Lineer Cebir Ders Notları

İçindekiler
1 Lineer Denklemler ve Matrisler 3
1.1 Lineer Denklem Sistemleri . . . . . . . . . . . . . . . . . . . . . 3
1.2 Matrisler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3 Matris İşlemleri . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.1 Matris Toplamı . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.2 Scaler ile Matris Çarpımı . . . . . . . . . . . . . . . . . . 16
1.3.3 Bir Matrisin Transpozu . . . . . . . . . . . . . . . . . . . 17
1.3.4 Matrislerin Çarpımı . . . . . . . . . . . . . . . . . . . . . 18
1.4 Matris İşlemlerinin Cebirsel Özellikleri . . . . . . . . . . . . . . 23
1.5 Lineer Denklem Sistemleri . . . . . . . . . . . . . . . . . . . . . 31
2 Lineer Denklemlerin Çözümü 34
2.1 Bir Matrisin Eşelon Formu . . . . . . . . . . . . . . . . . . . . . 34
2.2 Lineer Denklem Sitemlerinin Çözümü . . . . . . . . . . . . . . . 41
2.3 Homojen Denklem Sistemleri . . . . . . . . . . . . . . . . . . . . 48
2.4 Elemanter Matrisler ve A−1 Ters Matrisi Bulmak . . . . . . . . 52
1
3 Determinantlar 61
3.1 Temel Tanımlar . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.2 Determinant Özellikleri . . . . . . . . . . . . . . . . . . . . . . . 66
3.3 Kofactor Açılımı . . . . . . . . . . . . . . . . . . . . . . . . . . 76
3.4 Bir Matrisin Tersi . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.5 Determinantların Bir Başka Uygulaması . . . . . . . . . . . . . 83
4 Reel Vektör Uzayları 88
4.1 Düzlemde (R2 ) Vektörler . . . . . . . . . . . . . . . . . . . . . . 88
4.2 Uzayda (R3 ) Vektörler . . . . . . . . . . . . . . . . . . . . . . 93
4.3 Reel Vektör Uzayları . . . . . . . . . . . . . . . . . . . . . . . . 99
2
Bölüm 1
Lineer Denklemler ve Matrisler
1.1 Lineer Denklem Sistemleri
Matematik, Fizik, Biyoloji, Kimya, Ekonomi, Muhendislik alanları, Sosyal Bil-

imler gibi bir çok alanlardaki yapılan çalışmalarda çoğu kez karşılaşılan prob-
lemlerden biri verilen bir Lineer Denklem Sisteminin çözümünü elde etmektir.
Şimdi a1 , a2 , . . . , an ve b önceden verilen reel veya komplex sabitler olmak

üzere
a1 x1 + a2 x2 + a3 x3 + · · · + an xn = b (1.1)
şeklindeki bir denkleme x1 , x2 , . . . , xn bilinmeyenlerine göre bir Lineer Den-
klem denir.
Bir s1 , s2 , . . . , sn sayı dizisine (1.1) lineer denkleminin bir çözümü denir,

eğer x1 = s1, x2 = s2 , . . . , xn = sn ler (1.1) de yerine konulduğunda denklem
sağlanıyorsa. Örneğin, x1 = 2, x2 = 3, ve x3 = −4
6x1 − 3x2 + 4x3 = −13
denkleminin bir çözümüdür çünkü,
6 · (2) − 3 · (3) + 4 · (−4) = −13 dür.
Daha genel olarak; x1 , x2 , . . . , xn bilinmeyenlerine göre m tane lineer den-
klemden oluşan sistem
3
a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn = b1
a21 x1 + a22 x2 + a23 x3 + · · · + a2n xn = b2
a31 x1 + a32 x2 + a33 x3 + · · · + a3n xn = b3 (1.2)
.. .. .. .. ..
. . . . .
am1 x1 + am2 x2 + am3 x3 + · · · + amn xn = bm
şeklindedir. Bir s1 , s2 , . . . , sn sayı dizisine (1.2) lineer denklem sisteminin
bir çözümü denir, eğer x1 = s1, x2 = s2 , . . . , xn = sn ler (1.2) deki herbir
denklemde yerine konulduğunda (1.2) deki denklemler sağlanıyorsa. Eğer (1.2)
denklem sisteminin bir çözümü yoksa denklem sistemine tutarsız denir.
Eğer, (1.2) denklem sisteminde b1 = b2 = b3 = · · · bn = 0 ise bu sisteme

homojen sistem denir. Dikkat edecek olursak; x1 = x2 = x3 = · · · xn = 0
homojen denklemin daima bir çözümüdür ve bu çözüme aşikar çözüm denir.
x1 , x2 , x3 , · · · xn = 0 lerin hepsinin aynı anda sıfır olmadığı çözümlere de
aşikar olmayan çözüm denir.
Şimdi n bilinmeyenli r tane denklemden oluşan bir başka denklem sistemini

göz önüne alalım:
c11 x1 + c12 x2 + c13 x3 + · · · + c1n xn = d1

c21 x1 + c22 x2 + c23 x3 + · · · + c2n xn = d2
c31 x1 + c32 x2 + c33 x3 + · · · + c3n xn = d3 (1.3)
.. .. .. .. ..
. . . . .
cr1 x1 + cr2 x2 + cr3 x3 + · · · + crn xn = dr
Eğer (1.2) ve (1.2) lineer denklem sistemlerinin çözümleri tamamen aynı ise
bu denklem sistemlerine denk sistemler diyeceğiz.
ÖRNEK 1.1.1
x1 − 3x2 = −7
(1.4)
2x1 + x2 = 7
lineer denklem sisteminin tek çözümü x1 = 2 ve x2 = 3 dür. Diğer yandan
8x1 − 3x2 = 7
3x1 − 2x2 = 0 (1.5)
10x1 − 2x2 = 14
sistemininde yegane çözümü x1 = 2 ve x2 = 3 dir. Dolayısıyla (1.4) ve (1.5)
denk sistemlerdir.
4
Bir lineer denklem sisteminin çözümünü bulmak için eleme yöntemi adını
vereceğimiz bir yöntem kullanacağız. Yani, bir denklemin herhangi bir katını
bir diğer denkleme ekleyerek bazı değişkenleri eleyebiliriz. Bunu yaparken
karşımıza çözümünü bulmak kolay ve orjinal denklem sitemine denk olan yeni
bir denklem sistemi ortaya çıkarır.
ÖRNEK 1.1.2 Bir kümeste yaşayan Tavuk ve Tavşanların sayısı 30 ve ayak-

ları toplamı da 100 olduğuna göre kümeste kaç tane tavuk ve tavşanın olduğunu
hesaplayalım.
x :=tavşan sayısı ve y :=tavuk sayısını göstersin. Buna göre denklem

sistemimiz
x + y = 30
4x + 2y = 100
şeklinde oluşur. Şimdi birinci denklemin −4 katını ikinci denkleme eklersek
−2y = −20
elde ederiz. Yani x bilinmeyenini yok etmiş olduk. Buradan y = 10 buluruz.
Bunu birinci denklemde yerine yazarsak x = 20 elde ederiz.
ÖRNEK 1.1.3 Aşağıdaki denklem sistemini göz önüne alalım:
x + 2y + 3z = 6
2x − 3y + 2z = 14 (1.6)
3x + y − z = −2
Şimdi x değişkenini elemek için, birinci denklemin −2 katını ikinci denkleme
ve −3 katını da üçüncü denkleme eklersek
−7y − 4z = 2
(1.7)
−5y − 10z = −20
denklem sistemini elde ederiz. Burada bilinmeyenler y ve z dir. Bu sistemde
ikinci denklemi −1/5 ile çarparsak
−7y − 4z = 2
(1.8)
y + 2z = 4
5
elde ederiz. Denklemlerin sırasını değiştirirsek
y + 2z = 4
(1.9)
−7y − 4z = 2
Burada da birinci denklemin 7 katını ikinci denkleme eklersek
10z = 30
ki buradan da z = 3 buluruz. z = 3 değerini (1.9) daki birinci denklemde

yerine yazarsak y = −2 elde ederiz. Bu y = −2 ve z = 3 değerlerini (1.6) da
birinci denklemde yerine yazarsak da x = 1 buluruz.
Dikkat edecek olursak eleme sürecinde ortaya çıkan denklem sistemi
x + 2y + 3z = 6
y + z = 4 (1.10)
z = 3
Burada dikkat edecek olursak (1.6) ve (1.10) denklem sistemleri denk sistem-
lerdir fakat (1.10) denklem sisteminin çözümünü elde etmek daha kolaydır.
Bazen denklem sistemlerinin çözümü birden fazla hatta hiç çözümüde ol-
mayabilir. Şimdi bunlara birer örnek verelim:
ÖRNEK 1.1.4
x − 3y = −7
(1.11)
2x − 6y = 7
Denklem sisteminde birinci denklemin −2 katını ikinci denkleme eklersek
0 = 21
buluruz ki, bu da verilen denklem sisteminin tutarsız olduğunu yani çözümünün

olmadığını gösterir.
ÖRNEK 1.1.5
x + 2y − 3z = −4
(1.12)
2x + y − 3z = 4
6
Burada birinci denklemin −2 katını ikinci denkleme eklersek
−3y + 3z = 12
denklemini elde ederiz. Bunun bir çözümü y = z − 4 ve z de herhangi bi

reel sayı olabilir. Bu değerleri (1.12) denklem sistemindeki birinci denklemde
yerine yazarsak
x = −4 − 2y + 3z
= −4 − 2(z − 4) + 3z
= z+4
elde ederiz. Böylece (1.12) denklem sisteminin çözümü
x = z+4
y = z−4
z = herhangi bir reel sayı
şeklinde olur. Yani, her defasında z ye bir değer verirsek denklem sisteminin
bir başka çözümünü elde ederiz.
7
Eleminasyon yöntemini daha yakından inceleyecek olursak; verilen bir
denklem sistemini bir başka denk denklem sistemine çevirebilmek için 3
tane maniplasyon olduğunu görürüz:
1. i. ve j. denklemleri yer değiştirmek
2. denklem sistemindeki herhangi bir denklemi sıfırdan farklı bir sabi-

tle çarpmak
3. i. denklemin yerine j. denklemin c katını i.denkleme ekleyerek

elde edilen denklemi yazmak (i 6= j); yani, denklem sistemindeki
i.denklem
ai1 x1 + ai2 x2 + · · · + ain xn = bi
yerine
(caj1 + ai1 )x1 + (caj2 + ai2 )x2 + · · · + (cajn + ain )xn = cbj + bi
denklemini yazmak
Bu maniplasyonlar yapılarak oluşturulan yeni denklem sistemi başta verilen

orjinal denklem sistemine denk olduğunu ispatlamak kolaydır. (ÖDEV)
8
ALIŞTIRMALAR 1.1
1. Aşağıdaki lineer denklem sistemlerini eleme yöntemini kullanarak çözünüz

½  2x − 3y + 4z = −12
x + 2y = 8
a) b) x − 2y + z = −5
3x − 4y = 4 
3x + y + 2z = 1

 3x + 2y + z = 2 ½
x+y = 5
c) 4x + 2y + 2z = 8 d)
 3x + 3y = 10
x−y+z = 4

 2x + 4y + 6z = −12 ½
x + y − 2z = 5
e) 2x − 3y − 4z = 15 f)
 2x + 3y + 4z = 2
3x + 4y + 5z = −8
½ ½
x + y + 3z = 12 3x + 4y − z = 8
g) h)
2x + 2y + 6z = 6 6x + 8y − 2z = 16
 
 2x + 3y = 13  x + 3y = −4
i) x − 2y = 3 k) 2x + 5y = −8
 
5x + 2y = 27 x + 3y = −5
 
 x − 5y = 6  2x + 3y − z = 6
l) 3x + 2y = 1 m) 2x − y + 2z = −8
 
5x + 2y = 1 3x − y + z = −7
2.
2x − y = 5
4x − 2y = t
lineer denklem sisteminde;
a) hangi t değeri için sistem tutarlıdır?

b) hangi t değeri için sistem tutarsızdır?
c) sistemi tutarsız yapan kaç tane t değeri vardır?
9
3. Her homojen lineer denklem sistemi tutarlı mıdır? Açıklayınız.
4. Aşağıdaki lineer denklem sisteminde
2x + 3y − z = 11
x − y + 2z = −7
4x + y − 2z = 12
x = 1, y = 2 ve z = r olacak şekilde bir r değeri varmıdır? Varsa

bulunuz.
5. Aşağıdaki lineer denklem sisteminde
3x − 2z = 4
x − 4y + z = −5
−2x + 3y + 2z = 9
x = r, y = 2 ve z = 1 olacak şekilde bir r değeri varmıdır? Varsa

bulunuz.
6. Bir diyetisyen A, B ve C yiyeceklerinden oluşan bir öğün hazırlamak is-

tiyor. Bir kilo A yiyeceğinde 2 birim protein, 3 birim yağ ve 4 birim
karbonhidrat; bir kilo B yiyeceğinde 3 birim protein, 2 birim yağ 1 birim
karbonhidrat;bir kilo C yiyeceğinde 3 birim protein, 3 birim yağ, 2 bir-
imde karbonhidrat bulunmaktadır. Bu öğünde tam olarak 25 birim pro-
tein, 24 birim yağ ve de 21 birim karbonhidrat bulunması gerektiğine
göre herbir yiyecekten ne kadar kullanılmalıdır.
7. Bir p(x) = ax2 + bx + c parabolü üzerinde üç notka (1, −5), (−1, 1) ve
(2, 7) olduğuna göre a, b ve c değerlerini bulunuz.
10
1.2 Matrisler
Bir önceki kısımda anlattığımız eleme yöntemini inceleyecek olursak; bu üç

tane maniplasyon bir denklem sistemine uygulandığında x1 , x2 , . . . , xn bilin-
meyenlerinin önündeki sayılar ile b1 , b2 , . . . , bn sayılarının değiştiğini görürüz.
Dolayısıyla bu eleme yönteminde her defasında bilinmeyenleri yazmak isteme-
sek bu konuda matrisler bize çok kullanışlı gelir. Aynı zamanda matrisler, bir
lineer denklem sistemini daha etkili biçimde yazabilmemizi ve de eleminasyon
yöntemi ile bilgisayarda otomatik olarak çözümleri daha kolay hesaplayabilmem-
ize imkan verir.
Matrisler sadece kullanışlı bir notasyon değildir. Matrisler üzerinde işlemler

tanımlayacağız ve bazı özelliklerini keşfedeceğiz. Bu da bize denklem sistem-
lerinin çözümlerini ve başka hesaplamalara dayanan problemlerde oldukça etk-
ili ve de hızlı olabilmeyi mümkün kılar.
Herhangi iyi bir tanımın yaptığı gibi matris kavramı da sadece eski prob-
lemlere yeni bir bakış getirmeyip aynı zamanda yeni bir takım problemlerde
ortaya çıkarırlar.
TANIM 1.2.1 Bir m × n tipinde A matrisi; m · n tane reel veya kompleks

sayının m−tane satır ve n−tane sütuna yerleştirerek oluşturulan aşağıdaki gibi
bir dikdörtgen tablodur:
 
a11 a12 a13 ··· ··· ··· a1n
 a21 a22 a23 ··· ··· ··· a2n 
 
 a31 a32 a33 ··· ··· ··· a3n 
 
 .. .. .. .. 
A=

. . . ··· ··· ··· . 

 .. .. .. .. 
 . . . ··· aij ··· .  ←− i.satır (1.13)
 .. .. .. .. 
 . .··· ··· ···. . 
am1 am2 am3 · · · · · · · · · amn
x

j.sütun
A matrisinin i.satırı (1 ≤ i ≤ m)
£ ¤
ai1 ai2 ai3 · · · ain ve
11
A matrisinin j.sütunu (1 ≤ j ≤ n)
 
a1j
 a2j 
 
 a3j 
  dir.
 .. 
 . 
amj
Eğer m = n ise A matrisine n.mertebeden bir kare matris ve a11 , a22 , a33 , . . . , ann
sayılarına da A nın esas köşegeni denir.
ÖRNEK 1.2.2
 
· ¸ 1 1 0
1 2 3
A= ve B= 2 0 1 
−1 0 1
3 −1 2
matrisleri için A, 2 × 3 tipinde bir matrisi ve B de 3 × 3 tipinde bir kare

matristir. Diğer yandan
a12 = 1, a13 = 3 ve a22 = 0 dır ve b11 = 1, b22 = 0, b33 = 2 dir.
ÖRNEK 1.2.3 Aşağıdaki matris belirtilen şehirler arası havayolu uzaklığını

göstermektedir.
London Madrid Newyork Tokyo

 
London 0 785 3469 5959
Madrid  785 0 3593 6706 
 
Newyork  3469 3593 0 6757 
Tokyo 5959 6706 6757 0
ÖRNEK 1.2.4 Bir üreticinin 3 farklı ürün üreten 4 tane atölyesi bulun-
maktadır. j.atölyenin bir hafta içinde i ürününden kaçtane ürettiğini aij ile
12
gösterirsek (3 × 4) tipindeki
1.Atölye 2.Atölye 3.Atölye 4.Atölye

 
1.Ürün 560 360 380 0
2.Ürün  340 450 420 80 
3.Ürün 280 270 210 380
matrisi üreticinin bir haftalık üretimini gösterir.
TANIM 1.2.5 İki m × n tipinden A = [aij ] ve B = [bij ] matrisine eşittir

diyeceğiz eğer
i = 1, 2, 3, . . . , m ve j = 1, 2, 3, . . . n için aij = bij
oluyorsa
ÖRNEK 1.2.6
   
1 2 −1 1 2 w
A =  2 −3 4  ve B= 2 x 4 
0 −4 5 y −4 z
matrislerinin eşit olabilmeleri için
w = −1, x = −3, y = 0 ve z = 5
olması gereklidir.
ÖRNEK 1.2.7
   
1 2 −1 1 2 w
A =  2 −3 4  ve B= 2 x 4 
0 −4 5 y −4 z
matrislerinin eşit olabilmeleri için
w = −1, x = −3, y = 0 ve z = 5
olması gereklidir. Aşağıdaki soruları da siz çözünüz.
13
· ¸ · ¸
a+b c+d 4 6
A= =
c−d a−d 10 2
ise a, b, c ve d değerlerini bulunuz.
· ¸ · ¸
a + 2b 2a − b 4 −2
A= =
2c + d c − 2d 4 −3
ise a, b, c ve d değerlerini bulunuz.
14
1.3 Matris İşlemleri
Bu kısımda verilen matrislerden yeni matrisler oluşturan bazı işlemleri vereceğiz.

Bu işlemler sayesinde örneğin,lineer denklem sistemleri ile ilgilendiğimizde sadece
matrisleri değiştirerek denklem sistemini her defasında tekrar tekrar yazma-
mayı mümkün kılar. Bu işlemler ve matris maniplasyonları matrislerin diğer
uygulama alanlarında da çok faydalıdır.
1.3.1 Matris Toplamı
TANIM 1.3.1 A = [aij ] ve B = [bij ] matrislerinin her ikisi de m × n tipinde

ise bunların toplamı A + B ile gösterilir ve
A + B := [aij + bij ]
ile tanımlanır. Yani, A ve B matrislerinde karşılıklı gelen elemanların toplamıyla

A + B matrisi elde edilmiştir. Dikkat edecek olursak, A + B matrisi de m × n
tipindedir.
NOT: Toplama işleminde toplanacak matrislerin tiplerinin aynı olması gerek-

mektedir.
ÖRNEK 1.3.2
· ¸ · ¸
1 −2 3 0 2 1
A= ve B=
2 −1 4 1 3 −4
matrisleri verilsin. Bunların toplamı

· ¸ · ¸
1 + 0 −2 + 2 3+1 1 0 4
A+B = = .
2 + 1 −1 + 3 4 + (−4) 3 2 0
ÖRNEK 1.3.3 Bir fabrikatör belli bir ürünün 3 farklı A, B ve C mod-

elerinden üretiyor. Herbir modelin önce Ankara daki F1 fabrikasında yarısı
yapılıyor sonra geri kalan kısmı İstanbul daki F2 fabrikasında üretimi tamam-
lanıyor. Bir modelin toplam maaliyeti üretim ve nakliye maaliyetlerinden
15
oluşmaktadır. Her bir fabrikadaki maaliyet 3 × 2 tipinde aşağıda ki şekilde
verilebilir.
Üretim Nakliye
maaliyeti maaliyeti
32 40 A modeli
F1 =  50 80  B modeli
70 20 C modeli
Üretim Nakliye
maaliyeti maaliyeti
40 60 A modeli
F2 =  50 50  B modeli
130 20 C modeli
Üretim Nakliye
maaliyeti
 maaliyeti 
70 100 A modeli
F1 + F2 =  100 130  B modeli
200 40 C modeli
F1 + F2 Toplam matrisi her bir modelin toplam maaliyetini gösterir. Buna

göre örneğin C modelinin toplam üretim ve nakliye maaliyeti sırasıyla 200 TL
ve 40 TL dir.
1.3.2 Scaler ile Matris Çarpımı
TANIM 1.3.4 Bir m × n tipindeki A = [aij ] matrisi ile bir r sayısının

çarpımı rA ile gösterilir ve
rA := [r aij ]
ile tanımlanır. Yani, rA matrisi A matrisinin her bir bileşenini r sayısı
ile çarparak elde edilmiştir. Dikkat edecek olursak, rA matrisi de m × n
tipindedir.
16
ÖRNEK 1.3.5
· ¸ · ¸ · ¸
4 −2 −3 (−2)4 (−2)(−2) (−2)(−3) −8 4 6
(−2) = =
7 −3 2 (−2)7 (−2)(−3) (−2)2 −14 6 −4
ÖRNEK 1.3.6 Bir mağazadaki 4 faklı ürünün fiyatı

 
18, 95
 14, 75 
F :=  8, 60 

16, 45
matrisi ile gösterilsin. Yapılan anonsta her bir ürüne %20 indirim geldiği
söylenmiştir.
a) Herbir üründe yapılan indirim miktarını

b) Her bir ürünün yeni fiyatını
gösteren matrisi bulunuz.

