris………..…………………………………………………………….11
I.3.8. Üst Üçgensel Matris ve Alt Üçgensel Matris…………………………………….11
I.3.9. Matris Fonksiyonları……………………………………………………………...11
I.3.10. Matris Fonksiyonlarının Türevi………………………………………………..12
I.3.11. Matris Fonksiyonlarının İntegrali………………………………………………12

7
 Bölüm Hakkında İlgi Oluşturan Sorular

 Matris nedir?
 Matrisleri teknolojide nerelerde kullanırız?
 Bir uçağın 3 boyutlu modellemesi ile matrislerin nasıl bir ilşkisi olabilir?

8
 Bölümde Hedeflenen Kazanımlar ve Kazanım Yöntemleri
Konu Kazanım Kazanımın nasıl elde
edileceği veya
geliştirileceği
Matrisin Tanımı ve Matrisin tanımı ve Okuyarak, fikir yürüterek,
Gösterilişi gösterilişi kavrayabilmek. ve uygulama yaparak

Özel Tipte Matrisler Özel Tipte Matrisleri Okuyarak, fikir yürüterek,

saptayabilmek ve uygulama yaparak.

Matris Fonksiyonları Matrisler ile Fonksiyonlar Okuyarak, fikir yürüterek,

arasındaki ilişkiyi kavramak uygulama yaparak ve
araştırarak

9
 Anahtar Kavramlar

 Matris

 Birim Matrris

 Köşegen matris

 Üçgensel matris

10
 Giriş

Bu bölümde Lineer Cebir dersi için taban teşkil eden Matrislerin tanımı verecek ve bazı
özel tipte matrisleri tanıyarak matrislerle aritmetik işlemlere giriş yaparız.

11
 I.1.Matrisin Tanımı ve Gösterilişi

Matrisler; Temel bilimler, Mühendislik ve Sosyal bilimlerin uygulamasında sıkça

kullanıldıklarından birçok bilim dalı içim önemli bir yer teşkil etmektedirler. Matris hesabı
19.yüzyılın ortalarından beri bilinmektedir. Günümüzde ise teknolojinin gelişmesiyle birlikte
matrislerin kullanım alanları da genişlemektedir.

Tanım I.1: K bir skalerler cismi olmak üzere sonlu sayıdaki elemanları: aij ler olsun.

Burada i  1, 2,..., m ve j  1, 2,..., n dir. Bu elemanların dikdörtgen bir tabloda sıralanmış

 a11 a12 ... a1n   a11 a12 ... a1n 

a  
 21 a22 ... a2 n   a21 a22 ... a2 n 
 (I.1)
 ... ... ... ...   ... ... ... ... 
   
 am1 am 2 ... amn   am1 am 2 ... amn 

biçimine m n tipinde bir matris veya mertebesi m n olan bir matris denir. Buradaki
m satır sayısını, n ise sütun sayısını temsil etmektedir. Matrisler genellikle A,B,C,... gibi
büyük harflerle ve m n tipinde bir matris kısaca A  aij   aij  veya A   aij  hatta
mn mn

bazı kaynaklarda A  aij ile gösterilmektedir. Buradaki aij elemanı matrisin i. satır ile j.

sütununun kesiştiği yerdedir. Bir matrisin A  aij  gösteriminde indislerin sırası

mn

önemlidir. aij elemanının sağ altına yazılan ilk indis  i  bu elemanın ait olduğu satırı, ikinci

indis  j  ise ait olduğu sütunu gösterir.

Tanım I.2:: Karşılıklı satır sayıları ve sütun sayıları eşit olan iki matrise aynı boyutlu veya
aynı tipte matrisler denir.

Örnek I.1

cismi üzerinden tanımlanan

12
  1 2  2 5
   
A3 x 2   3 0 B3 x 2   0 0
ve matrisleri aynı tiptendir.
2 / 3 4 2 5 4
   

Örnek 1.2.

1
1  i  3, 1  j  4 için elemanları aij  olan 3  4 boyutlu A   aij  matrisi,
i j

1 1 1 1
2 3 4 5
 
A
1 1 1 1
3 4 5 6
 
1 1 1 1
 4 5 6 7 

biçiminde gösterilir.

I.2. Matrislerin Eşitliği

Tanım I.3. : A   aij  ve B  bij  matrisleri verilsin. Eğer her i  1, 2,..., m ve j  1, 2,..., n

için aij  bij ise A ve B matrislerine eşit matrisler denir ve bu matrisler A  B şeklinde

gösterilir. Matematiksel olarak,

i 1, 2,..., m ve j 1, 2,..., n için aij  bij  A  B

gösterilir.

Örnek I.3

 x  y 2 z  w 3 5 
A  ve B   
x  y z  w  1 4 

matrislerinin eşit olabilmesi için bilinmeyen harfleri bulun

13
 x y 3
 x  y 2 z  w  3 5  x  y 1
 x  y z  w   1 4   2 z  w  5
   
zw4

olduğundan iki bilinmeyenli denklemleri çözme yöntemlerinden kolaylıkla

x  2, y  1, z  3 ve w  1 bulunur.

I.3. Özel Tipte Matrisler

Bazı matrisler tipine göre ya da elemanlarının taşıdıkları kısmi özelliklere göre özel
adlar alabilmektedirler. Bu bölümde, literatürde sıkça kullanılan matrisler tanımlanıp örnekler
sunulacaktır.

I.3.1. Satır Matris ve Sütun Matris

Tanım I.4 : Yalnız bir tane satır veya bir tane sütundan oluşan matrise sırasıyla satır
matris(satır vektörü) veya sütun matris(sütun vektörü) denir.

Örnek I.4.

6
1 3 5  4 matrisi, 1 4 tipinde bir satır matris veya satır vektörü,   matrisi ise 2 1
 2 
tipinde bir sütun matris veya sütun vektörüdür.

Dolayısıyla vektör matrisin özel bir durumunu ifade eder. Örneğin üç tane vektör,

 1 0  2 
v1   2  , v2   4  , v3   2 
 3   5   1 

verilmiş olsun. Bunların oluşturduğu bir A matrisi,

 1 0 2 
A  v1 , v2 , v3    2 4 2 
 3 5 1 
14
formunda olur.

I.3.2. Kare Matris

Tanım I.4 : Satır sayısı sütun sayısına eşit olan bir matrise kare matris adı verilir. n satırlı,
n sütunlu bir kare matris genellikle n .mertebeden bir kare matris olarak anılır.

 a11 a12 ... a1n 

a a22 ... a2 n 
A   21
 ... ... ... ... 
 
 an1 an 2 ... ann 

n .mertebeden bir kare matrisin i  1, 2,..., n için aii öğelerine matrisin köşegen

elemanları adı verilir.

Örnek I.5

1 3 5 2 
 3 5 0 1 
A
6 4 2 5
 
4 2 4 3

kare matrisinin köşegen elemanları 1, -5, 2 ve -3 tür.

I.3.3. Bir Kare Matrisin İzi

Tanım I.5 : A kare matrisinin köşegen elemanlarının toplamına, bu matrisinin izi denir ve
İz  A  veya tr  A  ile gösterilir. Matematiksel olarak,

n
tr  A    akk
k 1

olarak gösterilir.

15
Örnek 1.6

1 3 5 2 
 3 5 0 1 
A matrisinin izi,
6 4 2 5
 
4 2 4 3

tr  A   1  5  2  3  5 .

Teorem 1.1: A   aij  ve B  bij  matrisleri verilsin.

tr  A  B  tr  A  tr  B ,

tr  A.B  tr  B.A 

I.3.4. Sıfır Matris

Tanım I.6 : Bir A   aij  matrisinin bütün elemanları sıfır ise yani i, j için aij  0 ise

A matrisine bir sıfır matris denir ve genellikle O ile gösterilir.

Örnek I.7

0 0
 0 ,  0 0  ,  
0 0

matrisleri farklı mertebeden sıfır matrisleridir.

I.3.5. Köşegen Matris

Tanım I.7 : A   aij  , n  n lik bir kare matris olsun. i  j için aij  0 ise A matrisine

köşegen matris denir ve genelde A  diag  a11 , a22 ,..., ann  biçiminde gösterilir.

 a11 0 ... 0 
0 a22 ... 0 
A
 ... ... ... ... 
 
0 0 ... ann 

matrisi n. mertebeden bir köşegen matristir.

16
I.3.6. Skaler Matris

Tanım I.8. : Köşegen üzerindeki bütün elemanları aynı skalere eşit olan köşegen matrise
skaler matris denir.

Örnek I.8

x 0 0 0
0 y 0 0 
A
 0 0 4 0
 
0 0 0 z

matrisinin skaler matris olması için köşegen üzerindeki elemanlar: x  y  z  4 olmalıdır.

I.3.7. Birim Matris

Tanım I.9 : Bir kare matrisin köşegeni üzerindeki tüm öğeleri 1 ve geriye kalan bütün
öğeleri 0 ise, bu matrise birim matris denir. n  n lik bir birim matris Ι n ile gösterilir ve
bilim dünyasında sıklıkla,

1, i  j (II.2)
Ι n   ij  ,  ij  
nn
0, i  j

Biçiminde ifade edilir.Burada  ij , literatürde Kronecker delta fonksiyonu olarak adlandırılır.

Örnek I.9.

1 0 0 
1 0 
Ι2    , Ι 3  0 1 0 
0 1  0 0 1 

17
I.3.8. Üst Üçgensel Matris ve Alt Üçgensel Matris

Tanım I.10 : A bir kare matris olmak üzere i  j için aij  0 ise A matrisine, üst

üçgensel matris, i  j için aij  0 ise A matrisine, üst üçgensel matris denir.

Tanımdan anlaşılacağı gibi, alt üçgensel matrisin köşegeninin üstünde kalan öğeler ve üst
üçgensel matrisin köşegeninin altında kalan öğeler sıfırdır.

Örnek I.10

3 2 0 8
1 0 0  0 1 7 9 
A   3 2 0  alt üçgensel bir matris, B   üst üçgensel bir matristir.
0 0 4 0
 2 5 7   
0 0 0 2

I.3.9. Matris Fonksiyonları

Elemanları bir x değişkeninin fonksiyonu olan matrise matris fonksiyonu adı verilir. Örneğin

3×3 lük bir matris fonksiyonu şu şekilde gösterilir:

 a11  x  a12  x  a13  x  

 
A  x    a21  x  a22  x  a23  x  
 a31  x  a32  x  a33  x  

A  x  fonksiyonunun tüm elemanları her x değeri için sürekli ise matris fonksiyonu da

tüm x değerleri için süreklidir.

I.3.10. Matris Fonksiyonlarının Türevi

Bir A  x  matrisinin türevi A  x  ile gösterilir ve şu şekilde elde edilir:

dA  x   daij ( x)   
A  x       aij ( x) 
dx  dx 

Yani matristeki her fonksiyonun türevi alınmalıdır.

18
Örnek 1.11

 x2 6   2x 0 
A  x    5 x   A  x   
e cos x   5e
5 x
 sin x 

Fonksiyonlar için daha önceden öğrendiğimiz türev kurallarının çoğu matris fonksiyonları
için de geçerlidir.

I.3.11. Matris Fonksiyonlarının İntegrali

Bir A  x  matris fonksiyonunun integrali  A  x dx   a  x dx 

ij olarak gösterilir ve türevde

olduğu gibi her bir elemanın integrali alınarak bulunur:

Örnek 1.12

 t 2 t

t   x dx  6dx   t 3/3 6t 
0    5t 
0 A  x  dx   t
0
t   e  1 sin t 
  e5 x dx 0 cos xdx   5 
 0

19
 Uygulamalar

 Matris türlerini kavramak için değişik kaynaklardan alıştırmalar yapılmalı.

 Güncel hayatta karşılaştığınız ve matrislerle ifade edeceğiniz uygulamalar neler

olabilir?

20
2. MATRİSLERLE ARİTMETİK İŞLEMLER

21
 Bu Bölümde Neler Öğreneceğiz?

2.1. Matrislerin Toplanması ve Skalerle Çarpılması

2.2.Bir Matrisle vektörün çarpımı.
2.3.Matrislerin Çarpımı
2.4. Matrisin Transpozesi
2.5. İki Vektörün Skaler Çarpımı
2.6. Lineer Denklem Sistemi ve Matrisler

22
 Bölüm Hakkında İlgi Oluşturan Sorular

Matrisleri verilsin.Buna göre:

a) Hangi matrisleri kendi arasında toplayabiliriz?

b) Hangi matrisleri birbiriyle çarpabiliriz?
c) Her matrisin 4 katını alabilir miyiz?

23
 Bölümde Hedeflenen Kazanımlar ve Kazanım Yöntemleri

Konu Kazanım Kazanımın nasıl

elde edileceği
veya
geliştirileceği
Matrislerin Toplanması ve Skalerle Matrislerin Toplanması ve Okuyarak, fikir
Çarpılması Skalerle Çarpılmasını yürüterek, ve bol
kavrayabilmek. bol örnek çözerek

Bir Matrisle vektörün çarpımı Bir Matrisle vektörün Okuyarak, fikir

çarpımını kavrayabilmek yürüterek, ve bol
bol örnek
çözerek.
Matrislerin Çarpımı Matrislerin çarpımını Okuyarak, fikir
yürüterek, ve bol
kavramak
bol örnek çözerek
Matrisin Transpozesi Bir Matrisin Transpozesi Okuyarak, fikir
alabilmek yürüterek, ve bol
bol örnek çözerek
İki Vektörün Skaler Çarpımı İki Vektörün Skaler Okuyarak, fikir
Çarpımını yapabilmek yürüterek, ve bol
bol örnek çözerek
Lineer Denklem Sistemi ve Matrisler Lineer Denklem Sistemi ve Okuyarak, fikir
Matrisler arasındaki ilişkiyi yürüterek, ve bol
farjkedebilmek bol örnek çözerek

24
 Anahtar Kavramlar

 Toplam matris

 Çarpım matris

 Transpoze

 Katsayılar matrisi

25
 Giriş

Bu bölümde matrislerde aritmetik işlemleri ve lineer denklem sistemlerinin matris

formunda ifade edilmesi teorik ve uygulamalı olarak incelenir.

26
 2.1.Matrislerin Toplanması ve Skalerle Çarpılması
Tanım 2.1. : A  aij  ve B  bij  iki matris olmak üzere bunların toplamı,
mn mn

 a11  b11 a12  b12 ... a1n  a1n 

a  b a22  b22 ... a2 n  b2 n 
A  B   aij  bij    21 21
mn  ... ... ... ... 
 
 an1  bn1 an 2  bn 2 ... ann  bnn 

Şeklinde karşılıklı aij ve bij elemanlarının birbirisiyle toplanmasıdır. Burada da görüldüğü gibi

iki matrisin toplanabilmesi için hem satır hem de sütun sayılarının karşılıklı olarak birbirine
eşit olması gerekir.

Tanım 2.2. : A  aij  bir matris ve k  K bir skaler olmak üzere , bir k skaleri ile
mn

A matrisinin çarpımı

 ka11 ka12 ... ka1n 

 ka ka22 ... ka2 n 
kA   21   ka 
 ... ... ... ...   ij  mn
 
 kan1 kan 2 ... kann 

matrisin her elemanını k ile çarpmakla elde edilen matris kA matrisidir.

Bu iki tanımdan da gözlenildiği gibi A  B ile kA matrisleri m n mertebesindedirler.

Buna ek olarak A matrisinin negatifini,

A   1 A

ve A matrisi ile B matrisinin farkını,

A  B  A   B 

biçiminde tanımlarız. Toplamada olduğu gibi fark işlemi de farklı mertebelerde tanımsızdır.

27
Örnek 2.1.

1 2 3 4 6 8 
A  ve B   
 0 4 5 1 3 7 

olsun. Buna göre,

1  4 2  6 3  8  5 4 11 
AB     
0  1 4  3 5  7  1 1 2

 4.1 4.  2 4.3  4 8 12 
4A     
 4.0 4.4 4.5 0 16 20

3 6 9   8 12 16  5 18 7 

3A  2B    
0 12 15  2 6 14   2 18 29 

elde edilir. Buradaki 3A  2B ileriki konularda da göreceğimiz üzere A ve B nin lineer

kombinasyonu denir.

Matrislerde toplama ve bir matrisin skalerle çarpımının özellikleri aşağıdaki teoremlerle

verilmiştir.

Teorem 2.1. : Herhangi bir K cismi üzerinde tanımlanan bütün m n tipindeki matrislerin
kümesi K mn olsun. Herhangi bir A, B ve C  K nm matrisleri ve k1 ve k2  K skalerleri için,

i  A  B = B  A  v  k1  A  B  = k1A  k1B
 ii  A   B  C    A  B   C (vi )  k1  k2  A  k1A  k2 A
 iii  A  0  A (vii )  k1.k2  A  k1  k2 A 
 iv  A    A   0  viii 1K .A  A ve 0.A  0
İspat 2.1.: Yukarda verilen matrislerde toplama ve bir skalerle çarpma işleminin tanımları
kullanılarak bu özelliklerin ispatı çok kolay yapılacaktır. Burada sadece  v  in ispatını

verelim. A  aij  ve B  bij  olsun.

mn mn

28
 k1  A  B  = k1  aij  bij    k1  aij  bij     k1aij  k1bij 

  k1aij    k1bij   k1  aij   k1 bij 

 k1A  k1B

elde edilir.

2.2.Matrisle Vektörün Çarpımı

İki matrisin genel matris çarpımını tanımlamadan önce matris vektör çarpımını
tanımlayalım. A  [aij ], m  n mertebesinde bir matris, x   x j  , n mertebesinde bir sütun vektörü

ve y   yi  , m mertebesinde bir sütun vektörü olsun.Matris vektör çarpımı sembolik olarak,

y  Ax

biçiminde yazılır ve

n
yi   aij x j , i  1, 22,..., m
j 1

ile gösterilir. Örneğin,

1 
 1 3 0     5
  2   
 4 2 1  3   5 
 

2.3.Matrislerin Çarpımı

Tanım 2.3 : A  aij  ve B  b jk  olsun. Yani A ’nın sütun sayısı B ’nin satır sayısına
mn n p

eşit olmak üzere bu iki matrisin çarpımı A.B ile gösterilip bu çarpımın sonucu C   cik m p

matrisiyle

n
 aij  . b jk    cik m p   aij b jk ai1b1k  ai 2b2 k  ...  ainbnk
mn n p
j 1

formunda tanımlanır.

29
Örnek 2.2

1 2 5 6 1.5  2.7 1.6  2.8  19 22

i        
3 4 7 8  3.5  4.7 3.6  4.8  43 50 

5 6 1 2 1.5  6.3 5.2  6.4  23 34  1 2 5 6 

 ii         
7 8  3 4 7.1  8.3 7.2  4.8  31 46 3 4 7 8 

1  3 4
 iii    3 4   
 2 6 8 

1 
 iv  3 4    3.1  4.2  11
 2

Not: Herhangi bir K cismi üzerinde sıfır matristen farklı olarak tanımlanan iki matrisin
çarpımı sıfır olabilir:

Örnek 2.3

1 0 0 0 
K , A   O2 X 2 ve B     O2 X 2
1 0 1 1 

Matrislerinin çarpımı,

1 0 0 0 0 0
A.B   .    O2 X 2
1 0 1 1  0 0

Örnek 2.4

2 1 3
A  1 1 2  matrisi ve f  x   x3  2x2  9x fonksiyonu verilsin. Buna göre f  A  yı
1 2 1 

bulunuz.

Özel olarak A kare matrisi için , A 0  Ι n alarak;

30
 A 2  A.A , A3  A 2 .A ,…, A n  A n1.A

Kuvvetleri tanımlanabilir. Kare matrisin bu özelliğinden yararlanarak n. Dereceden bir

f  x   an xn  ...  a1x  a0 ,  ai  K 

yazmak suretiyle,

f  A  an An  ...  a1A  a0n

Matris polinomu tanımlanabilir. Buna göre,

8 7 11 34 23 49   18 9 27 

A 2  3 6 3  , A 3  15 3 24  ,  9 A   9
    9 18 
5 1 8  19 20 25  9 18 9 

olmak üzere f  A  A3  2A2  9A  0 bulunur.

Tanım 2.4 : Bir A kare matrisinin karesi kendisine eşitse yani

A2  A

ise A ya İdempotent matris denir.

Örnek 2.5

1 1 1 1 1 1 1 1

A   A2     A
0 0  0 0  0 0  0 0 

olduğundan idempotent matristir.

Matris çarpımı ile ilgili aşağıdaki teorem verilir.

Teorem 2.2 :

A  aij  , B  b jk  ve C  cik  pq matrisleri ve k  K skaleri verilsin.

mn n p

1.  AB C  A  BC

31
2. k  AB   kA  B  A  kB 

3. A  B  C  AB  AC

4.  B  C A  BA  CA
5.
İspat 2.2: 1.şıkkı ispatlayarak kolay olduğu için diğerlerini öğrenciye bırakalım.

Dikkatli incelersek hem  AB C , hem de A  BC çarpım matrisleri m  q mertebelidir.

Matrislerin çarpımı tanımından,

p p
 n 
 A B  C    A B 
il
C
ik kl
    aij b jk ckl
k 1 k 1  j 1 
p n
  aij b jk ckl
k 1 j 1

yazılır. Benzer şekilde

n
 p 
 A  BC     aij   b jk ckl 
il
j 1  k 1 
n p
  aij b jk ckl
j 1 k 1

Elde edilir. Her iki çarpım sonucunda bulunan iki toplama işlemi aynıdır. Sonuç olarak

1  i  m, 1  l  q için   AB  Cil   A  BC 

il

olduğundan

 AB C  A  BC

yazılır.

Tanım 2.5 : A ve B , n  n tipinde birer kare matris olsunlar.

AB  BA  Ι n

32
olacak şekilde bir B matrisi varsa A matrisine tersinir matris veya singüler olmayan matris
denir. B ’ye A nın tersi denir ve A 1  B ile gösterilir.

Örnek 2.6

 2 5  3 5 1 0
1 3  1 3   0 1    22
    

Tanım 2.6 : Tersi olmayan matrise singüler matris denir.

Örnek 2.7

1 0  1 2 
A  ve C    matrislerin singüler olup olmadığını test edelim.
0 0  0 1 

 b11 b12 
Varsayalım A nın tersi B    olsun. O zaman AB  BA  Ι 2 olacağından
b21 b22 

1 0   b11 b12  b 11 b12  1 0

AB     
0 0  b21 b22   0 0  0 1 

0  1 olduğundan A nın tersi yok dolayısıyla singülerdir. C nin tersi B olsun. Bu durumda

1 2   b11 b12  b 11 2b21 b12  2b22  1 0 

CB     
0 1  b21 b22   b21 b22  0 1 

iki matrisin eşitliğinden,

b 11 2b21  1, b21  0, b 12 2b22  0, b22  1

Denklem sistemi çözülürse,

1 2
C1  B   
0 1 

33
Bulunur ki C nin tersi var olduğundan singüler değildir.

a b 
Sonuç: A    , 2  2 tipinde bir kare matris olsun.Eğer ad  bc  0 ise A ’ nın tersi
c d 
1  d b 
vardır ve A1 
ad  bc  c a  formundadır.Örneğin, önceki problemdeki C matrisinin
tersi,

1 1 2 1 2
C1  
1.1  2.0 0 1  0 1 

Teorem 2.3 : Bir kare matrisinin tersi varsa tektir.

İspat 2.3 : Varsayalım A , n  n tipinde bir kare matris olsun ve A ’ nın B1 ve B2 olmak
üzere iki tersi olsun. Buna göre birim matrisin tanımı ve çarpımın birleşme özelliği
kullanılırsa,

B1  B1 Ι n  B1  AB2    B1A  B2  Ι nB2  B2

Ιn

Bulunur. O halde A ’ nın tersi tektir ve A 1  B1  B 2 yazılır.

Teorem 2.4 : A ve B tersinirlerse AB de tersinirdir ve  AB   B 1A 1 yazılır.

1

İspat 2.4 :

AB.  B 1A 1   A  BB 1  A 1  AA 1  


B 1
A 1
 .AB  B  A A  B  B
1 1 1
B


 AB 
1
olduğundan  B 1A 1 yazılır. Daha da genelleştirirsek eğer A1 , A 2 ,..., A n tersinir

matrislerse çarpımları da tersinirdir ve

 A1A 2 ...A n 
1
 A n1...A 21A11

34
 2.4. Matrisin Transpozesi
Tanım 2.7: Bir A  aij  matrisinin satırları ve sütunlarının kendi aralarında yer
mn

değiştirmesiyle elde edilen matrise A matrisinin transpozesi denir ve AT veya A ile

gösterilir. Buna göre

A  aij   AT  a ji 
mn nm

olarak yazılır.

 1 0
1 2 3
Örnek 2.8. A    matrisinin transpozesi, A   2 4  dir.
T

 0 4 5  3 5 

Matrisler üzerindeki transpoze işleminin özellikleri aşağıdaki teoremle verilir.

Teorem 2.5 : A ve B matrisleri ve k  K skaleri için

 A  B  A T  BT
T
(i)

(ii) A   A
T T

(iii)  kA   k  A 
T T

 AB   BT A T
T
(iv)

İspat 2.5 :

İlk 3 şıkkın ispatı oldukça kolay olup öğrenciye bırakılmıştır. Biz,  iv  . şıkkı ispatlayalım.

A  aij  , B  b jk  ve C  cik  pq matrisler olmak üzere matrislerin çarpımı

mn n p

n
tanımından, AB   cik m p   aij b jk ai1b1k  ai 2b2 k  ...  ain bnk
j 1

35
 n
 AB    cik    cki    akj b ji
T T

j 1

elde edileceğinden

 n   n T T  n T T 
   kj ji    a jk bij    bij a jk 

T
AB a b
 j 1   j 1   j 1 
B AT T

ispat tamamlanır.

Tanım 2.8 : Bir matrisin transpozesi kendisine eşitse AT  A simetrik, AT  A

negatiflisine eşitse ters simetriktir.

Örnek 2.9

0 3 3 
 3 1 1  matrisi simetrik,  0 4 matrisi ise ters simetriktir.
   4 0 
 3 1 2   

Teorem 2.6 : A ve B simetrik matrisler olsun.

1. A+B matrisi simetrik bir matristir.

2. AB matrisinin simetrik olması için gerek ve yeter koşul AB=BA olmasıdır.
İspat 2.6 : 1. A ve B simetrik matrisler ise

AT  A ve BT  B   A  B   AT  BT
T

 AB

olduğundan A+B matrisi simetrik bir matristir.2. şık, öğrenciye bırakılmıştır.

2.5. İki Vektörün Skaler Çarpımı

Çarpım sonucunun skaler olduğu iki vektörün skaler çarpımı, u.v olarak gösterilir ve buna
bazen iç çarpım da denir. Skaler çarpım şu şekilde elde edilir:

u.v  u1 u2 ... un  v1 ... vn   u1v1  u2v2 ...un vn

T
v2

36
 2.6. Lineer Denklem Sistemi ve Matrisler

Tanım 2.9: n bilinmeyenli m tane lineer denklem sistemi, Aşağıdaki matris denklemine
denktir.

 a11 a12 ... a1n   x1   b1 

a a22 ... a2 n   x2   b2 
 21 
 ... ... ... ...   .   . 
    
 am1 am 2 ... amn   xn  bm 
A X B

Yani AX  B yazılabilir. Burada A   aij  katsayılar matrisini, X bilinmeyenler vektörünü

ve B sabitler vektörünü temsil eder. Lineer denklem sisteminin matris denklemi formunda bir
diğer yazılışı:

 a11   a12   a1n   b11 

a  a   a  b 
x1  21 
x  22 
 ...  xn  2 n    21 
 .  2 .   .   . 
       
 an1   an 2   ann  bn1 

Örnek 2.10

3x  2 y  5 z  9
x  3 y  4 z  3

Sistemi,

x
3 2 5    9 
1 3 4   y    3
    
z

Matris denklemine ve

3 2  5  9 

x  y  z    
1  3  4   3

Denklemine denktir.

37
 Uygulamalar

Güncel hayattaki bazı problemleri matrislerin aritmetik işlemlerini kullanarak çözebilir

miyiz? İlgili uygulamaları kaynak kitaplardan ve internetten araştırınız.

38
 Uygulama Soruları

Bir çiftçinin 1.depoda 10 tane küçük,20 tane orta ve 30 tane büyük ebatlı; 2. Depoda 20 tane
küçük,30 tane orta ve 40 tane büyük ve 3. Depoda 80 tane küçük,160 tane orta ve 100 tane
büyük ebatlı yumurtaları vardır. Bu çiftçinin her bir tipten yumurta sayısını bulmasını
sağlayan matrissel işlemi yapınız.

39
 Bu Bölümde Ne Öğrendik Özeti

Bu bölümde matrislerle aritmetik işlemler ve bir matrisin transpozesi ve ilgili

özellikleri ve lineer denklem sistemleri ile matrisler arasındaki ilişki teorik ve uygulamalı
olarak gösterildi.

40
 Bölüm Soruları

Aşağıdaki soruların yanıtlarını verilen seçenekler arasından bulunuz.

1
 1
1. A    , B  1 2 1 1 olmak üzer A.B matrisi aşağıdakilerden hangisidir?
2
 
0

 1 2 1 1
 1 2 1 1 
A. 1 B.  0  C.  
 2 4 2 2 
 
0 0 0 0

 1 2 1 1  1 1 2 0
 1 2 1 1   2 2 4 0 
D.   E. 
 2 4 2 2   1 1 2 0
   
 1 2 1 1  1 1 2 0

2. Aşağıdaki matrislerden hangisi transpozesine eşittir?

 1 0 0 5 0 1   1 2 3
A.  2 1 1  B.  0 5 2  C.  2 1 3
 0 2 1  1 2 5   3 3 1

 5 4 6 
D  4 0 1  E. Hiçbiri
 6 1 2 

3. A, 5x7 tipinde bir matris olmak üzere, AB - 2 I 5 işleminin yapılabilmesi için,

B hangi tipte bir matris olmalıdır?

