Doğrusal cebir kulağa korkutucu gelse de temel fikirleri son derece somuttur. Vektörler, matrisler ve bunların arasındaki işlemler, fizik simülasyonlarından makine öğrenimi modellerine kadar her şeyi açıklar. Bu kılavuz, temel bilgileri erişilebilir hale getirir; ileri düzey gösterime gerek yoktur.

Vektör Nedir?

Bir vektör, hem büyüklüğü (boyutu) hem de yönü olan bir niceliktir. 2B'de v = [3, 4] gibi bir vektör "3 birim sağa ve 4 birim yukarı hareket et" anlamına gelir. 3B'de üçüncü bir bileşen eklersiniz: v = [3, 4, 2].

Geometrik olarak bir vektör, orijinden bir noktaya giden bir oktur. Cebirsel olarak sayıların (bileşenlerin) sıralı bir listesidir. Her iki görünüm de eşit derecede geçerlidir ve bunlar arasında sürekli geçiş yapacaksınız.

Bir vektörün büyüklüğü (uzunluk), n boyuta genelleştirilmiş Pisagor teoremini kullanır:

|v| = √(v₁² + v₂² + v₃²)

v = [3, 4] için: |v| = √(9 + 16) = √25 = 5

birim vektörün büyüklüğü tam olarak 1'dir. Herhangi bir vektörü birim vektöre dönüştürmek için her bileşeni büyüklüğüne bölün: v̂ = v / |v|.

Vektör Toplama ve Skaler Çarpma

İki vektör bileşen bazında eklenir:

[1, 2, 3] + [4, 5, 6] = [5, 7, 9]

Geometrik olarak bu "baştan kuyruğa" kuralıdır; ikinci vektörün kuyruğunu birinci vektörün başına yerleştirin.

Bir skaler (sıradan sayı) ile çarpmak her bileşeni ölçeklendirir:

3 × [1, 2, 3] = [3, 6, 9]

Pozitif skalerler vektörü uzatır; −1'lik bir skaler yönünü tersine çevirir; 0 ile 1 arasındaki skalerler onu küçültür.

Nokta Çarpımı

İki vektörün nokta çarpımı bir skaler (tek sayı) üretir:

A·B = a₁b₁ + a₂b₂ + a₃b₃

A = [1, 2, 3] ve B = [4, 5, 6] için:

A·B = (1×4) + (2×5) + (3×6) = 4 + 10 + 18 = 32

Geometrik anlam daha açıklayıcıdır:

A·B = |A| × |B| × cos(θ)

Burada θ vektörler arasındaki açıdır. Bu bize kritik bir fikir veriyor:

  • A·B >; 0: Açı < 90° — vektörler kabaca aynı yönü gösterir
  • A·B = 0: Açı = 90° — vektörler diktir (diktir)
  • A·B <; 0: Açı >; 90° — vektörler kabaca zıt yönlere işaret eder

Nokta çarpımı uygulamalı matematiğin her yerindedir. Makine öğrenimi, belgeleri ve kullanıcı tercihlerini karşılaştırmak için kosinüs benzerliğini (nokta çarpım bölü büyüklükler) kullanır. Fizik bunu işi hesaplamak için kullanır: W = F·d (kuvvet nokta yer değiştirmesi).

Çapraz Çarpım

çapraz çarpım yalnızca 3 boyutlu olarak çalışır ve her iki girdiye dik bir vektör (skaler değil) üretir:

A × B = [a₂b₃ - a₃b₂, a₃b₁ - a₁b₃, a₁b₂ - a₂b₁]

Yön sağ el kuralını takip eder: parmaklarınızı A yönüne doğrultun, B'ye doğru kıvırın ve başparmağınız A × B yönünü işaret eder.

A × B'nin büyüklüğü, iki vektörün kapsadığı paralelkenarın alanına eşittir:

|A × B| = |A| × |B| × sin(θ)

Nokta çarpımdan farklı olarak, çapraz çarpım anti-değişmelidir: A × B = −(B × A).

Uygulamalar: Fizikte tork τ = r × F'dir. Bilgisayar grafiklerindeki yüzey normalleri (yüzeyin baktığı yön), kenar vektörlerinin çapraz çarpımı olarak hesaplanır.

Matris Nedir?

Matris, satırlar ve sütunlar halinde düzenlenmiş dikdörtgen bir sayı dizisidir. 3×2 matrisin 3 satırı ve 2 sütunu vardır.

Matrisler doğrusal dönüşümleri, yani vektörleri geren, döndüren, yansıtan veya kesen işlevleri temsil eder. Bir vektörü bir matrisle çarpmak onu dönüştürür.

2×2 A matrisi ve v vektörü için:

A = [[3, 0],    v = [1]    Av = [3×1 + 0×2] = [3]
     [0, 2]]        [2]         [0×1 + 2×2]   [4]

Bu dönüşüm x bileşenini 3 ve y bileşenini 2 oranında ölçeklendirir.