   
(0.20)18, 95 3, 79
 (0.20)14, 75   2, 95 
a) 0.20 F =    
 (0.20)8, 60  =  1, 72 
(0.20)16, 45 3, 29
     
18, 95 3, 79 15, 16
 14, 75   2, 95   11, 80 
b) F − 0.20 F =     
 8, 60  −  1, 72  = 

6, 88 
16, 45 3, 29 13, 16
1.3.3 Bir Matrisin Transpozu
TANIM 1.3.7 Bir m × n tipindeki A = [aij ] matrisinin transpozu , AT , ile

gösterilir ve a0ij = aji olmak üzere n × m tipindeki
AT := [a0ij ]
matrisi ile tanımlanır . Yani, AT matrisi A matrisinin satırlarını sütun ya-
parak veya aynı şey demek olan sütunlarını satır yaparak elde edilen matristir.
17
ÖRNEK 1.3.8
   
· ¸ 6 2 −4 5 4
4 −2 −3
A= , B =  3 −1 2  ve C =  −3 2 
0 5 −2
0 4 3 2 −3
matrislerinin transpozları
   
4 0 6 3 0 · ¸
5 −3 2
AT =  −2 5 , B T =  2 −1 4  T
ve C =
4 2 −3
3 −2 −4 2 3
dir.
1.3.4 Matrislerin Çarpımı
TANIM 1.3.9 Bir m × p tipindeki A = [aij ] matrisi ile bir p × n tipindeki

B = [bij ] matrisinin çarpımı A B ile gösterilir ve
(1 ≤ i ≤ m, 1 ≤ j ≤ n), cij := ai1 b1j + ai2 b2j + ai3 b3j + · · · + aip b1p
p
X
= aik bkj (1.14)
k=1
olmak üzere m × n tipindeki

A B = [cij ]
matrisi ile tanımlanır .
ÖRNEK 1.3.10
 
· ¸ −2 5
1 2 −1
A= ve B =  4 −3 
3 1 4
2 1
matrislerinin çarpımı
18
· ¸
(1)(−2) + (2)(4) + (−1)(2) (1)(5) + (2)(−3) + (−1)(1)
AB =
(3)(−2) + (1)(4) + (4)(2) (3)(5) + (1)(−3) + (4)(1)
· ¸
4 −2
=
6 16
ÖRNEK 1.3.11
  
1 −2 3 1 4
A= 4 2 1  ve B =  3 −1 
0 1 −2 −2 2
matrislerinin çarpımının (3, 2) bileşenini bulmak istersek A matrisinin 3.satırı

ile B matrisinin 2.sütununu çarpacağız. Yani
   
0 4
 1  ·  −1  = −5
−2 2
ÖRNEK 1.3.12
  
1 x 3 2
A =  2 −1 1  ve B =  4 
0 1 −2 y
matrislerinin çarpımı · ¸
12
AB =
6
ise x ve y değerlerini bulunuz.
  
1 x 3 2 · ¸ · ¸
2 + 4x + 3y 12
A B =  2 −1 1  4  =
4−4+y 6
0 1 −2 y
olduğundan
2 + 4x + 3y = 12
y = 6
Böylece x = −2 ve y = 6 bulunur.
19
Matrislerin çarpımının temel özelliklerini bir sonraki kısımda vereceğiz.
Fakat, matris çarpımı matris toplamamından biraz fazla dikkat gerektirir. Bu-
rada birkaç hususu göz önüne getirmek gerekir. Çünkü, matris çarpımının ce-
birsel özellikleri reel sayılardaki çarpma işleminin sağladığı cebirsel özelliklerden
farklıdır. Çünkü, sadece A nın sütun sayısı B nin satır sayısına eşit olduğunda
A B çarpım matrisi tanımlanabilmektedir. Peki B A çarpım matrisi ne olabilir?
Bunun için üç farklı durum ortaya çıkabilir:
£ ¤ £ ¤
A := aij m×p ve B := bij p×n
• n 6= m olduğunda B A tanımlanamaz.
• B A tanımlanmış ise m = n olmak zorundadır. Bu durumda da B A
matrisi p × p tipinde ve A B matrisi de m × m tipinden olur. Yani,
m 6= n ise A B ve B A matrisleri farklı tipten olurlar
• A B ve B A matrislerinin her ikisi de aynı tipten olursa bunlar eşit te
olabilirler farklı da olabilirler
ÖRNEK 1.3.13
£ ¤ £ ¤
1) A := aij 2×3 ve B := bij 3×4 matrisleri için
£ ¤
A B = cij 2×4 şeklinde bir matris olabilirken B A matrisi tanımlanamaz.
£ ¤ £ ¤
2) A := aij 2×3 ve B := bij 3×2 matrisleri için
£ ¤ £ ¤
A B = cij 2×2 ve B A = dij 3×3 tipinde matrislerdir.
· ¸ · ¸
1 2 2 1
3) A := ve B := matrisleri için
−1 3 0 1
· ¸ · ¸
2 3 1 7
AB = ve B A = olup A B 6= B A dır.
−2 2 −1 3
Matris toplamı ve matrislerin eşitliği doğal bir yolla tanımlanırken matrislerin

çarpımı neden daha karmaşık tanımlanmıştır diye sorulabilir. Bunun sebe-
bini ilerde fonksiyonların bileşke işlemini ve matrisler ile lineer dönüşümler
arasında var olan ilişkileri gördüğümüz zaman daha iyi anlayacağız. Matris
çarpımının biraz daha anlaşılmasına yardımcı olabilecek aşağıdaki örneği vere-
biliriz.
20
ÖRNEK 1.3.14 Bitkiler üzerine sıkılan böcek ilacının bir kısmı bitki tarafından
emilir. Bu ilaçlar bitkileri yiyen otcul hayvanların kanına karışır. Otcul hay-
vanların kanına karışan böcek ilacının miktarını şu şekilde belirleyebiliriz:
Kabul edelim ki, 3 farklı böcek ilacı ve 4 farklı bitki bulunmaktadır. aij ile
j.bitkiye karışan i.ilacının miktarını (miligram cinsinden) gösterirsek toplam
bilgi
1.Bitki 2.Bitki 3.Bitki 4.Bitki

 
2 3 4 3 1.İlaç
A= 3 2 2 5  2.İlaç
4 1 6 4 3.İlaç
matrisi ile temsil edilebilir. Şimdi de 3 tane otcul hayvan var ve bij ile de
j.hayvanın bir ayda yediği i.bitki miktarını gösterirsek toplam bilgi
1.Hayvan 2.Hayvan 3.Hayvan

20 12 8 1.Bitki
 28 15 15  2.Bitki
B=



30 12 10 3.Bitki
40 16 20 4.Bitki
matrisi ile temsil edilebilir. Bu durumda A B matrisinin (i, j) bileşeni j.hayvanın

kanına karışan i.ilacın miktarını gösterir. Örneğin, A B matrisinin (2, 3) bileşeni
b23 = 3(8)+2(15)+2(10)+5(20) = 174mg (3.hayvanın kanına karışan 2.ilacın miktarı )
ALIŞTIRMALAR 1.2
   
· ¸ 3 2 3 −1 3
2 1 3
1. A := B :=  1 1  C :=  4 3 6 
2 5 1
2 6 2 2 4
 
· ¸ 2 −4 5 · ¸
3 −2 −5 2
D := E :=  3 2 −7  F :=
2 4 3 6
−1 3 5
21
 
0 0 0
O :=  0 0 0  matrisleri için (mümkünse) aşağıdakileri hesaplayınız
0 0 0
(a) C + E ve E + C (b) A+B (c) D−F (d)
−3C + 5O
(e) 2C − 3E (f) 2B + F (g) 3D + 2F (h)
3A + 2A
(i) 2(D + F ) ve 2D + 2F (j) (2 + 3)D ve 2D + 3D (k) 3(B + D)
(l) AT ve (AT )T (m) (C + E)T ve C T + E T (n) (2D + 3F )T

(o) D − DT (p) 2AT + B (r) (3B T − 2A)T
 
· ¸ y · ¸
1 2 x 6
2. A := B :=  x  matrisleri için A B = ise x ve
3 −1 2 8
1
y değerlerini bulunuz.
 
1 −1 2  
 3  1 0 −1 2
2 4 
3. A :=   
 4 −2 3  B := 3 3 −3 4 matrisleri verilsin. A B
4 2 5 1
2 1 5
nin 1. ve 3.sütunlarını bulunuz.
22
1.4 Matris İşlemlerinin Cebirsel Özellikleri
TEOREM 1.4.1 (Matris Toplamının Özellikleri)

Kabul edelim ki A, B ve C matrisleri m × n tipinden olsunlar.
(a) A + B = B + A
(b) A + (B + C) = (A + B) + C
(c) Her m × n tipinden A matrisi için bütün bileşenleri 0 olan, m × n tipin-

denbir tek O sıfır matrisi vardır ki,
A+O =A dır.
(d) Her m × n tipinden A matrisi için m × n tipindenbir tek D sıfır matrisi

vardır ki,
A + D = O dır.
Bundan sonra D yerine −A yazacağız. Yani,
A + (−A) = O dır.
−A matrisine A nın negatifi denir. Aynı zamanda −A matrisini (−1)A

olarak ta yazacağız.
İSPAT: Alıştırma olarak okuyucuya bırakılmıştır. 2
TEOREM 1.4.2 (Skaler Çarpımın Özellikleri)

Kabul edelim ki R ve s reel sayılar; A ve B de matrisler olsunlar.
(a) r(sA) = (rs)A
(b) (r + s)A = rA + sA
(c) r(A + B) = rA + rB
(d) A(rB) = r(AB) = (rA)B
23
TEOREM 1.4.3 (Transpoz işleminin Özellikleri)
Kabul edelim ki R bir reel sayı; A ve B de matrisler olsunlar.
T
(a) (AT ) = A
(b) (A + B)T = AT + B T
(c) (AB)T = B T AT
(d) (rA)T = r AT
TEOREM 1.4.4 (Matris Çarpımının Özellikleri)

Kabul edelim ki A, B ve C matrisleri çarpım tanımına uyan tipten olsunlar.
(a) A(BC) = (AB)C
(b) (A + B)C = AC + BC
(c) C(A + B) = CA + CB
İSPAT:
£ ¤ £ ¤ £ ¤
(a) A := aij m×n , B := bij n×p C := cij p×q olsun. Aynı zamanda
£ ¤ £ ¤
AB = D := dij m×p , BC = E := eij n×q
, £ ¤ £ ¤
(AB)C = F := fij m×q ve A(BC) = G := gij m×q olsun.
24
n n
Ã p
!
X X X
gij = air erj = air brk ckj
r=1 r=1 k=1
p p
Ã n !
X X X
fij = dik ckj = air brk ckj
k=1 k=1 r=1
p
X ¡ ¢
= ai1 b1k + ai2 b2k + · · · + ain bnk ckj
k=1
p
X ¡ ¢ ¡ ¢ ¡ ¢
= ai1 b1k ckj + ai2 b2k ckj + · · · + ain bnk ckj
k=1
p
X ¡ ¢ ¡ ¢ ¡ ¢
k=1
p p p
X X X
k=1 k=1 k=1
n n
Ã p
!
X X X
= air erj = air brk ckj
r=1 r=1 k=1
= gij
(b) ve (c) şıkları alıştırma olarak okuyucuya bırakılmıştır. 2
ÖRNEK 1.4.5

  1 0 2
· ¸ 2 −1 1 0
5 2 3  2 −3 0 
A= , 
B= 0 2 2 2  ve C = 
 0

2 −3 4 0 3 
(2×3) 3 0 −1 3 (3×4)
2 1 0 (4×3)
Matrisleri verilsin. Bu durumda
 
· ¸ 0 3 7 · ¸
5 2 3   43 16 56
A(BC) = 8 −4 6 =
2 −3 4 12 30 8
9 3 3
 
· ¸ 1 0 2 · ¸
19 −1 6 13 
 2 −3 0 
= 43 16 56
(AB)C =
16 −8 −8 6  0 0 3  12 30 8
2 1 0
25
Yani, A(BC) = (AB)C dir.
ÖRNEK 1.4.6
 
· ¸ · ¸ 1 0
2 2 3 0 0 1
A= , B= ve C =  2 2 
3 −1 2 2 3 −1
(2×3) (2×3) 3 −1 (3×2)
Matrisleri verilsin. Bu durumda
 
· ¸ 1 0 · ¸
2 2 4  2  18 0
(A + B)C = 2 ==
5 2 1 12 3
3 −1
· ¸ · ¸ · ¸
15 1 3 −1 18 0
AC + BC = + =
7 −4 5 7 12 3
Yani, (A + B)C = AC + BC dir.
ÖRNEK 1.4.7
· ¸ · ¸
1 2 4 −6
A= ve B =
2 4 −2 3
matrislerinin her ikiside sıfır değiller fakat
· ¸
0 0
AB =
0 0
ÖRNEK 1.4.8
· ¸ · ¸ · ¸
1 2 2 1 −2 7
A= , B= ve C =
2 4 3 2 5 −1
matrisleri için
· ¸
8 5
AB = AC =
16 10
fakat B 6= C olduğuna dikkat edelim.
26
Matris çarpımının reel sayıların çarpımından farklı olan özelliklerini şu
şekilde özetlebiliriz :
1. A B matrisi B A matrisine eşit olması gerekmiyor
2. A 6= O B 6= O iken A B = O olabiliyor.
3. B 6= C iken A B = A C olabiliyor.
NOT: Matrislerin toplama işleminde sıfır matrisinin O etkisiz eleman ( birim

eleman) rolü oynadığını gördük. Aynı durum matris çarpımı işlemininde de
doğal olarak akla gelebilir. Şimdi bu hususu açıklığa kavuşturalım.
£ ¤
TANIM 1.4.9 dii = 1 ve i 6= j iken dij = 0 olmak üzere In := dij n×n
matrisine n.mertabeden birim matris denir. Yani,
 
1 0
0 ··· 0
 0 1
0 ··· 0 
 
 0 0
1 ··· 0 
In :=  
 .. ..
.. ...... .. 
 . .
. ... . 
0 0 0 ··· 1 n×n
£ ¤
Kolayca görülebilir ki, herhangi bir A := aij m×n matrisi için
A In = A ve Im A = A dır.
Buradan da anlaşılacağı üzere In matrisi çarpma işleminde etkisiz eleman
görevini yapmaktadır. Yalnız matris çarpımı matrislerin tiplerine bağlı olarak
tanımlandığından herhangi bir matrisin çarpma işlemine göre tersinden bahsede-
meyiz. Bunu sadece kare matrisler için yapabiliriz.
£ ¤
TANIM 1.4.10 Bir A := aij n×n kare matrisine terslenebilir matris denir,
eğer
A B = In ve B A = In
27
£ ¤
olcak şekilde bir B := bij n×n kare matrisi bulunabiliyorsa. Bu B matrisine
A nın tersi denir ve A−1 ile gösterilir.
NOT : Tanımdan da anlaşılacağı gibi verilen her kare matrisin bir tersi ol-
mayabilir. Bununla birlikte verilen bir matrisin tersi varsa bunu bulmak için
değişik yöntemler ilerki bölümlerde vereceğiz.
İlerde Teorem 2.4.13 de göstereceğiz ki A B = In ise B A = In dir. Dolayısıyla

bir B matrisinin verilen bir A matrsinin tersi olup olmadığını kontrol etmek
için sadece A B = In olduğunu göstermek yeterli olacaktır.
ÖRNEK 1.4.11
· ¸ · 3
¸
2 3 −1
A= ve B = 2
2 2 1 −1
matrisleri için
A B = In ve B A = In dir.
Dolayısıyla B matrisi A nın tersidir.
TEOREM 1.4.12 Bir kare matrisin tersi varsa yeganedir. ( tek türlüdür)
İSPAT: A Kare matrsinin iki tane tersi B ve C matrsileri olsun. Bu

durumda
A B = B A = In ve A C = C A = In dir.
Dolayısıyla,
B = B In = B(AC) = (BA)C = In C = C dir.
2
· ¸
3 2
ÖRNEK 1.4.13 A := matrsinin tersini bulmaya çalışalım.
· ¸ 5 3
x z
A−1 := olsun. Bu durumda
y t
28
· ¸· ¸ · ¸
−1 3 2 x z 1 0
AA = = I2 =
5 3 y t 0 1
· ¸ · ¸
3x + 2y 3z + 2t 1 0
=
5x + 3y 5z + 3t 0 1
3x + 2y = 1 3z + 2t = 0
ve
5x + 3y = 0 5z + 3t = 1
denklem sistemlerini çözersek x = −3, y = 5, z = 2 ve t = −3 buluruz.
Dolayısıyla · ¸
−1 −3 2
A = dir.
5 −3
NOT: Tersi bulunacak matrisin tipi daha büyük olsaydı çözmemiz gereken
daha fazla sayıda denklem ve bilinmeyen ortaya çıkacaktı. Bu nedenle örnekte
kullanılan yöntem asla pratik ve kullanışlı değildir ve dolayısıyle hiç tercih
edilmez.
TEOREM 1.4.14
(i) A ve B terslenebilir kare matrisler ise A B de terslenebilir matrisdir ve
(A B)−1 = B −1 A−1 .
(ii) A terslenebilir bir kare matris ise A−1 de terslenebilir matrsidir ve

¡ ¢−1
A−1 = A.
(iii) A terslenebilir bir kare matris ise AT de terslenebilir matrisidr ve
(AT )−1 = (A−1 )T .
İSPAT: (i) (A B)(B −1 A−1 ) = A (B B −1 ) A−1 = (A In ) A−1 ) = A A−1 = In

Benzer şekilde (B −1 A−1 )(A B) = In olduğu da gösterilebilir. Böylece, (A B)−1 =
B −1 A−1 olduğu gösterilmiş olur.
29
(ii) Tanımdan açıktır.
(iii) A A−1 = In . Bu eşitsizliğin her iki tarafından
(A A−1 )T = (A−1 )T AT = InT = In

buluruz ve benzer şekilde AT (A−1 )T = In olduğu da gösterilebilir. 2
ALIŞTIRMALAR 1.3
 
· ¸ · ¸ 1 0
1 3 −1 3 2
1. A := , B := ve C :=  3 −1 
2 −1 1 −3 4
1 2
matrisleri için
A(BC) = (AB)C özelliğinin sağlandığını gösteriniz.
· ¸ · ¸ · ¸
2 −3 2 0 1 2 1 −3
2. A := , B := ve C :=
3 −1 −2 1 −3 2 −3 4
matrisleri için
C(A + B) = CA + CB özelliğinin sağlandığını gösteriniz.
     