A. 5x5 B. 7x7 C. 7x5

D. 5x7 E. Hiçbiri

41
 2 2 
4. . A    ve f  x   x  x  8 ise aşağıdakilerden hangisi f  A yı verir?
2

 3 1

 4 8   0 0 1 0
A.   B.   C.  
 12 16   0 0 0 1

1 0   0 0
D.   E.  
1 1 1 0

 1
5. Y=  3  matrisi için Y T Y aşağıdakilerden hangisine eşittir?
 4 

A . 24 B. 25 C. 26 D. Çarpma işlemi yapılamaz E. 1

Cevaplar

1. C 2. D 3. C 4. B 5. C

42
3.BASAMAK MATRSİLER

43
 Bu Bölümde Neler Öğreneceğiz?

3.1. Basamak Matris (Bir Matrisin Eşelon Formu)

3.2.. Elemanter (İlkel) Satır ve Sütun İşlemleri
3.3 .Blok Matrisler

44
 Bölüm Hakkında İlgi Oluşturan Sorular

1. Aşağıdaki matrislerde pivot elemanları işaretleyin

2. Bu matrislerden hangisi/hangileri basamak matrsitir?

3. Bu matrislerden hangisi/hangileri satırca indirgenmiş basamak matrsitir?

45
 Bölümde Hedeflenen Kazanımlar ve Kazanım Yöntemleri

Konu Kazanım Kazanımın nasıl elde

edileceği veya
geliştirileceği
Basamak Matris (Bir I.6. Basamak Matrisi (Bir Okuyarak, fikir yürüterek,
Matrisin Eşelon Formu) Matrisin Eşelon Formu) ve bol bol örnek çözerek
kavrayabilmek.

Elemanter (İlkel) Satır ve Bir Matrisle ilgili Elemanter Okuyarak, fikir yürüterek,
Sütun İşlemleri (İlkel) Satır ve Sütun ve bol bol örnek çözerek.
İşlemlerini yapabilmek

Blok Matrisler Blok Matrisleri kavramak Okuyarak, fikir yürüterek,

ve bol bol örnek çözerek

46
 Anahtar Kavramlar
 Pivot eleman

 Basamak matris

 Satır ve sütun işlemleri

 Kanonik form

 Eşelon form

 Blok matris

47
 Giriş

Bu bölümde elemanter satır veya sütun işlemleri ile oluşturacağımız bir matrisin eşelon
formu veya kanonik formu dediğimiz basamak matris konusuna yoğunlaşırız. Ayrıca matris
hesaplamalarında çok önemli yer teşkil eden blok matrislerinden bahsederiz.

48
 3. 1. Basamak Matris (Bir Matrisin Eşelon Formu)

Bir matrisin basamak biçimi 2. Bölümde de göreceğimiz üzere lineer denklem

sistemlerinin çözümünde önemli bir yer tutar.

Tanım 3.1 A, m  n tipinde bir matris olsun. Aşağıdaki şartları sağlayan bir matrise A nın
satır basamak matrisi veya A nın satır eşelon formu denir.

1. 1  k  m olacak şekilde öyle bir k tamsayısı vardır ki ilk k tane satır sıfırdan farklı
ve geri kalan son k  1, k  2,..., m. satırların hepsi sıfırdır.
2. Her bir i, 1  i  k için i. satırın ilk sıfırdan farklı bileşeni c1  c2  ...  ck olmak

üzere ci . sütun üzerindedir.

3. ci . sütunun i  1, i  2,..., m satırlarındaki bütün bileşenleri sıfırdır.

Kısaca özetlersek bir A matrisinin her bir satırında, sıfırdan farklı bir öğe, içinde bulunduğu
satırdan önce gelen satırdaki sıfırdan farklı olan ilk elemanın daha sağında yer alıyorsa A
matrisine satır basamak matris denir.

Satır basamak matrislerde her satırın sıfırdan farklı ilk elemanına pivot veya ayrık eleman
denir.

Örnek 3.1

1 5 0 2 1 0 0 0
1 2 3  0  0
  2 0 3 1 0 0
A  0 0 1  , B   , C
0 0 0 0 0 0 1 0
0 0 0    
0 0 0 0 0 0 0 1

Bu örnekte matrisler basamak matrislerdir. Pivot elemanlar 1, 2 ve 1 dir.

1 0 0  1 0 0  1 0 0 
Örnek 3.2 D  0 0 0  , E  0 1 1  , F   0 4 0 
   
0 0 1  0 1 0   2 0 1 

49
D, E, F matrisleri basmak matris değildirler.

Tanım 3.2 A, m  n tipinde bir matris olsun. Aşağıdaki şartları sağlayan bir matrise A nın
satırca indirgenmiş basamak matrisi(satır kanonik form) veya nın satırca indirgenmiş
eşelon formu denir.
(i) Her bir pivot eleman 1 eşittir

(ii)Her bir pivot eleman bulunduğu sütunda sıfır olmayan tek elemandır.

Örnek 3.3

1 2 0 0 1 
A  0 0 1 2 3 
0 0 0 0 0 

A matrisi hem basamak hem de satırca indirgenmiş basamak matristir fakat

1 2 3 
B   0 0 1 
 0 0 0 

B matrisi basamak matris olmasına rağmen satırca indirgenmiş basamak matris değildir.
Çünkü 2. kuralı sağlamamaktadır. Yani 1 olan pivot elemanı normalde bulunduğu sütunda
sıfırdan farklı tek eleman olması gerekirken sıfırdan farklı başka bir eleman olan 3
bulunmaktadır.

3.2. Elemanter (İlkel) Satır ve Sütun İşlemleri

Her matrisin satırca veya sütunca indirgenmiş basamak formu birtakım elementer satır veya
sütun işlemleri ile bulunabilir.

Tanım 3.3 Bir A  aij  matrisi verilsin. Aşağıda tanımlanan işlemlere bu matris
mn

üzerinde yapılan elementer işlemler denir.

50
i. A matrisinin herhangi iki satır veya sütununu kendi aralarında yer değiştirmek. Buna
1.tipten elementer işlem denir . i. satır ile j. satır yer değiştirmesini : E1 : Ri  R j ile

gösterebiliriz.

ii. A matrisinin herhangi bir satır veya sütununu sıfırdan farklı bir sayı ile çarpmak. Buna
2.tipten elementer işlem denir. i. satırın sıfırdan farklı bir k skaleri ile çarpılması:
E2 : Ri  kRi ile gösterilir.

iii. A matrisinin herhangi bir satır veya sütununu sıfırdan farklı bir sayı ile çarpıp, diğer bir
satır veya sütununa eklemek. Bu işleme de 3.tipten elementer işlem denir. i. satırı, j. satırın

k skaleri ile çarpılarak i. satıra eklenmesi suretiyle yer değiştirmesini : E3 : Ri  Ri  kR j

ile gösterilir. Örneklere geçmeden önce bir ilgili bir tanım verelim:

Tanım 3.4 A  aij  ve B  bij  matrisleri verilsin. Eğer A matrisine sonlu sayıda
mn mn

elementer satır veya sütun işlemleri uygulanarak B matrisi elde ediliyorsa, A matrisi
B matrisine satırca veya sütunca denktir denir ve A B ile gösterilir. Herhangi bir A
matrisine ilkel satır işlemleri uygulanarak, A matrisine denk olan basamak matris elde
edilebilir. Bu şekilde elde edilen matrise A matrisinin basamak biçime dönüştürülmüş
matrisi denir.

Örnek 3.4

1 2 4 3 
A   2 1 3 2 
1 1 2 3 

matrisine R1  R3 ve R2  3R2 işlemleri uygulanırsa

1 1 2 3 
B  6 3 9 6 
1 2 4 3 

satırca dengi elde edilir.

51
Örnek 3.5

1 2 3 1
A   2 1 2 2  matrisini basamak formuna ve satır indirgenmiş basamak formuna
 3 1 2 3 

indirgeyiniz.

1 2 3 1 R2 2 R1  R2 1 2 3 1

A   2 1 2 2   0 3 4 4 
 3 1 2 3   3 1 2 3 

R3 3 R1  R3 1 2 3 1 R3 7 R2 3 R3 1 2 3 1 

 0 3 4 4   0 3 4 4 
   
0 7 7 6  0 0 7 10 

Basamak formuna indirgenir. Satır indirgenmiş basamak formuna getirmedeki amaç; pivot
elemanların 1 ve bu elemanların bulunduğu sütundaki diğer elemanları ise 0 yapmaktır. Buna
göre en son kaldığımız basamak matristen hareketle,

1 2 3 1  R2 1/3 R2 1 2 3 1  R3 1/7 R3 1 2 3 1 
0 3 4 4   0 1 4 / 3 4 / 3  0 1 4 / 3 4 / 3 
     
0 0 7 10  0 0 7 10  0 0 1 10 / 7 

R1  R1  2 R2 1 0 1/ 3 5 / 3  R2 4/3 R3  R2 1 0 1/ 3 5 / 3  R1 1/3 R3  R1 1 0 0 15 / 7 
 0 1 4 / 3 4 / 3   0 1 0 4 / 7   0 1 0 4 / 7 
    
0 0 1 10 / 7  0 0 1 10 / 7  0 0 1 10 / 7 

olarak elde edilir.

0 2 4 1 
3
0 0 2 3 4
Örnek 3.6 B matrisinin satırca kanonik formunu bulunuz.
2 2 5 2 4 
 
2 0 6 9 7 

52
 0 2 4 1 
3  0 2 3 4 1 0 0 2 3 4
0 0 2
3 4  R4  R4  R3 
0 0 2 3 
4
R1  R1  R4 
0 0 2 3 4 
B    
2 2 5 2 4   2 2 5 2 4  2 2 5 2 4
     
2 0 6 9 7   0 2 1 7 3 0 2 1 7 3

0 0 2 3 4 0 0 2 3 4 0 0 2 3 4 
R2  R1  R2 0 0 0 
0 0
R3  R4  R3 
0 0 0 
0 0
R3 3 R1  R3 
0 0 0 0 0 
     
 2 2 5 2 4  2 0 6 9 7  2 0 0 18 19 
     
 0 2 1 7 3 0 2 1 7 3  0 2 1 7 3 

0 0 2 3 4 0 0 1 3/ 2 2 
R4 1/2 R1  R4 0 0 0 0 0 
R1 1/2 R1 , R3 1/2 R3 , R4 1/2 R4 0 0 0 0 0 
   
2 0 0 18 19  1 0 0 9 19 / 2 
   
 0 2 0 17 / 2 5  0 1 0 17 / 4 5 / 2 

1 0 0 9 19 / 2  1 0 0 9 19 / 2 
R2  R4 , R1  R3 0 1 0 17 / 4 5 / 2  R2  R2 
0 1 0 17 / 4 5 / 2 
   
0 0 1 3/ 2 2  0 0 1 3/ 2 2 
   
0 0 0 0 0  0 0 0 0 0 

Böylece bulunan matris A nın satırca indirgenmiş basamak matrisi ve satırca denk matrisidir.

Tanım 3.5 Bir A matrisinin basamak biçime dönüştürülmüşü olan formunun, sıfırdan farklı
satırları sayısına A matrisinin rankı denir ve r  A ile gösterilir. Diğer bir manada ileriki

konularda da göreceğimiz gibi A matrisinin lineer bağımsız vektörlerinin sayısına o matrisin

rankı denir.

Özel olarak, herhangi bir sıfır matrisinin rankı 0 kabul edilir.

Örnek 3.7

1 0 0 19 / 2 
9
0 1 0 17 / 4 5 / 2 
A
0 0 1 3/ 2 2 
 
0 0 0 0 0 

matrisinde sıfırdan farklı en az bir eleman içeren satır sayısı 3 olduğundan r  A   3 tür.

53
 3.3. Blok Matrisler

Tanım 3.6 Bir A matrisin yatay ve düşey çizgiler kullanılarak alt matris denilen daha küçük
mertebeli matrislere bölünmesine A matrisinin bloklara ayrılması denir.

Örnek 3.8

 4 2 1 0 5   4 2 1 0 5
 
7    11
A A12 A13 
A  1 3 6 4 7   1 3 6 4
   A 21 A 22 A 23 
 2 1 3 1 2   2 1 3 1 1 

yazabiliriz. Burada,

 4 2  1 0 5 
A11    , A12    , A13   
1 3  6 4 7 
A 21   2 1 , A 22   3 1 , A 23  1

A ve B blok iki matris olsun. Matris çarpım kurallarına bağlı kalrak A ve B marrislerin
çarpımından söz edilebilir.

Örnek 3.9

1 0 1 0
0 2 3 1 
 A A12 
A    11 
   A 21 A 22 
2 0 4 0 
 0 1 0 3 
.
 2 0 0 1 1 1
 0 1 1  1 2 2 
 B B12 
B    11
   B21 B22 
1 3 0 0 1 0 
 3 1 2 1 0 1 

Blok matrisleri için

A A12   B11 B12   A11 B11  A12 B21 A11 B12  A12 B22  C C12 
AB   11   C   11
 A 21 A 22   B21 B22   A 21 B11  A 22 B21 
A 21 B12  A 22 B22  
C21 C22 

54
Olur. Burada A11B11  A12 B21  C11 için işlem yapılırsa,

1 0   2 0 0  1 0  1 3 0 
C11   
0 2  0 1 1  3 1 3 1 2 
2 0 0  1 3 0 
 
0 2 2  0 10 2 
3 3 0

0 12 0 

Aynı şekilde C matrisinin diğer elemanları da bulunursa çarpım matris,

 3 3 0 1 2 1
 0 12 0  3 7 5 

AB   
 
0 12 0 2 2 2 
 9 2 7 2 2 1 

elde edilir.

55
 Uygulamalar

 Bir matrisi niçin basamak matris haline getiririz?

 Basamak matrislerin fen bilimlerdeki uygulamaları nelerdir?

 İlgili kaynaklardan ve internetten araştırınız.

56
 Uygulama Soruları

Aşağıdaki matrisleri basamak ve satırca indirgenmiş basamak formuna getiriniz.

57
 Bu Bölümde Ne Öğrendik Özeti

Bu bölümde bir matrisin elemanter satır veya sütun basamak işlemleri ile kanonik
formuna indirilmesine yoğunlaşıldı. Buradan hareketle blok matrislerinden bahsedildi.

58
 Bölüm Soruları

Aşağıdaki soruların yanıtlarını verilen seçenekler arasından bulunuz.

1 2 1 2 1 
1. A   2 4 1 2 3 matrisinin basamak formu aşağıdakilerden hangisidir?
 3 6 2 6 5

1 2 1 2 1 1 2 1 2 1 1 2 1 2 1 
A. 0 0 3 6 1 B.  0 0 3 6 1 C. 0 0 3 6 1
0 0 0 6 1  0 0 1 6 1 0 0 0 6 1

1 2 1 2 1 1 2 1 2 1
C.  0 0 2 6 1 D. 0 0 3 6 1 E) Hiçbiri
 0 0 0 6 1 0 0 0 5 1

1 2 1 2 1 
2. A   2 4 1 2 3 matrisinin satır kanonik formu aşağıdakilerden hangisidir?
 3 6 2 6 5

1 2 0 0 1 1 2 0 0 4 / 3   1 2 0 0 4 / 3 
A.  0 0 1 6 1 B. 0 0 1 0 0  C.  0 0 1 0 0 
 0 0 0 1/ 6 1 0 0 0 1 1/ 6   0 0 0 1 1/ 6 

1 2 0 0 2 / 3    1 2 0 0 4 / 3 
C. 0 0 1 0 0  D.  0 0 1 0 0  E) Hiçbiri
0 0 0 1 1/ 6   0 0 0 1 1/ 6 

3.

i. Her kare matrisin bir üst üçgensel matristir

ii. Her üst üçgensel matris bir kare matristir.

Aşağıdakilerden hangisi doğrudur?

A) i ve ii B)Yalnız ii C) Yalnız i D) Hiçbiri

59
 1 1 1
2 2
2 2 1 1 1 
4. A   matrisinin satırca indirgenmiş basamak formu aşağıdakilerden
3 3 3 3 2
 
1 1 1 1 0 
hangisidir?

1 1 2  2 1 1 1 2 1
2 1 1 2 1
2
0 0 3 3 1
 0 0 3 3 1  0 0 3 3 1
A.   B.  C. 
3 3 3 3 2 0 0 0 3 2 0 0 0 0 0
     
1 1 1 1 0  0 0 0 0 0 0 0 0 0 0

1 1 0 0 1/ 3 1 1 2 1
2
0 0 1 1 1/ 3 0 2 1 1 1 
D.  E) 
0 0 0 0 0  0 0 3 3 2
   
0 0 0 0 0  0 0 0 1 0 

5. Dördüncü sorudaki matrisin rankı aşağıdakilerden hangisidir?

A.1 B.2 C.3 D.4 E.5

Cevaplar

1-A, 2-B, 3-B 4-D 5-B

60
4.ELEMANTER MATRİSLER

61
 Bu Bölümde Neler Öğreneceğiz?

4.1. Elemanter (İlkel) Matrisler

4.2. Lineer Denklemlere Giriş

62
 Bölüm Hakkında İlgi Oluşturan Sorular

Aşağıdaki işlemleri matematiksel olarak yazabilir misiniz?

63
 Bölümde Hedeflenen Kazanımlar ve Kazanım Yöntemleri

Konu Kazanım Kazanımın nasıl elde

edileceği veya
geliştirileceği
Elemanter Matrisler Elemanter Matrisleri Okuyarak, fikir yürüterek,
ve bol bol örnek çözerek
kavrayabilmek.

Lineer Denklemlere Giriş Lineer denklemelerin Okuyarak, fikir yürüterek,

matrislerle ifade edilmesini ve bol bol örnek çözerek.
yapabilmek

64
 Anahtar Kavramlar

 Elemanter matris

 Denk matrisler

 Bir matrisin tersi

 Genişletilmiş matris

65
 Giriş

Bu bölümde, bir matrisin eşelon formunun uygulaması olan elemanter matris kavramı
incelenir. Bu elemanter matrisler yardımıyla bir matrisin tersinin nasıl elde edilebileceği
araştırılır. Son olarak lineer denklem sistemlerinin matris formda yazılarak katsayılar ve
genişletilmiş katsayılar matrisine odaklanılır.

66
 4.1 Elemanter (İlkel) Matrisler

Bu bölümde elemanter matrisler satır veya sütun işlemlerinin bir uygulaması olarak
tanıtılacak, herhangi bir matrisin elemanter matrislerin çarpımı olarak nasıl yazılabileceğini ve
satır veya sütun işlemleriyle karesel bir matrisin varsa tersinin bulunmasını inceleyeceğiz.
Tanım 4.1  n birim matrisinden elemanter satır işlemlerinin herhangi bir tipi uygulandığında
elde edilen matrise elemanter veya ilkel matris denir ve genellikle E ile gösterilir.

Örnek 4.1

1 0 0 
  0 1 0 
0 0 1 

birim matrisi için

1 0 0 
E1   0 0 1 
 0 1 0 

1.tip elemanter matris  R2  R3 

5 0 0
E2   0 0 1 
 0 1 0 

2.tip elemanter matris  R1  5R1 

1 0 4 
E3  0 1 0 
0 0 1 

3.tip elemanter matris  R1  R1  4R3 

Teorem 4. 1 A , m n mertebesinde bir matris ve B de A ya uygulanan  elemanter satır

veya sütun işlemler sonucu elde edilen bir matris olsun.  m ( veya  n ) birim matrislerine aynı

67
elemanter satır veya sütun işlemlerinin uygulanması sonucu elde edilen matrise E denilirse,
B  E.A dır.

Örnek 4.2

 2 1 0 3 
A  1 2 5 3  matrisinde   R1  R1  2R3 elemanter satır işlemi tanımlansın. Buna
 2 3 1 4 

göre

 6 5 2 11
  A   B  1 2 5 3 
 2 3 1 4 

elde edilir. Aynı elemanter satır işlemini birim matrise uygularsak,

1 0 2 
   3   E  0 1 0 
0 0 1 

bulunur. Buradan

1 0 2   2 1 0 3   6 5 2 11
EA  0 1 0  1 2 5 3   1 2 5 3   B
0 0 1   2 3 1 4   2 3 1 4 

Bulunur. Buna göre B  EA bağıntısı sağlanır.

Teorem 4.2 A ve B m n mertebesinde bir matris iki matris olsun. A matrisinin B

matrisine satırca denk olması için gerek ve yeter koşul B  Ek Ek 1...E2 E1A eşitliğini

sağlayacak sonlu Ek , Ek 1 ,..., E1 elemanter matrislerinin olmasıdır. Diğer bir deyişle B

matrisi, A matrisine sonlu elamenter satır işlemleri uygulanarak elde edilebiliyorsa satırca
denktir.

68
Örnek 4.3

 0 1 3 2  R1  R3  2 1 4 3  R3  R1  R3  2 1 4 3 
A   2 1 4 3    0 1 3 2    0 1 3 2 
 2 3 2 1  2 3 2 1  0 2 6 4 
B1 B2

1 0 0  R1  R3 0 0 1  R3  R1  R3 0 0 1 
I  0 1 0   0 1 0   0 1 0 
0 0 1  1 0 0  1 0 1
E1 E2

buradan B1  E1A, B2  E2 B1  E2 E1A.

Teorem 4.3. Her E elemanter matris tersinirdir ve tersi de aynı tipten bir elemanter matristir.

İspat 4.3 E bir elemanter matris ve elemanter işlem ise  olsun. Yani      E olsun.

Elemanter işlemin tersi de  1 , bir elemanter matrisin tersi ise E 1 olarak alınsın. Yani
 1     E 1 .

   
   1         1  E   E 1 E ve      1        E 1   EE 1
   1 
 E   E 

Bu ise      E elemanter matrisinin tersinir olduğunu ve tersinin ise  1     E 1 olduğunu

gösterir.

Örnek 4.4

1 0 0 
I  0 1 0  ve  : R2  R2  2 R1 elemanter satır işlemi verilsin. Buna göre,
0 0 1 

 1 0 0
      2 1 0  olur. Yukarda verilen  operasyonun tersi:
 0 0 1 

 1 : R2  R2  2 R1

olarak elde edilir. Bu operasyon birim matrise uygulanırsa,

69
 1 0 0 
 1      2 1 0 
 0 0 1 

Bulunur. Buradan,

 1 0 0   1 0 0  1 0 0 
     1      2 1 0   2 1 0   0 1 0   I
 0 0 1   0 0 1  0 0 1 

elde edilir. Benzer şekilde  1          bulunur.

A matrisinin tersinir olduğunu 1 ,  2 ,...,  n elemanter işlem dizisi ile  birim matrisine satır

indirgenebildiğini kabul edelim. Elemanter satır işlemi olan bu dizinin  ya uygulandığında

A matrisinin tersini A 1 i verdiğini gösterelim,

Ei ,  i işlemine karşılık gelen elemanter matris olsun. Kabullerimizden ve Teorem I.10.2 den

En En1...E2 E1A  Ι

olur. Buradan

 En En1...E2 E1  A  Ι   En En1...E2 E1  AA1  ΙA1  A1  En En1...E2 E1Ι

Ι

Elde edilir. Yani  A,     , A 1  elde edebiliriz.

Örnek 4.5

1 0 2 
A   2 1 3  matrisinin tersini satır işlemleri ile bulalım.
 4 1 8 

 A,  blok matrisini oluşturup satırca indirgenmiş formuna getirelim:

70
 R 2 R  R
1 0 2 1 0 0  R32 4 R11  R32 1 0 2 1 0 0  R2  R2 1 0 2 1 0 0 
 A,     2 1 3 0 1 0  0 1 1 2 1 0   0 1 1 2 1 0 
 4 1 8 0 0 1  0 1 0 4 0 1  0 1 0 4 0 1 

R3  R2  R3 1 0 2 1 0 0  R2  R3  R2 1 0 0 11 2 2 
 0 1 1 2 1 0   0 1 0 4 0 1 
   
0 0 1 6 1 1  0 0 1 6 1 1 

1 0 0 11 2 2 
R3  R3

 0 1 0 4 0 1    , A 1 
0 0 1 6 1 1

Böylece A matrisinin tersi

 11 2 2 
A   4 0 1 
1

 6 1 1

Elde edilir. Eğer son blok matris  , B formunda olmadığı durumda verilen matris  ya satır

eşdeğer değildir ve tersinir olamaz.

 6 3 4 
Örnek 4.6 A   4 1 6  matrisinin tersini satır işlemleri ile bulalım.
 1 2 5 

 6 3 4 1 0 0   1 2 5 0 0 1  1 2 5 0 0 1 
 A,    4 1 6 0 1 0  4 1 6 0 1 0   0 9 26 0 1 4 
   
 1 2 5 0 0 1   6 3 4 1 0 0  6 3 4 1 0 0 

1 2 5 0 0 1  1 2 5 0 0 1 
0 9 26 0 1 4   0 9 26 0 1 4 
   
0 9 26 1 0 6  0 0 0 1 1 2 

Bu matrise göre A matrisinin rankı r  A  2 dir. Diğer taraftan birim matrisin rankı
r  Ι3   3 olduğuna göre, A matrisinden hareketle yapılan elemanter satır işlemleri ile Ι 3

71
birim matrisi elde edilemez. Çünkü A matrisi ile Ι 3 birim matrisinin rankları farklı olduğu
için denk matrisler değillerdir. Dolayısıyla A matrisinin tersi yoktur.

Tanım 4.2 Sıfır matrisinden farklı her Amxn matrisinin bir takım elemanter işlemler

 I n | 0 I 
yardımıyla elde edilen   ,  In | 0 ,  n  veya I n matrislerine, Amxn ya eşdeğer
 0 0  0
olan kanonik formu denir.

1 0 2 
Örnek 4.7 A   2 1 3  matrisinin kanonik formunu bulunuz.
 4 1 8 

1 2 0  R2 4 R1  R2 1 2 0  C2 2C1 C2 1 0 0 

A   4 6 9   0 2 9   0 2 9 
 0 2 9  0 2 9  0 2 9 

1 0 0  R3 2 R2  R3 1 0 0 
  
R2   R2 / 2 0 1 9 / 2   0 1 9 / 2 
0 2 9  0 0 0 

C3 9/2 C2  C3 1 0 0 
 0 1 0    I 2 | 0 
   0 0
0 0 0   

72
 4.2. Lineer Denklemlere Giriş
Lineer denklemler, lineer cebir dersinin en önemli konularından birisidir.Lineer
cebirde birçok problem bir lineer denklem sisteminin imcelenmesine ve dolayısıyla da bir
vektör kümesinin oluşturduğu alt uzayın gösterilmesine eşdeğer olduğundan bu bölümde
sunulan teknikler ileri bölümlerde daha karışık işlemlere de uygulanabilecektir.

Tanım 4.3 : a1 , a2 ,..., an , b  ve x1 , x2 ,..., xn bilinmeyenleri göstermek üzere;

a1 x1  a2 x2  ...  an xn  b (II.1)

şeklindeki bir denkleme n bilinmeyenli bir lineer denklem denir. Burada a1 , a2 ,..., an , b 

denklemin katsayıları, b ise denklemin sabitidir. Örneğin, x1 ve x2 yerine x ve y koordinat

eksenlerini aldığımızda 3x  2 y  12 ifadesi  0,6 ve  4,0 noktalarından geçen bir doğru

denklemini belirtir.

Tanım 4.4 Sonlu sayıda lineer denklemin meydana getirdiği m denklem ve

n bilinmeyenden oluşan

a11 x1  a12 x2  ...  a1n xn  b1

a21 x1  a22 x2  ...  a2 n xn  b2
(II.2)
.............................................
am1 x1  am 2 x2  ...  amn xn  bm

Sisteme bir lineer denklem sistemi denir. Burada x j bilinmeyenlerinin katsayıları aij ve

lineer denklem sistemindeki sabitleri b j ler göstermektedir. 1  j  m, 1  i  n  Denklem

(II.2) sisteme m n sistemi de denir. Bu lineer denklem sisteminin çözümü , m denklemi

aynı anda sağlayan sıralı  x1, x2 ,..., xn  sayılarının bulunması demektir. Eğer bir çözüm varsa

sisteme tutarlı, yoksa tutarsız denir.

73
Örnek 4.8

x1  2 x2  x3  4
x1  x2  2 x3  9

2  3 lük lineer denklem sisteminin çözümü için u   5,1,3 ve v   7, 2,0 sıralı

çözümlerini test edelim. Bunun için her ikisini de ayrı ayrı denklem sisteminde yerine
yazalım:

5  2.1  3  4=4
5  2  2.3  9=9

Denklemlerin her birini sağladığından u bir çözümdür. v yi yerine yazarsak,

740 3 4
720 9 9

Birinci denklemi sağlamadığından v bir çözüm değildir. Denklem (II.2) deki sistemi matris-
vektör formunda yazmak istersek,

 a11 a12 ... a1n   x1   b1 

a a22 ... a2 n   x2   b2 
 21  (II.3)
 ... ... ... ...   .   . 
    
 am1 an 2 ... amn   xn  bm 
A X B

yani AX  B yazılabilir. Burada A   aij  katsayılar matrisini, X bilinmeyenler vektörünü

ve B sabitler vektörünü temsil eder. Diğer yandan,

 a11 a12 ... a1n b1 

a a22 ... a2 n b2 
 21
 ... ... ... ... 
 
 am1 an 2 ... amn bm 

Matrisine de (II.2) sistemin genişletilmiş katsayılar matrisi denir. Bu matris bir lineer
denklem sisteminin çözümünde önemli rol oynar. Diğer yandan B sabitler vektörü sıfır
matrisi ise homojen lineer denklem sisteminin matris formunda gösterimi,
AX  0
74
olur.

