Lineer Cebirin Temel Kavramları: Vektörlerden Denklem Sistemlerine

Vektörler ve vektör uzayları

Vektör, tek bir sayıdan farklı olarak birden fazla bileşen taşıyan ve toplama ile skalerle çarpma işlemlerine uygun bir matematiksel nesnedir. R^2 içindeki (2, -1) vektörü iki bileşenli bir örnektir; R^3 içindeki (1, 0, 4) ise üç bileşenli bir vektördür. Bileşenler çoğu zaman koordinat gibi yazılsa da vektör fikri yalnızca geometrik oklarla sınırlı değildir. Polinomlar veya matrisler de uygun işlemler altında vektör gibi incelenebilir.

Bir vektör uzayı, vektörlerin toplandığında yine uzayda kaldığı ve herhangi bir skalerle çarpıldığında yine uzayda bulunan bir kümedir. Buradaki skaler genellikle gerçel sayıdır. Örneğin R^2'de iki vektörün toplamı bileşen bileşen yapılır: (2, -1) + (3, 4) = (5, 3). Aynı şekilde 2(2, -1) = (4, -2) olur. Sıfır vektörünün bulunması, her vektörün toplamsal tersinin uzayda yer alması ve bu işlemlerin birleşme-dağılma kurallarına uyması, uzayın hesap yapılabilir ve tutarlı olmasını sağlar.

Vektör uzayındaki her vektör, seçilen yapıdaki temel vektörlerle ifade edilebilir. R^2'nin standart vektörleri e1 = (1, 0) ve e2 = (0, 1) olduğundan (3, 2) = 3e1 + 2e2 yazılır. Bu ifade, daha sonra lineer birleşim ve baz kavramlarının neden gerekli olduğunu gösterir. İç çarpım uzayları ve ortogonallik ise vektörler arasındaki açı ve diklik ilişkilerini ayrıca inceler.

Lineer birleşim, germe, lineer bağımsızlık ve baz

Vektörlerin skaler katsayılarla çarpılıp toplanmasıyla elde edilen ifadeye lineer birleşim denir. v1, v2, ..., vk vektörleri için c1v1 + c2v2 + ... + ckvk biçimindeki her ifade bu türdendir. Bu vektörlerden üretilebilen tüm lineer birleşimler kümesine vektörlerin gerdiği küme ya da germe denir. Böylece germe, birkaç vektörün bir uzayın ne kadarını oluşturabildiğini gösterir.

Örneğin R^2'de v1 = (1, 0) ve v2 = (0, 1) için c1v1 + c2v2 = (c1, c2) olur. c1 ve c2 serbestçe seçilebildiği için bu iki vektör R^2'nin tamamını gerer. Buna karşılık v1 = (1, 2) ve v2 = (2, 4) aynı doğrultudadır; v2 = 2v1 olduğundan bu ikisi yalnızca bir doğruyu gerer. Bir vektörün diğerlerinin lineer birleşimi olarak yazılabilmesi, kümede gereksiz tekrar bulunduğunu gösterir.

Vektörler arasında sıfır vektörünü elde eden, hepsi birden sıfır olmayan katsayıların bulunmadığı durumda vektörler lineer bağımsızdır. Başka bir deyişle c1v1 + ... + ckvk = 0 eşitliğinin tek çözümü tüm katsayıların sıfır olmasıdır. R^2'de (1, 0) ile (0, 1) bağımsızdır; (1, 2) ile (2, 4) ise bağımlıdır. Bir baz, hem uzayı geren hem de lineer bağımsız olan vektör listesidir. Bir baza göre uzaydaki her vektörün koordinatları tektir; bu nedenle baz, soyut bir uzayı sayılarla ifade etmeyi sağlar.