2 3 −1
3. A :=  −1  , B :=  −2  ve C :=  5  matrisleri için
3 4 1
(a) (A B T ) C matrisini bulunuz.
(b) B T C matrisini hesaplayıp sonra sağdan A matrisi ile çarpınız.
(c) Neden (A B T ) C = (B T C) A olduğunu açıklayınız.
4. Birbirine eşit olmayan iki tane 2 × 2 tipinde matris yazın ki, çarpımları
0 olsun.
5. İki tane farklı 2 × 2 tipinde matrisler oluşturun ki, kareleri birim matris
olsun.
6. İki tane farklı 2 × 2 tipinde matrisler oluşturun ki, kareleri sıfır matrisi
olsun.
· ¸ · ¸
2 1 1
7. A := ve x := matrisleri için A x = r x olacak şekilde
1 2 1
bir r skaleri bulunuz.
30
1.5 Lineer Denklem Sistemleri
n Tane bilinmeyenli ve m tane denklemden oluşan aşağıdaki denklem sistemini

göz önüne alalım.
a11 x1 + a12 x2 + · · · + a1n xn = b1
a21 x1 + a22 x2 + · · · + a2n xn = b2
.. .. .. .. (1.15)
. . . .
am1 x1 + am2 x2 + · · · + amn xn = bm
Şimdi aşağıdaki matrisleri tanımlayalım:
     
a11 a12 ··· a1n x1 b1
 a21 a22 ··· a2n   x2   b2 
     
A :=  .. .. .. , x :=  .. , b :=  .. .
 . . .   .   . 
am1 am2 · · · amn xn bn
Bu durumda
    
a11 a12 ··· a1n x1 a11 x1 + a12 x2 + · · · + a1n xn
 a21 a22 ··· a2n  x2   a21 x1 + a22 x2 + · · · + a2n xn 
    
Ax =  .. .. ..  .. = .. .. .. 
 . . .  .   . . . 
am1 am2 · · · amn xn am1 x1 + am2 x2 + · · · + amn xn
Görüldüğü gibi A x sütun matrisinin bileşenleri (1.15) in sol tarafına

eşittir. Dolayısıyla (1.15) denklem sistemi
Ax = b
şeklinde yazılabilir. Buradaki A matrisine (1.15) denklem sisteminin kat-
sayılar matrisi ve
 ¯ 
a11 a12 ··· a1n ¯ b1
¯
 a21 a22 ··· a2n ¯ b2 
 ¯ 
 .. .. .. ¯ .. 
 . . . ¯ . 
¯
am1 am2 · · · amn ¯ bn
31
matrisine
£ de¤ genişletilmiş katsayı matrisi (augmented matris ) denir ve
bazen A | b ile de gösterilir.
Lineer denklem sistemi (1.15) de eğer b1 = b2 = · · · = bm = 0 oluyorsa

lineer sisteme homojen sistem adını vermiştik. Böyle bir sistem de
Ax = O
ile gösterilir.
ÖRNEK 1.5.1
−2x + z = 5
2x + 3y − 4z = 7
3x + 2y + 2z = 3
lineer denklem sistemi için
    
−2 0 1 x 5
A :=  2 3 −4  , x :=  y  , ve b :=  7  .
3 2 2 z 3
matrislerini tanımlarsak verilen denklem sistemini
Ax = b
şeklinde yazabiliriz. Katsayılar matrisi A matrisidir ve genişletilmiş katsayılar
matrisi de
 ¯ 
−2 0 1 ¯¯ 5
 2 3 −4 ¯ 7  .
¯
3 2 2¯ 3
£ ¤
Şimdi A := aij n×n kare matrisi ise
Ax = b
32
lineer denklem sistemi n bilinmeyenli ve de n tane denklemden oluşur. Eğer A
katsayılar matrisi terslenebilen bir matris ise bu eşitliğin her iki tarafını A−1
ile çarparsak;
A−1 (A x) = A−1 b
(A−1 A) x = A−1 b
In x = A−1 b
x = A−1 b
Ayrıca, x = A−1 b verilen denklem sisteminin açıkca bir çözümüdür. Böylece

A katsayılar matrisi terslenebilen bir matris ise denklem sisteminin bir tek
çözümü vardır.
33
Bölüm 2
Lineer Denklemlerin Çözümü
2.1 Bir Matrisin Eşelon Formu
Bu kısımda lineer denklem sistemlerini çözmek için kullanılan lise sıralarında

öğrendiğimiz eleme ( yok-etme) yöntemini ele alacağız ve matris terminolojisini
kullanarak yöntemi daha sistematik hale getireceğiz. Verilen n bilinmeyenli
m tane denklemden oluşan lineer denklem sisteminin genişletilmiş katsayılar
matrisine belirli işlemler yaparak yeni bir matris bulacağız. Bu bulduğumuz
yeni matrisin temsil ettiği denklem sistemi verilen orjinal denklem sistemine
denk ( çözümleri aynı )olacak. Burada en önemli husus yeni sistemin daha
kolay çözülebilmesidir. Örneğin, genişletilmiş katsayı matrisi
 ¯ 
1 2 0 ¯¯ 3
 0 1 1 ¯ 2 .
¯
0 0 1¯ 1
olan denklem sistemi
x1 + 2x2 = 3
x2 + x3 = 2
x3 = −1
olup çözümü
34
x3 = −1
x2 = 2 − x3 = 2 + 1 = 3
x1 = 3 − 2x2 = 3 − 6 = −3.
Bu kısımda yapacağımız en temel iş, verilen denklem sisteminin genişletilmiş

katsayılar matrisini maniplasyonlar yaparak çözümün kolay bulunabileceği bir
şekle sokmak olacaktır.
£ ¤
TANIM 2.1.1 Bir A := aij m×n matrisine satırca indirgenmiş eşelon
form da bir matris denir eğer aşağıdakiler sağlanıyorsa;
(a) Bütün bileşenleri sıfır olan bir satır ( varsa ) matrisin en alt satırlarında
olmalı
(b) Tamamı sıfır olmayan satırlarda soldan sağa doğru olan sıfırdan farklı
ilk bileşen 1 olmalı
(c) Tamamı sıfır olmayan satırlarda soldan sağa doğru yönde bulunan ilk 1
sayısı önceki satırlarda gözüken 1 lerin sağında ve aşağısında yer almalı
(d) Bir sütunda eğer 1 varsa bu sütunun diğer bütün bileşenleri sıfır olmalı
NOT : Tanımdaki (a), (b) ve (c) şılarını sağlayan matrise sadece eşelon
formda matris denir. İndirgenmiş eşelon formdaki bir matriste tamamı sıfır
olan satırlar olmayabilir. Tamamen benzer tanım sütun indirgenmiş eşelon
form tanımlanabilir. Bunu tanımdaki satır kelimesini sütun ve sütun ke-
limesinin yerine de satır yazmakla yapabiliriz.
ÖRNEK 2.1.2 Aşağıdaki matrisler satır indirgenmiş formdadır.

 
  1 0 0 0 −2 4
1 0 0 0  0 1 0 0 
 0 1 0 0   4 8 
A=   , 
B= 0 0 0 1 7 −2 ,
0 0 1 0  
 0 0 0 0 0 0 
0 0 0 1
0 0 0 0 0 0
ve  
1 2 0 0 1
C =  0 0 1 2 3 .
0 0 0 0 0
35
Aşağıdaki matrisler de indirgenmiş eşelon formda değildirler. ( Neden?)
   
1 2 0 4 1 0 3 4
D= 0 0 0 0 , E =  0 2 −2 5  .
0 0 1 −3 0 0 1 2
   
1 0 3 4 1 2 3 4
 0 1 −2 5   0 1 −2 5 
F =
 0
, G= .
1 2 2   0 0 1 2 
0 0 0 0 0 0 0 0
Aşağıdaki matrisler de eşelon formdadır.

 
1 5 0 2 −2 4  
 0 1 0 3 1 0 0 0
 4 8 
  0 1 0 0 
H=  0 0 0 1 7 −2 ,
 I=
 0
,
 0 0 0 0 0 1 0 
0 0 
0 0 0 1
0 0 0 0 0 0
ve
 
0 0 1 3 5 7 9
 0 0 0 0 1 −2 3 
 
J =
 0 0 0 0 0 1 2 
.
 0 0 0 0 0 0 1 
0 0 0 0 0 0 0
Şimdi her matrisin satır eşelon veya indirgenmiş satır eşelon forma getir-
ilebileceğini göreceğiz.
TANIM 2.1.3 Aşağıdakilerden herhangi birine matris üzerinde bir eleman-

ter satır operasyonu denir.
I.Tip Herhangi iki satırı ( sütunu )yer değiştirmek
II.Tip Bir satırı ( sütunu )sıfırdan farklı bir sayı ile çarpmak
36
III.Tip Bir satırın ( sütunun ) herhangi bir katını bir başka satıra ( sütuna
) eklemek
Verilen bir matrise lineer sistemin genişletilmiş katsayılar matrisi bakıldığında

elemanter satır operasyonlarının bir denklem sistemindeki denklemlere yaptığımız
maniplasyonlara denk olduğunu görürüz.
£ ¤ £ ¤
TANIM 2.1.4 Bir B := bij m×n matrisi A := aij m×n matrisine satırca
(sütunca) denktir denir, eğer A matrisine sonlu tane elemanter satır (sütun)
operasyonu uygulandığında B matrisi bulunabiliyorsa.
ÖRNEK 2.1.5  
1 2 4 3
A :=  2 1 3 2 
1 −2 2 3
verilsin. Şimdi A matrisinin 3.satırının 2 katını 2.satıra eklersek
 
1 2 4 3
B :=  4 −3 7 8 
1 −2 2 3
matrisini buluruz. Dolayısıyla, B matrisi A matrisine denktir.
B matrisinde 2. ve 3. satırları yer değiştirirsek
 
1 2 4 3
C :=  1 −2 2 3 
4 −3 7 8
Böylece C matrisi de B ye denk olmuş olur.
C matrisinin 1. satırını 2 ile çarparsak
 
2 4 8 6
D :=  1 −2 2 3 
4 −3 7 8
Yani D de C ye denk olmuş olur. Tanım gereği D matrisi A matrisine

denktir.
37
NOT: Kolayca gösterilebilir ki tanımda verilen bağıntı bir denklik bağıntısıdır.
Yani
(a) Her matris satırca kendine denktir.
(b) B matrisi A ya denk ise A matrisi de B ye denktir.
(c) C matrisi B ye denk ve B matrisi de A matrisine denmk olsun. Bu

durumda, C matrisi A ya denktir.
£ ¤
TEOREM 2.1.6 Her sıfır olmayan A := aij m×n matrisi bir satır (sütun)
eşelon matrise satırca (sütunca) denktir.
İSPAT: A nın satır eşelon formdaki bir matrise satır denk olduğunu ispat-
layacağız. Yani, sadece elemanter satır operasyonlarını kullanarak A matrisini
satır eşelon formda bir matrise dönüştüreceğiz. Tamamen benzer ispat sütun
operasyonlarını yaparak sütun denklik için yapılabilir.
Öncelikle A matrisinde bütün bileşenleri sıfır olmayan ilk sütunu aramaya

başlarız. Bu sütuna pivot sütun ve sıfırdan farklı ilk bileşene de pivot denir.
Kabul edelim ki, pivot sütunu j ve pivot ta i. satırda bulunmaktadır.£ Şimdi, ¤
gerekli olursa 1.satır ile i.satırı yer değiştirerek oluşan matrisi B := bij m×n
ile gösterelim. Bu durmda pivot b1j dir ve £ 6=¤ 0 dır. B matrisinin birinci satırını
1/b1j ile çarparak oluşan matrisi C := cij m×n ile gösterelim. Dikkat edecek
olursak, cij = 1 dir. Eğer, 2 ≤ h ≤ m için, chj 6= 0 ise bu şekildeki bütün
h lar için C matrisinin birinci satırının −chj katını h.satırına eklersek C nin
j.sütununun birinci bileşeni hariç diğer bütün bileşenleri sıfır olur. Oluşan ma-
trisi D ile gösterlim. D matrisinde birinci satır yokmuş gibi düşünelim ve aynı
işlemi tekrar edelim. Bu sefer de ikinci satır eşelon formdaki gibi olacaktır.
Böyle devam edersek sonuçta A matrisini satır eşelon forma dönüştürmüş olu-
ruz.
38
ÖRNEK 2.1.7
Pivot Sütunu
 ↓ 
0 0 2 3 −4 1
A := 
 0 0 0 2 3 4 

 0 2 2 −5 2 4 
0 2 0 −6 9 7
- Pivot
matrisinde Pivot sütunu 2.sütun ve pivot da a31 = 2 dir. Şimdi 1.satır ile
3.satırı yer değiştirirsek
 
0 2 2 −5 2 4
 0 0 0 2 3 4 
B := 
 0

0 2 3 −4 1 
0 2 0 −6 9 7
B matrisinde birinci satırı 1//b1j ile çarparsak
 
0 1 1 −5/2 1 2
 0 0 0 2 3 4 
C := 
 0

0 2 3 −4 1 
0 2 0 −6 9 7
matrisini buluruz. Bu matrisin birinci satırının (−2) katını 4.satırına eklersek
 
0 1 1 −5/2 1 2
 0 0 0 2 3 4 
D := 
 0

0 2 3 −4 1 
0 0 −2 −1 7 3
D de 2. satır ile 3.satırı yer değiştirelim.
 
0 1 1 −5/2 1 2
 0 0 2 3 −4 1 
 
 0 0 0 2 3 4 
0 0 −2 −1 7 3
39
2.satırı 1/2 ile çarpalım;
   
0 1 1 −5/2 1 2 0 1 1 −5/2 1 2
 0 0 1  
3/2 −2 1/2  ∼  0 0 1 3/2 −2 1/2 
 =  (S3 +(2)·S2 )
 0 0 0 2 3 4   0 0 0 2 3 4 
0 0 −2 −1 7 3 0 0 0 2 3 4
2.satırı 1/2 ile çarpalım

   
0 1 1 −5/2 1 2 0 1 1 −5/2 1 2
 0 0  
1 3/2 −2 1/2  ∼  0 0 1 3/2 −2 1/2 
 =  (S4 +(−2)·S2 )
 0 0 0 1 3/2 2   0 0 0 1 3/2 2 
0 0 0 2 3 4 0 0 0 0 0 0
Görüldüğü gibi en son matris eşelon formdadır.
£ ¤
TEOREM 2.1.8 Her sıfır olmayan A := aij m×n matrisi bir satır (sütun)
indirgenmiş eşelon matrise satırca (sütunca) denktir.
£ ¤
İSPAT: Önce verilen A := aij m×n matrisini Teorem 2.1.6 nin ispatında
ki gibi eşelon forma dönüştürürüz. Sonra 1 lerin üstlerini sıfırlayabiliriz: Bunu
aşağıdaki örnekle açıklayalım. 2
ÖRNEK 2.1.9 Örnek 3.4.4 in devamı
 
0 1 1 − 52 1 2
 
 
 0 0 1 3
−2  1
 2  2
A1 := 



 0 0 0 1 3
2 
 2 
 
0 0 0 0 0 0
matrisinde 3.satırın (−3/2) katını 2.satırın üstüne eklersek ve (5/2) katını da
1. satırın üstüne eklersek
40
 19

0 1 1 0 4
7
 
 
 0 0 1 0 − 17 − 5 
 4 2 
A2 := 



 0 0 0 1 3
2 
 2 
 
0 0 0 0 0 0
Şimdi de birinci satırın üstüne 2. satırın (−1) katını eklersek nihai sonuca
ulaşırız.
 19

0 1 0 0 9 2
 
 
 0 0 1 0 − 17
− 5 
 4 2 
 
 
 0 0 0 1 3
2 
 2 
 
0 0 0 0 0 0
2.2 Lineer Denklem Sitemlerinin Çözümü
Şu ana kadar Lineer Denklem sistemleri için iki tane açık ve kolay yöntem
geliştirdik. Bunlardan biri eleme yöntemi diğeri de kare matrisin tersini kullan-
mak. Şimdi bahsedeceğimiz yönteme Gauss Eleminasyon Yöntemi denir.
Burada temel fikir, bize
Ax = b
£ ¤
lineer denklem sistemi verildiğinde A | b genişletilmiş katsayılar matrisine
£ ¤
denk olan ve ya eşelon formda £ya da¤ indirgenmiş eşelon formda bir C | d
matrisi bulacağız.
£ Bu
¤ yöntemde A | b matrisine elemanter satır operasyonları
uygulayarak C | d matrisine ulaşacağız.
Gauss Eleminasyon Yöntemi iki adımdan oluşur:
£ ¤
1. Adım Elemanter satır operasyonlarını £kullanarak
¤ A | b genişletilmiş katsayılar
matrisini satır eşelon formdaki C | d matrisine dönüştür.
41
£ ¤
2. Adım C | d matrisinde geriye doğru bilinmeyenleri yerine koyarak çözümleri
elde et
Eğer A matrisi n×n tipinde

£ bir
¤ kare matris ise A x = b denklem sisteminin
bir tek çözümü olur ve de C | d matrisi de
 ¯ 
1 c12 c13 ··· c1n ¯ d1
¯
 0 c22 c23 ··· c2n ¯ d2 
 ¯ 
 .. .. .. .. ¯ .. 
 . . . . ¯ . 
 ¯ 
 0 0 0 ··· 1 cn−1 n ¯ dn−1 
¯
0 0 0 ··· 0 1 ¯ dn
şeklinde olur. Bu matrisin temsil ettiği denklem sistemi
x1 + c12 x2 + c13 x3 + · · · + c1n xn = d1

x2 + c23 x3 + · · · + c2n xn = d2
.. .. ..
. . .
xn−1 + cn−1 n xn = dn−1
xn = d n
Geriye doğru yerine koyma ile çözümü
xn = dn
xn−1 = dn−1 − cn−1 n xn
..
.
x2 = d2 − c23 x3 − c24 x4 − · · · − c2n xn
x1 = d1 − c12 x2 − c13 x3 − · · · − c1n xn
şeklinde elde ederiz.
ÖRNEK 2.2.1
x + 2y + 3z = 9
2x − y + z = 8
3x − z = 3
denklem sisteminin genişletilmiş katsayılar matrisi
42
 ¯ 
1 2 3 ¯ 9
£ ¤ ¯
A | b :=  2 −1 1 ¯¯ 8  .
3 0 −1 ¯ 3
Şimdi bu matrisi satır eşelon forma dönüştürürsek
 ¯ 
£ ¤ 1 2 3 ¯¯ 9
C | d :=  0 1 1 ¯¯ 2  .
0 0 1¯ 3
Geriye yerine koyma ile çözümü
z = 3
y = 2 − z = 2 − 3 = −1
x = 9 − 2y − 3z = 9 + 2 − 9 = 2
elde ederiz.
A nın m × n olması durumunda benzer şeyler yapılır fakat, ortaya çıkabilen

bazı karışık durumları
£ açıklığa
¤ kavuşturmamız gerekiyor. Bu sebeple, C matrisi
m × n tipinden ve C | d de satır eşelon formda bir matris olmak üzere
Cx=d
lineer denklem sistemini göz önüne alacağız.
 
1 c12 c13 · · · c1n d1
 0 0 1 c24 · · · c2n d2 
 
 .. .. .. .. .. .. 
 . . . . . . 
 
£ ¤  0 0 ··· 0 1 ck−1 n dk−1 
C |d = 
 0 ··· 0 1 dk
.