Örnek 4.9

x1  2 x2  5 x3  4 x4  7
3x1  x3  x4  5
2 x1  5 x2  x4  1
Lineer denklem sistemi verilsin. Bu denklem sisteminin matris formunda yazılışı:

 x1 
 1 2 5 4     7 
 3 0 1 1  x2    5 
  x   
 2 5 0 1  3   1
A
 x4  B
X

Burada katsayılar matrisi,

 1 2 5 4 
A   3 0 1 1
 2 5 0 1

ve genişletilmiş katsayılar matrisi,

 1 2 5 4 7 
 
 3 0 1 1 5 
 2 5 0 1 1

olur.

75
 Uygulamalar

Elemanter matrisleri nerede kullanırız?

Bir matrisin tersini almada elemanter matrisleri nasıl kullanırız?

Her matrisin tersini alabilir miyiz?

Sorularının cevaplarını ilgili kaynaklardan araştırınız.

76
 Uygulama Soruları

1. Aşağıdaki M matrisinin tersi var mıdır? Niçin?

77
 Bu Bölümde Ne Öğrendik Özeti

Bu bölümde bir matrisin eşelon formunun uygulaması olarak elemanter matris

konusunu irdelendi. Daha sonra elemanter matrisler yardımıyla bir matrisin tersinin nasıl elde
edilebileceği araştırıldı. Son olarak lineer denklem sistemlerinin matrissel formda yazılarak
katsayılar ve genişletilmiş katsayılar matrisine odaklanıldı.

78
 Bölüm Soruları

Aşağıdaki soruların yanıtlarını verilen seçenekler arasından bulunuz.

1. Aşağıdaki matrislerden hangisi veya hangileri satır indirgenmiş basamak formundadır?

1 0 0 0 3 0 1 0 0 5  0 1 0 0 
i. 0 0 1 0 4  ii. 0 0 1 0 4  iii.  0 0 1 0 
0 0 0 1 2  0 0 0 1 3   0 1 0 2 

0 1 0 0 2 1 2 0 0 0
0 0 0 0 1 0 0 1 0 0 
iv.  v. 
0 0 0 1 4 0 0 0 0 1
   
0 0 0 0 0 0 0 0 0 0

A. Yalnız i B. i,iii,v C. i, v

D. ii,iv E. ii. iii, iv

2. Aşağıda matrislerle satır indirgenmiş basamak formlar dengi verilmiştir. Hangisi yanlış
verilmiştir?

0 0 0 1 2 0  0 1 3  1 0 2
A. 2 4 0 0 0 0  B   0 1 3 
    1 2 4   

1 1 1  1 0 0   2 0 0 1 0 0 
C. 1 1 0  0 1 0 
  D.  0 0 0  0 0 0 
 
1 0 0  0 0 1   4 0 0  0 0 1 

3. Aşağıdakilerden hangisi yanlıştır?

B  AT    A1 
1
A .  A  B   AT  BT C.  A  B   AT  BT
T T T

 k  A E  AT   A
T
 kAT , k skaler
T
D.

0 0 2 
4. 1 2 6  matrisinin tersi aşağıdakilerden hangisidir?
 
 3 7 9 

79
  12 7 2   12 2 7   1 / 2 3 1 
A.  9 3 1  B. 1 / 2 3 1  C.  12 7 2 
 
 2 0 0  9 / 2 0 0  9 / 2 0 0 

 9 / 2 3 1   12 7 2 
D.  12 7 2  E. 9 / 2 3 1 
1 / 2 0 0  1 / 2 0 0 

1 1 1 2
1 1 2 1 
5. B   matrisinin rankı aşağıdakilerden hangisidir?
1 2 1 1
 
2 2 4 2

A. 1 B. 2 C. 3

D. 4 E. Hiçbiri

Cevaplar

1. C 2. D 3. C 4. E 5. C

80
5. LİNEER DENKLEMLER

81
 Bu Bölümde Neler Öğreneceğiz?

5.1. Lineer Denklem Sisteminin Çözümü

5.2. Gauss Eliminasyon Yöntemi
5.3. Gauss –Jordan İndirgeme Yöntemi

82
 Bölüm Hakkında İlgi Oluşturan Sorular

2 kg lık bir cisimle kütlesi bilinmeyen bir C cisminin terazilerdeki denge durmları aşağıda
verilmiştir.Buna göre C cisminin kütlesi hakkında ne söylenebilir?

83
 Bölümde Hedeflenen Kazanımlar ve Kazanım Yöntemleri

Konu Kazanım Kazanımın nasıl elde

edileceği veya
geliştirileceği
Lineer Denklem Sisteminin Lineer Denklem Sisteminin Okuyarak, fikir yürüterek,
Çözümü Çözümünü kavrayabilmek. ve bol bol örnek çözerek

Gauss Eliminasyon Yöntemi Lineer Denklem Sisteminin Okuyarak, fikir yürüterek,

Gauss Eliminasyon Yöntemi ve bol bol örnek çözerek.
ile çözümünü yapabilmek
Gauss –Jordan İndirgeme Lineer Denklem Sisteminin Okuyarak, fikir yürüterek,
Yöntemi Gauss –Jordan İndirgeme ve bol bol örnek çözerek
Yöntemi ile çözümünü
yapabilmek

84
 Anahtar Kavramlar

 Lineer denklemm sistemi

 Gauss Eliminasyon Yöntemi

 Gauss –Jordan İndirgeme Yöntemi

85
 Giriş

Bu bölümde lineer denklemlerin çözüm kümesinin elemanter satır ve sütun işlemleri ile
nasıl elde edileceği araştırılır. Bu amaçla literatürde sıkça kullanılan Gauss eliminasyon
yöntemi ile Gauss-Jordan indirgeme yöntemi uygulamalarla incelenir.

86
5.1 Lineer Denklem Sisteminin Çözümü
Bu bölümde determinant kullanmadan bir lineer denklem sistemini Gauss eliminasyon ve
Gauss Jordan algoritmasıyla nasıl çözeceğimizi göstereceğiz. Ama öncelikle bazı tanımlar ve
teoremler verelim.

Tanım 5.1: Bir lineer denklem sistemi S ile gösterilmek üzere. Aynı çözüm kümesine sahip
S1 ve S 2 iki lineer denklem sistemine denktirler denir ve S1 S2 ile gösterilir.

Örnek 5.1

 i  x1  x2  3 (ii ) x1  2 x2  9
x1  x2  7 3 x1  x2  13

Sistemleri denktir. Çünkü her ikisinin çözüm kümesi Ç   5, 2 dir.

Diğer yandan işlemlerde kolaylık olması açısından bir sistemi meydana getiren denklemler
sırasıyla L1 , L2 ,..., Lm , olsun. Bu sistemde r. denklem

Lr : ar1 x1  ar 2 x2  ...  arn xn  br (r  1, 2,.., m)

olarak ifade edilir.

Teorem 5.1 Basamak formunda verilen n bilinmeyenli r denklemli lineer denklem sisteminin
çözümünde iki durum vardır:

1. Bilinmeyen sayısı kadar denklem vardır. Yani r  n . Bu durumda sistemin tek bir
çözümü vardır.
2. Bilinmeyen sayısından daha az denklem vardır. Yani r  n dir. Bu durumda sistemde
n  r serbest değişkenlere keyfi değerler verip sistemin çözümü elde edilir.

87
Örnek 5.2

i. x1  x2  2 x3  3 ii . x1  2 x2  x3  9
x1  x2  7 x1  x3  7
3x1  x2  13

i. Denklem sisteminde bilinmeyen sayısı kadar denklem olduğunda çözüm tektir. Ama ii.
denklem sisteminde 3 bilinmeyen 2 denklem olduğunda 3-2=1 değişkene keyfi değerler
vererek çözümler elde edilir.

Tanım 5.2. : Denklemlerden oluşan bir lineer denklem sistemi üzerinde denk sistemler elde
etmek için yapılan aşağıdaki her bir işleme elemanter işlem denir.

1. İki denklemin yerini değiştirmek. i. Denklem ile j. Denklemin yer değişimini kısaca
Li  L j olarak gösterebiliriz.

2. Denklemlerden herhangi birini sıfırdan farklı bir sayı ile çarpmak. i. Denklemi bir
k  0 skaleri ile çarpılmasıyla değiştirmek için
Li  kLi
3. Denklemlerden herhangi birisinin bir katını diğer denkleme eklemek. j. denklemi
i. denklemin k katına ekleyerek değiştirmek için
L j  L j  kLi

5.2.Gauss Eliminasyon Yöntemi

Lineer denklem sistemlerinin çözülmesinde kullanılan en temel yöntem Gauss
eliminasyon yöntemidir. Bu yöntemde sistem yukarda verilen elemanter işlemlerle aşağıda
tanımlanan üçgensel forma getirilir. Elde edilen bilinmeyenlerin değerleri sistemde yerine
konularak diğer bilinmeyenler bulunur.

Tanım 5.3 : Bir sistemin k. denkleminde ilk k  1değişkenin katsayıları sıfır ve k. değişken
olan xk nın katsayısı sıfırdan farklı ise sisteme üçgensel formdadır denir.

88
Örnek 5.3

2 x1  3x2  5 x3  2 x4  9
5 x2  x3  3x4  1
7 x3  x4 3
2 x4 8

Bu şekilde üçgensel bir sistemin yalnız tek çözümü vardır. En alttaki denklemden
x4  4 bulunarak bir üst basamaktaki denklemde yerine yazılırsa x3  1 bulunur. Bu değerler

ikinci denklemde yerine yazılırsa x2  2 bulunur. Son olarak x4  4, x3  1ve x2  2

değerleri birinci denklemde yerine yazılırsa x1  9 bulunur. Böylece sistemin 9, 2,1, 4
çözümü elde edilir.

Eğer verilen lineer denklem sistemi üçgensel formda değilse Tanım II.2.1 da verilen
operasyonlarla sistem üçgensel forma getirilir.

Örnek 5.4

2 x1  x2  3x3  5 L2  L2  2 L3 , L3  L1 3 L3 2 x1  x2  3x3  5 L3  L2  L3 2 x1  x2  3x3  5

3x1  2 x2  2 x3  5   13x1  10 x2  43   13x1  10 x2  43
5 x1  3x2  x3  16 13x1  8 x2  37 2 x2  6

Üçgensel hale gelir buradan sistemin çözüm kümesi 1, 3, 2 .

5.3.Gauss –Jordan İndirgeme Yöntemi

Bu yöntem lineer denklem sistemlerine sonlu sayıda elemanter işlemin sırasıyla
uygulanması ve sonuçta verilen lineer denklem sistemiyle aynı genel çözüme sahip daha basit
yapılı bir lineer denklem sistemi bulunmasına dayanır. Bu işlemleri yapılırken bir lineer
denklem sistemin genişletilmiş katsayılar matrisinin satırca indirgenmiş üçgensel formu
kullanılır. Bu yöntemle bir lineer denklem sisteminin çözümünün bulunmasına Gauss –
Jordan indirgeme yöntemi denir.
Gauss Eliminasyonu ile Gauss –Jordan indirgeme yöntemi arasındaki fark; Gauss
denklemi çözmek için genişletilmiş katsayılar matrisinin basamak formu kullanılırken, Gauss
89
–Jordan ise satır indirgenmiş basamak formuna ihtiyaç vardır. Örneklere geçmeden önce her
iki yöntem için geçerli olan şu notu belirtelim: Verilen bir lineer sistemin bir çözümünün
olabilmesi için yeterli ve gerekli koşul; genişletilmiş katsayılar matrisinin basamak formunun
herhangi bir satırının b  0 olmak üzere  0,0,...,0,b  formunda olmaması gerekir.

Örnek 5.5
x1  2 x2  x3  3
2 x1  5 x2  x3  4
3x1  2 x2  x3  5

denklem sisteminin çözümünü bulunuz.

Genişletilmiş katsayılar matrisi,

1 2 1 3 1 2 1 3  1 2 1 3 
M   2 5 1 4  0 1 3
 10  0 1 3
 10 
 3 2 1 5  0 8 4 4  0 0 28 84 

Basamak matrisi formuna indirgenir.Gauss eliminasyonu yöntemiyle çözüm:

 28 x3  84  x3  3,
x2  3x3  10  x2  1
x1  2 x2  x3  3  x1  2

bulunur. Sistemin Gauss-Jordan yöntemi ile çözümü için basamak matrisi satırca indirgenmiş

basamak matrisi yani kanonik duruma getirmeliyiz:

1 2 1 3  1 2 1 3  1 2 0 0 1 0 0 2
M 0 1 3 10  0 1 3 10  0 1 0 1 0 1 0 1
   
0 0 28 84  0 0 1 3  0 0 1 3  0 0 1 3 

Buradan aynı çözüm  2, 1,3 elde edilir.

90
Örnek 5.6
6 x3  2 x4  4 x5  8 x6  8
3x3  x4  4 x5  4 x6  4
2 x1  3x2  x3  4 x4  7 x5  x6  2
6 x1  9 x2  11x4  19 x5  3x6  1

denklem sisteminin çözümünü bulunuz.

Genişletilmiş katsayılar matrisi,

0 0 6 2 48 8  0 0 6 2 4 8 8
0 0 3 1 2 4 4  0 0 3 1 2 4 4 
A 
2 3 1 4 7 1 2  2 3 1 4 7 1 2
   
6 9 0 11 19 3 1   0 0 3 1 2 0 5
0 0 6 2 4 8 8   2 3 1 4 7 1 2
0 0 0 0 0 0 0  0 0 3 1 2 0 5 

2 3 1 4 7 1 2  0 0 6 2 4 8 8
   
0 0 3 1 2 0 5 0 0 0 0 0 0 0
 2 3 1 4 7 1 2
 0 0 3 1 2 0 5 

 0 0 0 0 0 8 2 
 
0 0 0 0 0 0 0

basamak matrisi formuna indirgenir. Buradan satır işlemleriyle kanonik forma indirgersek
satırca denk olan,

1 3 / 2 0 11/ 6 19 / 6 0 1/ 24 
0 0 1 1/ 3 2 / 3 0 5 / 3 
M 
0 0 0 0 0 1 1/ 4 
 
0 0 0 0 0 0 0 

elde edilir. Burada görüldüğü gibi 6 bilinmeyen ve 3 denklem var. Dolaysıyla çözümler 6-3=3
değişkene bağlı olarak çıkacaktır. Buna göre çözüm:

91
 1
x6  ,
4
1 2 5 5 1 2
x3  x4  x5   x3   x4  x5
3 3 3 3 3 3
3 11 19 1 1 3 11 19
x1  x2  x4  x5   x1   x2  x4  x5
2 6 6 24 24 2 6 6

elde edilir. Burada x2 , x4 , x 5 keyfi değerlerdir.

Örnek 5.7 Aşağıdaki lineer denklem sisteminin tutarlı olması için t Rasyonel sayısını
bularak t nin bu değeri için sistemi çözünüz.
x y 2
x y 0
3x  y  t
Sistemin genişletilmiş katsayılar matrisi,
1 1: 2  1 1: 2  1 1: 2 
A  1 1: 0  0 2 :
 2  0 1:
 1 
3 1: t  0 4 : t  6  0 0 : t  2 

1 1: 2 
M   0 1: 1  satırca indirgenmiş basamak matrisine denktir. Burada t  2 ise sistem
 0 0 : t  2 

tutarsız yani çözümü yok, t  2 ise sistem tutarlı ve

1 1: 2  1 0 : 1 
M  0 1: 1  0 1: 1 
 
0 0 : 0  0 0 0 

ve böylece x  1, y  1 çözümü bulunur.

Örnek 5.8 Aşağıdaki lineer denklem sisteminde

x  2y  z  4
2 x  3 y  az  5
3x  4 y  5 z  b

a ve b nin hangi rasyonel değerleri için

1. Sistemin çözümü olmaz

2. Sistemin yalnız bir çözümü olur
3. Sistemin sonsuz çözümü vardır.
92
Öncelikle sistemin genelleştirilmiş katsayılar matrisi:

 1 2 3 4
A   2 3 a 5 
 3 4 5 b 

olur. Bu matrisi satır kanonik forma getirelim:

R 2 R  R
1 2 3 4  R32 3 R11 R32 1 2 3 4 
A   2 3 a 
5   0 1 a  6  3 
 3 4 5 b  0 2 4 b  12 
R3 2 R2  R3 1 2 3 4 
 0 1  a6 3   M
0 0 2a  8 b  6 

1 2 3 4 

Buradan M  0 1 a6 3  matrisine göre
0 0 2a  8 b  6 

1.durum: 2a  8  0  a  4 olsun. Bu durumda M matrisi,

 
1 0 0 u 
 
M  0 1 0 v 
 b6 
0 0 1 
 2 a  8 

Kanonik formuna indirgenir ve buradan sistemin tek çözümü vardır:

b6
z , y  v, x  u
2a  8

2.durum. a  4 olsun. Bu durumda M matrisi,

1 2 3 4 
M  0 1 2 3 
0 0 0 b  6 

formuna indirgenir. Burada eğer b  6 ise sistem tutarsız olup çözümü olmaz. Çünkü
0=1,2,3.. gibi mantıksız sonuçlar çıkar. Fakat b  6 ise

93
 1 2 3 4  R1  R1  2 R2 1 0 1 2 
M  0 1 2 3  0 1 2 3
0 0 0 0  0 0 0 0 

elde edilir. Buradan

y  2 z  3  y  3  2 z
x  2 y  3z  4  x  2  3  2 z   3z  4  x  2  z

z keyfi değerine bağlı sonsuz çözüm bulunur.

94
 Uygulamalar

Güncel hayatta karşılaştığımız lineer denklem modeline aktaracağımız birkaç problem

söyleyebilir misiniz?

95
 Uygulama Soruları

Bir odada x tane çantanın ve y yane de kutunun olduğunu varsayalım:

Her bir çantada 2 elma ve 4 muz; her bir kutuda ise 6 elma ve 8 muz olsun.
Odada toplam 20 elma ve 28 muz olduğuna göre çanta ve kutu sayısını bulunuz.

96
 Bu Bölümde Ne Öğrendik Özeti

Bu dersimizde lineer denklemlerin çözüm kümesinin elemanter satır ve sütun işlemleri ile
nasıl elde edildiği araştırıldı. Bunun için literatürde sıkça kullanılan Gauss eliminasyon
yöntemi ile Gauss-Jordan indirgeme yöntemleri uygulamalarla test edildi.

97
 Bölüm Soruları

Aşağıdaki soruların yanıtlarını verilen seçenekler arasından bulunuz.

x  2 y  4 z  5t  3
1. 3x  y  5 z  2t  4 lineer denklem sisteminin çözümü aşağıdakilerden
x  4 y  6 z  9t  2
hangisidir?
A. 3,0,0,0 B. (1,2,-1,4) C. Çözüm yok

D. (-1,-1,2,1) E. (1,-1,0,-18)

kx1  x2  x3  1
2. x1  kx2  x3  1 denklem sisteminde k nın hangi değeri için sistemin birden fazla
x1  x2  kx3  1
çözümü olur?
A.-1 B. 1 C. 2
D. 3 E. 4

x  2 y  3z 4
3 3x  y  5 z 2
4 x  y   a 2  14  z  a  2

Aşağıda verilen a rasyonel sayısının hangi değeri için denklem sisteminin çözümü olmaz?

A. -4 B. 4 C. 2

D. -3 E. -2

 x1 
2 3 1 4 9    17 
1 1 1 1 3    6 
x2
4  .  x3   denklem sisteminin çözümü ile ilgili aşağıdakilerden
1 1 1 2 5     8 
  x4  
2 2 2 3 8    14 
 x5 

hangisi doğrudur?

A.Çözüm yoktur

98
B.Her Reel sayı için sağlanır.

C.Aşikar çözümü vardır

D.Tek bir çözümü vardır.

5.Sonsuz çözümü vardır

x1  2 x2  3x3  1
5. 3x1  2 x2  x3  7 denklem sisteminin çözüm vektörü aşağıdakilerden hangisidir?
2 x1  x2  2 x3  1

1  1 3

A.  3  B.  3  C.  1 
 2   2   2 

 2  1
D.  3  E.  3
 1   2 

Cevaplar

1-C, 2-B, 3-A 4-E 5-A

99
6. HOMOJEN LİNEER DENKLEM SİSTEMLERİ VE VEKTÖR
UZAYLARI

100
 Bu Bölümde Neler Öğreneceğiz?

6.1.Homojen Lineer Denklem Sistemleri

6.2. Vektör Uzayları

6.3. Alt Uzaylar

101
 Bölüm Hakkında İlgi Oluşturan Sorular
1-

Matrisi verilsin. Mx  0 homojen denklem sisteminin çözümünü bulun.

2- Yukardaki verilen sorunun çözümünü aşağıdaki formde yazabilir miyiz?Bu gösterim neyi temsil
eder?

102
 Bölümde Hedeflenen Kazanımlar ve Kazanım Yöntemleri

Konu Kazanım Kazanımın nasıl elde

edileceği veya
geliştirileceği
Homojen Lineer Denklem Homojen Lineer Denklem Okuyarak, fikir yürüterek,
Sistemleri Sistemlerini kavrayabilmek. ve uygulama yaparak

Vektör Uzayları Vektör Uzaylarını kavramak Okuyarak, fikir yürüterek,

ve uygulama yaparak.
Alt Uzaylar Alt Uzayları kavramak Okuyarak, fikir yürüterek,
uygulama yaparak ve
araştırarak

103
 Anahtar Kavramlar

 Homojen Lineer Denklem Sistemi

 Vektör Uzayı
 Alt Uzay

104
 Giriş

Bu bölümde homojen lineer denklem sistemleri ve özellikleri tanımlanarak çözüm

kümesinin bulunmasına odaklanılır. Ayrıca vektör uzaylarına giriş yapılarak alt uzay kavramı
incelenir.

105
 6.1. Homojen Lineer Denklem Sistemleri

Tanım 6.1. : Denklem (II.2) de verilen lineer denklem sisteminde eğer sabitler olan
b j  0, 1  j  m ise oluşan

a11 x1  a12 x2  ...  a1n xn  0

a21 x1  a22 x2  ...  a2 n xn  0
(II.3)
.......................................
am1 x1  am 2 x2  ...  amn xn  0

Denklem sistemine homojen lineer denklem sistemi denir. Böyle bir denklem daima
tutarlıdır ve x1  0, x2  0,..., xn  0 çözümüne sahiptir. Bu çözüme aşikâr (trivial) çözüm
denir. Bunun dışındaki herhangi bir çözüme ise aşikâr olmayan çözüm denir.

Örnek 6.1.

x y 0
x y 0

Homojen sisteminin sadece x  0, y  0 aşikâr çözüme vardır. Fakat

x yz 0
x yz 0

Homojen sisteminin ise x   z , y  0 , z keyfi değerine bağlı olan aşikâr olmayan çözümü
mevcuttur. Şimdi homojen sistemin aşikâr çözümü ile ilgili bir teorem verelim.

Teorem 6.1. : n bilinmeyenli m lineer denklemli bir homojen sistem eğer m  n ise daima
aşikâr olmayan bir çözüme sahiptir.

Teorem 6.2. : Varsayalım m  n ve sistemin katsayılar matrisi satırca B matrisine denk

olsun. Bu matris satırca indirgenmiş basamak formunda olsun. Bu durumda B deki sıfır

106
olmayan satırların sayısı da r olsun. Yani n bilinmeyenli r denklemden meydana gelen bir
sistem elde edilir. Bu takdirde r  m  n ve böylece n  r  0 olur ve böylece bilinmeyenlerin
sayısı olan n  r pozitif değerdir. Bu halde r tane bilinmeyen n  r tane bilinmeyene bağlı
olarak çözülebilir . Böylece sistemin aşikâr olmayan bir çözümü vardır.

Sonuç olarak A , m n tipinde bir matris ve AX  0 homojen sistemi sadece aşikâr çözüme
sahipse m  n olmalıdır.

Örnek 6.2.

x1  x2  x3  x4  0
x1  x4  0
x1  2 x2  x3  0

Homojen lineer denklem sisteminin çözünün bulun.

Sistemin genelleştirilmiş katsayılar matrisi,

1 1 1 1 0
A  1 0 0 1 0 
1 2 1 0 0 

olur. Bu matrisi satır kanonik forma getirelim

1 1 1 1 0 0 1 1 1 0 1 0 0 1 0
A  1 0 0 1 0  1 0 0 1
 0  0 1 1 0
 0 
1 2 1 0 0  1 2 1 1 0  0 2 1 1 0 

1 0 0 1 0
0 1 0 1 0   M

0 0 1 1 0 

bulunur. Burada

107
 1 0 0 1 0
M  0 1 0 1 0 
0 0 1 1 0 

matrisinden görüldüğü üzere denklem sayısından fazla bilinmeyen vardır. Dolayısıyla

sistemin en az bir sıfır olmayan çözümü vardır. Yani,

x3  x4  0  x3   x4
x2  x4  0  x2  x4
x1  x4  0  x1   x4

Elde eldir. x4  k için,  k , k , k , k  çözümü bulunur.

Örnek 6.3.

x  2y  z  0
2x  5 y  2z  0
3x  y  4 z  0

sisteminin aşikâr olmayan çözümünün varlığını inceleyiniz.

Öncelikle sistemin genelleştirilmiş katsayılar matrisi:

1 2 1 0
A   2 5 2 0 
 3 1 4 0 

olur. Bu matrisi basamak matris formuna getirelim:

1 2 1 0 1 2 3 0 1 2 3 0
A   2 5 2 0  
0 1 8 0  
0 1 8 0 
 3 1 4 0  0 7 5 0  0 0 61 0 

Buradaki basamak matrisinde de görüldü gibi üç denklem ve üç bilinmeyen vardır.

Dolayısıyla homojen sistemin tek çözümü vardır. O da z  0, y  0, x  0 aşikâr çözümüdür.

108
Örnek 6.4.

x1  2 x2  x3  0
2 x1  5 x2  2 x3  0
x1  4 x2  7 x3  0
x1  3x2  3x3  0

sisteminin sıfır olmayan çözümünün olup olmadığını inceleyiniz.

Sistemin genelleştirilmiş katsayılar matrisini yazarak basamak matris formuna indirgeyelim:

1 2 1 0  1 2 1 0  1 2 1 0 
2 5 2 0  0 1 4 0  0 1 4 0 
A  
1 4 7 0 0 2 8 0 0 0 0 0
     
1 3 3 0 0 1 4 0 0 0 0 0

basamak formuna dikkat edilirse 3 bilinmeyen için 2 denklem vardır. Dolayısıyla sistemin
sıfır olmayan bir çözümü vardır. Çözüm,

x2  4 x3  0  x2  4 x3
x1  2 x2  x3  0  x1  9 x3

olacak şekilde x3 e bağlı olarak elde edilir. Özel olarak x3  1 için sistemin bir çözü

 9, 4, 1 elde edilir.

6.2.Vektör Uzayları

Hız, ivme, kuvvet gibi yön, doğrultu ve büyüklüğe sahip ifadeler vektörel büyüklüklerdir.
Düzlemde bütün noktaların kümesi 2
ile gösterilir ve 2 boyutlu uzay olarak tanımlanır. Şekil
III. de görüldüğü gibi 2
de bir vektör:

P( x1 , y 1 )
x
O(0,0)

109
 Şekil III. 1. 2
de bir vektör

 x1 
orijinden  x1 , y1  noktasına olan yönlü doğru parçasıdır. Bu u    , biçiminde 2x1 lik bir
 y1 
sütun matrisi şeklinde gösterilir. 2
aynı yön ve uzunluğa sahip bütün eş yönlü doğru
parçalarının kümesi bir vektörü ifade eder. Vektörlerin bir k  skaleri ile çarpılması,
 kx 
ku   1  vektörün yön ve büyüklüğünü belirler ve toplanması ise
 ky1 

x  x  x  x 
u   1, v   2   u v   1 2 
 y1   y2   y1  y2 

matrislerde olduğu gibi yapılır.

Tanım 6.2 : V boş olmayan kümesi bir F cismi üzerinde toplama(+) ve çarpma(x) işlemleri
ile tanımlı olsun. Eğer bu küme aşağıdaki özellikleri sağlarsa V ye, F cismi üzerinde bir
vektör uzayı denir.

A. Her u , v  V için u  v V .Toplama işlemine göre özellikler:

1. Her u , v  V için u  v  v  u

2. u , v, w  V için  u  v   w  u   v  w

3. u V için u  0  u olacak bir 0 V vardır. Burada 0 , sıfır vektörüdür.

4. u V için u   u   0 olacak bir u V vardır. Burada  u  , u nın ters işaretlisi
olarak adlandırılır.
A. Her u V ve  skaler için  u  V ( V çarpma(.) işlemine göre kapalı)

5. u, v V ve   için   u  v    u   v

6. u V ve  ,   için     u  u   u

7. u V ve  ,   için  .  u     u 

8. u V için 1.u  u . Burada 1, F cisminin birim elemanıdır.

110
  x1 
x 
 2 
 . 
 
Örnek 6.5. n
1   .  , nx1 reel sütun uzayı yukarda verilen bütün özelliği sağladığı için
 . 
 
 xn 1 
x 
 n 
vektör olarak alabiliriz. Dolayısıyla bütün mxn tipinde matrislerin kümesi m
n vektör uzayıdır.

