Professional Documents
Culture Documents
LİNEER CEBİR
Elinizdeki bu eser, İstanbul Üniversitesi Açık ve Uzaktan Eğitim Fakültesi’nde okutulmak için
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
3
12. ÖZDEĞERLER VE ÖZVEKTÖRLER ........................................................................... 228
12.1. Özdeğerler ve Özvektörlerin Tanımı............................................................................. 234
12.2. Köşegenleştirme ............................................................................................................ 238
13. ÖZDEĞER VE ÖZ VEKTÖRLERİN UYGULAMALARI……………………………249
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?
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
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
Tanım I.1: K bir skalerler cismi olmak üzere sonlu sayıdaki elemanları: aij ler olsun.
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
mn mn
bazı kaynaklarda A aij ile gösterilmektedir. Buradaki aij elemanı matrisin i. satır ile j.
önemlidir. aij elemanının sağ altına yazılan ilk indis i bu elemanın ait olduğu satırı, ikinci
Tanım I.2:: Karşılıklı satır sayıları ve sütun sayıları eşit olan iki matrise aynı boyutlu veya
aynı tipte matrisler denir.
Örnek I.1
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.
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.
Örnek I.3
x y 2 z w 3 5
A ve B
x y z w 1 4
13
x y 3
x y 2 z w 3 5 x y 1
x y z w 1 4 2 z w 5
zw4
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
1 0 2
A v1 , v2 , v3 2 4 2
3 5 1
14
formunda olur.
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.
n .mertebeden bir kare matrisin i 1, 2,..., n için aii öğelerine matrisin köşegen
Örnek I.5
1 3 5 2
3 5 0 1
A
6 4 2 5
4 2 4 3
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 .
tr A B tr A tr B ,
tr A.B tr B.A
Tanım I.6 : Bir A aij matrisinin bütün elemanları sıfır ise yani i, j için aij 0 ise
Örnek I.7
0 0
0 , 0 0 ,
0 0
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
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
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
nn
0, i j
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
Elemanları bir x değişkeninin fonksiyonu olan matrise matris fonksiyonu adı verilir. Örneğin
A x fonksiyonunun tüm elemanları her x değeri için sürekli ise matris fonksiyonu da
dA x daij ( x)
A x aij ( x)
dx dx
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.
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
e5 x dx 0 cos xdx 5
0
19
Uygulamalar
20
2. MATRİSLERLE ARİTMETİK İŞLEMLER
21
Bu Bölümde Neler Öğreneceğiz?
22
Bölüm Hakkında İlgi Oluşturan Sorular
23
Bölümde Hedeflenen Kazanımlar ve Kazanım Yöntemleri
24
Anahtar Kavramlar
Toplam matris
Çarpım matris
Transpoze
Katsayılar matrisi
25
Giriş
26
2.1.Matrislerin Toplanması ve Skalerle Çarpılması
Tanım 2.1. : A aij ve B bij iki matris olmak üzere bunların toplamı,
mn mn
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
mn
A matrisinin çarpımı
A 1 A
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
1 4 2 6 3 8 5 4 11
AB
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
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
28
k1 A B = k1 aij bij k1 aij bij k1aij k1bij
elde edilir.
biçiminde yazılır ve
n
yi aij x j , i 1, 22,..., m
j 1
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
mn 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
mn n p
j 1
formunda tanımlanır.
29
Örnek 2.2
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.
30
A 2 A.A , A3 A 2 .A ,…, A n A n1.A
f x an xn ... a1x a0 , ai K
yazmak suretiyle,
A2 A
Örnek 2.5
Teorem 2.2 :
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.
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
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
olduğundan
AB C A BC
yazılır.
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 22
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
0 1 olduğundan A nın tersi yok dolayısıyla singülerdir. C nin tersi B olsun. Bu durumda
1 2
C1 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 A1
ad bc c a formundadır.Örneğin, önceki problemdeki C matrisinin
tersi,
1 1 2 1 2
C1
1.1 2.0 0 1 0 1
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,
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
A1A 2 ...A n
1
A n1...A 21A11
34
2.4. Matrisin Transpozesi
Tanım 2.7: Bir A aij matrisinin satırları ve sütunlarının kendi aralarında yer
mn
A aij AT a ji
mn nm
olarak yazılır.