 .. 
 0 ··· . 0 dk+1 
 
 .. .. .. 
 . . . 
0 ··· 0 dm
Bu genişletilmiş katsayılar matrisinin temsil ettiği denklem sistemi
43
x1 + c12 x2 + c13 x3 + · · · + c1n xn = d1
+ x3 + c24 x4 + ··· + c2n xn = d2
..
.
xn−1 + ck−1 n xn = dk−1
xn = dk
0x1 + ··· + 0xn = dk+1
.. ..
. .
0x1 + ··· 0xn = dm
• Eğer dk+1 = 1 ise C x = d denklem sisteminin çözümü yoktur. Çünkü,

en azından bir denklem sağlanmıyor.
£ ¤
• C | d matrisi satır eşelon formda olduğundan, eğer dk+1 = 0 ise dk+2 =
· · · = dm = 0 olur. Bu durumda xn = dk , xn−1 = dk−1 − ck−1 n xn , ve
böylece geriye doğru devam ederek diğer bilinmeyenleri buluruz.
• Çözümlerde bazı bilinmeyenler herhangi değerler alabilen parametre olarak

seçtiğimiz diğer bilinmeyenler cinsinden ifade edilebilir. Bu ise C x = d
denklem sisteminin sonsuz çoklukta çözümünün olduğunu belirtir.
• Her bir bilinmeyenin belirlenmiş bir tek değeri olur ki, bu da sistemin
tek çözümünün olduğunu belirtir.
ÖRNEK 2.2.2
 
1 2 3 4 5 6
£ ¤  0 1 2 3 −1 7 
C |d = 
 0
.
0 1 2 3 7 
0 0 0 1 2 9
x4 = 9 − 2x5
x3 = 7 − 2x4 − 3x5 = 7 − 2(9 − 2x5 ) − 3x5 = −11 + x5
x2 = 7 − 2x3 − 3x4 + x5 = 2 + 5x5
x1 = 6 − 2x2 − 3x3 − 4x4 − 5x5 = −1 − 10x5
x5 = herhangi reel sayı
44
Böylece bütün çözümler
x1 = −1 − 10r
x2 = 2 + 5r
x3 = −11 + r
x4 = 9 − 2r
x5 = r, herhangi reel sayı
ÖRNEK 2.2.3  
£ ¤ 1 2 3 4 5
C |d =  0 1 2 3 6 .
0 0 0 0 1
denklem sisteminin çözümü yok çünkü, son denklem
0x1 + 0x2 + 0x3 + 0x4 = 1
hiç bir zaman sağlanmaz.
£ ¤
Gauss - Jordan eleminasyon yöntemini kullandığımız zaman A £ | b ¤genişletilmiş
katsayılar matrisini satırca indirgenmiş eşelon matris olan C | d ye indirg-
eriz. Bu durumda yerine koyma yapmaksızın direk çözümü yazarız.
ÖRNEK 2.2.4  
1 0 0 0 5
£ ¤  0 1 0 0 6 
C |d = 
 0
.
0 1 0 7 
0 0 0 1 8
denklem sisteminin çözümü
x1 = 5
x2 = 6
x3 = 7
x4 = 8.
Lineer denklem sistemleri bir çok uygulamalarda karşımıza çıkarlar. Bunlardan

bazılarını orneklerle gorelim.
45
ÖRNEK 2.2.5 ( Quadratic İnterpolasyon )
2
i 6=©j için xi 6= xj olmak üzere P (x)
ª := ax + bx + c parabolü üzerinde üç
nokta (x1 , y1 ), (x2 , y2 ), (x3 , y3 ), olsun. a, b, ve c katsayılarını bulunuz.
P (x1 ) = y1 veya ax21 + bx1 + c = y1

P (x2 ) = y2 veya ax22 + bx2 + c = y1
P (x3 ) = y3 veya ax23 + bx3 + c = y1
Olduğundan katsayılar matrisi
 
x21 x1 1
A :=  x22 x2 1 
x23 x3 1
ve
   
a y1
v :=  b , ve y :=  y2  matrislerini tanımlarsak denklem sistemini
£ ¤ c y3
C | d şeklinde gösterebiliriz. Bu durumda da genişletilmiş katsayılar matrsi
 2

£ ¤ x 1 x 1 1 y 1
A | y =  x22 x2 1 y2  .
x23 x3 1 y3
© ª
Örneğin, üç farklı noktası (1, −5), (−1, 1), (2, 7), olan parabolü
bulmak istesek
 
£ ¤ 1 1 1 −5
A | y =  1 −1 1 1 .
4 2 1 7
Bunun çözümüde a = 5, b = −3, c = −7 dir. O halde aranan parabol
P (x) := 5x2 − 3x − 7 dir.
ÖRNEK 2.2.6 ( Isı Dağılımı )

Bir kare plaka üzerinde ısı dağılımına ilişkin basit bir model bir lieer denklem
46
sisteminin oluşumuna neden olur. Uygun denklem sistemini oluşturmak için
aşağıdaki bilgiyi kullanalım. Bu kare plaka üst ve alt kısımlardan mükemmel
bir şekilde izole edilmiş öyleki, ısı akışı sadece plaka üzerinde oluşmaktadır.
Dört kenar değişik ısılara maruz bırakılmıştır. Kare üzerinde bir iç noktadaki
sıcaklığı tahmin etmek için bu noktanın etrafında (Kuzey, Güney, Doğu ve
Batısındaki) dört noktanın aritmetik ortalamasını alırız.
Kare plakanın üzerine eşit aralıklarla yerleştirilmiş bulunan Ti (i =

1, 2, 3, 4) noktalarındaki sıcaklığı tahmin edelim
110◦
• •
• •T •T •
◦ 1 2
60 40◦
• •T •T •
3 4
• •
0◦
60 + 100 + T2 + T3
T1 = veya 4T1 − T2 − T3 = 160
4
T1 + 100 + 40 + T4
T2 = veya − T1 + 4T2 − T4 = 140
4
60 + T1 + T4 + 0
T3 = veya − T1 + T3 − T4 = 60
4
T3 + T2 + 40 + 0
T4 = veya − T2 − T3 + 4T4 = 40
4
Bu denklem sistemi için genişletilmiş katsayılar matrisi
 
4 −1 −1 0 160
£ ¤  −1 4 0 −1 140 
A | b := 
 −1

0 4 −1 60 
0 −1 −1 4 40
Gauss eleminasyon kullanılarak çözümleri
T1 = 65◦ , T2 = 60◦ , T3 = 40◦ , T4 = 35◦
olarak buluruz.
47
2.3 Homojen Denklem Sistemleri
n Bilinmeyenli ve m tane denklemden oluşan A x = 0 homejen denklemin her

zaman sıfır, 0 , çözümü vardır.
ÖRNEK 2.3.1 Homojen denklem sisteminin katsayılar matrisi

 
1 0 0 0 2 0
 0 0 1 0 3 0 
 .
 0 0 0 1 4 0 
0 0 0 0 0 0
satırca indirgenmiş eşelon formda olduğundan sistemin çözümü
x1 = −2r
x2 = s
x3 = −3r
x4 = −4r
x5 = r
Burada r ve s keyfi reel sayılardır.
NOT: Bir homojen denklem sisteminde bilinmeyen sayısı n denklem sayısı m

den büyük olursa homojen sistemin her zaman sıfırdan farklı çözümleri olur.
ÖRNEK 2.3.2 Aşağıdaki homojen denklem sisteminin çözümlerini bulalım.

x + y + z + w =0
x + w =0
x + 2y + z =0
sistemin genişletilmiş katsayılar matrisi
 
1 1 1 1 0
 1 0 0 1 0 .
1 2 1 0 0
satırca  
1 0 0 1 0
 0 1 0 −1 0  .
0 0 1 1 0
48
matrisine denktir. Dolayısıyla çözümler
x = −r
y = r
z = −r
w = r, herhangi bir reel sayı.
NOT: Homojen ve Homojen olmayan denklem sistemleri arasında şöyle bir

ilişki vardır: A x = b, b 6= 0 denklem sisteminin özel bir çözümü xp
ve
A x = 0 homojen kısmın bir çözümü de xh olsun.
Bu durumda xp +xh , verilen A x = b denklem sisteminin bir çözümüdür.
ALIŞTIRMALAR 2.1
 
1 2 −3 1
 −1 0 3 4 
1. A := 
 0
 matrisi veriliyor.
1 2 −1 
2 3 0 −3
(a) A matrisine satırca denk olan satır eşelon formada B ve C matrisleri

bulunuz
(b) A ya satırca denk olan indirgenmiş eşelon formda bir D matrisi
bulunuz.
2. A matrisi n × n tipinde satırca indirgenmiş eşelon formda bir matris

olsun. Gösteriniz ki, A 6= In ise A matrisinde bir sıfır satırı vardır.
3. Aşağıdakileri ispatlayınız.
(a) Her matris kendine satırca denktir.
(b) Eğer B matrisi A matrisine satırca denk ise A da B ye satırca
denktir.
(c) Eğer C matrisi B matrisine satırca denk ve B matrisi de A matrisine
satırca denk ise bu durumda C matrisi A matrisine satırca denktir.
49
4. Aşağıdaki lineer denklem sisteminin (varsa) bütün çözümlerini
x + y + 2z = −1
x − 2y + z = −5
3x + y + z = 3
(a) Gauss eleminasyon yöntemiyle,

(b) Gauss-Jordan yöntemiyle bulunuz.
5. Alıştırma 4 ü aşağıdaki herbir denklem sistemi için tekrar ediniz.

x + y + 2z + 3w = 13
(a) x − 2y + z + w = 8
3x + y + z − w = 3
x + y + z = 1
(b) x + y − 2z = 3
2x + y + z = 2
2x + y + z − 2w = 1
3x − 2y + z − 6w = −2
(c) x + y − z − w = −1
6x + z − 9w = −2
5x − y + 2z − 8w = 3
5. Aşağıda
 genişletilmiş
 katsayılarmatrisi verilen denklem sistemlerini
 çözünüz.

1 1 1 0 1 2 3 0 1 2 3 0
(a)  1 1 0 3  (b)  1 1 1 0  (c)  1 1 1 0 
0 1 1 1 1 1 2 0 5 7 9 0
 
  1 2 1 7
· ¸ 1 2 3 1 8  2 0 1 4 
1 2 3 0  
(d) (e)  1 3 0 1 7  (f)  1 0 2 5 

1 2 1 0  1 2 3 11 
1 0 2 1 3
2 1 4 125
· ¸ · ¸
4 1 x1
6. A := matrisi icin sıfırdan farklı bir x = sütun matrisi
0 2 x2
bulunuz ki, Ax = 4 x olsun.
· ¸ · ¸
2 1 x1
7. A := matrisi icin sıfırdan farklı bir x = sütun matrisi
1 2 x2
bulunuz ki, Ax = 3 x olsun.
50
   
1 2 −1 x1
8. A :=  1 0 1  matrisi icin sıfırdan farklı bir x =  x2  sütun
4 −4 5 x3
matrisi bulunuz ki, Ax = 3 x olsun.
   
1 2 −1 x1
9. A :=  1 0 1  matrisi icin sıfırdan farklı bir x =  x2  sütun
4 −4 5 x3
matrisi bulunuz ki, Ax = 1 x olsun.
10. Aşağıdaki denklem sisteminde a değeri ne olmalıdır ki,
x + y − z = 2
x + 2y + z = 3
2
x + y + (a − 5)z = a
(a) denklem sisteminin çözümü olmasın,

(b) denklem sisteminin tek çözümü olsun,
(c) denklem sisteminin sonsuz çoklukta çözümü olsun.
11. Aşağıdaki denklem sistemi için 10. soruyu tekrar et.
x + y + z = 2
2x + 3y + 2z = 5
2x + 3y + (a2 − 1)z = a + 1
(a) denklem sisteminin çözümü olmasın,

(b) denklem sisteminin tek çözümü olsun,
(c) denklem sisteminin sonsuz çoklukta çözümü olsun.
· ¸ · ¸
a b x1
12. A := ve x := olsun. Gösteriniz ki, Ax = 0 denklem
c d x2
sisteminin sadece sıfır çözümü vardır ancak ve ancak a d − b c 6= 0 ise.
13. a, b ve c parametrelerini içeren bir denklem yazınız ki,
x + 2y − 3z = a
2x + 3y + 3z = b
5x + 9y − 6z = c
denklem sistemi a, b ve c nin bütün değerleri için tutarlı olsun. Den-

klemi sağladığını da gösteriniz.
51
14. a, b ve c parametrelerini içeren bir denklem yazınız ki,
2x + 2y + 3z = a
3x − y + 5z = b
x − 3y + 2z = c
denklem sistemi a, b ve c nin bütün değerleri için tutarlı olsun. Den-
klemi sağladığını da gösteriniz.
15. Gösteriniz ki, aşağıdaki homojen denklem sisteminin
(a − r)x + dy = 0
cx + (b − r)y = 0
sıfırdan farklı çözümleri vardır ancak ve ancak r parametresi (a −
r)(b − r) − cd = 0 denklemini sağlıyorsa.
2.4 Elemanter Matrisler ve A−1 Ters Matrisi

Bulmak
Bu kısımda eğer varsa bir matrisin tersini bulmak için bir yöntem geliştireceğiz.
Bu yöntemi kullanmak için A−1 in var olup olmadığını bilmek zorunda değiliz.
A−1 matrisini bulmaya başlarız. Eğer hesaplamaların herhangi bir durumunda
belli bir durumla karşılaşırsak A−1 in olmadığını anlarız. Aksi halde ilerlemeye
devam ederiz ve A−1 i buluruz.Bu yöntem A matrisi üzerinde oluşturulacak
olan elemanter satır operasyonlarına (bakınız Tanım 3.1.4 ) dayanır.
TANIM 2.4.1 In Birim matrisine sadece bir tane elemanter satır operasyonu
uygulanarak elde edilen n × n tipindeki matrise elemanter matris denir.
ÖRNEK 2.4.2 Aşağıdaki matrisler elemanter matrislerdir.

   
0 0 1 1 0 0
E1 :=  0 1 0  , E2 :=  0 −2 0  ,
1 0 0 0 0 1
   
1 2 0 1 0 3
E3 :=  0 1 0  ve E4 :=  0 1 0  .
0 0 1 0 0 1
52
TEOREM 2.4.3 A bir m × n tipinde bir matris; B matrisi de A ya herhangi
bir elemanter satır (sütun) işlemi yapılarak oluşturulan matris ve E matrisi
de Im ( In ) birim matrise aynı satır ( sütun ) işlemi yapılarak elde edilen
elemanter matris olsun. Bu durumda
B =EA (B = A E) dir.
ÖRNEK 2.4.4  
1 3 2 1
A :=  −1 2 3 4 
3 0 1 2
matrisinin üçüncü satırın (−2) katını birinci satıra eklersek
 
−5 3 0 −3
B :=  −1 2 3 4 
3 0 1 2
matrisini buluruz. Şimdide I 3 birim matrisine aynı işlemi uygularsak
 
1 0 −2
E :=  0 1 0 
0 0 1
elemanter matrisini buluruz. Dolayısıyla kolayca kontrol ederiz ki, B = E A
dır.
TEOREM 2.4.5 A ve B matrisleri m × n tipinden olsunlar. Bu durumda A

matrisi B ye satırca (sütunca) denktir ancak ve ancak B = Ek Ek−1 · · · E2 E1 A
(B = A E1 E2 · · · Ek−1 Ek ) olacak şekilde E1 , E2 , . . . , Ek elemanter matrisleri
vardır.
İSPAT: A matrisi B ye satırca denk olsun. Bu durumda, B matrisi A

ya sonlu sayıda elemanter satır işlemi yapılarak elde edilmiştir. Bu elemanter
satır işlemleriyle E1 , E2 , . . . , Ek elemanter matrislerini elde ederiz öyle ki
B = Ek Ek−1 · · · E2 E1 A olur.
53
Tersine olarak, E1 , E2 , . . . , Ek elemanter matrisler için B = Ek Ek−1 · · · E2 E1 A
ise B matrisi A dan elemanter satır işlemleriyle elde edilmiştir. Dolayısıyla A
B ye denktir. 2
TEOREM 2.4.6 Bir E elemanter matrisinin tersi daima vardır ve E −1 de

aynı tipten bir elemanter matristir.
LEMMA 2.4.7 A bir n × n tipinde bir kare matris olsun. A x = 0 homojen

denklem sisteminin sadece 0 çözümü varsa A matrisi satırca In birim matrisine
denktir.
İSPAT: Kabul edelim ki, B matrisi satırca indirgenmiş eşelon formda ve

A ya denk olsun. Bu durumda A x = 0 ve B x = 0 homojen denklem
sistemleri denktir. Dolayısıyla, B x = 0 sisteminin de sadece aşikar çözümü
( sıfır çözümü ) vardır. Açık olarak, B nin sıfırdan farklı satırlarının sayısı
r ise bu durumda B x = 0 sistemi katsayılar matrisi B nin saıfırdan farklı
satırlarından oluşan homojen sisteme denktir ve böylece r × n tipindendir. Bu
en son homojen sistem sadece sıfır çözümüne sahip olduğundan denklem sayısı
en az bilinmeyen sayısı kadar olmalı yani r ≥ n. B matrisi n × n tipinden
olduğundan r ≤ n dir. Böylece, r = n dir. Bunun anlamı ise B de sıfır
satırları yoktur yani B = In dir. 2
TEOREM 2.4.8 A matrisi terslenebilirdir ancak ve ancak A matrisi eleman-

ter matrislerin çarpımı şeklinde yazılabilir.
İSPAT: A matrisi E1 , E2 , . . . , Ek elemanter matrislerinin çarpımı şeklinde

yazılabiliyorsa yani,
A = E1 E2 · · · Ek
Teorem 2.4.6 den dolayı biliyoruz ki, elemanter matrisler terslenebilirdir. Diğer
yandan Teorem 1.4.14 (i) den de terslenebilir matrislerin çarpımının da ter-
slenebildiğini biliyoruz. O halde, A terslenebilirdir.
54
Tersine, A matrisi terslenebilir olsun. Bu durumda A x = 0 homojen
sistemin sadece aşikar çözümü (sıfır çözümü) vardır. Çünkü
A x = 0 =⇒ A−1 (Ax) = A−1 0 = 0

=⇒ (A−1 A)x = 0 =⇒ In x = 0 veya x = 0
Lemma 3.2.10 den dolayı A matrisi satırca In birim matrisine denktir. Bunun
anlamı ise
In = Ek Ek−1 · · · E2 E1 A
Buradan da A = (Ek Ek−1 · · · E2 E1 )−1 = E1−1 E2−1 · · · Ek−1
−1
Ek−1 yazabiliriz. El-
emanter matrislerin tersi de elemanter matris olduğundan ispat tamamlanmış
olur. 2
Lemma 3.2.10 ve Teorem 2.4.8 ün bir sonucunu aşağıdaki şekilde verebiliriz.
SONUÇ 2.4.9 A matrisi terslenebilirdir ancak ve ancak A matrisi satırca In

birim matrisine denktir.
Lemma 3.2.10 ve bu Sonuçtan görebiliriz ki, A x = 0 homojen sisteminin

çözümü sadece , x = 0 ise bu durumda A terslenebilirdir.
Tersine, A matrisi terslenebilir olsun. Ax = 0 sisteminin yegane

çözümü 0 sıfır çözümüdür. Gerçekten,
A x = 0 =⇒ A−1 (Ax) = A−1 0 = 0

=⇒ (A−1 A)x = 0 =⇒ In x = 0 yani x = 0
Böylece aşağıdaki Teoremi ispatlamış olduk.
TEOREM 2.4.10 A matrisinin tersi yoktur ancak ve ancak A x = 0 ho-

mojen denklem sisteminin sıfırdan farklı (aşikar olmayan) çözümleri vardır.
Şimdi yaptıklarımızı şu şekilde özetleyebiliriz:
55
Bir A, n × n kare matrisi için aşağıdakiler birbirine denktir.
1. A matrisi terslenebilirdir.
2. A x = 0 denkelem sisteminin sadece sıfır çözümü vardır.
3. A satırca In birim matrisine denktir.
4. Her b sütun matrisi için A x = b sisteminin bir tek çözümü vardır.
5. A elemanter matrislerin çarpımı şeklinde yazılabilir.
Teorem 2.4.8 ün ispatının saonunda A terslenebilirdi ve A = E1−1 E2−1 · · · Ek−1

−1
Ek−1
−1
şeklinde yazılabiliryordu. Buradan A = Ek Ek−1 · · · E2 E1 dir.
Bu sonuç A−1 matrisini bulmak için çok kullanışlı bir algoritma verir.
£ ¤
A | In
matrisini oluştururuz. Sonra
¡ ¢£ ¤ £ ¤
Ek Ek−1 · · · E2 E1 A | In = £(Ek Ek−1 · · · E2 E1 )A | (E¤k Ek−1 · · · E2 E1 )In
= £A−1 A | E ¤ k Ek−1 · · · E2 E1
= In | A−1
£ ¤
Yani ilaveli A | In matrisini £ satır operasyonları
¤ yaparak satırca indirgenmiş
eşelon forma dönüştürürsek In | A−1 matrisini buluruz.
ÖRNEK 2.4.11  
1 1 1
A :=  0 2 3 
5 5 1
matrisinin tersini bulalım. İlaveli matris
 