Örnek 6.6. Pn , derecesi n den küçük bütün polinomların kümesi

olsun. P  x   an1 xn1  ....  a1 x  a0 . Örneğin; n=3 için x 2  x  1 P3 , 2 x  1 P fakat

x3  x  P3 . Acaba Pn bir vektör uzayı mı? Bunun için p ve q  Pn için,

p  x   an1 xn1  ....  a1x  a0 , q  x   bn1xn1  ....  b1x  b0

p  x   q  x    an 1  bn 1  x n 1  ....   a1  b1  x   a0  b0   Pn ( x)
 p  x    an 1 x n 1   a1 x   a0 x  Pn ( x)

Olduğundan Pn bir vektör uzayıdır.

Örnek 6.7. Pn , derecesi n ’ eşit bütün polinomların kümesi olsaydı,

x3  x  1 P3 ,  x3  2 x  1 P3  x3  x  1  x3  2 x  1  3x  P3

vektör uzayı olmazdı.

Örnek 6.8. tamsayılar kümesi adi toplama ve çıkarma işlemlerine göre rasyonel sayılar
cismi üzerinde bir vektör uzayı oluşturamaz. Çünkü bir tamsayı ile rasyonel sayının çarpımı
her zaman tamsayı olamaz. Örneğin 2.1/ 3  2 / 3 

Teorem 6.3 : V boş olmayan kümesi bir F cismi üzerinde bir vektör uzayı olsun.

1. Herhangi bir k skaleri ve 0 V için k.0  0

2. Herhangi bir u V vektörü ve 0  F için 0.u  0
111
3. k  F ve u V için k.u  0  k  0 veya u  0
4. Herhangi bir k skaleri ve herhangi bir u V vektörü için  k  .u  k  u   ku

III.1 Alt Uzaylar

Bir V vektör uzayının boş olmayan bir altkümesi S olsun. Eğer bu küme aşağıdaki özellikleri
sağlarsa S, V’nin bir alt uzayıdır denir.

1.Sıfır vektör S in bir elemanı( 0  S )

2. u  S ve   için  u  S

3. u, v  S için u  v  S

Sonuç: S, ancak ve ancak şu şartlar altında V’nin bir alt uzayıdır:

1. 0S
2. u, v  S ve a, b  için au  bv  S

Tanım 6.3 : Her V vektör uzayının 0 ve V olmak üzere en az iki tane alt uzayı vardır ki

bunlar aşikâr uzay olarak adlandırılır. Bunların dışındaki alt uzaylara öz alt uzay denir.

Örnek 6.9.

 x  
S    1  : x1    2
alt uzay mı?
 1  

5  10
u    ,   2  u     S
1 2

dolayısıyla alt uzay değil.

Örnek 6.10. V 3
olsun. Üçüncü bileşeni sıfır olan vektörlerden oluşan
S   a, b,0 : a, b   alt uzay koşullarını sağlar. Çünkü 0   0,0,0  S ve a, b 

için au  bv  S .

Örnek 6.11. m olmak üzere E1   x, mx  : x   kümesi düzlemin bir alt uzayıdır.

Fakat E2   x, 2 x 1 : x   alt kümesi bir alt uzay değildir. Çünkü E2 ,  0,0 noktasını
112
içermez. Dolayısıyla buradan düzlemin sıfır ve kendisinden farklı alt uzayları sadece orijinden
geçen doğrular olduğunu söyleyebiliriz.

113
 Uygulamalar

Vektör uzaylarının fen bilimlerdeki uygulamalarını ders kaynaklarından ve bilgisayar

üzerinden araştırınız.

114
 Uygulama Soruları

Bir değişkenli fonksiyonlar kümesi:

İle gösterilsin. Bu kümede toplama işlemi:

Bir skalerle çarpma işlemi:

İle tanımlansın. Buna göre uzayının bir vektör uzayı olup olamayacağını kontrol edin.

115
 Bu Bölümde Ne Öğrendik Özeti

Bu bölümde homojen lineer denklem sistemleri tanımlanarak çözüm kümesinin nasıl

elde edileceği incelendi. Ayrıca vektör uzaylarına giriş yapılarak alt uzay kavramı örneklerle
irdelendi.

116
 Bölüm Soruları

Aşağıdaki soruların yanıtlarını verilen seçenekler arasından bulunuz.

1. Aşağıdaki homojen sistemlerden hangisi veya hangilerinin aşikâr çözümü vardır?

x  3y  2z  0 x  3y  2z  0 x  2 y  5 z  4w  0
i. x  8 y  8z  0 ii. 2x  3y  z  0 iii. 2 x  3 y  2 z  3w  0
3x  2 y  4 z  0 3x  2 y  2 z  0 4 x  7 y  z  6w  0

A. Yalnız i B. i ve ii C. Yalnız ii

D. i ve iii E. i, ii ve iii

2. Aşağıdaki matrislerden hangisinin tersi yoktur?

 1 1 1 2 2 4  4 6  3
A.  1 1 0  B.  1 0 1  C.  0 0 7  D.
 2 0 0   0 1 0   0 0 5 

1 2 4 6
2 0 0 0
 0 5 0  1 2 0 
  E. 
0 0 1 2
 0 0 7   
0 0 0 2

x y 1
3. tx  y t
1  t  x  2 y  3

Denklem sisteminin tutarlı olabilmesi için t nin değeri aşağıdakilerden hangisi olmalıdır?

A.5 B. 4 C. 3

D. 2 E. 1

3x  y  7 z 0
2x  y  4z  1/ 2
4.
x yz 1
6 x  4 y  10 z  3

Denklem sisteminin çözümü için aşağıdakilerden hangisi doğrudur?

117
B. Aşikâr çözümü var B. Çözüm yok C. Tek bir çözüm var

3 1 1 3
D. x   3z, y   2 z, z keyfi E. x   3z, y   2 z, z keyfi
2 2 2 2

5.  nın hangi değerleri için aşağıda verilen homojen denklem sisteminin aşikâr olmayan
bir çözümü vardır?

x     3 y  0
   3 x  y  0

A . 2 ve 4 B. 4 ve 5 C. 2 ve 5 D.1 ve 3 E . 3 ve 4

6.Aşağıdaki verilen kümelerden hangisi vektör uzayı değildir?


 a  

i. P :   | a, b  0 ii.    x, y  | x  , y  

 
b 


 df 
iii. Türevlenebilir bütün f fonksiyonların kümesi :  f :  | var 
 dx 

A. Yalnız i B. i ve ii C. Yalnız ii

D. i ve iii E. i, ii ve iii

7.Aşağıdaki verilen kümelerden hangisi 3

  a, b, c  | a, b, c   ün alt uzayıdır?

i.  a, b, c  | a  2b ii.  a, b, c  | a  b  c

iii.  a, b, c  | ab  0

A. Yalnız ii B. i ve ii C. Yalnız i

D. i ve iii E. i, ii ve iii

Cevaplar

1. D 2. C 3. D 4. E 5. A 6.A 7.C

118
7.LİNEER BAĞIMSZILIK, BAZ VE BOYUT

119
 Bu Bölümde Neler Öğreneceğiz?

7.1. Lineer Bağımsızlık

7.2. Baz ve Boyut

120
 Bölüm Hakkında İlgi Oluşturan Sorular
1. 3
de aşağıda verilen vektörler lineer bağımsız mıdır?

2.Aşağıda verilen küme 3

ü gerer mi? Vektörleri lineer bağımsız mıdır?

121
 Bölümde Hedeflenen Kazanımlar ve Kazanım Yöntemleri

Konu Kazanım Kazanımın nasıl elde

edileceği veya
geliştirileceği
Lineer Bağımsızlık Lineer Bağımsız olup Okuyarak, fikir yürüterek,
olmamayı kavrayabilmek. ve uygulama yaparak

Baz Bir vektör uzayının Bazını Okuyarak, fikir yürüterek,

saptayabilmek. ve uygulama yaparak.

Boyut Bir vektör uzayı ve alt Okuyarak, fikir yürüterek,

uzayının boyutunu vermek uygulama yaparak ve
araştırarak

122
 Anahtar Kavramlar

 Lineer bağımsızlık
 Lineer bağımlılık
 Baz
 Boyut

123
 Giriş

Bu bölümde vektörlerin lineer bağımsızlığı tanımlanır. Buradan hareketle bir vektör

uzayının başka bir vektör uzayı tarafından gerilmesi ve dolayısıyla baz ile boyut kavramı
incelenir.

124
 7.1. Lineer Bağımsızlık

Tanım 7.1. : v1 , v2 ,..., vn  , V vektör uzayının bir alt kümesi olsun. 1 ,  2 ,...,  n skalerler

olmak üzere , V’nin

1v1   2v2  ...   nvn

Formundaki bir v vektörü v1, v2 ,..., vn  vektörlerinin Lineer toplamı veya lineer

kombinasyonu olarak adlandırılır.

Örnek 7.1. Herhangi bir u   a, b, c   3

vektörü

e1  1,0,0 , e2   0,1,0 , e3   0,0,1

vektörlerinin lineer kombinasyonudur. Çünkü

u   a, b, c   a 1, 0, 0   b  0,1, 0   c  0, 0,1

 ae1  ae2  ae3

Örnek 7.2. Bir u   3,7, 4  3

vektörü v1  1, 2,3 , v2   2,3,7  , v3  3,5,6

Vektörlerinin bir lineer kombinasyonu olup olmadığını gösterin.

u   3, 7, 4   x 1, 2,3  y  2,3, 7   z  3,5, 6 

  x  2 y  3z, x  3 y  6 z,3x  7 y  6 z 

vektörleri eşitledikten sonra eşdeğer denklem sistemi,

x  2 y  3z  3
x  3y  6z  7
3x  7 y  6 z  4

Lineer denklem sistemi oluşur. Genişletilmiş katsayılar matrisini satır işlemleriyle basmak
formuna indirgeyerek bilinmeyenler bulunursa,

x  2, y  4 ve z  3 elde edilir. Böylece u  2v1  4v2  3v3 lineer toplamı biçiminde yazılır.

125
Tanım 7.2. : v1 , v2 ,..., vn  vektörlerinin Lineer toplamlarının oluşturduğu kümeye v1 , v2 ,..., vn

vektörlerinin ürettiği veya gerdiği (span) alt uzay denir ve

span  v1 , v2 ,..., vn  ile gösterilir.

 1   0   0  
 
Örnek 7.3. 3
vektör uzayı S   0  , 1  , 0   ile üretilmiştir. Çünkü herhangi bir 3x1
1      
  0   0  1  
      
sütun matris,

a  1  0 0
 b   a  0   b 1   c  0 
       
 c  0  0  1 

Şeklinde yazılır.

 0  0  1 
 
Örnek 7.4. 3
vektör uzayı S   0  , 1  , 1  ile gerilir mi?
1     
 1  1  1 
      

a  0  0 1   
 b     0    1    1          a,   b  a ve   c  b
        
 c  1  1  1      

uygun değerler için gerildiği görülür.

Tanım 7.3. : v1 , v2 ,..., vn  V vektör uzayının bir alt kümesi olsun.

1v1   2v2  ...   nvn  0

olacak şekilde yazılan bir denklemi için hepsi birden sıfır olmamak koşulu ile 1 , 2 ,,...,  n

skalerleri bulunabiliyorsa, v1 , v2 ,..., vn  vektörleri lineer bağlı, aksi takdirde denklem
ancak

126
 1   2  ...   n  0

şartı ile sağlanıyorsa vektörler lineer bağımsızdır denir.

Örnek 7.5.

1   1  1
   
v1   2  , v2   1  , v3   7 
 3   2  12 

vektörleri

2v1  3v2   1 v3  0

olarak yazıldığı için lineer bağımlıdırlar.

3
Örnek 7.6 de

 1  1  1  
      
S    0  , 1  ,  0  
  0   0  1  
      

kümesinin lineer bağımlı olup olmadığının test edin.

Çözüm:

1  1  1   0 
c1 0   c2 1   c3  0    0 
0   0  1   0 

yazılır. Buradan

c1  c2  c3  0
c2  c3  0  c1  c2  c3  0
c3  0

127
olduğundan vektörler lineer bağımsızdır.

 1  1  1  
 
Örnek 7.7 S   0  , 1 ,  2  
 0  1  k  
      

vektörlerinin lineer bağımsız olabilmeleri için k değerini bulalım.

Çözüm:

Bu defa basamak matrisi yöntemi ile yapalım

1 1 1 0 1 1 1 0
0 1 2 0  0 1 2 0   c3  k  2   0
 
0 1 k 0  0 0 k  2 0 

Buradan k  2 için vektörler lineer bağımsızdır.

.

Örnek 7.8

P2 de

1  x ,1  x , x  x 
2 2 2

vektörlerinin lineer bağımsız olup olmadığını araştırın.

c1 1  x 2   c2 1  x 2   c3  x  x 2   0
c1  c2  c3  0
c3  0
c1  c2  c3  0

buradan

128
 c1  c2  c3  0

Olduğundan vektörler Lineer bağımsız olur.

Teorem 7.1 :

Sıfır vektöründen oluşan tek elemanlı küme lineer bağımlıdır.Daha genel olarak sıfır

vektörünü kapsayan her sonlu küme lineer bağımlıdır.

İspat 7.1 : Her c skaleri için

c.0  0

olduğundan vektör uzayı koşullarından c sıfırdan farklı olması durumda eşitlik doğru

olduğundan sıfır vektöründen oluşan tek elemanlı küme lineer bağımlıdır.

Bir vektörler kümesinin lineer bağımlı olup olmadığını farklı bir yolla araştıran bir teorem
verelim.

 x1i 
x 
de xi    (i  1, 2,..., n) olmak üzere n tane vektör olsun. Eğer
2i
Teorem 7.2: n
 .. 
 
 xni 

 x11 x11 ... x1n 

x x22 ... x2 n 
x   x1 , x2 ,..., xn    21
 ... ... ... ... 
 
 xn1 xn 2 ... xnn 

ise x1 , x2 ,..., xn vektörlerinin lineer bağımlı olması için gerek ve yeter şart x ’in singüler yani

tersinin olmamasıdır( det( x)  0)


Örnek 7.9. S   2, 2,3 , 1,3,1 , 1, 5,3
T T T
 vektörleri 3
de lineer bağımlı mıdır?

129
 2 1 1  2 1 1
 2 3 5  2 3 5  0
 
 3 1 3  3 1 3

Olacağından vektörler lineer bağımlıdır.

7.2. Baz ve Boyut

Tanım 7.4: V vektör uzayının bir S  v1 , v2 ,..., vn  alt kümesi hem lineer bağımsız hem de

V vektör uzayını gererse S e bir taban veya baz denir.

Örnek 7.10. 3
de e1, e2 , e3 vektörlerinin lineer bağımsız olduğunu göstermiştik. İkinci

olarak

a  a  1  0 0
u   b   3      
  b   a  0   b 1   c 0   ae1  ae2  ae3
 c   c   0   0  1 

Olduğundan e1 , e2 , e3 bir baz dır. Ve bu standart(doğal) taban olarak adlandırılır.

Örnek 7.11. P3 polinom uzayında S   x3 , x 2  x3 , x3  1 alt kümesinin gerdiği alt uzayın

S de kapsanan bir tabanını bulalım.

ax 2  bx  c  P3  ax 2  bx  c    x 3     x 2  x 3     x 3  1
  a, b  0, c   ,       a  c

olduğundan bu vektörler P3 ü gerer. Diğer yandan

  x3     x 2  x3     x3  1  0        0

olduğundan S lineer bağımsızdır. Buna göre S , P3 polinom uzayının bir tabanıdır.

Genel olarak Pn nin standart tabanları 1, x, x2 ,..., xn1 dir.

130
Örnek 7.12


 1 0  0 1  0 0  0 0  

  baz olduğunu gösterin.
22
de  E11    , E12    , E21    , E22  

 0 0  0 0  1 0  0 1  


0 0
c1 E11  c2 E12  c3 E21  c4 E22  0   
0 0
 c1 c2  0 0 
    c1  c2  c3  c4  0  E11 , E12 , E21 , E22 lineer bağımsızdır.
c3 c4  0 0 

Bu durumda,

a b  2 2 a b 
  ,   aE11  bE12  cE21  dE22
 c d   c d 

2 2
yi gereceğinden onun bir bazıdır.

Teorem 7.3 : S  v1 , v2 ,..., vn  V vektör uzayının bir tabanı ve W  w1 , w2 ,..., wr  V de

lineer bağımsız ise r  n dir.

Buradan şu sonucu çıkarabiliriz: Bir vektör uzayının iki tabanında aynı sayıda vektör vardır.

Tanım 7.5: Bir vektör uzayın herhangi bir tabanındaki vektör sayısına bu uzayın boyutu
denir ve boy V veya dim V ile gösterilir.

Örnek 7.13. e1 , e2 ,..., en standart birim vektörleri ise boy(e1 , e2 ,..., ei )  i (i  n) dir.

Örnek 7.14 P3 polinom uzayının boyutu 4 tür. Çünkü bir tabanı olarak S  1, x, x 2 , x 3 

Örnek 7.15 mn

nin boyutu m n dir.

Teorem 7.4 : V, boyutu sıfırdan büyük bir vektör uzayı olsun. Buna göre,

1. Lineer bağımsız herhangi n tane vektör V yi gerer.

2. V yi geren herhangi n tane vektör lineer bağımsızdır.

131
Teorem 7.5 : A  aij   mn
 
, B  bij
mn
matrisleri denk ise satır uzayları birbirine eşittir.

Bu teoremden hareketle bir A  aij   mn

matrisi verildiğinde buna satır işlemleri uygulanarak

elde edilen basamak biçimi denk matrisi B  bij   mn

ise A ve B matrislerinin satır uzayları

eşittir. Diğer yandan basamak matrisin sıfırdan farklı satırları satır uzayı için bir taban teşkil
eder. Bu sayede n
de verilen vektörler tarafından gerilen(span)(oluşturulan) alt uzay için
taban bulunur.

Örnek 7.16.  1, 2, 5, 3  ,  2, 3,1, 4  ,  3,8, 3, 5  vektörlerinden oluşan bir W uzayı
4
ün bir alt uzayı olsun. Bu alt uzayın boyutunu ve bazını bulunuz.
Çözüm:
Satırları verilmiş vektörler olan matrisi yazarak satır eşdeğer basamak forma indirgeriz. En
son durumda lineer bağımsız vektör sayısı W nin boyutu, aynı zamanda bu matrisin rankıdır.
Ayrıca lineer bağımsız vektörler de W alt uzayının bazını oluşturur. Buna göre,

 1 2 5 3   1 2 5 3  1 2 5 3
     
 2 3 1 4   0 7 9 2   0 7 9 2 
 3 8 3 5  0 14 18 4  0 0 0 0 

Olur. Burada sıfır olmayan 1, 2, 5, 3  ,  0,7, 9, 2  vektörleri basamak matrisin satır

uzayının aynı zamanda W, nin bir bazını oluşturur. Bazdaki vektör sayısı 2 olduğundan W nin
boyutu 2 dir.
 1 1 2 
      
1 1 2
Örnek 7.17: 4 
uzayının W altuzayı, W  span v1    , v2    , v3     eşitliği ile
1  1 1 2 
       
 1  0   1  
     

 1  1 2 
      
  1  1 2 
veriliyor. v1  , v2  , v3     kümesinin içinden W alt uzayının bir
 1  1 2 
      
 1 0   1  

tabanını(bazını) ve boyutunu bulun.

132
Çözüm:

Sütunları verilmiş vektörler olan matrisi yazarak sütun eşdeğer basamak forma indirgeriz. Bir
matriste yapılan elementer satır veya sütun işlemlerinin matristeki lineer bağımsız sütunların
yerlerini değiştirmediğini biliyoruz. Bu gerçekten yararlanmak için sütun matrisini sütunca
indirgeyelim.

1 1 2 1 0 0 1 0 0
     
1 1 2 1 0 0 1 0 0
A  
1 1 2 1 0 0 1 0 0
     
1 0 1  1 1 1 1 1 0 

1 0 
   
 1 0 
Olur. Burada sıfır olmayan w1    , w2    vektörleri A matrisinin birinci ve ikinci sütun
1 0
   
1  1 

 1  1 
    
  1 1 
vektörlerine karşılık gelen v1  , v2    kümenin lineer bağımsız olduğu görülür.

 1  1 
    
 1 0  

 1  1 
    
  1 1 
Sonuç olarak v1  , v2     kümesi sütun uzayı için W, nin bir bazı olarak alınabilir.
 1  1 
    
 1 0  
Bazdaki vektör sayısı 2 olduğundan W nin boyutu 2 dir.

Örnek 7.18: 3
de W   a, b, c  : a  2c  0 alt uzayının bir bazını ve boyutunu bulunuz.
a  2c  0 denkleminin genel çözümü:
a  2s

 b  t t , s  
 cs

Böylece

 a, b, c    2s, t , s   s  2,0,1  t  0,1,0 

133
Yazılır. Bu durumda W alt uzayı v1   2,0,1 ve v2   0,1,0  vektörleri tarafından gerilir.

Bu vektörler birbirine paralel olmadığı için veya biri diğerinin bir katı olmadığı için veya satır
işlemleri ile elemanları sıfır olan bir satır oluşmayacağı için lineer bağımsızdır. Dolayısıyla

 2,0,1 ,  0,1,0  , W nin bir bazıdır. Bu alt uzayın boyutu da 2 dir.

Teorem 7.6 : V, n boyutlu bir vektör uzayı olsun.

1. Eleman sayısı n den küçük olan bir vektör kümesi V yi geremez.

2. Eleman sayısı n den fazla olan her küme lineer bağımlıdır.

Örnek 7.19: V, nin 0 alt uzayının boyutu sıfırdır. Çünkü 0 vektörü lineer bağımlı

olduğundan bir tabanını bulamayız. Sıfır uzayından farklı bir vektör uzayının da boyutu  1
dir. Çünkü sıfırdan farklı her vektör lineer bağımsızdır. Tabanı hiç olmazsa bir vektör
bulundurur.

Teorem 7.7 : W , V vektör uzayının bir alt uzayı ise dimW  dimV dir.

Örnek 7.20 2
nin standart tabanları e1 , e2 alınırsa dim W  dim 2
 2 olduğundan 2
nin
alt uzayları 0, 1 ve 2 boyutlu olabilir. Bunlar da sırası ile sıfır uzayı, orijinden geçen doğrular
ve düzlemin kendisidir.

Teorem 7.8 : S , n boyutlu bir vektör uzayının bağımsız bir alt kümesi olsun. V, nin S’ i
kapsayan bir tabanı vardır.

Örnek 7.21. 1
3 uzayı için S  1 0 1 ,  0 1 1 kümesini kapsayan bir taban bulun.

S  1 0 1 ,  0 1 1 kümesinin lineer bağımsız olduğu çok kolay görülür. 1

3 uzayının

S1  1 0 0 ,  0 1 0 , 0 0 1 standart tabanını alalım ve

S   1 0 0 ,  0 1 0 , 0 0 1 , 1 0 1 , 0 1 1

diyelim.

134
 0 0 1  1 0 1  1 0 0
0 1 0   1 0 1  0 1 1  1 0 0

olduğundan 0 0 1 ve 0 1 0 vektörlerini kümeden atabiliriz. Bu durumda

W  1 0 0 , 1 0 1 , 0 1 1

bir tabandır.

135
 Uygulamalar

Bir vektör uzayı ile alt uzayının boyutu arasındaki temel bağıntıyı geometriksel olarak
göstermeye çalışın.

136
 Uygulama Soruları

U ve W, bir V vektör uzayının sonlu boyutlu alt uzayları iseler

U  W , V nin alt uzayı olur mu?

U  W , V nin alt uzayı olur mu?

Niçin? 3
de örnekler verin.

137
 Bu Bölümde Ne Öğrendik Özeti

Bu bölümde vektörlerin lineer bağımsızlığı örneklerle incelendi. Buradan hareketle bir

vektör uzayının başka bir vektör uzayı tarafından gerilmesi ve dolayısıyla baz ile boyut
kavramı uygulamalarla işlendi.

138
Bölüm Soruları
1 . V1 = {(x, y, z) | x = 0} ve V2 = {(x, y, z) | x = y ve z = 0}

R cismi üstünde tanımlı 3

vektör uzayının alt uzayları olduğuna göre, V1 + V2 vektör
uzayının boyutu kaçtır?

A.1 B. 2 C. 3

D. 4 E.5

2. u, v ve w, z ; 2
nin üzerindeki iki farklı tabanı olsun. Buna göre aşağıdakilerden

hangisi her zaman doğrudur?

A. u  w, v  z , 2
nin bir bazıdır. B.  0,0 , v, 2
nin bir bazıdır.

C. u  z, v  w , 2
nin bir bazıdır D. 2u, v , 2
nin bir bazıdır

E. u  w, v  z , 2

3. V bir vektör uzayı; U ve W ,V nin iki alt uzayı olsun. Aşağıdakilerden hangisi her zaman
doğrudur?

A . U  W ,V nin bir alt uzayıdır. B. U  W , W nin bir alt uzayıdır.

C. U  0 ,V nin bir alt uzayıdır. D. U  0 ,V nin bir alt uzayıdır

E. W  U ,U nin bir alt uzayıdır

4. Aşağıdaki denklemleri verilen eğrilerden hangisi 2

nin bir alt uzayıdır?

A . y  x3 . B. x  y  3 C. y  0
D. x  3 E. x=-1

5. 3
uzayında u1   3, 1,5    , u2   4,1, 1 , u3   2, 3,0 vektörlerinin lineer bağımlı

olması için  nın değeri ne olmalıdır?

A . 1/2. B.7/2 C.11/2

D. 15/2 E. -3/3

Cevaplar

1. C 2. D 3. D 4.C 5. C
139
8.KOORDİNATLAR VE BAZ DEĞİŞİMİ

140
 Bu Bölümde Neler Öğreneceğiz?

8.1. Koordinatlar ve Baz Değişimi

8.2. Bir Matrisin Rankı
8.2.1 Lineer Sistemlerle Rank İlişkisi

141
 Bölüm Hakkında İlgi Oluşturan Sorular

1 3 1 2 3
1 4 3 1 4 
1. A   Matrisinin rankını bulun
 2 3 4 7 3
 
 3 8 1 7 8
5   1  1   0  
        
3. 3
de v   3  vektörünün T   1 , 1 , 1  sıralı tabanına göre koordinatı nedir?
     
 4    0  0  1  
      

142
 Bölümde Hedeflenen Kazanımlar ve Kazanım Yöntemleri

Konu Kazanım Kazanımın nasıl elde

edileceği veya
geliştirileceği
Koordinatlar ve Baz Koordinatlar ve Baz Okuyarak, fikir yürüterek,
Değişimi Değişimi arasındaki ilişkiyi ve uygulama yaparak
kavramak

Bir Matrisin Rankı Bir Matrisin Rankını Okuyarak, fikir yürüterek,

saptayabilmek. ve uygulama yaparak.

Lineer Sistemlerle Rank Lineer Sistemlerle Rank Okuyarak, fikir yürüterek,

İlişkisi İlişkisni vermek uygulama yaparak ve
araştırarak

143
 Anahtar Kavramlar

 Koordinat
 Geçiş matrisi
 Rank
 Satır uzayı
 Sütun uzayı
 Sıfır Uzayı

144
 Giriş

Bu bölümde bir uzaydan başka bir uzaya geçildiğinde koordinat ve baz değişim durumu
irdelenir. Ayrıca herhangi bir uzay tarafından gerilen bir uzayın tabanını bulunur. Bunun için
de bir matrisin rankı kavramı verilerek lineer denklem sistemlerinin rank ile olan bağlantısı
incelenir.

145
 8.1.Koordinatlar ve Baz Değişimi

Şimdiye kadar öğrendiğimiz bölümlerde herhangi bir tabandaki vektörlerin sırasının

önemi yoktu. Bu bölümde ise sıralı tabanları göz önüne alacağız.

Tanım 8.1. : Sonlu boyutlu bir F-vektörü uzayı ve sıralı bir tabanı S  v1 , v2 ,..., vn  ise V nin

her v vektörü c1 , c2 ,..., cn  F olmak üzere,

v  c1v1  c2v2  ...  cnvn

şeklinde tek türlü yazılabilir. Buna göre c1 , c2 ,..., cn skaler sayılarına v vektörünün

koordinatları denir ve verilen S sıralı tabanına göre koordinat vektörü,

 c1 
c 
 2 
 . 
 
 v S  . 
 . 
 
cn 1 
c 
 n 

ile verilir. Genel gösterime uygunluk açısından yuvarlak parantez yerine köşeli parantez
seçildi.

Teorem 8.1. : v, w V ve c  F için

i. v  wS   v S   wS

ii. cv S  c  v S

146
 5
Örnek 8.1. 3
de v   3  matrisinin sıralı bir S tabanına göre koordinatları 5,3,4 tür. Şimdi
 4 

  1  1   0  
      
T    1 , 1  , 1   sıralı tabanına göre koordinatlarını bulalım:
 
  0  0  1  

5 1 1  0

     
v   3   c1  1  c2 1   c3 1 
 4   0   0  1 

Eşitliğinden

 c1  c2  c3  3
c1  c2  5
c3  4

Lineer denklem sistemi elde edilir. Bu sistemin çözümü, c1  3, c2  2, c3  4 bulunur.

Böylece

3
 v T   2 
 4 

örnekte de görüldüğü gibi bir vektörün sıralı bir tabana göre koordinatları, başka bir sıralı
taban alındığında değişmektedir.

V vektör uzayının sıralı iki tabanı S  v1, v2 ,..., vn  ve T  w1, w2 ,..., wn  olsun. Bir

v V vektörünün bu tabanlara göre yazılışı

v  c1v1  c2v2  ...  cnvn ve v  d1w1  d2 w2  ...  dn wn olsun. S deki vektörlerin T tabanına
göre yazılışları,

v1  a11w1  a21w2  ...  an1wn

v2  a12 w1  a22 w2  ...  an 2 wn
(*)
... .....................................
vn  a1n w1  a2 n w2  ...  ann wn

147
olsun. Bu durumda,

 a1 j 
a 
 2j
v j    . 
T
 
 . 
 anj 
 

olur. j. sütunu v j  olan bir F matrisini bulalım.

