Professional Documents
Culture Documents
Lineer Cebir Ders Notları
Lineer Cebir Ders Notları
Lineer Cebir Ders Notları
1.2 Matrisler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1
3 Determinantlar 61
2
Bölüm 1
a1 x1 + a2 x2 + a3 x3 + · · · + an xn = b (1.1)
şeklindeki bir denkleme x1 , x2 , . . . , xn bilinmeyenlerine göre bir Lineer Den-
klem denir.
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.
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.
−2y = −20
elde ederiz. Yani x bilinmeyenini yok etmiş olduk. Buradan y = 10 buluruz.
Bunu birinci denklemde yerine yazarsak x = 20 elde ederiz.
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
10z = 30
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
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
x = −4 − 2y + 3z
= −4 − 2(z − 4) + 3z
= z+4
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:
(caj1 + ai1 )x1 + (caj2 + ai2 )x2 + · · · + (cajn + ain )xn = cbj + bi
denklemini yazmak
8
ALIŞTIRMALAR 1.1
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
9
3. Her homojen lineer denklem sistemi tutarlı mıdır? Açıklayınız.
2x + 3y − z = 11
x − y + 2z = −7
4x + y − 2z = 12
3x − 2z = 4
x − 4y + z = −5
−2x + 3y + 2z = 9
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
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.
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
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
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
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
w = −1, x = −3, y = 0 ve z = 5
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
A + B := [aij + bij ]
ÖRNEK 1.3.2
· ¸ · ¸
1 −2 3 0 2 1
A= ve B=
2 −1 4 1 3 −4
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
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
16, 45
matrisi ile gösterilsin. Yapılan anonsta her bir ürüne %20 indirim geldiği
söylenmiştir.
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 ≤ i ≤ m, 1 ≤ j ≤ n), cij := ai1 b1j + ai2 b2j + ai3 b3j + · · · + aip b1p
p
X
= aik bkj (1.14)
k=1
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
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
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
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
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)
22
1.4 Matris İşlemlerinin Cebirsel Özellikleri
(a) A + B = B + A
(b) A + (B + C) = (A + B) + C
A+O =A dır.
A + (−A) = O dır.
(b) (r + s)A = rA + sA
(c) r(A + B) = rA + rB
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
(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
à p
!
X X X
gij = air erj = air brk ckj
r=1 r=1 k=1
p p
à 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 ¡ ¢ ¡ ¢ ¡ ¢
= ai1 b1k ckj + ai2 b2k ckj + · · · + ain bnk ckj
k=1
p p p
X X X
= ai1 b1k ckj + ai2 b2k ckj + · · · + ain bnk ckj
k=1 k=1 k=1
n n
à 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)
· ¸ 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 :
2. A 6= O B 6= O iken A B = O olabiliyor.
3. B 6= C iken A B = A C olabiliyor.
£ ¤
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.
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)
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
(A B)−1 = B −1 A−1 .
29
(ii) Tanımdan açıktır.
(iii) A A−1 = In . Bu eşitsizliğin her iki tarafından
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
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
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.
Ax = O
ile gösterilir.
ÖRNEK 1.5.1
−2x + z = 5
2x + 3y − 4z = 7
3x + 2y + 2z = 3
−2 0 1 x 5
A := 2 3 −4 , x := y , ve b := 7 .
3 2 2 z 3
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
33
Bölüm 2
¯
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.
£ ¤
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.
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
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.
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
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.
1 2 4 3
C := 1 −2 2 3
4 −3 7 8
Böylece C matrisi de B ye denk olmuş olur.
2 4 8 6
D := 1 −2 2 3
4 −3 7 8
37
NOT: Kolayca gösterilebilir ki tanımda verilen bağıntı bir denklik bağıntısıdır.
Yani
£ ¤
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.
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
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
£ ¤
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
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
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.
£ ¤
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
¯
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
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.
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
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
• 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
£ ¤
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.