1 0
1 2 3
Örnek 2.8. A matrisinin transpozesi, A 2 4 dir.
T
0 4 5 3 5
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.
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.
Örnek 2.9
0 3 3
3 1 1 matrisi simetrik, 0 4 matrisi ise ters simetriktir.
4 0
3 1 2
AT A ve BT B A B AT BT
T
AB
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:
36
2.6. Lineer Denklem Sistemi ve Matrisler
Tanım 2.9: n bilinmeyenli m tane lineer denklem sistemi, Aşağıdaki matris denklemine
denktir.
ve B sabitler vektörünü temsil eder. Lineer denklem sisteminin matris denklemi formunda bir
diğer yazılışı:
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
Denklemine denktir.
37
Uygulamalar
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
40
Bölüm Soruları
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
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
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
Cevaplar
1. C 2. D 3. C 4. B 5. C
42
3.BASAMAK MATRSİLER
43
Bu Bölümde Neler Öğreneceğiz?
44
Bölüm Hakkında İlgi Oluşturan Sorular
45
Bölümde Hedeflenen Kazanımlar ve Kazanım Yöntemleri
Elemanter (İlkel) Satır ve Bir Matrisle ilgili Elemanter Okuyarak, fikir yürüterek,
Sütun İşlemleri (İlkel) Satır ve Sütun ve bol bol örnek çözerek.
İşlemlerini yapabilmek
46
Anahtar Kavramlar
Pivot eleman
Basamak matris
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)
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
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
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
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.
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
mn
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
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
mn mn
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
1 1 2 3
B 6 3 9 6
1 2 4 3
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.
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
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
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
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
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
56
Uygulama Soruları
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
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.
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
Cevaplar
60
4.ELEMANTER MATRİSLER
61
Bu Bölümde Neler Öğreneceğiz?
62
Bölüm Hakkında İlgi Oluşturan Sorular
63
Bölümde Hedeflenen Kazanımlar ve Kazanım Yöntemleri
64
Anahtar Kavramlar
Elemanter matris
Denk matrisler
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
1 0 0
E1 0 0 1
0 1 0
5 0 0
E2 0 0 1
0 1 0
1 0 4
E3 0 1 0
0 0 1
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
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
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
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
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
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
A matrisinin tersinir olduğunu 1 , 2 ,..., n elemanter işlem dizisi ile birim matrisine satır
Ei , i işlemine karşılık gelen elemanter matris olsun. Kabullerimizden ve Teorem I.10.2 den
En En1...E2 E1A Ι
olur. Buradan
Örnek 4.5
1 0 2
A 2 1 3 matrisinin tersini satır işlemleri ile bulalım.
4 1 8
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
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
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 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.
a1 x1 a2 x2 ... an xn b (II.1)
şeklindeki bir denkleme n bilinmeyenli bir lineer denklem denir. Burada a1 , a2 ,..., an , b
denklemini belirtir.
Sisteme bir lineer denklem sistemi denir. Burada x j bilinmeyenlerinin katsayıları aij ve
73
Örnek 4.8
x1 2 x2 x3 4
x1 x2 2 x3 9
5 2.1 3 4=4
5 2 2.3 9=9
740 3 4
720 9 9
Birinci denklemi sağlamadığından v bir çözüm değildir. Denklem (II.2) deki sistemi matris-
vektör formunda yazmak istersek,
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
1 2 5 4 7
3 0 1 1 5
2 5 0 1 1
olur.
75
Uygulamalar
76
Uygulama Soruları
77
Bu Bölümde Ne Öğrendik Özeti
78
Bölüm Soruları
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
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
B AT A1
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?
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
84
Anahtar Kavramlar
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
Diğer yandan işlemlerde kolaylık olması açısından bir sistemi meydana getiren denklemler
sırasıyla L1 , L2 ,..., Lm , olsun. Bu sistemde r. denklem
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
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
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
Üçgensel hale gelir buradan sistemin çözüm kümesi 1, 3, 2 .