T

 a11 a12 ... a1n 

a a22 ... a2 n 
P   21
 ... ... ... ... 
 
 an1 an 2 ... ann 

Matrisine S tabanından T tabanına geçiş matrisi denir. (*) denklem sistemdeki ifadeleri
v  c1v1  c2v2  ...  cnvn ve v  d1w1  d2 w2  ...  dn wn de yerine yazarsak

 d1   c1 
d  c 
 2   2 
 .   . 
   
v T   .   P  .   P  v S
 .   . 
   
 d n 1  cn 1 
d  c 
 n   n 

elde edilir. Bu eşitlikten vT  P vS  vS  P1 vT bulunur ki burada T tabanından

S tabanına geçiş matrisi P1 elde edilir.

 5  7     3  1 
Örnek 8.2. 1
2 uzayında S     ,    ve T     ,    sıralı tabanları verilsin. S
2 3    2  1 
tabanından T tabanına geçiş matrisini bulalım.

148
 5  3 1
v1     x1    x2    5  3x1  x2 ve 2  2 x1  x2
 2  2 1

Lineer denklemlerinin çözümü, x1  3, x2  4 bulunur. Buna göre

3
v1 T   
 4

bulunur. Aynı şekilde

7   3 1
v2     x1    x2    7  3x1  x2 ve 3  2 x1  x2
 3  2 1

Denklem sistemi çözülürse, x1  4, x2  5 bulunur ve buradan

4
v2 T   
 5

yazılır.Bulunan bu değerler P geçiş matrisinde yerine yazılırsa,

3 4
P 
 4 5

bulunur.

Herhangi bir vektörün S tabanına göre koordinatlarını biliyorsak vT  P vS eşitliği

1 
yardımıyla T tabanına göre koordinatları bulunabilir. Örneğin  v S    alsaydık formülden
2

 3 4  1   11 8
vT  P.vS       
 4 5  2  14 57 

bulurduk.

Örnek 8.3. P3 de 1, 2 x, 4 x 2  2  sıralı bazından 1, x, x 2  sıralı bazına

1. Geçiş matrisini bulunuz.

149
2. P 1 bularak p  x   2x2  4x  6 vektörünün 1, 2 x, 4 x 2  2  sıralı bazına göre

koordinat vektörünü bulunuz.

1  a.1  b.x  cx 2  a  1, b  0, c  0
2 x  k .1  l.x  m.x 2  k  0, l  2, m  0
4 x 2  2  n.1  p.x  r.x 2  n  2, p  0, r  4
Bu durumda geçiş matrisi
 1 0 2 
P   0 2 0 
 0 0 4 

bulunur. Bunun tersini elamanter satır işlemleri ile bulursak,

1 0 2 1 0 0  1 0 2 1 0 0  1 0 0 1 0 1/ 2 
P  0 2 0 0 1 0  0 1 0 0 1/ 2 0 
 
0 1 0 0 1/ 2 0 
 
0 0 4 0 0 1  0 0 1 0 0 1/ 4  0 0 1 0 0 1/ 4 

yazılır. Buradan

1 0 1/ 2 
P  0 1/ 2 0 
1

0 0 1/ 4 

elde edilir. S  1, 2 x, 4 x 2  2 ’ nin T  1, x, x 2  sıralı bazına

1 0 1/ 2   6   7 
 p  x  T  P  p  x   S   p  x   S  P  p  x   T  0 1/ 2 0   4    2 
1

0 0 1/ 4   2  1/ 2 

elde eldir. Buradan

1
2 x 2  4 x  6  7.1  2.  2 x   (4 x 2  2)
2

yazılır.

150
 8.2.Bir Matrisin Rankı

Bu bölümde S kümesinin gerdiği V vektör uzayının bir tabanını bulmaya çalışacağız.

Bunun için S in maksimum olabilecek lineer bağımsız bir alt kümesini bulmaya çalışacağız.
Bunun için de rank diye adlandıracağımız bir sayı yardımıyla homojen denklem sisteminin
çözüm uzayının boyutu hakkında fikir edineceğiz ama önce önemli bir tanım verelim.

Tanım 8.2 :

 a11 a12 ... a1n 

a a22 ... a2 n 
A   21
 ... ... ... ... 
 
 am1 am 2 ... amn 

m n tipinde bir matris olsun. Bu matrisin her satırının 1

n de bir vektör olarak düşünürsek
bu vektörlerin gerdiği alt uzaya A nın satır uzayı denir. Benzer şekilde A nın her sütununun
m
1 de gerdiği alt uzaya da sütun uzayı denir.

Örnek 8.4

1 0 0 
A  matrisinin satır ve sütun uzaylarını bulalım.
0 1 0 

Çözüm:

Satır uzayı için

 1 0 0   0 1 0    0

Buradan   0 :  ,    elde edilir. Aynı şekilde sütun uzayı,

1  0 0  
            
 
0  
1  
0  

olduğundan sütun uzayı,

151
    
  :  ,   
   

elde edilir.

Teorem 8.2 : Satırca(sütunca) denk olan iki matris aynı satır(sütun) uzayına sahiptir.

Örnek 8.5 1
4 de

v1  1 0 1 2 , v2  1 1 1 0 , v3   2 0 1 0 ,
v4  [0 1 1 2], v5   2 1 1 2

olmak üzere S  v1 , v2 , v3 , v4 , v5 ile üretilen V alt uzayının bir tabanının bulursak, V alt

uzayı

1 0 1 2 
1 1 1 0 

A  2 0 1 0 
 
0 1 1 2 
1 1 1 2 
matrisinin satır uzayı olur. Elemanter satır işlemleri uygulanarak denk matrisi,

1 0 0 2 
0 1 0 2 

B  0 0 1 4 
 
0 0 0 0
 0 0 0 0 

Elde edilir. Teoreme göre her iki matrisin satır ve sütun uzayı aynıdır. B nin satır uzayının bir
tabanı da
w1  1 0 0 2 , w2  0 1 0 2, w3  0 0 1 4

Olmak üzere T  w1 , w2 , w3 alınabilir.

Tanım 8.2. : Bir matrisin satır(sütun) uzayının boyutuna bu matrisin satır(sütun) rangı denir.

Teorem 8.3 : Bir matrisin satır ve sütun rankları eşittir.

152
Tanım 8.3. : Bir matrisin satır veya sütun rangına o matrisin rangı denir ve rankA  r  A ile

gösterilir.
1 3 12 3
1 4 3 1 4 
Örnek 8.6. A   Matrisinin rank ını bulun.
2 3 4 7 3
 
3 8 1 7 8
Elemanter satır işlemleri ile

1 3 12 3 1 3 1 2 3 1 3 1 2 3

1 4 3 1 4 0 1 2 1 1 0 1 2 1 1
A   
2 3 4 7 3 0 3 6 3 3  0 0 0 0 0
     
3 8 1 7 8 0 1 2 1 1 0 0 0 0 0
Buradan sıfır olmayan 2 tane satır olduğundan rankA  2

Örnek 8.7

 6 3 4 
A   4 1 6  matrisinin Rankını bulun.
 1 2 5 

 6 3 4   1 2 5 1 2 5  1 2 5 
A   4 1 6    4 1 6   0 9 26   0 9 26 
 1 2 5  6 3 4  0 9 26   0 0 0 

matrisinde sıfırdan farklı en az bir eleman içeren satır sayısı 2 olduğundan r  A  2 tür.

Teorem 8.4 : Denk matrislerin rankları eşittir.

Teorem 8.5 : Rankları eşit matrisler denktir.

Her iki teoremden de şu sonucu çıkarabiliriz: A, n  n tipinde bir kare matris ise rankA  n
olması için gerek ve yeterli koşul A ile I n matrisinin denk olmasıdır. Bu durumda A regüler
matristir.

153
 8.2.1 Lineer Sistemlerle Rank İlişkisi

A katsayılar matrisi olmak üzere m denklemli ve n bilinmeyenli lineer denklem

sisteminin matris formu AX  B ile ve ayrıca,
 a11   a12   a1n   b1 
a  a  a  b 
 12   22   2n   2 
 .   .   .  .
x1    x2    ....  xn     
 .   .   .  .
 .   .   .  .
       
 am1   am 2   amn  bm 
şeklinde yazılabilir. Buna göre denklem sisteminin bir çözümünün olması için gerek ve yer
koşul B nin Anın sütunlarının bir lineer toplamı olarak yazılmasıdır. Bu da B nin A nın sütun
uzayında olması anlamına gelir Yani,
AX  B bir çözümü vardır   A B genişletilmiş katsayılar matrisinin rankının A nın

rankına eşit rankA  rank  A B olmasıdır.

Örnek 8.8
x1  x2  x3  2
x1  2 x2  x3  3
x1  x2   a 2  5  x3  a

Lineer denklem sisteminin çözümünün olup olmayacağını a nın alacağı değerlere göre
derleyin.
Çözüm olabilmesi için katsayılar matrisinin rankına bakalım:
1 1 1 2 1 1 1 2 1 1 3 2 
 3  1 1 1  0 1 1 
 A B   1 2 1  2  2
1 1 a 2  5 a  0 0 a  4
2
a  0 0 a 2  4 a  2 

olduğundan
1. a 2  4  0 ve a  2  0 ise rankA  2 ve rank  A B  3 olacağından çözüm yok . Bu

durum ise a  2 de gerçeklenir.

2. a 2  4  0 ve a  2  0 ise rankA  rank  A B  2 ise sistemin tek parametreye

bağlı sonsuz çözümü vardır.

154
3. a 2  4  0 ise yani a  2, 2  rankA  rank  A B  3 olduğundan sistemin tek bir

çözümü vardır.

Tanım 8.4. : N  A  , Bir A matrisinin sıfır uzayı ( AX  0 sisteminin çözümü) olmak üzere

N  A  nın boyutuna A matrisinin sıfırlığı denir.

Teorem 8.6 : A , m n tipinde bir matris ise rankA  Boyut ( N  A)  n dir.

Örnek 8.9

1 2 1 1 
A   2 4 3 0 
1 2 1 5  34

olmak üzere A nın rankı:

1 2 1 1  1 2 1 1  1 2 1 1 
A   2 4 3 0  0 0 1 2 
 
0 0 1 2 
 
1 2 1 5  34 0 0 2 4  0 0 0 0 

Buradan rankA  2 bulunur. N  A  :Bir A matrisinin sıfır uzayı için

 x1  0   x1 
1 2 1 1      1 2 1 1   
 2 4 3 0   x2   0   0 0 1 2   x2 
   x  0    x 
1 2 1 5   3    0 0 0 0   3 
 x4  0   x4 
Buradan
 x3  2 x4  0  x4   ve x3  2
x1  2 x2  x3  2 x4  0  x2   ve x1  3  2
Olduğuna göre

155
   3  2   
  
  
N  A    :,   
  2  

   
 
yazılır. Buradan

 3  2   3  2 
      
    0    1 
 2   2 0
     
   1 0
Buradan

Boyut  N  A   2

bulunur ki

rankA  Boyut ( N  A)  4

gerçekler.

156
 Uygulamalar

Örnek birkaç matris yazarak satır, sütun ve sıfır uzayını bulma ve bunların boyutları
arasındaki ilişkiyi veren formulasyonu elde etmeye çalışın.

157
 Uygulama Soruları

1. P4 polinom uzayında  
x 2  x 4 , 2 x 2  3x 4 ,  x 2  3x 4 germesinin bir bazını bulun.Bu
verilen polinom kümesinin gösterdiği matrisin stır uzayının ve sütun uzayının ranklarını elde
edin.

2. Aşağıda verilen matrisin rankını, satır uzayını, sütun uzayını ve sıfır uzayını bulunuz.

158
 Bu Bölümde Ne Öğrendik Özeti

Bu bölümde bir uzaydan başka bir uzaya geçildiğinde koordinat ve baz değişimi
örneklerle irdelendi. Ayrıca herhangi bir uzay tarafından gerilen bir uzayın tabanının nasıl
bulunacağı incelenerek bir matrisin rankı kavramı verildi.
Diğer yandan lineer denklem sistemlerinin rank ile olan bağlantısı araştırıldı.

159
 Bölüm Soruları

A-Aşağıdaki soruların yanıtlarını verilen seçenekler arasından bulunuz.

1. 2x + y + z = 5

x+y+z=3

x − 2y + 2z = 0

doğrusal denklem sisteminin çözüm kümesi aşağıdakilerden hangisidir?

A. {(1, 1, 1)} B. {(2, 1, 0)} C. {(2, 2, −1)}

D.  E. {(-2, 2, −1)}

1 2 
2.  2 1  matrisinin satır rangı aşağıdakilerden hangisine eşittir?
 3 3 

A. 0 B. 2 C. 2

D. 3 E. Hiçbiri

1 4 
3. A  olmak üzere AX  0 homojen sisteminin çözüm uzayının boyut
2 8
aşağıdakilerden hangisidir?

A. 1 B. 2 C. 3

4. Aşağıdaki vektör kümelerinden hangisi, 2

uzayı için bir taban (baz) dır?

A. {(0, 3), (1, 1)} B. {(0, 1), (0, −1)} C) {(0, 0), (0, 1)}

D) {(−1, 2), (2, −4), (0, 0)}

160
5. Bir F cismi üzerindeki bir V vektör uzayının boyutu BoyFV olmak üzere, aşağıdakilerden
hangisi yanlıştır?

A . Boy 2 . B. Boy 2 C. Boy 1

D. Boy 2
2 E. Hiçbiri

6. U , 4
’ün bir alt uzayı ve U   a, b, c, d  : b  c  d  0 ile verilsin

Aşağıdaki vektör kümelerinden hangisi, U uzayı için bir taban (baz) dır?

A. {(0, 3), (1, 1)} B. {(0, 1), (0, −1)} C) {(1, 0,1,0), (0,-1,1,0), (0,-1,0,1)}

D {(1, 0,0,0), (0,-1,1,0), (0,-1,0,1)}

7. U , 4
’ün bir alt uzayı ve 1, 2,5, 3 ,  2,3,1, 4 , 3,8, 3, 5 vektörlerinden oluşsun.

Aşağıdaki vektör kümelerinden hangisi, U uzayının boyutudur?

A . 2 . B. 3 C. 1
D. 4 E. Hiçbiri

Cevaplar

1. C 2. C 3. A 4-A 5-B 6-D 7- A

161
9. İÇ ÇARPIM UZAYLARI

162
 Bu Bölümde Neler Öğreneceğiz?

9.1. İç Çarpım
9.1.1 Cauchy-Schwarz Eşitsizliği
9.2. Vektörlerin Ortogonallığı

163
 Bölüm Hakkında İlgi Oluşturan Sorular

  0  2   1 
      
1. U    2  ,  1  , 0   vektör kümesi 3
ün ortogonal bir tabanı mıdır?
 5  0   1 
      

  1 0  0  
      
2. V   0  ,  1  ,  0   vektör kümesi 3
ün ortonormal bir tabanı mıdır?
 0  0   1 
      

164
 Bölümde Hedeflenen Kazanımlar ve Kazanım Yöntemleri

Konu Kazanım Kazanımın nasıl elde

edileceği veya
geliştirileceği
İç Çarpım İç Çarpım tanımı ve Okuyarak, fikir yürüterek,
gösterilişi kavrayabilmek. ve uygulama yaparak

Cauchy-Schwarz Eşitsizliği Cauchy-Schwarz Okuyarak, fikir yürüterek,

Eşitsizliğini anlayabilmek ve uygulama yaparak.

Vektörlerin Ortogonallığı Vektörlerin Ortogonallığini Okuyarak, fikir yürüterek,

kavramak uygulama yaparak ve
araştırarak

165
 Anahtar Kavramlar

 İç Çarpım
 İç Çarpım uzayı
 Ortogonallik
 Ortonormallik
 Cauchy-Schwarz Eşitsizliği

166
 Giriş

Bu bölümde iç çarpım uzayları irdelenir. Bunun için iç çarpım uzayının tanımı ve

uygulamaları verilerek önemli bazı eşitsizliklere değinilir. Ayrıca vektörlerin ortogonallığı ve
ortonormalliği örneklerle incelenir.

167
 9.İç Çarpım Uzayları

Vektör uzayları bölümünde düzlemdeki vektörlerden bahsederek vektör uzayını ve

özelliklerine değinmiştik. Matematikte bazı ifadeleri tek bir sayı ile skaler olarak ifade etmek
bize kolaylık sağlar. Vektör veya matrislerin tek bir sayı ile gösterimi ileriki bölümlerde
göreceğimiz determinant ve bu bölümde detaylı olarak inceleyeceğimiz norm kavramları ile
sağlanır. Yine iki vektör arasındaki açının tespitinde de bu kavramdan yararlanırız.
Dolayısıyla bu bölümde iç çarpım ve norm kavramlarını bunlarla ilgili temel bağıntıları
inceleyeceğiz.

9.1 İç Çarpım

 x1 
u   x2  , 3
de bir vektör olmak üzere bu vektörün normu veya uzunluğu
 x3 

 a1   b1 
   
u  x12  x22  x32 olarak tanımlanır. a   a2  ve b  b2  , 3
de iki vektör olmak üzere
 3  b3 

Şekil IV.1 den

Şekil IV.1 iki vektör ve arasındaki açı

bu vektörlerin arasındaki uzaklık Cosinüs teoreminden ,

168
 2 2 2
ba  b  a  2 b a cos 

 b1  a1    b2  a2    b3  a3 
2 2 2
   
 b12  b22  b32  a12  a22  a32  2 b a cos 

Buradan tamkareler açılır ve gerekli sadeleştirmeler yapılırsa,

a1b1  a2 b2  a3 b3
cos  
a .b

İki vektör arasındaki açı elde edilir. Eşitliğin ikinci tarafındaki a1b1  a2 b2  a3 b3 toplamına

a ve b vektörlerinin iç çarpımı veya skaler çarpımı denir ve sıklıkla  a , b  veya

a  b sembolleri ile gösterilir. Genel olarak eğer x , y  n

ve xi , yi  olmak üzere

( 1  i  n ) bu vektörlerin iç çarpımı:

n
 x , y  x1 y1  x2 y2  ...  xn yn   xi yi
i 1

olarak yazılır. Bu denklemden hareketle,

2
 x , x  x12  x22  ...  xn2  x

yazılır. Buradan hareketle iç çarpım uzayının tanımını ve özelliklerini yazabiliriz.

Tanım 9.1 : V bir vektör uzayı olsun. u, v  V için u , v ile gösterilen ve aşağıdaki koşulları

sağlayan  ,  : V  V  ,  u, v   u, v fonksiyonuna V bir vektör uzayı üzerinde bir iç

çarpım, V bir vektör uzayına da bir iç çarpım uzayı denir. Bu iç çarpım uzayı  V ,  ,   ile

gösterilir.

i. Her u, v  V için u, v   v , u

ii. Her u, v, w  V için u  v , w  u, w   v , w
iii. Her u, v  V ve c  için cu, v  c u, v

iv. Her u  V için u, u  0 ve u, u  0  u  0

169
Bu özellikler iç çarpımın tanımı kullanılarak rahatlıkla gösterilebilir.

Örnek 9.1: x , y  n
için  x , y  x1 y1  x2 y2  ...  xn yn

İle tanımlı  ,  fonksiyonu bir iç çarpımdır ve standart iç çarpım olarak adlandırılır.

1 4
   
Örnek 9.2: x, y  3
için x   2  ve y   3  vektörlerinin iç çarpımını bulalım:
 4   5 

 x , y  1.4   2  3   4.5  30

Örnek 9.3: A  aij  nn

 
, B  bij
nn
 Mnn olsun. M nn matris uzayı üzerinde iç çarpım,

n  n 

j 1  i 1


   
 A , B     aij bij   tr AT B  tr BT A (tr : trace  iz )

Biçiminde tanımlandığına göre bu tanımın iç çarpım koşullarını sağladığını göstermek

oldukça kolaydır.

1 3  0 1
Örnek 9.4: M 22 de A   , B    matrislerinin iç çarpımlarını hesaplayalım:
2 4  2 3 

n  n  2

j 1  i 1
  
 A , B     aij bij    a1 j b1 j  a2 j b2 j  a11b11  a21b21  a12 b12  a22 b22
 j 1
 1.0  2.  2  3.1  4.3  11

Bu sonucu matrislerin trace=iz tanımını kullanarak da bulabiliriz.


 A , B  tr AT B 
170
 olduğundan,

1 3  0 1  1 2   0 1 4 7 
A , B   A B
T
.  
 2 4   2 3   3 4   2 3   6 15 
 4 7  
tr    4  15  11
 6 15  
   

Aynı sonuç bulunur.

Örnek 9.5: V , x   a , b  aralığında sürekli reel fonksiyonların vektör uzayı

olsun. f  x  , g  x   V olsun.Bu durumda C  a , b  üzerinde,

b
 f , g   f  x  g  x dx
a

İle tanımlı  ,  fonksiyonu bir iç çarpımdır. Şimdi bunu gösterelim:

b b
i. Her f , g  V için  f , g   f  x  g  x dx   g  x  f  x dx   g , f 
a a

ii. Her f , g, h  V için

b b b
 
 f  g , h   f  x   g  x  h  x  dx   f  x  h  x  dx   g  x  h  x  dx   f , h   g , h
a a a

b b
iii. Her f , g  V ve c  için  c f , g   c f  x  g  x dx  c  f  x  g  x dx  c  f , g
a a

b
Her f  V için  f , f    f  x  dx
2
iv.
a

Analiz bilgimizden de hatırlanacağı üzere sıfırdan büyük veya eşit sürekli bir fonksiyonun
integrali de sıfırdan büyük veya eşittir. Bu durumda,
b
 f , f    f  x  dx  0
2

olur. Eğer f  0   f , f   0 olduğu açıktır.Tersine

171
 b
 f , f    f  x  dx  0  f  0
2

dır.Şu halde iç çarpımın bütün şartlarını taşır.

Örnek 9.6: V , x   a , b  aralığında sürekli karmaşık fonksiyonların vektör uzayı

olsun. f  x  , g  x   V olsun. Bu durumda C  a , b  üzerinde,

b
 f , g   f  x  g  x dx
a

İle tanımlı  ,  fonksiyonu bir iç çarpımdır.(Niçin?)

NOT: İç çarpımlı uzay; reel uzay ise Öklid uzayı, karmaşık (kompleks) ise Üniter uzayı
olarak adlandırılır.

9.1.1 Cauchy-Schwarz Eşitsizliği

Teorem 9.2 : V , bir iç çarpım uzayı ve her u, v  V vektörleri için

 u , v  u . v

dir. Bu eşitsizlikte sol taraf iç çarpımın mutlak değerini, sağ taraf ise vektörlerin normları
çarpımını temsil eder.

Örnek 9.7: karmaşık sayılar kümesini alalım. n boyutlu V n

uzayında,
u   a1 , a2 ,..., an  ve v   b1 , b2 ,..., bn  karmaşık sayılardan oluşan vektörleri alalım.

u, v  a1 b1  a2 b2  ...  an bn

İç çarpımını alalım. Cauchy-Schwarz Eşitsizliğinden,

2
u, v  a1 b1  a2 b2  ...  an bn
2

 a1  a2
2 2
 ...  an
2
 b
1
2
 b2
2
 ...  bn
2

172
Eşitsizliği elde edilir.

Örnek 9.8: V , x   a , b  aralığında sürekli reel fonksiyonların vektör uzayı

olsun. f  x  , g  x   V olsun. Bu durumda C  a , b  üzerinde,

b
 f , g   f  x  g  x dx
a

ile tanımlı  ,  fonksiyonu bir iç çarpımı için Cauchy-Schwarz Eşitsizliği,

2
b  b  b 
 f , g    f  x  g  x dx     f 2  x dx  .   g  x  dx   f
2 2 2 2
. g
    
a  a  a 

Bu eşitsizlik kullanılarak daha önce de belirttiğimiz iki vektör arasındaki açı:   0,  

a1b1  a2 b2  a3 b3 a , b
cos   
a .b a .b

elde edilir.

Örnek 9.9:

3
 
de a  1,0,0  , b  1,1, 2 vektörleri arasındaki açı:

a1b1  a2 b2  a3 b3 1
cos       600
a .b 2

Cauchy-Schwarz Eşitsizliğinin sonucunda matematikte sıkça kullandığımız ve adını üçgenin

bir kenar uzunluğunun diğer iki kenar uzunluğu toplamından küçük olmasından alan üçgen
eşitsizliği elde edilir.

Teorem 9.3 (Üçgen Eşitsizliği): V , bir iç çarpım uzayı ve her u, v  V vektörleri için

uv  u  v

173
İspat:

2
uv  u  v , u  v  u, u  v   v , u  v  u , u  u , v   v , u   v , v

 
2 2 2
 u, u  2u, v   v , v  u  2 u . v  v  u  v

Her iki tarafın karekökü alınırsa,

uv  u  v

Üçgen eşitsitsizliği elde edilir.

9.2. Vektörlerin Ortogonallığı

Tanım 9.2: V bir iç çarpım uzayı olsun. Bu durumda u, v  V için u, v  0 ise u ile
v vektörlerinin birbirine diktir veya ortogonaldir denir. U , V vektör uzayının bir alt kümesi
olmak üzere eğer U nun elemanları ikişer ikişer birbirine dik (ortogonal) ise U alt kümesine
ortogonal küme denir.

Tanım 9.3 : Her vektörü birim uzunluğa sahip olan yani normu 1 birim olan ortogonal
kümeye ortonormal küme denir.

1 1
Örnek 9.10: u    ve v    vektörleri ,
1  1

u, v  1.1  1.1  0

olduğundan ortogonaldirler.

Örnek 9.11: 3
Öklid uzayının temel bazları:

e1  1,0,0  , e2   0,1,0  , e3  0,0,1

174
Olmak üzere  e1 , e2    e1 , e3    e2 , e3   0 dır. Yani her i  j için  ei , e j   0 olduğundan

verilen küme ortogonal kümedir. Ayrıca bu kümenin her elemanın normu


e1  e2  e3  1 olduğundan e1  1,0,0  , e2   0,1,0  , e3   0,0,1 kümesi  3
Öklid

uzayının ortonormal kümesidir.

Örnek 9.12: 
 1,1 aralığında tanımlı, reel değerli sürekli fonksiyonların vektör uzayında


 3x2  1 

 f  x   1, g  x   x , h  x    kümesinin ortogonal bir küme olup olmadığını

 2  
göstererek her birinin normunu bulunuz.

1 1
x2 1
 f , g   f  x  g  x dx   xdx  | 0
1 1
2 1

1 1
3x2  1 3x4 x2 1
 g , h   g  x  h  x dx  x dx   |1  0
1 1
2 8 4

1 1
3x2  1 x3  x 1
 f , h   f  x  h  x dx   1. dx  | 0
1 1
2 2 1

olduğundan kümenin elemanları ikişer ikişer birbirine diktir. Bu nedenle


 3x2  1 

 f  x   1, g  x   x , h  x    kümesi ortogonal bir kümedir. Ortonormal küme için

 2  
her birinin normlarına bakalım,

1 1
 x  dx   1dx  2 
2
  f, f   f  2 1
2
f f
1 1

1 1
g 2  x  dx 
2 2 2
  g , g   x dx   g  1
2
g
1 1
3 3

 
1 1
  h  x  dx   3x 2  1 dx   h 
2 1 2 2
h 2
1
1 1
4 5 5

olduğundan ortonormal küme değildirler.

175
Teorem 9.4: Bir V iç çarpım uzayında sıfırdan farklı vektörlerin bir ortogonal kümesi lineer
bağımsızdır.

Tanım 9.4 : V , n boyutlu bir vektör uzayı olsun.Bu uzayda sıfırdan farklı v1 , v2 ,..., vn

vektörleri ortogonal ise bu vektörlerin kümesi V için ortogonal bir tabandır.Eğer v1 , v2 ,..., vn
vektörleri ortonormal ise bu vektörlerin kümesi V için ortonormal bir tabandır.

  0  2   1 
      
Örnek 9.13 U    2  ,  1  , 0   vektör kümesi 3
ün ortogonal bir tabanı mıdır?
 5  0  1 
      

 0  2 
   
  2  ,  1   0.  2  2.1  5.0  2  0
 5   0 

Olduğundan 3
ün ortogonal tabanı değildir.

176
 Uygulamalar

Uzunluk ve ortogonallik kavramlarının nasıl ve niçin ortaya çıktığını araştırınız.

177
 Uygulama Soruları
1
V, iç çarpımı  f , g   f  x  g  x dx biçiminde tanımlansın. f  x   x  2, g  x   x2  x  2
0

olsun.Buna göre  f , g ve f değerlerini bulunuz.

178
 Bu Bölümde Ne Öğrendik Özeti

Bu bölümde iç çarpım uzaylarına odaklanıldı. Bunun için iç çarpım uzayının tanımı ve

uygulamaları verilerek önemli bazı eşitsizlikler tanıtıldı. Buradan hareketle vektörlerin
ortogonallığı örneklerle incelendi.

179
 Bölüm Soruları

Aşağıdaki soruların yanıtlarını verilen seçenekler arasından bulunuz.

1. 3
de u   3, 4,5 vektörünün normu aşağıdakilerden hangisidir?

A. 25 B.5 C. 3 2

D. 7 3 E. 5 2

2. 3
de u   2,3,5 ve v  1, 4,3 vektörleri arasındaki açının kosinüsü aşağıdakilerden
hangisidir?

5 35 55
A. B. C.
2 5 12 65 2 65

55 45
D. E.
12 65 12 65

3. 4
de u  1, 2, k ,3 ve v  3, k ,7, 5 vektörleri ortogonal ise k nın değeri
aşağıdakilerden hangisidir?