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.
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.
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.
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
48
matrisine denktir. Dolayısıyla çözümler
x = −r
y = r
z = −r
w = r, herhangi bir reel sayı.
ALIŞTIRMALAR 2.1
1 2 −3 1
−1 0 3 4
1. A :=
0
matrisi veriliyor.
1 2 −1
2 3 0 −3
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
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
katsayılarmatrisi 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.
x + y − z = 2
x + 2y + z = 3
2
x + y + (a − 5)z = a
x + y + z = 2
2x + 3y + 2z = 5
2x + 3y + (a2 − 1)z = a + 1
x + 2y − 3z = a
2x + 3y + 3z = b
5x + 9y − 6z = c
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.
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.
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
1 0 −2
E := 0 1 0
0 0 1
elemanter matrisini buluruz. Dolayısıyla kolayca kontrol ederiz ki, B = E A
dır.
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
54
Tersine, A matrisi terslenebilir olsun. Bu durumda A x = 0 homojen
sistemin sadece aşikar çözümü (sıfır çözümü) vardır. Çünkü
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.
55
Bir A, n × n kare matrisi için aşağıdakiler birbirine denktir.
1. A matrisi terslenebilirdir.
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.
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.
−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)
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
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.
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.
£ ¤
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
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 .
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
@
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
65
3.2 Determinant Özellikleri
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
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
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
TEOREM 3.2.3 A matrisinde herhangi iki satır (sütun) eşit ise bu durumda
det(A) = 0.
det(A) = 0.
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
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
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
ri ←→ rj (ci ←→ cj )
• i.satırın yerine yine i. satırın (sütunun bir k sayısı ile çarpılmış halini yaz
:
kri −→ ri (kci −→ ci )
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
Birim matris In de bir üçgen matris olduğundan şu halde det(In ) = 1 dir.
Elemanter matrislerin de determinantını hesaplayabiliriz.
• 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.
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.
¡ ¢
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)
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
£ ¤
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
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.
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
75
11. A ve B kare matrisler olmak üzere gösteriniz ki,
µ· ¸¶
A O
det = (detA)(detB)
O B
¯ ¯
¯ 1 a a2 ¯
¯ ¯
14. ¯ 1 b b2 ¯ = (b − a)(c − a)(c − b) olduğunu gösteriniz.
¯ ¯
¯ 1 c c2 ¯
£ ¤
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
£ ¤
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 )
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
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
£ ¤
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
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
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)
83
İSPAT: det(A) 6= 0 olduğundan Teorem 3.2.11 den dolayı A terslenebilirdir.
Dolayısıyla
Bu ise
A1i A2i Ani
i = 1, 2, 3, . . . n için xi = b1 + b2 + · · · + bn
det(A) det(A) det(A)
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
Böylece
det(Ai )
i = 1, 2, 3, . . . n için xi =
det(A)
2
−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
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
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
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.
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
y−ekseni
6
P (x, y)
1
- x−ekseni
O
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
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.
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
· ¸
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
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 )
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
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 dolayıP 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.
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.
(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
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
Bu kısımda Teorem 4.2.2 i temel alarak vektör kavramını biraz daha genelleştireceğiz.
u⊕0=0⊕u=u
u ⊕ −u = −u ⊕ u = 0
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.
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
dir. Şimdi sadece Tanım 4.3.1 deki (6) özelliğinin sağlandığını gösterelim.
Diğer özelliklerin sağlandığını göstermeyi okuyucuya alıştırma olarak bırakıyoruz.
101
(b) Her c ∈ R için c ¯ 0 = 0
(c) c ¯ 0 = 0 ise ya c = 0 ya da u = 0
(d) −1 ¯ u ⊕ u = −1 ¯ u ⊕ 1 ¯ u = (−1 + 1) ¯ u = 0 ¯ u = 0
ve −u vektörü tek olduğundan −1 ¯ u = −u dir.
102