Boyut ve rank kavramı

Bir vektör uzayının boyutu, o uzayın herhangi bir bazındaki vektör sayısıdır. R^2'nin boyutu 2, R^3'ün boyutu 3'tür; ancak boyut yalnızca geometrik uzaylar için kullanılmaz. Polinomlardan oluşan bir uzayda da bağımsız bir bazın kaç elemandan oluştuğu boyutu belirler. Aynı uzayın farklı bazları olabilir, fakat bu bazların eleman sayısı değişmez.

Bir matrisin rankı, matrisin sütunları ya da satırları arasındaki bağımsız bilgi miktarını ifade eder. Sütun uzayının boyutu sütun rankı olarak düşünülebilir ve satır rankıyla aynıdır. Örneğin iki sütun birbirinin skaler katıysa bu iki sütun iki ayrı bağımsız yön taşımaz; rank en fazla 1 olur. Rank, bir lineer denklem sisteminde kaç bağımsız koşul bulunduğunu anlamaya yardım eder. Matrisin sütunları n boyutlu uzayda yer alırken rank, bu sütunların gerdiği uzayın boyutunu verir.

Matrisler ve temel matris işlemleri

Matris, sayıları satır ve sütunlar halinde düzenleyen dikdörtgen bir tablodur. m satır ve n sütundan oluşan matris m x n tipindedir. Matrisler, bir denklem sisteminin katsayılarını topluca yazmak, vektörleri dönüştürmek ve hesapları düzenli biçimde yapmak için kullanılır.

Aynı boyuttaki matrisler, karşılık gelen elemanları toplanarak veya çıkarılarak işlenir. Bir matris skalerle çarpıldığında her eleman o skalerle çarpılır. Matris çarpımında ise ilk matrisin sütun sayısı ikinci matrisin satır sayısına eşit olmalıdır. Sonuç matrisinin her elemanı, birinci matrisin ilgili satırı ile ikinci matrisin ilgili sütununun skaler çarpımıyla bulunur. Bu nedenle genel olarak AB = BA değildir.

Örneğin A = [[1, 2], [3, 4]] ve B = [[2, 0], [1, 5]] için AB = [[4, 10], [10, 20]] olur. İlk eleman, A'nın ilk satırı ile B'nin ilk sütununun çarpımından gelir: 1·2 + 2·1 = 4. Birim matris I, çarpımda sayısal 1 gibi davranır: AI = IA = A. Kare bir A matrisi için A^-1 varsa AA^-1 = A^-1A = I olur; bu ters matris, bilinmeyen vektörü katsayı matrisinden ayırmak için kullanılabilir.

Lineer dönüşümler ve matris gösterimleri

Lineer dönüşüm, vektör uzayları arasında toplama ve skalerle çarpma işlemlerini koruyan bir fonksiyondur. T(u + v) = T(u) + T(v) ve T(cv) = cT(v) koşulları, dönüşümün lineer olduğunu belirtir. Bir baz seçildiğinde dönüşüm, her sütunu baz vektörlerinin görüntüsünü içeren bir matrisle gösterilebilir. Böylece bir vektöre dönüşüm uygulamak, o vektörün koordinatlarını bu matrisle çarpmaya dönüşür.

Örneğin A = [[2, 0], [0, 3]] matrisi (x, y) vektörünü (2x, 3y) vektörüne gönderir; yatay yöndeki bileşen iki, düşey yöndeki bileşen üç katına çıkar. Ardışık iki lineer dönüşümün matrisi, ilgili matrislerin çarpımıyla bulunur. Bu durum matris çarpımının yalnızca tablo işlemi olmadığını, dönüşümlerin art arda uygulanmasını da temsil ettiğini gösterir. Düzlemde öteleme gibi orijini sabit bırakmayan işlemler ise bu temel lineer dönüşüm tanımına doğrudan uymaz.

Vektörlerin düzlemde ve uzayda nasıl yön değiştirdiğini görmek için geometrik yorumlar yararlıdır; bu yorumlar dönüşümün uzatma, sıkıştırma veya yön değiştirme etkisini sezgisel hâle getirir. Özdeğer ve özvektör kavramları, bir dönüşüm uygulandığında yönü değişmeden yalnızca ölçeği değişen özel vektörleri tanımlar.