A. 1/2 B.2/3 C. 4/3

D.5/2 E. 7/4

 1   3  
    
   2   5  
4. 4
ün U   ,  vektörlerine ortogonal olan bir tabanı aşağıdakilerden hangisidir?
  3   7  
  4   8  
 

180
 1 4  1 4    1  4  
              
 2 4   1 4   2 4 
A.    ,    B.    ,    C.    ,   
  1   0     2   1     1   0  
  0   1     0   0     0   1  
     

 1 4    2   1  

         
 2 4   2 4 
D.    ,    E.    ,   
  1  0     1   0  
  0   1     0   1  
   

b
5. P2  R  de tanımlı  p1 , p2    f  x  g  x dx iç çarpımına göre p1  x   2, p2  x   1  x2
a

vektörleri arasındaki açının kosinüsü aşağıdakilerden hangisidir?

15 3 7 2 15
A. B. C.
7 15 7

2 15 5
D. E.
3 7 65

Cevaplar:

1. E 2. D 3. C 4. A 5.D

181
10.ORTONORMAL TABAN VE DETERMİNATA GİRİŞ

182
 Bu Bölümde Neler Öğreneceğiz?

10.1. Ortonormal Taban

10.2. Determinantlar
10.2.1. Determinantın Tanımı ve Geometriksel Manası
10.2.2. Minörler ve Kofaktörler

183
 Bölüm Hakkında İlgi Oluşturan Sorular

Bir matrisin ne zaman tersi olmayabilir?

Bir lineer bağımsız vektör kümesinin ortonormal tabanını yazabilir miyiz?
Lineer denklem sistemlerini determinant kullnarak çözebilir miyiz?

184
 Bölümde Hedeflenen Kazanımlar ve Kazanım Yöntemleri

Konu Kazanım Kazanımın nasıl elde

edileceği veya
geliştirileceği
Ortonormal Taban Ortonormal Tabanı Okuyarak, fikir yürüterek, ve
kavrayabilmek. uygulama yaparak

Determinantın Tanımı ve Determinantların tanımını Okuyarak, fikir yürüterek, ve

Geometriksel Manası öğrenmek uygulama yaparak.

Minörler ve Kofaktörle Minörler ve Kofaktörler Okuyarak, fikir yürüterek,

arasındaki ilişkiyi uygulama yaparak ve
kavramak araştırarak

185
 Anahtar Kavramlar

 Ortonormal taban

 Determinant

 Minörler ve Kofaktörle

186
 Giriş

Bu bölümde dersimizde Gram –Schmidt ortogonallşetirme yöntemi ile bir vektör

uzayının ortogonal ve ortonormal tabanlarının nasıl elde edileceği araştırılır. Ayrıca
matematik, fen ve mühendislik alanındaki birçok problemin çözümünde kullanılan
determinant konusuna giriş yapılarak bazı özellikleri verilir.

187
 10.1. Ortonormal Taban

Gram –Schmidt ortogonallşetirme yöntemi ile bir vektör uzayının ortogonal ve ortonormal
tabanlarını bulabiliriz.

Teorem 10.1:(Gram-Schmidt Ortogonalleştirme Yöntemi)

Her sonlu boyutlu iç çarpım uzayı bir ortonormal tabana sahiptir.

U  v1 , v2 ,..., ve  kümesi V nin herhangi bir tabanı ise U kümesini Gram –Schmidt

ortogonallşetirme yöntemi ile aşağıdaki formatta ortogonalleştiririz:

i. u1  v1 al.

u1 u2 un1
ii. un  vn   vn , u1    vn , u2   ...   vn , un1 
u1 , u1  u2 , u2  un1 , un1 

Formüllerinden sırasıyla u2 , u3 ,..., un vektörleri bulunur. Dolayısıyla V nin ortogonal bir

tabanı u1 , u2 , u3 ,..., un  bulunur.

iii. u1 , u2 , u3 ,..., un vektörlerinin birim vektörleri w1 , w2 , w3 ,..., wn

ise S  w1 , w2 , w3 ,..., wn  V nin ortonormal bir tabanıdır.

 1  1   1  
      
Örnek 10.1: 3
ün U   1 ,  0  ,  2   vektörlerine Gram –Schmidt ortogonalleştirme
 1  2   3  
      
yöntemi uygulayarak bir ortogonal ve bir bir ortonormal tabana çevirelim.

1
 
Önce u1  v1  1 alalım.
1

1 1  1  1  0 

 v2 , u1    1.1  0.2  2.1        
u2  v2  u  0  1  0  1. 1   1
u1 , u1  1   1.1  1.1  1.1    
 2  1  2  1  1 

188
 1 1 0
 v3 , u1   v3 , u2    1.1  2.1  3.1   1.0  2.1  3.1  
u3  v3  u  u  2  1  1
u1 , u1  1 u2 , u2  2   1.1  1.1  1.1   0.0  1.  1  1.1  
 3  1  1 
1 1  0   1 
    1   
  2   2. 1   1  1 / 2 
2
 3  1  1  1 / 2 

 1  0   1  
     
Böylece, E1   1 ,  1 , 1 / 2   kümesi 3
için ortogonal bir tabandır. Bu tabanın bir
 1  1  1 / 2  
     
ortonormal taban olması için her vektörün birim vektörü bulunur. Dolayısıyla,

 1 / 3   0   2 / 6  
       
E2   1 / 3  ,  1 / 2  ,  1 / 6   kümesi 3
için ortonormal bir tabandır.
     
 1 / 3 
 
1 / 2    1 / 6 
 

 1 0  0  
      
Örnek 10.2: 3
ün U   1 ,  1 , 0   vektörlerine Gram –Schmidt ortogonallşetirme
 1  1  1 
      
yöntemi uygulayarak bir ortonormal tabana çevirelim. Şimdi yöntemi biraz daha kısaltalım.
Önce v1 normalize edelim:

1 / 3 
v1  
u1   1 / 3 
v1  
1 / 3 

Sonra,

0  1 / 3  2 / 3 
  2    
w2  v2   v2 , u1 u1   1   1 / 3    1 / 3 
 1  3   
1 / 3   1 / 3 

Değerleri bulunur ve bulunan bu vektör normalize edilir:

189
  2 / 6 
w2  
u2    1/ 6 
w2  
 1 / 6 

Bulunur. Son olarak,

0  1 / 3   2 / 6   0 
  1   1    
w3  v3   v3 , u1 u1   v3 , u2 u2   1   1 / 3    1 / 6    1 / 2 
 1  3  6   
1 / 3   1 / 6   1 / 2 

Bulunur ve w 3 normalize edilirse,

 0 
w3  
u3    1 / 2 
w3  
 1/ 2 

Bulunur. Böylece 3
ün aranan ortonormal bazı:

 1 / 3   2 / 6   0 
       
 1
u  1 / 3  , u2   1 / 6  , u3   1 / 2 
      
 1 / 3   1 / 6   1 / 2  

bulunur.

Örnek 10.3: V,  1,1 aralığında tanımlı reel değişkenli sürekli fonksiyonların oluşturduğu
dercesi  3 olan reel değerli polinomlarım bir alt uzayı olsun .Bu alt uzayın bir bazı

 
P  f0  x   1, f1  x   x, f2  x   x2 , f3  x   x3 ise bunun ortonormal kümesini bulalım.

Gram –Schmidt ortogonallşetirme yöntemi uygularsak,

g0  f0  1 alalım

f ,f 
 x.1dx
g1  f1  1 0 f0  x  11 .1  x
 f0 , f0 
 1.1dx
1

190
 1 1

 x 2 .xdx x
2
.1dx
 f ,g   f ,g  3x2  1
g2  f2  2 1 g1  2 0 g0  x 2  11 x  11 1
 g1 , g1   g0 , g0  3
 x.xdx  1.1dx
1 1

 f3 , g2   f ,g   f ,g 
g3  f3  g2  3 1 g1  3 0 g0
 g2 , g2   g1 , g1   g0 , g0 
1 1 1
3x2  1
x .  
3
dx 2 x 3 .xdx x 3 .1dx
3 3x  1 1
 x 3  1 2
 1 x  11 1
1
 3x2  1  3
  3  dx  x.xdx  1.1dx
1    1  1

5x3  3x

5


 3x2  1 5x3  3x 

Böylece, P1  1, x , ,  kümesi V için ortogonal bir tabandır. Bu tabanın bir

 3 5 

ortonormal taban olması için her vektörün birim vektörü bulunur:

2
1 1 1
 3x2  1 
 g0 , g0    1.1dx  2 ;  g1 , g1    x.xdx  2 / 3 ;  g2 , g2     dx  8 / 45
 3 
1 1 1  

2
1
 5x3  3x 
 g3 , g3      dx  8 / 175
 5
1  

Dolayısıyla,

 1 
P2  
 2
3
, x,
2
3
2

3x 2  1 ,
7
8

5x 3  3x   


kümesi analizde önemli olan Legendre polinomların ilk dördü olup V için ortonormal bir
tabandır.

191
 10.2.Determinantlar
10.2.1 Determinantın Tanımı ve Geometriksel Manası

Bir F alanı üzerinden her A kare matrisine A nın determinantı denilen skaler bir sayı karşılık
getirilir ve genellikle det  A veya A ile gösterilir. Determinantlar bilimin birçok alanında
kullanıldıpı gibi özellikle Matematik alanı ile ilgili derslerde çok değişkenli fonksiyonların
maksimum, minimum ve eyer noktalarının saptanmasında ve lineer denklem sistemlerinin
çözülmesinde bize kolaylık sağlamaktadırlar. Determinantın daha kapsamlı tanımını
vermeden önce bazı temel tanımlar verelim.

 a11 a12 
Tanım 10.1. Bir A   kare matrisi verilmiş olsun. A nın determinantı :
 a21 a22 

det  A  A  a11a22  a12a21

bir skaler sayısı verecek şekilde tanımlanır. A nın determinantı için sıklıkla kullanılan diğer
a11 a12
bir notasyon dır.
a21 a22

Örnek 10.4

2 1
A  matrisinin determinantı,
3 4

2 1
det  A   2.4  3.1  5
3 4

olarak bulunur.

A , elemanları Reel sayılardan oluşan bir matris olsun. A nın determinantının

geometriksel bir yorumunu yapalım.Şöyle ki; P   x1 , y1  ve Q   x2 , y2  düzlemde iki nokta
olsun. Bu noktalar Şekil 3.1 de gösterilen O  0, 0  orijinli bir üçgenin köşeleri olsun.

192
 Şekil 3.1 OPQ Üçgenin alanı

1 x1
 
x2
Bu OPQ üçgeninin alanı ˆ   ve OP ışını ile pozitif x ekseni
değeridir. s POQ
2 y1 y2
arasındaki açı 1 olsun. Kutupsal koordinatlardan x1  r1 cos 1 ve y1  r1 sin 1 yazılır. Burada
1
OP  r1 dir. OPQ üçgeninin alanı OP.OQ.sin  değeridir. OQ ışını ile pozitif x ekseni
2
arasındaki açı 2  1   olsun. Buradan x2  r2 cos2 ve y2  r2 sin 2 yazılır. Böylece,

1 1
Alan  OPQ   OP.OQ.sin   OP.OQ.sin  2  1 
2 2
1
 OP.OQ.sin  2 cos 1  cos  2 sin 1 
2
1 
  OQ sin  2 . OP cos 1  OQ cos  2 . OP sin 1 
2 
 y2 x1 x2 y1 
1 1 x1 x2
  y2 x1  x2 y1  
2 2 y1 y2

yazılır. Diğer yandan n  3 olmak üzere n  n tipinde A   aij  kare matrisin determinantının

değerini bulabilmek için öncelikle birkaç temel kavramın bilinmesine ihtiyaç vardır.Şimdi

onları verelim.

10.2.2.Minör ve Kofaktör Açılımları

Tanım 10.2 A   aij  kare matrisi verilsin. Bu matrisin i.satır ve j. sütunun atılması suretiyle
elde dilen bir  n  1   n  1 kare alt matrisinin determinantı M ij ile gösterilir ve A nın aij
elemanının minörü olarak adlandırılır.
193
  2 1 4
 
A   5 2 3  matrisi için M 23 minörü; A nın 2.satır ve 3.sütun elemanının silinmesiyle
8 7 3
 
elde edilen matrisin determinantıdır.Yani;

2 1
M 23   7.2  8.1  6
8 7

olarak bulunur.

Tanım 10.3 n  2 olmak üzere n  n tipinde A   aij  kare matrisin determinantı ; + ve –

işaretleriyle değişen  a1 j M1 j formunda n terimin toplamıdır. Burada a11 , a12 ,..., a1n , A nın
birinci satırındaki elemanları ve M 1 j ise a1 j elemanının minörünü temsil etmektedir.
Semboliksel olarak:

det  A   a11M 11  a12 M 12  ...   1

n 1
a1n M 1n
n
   1
j 1
a1 j M 1 j
j 1

Bu tanım 2  2 lik matrisler için de geçerlidir:

det  A  a11M11  a12 M12  a11a22  a12a21

Örnek 10.5

 2 3 4
 
A   5 6 7  matrisinin determinantını bulalım.
8 9 1
 

det  A  a11M11  a12 M12  a13M13

olduğundan,

6 7 5 7 5 6
det  A  2. 3 4  2.(6  63)  3.(5  56)  4.(45  48)  27
9 1 8 1 8 9
194
Tanım 10.4 Bir A matrisinin işaretli minörüne A nın aij elemanının kofaktörü denir ve
Cij ile gösterilir. Buradan

Cij  A   1
i j
M ij

yazılır. Minörün önünde bulunan  1

i j
açılımı işaretlerin bir satranç tahtası modelini verir:

   ...
   ...

   ...
 
... ... ... ...

Minör bir matrisi

 2 1 4
 
A   5 2 3  matrisi için M 23 minörü; M 23  6 olarak bulunmuştu. Buna göre C23
8 7 3
 
kofaktörü,

C23  A   1
23
M 23  (1).6  (6)

olarak bulunur.

Teorem 10.2. n  n tipinde A   aij  kare matrisinin determinantı herhangi bir satır veya
sütununun elemanları ile bunlara karşılık gelen kofaktörlerinin çarpımının toplamına
eşittir.Buna determinatın Laplace genişlemesi de denir.

i. satır kullanılarak elde edilen determinant;

n
det  A   ai1Ci1  ai 2Ci 2  ...  ainCi 2   aij Cij
j 1

veya j. sütun kullanılarak elde edilen determinant:

195
 n
det  A  a1 j C1 j  a2 j C2 j  ...  anj Cnj   aij Cij
i 1

Örnek 10.6

 1 2 3
A   2 1 3 matrisinin determinantını 1.satırdaki elemanlara karşılık gelen kofaktörleri
1 0 1
kullanarak bulalım.

Çözüm:

Önce kofaktörleri bulursak,

1 3 1 2 2 3 1 3 2 1
C11   1  1, C12   1  1, C13   1
11
 1,
0 1 1 1 1 0

Elde edilir. Determinant ise,

det( A)  a11C11  a12C12  a13C13  1.  1  2.1  3.1 4

bulunur. Teorem1, bir çok sıfır içeren bir matrisin determinantını hesaplamada kolaylık
sağlar. Mesela, Eğer bir satırın veya sütunun elemanlarının çoğu sıfır ise bu elemanlara
karşılık gelen kofaktörlerle çarpımları sıfır olacağından bu kofaktörleri hesaplamaya gerek
kalmaz.Sadece sıfır olmayan eleman veya elemanların kofaktörleri hesaplanarak determinant
bulunur.Aşağıdaki örneği takip edelim:

Örnek 10.7.

2 3 0 5
 1 2 1 6 
A  matrisinin determinantını bulurken üçüncü sütunda daha fazla sıfır
 3 2 0 2 
 
 1 1 0 1
olduğundan bu sütuna göre determinantı bulmaya çalışmak kolaylık sağlar. Buna göre,

196
 2 3 0 5
2 3 5
1 2 1 6
 1.  1 3 2 2
2 3
A
3 2 0 2
1 1 1
1 1 0 1
3 5 2 5 2 3
    
 2 2 3 2 3 2 
  16  19  5  2

elde edilir.

Uygulamalar

1-Determinantla permutasyon arasındaki ilişkiyi araştırın.

2-İki matrisin toplamının determinantının ayrı ayrı determinantların toplamına eşit

olmadığını fakat çarpımın determinantının ayrı ayrı determinantları çarpımına eşit olduğunu
gösterin

197
 Uygulama Soruları

1.

Matrisinin hangi şartla determinantının sıfır olacağını gösterin

2. Üst üçgensel bir matrisin determinantının köşegen üzereindeki elemanlarının bir

çarpımı olduğunu gösteren uygulamalar yapın

198
 Bu Bölümde Ne Öğrendik Özeti

Bu bölümde Gram –Schmidt ortogonallşetirme yöntemi ile bir vektör uzayının ortogonal
ve ortonormal tabanlarının nasıl elde edileceği araştırdı. Diğer yandan determimant kavramı
geometriksel ve cebirsel olarak tanıtılarak bazı özellikleri verildi.

199
 Bölüm Soruları

Aşağıdaki soruların yanıtlarını verilen seçenekler arasından bulunuz.

1 2
1. M 2 X 2 de tanımlı iç çarpıma göre   matrisinin uzunluğu aşağıdakilerden hangisidir?
3 4 

A. 10 B.20 C. 30

D. 2 5 E. 17

 1  1   1  
      
 1 1 2 
2. 4
ün U     ,   ,    vektörlerine ortonormal olan bir tabanı aşağıdakilerden
 1  2   4  
 1  4   3  
 
hangisidir?

  1 / 6   1 / 5 2   1 / 2  1  1 / 5  
 1 / 2           
 1 / 2   1 / 6   3 / 5 2    1 / 2   1  3 / 5  
A.   , B. 
 ,   6 /  
 , ,
     
  6 / 5
 1 / 2 0 2   1 / 2 0
      
 1 / 2      
   2/ 6   2/5 2    1 / 2   2   2 / 5  

 2   1   1    1 / 2   1   1    1  1   1  
                   
  1   1  2    1 / 2   1  2    0 1 2 
C.  , ,  D.  , ,  E.    ,   ,   
  1  3   4    1 / 2   2   4     1   2   4  
     
  1   4   3    1 / 2   4   3     1   4   3  

3. 2
için aşağıdakilerden hangisi bir ortonormal tabandır?

 1  1    1  0    1  0   1  
A.    ,    B.    ,    C.    ,   ,   
  1  0    0   1   1  1   1 

 1  2    0   1 
D.    ,    E.    ,   
 1  2    0   3  

200
 1 2 3
4. A  4 5 6 matrisinin determinantı aşağıdakilerden hangisidir?
7 8 9

A.1 B .2 C.0 D. 7 E. 9

1 1 1
5. a b c matrisinin determinantı aşağıdakilerden hangisidir?
a2 b2 c2

A.  b  a  c  a  c  b  B .  b  a  c  a  b  c  C.  b  a   c  a  b  c 
2 2 2

D.  b  a  c  a   a  c  E.  a  b  a  c  c  b 
2 2

Cevaplar:

1. C 2.A 3.B 4.C 5.A

201
11. DETERMİNANTLAR VE UYGULAMALARI

202
 Bu Bölümde Neler Öğreneceğiz?

11.1. Determinantın Özellikleri

11.2. Elemanter Matrislerin Determinantları
11.3. Bir Matrisin Tersi
11.4. Cramer Kuralı

203
 Bölüm Hakkında İlgi Oluşturan Sorular
1. Karesel bir matrisin determinantı transpozesinin determinantına eşit midir?

2. Bir matrisin determinantını satır sütun işlemleri ile nasıl buluruz?

3. Determint kullanrak bir matrisin tersini alabilir miyiz?

4. Singüler matris ne demektir?

5. Bir matrisnin tersinir olup olmadığını nasıl anlarız?

204
 Bölümde Hedeflenen Kazanımlar ve Kazanım Yöntemleri

Konu Kazanım Kazanımın nasıl elde

edileceği veya
geliştirileceği
Determinantın Özellikleri Determinantın Özelliklerini Okuyarak, fikir yürüterek,
kavrayabilmek. ve bol bol örnek ve
uygulama yaparak
Elemanter Matrislerin Elemanter Matrislerin Okuyarak, fikir yürüterek,
Determinantları Determinantları ve bol bol örnek ve
saptayabilmek uygulama yaparak

Bir Matrisin Tersi Bir Matrisin Tersi ile Okuyarak, fikir yürüterek,
determinant arasındaki ve bol bol örnek ve
ilişkiyi kavramak uygulama yaparak

Cramer Kuralı Lineer denklem sistemlerini Okuyarak, fikir yürüterek,

determint kullanarak ve bol bol örnek ve
çözebilmek uygulama yaparak

205
 Anahtar Kavramlar

 Singüler matris

 Ek matris

 Cramer Kuralı

206
 Giriş

Bu bölümde dersimizde matematik, fen ve mühendislik alanındaki birçok problemin

çözümünde kullanılan determinantların birtakım özellikleri gösterilir. Ayrıca elemanter
matrislerin determinantlarının bulunması incelenir. Buradan hareketle bir matrisin
determinantını kullanarak tersinin nasıl elde edileceği araştırılır. Buna ek olarak lineer
denklem sistemlerinin Determinant kullanılarak Cramer kuralı ile nasıl çözüleceği irdelenir.

207
 11.1. Determinantın Özellikleri

Aşağıdaki teoremler bazı problemlerde determinantın hemen bulunabileceği bazı özel halleri
vermektedir.

Teorem 11.1 A   aij  kare matrisi verilsin. Buna göre:

I. Eğer A matrisinin bir satırı veya sütunu sıfır ise determinant değeri de sıfırdır.
12 3 4 
Örnek 11.1 : A   2 8 0   A  0
 0 0 0 

II. Eğer A matrisinin birbirinin aynısı iki satır veya sütunu varsa A  0

Örnek 11.2

2 3 1
1 4 2 0
2 3 1

III. A  AT

Örnek 11.3

 1 2 3
A  0 2 1  A  1.4  0.8  1.  4  0
1 2 1

ve
1 0 1 
A   2 2 2   A  1.4  0.8  1.  4  0
T

 3 1 1 

208
 Teorem 11.2. Eğer A   aij  matrisi alt(üst) üçgensel matris ise determinantı köşegen

üzerindeki elemanların çarpımına eşittir.

Örnek 11.4

1 2 5 
A  0 4 100   A  1.4.  3  12
0 0 3 

Bir matrise önceki bölümlere gördüğümüz elemanter satır veya sütun işlemleri uygulanarak
alt veya üst üçgensel hale getirilerek Teorem IV.3 ve aşağıdaki teoremler yardımıyla
determinant değeri kolaylıkla bulunur.

11.2. Elemanter Matrislerin Determinantları

Teorem 11.3. A ve B matrisleri nxn lik matrisler olsun. B matrisi A matrisinden,

I. A nın herhangi iki satırının yerleri değiştirilerek elde edilmişse,

B  A

Bu birinci satır işlemi ve E1 elemanter matrisi 1.tiptendir.

a a 
A   11 12   A  a11a22  a12 a21
 a21 a22 
0 1  a a 
E1     E1 A   21 22   E1 A  a12 a21  a11a22   A , E1  1
1 0   a11 a12 
Olur.
II. A nın satırı veya sütununu bir k skaleri ile çarpılarak elde edilmişse,
B  kA  k A

Bu ikinci satır işlemi ve E2 elemanter matrisi 2.tiptendir

k 0  ka ka12 
E2    E2 A   11  E2 A  k  a11a22  a12 a21   k A , E2  k

0 1  a21 a22 

209
III. Herhangi bir satırının(sütun) bir c katı diğer bir satırına(sütun) ilave edilerek
bulunmuşsa B A

Bu üçüncü satır işlemi ve E3 elemanter matrisi 3.tiptendir

1 0  a11 a12 
E3     E3 A   
k 1  ka11  a21 ka12  a22 
E3 A  ka12 a11  a11a22  ka12 a11  a12 a21  A , E3  1

Teorem 11.4. E bir elamenter matris ise EA  E . A ve AE  A E yazılır.

Örnek 11.5

4 3 2
A   3 2 5  matrisinin determinantını elamenter satır işlemleriyle üçgen formuna
 2 4 6 

getirerek bulalım.

1
4 3 2 R3  R3 4 3 2 1 2 3
2 R1  R3

3 2 5  2 3 2 5   2 3 1 5
2 4 6 1 2 3 4 3 2
R2  R2  3 R1 1 2 3 R3  R3  4 R1 1 2 3
   2 0 8 4   2 0 8 4
4 3 2 0 5 10
1 1
R2  R2 1 2 3 R3  R3 1 2 3
4 5

   2.4 0 2 1   2.4.5 0 2 1
0 5 10 0 1 2
1
R3  R3  R2 1 2 3
2

   2.4.5 0 2 1
0 0 3 / 2

bulunur. Üçgensel forma geldiğine göre determinant köşegen elemanların çarpımıdır:

A  2.4.5.1. 2 . 3 / 2  120

210
Teorem 11.5 A, n  n tipindeki kare bir matrisin regüler olması için gerek ve yeter koşul

A  0 olmasıdır. Buradan A, n  n tipindeki kare bir matrisin singüler olması gerek ve

yeter koşul A  0 olmasıdır.

1 2 
Örnek 11.6 A  matrisi regüler midir?
3 4 

1 2
A  2  0 için regülerdir.
3 4

Teorem 11.6. A, n  n tipindeki kare bir matrisin RankA  n olması için gerek ve yeter koşul

A  0 olmasıdır.

1 2 
Örnek 11.7 A  matrisinin rank’ının 2 olması için k nın durumunu bulun.
3 5  k 

1 2
A  1  k  0  k  1
3 5k

Teorem 11.7. A, n  n tipindeki kare bir matris olsun. AX  0 homojen lineer denklem

sisteminin aşikâr olmayan bir çözümünün olması için gerek ve yeter koşul A  0 olmasıdır.

x1  2 x2  x3  0
Örnek 11.8 2 x1  3x2  x3  0
3x1  x2  2 x3  0

Homojen lineer denklem sisteminin aşikâr olmayan bir çözümünün olduğunu gösterin.

Teorem IV.6 dan, Katsayılar matrisinin determinantı

211
 1 2 3
3 1 2 1 2 3
2 3 1  2 3 0
1 2 3 2 3 1
3 1 2
7 7 7

Olduğundan sistemin aşikâr olmayan çözümü vardır.

Teorem 11.8. A ve B, n  n tipindeki kare matrisler olsun. AB  A B

Örnek 11.9

1 3   2 1
A  , B  olsun.
 2 4 3 5 

11 14
A  2, B  13 dir. Ayrıca A.B     A.B  26  2.13  A B
16 18

11.3.Bir Matrisin Tersi

Tanım 11.1. A, n  n tipindeki kare bir matris olsun. Bu matrisin aij elemanını silip yerine

Cij kofaktörünü yazmak ve elde edilen matrisin transpozesini almak suretiyle elde edilen

C ji  matrisine A nın ek (adjoint) matrisi denir ve adjA veya A ile gösterilir. Buna göre

A   aij  nin ek matrisi:

 C11 C21 ... Cn1 

C C22 ... Cn 2 
adjA   12
 ... ... ... ... 
 
C1n C2 n ... Cnn 

dir.

212
  2 3 4 
Örnek 11.10 A   0 4 2  matrisi için adjA yi bulun.
 1 1 5 

4 2 0 2 0 4
C11   1  18, C12   1  2, C13   1
11 1 2 1 3
4
1 5 1 5 1 1
3 4 2 4 2 3
C21   1  11, C22   1  14, C23   1
2 1 2 2 23
5
1 5 1 5 1 1
3 4 2 4 2 3
C31   1  10, C32   1  4, C33   1
31 3 2 3 3
 8
4 2 0 2 0 4

dir.Buna göre,

 18 11 10 

adjA   2 14 4 
 4 5 8 

Elde edilir.

Teorem 11.9. A, n  n tipindeki kare bir matris olsun.

A  adjA  adjAA  A I n dir.

İspat 11.9.

n n
 A.adjA ik   aij  A.adjA  jk   aij Ckj  A    ik A   A  n ik
j 1 j 1

Böylece ispat tamamlanır.

 2 3 4   18 11 10 

Örnek 11.11 A   0 4 2  matrisinin adjA   2
  14 4  olduğunu bir önceki
 1 1 5   4 5 8 

örnekte gördük. Buna göre,

213
  2 3 4   18 11 10   46 0 0  1 0 0 
 0 4 2  .  2 14 4    0 46 0   46 0 1 0   46  A 
  
1 1 5   4 5 8   0 0 46  0 0 1 

1
Teorem 11.10. A, n  n tipindeki kare bir matris olsun. A  0 ise A1   adjA  dır.
A

İspat 11.10: Teorem IV.7 den A  adjA  adjAA  A I n dir. Burada A  0 olduğu için,

 1  1
A  adjA   A   adjA     A I n   I n
 A  A

Ve

 adjA A   A I n   I n
1 1
A A

1
bulunur.O halde A1   adjA  dir.
A

Örnek 11.12

1 2 3
A   4 5 6  matrisinin varsa tersini bulunuz.
 8 8 9 

1 2 3
5 6 4 6 4 5
A4 5 6 2 3  3  0
8 9 8 9 8 8
8 8 9

Olduğundan A matrisi singüler değildir. Buna göre tersi vardır ve

214
  5 6 5 6 2 3 
  
 8 9 8 9 5 6 
 C11 C21 C31 
1  1  4 1 3
C32    
6 1 3
1
A  C12 C22  
3 3  8 9 8 9 4 6
C13 C23 C33   
 4 5

1 2 1 2 
 8 8 8 8 4 5 
 3 3
6
1 
 12 15 6 
3
 8 8 3

11.4 . Cramer Kuralı

Teorem 11.11 Sonlu sayıda lineer denklemin meydana getirdiği n denklem ve

n bilinmeyenden oluşan

a11 x11  a12 x2  ...  a1n xn  b1

a21 x11  a22 x2  ...  a2 n xn  b2
.............................................
an1 x11  an 2 x2  ...  ann xn  bn

bir lineer denklem sistemi verilsin denir. Bu lineer denklem deki sistemi matris-vektör
formunda yazmak istersek,

 a11 a12 ... a1n   x1   b1 

a a22 ... a2 n   x2   b2 
 21 
 ... ... ... ...   .   . 
    
 am1 an 2 ... amn   xn  bm 
A X B

yani AX  B yazılabilir. Burada A   aij  katsayılar matrisini, X bilinmeyenler vektörünü

ve B sabitler vektörünü temsil eder. Ayrıca  i , A matrisinde i. sütun yerine B yazılmasıyla

elde edilen bir matris oldun. Eğer   A  0 ise bu sistemin,

1  
x1  , x2  2 ,..., xn  n
  

215
Şeklinde tek bir çözümü vardır.