Örnek 5.5
x1 2 x2 x3 3
2 x1 5 x2 x3 4
3x1 2 x2 x3 5
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
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
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
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
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
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
x 2y z 4
2 x 3 y az 5
3x 4 y 5 z b
1 2 3 4
A 2 3 a 5
3 4 5 b
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 a6 3 M
0 0 2a 8 b 6
1 2 3 4
Buradan M 0 1 a6 3 matrisine göre
0 0 2a 8 b 6
1 0 0 u
M 0 1 0 v
b6
0 0 1
2 a 8
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
y 2 z 3 y 3 2 z
x 2 y 3z 4 x 2 3 2 z 3z 4 x 2 z
94
Uygulamalar
95
Uygulama Soruları
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
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.
x1 2 x2 3x3 1
5. 3x1 2 x2 x3 7 denklem sisteminin çözüm vektörü aşağıdakilerden hangisidir?
2 x1 x2 2 x3 1
2 1
D. 3 E. 3
1 2
Cevaplar
99
6. HOMOJEN LİNEER DENKLEM SİSTEMLERİ VE VEKTÖR
UZAYLARI
100
Bu Bölümde Neler Öğreneceğiz?
101
Bölüm Hakkında İlgi Oluşturan Sorular
1-
102
Bölümde Hedeflenen Kazanımlar ve Kazanım Yöntemleri
103
Anahtar Kavramlar
104
Giriş
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
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
x yz 0
x yz 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.
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
1 1 1 1 0
A 1 0 0 1 0
1 2 1 0 0
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
x3 x4 0 x3 x4
x2 x4 0 x2 x4
x1 x4 0 x1 x4
Örnek 6.3.
x 2y z 0
2x 5 y 2z 0
3x y 4 z 0
1 2 1 0
A 2 5 2 0
3 1 4 0
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
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
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
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
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.
1. Her u , v V için u v v u
2. u , v, w V için u v w u v w
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
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.
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)
x3 x 1 P3 , x3 2 x 1 P3 x3 x 1 x3 2 x 1 3x P3
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.
Bir V vektör uzayının boş olmayan bir altkümesi S olsun. Eğer bu küme aşağıdaki özellikleri
sağlarsa S, V’nin bir alt uzayıdır denir.
2. u S ve için u S
3. u, v S için u v S
1. 0S
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
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 .
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
114
Uygulama Soruları
İle tanımlansın. Buna göre uzayının bir vektör uzayı olup olamayacağını kontrol edin.
115
Bu Bölümde Ne Öğrendik Özeti
116
Bölüm Soruları
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
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 yz 1
6 x 4 y 10 z 3
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
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
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?
120
Bölüm Hakkında İlgi Oluşturan Sorular
1. 3
de aşağıda verilen vektörler lineer bağımsız mıdır?
121
Bölümde Hedeflenen Kazanımlar ve Kazanım Yöntemleri
122
Anahtar Kavramlar
Lineer bağımsızlık
Lineer bağımlılık
Baz
Boyut
123
Giriş
124
7.1. Lineer Bağımsızlık
Tanım 7.1. : v1 , v2 ,..., vn , V vektör uzayının bir alt kümesi olsun. 1 , 2 ,..., n skalerler
Formundaki bir v vektörü v1, v2 ,..., vn vektörlerinin Lineer toplamı veya lineer
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
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
Tanım 7.3. : v1 , v2 ,..., vn V vektör uzayının bir alt kümesi olsun.
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
Örnek 7.5.
1 1 1
v1 2 , v2 1 , v3 7
3 2 12
vektörleri
3
Örnek 7.6 de
1 1 1
S 0 , 1 , 0
0 0 1
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
Çözüm:
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
Örnek 7.8
P2 de
1 x ,1 x , x x
2 2 2
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
Teorem 7.1 :
Sıfır vektöründen oluşan tek elemanlı küme lineer bağımlıdır.Daha genel olarak sıfır
c.0 0
olduğundan vektör uzayı koşullarından c sıfırdan farklı olması durumda eşitlik doğru
x1i
x
de xi (i 1, 2,..., n) olmak üzere n tane vektör olsun. Eğer
2i
Teorem 7.2: n
..
xni
ise x1 , x2 ,..., xn vektörlerinin lineer bağımlı olması için gerek ve yeter şart x ’in singüler yani
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
Tanım 7.4: V vektör uzayının bir S v1 , v2 ,..., vn alt kümesi hem lineer bağımsız hem de
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.
ax 2 bx c P3 ax 2 bx c x 3 x 2 x 3 x 3 1
a, b 0, c , a c
x3 x 2 x3 x3 1 0 0
130
Örnek 7.12
1 0 0 1 0 0 0 0
baz olduğunu gösterin.