£ ¤ 1 1 1 1 0 0
A | In =  0 2 3 0 1 0 
5 5 1 0 0 1
56
£ ¤
Şimdi In | A−1 matrisini oluşturalım.
1 1 1 1 0 0
0 2 3 0 1 0 1.satırın (-5) katını
5 5 1 0 0 1 3.satıra ekle
1 1 1 1 0 0
0 2 3 0 1 0 2.satırı ( 21 ) ile çarp
0 0 −4 −5 0 1
1 1 1 1 0 0
3 1 3.satırı (− 14 ) ile çarp
0 1 2
0 2
0
0 0 −4 −5 0 1
1 1 1 1 0 0 3.satırın, (− 32 ) katını 2.satıra
0 1 3
0 1
0 (−1) katını da 1.satıra ekle
2 2
5
0 0 1 4
0 − 14
1 1 0 − 14 0 1
4
2.satırın (−1) katını 1.satıra ekle
0 1 0 − 15
8 2
1 3
8
5
0 0 1 4
0 − 14
13
1 0 0 8
− 21 − 18
0 1 0 − 15
8 2
1 3
8
5
0 0 1 4
0 − 14
Dolayısıyla
 13

8
− 12 − 18
 
 15 
A −1
=
 −8
1
2
3
8


 
5
4
0 − 14
A A−1 = A−1 A = I3
olduğu kolayca kontrol edilebilir.
TEOREM 2.4.12 Bir n × n tipinde A kare matrisinin tersi yoktur ancak ve

ancak A mastrisi sıfır satırları olan bir B matrisine denktir.
57
İSPAT: A matrisi bir satırı tamamen sıfır olan bir B matrisine satır denk
olsun. Bir alıştırma olarak gösterilebilir ki, B matrisinin tersi yoktur. Şimdi,
B = Ek Ek−1 · · · E2 E1 A olsun. Bu durumda A matrisi terlenebilir ise elemanter
matrislerde terslenebileceğinden B matrisi terslenebilir olur ki, bir çelişkidir.
Şu halde A nın tersi yoktur.
Tersine, A nın tersi olmasın. Bu durmda A matrisi In birim matrisine denk

değildir. Böylece A matrisi satırca indirgenmiş formda olan bir B matrisine
denktir ve B 6= In dir. Bu durumda B bir sıfır satırına sahiptir. ( Alıştırma)
2
TEOREM 2.4.13 A ve B mastrisleri n×n tipinden kare matrisler ve A B =

In olsun. Bu durumda B A = In dir. Dolayısıyla da B = A−1 dir.
İSPAT: Önce, A B = In ise A nın terslenebilir olduğunu gösterelim. Kabul

edelim ki A nın tersi olmasın. Bu durumda A matrisi en az bir sıfır satırına
sahip bir C matrisine satırca denktir. Yani, C = Ek Ek−1 · · · E2 E1 A yazabiliriz.
Dolayısıyla CB = Ek Ek−1 · · · E2 E1 AB dir ve böylece de A B matrisi CB ye
satırca denktir. C B nin sıfır satırları olduğundan Teorem 2.4.12 gereğince A B
matrisinin tersi yoktur. Bu ise imkansızdır çünkü A B = In ve In birim matrisi
terslenebilirdir. Bu çelişki den dolayı A nın tersi vardır.
−1
¡ ¢
A
¡ −1 ¢ A B = A−1 In
A A B = A−1
B = A−1
2
ALIŞTIRMALAR 2.2
1. A matrisi 4×3 tipinden bir matris olsun. Bir E elemanter matris bulunuz
ki, E A çarpımı yapıldığında A matrisinde aşağıdaki satır işlemi yapılmış
olsun.
(a) A nın 2.satırını (−2) ile çarpma
(b) A nın 3.satırının (3) katını 4.satıra ekleme
(c) 1. ve 3. satırların yer değiştirilmesi
58
2. A matrisi 3 × 4 tipinden bir matris olsun. Bir F elemanter matris bu-
lunuz ki, A F çarpımı yapıldığında A matrisinde aşağıdaki sütun işlemi
yapılmış olsun.
(a) A nın 1.sütunun 4 katını 2. sütuna ekleme,
(b) A nın 3.sütununu 4 ile çarpma
(c) 2. ve 3. sütunları yer değiştirilmesi
 
1 0 1
3. A :=  2 1 0  matrisi verilsin.
0 −1 1
(a) A ya satırca denk olan satır indirgenmiş eşelon formda bir C matrisi
bulunuz.
Elemanter satır işlemlerini kayıt ediniz .
(b) Bu satır operasyonlarını I3 birim matrisine uygulayınız ve oluşan
matrisi
B ile gösterelim.
(c) A ile B matrisleri arasında nasıl bir ilişki vardır? (A B ve B A yı
hesaplayınız)
4. Aşağıdaki matrislerin varsa terslerini bulunuz

     
1 2 3 3 1 2 2 1 3
(a)  1 1 2  (b)  2 1 2  (c)  0 1 2 
0 1 2 1 2 2 1 0 3
     
1 2 −3 1 1 1 2 1 1 1 1 1
 −1 3 −3 −2   0 −2 0 0   1 3 1 2 
(d) 
 2 (e)   (f)  
0 1 5   1 2 1 −2   1 2 −1 1 
3 1 −2 5 0 3 2 1 5 9 1 6
 
1 1 1
5. A−1 :=  1 1 2  ise A matrisini bulunuz.
1 −1 1
6. Aşağıdaki Lineer homojen denklem sistemlerinden hangisi sıfırdan farklı
çözümlere sahiptir.
 
 x + 2y + 3z =0  x + y − z =0
(a) 2y + 2z =0 (b) x − 2y − 3z = 0
 
2x + 4y + 6z =0 −3x − y + 2z = 0
59
 
 3x + y + 3z = 0  x + y + 2z = 0
(c) −2x + 2y − 4z = 0 (d) 2x + y + z = 0
 
2x − 3y + 5z = 0 3x − y + z = 0
 
1 1 0
7. A :=  1 0 0  matrisinin tersinin olabilmesi için a değerlerini bu-
1 2 a
lunuz
60
Bölüm 3
Determinantlar
3.1 Temel Tanımlar

£ ¤
Bir A := aij n×n kare matrisinin izi (Trace) A nın köşegen elemanlarının
toplamuı olarak tanımlanır ve T r(A) ile gösterilir. Yani,
n
X
T r(A) := aij
i=1
Bir A kare matrisiyle ilişkilendirilmiş çok önemli bir sayı da determinant tır.
Determinantlar ilk önce denklem sistemlerini çözme yöntemleri geliştirilirken
ortaya çıkmalarına rağmen bir önceki bölümde anlatılan yöntem determinant-
ları içeren yöntemlerden daha etkili ve kullanışlıdır. Bununla birlikte, deter-
minantlar lineer dönüşümleri konusunda oldukça kullanışlı olacaklardır. Aynı
zamanda değişik uygulamalara da sahiplerdir.
© ª
TANIM 3.1.1 Bir n tamsayısına kadar olan sayıları S := 1, 2, . . . , n
kümesi ile gösterelim. S nin elemanlarının j1 j2 . . . jn şeklinde herhangi bir
sıralanışına S nin bir permütasyonu denir. Bir permütasyonu aynı zamanda
S den kendi üzerine bire-bir ve örten bir fonksiyon olarak ta düşünebiliriz.
S nin toplam n! tane permütasyonu vardır ve bütün permütasyonları kümesini

Sn ile göstereceğiz.
61
© ª
ÖRNEK 3.1.2 S := 1, 2, 3 kümesinin bütün permütesyonları 3! = 6
tanedir.
© Bunlar ª
S3 := 123, 132, 213, 231, 312, 321 dir.
Bir j1 j2 . . . jn permütasyonunda bir inversiyon vardır denir eğer büyük jr den

sonra küçük js gelmiş ise. Bir permütasyondaki toplam inversiyon sayısı çift
ise bu permütasyona çift permütasyon eğer tek ise de tek permütasyon
denir. Eğer n ≥ 2 ise Sn de tam olarak n!/2 tane çift ve n!/2 tane de tek
permütasyon vardır.
ÖRNEK 3.1.3 S1 de 1! = 1 tane permütasyon vardır yani 1. Bu da çift

permütasyondur çünkü hiç inversiyon yoktur.
S2 de 2! = 2 tane permütasyon vardır. 12 çift permütasyondur çünkü inver-

siyon yok,
21 tek tir çünkü bir tane inversiyon vardır.
S4 de 4312 permütasyonunda 4 den sonra 3, 4 den sonra 1, 4 den sonra 2, 3

den sonra 1, ve 3 den sonra 2 geldiğinden toplam 5 tane inversiyon vardır.
Dolayısıyla 4312 permütasyonu tektir.
© ª
S := 1, 2, 3 kümesinin bütün permütesyonları 3! = 6 tanedir. Bunlardan
123, 231, 312 permütasyonları çift ve 132, 213, 321 permütasyonları da tektir.
£ ¤
TANIM 3.1.4 Bir A := aij n×n kare matris olsun. deteminant fonksiy-
onu det ile gösterilir ve
X
det(A) := (±)a1j1 a2j2 a3j3 · · · anjn
j1 j2 ...jn ∈Sn
ile tanımlanır. Burada (±) işaret permütasyon çift ise +, tek ise − işareti
gelecek anlamındadır.
det(A) nın her bir (±)a1j1 a2j2 a3j3 · · · anjn teriminde satır indisleri doğa sırada
fakat sütun indisleri j1 j2 . . . jn deki sıradadır. Böylece det(A) nın her bir
terimi, uygun işaretle birlikte, A nın herbir satırından sadece bir bileşen ve
herbir sütundan da sadece bir bileşen alınmak suretiyle tam n tane bileşeninin
62
çarpımı şeklindedir. Bütün permütasyonlar üzerinden toplamö alındığından
det(A) toplamında n! terim vardır.
det(A) için bir diğer notasyon da |A| dır. Biz her ikisini de kullanacağız.
ÖRNEK 3.1.5 · ¸
a11 a12
A :=
a21 a22
matrisinin determinantını bulmak istesek a1− a2− terimlerini yazacağız ve sonra
indisteki çizgileri S2 nin elemanları ile değiştireceğiz. Yani 12 çift ve 21 de tek
olmak üzere iki permütasyon var. Böylece
det(A) = a11 a22 − a12 a21

a11 a12
@
@
@
R
@
a21 a22
· ¸
2 −3
Böylece, A := ise |A| = (2)(5) − (−3)(4) = 22 dir
4 5
ÖRNEK 3.1.6  
a11 a12 a13
A :=  a21 a22 a23 
a31 a32 a33
matrisinin determinantını bulmak istesek 3! = 6 olduğundan a1− a2− a3− , a1− a2− a3− ,
a1− a2− a3− , a1− a2− a3− , a1− a2− a3− , a1− a2− a3− , 6 tane terimi
© yazacağız. Şimdi ª
indisteki çizgi yerlerine S3 ün elemanlarını yazacağız. S3 := 123, 231, 312, 132, 213, 321
det(A) = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 − a11 a23 a32
−a12 a21 a33 − a13 a22 a31 .
|A| değerini aşağıdaki şekilde de bulabiliriz. A nın birinci ve ikinci sütununu

A ya sütun olarak ekleyelim. Sonra soldan sağa doğru olan vektörler üzerinde
bulunan bileşenlerin çarpımlarını toplayalım sonra sağdan sola olan vektörler
üzerindeki bileşenlerin çarpımlarını bundan çıkaralım.
63
a11 a12 a13 a11 a12
@ @ @¡ ¡ ¡
a21@ a22@ ¡a23@ ¡a21 ¡a22
@ ¡@ ¡@ ¡
¡
@ @ ¡ @¡
a31 ¡
ª
¡a32 @¡a33@ ¡a31@ a32
ª@
¡R ¡ ª@
R R
@
 
2 1 4
Örneğin A :=  1 2 3  matrisinin determinantını bu yolla hesaplayalım
5 3 4
2 1 4 2 1
@ @ @¡ ¡ ¡
1 @ 2@ ¡3@ ¡1 ¡2
@ ¡@ ¡@ ¡
@ @
¡ ¡ @
¡
5 ¡
ª
¡3 @¡4 @ ¡5 @ 3
ª@
¡R ¡ @
R
ª R
@
|A| = (2)(2)(4) + (1)(3)(5) + (4)(1)(3) − (4)(2)(5) − (2)(3)(3) − (1)(1)(4) = −19
UYARI : Bu örnekte kullanılan yöntem mertebesi n ≥ 4 olan kare matrislere

uygulanmaz. Sadece 3 × 3 tipindeki matrislere uygulanır.
Determinantın hesaplanması büyük n değerleri için Tanım 3.1.4 de oldukça

can sıkıcı ve karmaşık bir yöntemdir. çünkü n! sayısı çok hızlı büyüyen bir
sayıdır. Determinant değerini daha kolay hesaplayabilmek için bir sonraki
kısımda determinant özelliklerini vereceğiz.
Permütasyonlar Cebir derslerinde daha detaylı ve derinliğine çalışılan bir

konudur. Determinant değerinin hesaplanması için geliştirdiğimiz yöntem permütasyonları
içermektedir. Dolayısıyla permütasyonların sıklıkla kullanacağımız önemli bir
özelliğini verelim.
ÖNERME 3.1.7 Bir j1 j2 j3 . . . jn permutasyonunda herhengi iki sayının

yerini değiştirirsek inversiyon sayısı bir tek sayı kadar artar veya azalır.
İSPAT: Öncelikle, permütasyonda ardışık iki sayı yerdeğişirse inversiyon

sayısı açıktır ki, inversiyon sayısı ya 1 artar veya bir azalır. Bir j1 j2 j3 . . . jn
permütasyonunda herhangi iki sayının yer değişmesini tek sayı defa ardışık iki
sayıyı yerdeğiştirerek te yapabiliriz. Gerçekten, (c < k) olmak üzere jc ve jk
64
sayılarını yer değiştirmek istesek ve aralarında da s tane sayı olsun. Şimdi jc
yi sağa doğru yanındaki sayı ile yerini değiştirerek jk ya kadar ilerlesek tam
s + 1 adımda varırız. Bundan sonra da jk yı sola doğru yanındaki sayı ile yer
değiştirerek jc nin yerine kadar ilerlesek bu seferde s adımda varırız.( çünkü
jk sayısı jc nin solunda kalır) Dolayısıyla, jc ile jk nın bu yer değişikliği için
toplam (s + 1) + s = 2s + 1 adımda ardışık sayıların yerdeğişmesi gerçekleşir.
Ardışık sayıların yerdeğişmesi inversiyon sayısını bir azaltır veya bir arttırdığı
için iddianın doğruluğu gösterilmiş olur. 2
ALIŞTIRMALAR 3.1
1. S5 de verilen aşağıdaki permütasyonların inversiyon sayılarını bulunuz

(a) 52134 (b) 45213 (c) 42135
(d) 13542 (e) 35241 (f ) 12345
2. S4 de verilen aşağıdaki permütasyonların tek veya çift olduklarını belir-
leyiniz.
(a) 4213 (b) 1243 (c) 1234
(d) 3214 (e) 1423 (f ) 2143
3. (a) 436215 permütasyonundaki inversiyonların sayısını bulunuz.

(b) 416235 permütasyonundaki inversiyonların sayısı (a) şıkkındaki in-
versiyonların sayısından bir tek sayı kadar farklıdır. (a) şıkkındaki
permütasyonda 3 ile 1 yerdeğiştirilerek (b) şıkkındaki permütasyon
bulunmuştur.
£ ¤
4. A := aij 4×4 matrisi için det(A) için genel bir ifade bulunuz.
   
2 1 3 2 1 3
5. (a) det  −3 2 1  =? (b) det  3 2 1  =?
 −1 3 4  0 1 2
t−1 0 1
(c) det  −2 t −1  =?
0 0 t+1
6. Yukarıdaki alıştırma (c) şıkkında determinantın 0 olması için t değeri ne

olmalıdır.
65
3.2 Determinant Özellikleri
Bu kısımda determinantın hesaplanmasını kolaylaştıran özellikleri inceleyeceğiz.
TEOREM 3.2.1
det(A) = det(AT )
£ ¤ £ ¤
İSPAT: Kabul edelim ki, A := aij ve bij := aji olmak üzere AT := bij
olsun.
X X
det(AT ) = (±)b1j1 b2j2 b3j3 · · · bnjn = (±)aj1 1 aj2 2 aj3 3 · · · ajn n
j1 j2 ...jn ∈Sn
Sol taraftaki toplamın her bir terimini
b1j1 b2j2 b3j3 · · · bnjn = aj1 1 aj2 2 aj3 3 · · · ajn n = a1k1 a2k2 a3k3 · · · ankn
şeklinde yazabiliriz ki, bu da det(A) nın bir terimidir. Şu halde det(AT ) ile
det(A) nın terimleri aynıdır. Sadace işaretleri kontrol etmeliyiz. Soyut cebir
derslerinde permütasyonların özelliklerini kullanarak kolayca gösterilebilirki,
a1k1 a2k2 a3k3 · · · ankn teriminin işaretini belirleyen k1 k2 . . . kn permütasyonundaki
inversiyon sayısı b1j1 b2j2 b3j3 · · · bnjn teriminin işaretini belirleyen j1 j2 . . . jn permütasyonundaki
inversiyonların sayısına eşittir. Örneğin,
b13 b24 b35 b41 b52 = a31 a42 a53 a14 a25 = a14 a25 a31 a42 a53
j1 j2 j3 j4 j5 = 34512 ve k1 k2 k3 k4 k5 = 45123
yani ikiside dairesel permutasyon olarak eşittir. Dolayısıyla inversiyon sayıları
da eşittir. 2
TEOREM 3.2.2 B matrisi A matrisinde herhangi iki satırın (sütunun) yer

değiştirilmesi ile elde edilmiş olsun. Bu durumda
det(B) = −det(A).
66
İSPAT: Kabul edelim ki, B matrisi A matrisinde r ve s satırlarının (r < s)
yer değiştirilmesi ile elde edilmiş olsun. Bu durumda brj = asj , bsj = arj ve
i 6= r, i 6= s için bij = aij dir.
X
det(B) = (±)b1j1 b2j2 · · · brjr · · · bsjs · · · bnjn
X
= (±)a1j1 a2j2 · · · asjr · · · arjs · · · anjn
X
= (±)a1j1 a2j2 · · · arjs · · · asjr · · · anjn
j1 j2 . . . js . . . jr . . . jn permütasyonu j1 j2 . . . jr . . . js . . . jn permütasyonunda iki

sayının yerdeğiştirilmesi ile elde edildiğinden Önerme 3.1.7 den dolayı inver-
siyon sayısı tek sayı kadar fark edecektir. Dolayısıyla det(B) nin her bir ter-
iminin işareti det(A) nın karşılık gelen teriminin (−) işaretlisidir. Böylece
det(B) = −det(A) elde edilir.
TEOREM 3.2.3 A matrisinde herhangi iki satır (sütun) eşit ise bu durumda
det(A) = 0.
İSPAT: Kabul edelim ki, A matrisinin r ve s satırları eşit olsun. Bu

satırları yer değiştirerek oluşturulan yeni matrisi B ile gösterirsek Teorem
3.2.2 den dolayı det(B) = −det(A) dır. Diğer yandan B = A olduğundan
det(B) = det(A) dır. Dolayısıyla det(A) = 0 elde edilir.
TEOREM 3.2.4 Bir A matrisinde bir sıfır satırı (sütunu) varsa
det(A) = 0.
İSPAT: Kabul edelim ki A nın i.satırı tamamen sıfırlardan oluşsun. det(A)

yı oluşturan toplamdaki her bir terim i.satırdan bir çarpan içereceğinden sıfır
olur ki det(A) = 0. olmuş olur. 2
67
TEOREM 3.2.5 B matrisi A matrisinde herhangi bir satırı (sütunu) bir k
reel sayısı ile çarpılarak elde edilmiş olsun. Bu durumda
det(B) = kdet(A).
£ ¤
İSPAT: A := aij Matrisinin
£ ¤ r.satırını bir k reel sayısı ile çarpılarak
oluşturulan yeni matris B := bij olsun. Bu durumda i 6= r ise bij = aij ve
brj = karj
X
det(B) = (±)b1j1 b2j2 · · · brjr · · · bnjn
X
= (±)a1j1 a2j2 · · · (karjr ) · · · anjn
³X ´
= k (±)a1j1 a2j2 · · · arjr · · · anjn = kdet(A).
£ ¤ £ ¤
TEOREM 3.2.6 B = bij matrisi, A = aij matrisinin s.satırının (sütununun)
k katını r.satırına (sütununa) ekleyerek edilmiş olsun. (r 6= s) Bu durumda
det(B) = det(A).
İSPAT: i 6= r için bij = aij ve r 6= s içinde brj = arj + kasj dir. Ayrıca
kabul edelim ki, r < s olsun. Bu durumda
X
det(B) = (±)b1j1 b2j2 · · · brjr · · · bnjn
X
= (±)a1j1 a2j2 · · · (arjr + kasjr ) · · · asjs · · · anjn
X
= (±)a1j1 a2j2 · · · arjr · · · asjs · · · anjn
X
+ (±)a1j1 a2j2 · · · (kasjr ) · · · asjs · · · anjn
Bu son toplamda birince terim det(A) dır ve ikinci toplamın

