1995'te Amerikan Matematik Derneği'nin aylık dergisinde kısa, kavgacı bir yazı çıktı. Yazarı San Francisco State Üniversitesi'nden Sheldon Axler'dı. Başlık tek cümleydi: Determinantlara Hayır. İddia da öyle: karmaşık sayılar üzerindeki her kare matrisin bir özdeğeri vardır ve bunu kanıtlamak için determinant formülüne ihtiyacın yok.1 Formülün kendisi yanlış değildi. Kapı yanlıştı.

Üniversitede lineer cebir çoğu zaman o kapıdan girer. İki çarpı iki matris, a d eksi b c, Cramer kuralı, üç çarpı üçte Sarrus şeması. Sınavı geçersin. Tahta sayı doludur. Uzayın ne yaptığı sorulunca o tahta susar. O sessizliği tanıdıysan yalnız değilsin.

Bu yazıda neler var?

Tahta doluyor, uzay görünmüyor

Axler'ın şikayeti formüle değil, sıraya yönelikti. Determinantı başa koyunca öğrenci bir sayıyı hesaplamayı öğreniyor; o sayının düzlemi kaç kat şişirdiğini, yoksa bir çizgiye yığdığını görmüyor. Makale 1996'da Lester R. Ford ödülünü aldı. Ardından gelen kitabı, Linear Algebra Done Right, determinantı en sona sürdü: önce vektör uzayı, doğrusal dönüşüm, özdeğer. Formül, neyi ölçtüğü belli olduktan sonra geliyor.2

Bu bir ikinci ders kitabıdır. Birinci derste satır işlemleri, Gauss yok etmesi, sayısal pratik durur. Axler onları silmez; yalnızca teorinin omurgasını determinantın üstüne kurmayı reddeder. Karmaşık bir uzayda özdeğerin varlığını, polinomun kökünden değil, dönüşümün bir doğrultuyu sabitlemesinden okur.

MIT'de Gilbert Strang başka bir kapı açtı. A x eşittir b denklemini satır satır okumak yerine sütun sütun okumayı öğretti. Matrisin sütunları uzaydaki oklardır. x vektörü o okları ölçekler, toplar. Çözüm, doğru karışımı bulmaktır. Satır resmi hesabı hızlandırır. Sütun resmi ne aradığını gösterir. İki resmi üst üste bindirince denklem bir hesap olmanın ötesine geçer: uzayda bir yere varmak için hangi okları, kaç kat kullanacağını sorarsın.3

Dört sayı, bütün düzlem

İki boyutta iş daha da sadeleşir. Düzlemin iki temel oku vardır: sağa bir adım, yukarı bir adım. Lineer bir dönüşüm ızgara çizgilerini paralel ve eşit aralıklı tutar, orijini yerinde bırakır. O zaman bütün düzlemin kaderi bu iki okun nereye gittiğindedir. Matrisin birinci sütunu birinci okun yeni adresi, ikinci sütunu ikincinin. Herhangi bir nokta, o iki yeni okun aynı karışımı olarak gider.4

Bir örnek. Kayma denen dönüşümü düşün: yatay ok yerinde kalır, dikey ok sağa bir adım yatmıştır. (2, 1) noktası iki adım sağa, bir adım yukarıdır. Dönüşümden sonra aynı karışım geçerli kalır: iki kere yeni yatay ok, bir kere yeni dikey ok. Nokta (3, 1)'e gider. Dört sayı yeter. Gerisi takip eder.

Kayma dönüşümü: yatay ok yerinde kalır, (2,1) noktası (3,1)'e gider
Kayma: yatay ok yön değiştirmez. O yön özvektördür. Grafik: kafa1milyon.com

Bu yüzden matris-vektör çarpımı ezber bir reçete değil. Şu kadar yeni birinci ok, artı bu kadar yeni ikinci ok. Çarpım, dönüşümü uygulamaktır. İki matrisi çarpmak da iki dönüşümü peş peşe uygulamaktır. Sıra önemlidir: önce doksan derece döndürüp sonra eğmek, önce eğip sonra döndürmekle aynı yerde bitmez. Çarpımın yer değiştirmemesi bir kapris değil; uzayın peş peşe eğilmesinin kaydıdır.