Lineer denklem sistemleri ve çözüm yapısı

Lineer denklem sistemi, bilinmeyenlerin birinci dereceden bulunduğu birden fazla denklemin birlikte çözülmesidir. Sistem, katsayı matrisi A, bilinmeyenler sütun matrisi x ve sabitler sütun matrisi b kullanılarak A x = b biçiminde yazılır. Burada A'nın her satırı bir denklemin katsayılarını, x bilinmeyenleri, b ise sağ taraf sabitlerini taşır. Bu gösterim, denklemleri tek tek yazmak yerine aralarındaki ortak yapıyı görünür kılar.

Bir sistemin çözümü üç durumda bulunabilir: tek çözüm, hiç çözüm veya sonsuz sayıda çözüm. Katsayıların oluşturduğu koşullar birbiriyle çelişirse çözüm yoktur. Bir ya da daha fazla serbest değişken kalır ve çelişki oluşmazsa sonsuz çözüm vardır. Her bilinmeyen bağımsız biçimde belirlenebiliyorsa tek çözüm elde edilir. Geometrik olarak iki değişkenli denklemlerin grafikleri düzlemde doğrulardır; bu doğrular tek noktada kesişebilir, paralel olabilir veya çakışarak aynı doğruyu oluşturabilir.

Örneğin x + y = 5 ve x - y = 1 sistemi toplanarak 2x = 6 sonucunu verir; buradan x = 3 ve y = 2 bulunur. Aynı sistem A = [[1, 1], [1, -1]], x = [[x], [y]] ve b = [[5], [1]] biçiminde A x = b olarak yazılır. A terslenebilirse çözüm x = A^-1b ile elde edilir; bu yaklaşım, tek bir denklemi ters sayıyla çarparak bilinmeyeni yalnız bırakma fikrinin matris biçimidir.

Sistemleri elle çözmede Gauss eliminasyonu, satır işlemleriyle genişletilmiş matrisi daha basit bir biçime dönüştürür; amaç pivotları ve varsa serbest değişkenleri görünür kılmaktır. Daha ayrıntılı işlem adımları Gauss eliminasyonu konusuna bırakılır.

Determinant ve ters matrisin temel anlamı

Determinant, yalnızca kare matrisler için tanımlanan ve matrise tek bir sayı karşılık getiren bir büyüklüktür. 2 x 2 matrisi A = [[a, b], [c, d]] için determinant det(A) = ad - bc biçimindedir. Determinantın sıfır olmaması, matrisin terslenebilir olduğunu gösterir; determinant sıfırsa ters matris yoktur. Bu nedenle determinant, kare bir katsayı matrisinin tek çözüm üretip üretemeyeceğini önceden anlamada önemli bir ölçüttür.

Ters matris A^-1, A ile çarpıldığında birim matrisi veren matristir: AA^-1 = A^-1A = I. A x = b sisteminde A terslenebilirse her iki taraf A^-1 ile çarpılır ve x = A^-1b elde edilir. Böylece katsayı matrisinin etkisi geri alınır ve bilinmeyen vektörü bulunur. Örneğin det(A) sıfır olmayan bir 2 x 2 katsayı matrisi, iki bağımsız koşulun bulunduğunu ve sistemin tek çözümünün olacağını gösterir.

Determinantın mutlak değeri, dönüşümün alan veya hacmi ne ölçüde ölçeklediğiyle de ilişkilidir. Determinantın sıfır olması, uzayın bir boyutunun çöktüğünü ve dönüşümün tersinin alınamayacağını ifade eder. Determinant hesaplamak için 3 x 3 matrislerde özel çapraz çarpım düzenleri kullanılabilir; ancak temel karar açısından en önemli ayrım determinantın sıfır olup olmamasıdır.