hX i
k (±)a1j1 a2j2 · · · asjr · · · asjs · · · anjn
sıfır olduğunu gösterelim.
68
P
(±)a1j1 a2j2 · · · asjr · · · asjs ·¯· · anjn ¯
¯ a11 a12 ··· a1n ¯
¯ ¯
¯ a21 a22 ··· a2n ¯
¯ ¯
¯ .. .. .. .. ¯
¯ . . . . ¯
¯ ¯
¯ as1 as2 ··· asn ¯ ← r.satır
= ¯¯ .. .. .. .. ¯
¯
¯ . . . . ¯
¯ a ¯ ← s.satır
¯ s1 as2 ··· asn ¯
¯ . .. .. .. ¯
¯ .. . . . ¯
¯ ¯
¯ an1 an2 ··· ann ¯
=0
TANIM 3.2.7
 
a11 a12 a13 . . . a1n
 0 a22 a23 . . . a2n 
 
 0 0 a33 . . . a3n 
  Üst Üçgen Matris
 .. .. .. .. 
 . . . . 
0 0 0 . . . ann
 
a11 0 0 ... 0
 a21 a22 0 ... 0 
 
 a31 a32 a33 ... 0 
  Alt Üçgen Matris
 .. .. .. .. 
 . . . . 
an1 an2 an3 . . . ann
£ ¤
TEOREM 3.2.8 Bir alt (üst) üçgen A = aij matrisi için
det(A) = a11 a22 a33 · · · ann
69
£ ¤
İSPAT: A = aij matrisi üst eçgen matris olsun yani, i > j için aij = 0 dır.
Bu durumda det(A) ifadesindeki bir a1j1 a2j2 · · · anjn terimi sadece 1 ≤ j1 , 2 ≤
j2 , . . . , n ≤ jn olduğunda sıfırdan farklı olabilir. j1 j2 . . . jn bir permütasyon
olduğundan j1 = 1, j2 = 2, . . . , jn = n olmalıdır. Şu halde det(A)
ifadesindeki sıfırdan farklı sadece bir terim vardır o da köşegen elemanlarının
çarpımıdır. Dolayısıyla det(A) = a11 a22 a33 · · · ann . 2
Bundan sonra elemanter satır ve sütun operasyonlarını aşağıdaki notasy-

onla göstereceğiz:
• i ve j satırlarının (sütunlarının) yerlerinin değiştir :
ri ←→ rj (ci ←→ cj )
• i.satırın yerine yine i. satırın (sütunun bir k sayısı ile çarpılmış halini yaz
:
kri −→ ri (kci −→ ci )
• j.satırın (sütunun) yerine; i.satırın (sütunun) k katını j.satıra (sütuna)

ekleyerek oluşan satırı (sütunu) yaz :
kri + rj −→ rj (kci + cj −→ cj )
70
 
4 3 2

ÖRNEK 3.2.9 A := 3 −2 5  matrisinin determinantını hesaplayalım.
2 4 6
 
4 3 2
det(A) = 2 det   3 −2 5  1
r −→ r3
2 3
1 2 3
 
1 2 3
= (−1) 2 det  3 −2 5  r3 ←→ r1
4 3 2
 
1 2 3
= −2 det  3 −2 5 
4 3 2
 
1 2 3
−3r1 + r2 −→ r2
= −2 det  0 −8 −4 
−4r1 + r3 −→ r3
0 −5 −10
 
1 2 3
= −2 det  0 −8 −4  − 58 r2 + r3 −→ r3
0 0 − 30
4
Üst üçgen bir matris elde ettik Teorem 3.2.8 den dolayı
30
det(A) = −2(1)(−8)(− ) = −120.
4
NOT : Yukardaki örnekte kullandığımız yöntem matrisi üçgen forma indirgey-

erek yapılan bir hesaplama olarak bilinen çok kullanışlı bir yöntemdir.
Birim matris In de bir üçgen matris olduğundan şu halde det(In ) = 1 dir.
Elemanter matrislerin de determinantını hesaplayabiliriz.
• E1 matrisi In de herhangi iki satır (sütun) değiştirilerek elde edilmiş ise

det(E1 ) = −det(In ) = −1 dir.
• E2 matrisi In de herhangi bir satırı (sütunu) bir k sayısı ile çarparak elde
edilmiş ise
det(E2 ) = kdet(In ) = k dır.
71
• E3 matrisi In nin s.satırının (sütununun) k katını r.satıra ekleyerek elde
edilmiş ise
det(E3 ) = det(In ) = 1 dir.
LEMMA 3.2.10 E bir elemanter matris olsun. Bu durumda
det(E A) = det(E) det(A) ve det(A E) = det(A) det(E) dir.
İSPAT: (i = 1, 2, 3) için Ei ler yukardaki nottaki gibi olsunlar.

E1 A matrisi A da herhangi iki satırı yer değiştirerek bulunmuştur. Dolayısıyla
det(E1 A) = −det(A) olur. Diğer yandan, det(E1 ) = −1 olduğundan
det(E1 A) = det(E1 ) det(A) elde edilir.
E2 A matrisi A nın verilen bir satırını bir k sayısı ile çarparak elde edilmiştir.
Dolayısıyla, det(E2 A) = kdet(A) olur. Diğer yandan, det(E2 ) = k olduğundan
det(E2 A) = det(E2 ) det(A) elde edilir.
E3 A matrisi A nın herhangi bir satırının bir k katını bir başka satıra ekley-
erek elde edilmiştir. Dolayısıyla, det(E3 A) = det(A) olur. Diğer yandan,
det(E3 ) = 1 olduğundan det(E3 A) = det(E2 ) det(A) elde edilir.
Böylece herbir durumda det(E A) = det(E) det(A) dır. Tamamen benzer

bir ispat ile det(A Ek ) = det(A) det(E2 ) olduğu da gösterilebilir. 2
Lemma 3.2.10 den , eğer B = Er Er−1 · · · E2 E1 A ise bu durumda
¡ ¢
det(B) = det Er (Er−1 · · · E2 E1 A)
= det(Er )det(Er−1 · · · E2 E1 A)
..
.
= det(Er )det(Er−1 ) · · · det(E2 )det(E1 )det(A)
TEOREM 3.2.11 Bir A kare matrisi terslenebilirdir ancak ve ancak det(A) 6=

0
İSPAT: A terslenebilir ise Teorem ???? den dolayı A matrisi elemanter

matrislerin çarpımı şeklindedir. Böylece A = E1 E2 · · · Ek ise
det(A) = det(E1 E2 · · · Ek ) = det(E1 )det(E2 ) · · · det(Ek ) 6= 0.
72
A terslenemez ise Teorem ??? den dolayı sıfır satırına sahip bir B matri-
sine satırca denktir. Bu durumda A = E1 E2 · · · Er B dir. Lemma 3.2.10 nin
ispatından sonraki gözlemden dolayı
det(A) = det(E1 E2 · · · Er B) = det(E1 )det(E2 ) · · · det(Er )det(B) = 0

dir. Çünkü, det(B) = 0 dır.
£ ¤
SONUÇ 3.2.12 A := aij n×n olsun. A x = 0 homojen sisteminin sıfırdan
farklı çözümü vardır ancak ve ancak det(a) = 0 ise
TEOREM 3.2.13 Bir A ve B kare matrisleri için det(A B) = det(A)det(B).
İSPAT: A terlenebilir bir matris ise In birim matrise satırca denktir.

Böylece, A = Ek Ek−1 · · · E2 E1 In = Ek Ek−1 · · · E2 E1 dir. Bu durumda
det(A) = det(Ek Ek−1 · · · E2 E1 ) = det(Ek )det(Ek−1 ) · · · det(E2 )det(E1 )
det(A B) = det(Ek Ek−1 · · · E2 E1 B)

= det(Ek )det(Ek−1 ) · · · det(E2 )det(E1 )det(B)
= det(A) det(B)
A terslenemez ise Teorem 3.2.11 den dolayı det(A) = 0 dır. Bundan başka
A matrisi bir sıfır satırına sahip C matrisine satırca denktir. Dolayısıyla C =
Ek Ek−1 · · · E2 E1 A) dır ve böylece
C B = Ek Ek−1 · · · E2 E1 A B.
A = E1 E2 · · · Ek ise
det(A) = det(E1 E2 · · · Ek ) = det(E1 )det(E2 ) · · · det(Ek ) 6= 0.
73
Bu ise A B matrisinin C B ye satırca denk olduğunu ifade eder. c B matrisinde
bir sıfır satırı olduğundan A B matrisinin de tersi yoktur. Böylece det(A B) =
0 olur ki bu durumda da det(A B) = det(A)det(B) eşitliği sağlanır.
SONUÇ 3.2.14 Eğer A terslenebilir bir matris ise bu durumda

1
det(A−1 ) = .
det(A)
ALIŞTIRMALAR 3.2
1. Aşağıdaki
¯ determinantları
¯ hesaplayınız.
¯ ¯
¯ 3 0 ¯ ¯ 2 1 ¯
(a) ¯¯ ¯ (b) ¯¯ ¯
2 1 ¯ 4 3 ¯
¯ ¯ ¯ ¯
¯ 4 0 0 ¯ ¯ 4 1 3 ¯
¯ ¯ ¯ ¯
(c) ¯¯ 0 2 0 ¯
¯ (d) ¯¯ 2 3 0 ¯
¯
¯ 0 0 3 ¯ ¯ 1 3 2 ¯
¯ ¯ ¯ ¯
¯ 4 2 2 0 ¯ ¯ 4 2 3 −4 ¯¯
¯ ¯ ¯
¯ 2 0 0 0 ¯ ¯ 3 −2 1 5 ¯¯
(e) ¯¯ ¯
¯ (f) ¯¯
¯ 3 0 0 1 ¯ ¯ −2 0 1 −3 ¯¯
¯ 0 0 1 0 ¯ ¯ 8 −2 6 4 ¯
¯ ¯
¯ a1 a2 a3 ¯
¯ ¯
2. ¯¯ b1 b2 b3 ¯¯ = 3 ise
¯ c1 c2 c3 ¯
¯ ¯
¯ a1 + 2b1 − 3c1 a2 + 2b2 − 3c2 a3 + 2b2 − 3c3 ¯
¯ ¯
¯ b1 b2 b3 ¯ =?
¯ ¯
¯ c1 c2 c3 ¯
74
¯ ¯
¯ a1 a2 a3 ¯
¯ ¯
3. ¯¯ b1 b2 b3 ¯¯ = −2 ise
¯ c1 c2 c3 ¯
¯ ¯
¯ a1 − 21 a3 a2 a3 ¯
¯ ¯
¯ ¯
¯ b1 − 12 b3 b2 b3 ¯ =?
¯ ¯
¯ c − 1c c c ¯
1 2 3 2 3
¯ ¯
¯ a1 a2 a3 ¯
¯ ¯
4. ¯¯ b1 b2 b3 ¯¯ = 4 ise
¯ c1 c2 c3 ¯
¯ ¯
¯ a1 a2 4a3 − 2a2 ¯
¯ ¯
¯ ¯
¯ b1 b2 4b3 − 2b2 ¯ =?
¯ ¯
¯ 1c 1
c 2c − c ¯
2 1 2 2 3 2
5. Aşağıdaki matrisler için det(A B) = det(A)det(B) eşitliğinin sağlandığını

gösteriniz.
   
1 −2 3 1 0 2
(a) A :=  −2 3 1 , B :=  3 −2 5 
0 1 0 2 1 3
   
2 3 6 3 0 0
(b) A :=  0 3 2 , B :=  4 5 0 
0 0 −4 2 1 −2
6. det(A B) = det(B A) eşiştliği sağlanırmı? Açıklayınız
7. det(A B) = 0 ise det(A) = 0 veya det(B) = 0 diyebilirmisiniz?

Nedenleriyle açıklayınız.
8. k bir skaler ve A matrisi n × n tipinden bir kare matris olsun. Gösteriniz

ki, det(k A) = k n det(A) dır.
9. Gösteriniz ki, A B = In ise det(A) 6= 0 ve det(B) 6= 0 dır.
10. (a) Gösteriniz ki, A = A−1 ise det(A) = ∓1
(b) AT = A−1 ise det(A) =?
75
11. A ve B kare matrisler olmak üzere gösteriniz ki,
µ· ¸¶
A O
det = (detA)(detB)
O B
12. A terlenebilen bir matris ve A2 = A ise det(A) =?
13. A ve B kare matrisler olmak üzere gösteriniz ki,
(a) det(AT B T ) = det(A) det(B T )
(b) det(AT B T ) = det(AT ) det(B)
¯ ¯
¯ 1 a a2 ¯
¯ ¯
14. ¯ 1 b b2 ¯ = (b − a)(c − a)(c − b) olduğunu gösteriniz.
¯ ¯
¯ 1 c c2 ¯
15. A B = A C olsun. Gösteriniz ki, ise det(A) 6= 0 ise B = C dir.
3.3 Kofactor Açılımı
Determinant özelliklerini kullanarak bir determinantı hesapladık. Şimdi n × n

tipinde bir matrisin determinantı için (n − 1) × (n − 1) tipinden matrislerin
determinantını kullanacağız. AYnı yöntemi (n − 1) × (n − 1) tipinden bir
matrise uygularsak yine mertebe azalır. Böyle devam edersek 2 × 2 tipinden
bir matrise kadar problemi indirgemiş oluruz.
£ ¤
TANIM 3.3.1 A := aij n×n matrisinde i.satır ve j.sütunun çıkarılmasıyla
£ ¤
elde edilen matris Mi,j := mij (n−1)×(n−1) olsun. Bu durumda det(Mij )
determinantına aij nin minörü denir.
£ ¤
TANIM 3.3.2 A := aij n×n kare matris olsun. aij nin kofatörü Aij ile
gösterilir ve Aij := (−1)i+j det(Mij ) ile tanımlanır.
76
 
3 −1 2
ÖRNEK 3.3.3 A :=  4 5 6  matrisinde
7 1 2
¯ ¯ ¯ ¯
¯ 4 6 ¯ ¯ 3 −1 ¯
¯
det(M12 ) = ¯ ¯ = 8 − 42 = −34, det(M23 ) = ¯¯ ¯ = 3 + 7 = 10
7 2 ¯ 7 1 ¯
¯ ¯
¯ −1 2 ¯
det(M31 ) = ¯¯ ¯ = −6 − 10 = −16
5 6 ¯
Aynı zamanda
A12 = (−1)1+2 det(M12 ) = (−1)(−34) = 34
A23 = (−1)2+3 det(M23 ) = (−1)(10) = −10

A31 = (−1)3+1 det(M31 ) = (1)(−16) = −16
£ ¤
TEOREM 3.3.4 A := aij n×n kare matris olsun. Bu durumda
(i.satıra göre açılım) det(A) = ai1 Ai1 + ai2 Ai2 + ai3 Ai3 + · · · + ain Ain
ve
(j.sütuna göre açılım) det(A) = a1j A1j + a2j A2j + a3j A3j + · · · + anj Anj
T
İSPAT: Birinci formül ikincisinden çıkar, çünkü det(A
£ ¤ ) = A dır. Burada
genel bir ispat vermeyeceğiz; sadece 3×3 tipinde A := aij matrisini göz önüne
alacağız. Hatırlayacak olursak
det(A) = a11 a22 a33 + a12 a23 a31 + a13 a21 a32
−a11 a23 a32 − a12 a21 a33 − a13 a22 a31 (3.1)
= a11 (a22 a33 − a23 a32 ) + a12 (a23 a31 − a21 a33 ) + a13 (a21 a32 − a22 a31 )
Diğer yandan,
77
¯ ¯
¯ a22 a23 ¯
A11 = (−1) 1+1 ¯ ¯ = (a22 a33 − a23 a32 ),
¯ a32 a33 ¯
¯ ¯
¯ a21 a23 ¯
A12 = (−1) 1+2 ¯ ¯ = (a23 a31 − a21 a33 ),
¯ a31 a33 ¯
¯ ¯
¯ a21 a22 ¯
A13 = (−1) 1+3 ¯ ¯ = (a21 a32 − a22 a31 ).
¯ a31 a32 ¯
Böylece
det(A) = a11 A11 + a12 A12 + a13 A13
ki bu da birinci satıra göre det(A) nın açılımıdır. Benzer olarak (3.1) den-
klemini tekrar düzenlersek
det(A) = a13 (a21 a32 − a22 a31 ) + a23 (a12 a31 − a11 a32 ) + a33 (a11 a22 − a12 a21 )
Şimdi kolay bir şekilde
det(A) = a13 A13 + a23 A23 + a33 A33
gösterilebilir. 2
ÖRNEK 3.3.5 ¯ ¯
¯ 1 2 −3 4 ¯
¯ ¯
¯ −4 2 1 3 ¯¯
¯
¯ 3 0 0 −3 ¯¯
¯
¯ 2 0 −2 3 ¯
determinantını hesaplamak istesek en iyi yol ya ikinci sütuna ya da üçüncü
satıra göre açmaktır. Çünkü bu satırlarda daha çok sıfır vardır.
78
¯ ¯
¯ 1 2 −3 4 ¯¯
¯
¯ −4 2 1 3 ¯¯
¯
¯ 3 0 0 −3 ¯¯
¯
¯ 2 0 −2 3 ¯
¯ ¯ ¯ ¯
¯ 2 −3 4 ¯ ¯ 1 −3 4 ¯
¯ ¯ ¯ ¯
= (−1)3+1 (3) ¯¯ 2 1 3 ¯¯ + (−1)3+2 (0) ¯¯ −4 1 3 ¯¯
¯ 0 −2 3 ¯ ¯ 2 −2 3 ¯
¯ ¯ ¯ ¯
¯ 1 2 4 ¯ ¯ 1 2 −3 ¯
¯ ¯ ¯ ¯
+(−1) (0) ¯ −4 2 3 ¯ + (−1) (−3) ¯¯ −4 2
3+3 ¯ ¯ 3+4
1 ¯
¯
¯ 2 0 3 ¯ ¯ 2 0 −2 ¯
= (+1)(3)(20) + 0 + 0(−1)(−3)(−4) = 48
3.4 Bir Matrisin Tersi

£ ¤
TEOREM 3.4.1 Bir kare A := aij n×n matrisi verildiğinde
i 6= k için ai1 Ak1 + ai2 Ak2 + ai3 Ak3 + · · · + ain Akn = 0
j 6= k için a1j A1k + a2j A2k + a3j A3k + · · · + anj Ank = 0
İSPAT: Sadece birinci formülü ispatlayacağız. Birinciyi kullanarak ikincisi

Teorem 3.2.1 den gösterilir.
A matrisindek.satırın yerine i.satırı yazarak oluşturulan matrisi B ile gösterelim.

Bu durumda B nin i. ve j. satırları aynıdır, dolayısıyla det(B) = 0 dır. Şimdi
det(B) değerini k.satıra göre açalım. B nin k.satır elemanları ai1 , ai2 , · · · , ain
dir. Diğer yandan k.satırın kofaktörleri Ak1 , Ak2 , · · · , Akn dir. Böylece,
0 = det(B) = ai1 Ak1 + ai2 Ak2 + · · · + ain Akn .