Determinant bir alan ölçer

Birim kareyi izle. Kenarları temel oklara yaslanan o kare, dönüşümden sonra bir paralelkenara döner. Determinantın mutlak değeri o paralelkenarın alanıdır; dolayısıyla düzlemdeki her şeklin alanının kaç katına çıktığıdır. Üçle ikiyi ölçekleyen çapraz bir matris kareyi altı birimlik bir dikdörtgene çevirir. Determinant altıdır. İşaret yönü söyler: negatifse ızgara ters yüz olmuştur, sağ sol yer değiştirmiştir.4

Birim karenin lineer dönüşümle alan 3 paralelkenara dönmesi; determinant alan ölçeğidir
Sütunlar okların yeni adresidir. Determinant, alanın kaç katına çıktığıdır. Grafik: kafa1milyon.com

Sıfır özel bir haberdir. Determinant sıfırsa dönüşüm bütün düzlemi bir çizgiye, hatta bir noktaya yığmıştır. Alan yok olmuştur. Tersini almak imkânsızdır çünkü bilgi kaybolmuştur: çizgi üzerindeki bir noktanın eskiden nereden geldiğini bilemezsin. Ters matris, geometride, o eğilmeyi geri sarmaktır. Izgara bir çizgiye yapışmışsa geri saracak bir hareket yoktur.

Üst üste açılmış defterlerde el yazısı matrisler, vektörler ve formüller
Defter satır işlemleriyle dolar. Asıl soru, o sayıların uzayı nasıl eğdiğidir. Fotoğraf: Vyacheslav Argenberg, CC BY 4.0.

Gauss yok etmesi hâlâ işe yarar; büyük sistemlerde Cramer kuralı ise çoktan işe yaramaz. Axler'ın alıntıladığı sayısal analizcinin cümlesi nettir: özdeğer kodlarının hiçbiri determinant kullanmaz.1

Axler determinantı bu yüzden geciktirir. Önce uzay çöktü mü sorusunu dönüşümün çekirdeğiyle sorarsın. Formül sonra gelir; geldiğinde artık bir büyü değil, alanın özetidir. Hamming'in cümlesi burada yerini bulur: hesabın amacı sayı değil, görüş.5

Hangi ok yerinde kalır

Özvektör, dönüşümün yalnızca uzattığı veya kısalttığı yöndür. Ok dönerse o yön özvektör değildir. Dönerken uzayan yönler de vardır; ama bir yön varsa ki yalnızca ölçeklenir, o yön dönüşümün iskeletidir. Bir kayma dönüşümü yatay oku yerinde bırakır, dikey oku yana yatırır. Yerinde kalan o yatay ok, kaymanın özvektörüdür. Köprü titreşimi, yüz tanıma, arama motorunun sayfa sıralaması: hepsi bu yerinde kalan yönü arar.6

Karakteristik polinom ve a d eksi b c hâlâ hesaplanır. Gauss yok etmesi de durur. Yapay zekanın içindeki çarpımlar da aynı dört sayının, aynı sütun karışımının büyümüş hâlidir. Değişen, onları ne zaman gördüğündür. Izgarayı eğilmiş gördükten sonra formül bir büyü olmaktan çıkar. Dört sayı, uzayın nasıl kıvrıldığının kaydıdır.

Dipnotlar ve Kaynaklar

  1. Axler, S. (1995). "Down with Determinants!", The American Mathematical Monthly, 102(2), 139-154. DOI: 10.1080/00029890.1995.11990555. 1996 Lester R. Ford ödülü. Özdeğer programlarının determinant kullanmadığına dair sayısal analizci alıntısı da bu yazıdadır.
  2. Axler, S. Linear Algebra Done Right, 4. basım (2024). Determinantlar kitabın sonuna alınır; omurga vektör uzayı, doğrusal dönüşüm ve özdeğerdir. linear.axler.net
  3. Strang, G. Introduction to Linear Algebra; MIT 18.06, 1. ders: "The Geometry of Linear Equations". A x, sütunların doğrusal karışımıdır. OCW: ocw.mit.edu.
  4. Sanderson, G. (2016). Essence of Linear Algebra: doğrusal dönüşüm (ızgara paralel ve eşit aralıklı kalır) ve determinantın alan/hacim ölçeği. 3blue1brown.com
  5. Hamming, R. W. Hesabın amacı sayı değil görüştür ("The purpose of computation is insight, not numbers"). Sanderson'ın determinant dersinde de anılır.
  6. Brin, S. ve Page, L. (1998). "The Anatomy of a Large-Scale Hypertextual Web Search Engine", Computer Networks and ISDN Systems, 30. Sayfa sıralaması, bağ matrisinin başat özvektörüne yaslanır.
Kategoriler ve Etiketler
Bilim lineer cebir matris vektör determinant özdeğer matematik
Bu yazıyı paylaş
kafa1milyon

kafa1milyon

Meraklı bir kafa. Bilimsel makaleleri, arşiv belgelerini ve saha notlarını okuyup gündelik dile çeviriyor; bilinmeyeni bilinmiyor diye yazmaktan çekinmiyor.