22
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
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
Teorem 7.4 : V, boyutu sıfırdan büyük bir vektör uzayı olsun. Buna göre,
131
Teorem 7.5 : A aij mn
, B bij
mn
matrisleri denk ise satır uzayları birbirine eşittir.
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
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
cs
Böylece
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
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 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
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
Niçin? 3
de örnekler verin.
137
Bu Bölümde Ne Öğrendik Özeti
138
Bölüm Soruları
1 . V1 = {(x, y, z) | x = 0} ve V2 = {(x, y, z) | x = y ve z = 0}
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
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?
C. U 0 ,V nin bir alt uzayıdır. D. U 0 ,V nin bir alt uzayıdır
A . y x3 . 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
Cevaplar
1. C 2. D 3. D 4.C 5. C
139
8.KOORDİNATLAR VE BAZ DEĞİŞİMİ
140
Bu Bölümde Neler Öğreneceğiz?
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
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
Tanım 8.1. : Sonlu boyutlu bir F-vektörü uzayı ve sıralı bir tabanı S v1 , v2 ,..., vn ise V nin
şeklinde tek türlü yazılabilir. Buna göre c1 , c2 ,..., cn skaler sayılarına v vektörünün
c1
c
2
.
v S .
.
cn 1
c
n
ile verilir. Genel gösterime uygunluk açısından yuvarlak parantez yerine köşeli parantez
seçildi.
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
Eşitliğinden
c1 c2 c3 3
c1 c2 5
c3 4
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 c1v1 c2v2 ... cnvn ve v d1w1 d2 w2 ... dn wn olsun. S deki vektörlerin T tabanına
göre yazılışları,
147
olsun. Bu durumda,
a1 j
a
2j
v j .
T
.
anj
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 vT P vS vS P1 vT bulunur ki burada T tabanından
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
3
v1 T
4
7 3 1
v2 x1 x2 7 3x1 x2 ve 3 2 x1 x2
3 2 1
4
v2 T
5
3 4
P
4 5
bulunur.
Herhangi bir vektörün S tabanına göre koordinatlarını biliyorsak vT P vS eşitliği
1
yardımıyla T tabanına göre koordinatları bulunabilir. Örneğin v S alsaydık formülden
2
3 4 1 11 8
vT P.vS
4 5 2 14 57
bulurduk.
149
2. P 1 bularak p x 2x2 4x 6 vektörünün 1, 2 x, 4 x 2 2 sıralı bazına göre
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
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
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
1
2 x 2 4 x 6 7.1 2. 2 x (4 x 2 2)
2
yazılır.
150
8.2.Bir Matrisin Rankı
Tanım 8.2 :
Örnek 8.4
1 0 0
A matrisinin satır ve sütun uzaylarını bulalım.
0 1 0
Çözüm:
1 0 0 0 1 0 0
1 0 0
0
1
0
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
Tanım 8.2. : Bir matrisin satır(sütun) uzayının boyutuna bu matrisin satır(sütun) rangı denir.
152
Tanım 8.3. : Bir matrisin satır veya sütun rangına o matrisin rangı denir ve rankA r A ile
gösterilir.
1 3 12 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
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.
153
8.2.1 Lineer Sistemlerle Rank İlişkisi
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
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
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 34
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 34 0 0 2 4 0 0 0 0
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
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
1. 2x + y + z = 5
x+y+z=3
x − 2y + 2z = 0
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
A. {(0, 3), (1, 1)} B. {(0, 1), (0, −1)} C) {(0, 0), (0, 1)}
160
5. Bir F cismi üzerindeki bir V vektör uzayının boyutu BoyFV olmak üzere, aşağıdakilerden
hangisi yanlıştır?