İspat 11.111: A  0 olduğundan dolayı A bir regüler matristir. Buradan hareketle,

AX  B  X  A 1B

yazılır.

 
 x1   b1  C   b1 
x  b   11 C 21 ... C n1  b 
 2  2 C12 C22 ... Cn 2   2 
. 1
. 1  . 
 A    . .... .  
.  .   . . .  
.
. .   . 
     . . .  
 xn  bn  C  bn 
 1n C23 C33 
 b1C11  b2C21  ...  bnCn1 
b C  b C  ...  b C 
 2 12 2 22 n n2 

1 . 
  
 . 
 . 
 
bnC1n  b2C2 n  ...  bnCnn 

Olduğundan X  A1B eşitliğinden;

1  
x1  , x2  2 ,..., xn  n (1  i  n)
  

Bulunur.

Örnek 11.13

2 x1  3x2  x3  1
x1  2 x2  x3  4
2 x1  x2  x3  3

216
Lineer denklem sistemini Cramer kuralı ile çözünüz.

 2 3 1 1   x1 
   
A   1 2 1 , B   4  , X   x2 
 2 1 1   3   x3 

 2 3 1
Olmak üzere   A   1 2 1  2 olduğundan,
 2 1 1 

2 1 1 1 3 1 3 2 1
1 4 1 4 2 1 1 2 4
2 3 1 4 3 1 1 6 2 1 3 8
x1    2, x2    3, x3   4
 2  2  2

Elde edilir. Dolayısıyla lineer denklem sisteminin çözüm vektörü

2
X   3 
 4 

olarak bulunur.

Bu yöntem sadece n denklem ve n bilinmeyenden oluşan ve katsayılar matrisi regüler olan

lineer denklem sistemleri için uygulanabilir. Matrisin boyutu arttırıldığında örneğin n  4
olduğunda çok kullanışlı değildir. Bu durumda Gauss eliminasyon veya Gauss-Jordan
yöntemini daha elverişlidir.

217
 Uygulamalar

Bir parelel yüzlünün hacminin elde edilmesinde determinantın rollünü araştırınız.

218
 Uygulama Soruları

1- M matrisi karesel bir matris olmasın fakat M .M T ve M T .M matrisleri karesel

matrislerdir.Buna göre det(M .M T )  det(M T .M ) eşitliğinin doğru olıup olmadığını
araştırınız.

2- Aşağıdaki matrisin tersinir olup olmadığını kontrol ederek tersinir ise terslerini bulunuz..

219
 Bu Bölümde Ne Öğrendik Özeti

Bu bölümde fen ve sosyal bilimlerinde birçok problemin çözümünde kullanılan

determinantların birtakım özellikleri gösterildi. Ayrıca elemanter matrislerin
determinantlarının bulunması incelendi. Buradan hareketle bir matrisin determinantını
kullanarak tersinin nasıl elde edileceği araştırıldı. Buna ek olarak lineer denklem sistemlerinin
Determinant kullanılarak Cramer kuralı ile nasıl çözüldüğü görüldü.

220
 Bölüm Soruları

Aşağıdaki soruların yanıtlarını verilen seçenekler arasından bulunuz.

1 1 0 
1. A  1 1 1  ise adjA aşağıdakilerden hangisidir?
 0 2 1 

 1 1 0   1 1 1 1 1 1
A.  1 1 1 B.  1 1 1 C.  1 1 1
 2 2 0   2 2 0   2 2 0 

 1 1 1   1  1 3 
D.  1 1 1 E.  1 1 1
 2 2 0   2 2 0 

1 2 2 
2. A  3 1 0  ise A1  ? aşağıdakilerden hangisidir?
1 1 1 

 1 0 2   1 0 2  1 1 1
A.  3 1 6  B.  3 1 6  C.  1 1 1
 2 1 5   2 1 5   2 2 0 

 1 1 1   1 0 2 
D.  1 1 1 E.  3 1 6 
 2 2 0   2 1 5 

3. Aşağıdaki matrislerden hangisi singülerdir?

2 1 1   3 2 4   2 1 4 
A.  0 5 2  B.  2 5 1 C.  6 3 2 
1 3 4   0 6 1   4 1 2 

7 6 5  1 2 2 
D.  1 2 1  E.  3 1 6 
 3 2 1   2 1 5

221
4.

2x -5 y +2 z = 7

x + 2y -4z = 3

3x − 4y -6z = 5

doğrusal denklem sisteminin çözüm kümesini Cramer yöntemi ile aşağıdakilerden hangisi
sağlar?

A. {(1, 1, 1)} B. {(2, 1, 0)} C. {(5, 1, 1)}

D.  E. {(-2, 2, −1)}

1 2 2 3
 3 1 5 0 
5 . matrisine göre C42  ?
4 0 2 1
 
1 7 2 3

A. -135 B. -103 C. 16

D. -13 E. -31

Cevaplar:

1. D 2. A 3. D 4. C 5.E

222
12. ÖZDEĞERLER ve ÖZVEKTÖRLER

223
 Bu Bölümde Neler Öğreneceğiz?

6.1. Özdeğerler ve Özvektörlerin Tanımı

6.2. Köşegenleştirme

224
 Bölüm Hakkında İlgi Oluşturan Sorular
1-Determinatı başka matematiğin hangi uygulamalarında kullanırız?

2-Bir matrisle bir vektörün çarpımını aynı vektörün katına eşitleyen skaler sayılara ne denir?

2 1
3- A    matrisi için Ax   x denklemini sağlayan x vektörünü ve  sayılarını bulabilir
1 2 

miyiz?

225
 Bölümde Hedeflenen Kazanımlar ve Kazanım Yöntemleri

Konu Kazanım Kazanımın nasıl elde

edileceği veya
geliştirileceği
Özdeğerler ve Özvektörlerin Özdeğerler ve Özvektörlerin Okuyarak, fikir yürüterek,
Tanımı Tanımını kavrayabilmek. ve uygulama yaparak

Köşegenleştirme Bir matrisi Okuyarak, fikir yürüterek,

köşegenleştirilebiliyorsa ve uygulama yaparak.
köşegenleştirmek

226
Anahtar Kavramlar

 Özdeğer

 Özvektör

 Karakteristik Denkelm

 Köşegenleştirme

227
 Giriş
Bu bölümde lineer cebir, diferansiyel denklemler gibi birçok derste uygulaması olan bir
matrisin özdeğerler ve öz vektörleri kavramları tanıtılır. Ayrıca öz değer ve öz vektörler
kullanılarak bir matrisin nasıl köşegenleştirilebileceği sorusuna yanıt aranır.

228
 12.1. Özdeğerler ve Özvektörlerin Tanımı

Tanım 12.1: A, n  n tipindeki bir kare matris olsun.

Ax   x (VI.1)

Eşitliğini sağlayan sıfırdan farklı bir x vektörü varsa  skalerine A ’nın özdeğeri veya
karakteristik değeri denir. x vektörüne de  özdeğerine karşılık gelen özvektör denir.

1 2 
Örnek 12.1: A    matrisinin bütün özdeğer ve özvektörlerini bulunuz.
3 2 

 x1 
Ax   x de  bir skaler ve x    sıfır olmayan bir vektör olsun.Dolayısıyla denklemde
 x2 
yerine yazılırsa,

1 2   x1   x1   x1  2 x2    x1 
3 2   x     x    3 x  2 x     x  (VI.2)
  2  2  1 2  2

Olur. Buradan,

x1  2 x2   x1     1 x1  2 x2  0
3x1  2 x2   x2  3x1     2  x2  0

Homojen denklem sistemi oluşur. Bu denklem sisteminin sıfırdan farklı yani aşikâr bir
çözümünün olabilmesi için gerek ve yeterli koşulun katsayılar determinantının sıfıra eşit
olmasıyla mümkün olacağını bir önceki bölümde gördük. Buradan hareketle

 1 2
  2  3  4     4  (  1)  0
3  2

229
 Denkleminin çözüm değerleri 1  4 ve 2  1 değerleri için  skaleri A ’nın bir özdeğeri
olur. Bu özdeğerlere karşılık gelen özvektörleri bulmak için Denklem (VI.2) de yerine
yazılırsa,

i. 1  4 için

 x1  2 x2   4 x1 
3 x  2 x    4 x   3 x1  2 x2  0,  3 x1  2 x2  0 olur. Buradan
 1 2  2

2
x1  2 için x2  3 olacağından 1  4 özdeğerine karşılık gelen bir özvektör x    alınır.
3
ii. 2  1 için

 x1  2 x2    x1 
    2 x1  2 x2  0,  3 x1  3 x2  0  x1   x2
3 x1  2 x2    x2 
olur. Buradan x1  1 için x2  1 olacağından 1  1 özdeğerine karşılık gelen bir özvektör

1
x    alınır.Denklem VI.1 deki Ax   x eşitliği,
 1
Ax   x  0   A    x  0 (VI.3)

formunda yazılır. A   matrisine A nın karekteristik matrisi denir. Bu homojen denklem

sisteminin çözümünün olması dolayısıyla  özdeğerlerinin olması için gerek ve yeterli
koşulun Denklem(VI.3) ün aşikâr olmayan bir çözüme sahip olmasıdır. Dolayısıyla bu
denklemin çözüm kümesi n
in bir alt uzayı olan N  A    dır.( N  A    , bir A  

matrisinin sıfır uzayıdır. Yani Denklem (VI.3) sisteminin çözümüdür.). Buradan hareketle  ,
A nın bir özdeğeri ise çözüm uzayı N  A     0 ve Bu çözüm uzayındaki herhangi

sıfırdan farklı bir vektör,  ya karşılık gelen bir özvektördür. Ayrıca N  A    alt uzayına

 ya karşılık gelen öz uzay denir.

Denklem(VI.3) ün aşikâr olmayan bir çözüme sahip olması için gerek ve yeterli koşul A  
matrisinin singüler olması yani A    0 olmasıdır.Eğer det  A    açılırsa,

det  A      n  a1 n1  ...  an1  an  0 (VI.4)

230
n. dereceden bir polinom elde edilir. Bu polinoma karakteristik polinom, det  A     0
denklemine de A nın karakteristik denklemi denir. Karekteristik polinumun derecesi n
olduğundan n tane köke sahiptir. Bu kökler farklı, katlı veya kompleks(karmaşık) olabilir.
Buraya kadar anlattıklarımızı içeren aşağıdaki teoremi verelim:

Teorem 12.1 A, n  n tipindeki bir matris ve  bir skaler olsun.Aşağıdaki ifadeler birbirine
denktir:
i.  , A nın özdeğeridir.

ii.  A    x  0 denklemi aşikâr olmayan bir çözüme sahiptir.

iii. N  A     0

iv. A   matrisinin singülerdir.

v. det  A     0 dır.

2 1
Örnek 12.2: A    matrisinin bütün özdeğer ve özvektörlerini bulunuz.
1 2 

A    0 karakteristik denklemi,

2 1
  2  4  3     1 (  3)  0
1 2

Yazılır. Bu denkleminin çözüm değerleri 1  1ve 2  3 öz değerleridir. Bu özdeğerlere

karşılık gelen özvektörleri bulmak için Denklem (VI.3) de yerine yazılırsa,

i. 1  1 için

231
1 1  x1  0 
1 1  x   0   x1  x2  0  x1   x2 olur. Buradan x2   keyfi değeri için
  2  

    1
x1   olacağından 1  1 özdeğerine karşılık gelen bir özvektör x        alınır.
  1
  1 
1  1 özdeğerine karşılık gelen sıfır uzayı N  A  1   N  A        ,    yazılır.
  1 
ii. 2  3 için

 1 1   x1  0 
 1 1  x   0    x1  x2 , x1  x2  0  x1  x2 olur. Buradan x2   keyfi değeri için
  2  

  1
x1   olacağından 2  3 özdeğerine karşılık gelen bir öz vektör x        alınır.
  1
 1 
2  3 özdeğerine karşılık gelen sıfır uzayı N  A  2    N  A  3      ,    yazılır.
 1 

0 1 1 
Örnek 12.3: A  1 0 1  matrisinin özdeğer ve özvektörlerini bulunuz.
1 1 0 

karakteristik denklemi,

 1 1
 1   3  3  2     1 (  2)  0
2
1
1 1 

Buradan özdeğerler 1  2  1ve 3  2 öz değerleridir.

i. Burada çift katlı 1  2  1 özdeğerlere karşılık gelen özvektörleri bulmak

için A  1  A    0 homojen denklem sistemi

1 1 1  x1 
1 1 1  x   0   x  x  x  0  x   x  x olur.
   2  0  1 2 3 1 2 3

1 1 1  x3   

Burada iki parametreye bağlı sonsuz çözüm elde edilir. Buradan x2  0, x3  1 keyfi değeri

için x1  1 , x2  1, x3  0 keyfi değeri için x1  1 olacağından 1  2  1 özdeğerine

232
   1  1 
 
karşılık gelen özvektörler x    0  ,  1   alınır. Burada da görüldüğü gibi   1 iki katlı
   
 1   0  
    
ve öz uzayının boyutu da 2 dir.
ii. 3  2 için
ii. A  1  A  2  0 homojen denklem sistemi

 2 1 1   x1  0   2 1 1   x1 
 1 2 1   x   0   0 3 3  x   2 x1  x2  x3  0 olur.
  2     2 3 x2  3 x3  0
 1 1 2   x3  0   0 0 0   x3 

Buradan x1  x2  x3 bir parametreye bağlı sonsuz çözüm vardır. Öz uzayın bir tabanı olarak

1   1  1 1 

1 alınabilir. Dolayısıyla       
  x    0  ,  1  , 1  , 3
1 ün bir tabanıdır.
1   1   0  1 
      

12.2 Köşegenleştirme

Tanım 12.2. A, n  n tipindeki bir matris olmak üzere,

 k1 0 ... 0 
0 k ... 0 
X 1 AX  D   2

 ... ... ... ... 

 
0 0 ... kn 

Eşitliğini sağlayan bir D köşegen matris ve bir X , singüler olmayan matrisi varsa, n  n
tipindeki A matrisine köşegenleştirilebilir denir. X ’ e de A matrisini köşegenleştirir denir.

Teorem 12.2. A, n  n tipindeki bir matrisin köşegenleştirilebilmesi için gerekli ve yeterli

koşul A nın n tane lineer bağımsız özvektöre sahip olmasıdır.

233
Teorem 12.3. A, 2  2 tipinde 1 ve 2 özdeğerlerine ve bunlara karşılık gelen

X1 ve X 2 özvektörlerine sahip olsun. P , de sütunları sırasıyla X1 ve X 2 olan bir matris

olsun. Bu durumda P singüler değildir ve

 0
P 1 AP   1
0 2 

Eşitliği gerçekler.

İspat 12.3. AX1  1 X1 ve AX 2  2 X 2 olsun. Biz xX1  yX 2  0 homojen sistemin sadece

aşikâr olmayan bir çözüme sahip olacağını göstereceğiz. Bilindiği üzere P   X1 X 2 

singüler değildir. Böylece varsayalım xX1  yX 2  0 olsun. Bu durumda

A  xX1  yX 2   A.0  0

ve buradan

x  AX1   y  AX 2   0  x1 X1  y2 X 2  0

Olur. xX1  yX 2  0 denklemini 1 ile çarpar x1 X1  y2 X 2  0 eşitliğini kullanırsak,

 2  1  yX 2  0
Elde edilir. Böylece  2  1   0 ve X 2  0 için y  0 olur. Bu değer xX1  yX 2  0

denkleminde kullanılırsa xX1  0  x  0 olur. AX1  1 X1 ve AX 2  2 X 2 denklemleri

kullanılırsa

 0   0 
AP  A  X 1 X 2    AX 1 AX 2    1 X 1 1 X 2    X 1 X 2   1   P 1 
 0 2   0 2 

ve böylece

 0    0   1 0 
P 1 AP  P 1 P  1    1  
  0 2   0 2   0 2 

234
Elde edilir. Bu teoremden genelleştirirsek eğer A köşegenleştirilebilir ise köşegenleştiren P
matrisinin sütun vektörleri A nın özvektörleridir. D köşegen matrisin köşegenleri de A nın
özdeğerleridir.

Örnek 12.4

2 1
A  matrisinin 1  1ve 2  3 özdeğerlerine karşılık gelen özvektörlerini sırasıyla
1 2 
 1 1
X1    ve X 2    bulmuştuk. Buradan P matrisi,
1 1

 1 1
P 
 1 1

Olur.

 1/ 2 1/ 2    2 1   1 1   1/ 2 1/ 2   1 1  1 0 
P 1 AP          
 1/ 2 1/ 2   1 2   1 1   1/ 2 1/ 2   3 3 0 3 

Elde edilir. Köşegen matrisin köşegen elemanları, A matrisinin özdeğerleri olduğu görülür.

Diğer yandan

P 1 AP  D  A  PDP 1

Olacağından
n
  0  1  1 0  1 1n1 0  1
n

A P 1
n
 P   P 0   P  P  n
P
  0 2    2   0 2 

Yazılarak A matrisinin n.kuvvetini bulabiliriz.

235
Örnek 12.5

1 1
A  matrisi verildiğine göre P matrisini ve A5 i bulunuz.
2 4 

A    0 karakteristik denklemi,

1   1
  2  5  6     2  (  3)  0
2 4

Yazılır. Buradan 1  2 ve 2  3 öz değerleridir ve bu durumda A köşegenleştirilebilir

1  2 için

 1 1  x1  0  1
 2 2   x   0    x1  x2  0  x    1 olur
  2    

2  3

 2 1  x1  0  1
 2 1   x   0   2 x1  x2  0  x    2  olur.   1 için özvektörler kümesi
  2    

1 1 2 1
P   P 1   
 1 1  1 1

Yazılır.

 2 1   1 1  1 1    2 1   2 3   2 0 
P 1 AP          D
 1 1   2 4   1 2    1 1  2 6   0 3 

236
P 1 AP  D  A  PDP 1
 1 1   25 0   2 1 
1
 A  PD P  
5 5
 5 
 1 1  0 3   1 1
 1 1   64 32 
   
 1 1  243 243
 179 211
 
 422 454 

Bulunur.

 3  1 2 
Örnek 12.6. A   2 0 2  matrisi verildiğine göre P matrisini ve A5 i bulunuz.
 2 1 1

3 1 2
 2 2 2 2 0
det  A   I   2  2   3    1 2
1 1   2 1 2 1
2 1 1  
 3     2    2  2

     1
2

karakteristik denklemi elde edilir. Bu denklemin kökleri 1  0, 2  1ve 3  1 özdeğerlerini

verir. İlk olarak 1  0 a karşılık gelen öz vektör:

 3 1 2   x1  0   3
 A  0.I  X  AX  0  2 0 2   x2   0  2
 2 1 1  x3  0   0
1
Eğer k  1  X 1  1 özvektörü bulunur. Aynı şekilde
1
1 2   x1  0 
0 2   x2   0   x1  x2  x3  k
1 1  x3  0 
2  3  1 a karşılık gelen öz vektör:

 2 1 2   x1   0 
 A  1.I  X  0  2 1 2   x2   0  x2  x1  x3
 2 1 2   x3   0 

Olur. Eğer x1   , x3    x2     .Bu durumda,

237
  1  0 
   
N  A  1.I     2     2  ,  ,    yazılırsa 2  3  1 a karşılık gelen öz vektör:
 0  1  
   

1  0
X 2   2  ve X 3   2 
 0   1 

Alınır.Tüm bu öz vektörleri sütunları olarak kabul eden P matrisi,

1 1 0 
P  1 2 2 
1 0 1 

Olarak yazılır.Buradan P matrisin tersi,

 2 1 2 
P   3 1 2 
1

 2 1 1

Olarak birçok yolla elde edebiliriz. Buna göre köşegenleştirmek için,

 2 1 2   1 1 0   3 1 2   0 0 0 
 
     
P 1 AP   3 1 2   1 2 2   2 0 2    D  0 1 0 
 2 1 1  1 0 1   2 1 1  0 0 1 

P 1 AP  D  A  PDP 1
1 1 0   0 0 0   2 1 2 
 A  PD P  1 2 2  0 15 0   3 1 2 
5 5 1

1 0 1   0 0 15   2 1 1
 3 1 2 
  2 0 2 
 2 1 1
A

bulunur. Bu durumda k  
için Ak  A yazılır

238
 Uygulamalar

1-Bir matrisin hangi koşullarda köşegenleştirilebileceğini araştırın.

2-Bir matris köşegen hale getirildiğinde köşegen elemanlarının neyi gösterdiğini örneklerle
deneyerek test edin.

239
 Uygulama Soruları

1-Matrisinin özdeğerlerini bulun

2- Matrisinin özvektörlerini bulun

3-Özvektörlerinin lineer bağımsız oluıp olmadıklarını gösterin

240
 Bu Bölümde Ne Öğrendik Özeti

Bu bölümde lineer cebir, diferansiyel denklemler gibi birçok derste uygulaması olan bir
matrisin özdeğerler ve öz vektörleri tanıtıldı. Ayrıca bu öz değer ve öz vektörler kullanılarak
bir matrisin nasıl köşegenleştirildiği birtakım örneklerle gösterildi.

241
 Bölüm Soruları

 1 3 3 
1. A   3 5 3  matrisinin özdeğerleri aşağıdakilerden hangisidir?
 6 6 4 

A. {-2,4} B.{2,-4}, C.{-1,3} D.{3,-4} E.{0,5}

1 1
2. A    matrisinin özvektörleri aşağıdakilerden hangisidir?
 2 1

A. {(1,2-i),(1,1+i)} B{(1,1-i),(1,1+i)} C{(-1,1-i),(1,1+i)}

D{(1,1-2i),(1,1+i)} E.Hiçbiri

3 1 1
3. A   2 4 2  matrisinin P matrisi aşağıdakilerden hangisidir?
 1 1 3 

 1 1 1   1 1 1 1 1 1
A.  1 0 2  B  1 0 2  C  1 0 2 
 
 0 1 1   0 1 1   0 1 1 

1 1 1  1 1 1
D.  1 0 2  E.  1 0 2 
 0 1 1  1 1 1 

4. Aşağıdaki matrislerdden hangisinin özdeğeri rasyonel sayı değildir.

10 9 1 2   0 3
A)   B)   C)  
 4 2  4 3 7 0 

0 0  1 0 
D)   E)  
0 0  0 1 

242
 1 1 1
0 0 1
 
5. 0 0 1 matrisinin özvektörleri aşağıdakilerden hangisidir?

 0   1   1   1     1    1  
              
A)  1  ,  1   B)  0  ,  1   C)  0  ,  1  
 0   0    0   0    0   0  
              

 1   1   1   1 
         
D)  0  ,  1   E)  1  ,  1  
 0   0    0   0  
         

Cevaplar:

1-A, 2-B, 3-B 4-C 5-D

243
13. ÖZDEĞER VE ÖZ VEKTÖRLERİN UYGULAMALARI

244
 Bu Bölümde Neler Öğreneceğiz?

13.1. Cayley-Hamilton Teoremi

13.2. Özdeğer ve Özvektörlerin Diferansiyel Denklemlere Uygulanışı

245
 Bölüm Hakkında İlgi Oluşturan Sorular
1- Her matris kendi karakterisitik denkleminin bir kökü müdür?
2- Bir matrisin tersini özdeğer ve öz vektörlerini kullanarak bulabilir miyiz?
3- Bir lineer diferansiyel denklem sistemini öz değer ve öz vektörleri kullanarak çözebilir
miyiz?

246
 Bölümde Hedeflenen Kazanımlar ve Kazanım Yöntemleri

Konu Kazanım Kazanımın nasıl elde

edileceği veya
geliştirileceği
Cayley-Hamilton Teoremi Bir matrisin kendi karak Okuyarak, fikir yürüterek,
teristik denklemini ve uygulama yaparak
sağladığını görnek.

Özdeğer ve Özvektörlerin Lineer diferansiyel Okuyarak, fikir yürüterek,

Diferansiyel Denklemlere denklemleri özdeğer ve öz ve uygulama yaparak.
Uygulanışı vektörleri kullanarak
çözebilmek

247
 Anahtar Kavramlar

 Karakteristik polinom

 Minimal polinom

 Lineer diferansiyel denklem sistemi

248
 Giriş

Bu bölümde derste bir matrisin özdeğer ve öz vektörlerinin uygulamaları incelenir. İlk

olarak bir matrisin kendi karakteristik denklemini sağladığını ifade eden Cayley-Hamilton
teoremi ve uygulamaları ele alınır. Daha sonra özdeğer ve öz vektörlerin diferansiyel
denklemlere uygulanması incelenir.

249
 13.1. Cayley-Hamilton Teoremi

Teorem 13.1 (Cayley-Hamilton) Her matris kendi karakteristik denkleminin köküdür.

1 2 
Örnek 13.1. A    matrisinin karakteristik denklemi,
3 2 

1  2
 A     det  A   I     2  3  4
3 2

Olarak bulunur. Bu denklemde  yerine A matrisi yazılırsa,

2
 1 2   1 2  1 0  0 0 
 A         3  4  
 3 2   3 2  0 1  0 0 

Olduğu görülür.

Tanım 13.1: A , K üzerinde tanımlı bir n  n tipinde kare matris olsun. f  A  0 olacak

şekilde mertebesi en küçük ve baş katsayısı 1 olan polinoma A nın minimum veya minimal
polinomu denir.

Cayley-Hamilton teoreminden A nın minimal polinomu karakteristik polinomu böler.

Buna göre i ler farklı özdeğerler ve di  0 olmak üzere A nın karakteristik polinomu

f  x    x  1  1  x  2  2 ...  x  k 
d d dk

formunda ise A nın minimal polinomu ile karakteristik polinomunun kökleri aynıdır. Buna ek
olarak Cayley-Hamilton teoreminden A nın minimal polinomunun karakteristik polinomu
böldüğünden, 1  rj  d j olmak üzere A nın minimal polinomu

p  x    x  1  1  x  2  2 ...  x  k  k
r r r

formunda olur.

250
Örnek 13.2

3 1 2 
A   2 2 1 matrisinin minimal ve karakteristik polinomlarını bulunuz.
 2 2 0 

A nın karakteristik polinomu,

3 x 1 1
 2 1 2 1 2 x2
det  A  xI   2 x  2 1  3  x  1 
2 x 2 x 2 2
2 2 x
 x3  5 x 2  8 x  4   x  1 x  2 
2

Yazılır. Bu polinomun kökleri 1 ve 2 olduğundan minimal polinomun da kökleri 1 ve 2

olmalıdır.Bunun yanı sıra minimal polinom bu karakteristik polinomu böleceğinden dolayı
1  r  2 olmak üzere,

p  x    x  1 x  2 
r

Şeklindedir. Bu polinomu A matrisinin sağlayıp sağlamadığına bakalım. r  1 için,

 2 1 1 1 1 1  2 0 1

p  A    A  1.I  A  2.I    2 1 1  2 0 1   2 0 1  0
 2 2 1   2 2 2   4 0 2 

Olduğundan r  1 için,seçilen bu polinom A nın minimal polinomu olamaz. Bu durumda diğer

alternatif r  2 alınırsa, r  2 :

p  x    x  1 x  2 
2

Cayley-Hamilton teoremini kullanarak bir matrisin tersini bulabiliriz.

Teorem 13.2: A , K üzerinde tanımlı bir n  n tipinde kare matris olsun.A nın karakteristik
polinomu f  x   xn  a1xn1  ...  an1x  an olsun. A matrisi tersinir ise,

1 n 1
A1 
an
 A  a1 An2 ...  an1 A  an1I n 
İspat: Cayley-Hamilton teoremine göre her matris kendi karakteristik polinomunun kökü
olduğundan:

251
A1  An  a1 An 1...  an 1 A  an I n  0  an I n  A  An 1  a1 An  2 ...  an 1I n 1 
1
 In  A  An 1  a1 An  2 ...  an 1I n 1 
an
 1 
 I n  A   An 1  a1 An  2 ...  an 1 I n 1  
 an 
 1 
   An 1  a1 An  2 ...  an 1 I n 1    A1
 an 

ispat tamamlanır.

Örnek 13.3:

3 1 2 
A   2 2 1 matrisinin tersini karakteristik polinomundan yararlanarak bulunuz.
 2 2 0 

A nın karakteristik polinomu,

1 x 2 3
x 1 2 0 2 0  x 1
det  A  xI   0 x 1 2  1  x  2 3
2 2 x 0 2 x 0 2 x
0 0 2 x
 x3  2 x 2  x  2   x 2  1  x  2 

Olduğundan her matris kendi karakteristik polinomunu sağlayacağına göre,

1 
A3  2 A2  A  2 I  0  2 I   A3  2 A2  A  I  A    A2  2 A  I  
2 

Ve

A1 
1
2
  A2  2 A  I 

Elde edilir. Buradan matrisin değeri yazılırsa,

 3 1 2
2
 3 1 2  1 0 0  
1  
1
A    2 2 1  2  2 2 1  0 1 0  

2
2 2 0   2 2 0  0 0 1  
  
1 2 7 / 2 
 0 1 1 
0 0 1/ 2 
252
Elde edilir. Cayley-Hamilton teoremini bir matrisin yüksek dereceden kuvvetinin
alınmasında da kullanabiliriz.