Matris Çarpımı

İki A ve B matrisi çarpılarak C = AB matrisini verir; burada her c_ij öğesi, A'nın i satırı ile B'nin j sütununun nokta çarpımıdır.

[1, 2] × [5, 6] = [(1×5 + 2×7), (1×6 + 2×8)] = [19, 22]
[3, 4]   [7, 8]   [(3×5 + 4×7), (3×6 + 4×8)]   [43, 50]

Kritik kurallar:

  • AB yalnızca A'daki sütun sayısı B'deki satır sayısına eşit olduğunda tanımlanır
  • Matris çarpımı genellikle değişmeli değildir: AB ≠ BA

Belirleyici

Bir kare matrisin determinantı, matrisin alanı (2B'de) veya hacmi (3B'de) ne kadar ölçeklendirdiğini söyleyen bir skalerdir.

2×2’lik bir matris için:

det [[a, b]] = ad - bc
    [[c, d]]
Belirleyici değer Anlam
det > 0 Dönüşüm yönelimi korur
det < 0 Dönüşüm yansıtır (yönelimi çevirir)
det
det
kesin = 0 Dönüşüm tekildir; daha düşük boyuta doğru ezilir

Det = 0 olduğunda, matris tekildir; tersi yoktur ve temsil ettiği denklem sisteminin ya çözümü yoktur ya da sonsuz sayıda çözümü vardır.

Matrisin Tersi

Ters A⁻¹, AA⁻¹ = I'i (kimlik matrisi) karşılar. Yalnızca det(A) ≠ 0 olduğunda mevcuttur.

2×2’lik bir matris için:

A = [[a, b]]    A⁻¹ = (1/det) × [[ d, -b]]
    [[c, d]]                     [[-c,  a]]

Matris tersleri doğrusal denklem sistemlerini çözmek için kullanılır: eğer Ax = b ise x = A⁻¹b.

Pratikte büyük sistemler A⁻¹'yi doğrudan hesaplamak yerine Gauss eliminasyonuyla çözülür; bu sayısal olarak daha verimli ve kararlıdır.

Özdeğerler ve Özvektörler

Bir A matrisinin özvektörü, A tarafından dönüştürüldüğünde yalnızca ölçeklenen (döndürülmeyen) özel bir v vektörüdür:

Av = λv

Skaler λ karşılık gelen özdeğer'dir; özvektörün ne kadar gerildiğini veya küçüldüğünü gösterir.

Özdeğerleri bulmak için karakteristik denklemi çözün:

det(A - λI) = 0

2×2'lik bir matris için bu, (genellikle) iki çözümü olan ikinci dereceden bir denklem verir.

Özdeğerler neden önemlidir?

  • Temel Bileşen Analizi (PCA): Veri kovaryans matrisinin özvektörleri, bilgiyi korurken boyutluluğu azaltan "temel bileşenler" olan maksimum varyansın yönlerini tanımlar.
  • Google PageRank: Web bağlantısı matrisinin baskın özvektörü, rastgele bir web sörfçünün durağan dağılımını verir
  • Kuantum mekaniği: Gözlemlenebilir nicelikler (enerji seviyeleri, dönüş durumları) operatörlerin özdeğerleridir

Kutupsal Koordinatlar

Doğrusal cebirin tam olarak bir parçası olmasa da koordinat sistemleri dönüşümlerle ilgilidir. Kutupsal koordinatlar herhangi bir 2 boyutlu noktayı başlangıç ​​noktasından r uzaklığı ve pozitif x ekseninden θ açısı ile temsil eder.

Sistemler arası dönüşüm:

Cartesian → Polar:   r = √(x² + y²),  θ = atan2(y, x)
Polar → Cartesian:   x = r cos(θ),    y = r sin(θ)

Kutupsal koordinatlar, daire ve dönmeyle ilgili birçok sorunu basitleştirir; Kartezyen'de karmaşık olan denklemler, kutupsal formda zarif hale gelir.

Hepsini Bir Araya Getirmek

Doğrusal cebirin gücü, birçok değişkenle aynı anda tek bir matematiksel nesne gibi çalışmanıza izin vermesi gerçeğinden gelir. Milyonlarca parametreye sahip bir makine öğrenimi modeli, yalnızca bir matris çarpımları ve doğrusal olmayan işlevler dizisidir. Bir 3D oyun motoru, döndürme, ölçeklendirme ve projeksiyon matrisleriyle saniyede milyonlarca köşeyi dönüştürüyor.

Temeller (vektörler, nokta çarpımlar, matrisler, determinantlar) hepsinin temelini oluşturur.

Nokta Çarpım Hesaplayıcımızı, Çapraz Çarpım Hesaplayıcımızı, Matris Determinant Hesaplayıcımızı, Matrix Ters Hesaplayıcımızı ve Eigenvalue'yu kullanın Bu kavramları etkileşimli olarak keşfetmek için Hesap Makinesi kullanın.