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)}
7. U , 4
’ün bir alt uzayı ve 1, 2,5, 3 , 2,3,1, 4 , 3,8, 3, 5 vektörlerinden oluşsun.
A . 2 . B. 3 C. 1
D. 4 E. Hiçbiri
Cevaplar
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
165
Anahtar Kavramlar
İç Çarpım
İç Çarpım uzayı
Ortogonallik
Ortonormallik
Cauchy-Schwarz Eşitsizliği
166
Giriş
167
9.İç Çarpım Uzayları
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
168
2 2 2
ba 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
a1b1 a2 b2 a3 b3
cos
a .b
İki vektör arasındaki açı elde edilir. Eşitliğin ikinci tarafındaki a1b1 a2 b2 a3 b3 toplamına
( 1 i n ) bu vektörlerin iç çarpımı:
n
x , y x1 y1 x2 y2 ... xn yn xi yi
i 1
2
x , x x12 x22 ... xn2 x
Tanım 9.1 : V bir vektör uzayı olsun. u, v V için u , v ile gösterilen ve aşağıdaki koşulları
çarpım, V bir vektör uzayına da bir iç çarpım uzayı denir. Bu iç çarpım uzayı V , , ile
gösterilir.
169
Bu özellikler iç çarpımın tanımı kullanılarak rahatlıkla gösterilebilir.
Örnek 9.1: x , y n
için x , y x1 y1 x2 y2 ... xn yn
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
n n
j 1 i 1
A , B aij bij tr AT B tr BT A (tr : trace iz )
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
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
b
f , g f x g x dx
a
b b
i. Her f , g V için f , g f x g x dx g x f x dx g , f
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
171
b
f , f f x dx 0 f 0
2
b
f , g f x g x dx
a
u , v u . v
dir. Bu eşitsizlikte sol taraf iç çarpımın mutlak değerini, sağ taraf ise vektörlerin normları
çarpımını temsil eder.
u, v a1 b1 a2 b2 ... an bn
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.
b
f , g f x g x dx
a
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
Teorem 9.3 (Üçgen Eşitsizliği): V , bir iç çarpım uzayı ve her u, v V vektörleri için
uv u v
173
İspat:
2
uv u v , u v u, u v v , u v u , u u , v v , u v , v
2 2 2
u, u 2u, v v , v u 2 u . v v u v
uv u v
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
olduğundan ortogonaldirler.
Örnek 9.11: 3
Öklid uzayının temel bazları:
e1 e2 e3 1 olduğundan e1 1,0,0 , e2 0,1,0 , e3 0,0,1 kümesi 3
Öklid
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
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
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
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
178
Bu Bölümde Ne Öğrendik Özeti
179
Bölüm Soruları
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?
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
b
5. P2 R de tanımlı p1 , p2 f x g x dx iç çarpımına göre p1 x 2, p2 x 1 x2
a
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?
183
Bölüm Hakkında İlgi Oluşturan Sorular
184
Bölümde Hedeflenen Kazanımlar ve Kazanım Yöntemleri
185
Anahtar Kavramlar
Ortonormal taban
Determinant
Minörler ve Kofaktörle
186
Giriş
187
10.1. Ortonormal Taban
Gram –Schmidt ortogonallşetirme yöntemi ile bir vektör uzayının ortogonal ve ortonormal
tabanlarını bulabiliriz.
U v1 , v2 ,..., ve kümesi V nin herhangi bir tabanı ise U kümesini Gram –Schmidt
i. u1 v1 al.
u1 u2 un1
ii. un vn vn , u1 vn , u2 ... vn , un1
u1 , u1 u2 , u2 un1 , un1
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
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
189
2 / 6
w2
u2 1/ 6
w2
1 / 6
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
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.
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
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.
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 cos2 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.
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.
Örnek 10.5
2 3 4
A 5 6 7 matrisinin determinantını bulalım.
8 9 1
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
...
...
...
... ... ... ...
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
23
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.
n
det A ai1Ci1 ai 2Ci 2 ... ainCi 2 aij Cij
j 1
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:
1 3 1 2 2 3 1 3 2 1
C11 1 1, C12 1 1, C13 1
11
1,
0 1 1 1 1 0
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
197
Uygulama Soruları
1.