Örnek 13.4

2 3 
A  matrisi verildiğine göre A6 i bulunuz.
1 1

matrisinin karakteristik polinomu,

2 x 3
 A  x   det  A  xI    x2  x  5
1 1  x

Olduğundan Cayley-Hamilton teoremine göre,

A2  A  5I  0  A2  A  5I

Eşitliğinden

A3  A2  5 A  A4  A3  5 A2  A5  A4  5 A3
A6  A5  5 A4  6 A4  5 A3 I
 6  A3  5 A2   5 A3  11A3  30 A2
 11 A2  5 A   30 A2  41A2  55 A
 41 A  5I   55 A
 96 A  205 I

Buradan

 2 3   205 0  192 288  205 0  397 288

A6  96      
1 1  0 205  96 96  0 205  96 109 

Elde edilir.

253
 13.2. Özdeğer ve Özvektörlerin Diferansiyel Denklemlere Uygulanışı

Bir lineer diferansiyel denklem sistemi,

dx
 ax  by
dt
dy
 cx  dy
dt

a b 
verilsin. Burada A    reel veya kompleks değerli katsayılar matrisi, x ve y ise t nin
c d 
birer fonksiyonu. Bu sistem matris-vektör formda aşağıdaki gibi yazılabilir:

X   AX .

 dx 
 x  dt 
Burada X    ve X    
 y  dy 
 dt 

 x1 
dir. Ayrıca x1 ve y1 ise t nin birer fonksiyonu Y    olmak X  PY
 y1 

yerine koyması yapılsın. Bu durumda

X   PY   A X  A  PY 
PY

Olur. Buradan Y yi tek çekersek

 0   x 
X   PY   A  PY   Y    P 1 AP  Y   1  Y   1 1
D
 0 2  2 y1 
 dx1   dx1
 dt   1 x1   dt  1 x1
Y         dy
dy 
 1   2 1  1   y
y
 dt   dt
2 1

Değişkenlerine ayrılabilen diferansiyel denklemlere dönüşür Bunların ayrı ayrı çözümü,

254
 dx1 dx
 1 x1   1   1dt  ln x1  1t  c  x1  C1e1t
dt x1
dy1 dy
 2 y1   1   2 dt  ln y1  2t  c2  y1  C2e2t
dt y1

Olur. Buradan

 x   C e1t 
Y   1   1  t 
 y1  C2 e 2 

ve

 C1e1t   x 
X  PY  P   t    
 C2 e   y 
2

Eşitliğinden diferansiyel denklemin x ve y çözümleri bulunur. Dikkat edeceğimiz nokta

burada 1 ve 2 ler özdeğerlerimiz ve P de bu özdeğerlere karşılık gelen özvektörelerin
sütun matrisidir. Böylece özdeğer ve özvektörler sayesinde lineer diferansiyel denklem
sistemleri çözebiliriz. Şimdi bunu uygulamalarla görelim:

Örnek 13.5

dx
 2x  3y
dt
dy
 4x  5 y
dt

Diferansiyel denklem sisteminin çözümünü bulunuz.

Katsayılar matrisi ,

 2 3
A 
 4 5

A    0 karakteristik denklemi,

2 3
  2  3  2     1 (  2)  0  1  1, 2  2
4 5  
255
Yazılır. Buradan 1  1ve 2  2 öz değerleridir.

1  1 için

 3 3  x1  0  1

 4 4   x  0   x1  x2  0  x   1
  2   

Olur.

2  2

 4 3  x1  0  3
 4 3  x   0   4 x1  3 x2  0  x    4 
  2    
olur.   1,   1 için özvektörler kümesi

1 3
P 
1 4

bulunur. Diferansiyel denklemi çözmek için

1 3   x1   x   x  x1  3 x2
X  PY       
1 4   x2   y   y  x1  4 x2

Olur. Ayrıca x1  C1e1t ve x2  C2e2t den

x1  C1e  t ve x2  C2 e 2t

bulunur. X bilinmeyen vektörü için yukarda bu değerler yerine yazılırsa,

x  x1  3 x2  C1e  t  3C2 e 2t

y  x1  4 x2  C1e  t  4C2 e 2t

Denklem çözülmüş olur. Burada x  0 ve y  0 başlangıç değerleri bilindiği varsayımı altında

denklem,

256
 x  0   C1  3C2
y  0   C1  4C2

 x  0   1 3   C1   C1  1 3   x  0  
1

   C   C   1 4   y 0 
 y  0   1 4  2  2     

bağıntısından C değerleri bulunarak özel çözümler elde edilir.

Örnek 13.6

dx
 4 x  6 y, x  0   1
dt
dy
 3x  5 y, y  0   0
dt

Başlangıç değer problemini çözün.

Katsayılar matrisi ,

 4 6
A 
 3 5

A    0 karakteristik denklemi,

4 3
  2    2     1 (  2)  0  1  1, 2  2
4 5  

Yazılır.

1  1 için

 3 6   x1  0  2
 3 6   x   0   x1  2 x2  0  x    1 olur
  2    

2  2

257
 6 6   x1  0  1
 3 3  x   0    x1  x2  0  x    1 olur. Özvektörler kümesi
  2    

2 1
P 
 1 1

Olur. Diferansiyel denklemi çözmek için

 2 1   x1   x   x  2 x1  x2
X  PY        
 1 1  x2   y   y   x1  x2

Olur. Ayrıca x1  C1et ve x2  C2e 2t den bulunur. X bilinmeyen vektörü için yukarda bu
değerler yerine yazılırsa,

x  2 x1  x2  2C1et  C2 e 2t
y   x1  x2  C1et  C2 e 2t

Denklem çözülmüş olur. Burada x  0 ve y  0 başlangıç değerleri bilindiği varsayımı altında

denklem,

1  2C1  C2
0  C1  C2

1
1   2 1   C1   C1   2 1  1   1 1  1  1 
0   1 1 C   C    1 1 0   1 1 0   1
    2  2         

C1  1, C2  1 bularak denklemin çözümleri

x  2et  e 2t
y  et  e 2t

elde edilir.

258
 Uygulamalar

Lineer diferansiyel denklem sistemlerinin özdeğer ve özvektörler kullanarak elde ettiğiniz

çözümü diferansiyel denklemeler dersinde gördüğünüz diğer yöntemlerle de çözerek
sonuçları karşılaştırınız.

259
 Uygulama Soruları

1-Bir matrisin karakteristik polinomu  x  1  x  4  ise olabilecek minimal polinomlarını

3

yazınız.

3 0 0
 
2-  1 3 0  matrisinin minimal polinomunu bulunuz.
0 0 4
 

3-Fibonacci sayı dizisi{0,1,1,2,3,5,8,11,….} şeklindedir.Aşağıdaki biçimde matrissel ifade

edilir.

 F  n   1 1   F  n  1   F 1   1 
   ,   
 F  n  1  1 0   F  n  2    F  0    0 
 F n  1 1 
vn  T n 1v1 , vn   , T   
 F  n  1  1 0 

Bu dizinin genel terimi olan F  n  i öz değer ve öz vektörleri kullanarak elde edin.

(İpucu: T matrisini köşegenleştirin)

260
 Bu Bölümde Ne Öğrendik Özeti

Bu bölümde bir matrisin ve öz vektörlerinin uygulaması olarak bir matrisin kendi

karakteristik denklemini sağladığını ifade eden Cayley-Hamilton teoremi ve uygulamaları ele
alındı. Daha sonra özdeğer ve öz vektörlerin kullanılarak diferansiyel denklemelerin
çözümlerinin bulunması incelendi.

261
 Bölüm Soruları

2 5 
1. A    matrisini kök kabul eden polinom aşağıdakilerden hangisidir?
1 3

B. t 2  t  11 B. t 2  t  11 C t 2  2t  11

D. t 2  t  1 E. t 2  t  11

 1 4 3 
2. A   0 3 1  matrisini kök kabul eden polinom aşağıdakilerden hangisidir?
 0 2 1

A. t 2
 2t  5   t  1 B  t 2  2t  5   t  1 C  t 2  2t  5   t  1

D.  t 2  2t  3  t  1 E.  t 2  2t  5   t  2 

2 1 0
0
0 2 0 0 
3. A   matrisinin minimal polinomu aşağıdakilerden hangisidir?
0 0 1 1
 
0 0 2 4

A)  t  3 t  2  B  t  3 t  2  C  t  3 t  2 

2 2 2

D.  t  1 t  2  E.  t  4  t  2 
2 2

262
4.

dx
 3x  2 y, x  0   13
dt
dy
 5 x  4 y, y  0   22
dt

Diferansiyel denklem sisteminin çözümü aşağıdakilerden hangisidir?

A) x  2et  4e 2t B ) x  7et  6e 2t C ) x  2et  e 2t

y  et  e 2t y  7et  15e 2t y  et  12e 2t

D ) x  5et  e 2t E ) x  7et  e 2t

y   e t  4 e 2 t y  et  15e 2t

 5 2 2 
5. A   2 5 2  matrisinin özdeğerleri aşağıdakilerden hangisidir?
 2 2 5 

A) {3,1,4} B) {1,1,3} C) {3,3,6} D) {3,3,9} E) {2,3,5}

Cevaplar:

1-B, 2-A, 3-C, 4-B, 5-D

263
14. LİNEER DÖNÜŞÜMLER

264
 Bu Bölümde Neler Öğreneceğiz?

14.1. Lineer Dönüşümün Tanımı

14.2. Lineer Dönüşümün Çekirdeği ve Görüntüsü
14.3. Lineer Dönüşümün Matris Gösterimi

265
 Bölüm Hakkında İlgi Oluşturan Sorular

 x
    x  2 y ile tanımlansın.Bu gösterimi matrislerle nasıl
2
1- Bir f: fonksiyonu
 y
ifade ederiz?
2- Bu dönüşüm lineer midir?
 2 
3- f      ?
  3  
 a
4- f      4 ise a  ? b  ?
b 

266
 Bölümde Hedeflenen Kazanımlar ve Kazanım Yöntemleri

Konu Kazanım Kazanımın nasıl elde

edileceği veya
geliştirileceği
Lineer Dönüşümün Tanımı Lineer Dönüşümün Tanımı Okuyarak, fikir yürüterek,
kavrayabilmek. ve uygulama yaparak

Lineer Dönüşümün Lineer Dönüşümün Okuyarak, fikir yürüterek,

Çekirdeği ve Görüntüsü Çekirdeği ve Görüntüsünü ve uygulama yaparak.
bulabilmek

Lineer Dönüşümün Matris Lineer Dönüşümün Matris Okuyarak, fikir yürüterek,

Gösterimi Gösterimini yazabilmek uygulama yaparak ve
araştırarak

267
 Anahtar Kavramlar

 Lineer dönüşüm

 Lineer dönüşümüm çekirdeği

 Lineer operatör

268
 Giriş

Kitabın son bölümünde lineer dönüşümler tanıtılır ve bir lineer dönüşümün çekirdeğinin
ve görüntüsünün ne anlama geldiği ve lineer dönüşümün matrissel gösterimi örneklerle
incelenir.

269
 14.1.Lineer Dönüşümün Tanımı

Tanım 14.1: V ve W aynı F cismi üzerinde iki vektör uzayı olsun. V vektör uzayından W
vektör uzayına giden bir L fonksiyonu (tasviri) L : V  W aşağıdaki özellikleri sağlıyorsa
lineer dönüşüm veya lineer operatör adını alır.

i.  ,  V için L      L    L   

ii.  V ve c  F için L  c   cL  

Bu teoremin iki koşulu,  ,  V ve c, d  F için

L  c  d    cL    dL    tek koşulla ifade edilir.

x 
Örnek 14.1 X   1 2
ve L  x   3x olsun.
 x2 

X , Y  2
ve c, d  F için L  cX  dY   3  cX  dY   cL  X   dL Y 

olduğundan bir lineer dönüşümdür.

Örnek 14.2 L : 3
 2
dönüşümü L  x1 , x2 , x3   L  x1 , x2  ile tanımlansın

. X , Y  2
ve c, d  F için,

X   x1 , x2 , x3   L  X    x1 , x2  , Y   y1, y2 , y3   L Y    y1, y2 

L  cX  dY   L  cx1  dy1 , cx2  dy2 , cx3  dy3 

  cx1  dy1 , cx2  dy2 
 c  x1 , x2   d  y1 , y2 
 cL  X   dL Y 

olduğundan lineerdir.

270
  x1   x1 
Örnek 14.3 X     2
ve L  x     olsun.
 x2    x2 

x   x 
L   1     1  olur. Acaba lineer dönüşüm mü?
  x2     x2 

X , Y  2
ve  ,   F için,

   x   y1     x1   y1 
L  X   Y   L   1    
  x2   y2     x2   y2 
 x   y 
  1   1 
  x2    y2 
  L  X    L Y 

Lineer dönüşümdür.

 x1   x1 
Örnek 14.4: X     2
ve L  x     olsun.
 x2   x2  1

x   x 
L 1    1 
  x2    x2  1

olur. Acaba lineer dönüşüm mü?

X  2
ve   F için,

  x     x1 
L  X   L   1     
  x2    x2  1
  x     x1 
L X   L  1   
 2
x  x  
 2 
L  X    L  X 

Olduğundan Lineer dönüşüm değildir.

271
Örnek 14.5 L : 3
 3
dönüşümü

L  x1 , x2 , x3    x1  1, 2x2 , x3 

ile tanımlansın .

X , Y  2
için, X   x1 , x2 , x3   L  X    x1 , x2  , Y   y1, y2 , y3   L Y    y1  1, 2 y2 , y3 

L  X  Y   L  x1  y1 , x2  y2 , x3  y3 
  x1  y1  1, 2  x2  y2  , x3  y3 

L  X    x1  1, 2x2 , x3  , L Y    y1  1, 2 y2 , y3 

olduğundan

L  X   L Y    x1  y1  2, 2( x2  y2 ), x3  y3 

elde edilir. Bu durumda,

L  X  Y   L  X   L Y 

Olduğundan lineer değil.

 x 
  x1    2 
Örnek 14.6 L : 2
 3
tanımlı L       x1  fonksiyonu lineer dönüşüm mü?
  x2    x  x 
 1 2

X , Y  2
ve  ,   F için,

  x2   y2 
   x1   y1    
L  X   Y   L       x1   y1 
  x2   y2    x   y   x   y 
 1 1 2 2

 x2   y2 
   x1     y1 
 
 x1  x2   y1  y2 
  L  X    L Y 

272
Lineer dönüşümdür.

Teorem 14.1: Eğer L, V uzayında bir W vektör uzayına giden bir operatör ve 0V ile

0W bulunduğu uzayların sıfır vektörleri ise,

i. L  0V   0W

ii.  ,  V için L      L    L   

İspat 14.1 :

i. 0V , V nin sıfır vektörü olduğundan 0V  0V  0V dir.L dönüşümü uygulanırsa,

L  0V   L  0V  0V   L  0V   L  0V   0w

ii.

L      L    L   
 L    L  (1)  
 L    (1) L   
 L    L   

Tanım 14.2 : V, keyfi bir vektör uzayı olsun. v V için,

I v  v

ile tanımlı lineer operatöre birim operatör denir.(Lineerlik şartları sağlar mı? Gösterin.

Örnek 14.7 : D, C  a, b den C a, b ' ye tanımlanan türev operatörü,

D f   f 
lineer mi?

f , g  C a, b ve  ,   için,

D  f   g    f   g   af    g    D  f    D  g 

273
Olduğundan lineerdir.

14.2.Lineer Dönüşümün Çekirdeği ve Görüntüsü

Tanım 14.3: L : V  W bir lineer dönüşüm olsun. ÇekL ile gösterilen V nin,

ÇekL   ker L   v V : L  v   0W 

Kümesine L nin sıfır uzayı(sıfırlılığı) veya çekirdeği denir.

Tanım 14.4: L : V  W bir lineer dönüşüm ve S, V’nin bir alt uzayı olsun. L  S  ile

gösterilen,
L  S   w W : w  L  v  , v  S

kümesine S in görüntüsü denir. W nın L V   L  v  , v V  alt kümesine de L nin değerler

kümesi veya görüntü kümesi denir. Bu aşağıdaki Şekil.VII.1 de resmedilmiştir.

Şekil.VII.1.S in görüntüsü

Teorem 14.2: V , W iki vektör uzayı ve L : V  W lineer dönüşüm olsun. Buna göre,
i ÇekL V nin bir alt uzayıdır

ii L  S  ,W nin bir alt uzayıdır.

İspat: Alt uzay kriterlerini tatbik edelim.

274
 v1 , v2  ÇekL  L  v1  v2   L(v1 )  L(v2 )  0  0  0  ÇekL
 ve v  ÇekL  L  v    L  v    .0  0  ÇekL

Olduğundan ÇekL V nin bir alt uzayıdır.

 x1 
Örnek 14.8: L : 2
 2
bir lineer dönüşüm olsun. L  x     lineer dönüşümün
0
ÇekL sini ve görüntü kümesini bulunuz.

 0  
ÇekL   X  2
: L  X    
 0  

 x  0
L  x    1      x1  0, ( x2  k  )
 0  0
0  
ÇekL      2 : k  
k  

bulunur. ÇekL nin yalnız bir bağımsız vektörü olduğundan boyutu 1 dir.
1
Örnek 14.9 L : P2  2
, L  at 2  bt  c     at 2  bt  c dt bir lineer dönüşüm olsun.
0

ÇekL =?

L    L  at 2  bt  c   0r  0 olacak şekilde bir   at 2  bt  c  P2 elemanı bulmalıyız.

1
t3 t2
L      at 2  bt  c  dt  0  a
a b
 b  ct |10    c  0
0
3 2 3 2

a b a b
Buradan c    bulunur. Buna göre   at 2  bt    P2 şeklindeki polinomlar P2
3 2 3 2
polinomlar uzayının bir çekirdeğini oluştururlar. Yani,

 a b  1  1 
ÇekL    :   at 2  bt    a  t 2    b  t   , a, b  
 3 2  3  2 

275
  1  1
Olur. Burada  t 2   ve  t   lineer bağımsız olduklarından bunlar
 3  2
2 1 1
t  , t   , ÇekL nin tabanını teşkil ederler ve boyutu BoyÇekL  2 dir.
 3 2

  x1  
     x1  x2 
. Örnek 14.10: L :  tanımlı L  x2     lineer dönüşümü ve S , e1 , e2  ile
3 2
  
 x    x3 x2 
 2

gerilen bir alt uzay olsun. ÇekL  ? , L  S   ?

  x1  
   x  x  0 
L   x2     1 2      x1  x3   x2  k
  x    x3  x2  0 
 2

 k   1
 
ÇekL    k   3
: k   , k  1 : ÇekL nin bir tabanıdır. BoyÇekL  1 dir.
 
 k   1
    

 1  0    
   
S   0    0    0  :  ,   
 0  1     
   
   
L  S      2
:,     2

   

yazılır.

14.3..Lineer Dönüşümün Matris Gösterimi

V ve W , F bölgesi üzerinde ki vektör uzayı olsun. Varsayalım v1 , v2 ,..., vm  V nin ve

w1 , w2 ,..., wn  W nin birer bazları olsun. L : V  W lineer dönüşüm olsun. Bu durumda

L( v1 ), L( v2 ),..., L( vm ) ler W içinde vektörlerdir ve bu nedenle W uzayının baz elemanlarının

lineer kombinasyonu cinsinden yazılabilir. Yani,

L( v1 )  a11 w1  a12 w2  ...  a1n wn

L( v2 )  a21 w1  a22 w2  ...  a2 n wn

…………………………………….
276
 L( vm )  am1 w1  am2 w2  ...  amn wn

Yazılabilir. Bu denklem sisteminin katsayılar matrisinin transpozesine ,

 a11 a21 ... am1 
 
a a22 ... am 2 
 L  v ,w   12
 ... ... ... ... 
 
 a1n a2 n ... amn 

vi i1,m  
ve w j
j1,n
bazlarına göre L lineer dönüşümünün matris gösterimi denir.

Örnek 14.11: L : 3
 3
,

x x  y  z
   
L y  x  y  z
 z   z 

Lineer dönüşümünün doğal(standart) baza göre matris gösterimini bulunuz.

 1  1  0  0   1 
     
L  e1   L 0   1  0  0    1 ,
0   0  0 

0   0  1  0  1
     
L  e2   L  1    0  1  0    1  ,
0   0   0 

0   0  0  1 1
     
L  e3   L 0   0  0  1   1  ,
 1  1   1 

Yazılır. Katsayılar matrisinin transpozesi yani bu sütunlardan oluşan matris :

 1 1 1
 
 L  e   1 1 1 
0 0 1 

L nin doğal tabana göre matris gösterimidir.

277
Teorem 14.3: e1 , e2 ,...en  V nin bir bazı ve L , V uzayında bir lineer dönüşüm operatörü

olsun.Bu durumda herhangi bir v  V vektörü için,

L  v    L  . v
e e   e

Yazılır.

Örnek 14.12: L : P2  P1 lineer dönüşümü

L  P  x    P   x 

 
ile tanımlansın. V  x2 , x,1 ve W  x ,1 sırasıyla P2 ve P1 in sıralı tabanları olsun. Buna

göre L ye karşılık gelen matrisi bulun.

2
 
L x 2  2 x  2 x  0.1    ,
0 

0 
L  x   1  0.x  1.1    ,
1

0 
L  1  0  0.x  0.1    ,
0 

bu sütunlardan oluşan matris :

2 0 0
 L  w  
   0 1 0 

lineer dönüşüm matrisi olur. Teoremden yola çıkarak p  x   P2 için

L  p  x  
w     w
  L  . p x 
w

 
Yazılarak L p  x  i  L  w kullanarak bulabiliriz. Örneğin,
 

 10 
 
p  x   5x 2  3x  2  L p  x   p   x   10 x  3   
 3 
278
Diğer bir yolla  L  w kullanarak ,
 

5
 2 0 0    10 
 
L p  x    L  w .  p  x  
 
  .  3    
w  0 1 0   2   3
 

Aynı sonuç bulunur.

Örnek 14.13 L, 3
uzayında L : 3
 3

x 2y  z
   
L y  x  4y
 z   3 x 

ile tanımlanan bir lineer operatör olsun.

 1  1   1  
      
a)  1 ,  1  , 0   bazında L nin matrisini bulun
 1 0  0  
      

b) Herhangi bir v  3
için L  v    L  .  v  eşitliğini doğrulayın.
vi   vi    v 
i

a)

1  2.1  1  3  1  1  1  3 

             
L  v1   L 1  1  4.1   3   3 1  6  1   6 0    6 
1  3.1   3  1 0  0   6 
 1   2.1  0   2  1  1  1  3 
             
L  v2   L  1    1  4.1    3   3 1  6  1   5 0    6  ,
0   3.1   3  1 0  0   5 
 1  2.0  0  0  1  1  1  3 
             
L  v3   L 0    1  4.0    1  3 1  2  1  1 0    2  ,
0   3.1   3 1 0  0   1

L nin belirtilen tabana göre matris gösterimi:

279
 3 3 3
 
 L  v   6 6 2 
 i
 6 5 1

olur.

0 
 
b) Diğer yandan v   3  olsun.Bu durumda tabanların lineer toplamı cinsinden yazılımı:
 2 

0  1  1  1 2
         
v   3   2 1  1  1  3 0    v    1 
vi 
 2  1 0  0   3

Olur .Aynı zamanda

 0   2.3  2   8  1  1  1  0 
             
L  v  v  L  3    0  4.3    12   0. 1  12  1  20 0    12 
 i
 2   3.0   0  1  0   0   20 

Bulunur. Böylece

3 3 3 2  0 
     
 L  v .  v    6 6 2  .  1    12   L  v  v
 i v   i
i
 6 5 1  3   20 

eşitlik doğrulanır.

Örnek 14.14 L, 3
uzayında L : 3
 2

L  x, y , z    2x  y , 3y  z 

ile tanımlanan bir lineer operatör olsun.

a) L nin standart matrisini bulun.

b) Bu matrisi kullanarak L  0,1, 1 in değerini elde edin.

a)
280
 2
L  v1   L  1,0,0    
0 

1
L  v2   L  0,1,0    
3

0
L  v3   L  0,0,1    ,
 1

L nin belirtilen tabana göre matris gösterimi:

2 1 0 
 L  v  
 i   0 3 1

b) Böylece L  0,1, 1 için :

0 0
  2 1 0    1
L  0,1, 1   L  v .  1    . 1   
 i  0 3 1    4 
 1  1

Bu cevabı satır formatında da yazabiliriz:

L  0,1, 1   2.0  1, 3.1  ( 1)   1, 4 

281
 Uygulamalar

1-Matematik de sıkça kullanılan ve lineer dönüşüm veya operatör özelliği olan kavramları
ve fonksiyonları araştırınız.

2-İzomorfizm ve homoforfizim kavramlarını araştırın

282
 Uygulama Soruları

1-V, sayılar üzerinden n-kare matrislerin bir vektör uzayı ve B de V içindeki herhangi bir
matris olsun. A  V olmak üzere T  A  AB  BA ile tanımlanan T : V  V dönüşümünün
bir lineer dönüşümü olup olmadığını kontrol edin.

2- Görüntüsü 1, 2,3 ve (4,5,6) vektörleri ile oluşturulan L : 3

 3
lineer dönüşümünü
bulunuz.

3- Çekirdeği 1, 2,3, 4 ve (0,1,1,1) vektörleri ile oluşturulan L : 4

 3
lineer dönüşümünü
bulunuz.

283
 Bu Bölümde Ne Öğrendik Özeti

Bu son bölümde lineer dönüşümler tanıtıldı. Diğer taraftan bir lineer dönüşümün
çekirdeğinin ve görüntüsünün ne anlama geldiği ve lineer dönüşümün matrissel gösterimi
incelendi.

284
 Bölüm Soruları

1. Aşağıdaki lineer dönüşümlerden hangisi lineerdir?

A. F : 2
 2
: F  x, y    2x  y, x 

B. F : 2
 2
: F  x, y    x 2 , y 2 

C. F :  2
: F  x    x,1

D. F : 2
 : F  x, y  | x  y |
E.Hiçbiri
2. Aşağıdaki lineer dönüşümlerden hangisi lineer değildir?
A. F : 3
 2
: F  x, y, z    x  1, y  z 

B. F : 3
 2
: F  x, y, z    z, x  y 

C. F :  2
: F  x    2x,3x 
D. Hiçbiri
E. F : 3
 2
: F  x, y, z   3z, 2x  y 

3. F : 3
 3
: F  x, y, z    x  2 y, y  z, x  2z  lineer dönüşümün çekirdeğinin bazı
aşağıdakilerden hangisidir?

A.  1,0,1 ,  0,1, 2 B. 1,0,1 , 0,1, 2 

C. 1,0,1 ,  0,1, 2 D.  1,0,10 , 0,10, 2 E.  2,0,1 , 0,1, 2

4.

L : P3  P1 lineer dönüşümü

L  P  x    P   x 

 
ile tanımlansın. V  1, x , x 2 , x 3 ve W  1, x sırasıyla P3 ve P1 in sıralı tabanları olsun.

Buna göre L ye karşılık gelen matrisi aşağıdakilerden hangisidir?

285
  1 0 1 1 0 0 2 0  1 0 2 0 
A)   B)   C)  
0 1 3 1 0 0 0 6   0 1 0 6
1 0 1 0  1 0 2 1 
D)   E)  
 1 1 0 6  0 1 1 6

x  x 
   
5. 3
uzayında doğal tabanlara göre L  y    y  z  lineer dönüşümün matrisi
 z   x  y  z 

aşağıdakilerden hangisidir?

1 0 1  0 1 1  0 0 1
     
A) 1 1 1 B)  0 1 1  C)  1 1 1
1 1 1  1 1 1   1 1 1

 1 0 1  0 0 1
   
D)  1 1 1 E)  0 1 1
 1 1 1  1 1 1

Cevaplar:

1-A,2-A,3-B, 4-B,5-E

286
 KAYNAKÇA

[1] Matthews, K.R: “Lineer Algebra”, University Of Queensland (2010)

[2] Seymour Lipschutz,S & Lipson,M.: “ Schaum's Outline of Linear Algebra, Schaum's
Outline Series, 4th Edition, (2008)

[3] Çallıalp, F. and Kuruoğlu, N.: “Lineer Cebir”,Ondokuz Mayıs Üniv., (1996)
[4] Çallıalp, F.: “Lineer Cebir Problemleri”,Birsen Yayınevi, 6.baskı/34, (2012)
[5] Altan, M.E.: “Lineer Cebir”,Mimar Sinan Üniv., (1995)
[6] Çetin, N. and Orhun, N.: “Lineer Cebir ”, Anadolu Üniv. (1998)
[7] Ergezen, F.: “Lineer Cebir Notları”, İTÜ, (2009).
[8] Pao,Y.C.: “Engineering Analysis”, CRC Press LLC, (2000).
[9] Leon, S.L.: “ Linear Algebra With Application”, Sixth edition.,(1999)
[10] Sabuncuoğlu,A.: “Lineer Cebir”,Nobel Yayın Dağıtım, (2010)
[11] Ağargün, A.G, Özdağ, H.: “Lineer Cebir ve Çözümlü Problemleri”,
Birsen Yayınevi, (2011)

287