2
Bu Teorem şunu demek istiyor: herhangi bir satırın(sütunun) elemanları ile

başka bir satırın ( sütunun) karşılık gelen kofaktörlerinin çarpımlarını toplarsak
sıfır elde ederiz. Bunu aşağıdaki örnekle açıklayalım;
79
ÖRNEK 3.4.2  
1 2 3
A :=  −2 3 1 
4 5 −2
matrisi için ¯ ¯
¯ 2 3 ¯
A21 = (−1) 2+1 ¯ ¯ = 19,
¯ 5 −2 ¯
¯ ¯
¯ 1 3 ¯
A22 = (−1) 2+2 ¯ ¯ = −14,
¯ 4 −2 ¯
¯ ¯
¯ 1 2 ¯
A23 = (−1) 2+3 ¯ ¯ = 3,
¯ 4 5 ¯
Şimdi
a31 A21 + a32 A22 + a33 A23 = (4)(19) + (5)(−14) + (−2)(3) = 0,
a11 A21 + a12 A22 + a13 A23 = (1)(19) + (2)(−14) + (3)(3) = 0.
£ ¤
TANIM 3.4.3 Bir kare A := aij n×n matrisinin adjointi, adjA, ile gösterilir
ve
 T  
A11 A12 · · · A1n A11 A21 · · · An1
 A21 A22 · · · A2n   A12 A22 · · · An2 
   
adjA :=  .. .. ..  = .. .. .. 
 . . .   . . . 
An1 An2 · · · Ann A1n A2n · · · Ann
ile tanımlanır.
ÖRNEK 3.4.4  
3 −2 1
A :=  5 6 2 
1 0 −3
80
matrisinin adjointini hesaplayalım. Bunun için A nın bütün kofaktörleri gerek-
lidir.
¯ ¯ ¯ ¯
¯
1+1 ¯ 6 2 ¯¯ ¯
1+2 ¯ 5 2 ¯¯
A11 = (−1) ¯ = −18, A12 = (−1) ¯ = 17,
0 −3 ¯ 1 −3 ¯
¯ ¯ ¯ ¯
¯ 5 6 ¯ ¯ −2 1 ¯
A13 = (−1) 1+3 ¯ ¯ = −6, A21 = (−1) 2+1 ¯ ¯ = −6,
¯ 1 0 ¯ ¯ 0 −3 ¯
¯ ¯ ¯ ¯
¯ 3 1 ¯ ¯ 3 −2 ¯
A22 = (−1)2+2 ¯¯ ¯ = −10,
¯ A23 = (−1)2+3 ¯¯ ¯ = −2,
1 −3 1 0 ¯
¯ ¯ ¯ ¯
¯ −2 1 ¯ ¯ 3 1 ¯
A31 = (−1) 3+1 ¯ ¯ = −10, A32 = (−1) 3+2 ¯ ¯ = −1,
¯ 6 2 ¯ ¯ 5 2 ¯
¯ ¯
¯ 3 −2 ¯
A33 = (−1) 3+3 ¯ ¯ = 28
¯ 5 6 ¯
Şu halde,
 
−18 −6 −10
adjA :=  17 −10 −1 
−6 −2 28
£ ¤
TEOREM 3.4.5 Bir kare A := aij n×n matrisi verilsin. Bu durumda
A (adjA) = (adjA) A = det(A) In
İSPAT: Teorem 3.4.1 den biliyoruz ki bir satır(sütun) elemanları ile yine bu
satıra(sütuna) ait kofaktörleri çarpıp toplarsak det(A) yı hesaplıyorduk. Diğer
yandan bir satır (sütun) elemanları ile bir başka satıra (sütuna) ait kofaktörleri
çarpıp toplarsak ta 0 elde ediyorduk. Dolayısıyla Teoremi ispatlamış olduk.
Yani,
81
 
a11 a12 · · · a1n
 
 a21 a22 · · · a2n  A11 A21 · · · Aj1 · · · An1
 .. .. .. 
   A12 A22 · · · Aj2 · · · An2 
 . . .  
A (adjA) =   
 ai1 ai2 · · · ain   ... ..
.
..
.
..
. 
 .. .. 
..  A
 . . . 1n A2n · · · Ajn · · · Ann
an1 an2 · · · ann
ai1 Aj1 + ai2 Aj2 + ai3 Aj3 + · · · + ain Ajn = det(A) eğer i = j,
= 0 eğer i 6= j.
Bu ise
 
det(A) 0 ··· 0
 0 det(A) 0 
 
A (adjA) =  .. .. .. ..  = det(A) In
 . . . . 
0 0 ··· det(A)
2
ÖRNEK 3.4.6 Örnek 3.4.4 de

 
3 −2 1
A :=  5 6 2 
1 0 −3
matrisinin adjointini
 
−18 −6 −10
adjA =  17 −10 −1 
−6 −2 28
olarak hesaplamıştık. Buna göre
    
3 −2 1 −18 −6 −10 −94 0 0
A (adjA) =  5 6 2   17 −10 −1  =  0 −94 0 
1 0 −3 −6 −2 28 0 0 −94
 
1 0 0
= −94  0 1 0 
0 0 1
82
£ ¤
SONUÇ 3.4.7 Bir A := aij n×n kare matrisi için det(A) 6= 0 ise
1
A−1 = (adjA)
det(A)
İSPAT: Teorem 3.4.5 den det(A) 6= 0 ise A (adjA) = (adjA) A =

det(A) In dir. Dolayısıyla,
µ ¶ ³ ´
1 1 1 ¡ ¢
A (adjA) = A (adjA) = det(A) In = In
det(A) det(A) det(A)
2
3.5 Determinantların Bir Başka Uygulaması
TEOREM 3.5.1 ( Cramer Kuralı ) n Bilinmeyenli ve n tane denklemden

oluşan bir lineer denklem sistemi
a11 x1 + a12 x2 + · · · a1n xn = b1

a21 x1 + a22 x2 + · · · a2n xn = b2
..
.
an1 x1 + an2 x2 + · · · ann xn = bn
 
b1
£ ¤  b2 
 
şeklinde olsun. A := aij bu sistemin katsayılar matrisi ve b =  .. 
 . 
bn
olmak üzere denklem sistemini A x = b şeklinde yazabiliriz. Bu durumda,
det(A) 6= 0 ise sistemin bir tek çözümü vardır, bu çözüm
det(A1 ) det(A2 ) det(An )

x1 = , x2 = , . . . , xn = dir.
Burada Ai matrisi A daki i.sütunun yerine b sütun matrisini yazarak elde

edilen matristir.
83
İSPAT: det(A) 6= 0 olduğundan Teorem 3.2.11 den dolayı A terslenebilirdir.
Dolayısıyla
 A11 A21 A11 

det(A) det(A)
··· det(A)
   A12 A22 An2  
x1  det(A) det(A)
··· det(A)  b1
   .. .. ..  
 x2   . . .  b2 
x= ..=A b=
−1
 A1i A2i Ani

 .. 
 .  det(A) det(A)
··· det(A)  . 
xn  .. .. ..  bn
 . . . 
A1n A2n Ann
det(A) det(A)
··· det(A)
Bu ise
A1i A2i Ani
i = 1, 2, 3, . . . n için xi = b1 + b2 + · · · + bn
demektir. Şimdi
 
a11 a12 · · · a1 i−1 b1 a1 i+1 · · · a1n
 a21 a22 · · · a2 b2 a2 i+1 · · · a2n 
 i−1 
Ai =  .. .. .. .. .. .. .
 . . . . . . 
an1 an2 · · · an i−1 bn an i+1 · · · ann
det(Ai ) Determinantını i.sütuna göre açarsak
det(Ai ) = A1i b1 + A2i b2 + · · · + Ani bn .
Böylece
det(Ai )
i = 1, 2, 3, . . . n için xi =
det(A)
2
ÖRNEK 3.5.2 Aşağıdaki denklem sisteminin çözmeye çalışalım:
−2x1 + 3x2 − x3 = 1
x1 + 2x2 − x3 = 4
−2x1 − x2 + x3 = −3
84
¯ ¯
¯ −2 3 −1 ¯¯
¯
|A| = ¯¯ 1 2 −1 ¯¯ = −2 6= 0
¯ −2 −1 1 ¯
olduğundan Cramer Kuralını kullanabiliriz.
¯ ¯
¯ 1 3 −1 ¯
¯ ¯
¯ 4 2 −1 ¯
¯ ¯
¯ −3 −1 1 ¯ −4
x1 = = = 2,
|A| −2
¯ ¯
¯ −2 1 −1 ¯
¯ ¯
¯ 1 4 −1 ¯
¯ ¯
¯ −2 −3 1 ¯ −6
x2 = = = 3,
|A| −2
¯ ¯
¯ −2 3 1 ¯
¯ ¯
¯ 1 2 4 ¯
¯ ¯
¯ −2 −1 −3 ¯ −8
x3 = = = 4.
|A| −2
ALIŞTIRMALAR 3.3
1. Aşağıdaki matrislerin determinantlarını hesaplayınız.

   
2 3 4 2 1 0
(a)  1 2 4  (b)  1 2 1 
4 3 1 0 1 2
   
2 1 −1 2 2 1 0 0
 2 −3 −1 2   1 2 1 0 
(c) 
 1
 (d)  
3 2 −3   0 1 2 1 
1 −2 −1 1 0 0 1 2
2. Aşağıdaki matrisler için det(t I3 −A) = 0 olacak şekildeki t değerlerini

bulunuz.
85
   
1 4 0 2 −2 0
(a)  0 4 0  (b)  −3 1 0 
0 0 1 0 0 3
   
0 1 0 0 1 0
(c)  0 0 1  (d)  0 0 1 
6 −11 6 3 1 −3
3. Pozitif bir n tamsayısı için An = 0 ise det(A) = 0 olduğunu gösteriniz.
4. Determinant özelliklerini kullanarak

¯ ¯ ¯ ¯ ¯ ¯
¯ a−b 1 a ¯ ¯ a 1 b ¯ ¯ 1 a bc ¯
¯ ¯ ¯ ¯ ¯ ¯
(a) ¯ b−c 1 b ¯ = ¯ b 1 c ¯ (b) ¯ 1 b ca ¯ =
¯ ¯ ¯ ¯ ¯ ¯
¯ c−a 1 c ¯ ¯ c 1 a ¯ ¯ 1 c ab ¯
¯ ¯
¯ 1 a a2 ¯
¯ ¯
¯ 1 b b2 ¯
¯ ¯
¯ 1 c c2 ¯
5. Aşağıdaki ifadelerin doğrumu yanlışmı oplduklarına karar veriniz
(a) det(A + B) = det(A) + det(B)

det(B)
(b) det(A−1 B) =
det(A)
(c) det(A) = 0 ise A matrisinin en az iki satırı birbirine eşittir
(d) A matrisinin bir sıfır sütunu varsa det(A) = 0 dır
(e) A matrisi terslenemezdir ancak ve ancak det(A) = 0 ise
(f) B matrisi, A matrisinin satırca indirgenmiş eşelon formu ise det(B) =
det(A)
6. Gösteriniz ki det(A AT ) ≥ 0 dır.
7. A terslenebilir bir matris olsun. Bu durumda adjA nın da terslenebileceğini

gösteriniz.
8. Q matrisinin bütün bileşenleri 1 olsun . Gösteriniz ki, det(Q − n In ) = 0

dır.
86
9. A tamsayılarda bir matris olsun. Gösteriniz ki, A terslenebilir ve A−1
matrisinin de bileşenleri tamasyıdır ancak ve ancak det(A) ± 1 dir.
10. A tamsayılarda bir matris det(A)±1 olsun. Gösteriniz ki, b sütun ma-
trisininde bileşenleri tamsayı ise A x = b denklem sisteminin çözümleri
de tamsayı olmak zorundadır.
87
Bölüm 4
Reel Vektör Uzayları
Bir çok uygulamada basınç, kütle ve ağırlık gibi ölçülebilir niceliklerle ilgilen-
iriz. Bu nicelikler büyüklükleri verilerek tamamen tarif edilebilirler. Bun-
lara skaler denir ve c, d, r, s ve t gibi küçük harflerle gösterilir. Bunlar-
dan başka bir de hız, kuvvet, ivme gibi başka ölçülebilir nicelikler vardır ki,
tarif edilebilmeleri için sadece büyüklüklerinin verilmesi yetmez ayrıca bir de
yönlerinin belirtilmesi gerekir. Bu tip niceliklere de vektör adını vereceğiz
veu, v, x, y ve z gibi koyu küçük harflerle göstereceğiz.
Vektörler çok daha genel olarak tanımlanırlar. Vektör uzayı; grup, halka,
cisim vs gibi bir cebirsel yapıdır. Tamamen soyut olarak tanımlanır. Düzlemde
ve uzayda vektörleri açıklamak vektörlerin genel tanımını anlamakta yardımcı
olabilir.
4.1 Düzlemde (R2) Vektörler
Orijin olarak adlandıracağımız ve O ile göstereceğimiz noktada birbirine dik

iki doğru çizeriz. Bunlardan yere paralel olan doğruya x − ekseni ve dik olana
da y − ekseni diyeceğiz.
Düzlemde her bir P noktasına reel sayıların sıralı bir (x, y) ikilisini karşılık
getiririz. Buna P noktasının koordinatları diyeceğiz. Tersine olarak, reel
sayıların sıralı her ikilisine düzlemde bir nokta karşılık getiririz. (x, y) Ko-
ordinatlarına sahip P noktasını P (x, y) veya sadece (x, y) ile göstereceğiz.
88
y−ekseni
6
6
3
2 Pozitif yön
1
- x−ekseni
O 1 2 3 -
Pozitif yön
Şekil 4.1: Kartezyen Koordinat Sistemi
Düzlemdeki bütün noktaların kümesi de R2 ile gösterilir.
x ve y Reel sayılar olmak üzere 2 × 1 tipindeki

· ¸
x
x :=
y
matrisini gözönüne alalım. Bu x matrisi ile başlangıc noktası orjin ve bitiş

−−→
noktası P (x, y) olan yönlü doğru parçasını, OP , eşleyebiliriz.
y−ekseni
6
P (x, y)

1

- x−ekseni
O
Şekil 4.2: Düzlemde Vektör
Şu halde yönlü doğru parçaları kuvvet, hız ve ivme gibi kavramları tarif
etmek için kullanılabilir. Tersine olarak, O dan P ye olan yönlü doğru parçası
89
−−→
OP yi, 2 × 2 tipindeki · ¸
x
y
matrisi ile eşleyebiliriz. Yani, her vektör ile bir yönlü doğru parçası ve tersine
her yönlü doğru parçası ile de bir vektör eşleyebiriz. Bu yönlü doğru parçasının
uzunluğunu da vektörün boyu ( veya büyüklüğü, şiddeti) denir.
· ¸ · ¸
x1 x2
u := ve v := vektörlerine eşittir diyeceğiz eğer, x1 = x2 ve
y1 y2
y1 = y2 ise.
Şekil 4.3 (a) da görüldüğü gibi; Fizikteki uygulamalarda sık sık P (x, y) nok-
tasından Q(x0 , y 0 ) noktasına olan yönlü doğru parçalarıyla da karşılaşılır. Böyle
yönlü doğru parçaları da vektör olarak adlandırılırlar. Ancak böyle bir vektörün
−→
bileşenleri x0 − x ve y 0 − y dir. Böylece, Şekil 4.3 (a) daki P Q vektörü
· ¸
x0 − x
y0 − y
vektörüyle de temsil edilebilir.(başlangıç noktası orjin ve bitim noktası P 00 (x0 −
x, y 0 − y) ) Düzlemde bu şekildeki iki vektöre eşit diyeceğiz eğer, karşılık gelen
−−−→ −−−→ −−−→
bileşenleri eşit ise. Şekil 4.3 (b) de gösterildiği gibi P1 Q1 , P2 Q2 , ve P3 Q3
vektölerini göz önüne alalım. Bu vektörlerin bileşenleri hep aynı olduğundan
−−−→ −−−→ −−−→
P1 Q1 = P2 Q2 = P3 Q3
Bununla birlikte, başlangıç noktası P (−5, 2) ve bitim noktası Q4 (x04 , y40 ) olan
· ¸
−−−→ 2 −−−→
P 4 Q4 = = P2 Q2
3
vektörü şu şekilde belirlenebilir: x04 − (−5) = 2 =⇒ x04 = −3 ve y40 − 2 =
3 =⇒ y40 = 5
Böylece her bir · ¸

x
x :=
y
90
y
6
6
y Q1 (5, 5)
5
6 Á

Q3 (−1, 4)

Á
4

0 0
Q(x
q
,y ) Q2 (2, 3)

* 3

Á

q
2

P (x, y) P1 (3, 2)
q 00 0 0
P (x − x, y − y)

* 1

P3 (−3, 1)

q - x q - x
O −3 −2 −1 1 2 3 4 5
P2 (0, 0)
(a) Aynı vektörü temsil
eden farklı yönlü doğru (b) Düzlemde Vektörler
parçaları
Şekil 4.3:
vektörüne bir tek P (x, y) noktası karşılık getirebileceğimiz gibi her bir P (x, y)
noktasına da bir tek · ¸
x
x :=
y
vektörü karşılık getirebiliriz. Bazen x vektörünü (x, y) şeklinde de göstereceğiz.
Dolayısıyla, düzlem bütün noktaların kümesi olarak görülebileceği gibi bütün
vektörlerin kümesi olarak ta görülebilir.
· ¸ · ¸
u1 v1
TANIM 4.1.1 u := ve v := vektörlerinin toplamı
u2 v2
· ¸
u1 + v 1
u + v :=
u2 + v 2
şeklinde tanımlanır.
Vektör toplamını geometrik olarak şu şekilde de tarif edebiliriz; u + v

toplam vektörü, u ve v vektörlerinin tanımladığı paralelkenarın köşegenidir.(Şekil
4.5)
91
y
6
u2 + v2 · ····································· ·.
¡µ...
¡
¡ ..
.
u2 · ·············...· ¡ ..
¢̧.. ..
¢ .. ¡ ..
¢ .. ¡ u + v ..
u ¢ ... ¡ ..
..
¢ ¡ .. ..
v2 · ····¢·····¡ .
.
·····..··········³
·³ .
···..· ..
1 ..
¢ ¡ .. ³³ .. ..
¢¡ ³³ . ³ . v .
³ . .. ..
¢³
¡ . . . - x
O u 1 v 1 u 1 + v1
Şekil 4.4: Vektör toplamı

y
6
p p p p p p p p p p p p p p p p p ppp
*
© p
¡
µ
¡ © ©
p pp
u p
¡ ©©p p p p
© p
¡ © pp
¡ ©©© u + vp p p p p *
©
¡ © pp
*©©cu
¡©© u©©
pp
© p p
©
¡
© -pp © ©
- x
O v © O
©©du
©©
¼
Şekil 4.5: Vektör toplamı Şekil 4.6: Skaler çarpım

· ¸
u1
TANIM 4.1.2 u := vektörünün c de bir skaleri (reel sayı) ile skaler
u2
çarpımı cu ile gösterilir ve
· ¸
c u1
cu :=
c u2
ile tanımlanır.
Şekil 4.6 de görüldüğü gibi c > 0 ise cu vektörü u ile aynı yöndedir ve
d < 0 ise du vektörü u ile ters yöndedir.
92
p
p p p p p u+v
v¢¢̧ p p p pppp >p p
pp
:p
» Ppppp ppp
¢
¢ u»»»»p p p p
» v £±
PP
P PP p p
p
»
¢ »»
» pp £ Pq
P
H pp p 1p u − v
³
¢ H u − v pp £ ³³³
H £ ³³³ u
¢ HH p p
−v¢ p £³³
p p p p pH
jp pp
¢ p p
¢®p p p p p
(a) Vektörler arasındaki (b) Vektör toplamı ve farkı

fark
Şekil 4.7:
0 ile göstereceğimiz
· ¸
0
0 :=
0
vektörüne sıfır vektörü diyeceğiz. Şimdi, u bir vektör olmak üzere
u+0=u
ve
u + (−1)u = 0
olduğunu göstermek alıştırma olarak okuyucuya bırakılmıştır. Bununla birlikte
(−1)u yerine −u yazarız ve buna u nun negatifi deriz. Bundan başka, u −
v vektörüne de u ve v arasındaki fark deriz. Şekil 4.7 (a) gösterildiği gibi.
Bir diğer hususuda belirtelim: vekrör toplamı paralel kenarın bir köşegenini
verirken, vektör çıkarma işlemi de diğer köşegeni vermektedir.
( Şekil 4.7 (b) de gösterildiği gibi )
4.2 Uzayda (R3) Vektörler
Düzlemde yaptığımız vektörler bahsi uzayda vektörler konusuna aşağıdaki şekilde

cok rahat genelleştirilebilir: Önce, orjin diye adlandıracağımız bir nokta ve biri
diğer ikisine dik olacak şekilde orjinden geçen, koordinat eksenleri adını
93
vereceğimiz üç tane doğru seçerekbir koordinat sistemi ni sabitleriz. Bu
eksenler x−, y− ve z− ekseni olarak adlandırılır.
z
6
- y
¡O
¡
¡
¡
¡
¡
ª
x
Şekil 4.8: Koordinat sistemi
Uzayda her bir P noktasına, bu noktanın koordinatları adını verdiğimiz reel

sayıları sıralı bir (x, y, z) üçlüsünü karşılık getiririz. Tersine, reel sayıları
sıralı her bir üçlüsüne uzayda bir nokta karşılık getiririz. Koordinatları x, y
ve z olan P noktası P (x, y, z) ile veya daha basit olarak (x, y, z) ile gösterilir.
Uzaydaki bütün noktaların kümesi de R3 ile gösterilir.
Uzayda bir x vektörü; x, y ve z reel sayı olmak üzere 3 × 1 tipinde
 
x
x :=  y 
z
ile gösterilir. Buradaki x, y ve z reel sayılarına vektörün bileşenleri denir.
Herhangi iki vektöre eşittir denir eğer, karşılık gelen bileşenler eşit ise.
 
x

Düzlemde olduğu gibi x := y  vektörü ile başlangıç noktası 0(0, 0, 0) dan
z
−−→
P (x, y, z) noktasına doğru olan yönlü doğru parçası OP yi eşleyebiliriz. Ter-
sine olarak, her yönlü doğru parçasını da bir vektörle eşleyebiliriz ( Şekil 4.9 (a)
). Böylece bir x vektörünü (x, y, z) olarak da gösterebiliriz. Yine, düzlemde
olduğu gibi, orjinden farklı bir P (x, y, z) noktasından Q(x0 , y 0 , z 0 ) noktasına
94
doğru olan yönlü doğru parçalarıyla da Fizik uygulamalarında sıklıkla karşılaşırız.
Bu şekildeki yönlü doğru parçasına (Şekil 4.9 (b) de görüldüğü gibi) başlangıç
noktası P (x, y, z) ve bitiş noktası Q(x0 , y 0 , z 0 ) olan R3 de bir vektör veya
−→
kısaca vektör adını vereceğiz. Bu P Q vektörünün bileşenleri x0 − x, y 0 − y
−→
ve z 0 − z dir. İki vektörün eşitliği tanımından dolayıP Q vektörü,
 O orjinden
x0 − x
başlayıp P 0 (x0 − x, y 0 − y, z 0 − z) noktasında biten  y 0 − y  vektörüyle de
z0 − z
gösterilebilir.
z z q
Q(x0 , y 0 , z 0 )
6 6
*

q
P (x, y, z)
q P (x, y, z) q

*
* P 0 (x0 − x, y 0 − y, z 0 − z)

- y q - y
¡O ¡O
¡ ¡
¡ ¡
ª
¡ ¡
ª
x x
(a) Uzayda bir vektör (b) Aynı vektörü temsil eden
yönlü doğru parçaları
Şekil 4.9:
   
u1 v1
R3 de iki vektör u :=  u2  ve v :=  v2 , ayrıca c de bir skaler olsun. Bu
u3 v3
iki vektörün toplamı u + v ve skaler çarpım cu sırasıyla
   
u1 + v 1 cu1
u + v :=  u2 + v2  ve cu :=  cu2 
u3 + v 3 cu3
95
ile tanımlanır.
   