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
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:
201
11. DETERMİNANTLAR VE UYGULAMALARI
202
Bu Bölümde Neler Öğreneceğiz?
203
Bölüm Hakkında İlgi Oluşturan Sorular
1. Karesel bir matrisin determinantı transpozesinin determinantına eşit midir?
204
Bölümde Hedeflenen Kazanımlar ve Kazanım Yöntemleri
Bir Matrisin Tersi Bir Matrisin Tersi ile Okuyarak, fikir yürüterek,
determinant arasındaki ve bol bol örnek ve
ilişkiyi kavramak uygulama yaparak
205
Anahtar Kavramlar
Singüler matris
Ek matris
Cramer Kuralı
206
Giriş
207
11.1. Determinantın Özellikleri
Aşağıdaki teoremler bazı problemlerde determinantın hemen bulunabileceği bazı özel halleri
vermektedir.
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
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.
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
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
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
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
210
Teorem 11.5 A, n n tipindeki kare bir matrisin regüler olması için gerek ve yeter koşul
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 5k
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.
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
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
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
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
11 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 23
5
1 5 1 5 1 1
3 4 2 4 2 3
C31 1 10, C32 1 4, C33 1
31 3 2 3 3
8
4 2 0 2 0 4
dir.Buna göre,
Elde edilir.
İspat 11.9.
n n
A.adjA ik aij A.adjA jk aij Ckj A ik A A n ik
j 1 j 1
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 A1 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 A1 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
A4 5 6 2 3 3 0
8 9 8 9 8 8
8 8 9
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
bir lineer denklem sistemi verilsin denir. Bu lineer denklem deki sistemi matris-vektör
formunda yazmak istersek,
1
x1 , x2 2 ,..., xn n
215
Şeklinde tek bir çözümü vardır.
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
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
2
X 3
4
olarak bulunur.
217
Uygulamalar
218
Uygulama Soruları
2- Aşağıdaki matrisin tersinir olup olmadığını kontrol ederek tersinir ise terslerini bulunuz..
219
Bu Bölümde Ne Öğrendik Özeti
220
Bölüm Soruları
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 A1 ? 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
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?
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?
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
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
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)
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
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.
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
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
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
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
12.2 Köşegenleştirme
k1 0 ... 0
0 k ... 0
X 1 AX D 2
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.
233
Teorem 12.3. A, 2 2 tipinde 1 ve 2 özdeğerlerine ve bunlara karşılık gelen
0
P 1 AP 1
0 2
Eşitliği gerçekler.
A xX1 yX 2 A.0 0
ve buradan
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
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
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
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
3 1 2 x1 0 3 1 2 x1 0
A 0.I X AX 0 2 0 2 x2 0 2 0 2 x2 0 x1 x2 x3 k
2 1 1 x3 0 0 1 1 x3 0
1
Eğer k 1 X 1 1 özvektörü bulunur. Aynı şekilde 2 3 1 a karşılık gelen öz vektör:
1
2 1 2 x1 0
A 1.I X 0 2 1 2 x2 0 x2 x1 x3
2 1 2 x3 0
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
1 1 0
P 1 2 2
1 0 1
2 1 2
P 3 1 2
1
2 1 1
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
2-Bir matris köşegen hale getirildiğinde köşegen elemanlarının neyi gösterdiğini örneklerle
deneyerek test edin.
239
Uygulama Soruları
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
1 1
2. A matrisinin özvektörleri aşağıdakilerden hangisidir?
2 1
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
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:
243
13. ÖZDEĞER VE ÖZ VEKTÖRLERİN UYGULAMALARI
244
Bu Bölümde Neler Öğreneceğiz?
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
247
Anahtar Kavramlar
Karakteristik polinom
Minimal polinom
248
Giriş
249
13.1. Cayley-Hamilton Teoremi
1 2
Örnek 13.1. A matrisinin karakteristik denklemi,
3 2
1 2
A det A I 2 3 4
3 2
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.
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
3 x 1 1
2 1 2 1 2 x2
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
p x x 1 x 2
r
p x x 1 x 2
2
Teorem 13.2: A , K üzerinde tanımlı bir n n tipinde kare matris olsun.A nın karakteristik
polinomu f x xn a1xn1 ... an1x an olsun. A matrisi tersinir ise,
1 n 1
A1
an
A a1 An2 ... an1 A an1I n
İspat: Cayley-Hamilton teoremine göre her matris kendi karakteristik polinomunun kökü
olduğundan:
251
A1 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 A1
an
ispat tamamlanır.
Örnek 13.3:
3 1 2
A 2 2 1 matrisinin tersini karakteristik polinomundan yararlanarak bulunuz.
2 2 0
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
1
A3 2 A2 A 2 I 0 2 I A3 2 A2 A I A A2 2 A I
2
Ve
A1
1
2
A2 2 A I
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
2 x 3
A x det A xI x2 x 5
1 1 x
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
Elde edilir.
253
13.2. Özdeğer ve Özvektörlerin Diferansiyel Denklemlere Uygulanışı
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
X PY A X A PY
PY
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
254
dx1 dx
1 x1 1 1dt ln x1 1t c x1 C1e1t
dt x1
dy1 dy
2 y1 1 2 dt ln y1 2t c2 y1 C2e2t
dt y1
Olur. Buradan
x C e1t
Y 1 1 t
y1 C2 e 2
ve
C1e1t x
X PY P t
C2 e y
2
Örnek 13.5
dx
2x 3y
dt
dy
4x 5 y
dt
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
1 3 x1 x x x1 3 x2
X PY
1 4 x2 y y x1 4 x2
x1 C1e t ve x2 C2 e 2t
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
Örnek 13.6
dx
4 x 6 y, x 0 1
dt
dy
3x 5 y, y 0 0
dt
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
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,
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
x 2et e 2t
y et e 2t
elde edilir.
258
Uygulamalar
259
Uygulama Soruları
yazınız.
3 0 0
2- 1 3 0 matrisinin minimal polinomunu bulunuz.
0 0 4
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
260
Bu Bölümde Ne Öğrendik Özeti
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
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
5 2 2
5. A 2 5 2 matrisinin özdeğerleri aşağıdakilerden hangisidir?
2 2 5
Cevaplar:
263
14. LİNEER DÖNÜŞÜMLER
264
Bu Bölümde Neler Öğreneceğiz?
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
267
Anahtar Kavramlar
Lineer dönüşüm
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
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
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
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
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
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
L X Y L X L Y
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
i. L 0V 0W
ii. , V için L L L
İspat 14.1 :
L 0V L 0V 0V L 0V L 0V 0w
ii.
L L L
L L (1)
L (1) L
L L
ile tanımlı lineer operatöre birim operatör denir.(Lineerlik şartları sağlar mı? Gösterin.
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.
Tanım 14.3: L : V W bir lineer dönüşüm olsun. ÇekL ile gösterilen V nin,
ÇekL ker L v V : L v 0W
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
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
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
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 =?
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
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.
w1 , w2 ,..., wn W nin birer bazları olsun. L : V W lineer dönüşüm olsun. Bu durumda
…………………………………….
276
L( vm ) am1 w1 am2 w2 ... amn wn
vi i1,m
ve w j
j1,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
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
1 1 1
L e 1 1 1
0 0 1
277
Teorem 14.3: e1 , e2 ,...en V nin bir bazı ve L , V uzayında bir lineer dönüşüm operatörü
L v L . v
e e e
Yazılır.
L P x P x
ile tanımlansın. V x2 , x,1 ve W x ,1 sırasıyla P2 ve P1 in sıralı tabanları olsun. Buna
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
2 0 0
L w
0 1 0
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
Örnek 14.13 L, 3
uzayında L : 3
3
x 2y z
L y x 4y
z 3 x
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)
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
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
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
2 1 0
L v
i 0 3 1
0 0
2 1 0 1
L 0,1, 1 L v . 1 . 1
i 0 3 1 4
1 1
281
Uygulamalar
1-Matematik de sıkça kullanılan ve lineer dönüşüm veya operatör özelliği olan kavramları
ve fonksiyonları araştırınız.
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.
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
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?
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.
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
[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