2 3
ÖRNEK 4.2.1 u :=  3  ve v :=  −5  vektörleri için
−1 1
   
2+3 5
u + v =  3 + (−5)  =  −2 
−1 + 1 0
   
−2(2) −4
−2u =  −2(3)  =  −6 
−2(−1) 2
     
3(2) −2(3) 0
3u − 2v =  3(3)  +  −2(−5)  =  19 
3(−1) −2(1) −5
 
0
R3 de sıfır vektörü O :=  0  dır ve R3 deki her u vektörü için
0
u+O=u ve u + (−u) = O.
Dikkat edecek olursak düzlemde bir vektörü reel sayıların sıralı bir ikilisi
veya bir 2 × 1 tipinde bir matris olarak tanımladık. Aynı şekilde, uzayda bir
vektörü de reel sayıların sıralı bir üçlüsü veya 3 × 1 tipinde bir matris olarak
tanımladık. Buna ilaveten, Fizik biliminde de vektöre çoğunlukla yönlü doğru
parçası olarak bakarız. Böylece bir vektör için reel sayıların sıralı ikilisi, 2 × 1
tipinde bir matris ve yönlü doğru parçası diye elimizde üç farklı gösterim olmuş
oldu. Doğal olarak bunların üçününde neden aynı şeyi gösterdiğini açıklamaya
çalışalım.
Matematik konuşacak olursak vektör diye adlandırdığımız nesnenin davranışı

ile ilgileniriz. Cebirsel açıdan baktığımızda dagörürüz ki bu üç nesne tama-
men aynı şekilde davranır. Bundan başka, uygulama problemlerinde doğal
96
olarak ortaya çıkan bir çok nesne de yine cebirsel açıdan baktığımızda bu
üç nesne gibi davranır. Böyle bir durumda Matematikçi böyle nesnelerin
ortak özelliklerini soyutlaştırarak yeni bir Matematiksel yapı tanımlar. Bu
sayede, aynı zamanda özel bir nesneyi belirtmeksizin böyle bütün nesnelerin
özellikleri hakkında konuşabiliriz. Bu da herbir nesnenin özelliklerini ayrı ayrı
çalışmaktan çok daha etkilidir. Örneğin aşağıdaki Teorem, düzlemde ve uza-
yda vektörlere ilişkin toplama ve skaler ile çarpma işleminin özelliklerini verir.
Bu Teorem aynı zamanda düzlem veya uzaydaki vektörlerin kümesini daha
soyut tanımlamaya model teşkil eder.
TEOREM 4.2.2 R2 de ( veya R3 ) üç vektör u, v ve w , ayrıca c ve d skaler-

ler olsun. Bu durumda
(a) u+v =v+u
(b) u + (v + w) = (u + v) + w
(c) u+O=u=O+u
(d) u + (−u) = O
(e) c (u + v) = c u + c v
(f) (c + d) u = c u + d u
(g) c (d u) = (c d) u
(h) 1u = u
ALIŞTIRMALAR 4.1
·¸
2
1 vektörünün başlangıç noktası (−3, 2) olduğuna göre bitim nok-
3
tasını belirleyiniz ve grafiği çiziniz.
 
2
2  4  vektörünün bitiş noktası (3, 2, 2) olduğuna göre başlangıç nok-
−2
tasını belirleyiniz ve grafiği çiziniz.
97
· ¸ · ¸
a−b 4
3 Hangi a ve b değerleri için ve vektörleri eşit olurlar?
3 a+b
   
2a − b −2
4 Hangi a, b ve c değerleri için  a − 2b  ve  2  vektörleri
6 a + b − 2c
eşit olurlar?
5 Aşağıdaki u ve v vektörleri için u + v, 2u − v, 3u − 2v ifadelerini
hesaplayınız.
  
  
2 2 3
(a) u :=  3 , v :=  1  (b) u :=  −2 , v :=
  −1 −1 4
−3
 1 
2
  
  
1 2 7
(c) u :=  5 , v :=  2  (d) u :=  6 , v :=
  −3 5 −3
5
 −2 
1
· ¸ · ¸ · ¸ · ¸
4 −2 r −2
6 x := , y := , z := ve u := vektörleri verilsin.
3 1 5 s
3
(a) z = 2 x (b) u = 2y (c) z + u = x
2
olacak şekilde r ve s değerlerini bulunuz.
7 Eğer varsa aşağıdaki eşitliği sağlayan c1 ve c2 skalerlerini bulunuz.
· ¸ · ¸ · ¸
1 3 −5
c1 + c2 =
−2 −4 6
8 Eğer varsa aşağıdaki eşitliği sağlayan c1 , c2 ve c3 skalerlerini bulunuz.

       
1 −1 −1 2
c1  2  + c2  1  + c3  4  =  −2 
−3 1 −1 3
98
9 Eğer varsa aşağıdaki eşitliği sağlayan c1 , c2 ve c3 skalerlerini bulunuz.
       
1 1 3 0
c1  
2 + c2  
3 + c3  
7 = 0 
−1 −2 −4 0
4.3 Reel Vektör Uzayları
Bu kısımda Teorem 4.2.2 i temel alarak vektör kavramını biraz daha genelleştireceğiz.
TANIM 4.3.1 Elemanları arasında aşağıdaki özellikleri sağlayan ⊕ ve ¯ gibi

iki işlem olan bir V kümesine reel vektör uzayı denir.
(a) u, v ∈ V iken u ⊕ v ∈ V dir.
(1) Her u, v ∈ V için u ⊕ v = v ⊕ u.

(2) Her u, v, w ∈ V için u ⊕ (v ⊕ w) = (u ⊕ v) ⊕ w.
(3) Her u ∈ V için bir (sıfır vektörü) 0 ∈ V vardır öyleki,
u⊕0=0⊕u=u
(4) Her u ∈ V için bir −u ∈ V vardır öyleki,
u ⊕ −u = −u ⊕ u = 0
(b) Her u ∈ V vektörü ve her c ∈ R skaleri için c ¯ u ∈ V dır. Ayrıca,
(5) Her u, v ∈ V ve her c ∈ R skaleri için c ¯ (u ⊕ v) = c ¯ u ⊕ c ¯ v

(6) Her c, d ∈ R ve her u ∈ V için (c + d) ¯ u = c ¯ u ⊕ d ¯ u
(7) Her c, d ∈ R ve her u ∈ V için c ¯ (d ¯ u) = (c d) ¯ u
(8) Her u ∈ V için 1 ¯ u = u
Bu V kümesinin elemanlarına vektör ve Reel sayılara da skaler denir. Bunun-

dan başka ⊕ işlemine vektör toplamı ve ¯ işlemine de skaler çarpım denir.
99
Bu tanımda reel sayılar yerine kompleks sayılar C alınırsa ortaya çıkan
vektör uzayına da kompleks vektör uzayını elde ederiz. Daha genel olarak,
buradaki reel veya kompleks sayılar cismi yerine herhangi bir F cismini alabil-
iriz. Bu durumda V ye F cismi üzerinde vektör uzayı adını verebiliriz. Bu tip
genel vektör uzaylarının Matematikte ve Fizikte önemli uygulamaları vardır.
Bu ders notlarında reel vektör uzayları üzerine yoğunlaşacağız.
Bir vektör uzayını belirleyebilmek için bize bir V kümesiyle birlikte Tanım
4.3.1 deki aksiyomları sağlayan ⊕ ve ¯ işlemlerinin verilmesi gerekmektedir.
Bundan sonra reel vektör uzaylarına kısaca vektör uzayı diyeceğiz. Ayrıca
vektör uzayı V nin elemanlarına vektör dedikten sonra artık yönlü doğru
parçaları olarak vektörleri açıklamaya gerek kalmamıştır.
ÖRNEK 4.3.2 Bileşenleri reel sayılar olan n × 1 tipindeki matrislerin

n
kümesini R ile gösterelim ve ⊕ ve ¯ işlemleri de sırasıyla matris toplamı ve
matrisin skaler ile çarpımı işlemleri olsun. Bu işlemlerin cebirsel özelliklerinden
dolayı Tanım 4.3.1 deki aksiyomların sağlandığını açıkca görebiliriz.
 
a1
 a2 
 
n
Böylece R nin elemanı olarak,  ..  matrisine vektör de diyebiliriz. R2 ve
 . 
an
R ün geometrik yorumları için bazı şeiller çizebilmiştik ama Rn için bu şekilleri
3
çizemeyiz. Bununla birlikte ileriki bölümlerde uzunluk ve açı gibi kavramları

aynen Rn de de yapabileceğiz.
ÖRNEK 4.3.3 Bileşenleri reel sayılar olan m × n tipindeki matrislerin

kümesini Mmn ile gösterelim ve ⊕ ve ¯ işlemleri de sırasıyla matris toplamı ve
matrisin skaler ile çarpımı işlemleri olsun. Aksiyomların sağlandığı çık açıktır.
Dolayısıyla, Mmn bir vektör uzayıdır.
ÖRNEK 4.3.4 Bütün reel sayılar kümesi R yi gözönüne alalım. Ayrıca

⊕ ve ¯ işlemleri de sırasıyla alışılmış toplama ve çarpma işlemleri olsun. Bu
durumda açık olarak R bir vektör uzayıdır. Bu vektör uzayı n = 1 için Rn nin
özel bir halidir.
100
ÖRNEK 4.3.5 Derecesi ≤ n olan reel katsayılı polinomların kümesini Pn
ile gösterelim. Yani,
© ¯ ª
Pn := an tn + an−1 tn−1 + · · · + a1 t + a0 ¯ an , an−1 , . . . , a1 , a0 ∈ R
Ayrıca ⊕ ve ¯ işlemleri de sırasıyla polinom toplamı ve bir polinomun bir

skaler ile çarpımı işlemleri olsun. Bunu biraz hatırlamaya çalışalım; Herhangi
reel katsayılı iki polinom
p(t) := an tn + an−1 tn−1 + · · · + a1 t + a0 ,
q(t) := bn tn + bn−1 tn−1 + · · · + b1 t + b0

ve c ∈ R olsun.
p(t) ⊕ q(t) := (an + bn )tn + (an−1 + bn−1 )tn−1 + · · · + (a1 + b1 )t + (a0 + b0 )
c ¯ p(t) := (can )tn + (can−1 )tn−1 + · · · + (ca1 )t + (ca0 )

Açıkça görülmektedir ki, p(t) ⊕ q(t), c ¯ p(t) ∈ Pn dir.
Reel sayılarda ai +bi = bi +ai özelliği sağlandığından p(t)⊕q(t) = q(t)⊕p(t)

olur. Sıfır polinomu 0 sıfır vektörüdür ve bir p(t) polinomunun negatifi
−p(t) = −an tn − an−1 tn−1 − · · · − a1 t − a0
dir. Şimdi sadece Tanım 4.3.1 deki (6) özelliğinin sağlandığını gösterelim.
Diğer özelliklerin sağlandığını göstermeyi okuyucuya alıştırma olarak bırakıyoruz.
(c + d) ¯ p(t) = (c + d)an tn + (c + d)an−1 tn−1 + · · · + (c + d)a1 t + (c + d)a0

= can tn + dan tn + can−1 tn−1 + dan−1 tn−1 + · · · + ca1 t + da1 t + ca0 + da0
= c(an tn + an−1 tn−1 + · · · + a1 t + a0 ) + d(an tn + an−1 tn−1 + · · · + a1 t + a0 )
= c ¯ p(t) ⊕ d ¯ p(t)
Aşağıdaki Teorem ile bir vektör uzayının kullanışlı özelliklerini verir.
TEOREM 4.3.6 Bir V vektör uzayında aşağıdakiler gerçeklenir.
(a) Her u ∈ V için 0 ¯ u = 0
101
(b) Her c ∈ R için c ¯ 0 = 0
(c) c ¯ 0 = 0 ise ya c = 0 ya da u = 0
(d) Her u ∈ V için −1 ¯ u = −u
İSPAT: (a) 0 ¯ u = (0 + 0) ¯ u = 0 ¯ u ⊕ 0 ¯ u eşitliğinin her iki yanını

−0 ¯ u vektörü ile toplarsak 0 ¯ u = 0 eşitliğini buluruz.
(d) −1 ¯ u ⊕ u = −1 ¯ u ⊕ 1 ¯ u = (−1 + 1) ¯ u = 0 ¯ u = 0
ve −u vektörü tek olduğundan −1 ¯ u = −u dir.
(b) ve (c) şıkları alıştırma olarak okuyucuya bırakılmıştır. 2
102

Lineer Cebir Ders Notları

Uploaded by

Copyright:

Available Formats

You might also like

Lineer Cebir Ders Notları

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Lineer Cebir Ders Notları

Uploaded by

Copyright:

Available Formats

İçindekiler

1 Lineer Denklemler ve Matrisler 3

1.1 Lineer Denklem Sistemleri . . . . . . . . . . . . . . . . . . . . . 3

1.3 Matris İşlemleri . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

1.3.1 Matris Toplamı . . . . . . . . . . . . . . . . . . . . . . . 15

1.3.2 Scaler ile Matris Çarpımı . . . . . . . . . . . . . . . . . . 16

1.3.3 Bir Matrisin Transpozu . . . . . . . . . . . . . . . . . . . 17

1.3.4 Matrislerin Çarpımı . . . . . . . . . . . . . . . . . . . . . 18

1.4 Matris İşlemlerinin Cebirsel Özellikleri . . . . . . . . . . . . . . 23

1.5 Lineer Denklem Sistemleri . . . . . . . . . . . . . . . . . . . . . 31

2 Lineer Denklemlerin Çözümü 34

2.1 Bir Matrisin Eşelon Formu . . . . . . . . . . . . . . . . . . . . . 34

2.2 Lineer Denklem Sitemlerinin Çözümü . . . . . . . . . . . . . . . 41

2.3 Homojen Denklem Sistemleri . . . . . . . . . . . . . . . . . . . . 48

2.4 Elemanter Matrisler ve A−1 Ters Matrisi Bulmak . . . . . . . . 52

3.1 Temel Tanımlar . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

3.2 Determinant Özellikleri . . . . . . . . . . . . . . . . . . . . . . . 66

3.3 Kofactor Açılımı . . . . . . . . . . . . . . . . . . . . . . . . . . 76

3.4 Bir Matrisin Tersi . . . . . . . . . . . . . . . . . . . . . . . . . . 79

3.5 Determinantların Bir Başka Uygulaması . . . . . . . . . . . . . 83

4 Reel Vektör Uzayları 88

4.1 Düzlemde (R2 ) Vektörler . . . . . . . . . . . . . . . . . . . . . . 88

4.2 Uzayda (R3 ) Vektörler . . . . . . . . . . . . . . . . . . . . . . 93

4.3 Reel Vektör Uzayları . . . . . . . . . . . . . . . . . . . . . . . . 99

Lineer Denklemler ve Matrisler

1.1 Lineer Denklem Sistemleri

Matematik, Fizik, Biyoloji, Kimya, Ekonomi, Muhendislik alanları, Sosyal Bil-

Şimdi a1 , a2 , . . . , an ve b önceden verilen reel veya komplex sabitler olmak

Bir s1 , s2 , . . . , sn sayı dizisine (1.1) lineer denkleminin bir çözümü denir,

Eğer, (1.2) denklem sisteminde b1 = b2 = b3 = · · · bn = 0 ise bu sisteme

Şimdi n bilinmeyenli r tane denklemden oluşan bir başka denklem sistemini

c11 x1 + c12 x2 + c13 x3 + · · · + c1n xn = d1

ÖRNEK 1.1.2 Bir kümeste yaşayan Tavuk ve Tavşanların sayısı 30 ve ayak-

x :=tavşan sayısı ve y :=tavuk sayısını göstersin. Buna göre denklem

ÖRNEK 1.1.3 Aşağıdaki denklem sistemini göz önüne alalım:

Burada da birinci denklemin 7 katını ikinci denkleme eklersek

ki buradan da z = 3 buluruz. z = 3 değerini (1.9) daki birinci denklemde

Dikkat edecek olursak eleme sürecinde ortaya çıkan denklem sistemi

buluruz ki, bu da verilen denklem sisteminin tutarsız olduğunu yani çözümünün

denklemini elde ederiz. Bunun bir çözümü y = z − 4 ve z de herhangi bi

elde ederiz. Böylece (1.12) denklem sisteminin çözümü

1. i. ve j. denklemleri yer değiştirmek

2. denklem sistemindeki herhangi bir denklemi sıfırdan farklı bir sabi-

3. i. denklemin yerine j. denklemin c katını i.denkleme ekleyerek

Bu maniplasyonlar yapılarak oluşturulan yeni denklem sistemi başta verilen

1. Aşağıdaki lineer denklem sistemlerini eleme yöntemini kullanarak çözünüz

lineer denklem sisteminde;

a) hangi t değeri için sistem tutarlıdır?

4. Aşağıdaki lineer denklem sisteminde

x = 1, y = 2 ve z = r olacak şekilde bir r değeri varmıdır? Varsa

5. Aşağıdaki lineer denklem sisteminde

x = r, y = 2 ve z = 1 olacak şekilde bir r değeri varmıdır? Varsa

6. Bir diyetisyen A, B ve C yiyeceklerinden oluşan bir öğün hazırlamak is-

Bir önceki kısımda anlattığımız eleme yöntemini inceleyecek olursak; bu üç

Matrisler sadece kullanışlı bir notasyon değildir. Matrisler üzerinde işlemler

TANIM 1.2.1 Bir m × n tipinde A matrisi; m · n tane reel veya kompleks

matrisleri için A, 2 × 3 tipinde bir matrisi ve B de 3 × 3 tipinde bir kare

a12 = 1, a13 = 3 ve a22 = 0 dır ve b11 = 1, b22 = 0, b33 = 2 dir.

ÖRNEK 1.2.3 Aşağıdaki matris belirtilen şehirler arası havayolu uzaklığını