📐 Vektör Uzayları: Temel Kavramlar
Vektör uzayları, matematiğin ve fiziğin temel taşlarından biridir. İçinde vektörler adı verilen özel nesnelerin yaşadığı, toplama ve skalerle çarpma işlemlerinin tanımlı olduğu kümelerdir. Bu işlemler belirli kurallara uyar ve bu kurallar sayesinde vektörler üzerinde rahatça işlem yapabiliriz.
- ➕ Toplama İşlemi: İki vektörü topladığımızda yine aynı uzayda bir vektör elde ederiz. Bu işleme "kapalılık" denir.
- ✖️ Skalerle Çarpma İşlemi: Bir vektörü bir sayıyla (skalerle) çarptığımızda yine aynı uzayda bir vektör elde ederiz. Bu da kapalılık özelliğidir.
📏 Normlu Vektör Uzayları Nedir?
Normlu vektör uzayları, vektör uzaylarına ek olarak bir de "norm" kavramını içeren uzaylardır. Norm, bir vektörün uzunluğunu veya büyüklüğünü ölçmek için kullanılan bir fonksiyondur.
✨ Normun Özellikleri
Bir fonksiyonun norm olabilmesi için aşağıdaki özellikleri sağlaması gerekir:
- 📏 Pozitif Olma: Bir vektörün normu her zaman sıfır veya sıfırdan büyük olmalıdır. Yani, $||v|| \geq 0$.
- 🚫 Sıfır Vektörü: Bir vektörün normu sıfır ise, o vektör sıfır vektörüdür. Yani, $||v|| = 0$ ise $v = 0$.
- 🔢 Skalerle Çarpma: Bir vektörü bir skalerle çarptığımızda, norm da aynı skalerle çarpılır. Yani, $||cv|| = |c| \cdot ||v||$. Burada $c$ bir skalerdir.
- 📐 Üçgen Eşitsizliği: İki vektörün toplamının normu, vektörlerin normlarının toplamından küçük veya eşit olmalıdır. Yani, $||u + v|| \leq ||u|| + ||v||$.
📍 Norm Çeşitleri
Farklı norm tanımları vardır. En yaygın kullanılan normlardan bazıları şunlardır:
- 📐 Öklid Normu (Euclidean Norm): Genellikle "2-normu" olarak da bilinir. Bir vektörün bileşenlerinin karelerinin toplamının kareköküdür. Örneğin, $v = (x, y)$ vektörü için Öklid normu $||v||_2 = \sqrt{x^2 + y^2}$ şeklinde hesaplanır.
- 🧱 Manhattan Normu (Manhattan Norm): "1-normu" olarak da bilinir. Bir vektörün bileşenlerinin mutlak değerlerinin toplamıdır. Örneğin, $v = (x, y)$ vektörü için Manhattan normu $||v||_1 = |x| + |y|$ şeklinde hesaplanır.
- ♾️ Maksimum Norm (Maximum Norm): "Sonsuz normu" olarak da bilinir. Bir vektörün bileşenlerinin mutlak değerlerinin en büyüğüdür. Örneğin, $v = (x, y)$ vektörü için Maksimum norm $||v||_\infty = \max(|x|, |y|)$ şeklinde hesaplanır.
🚀 Normlu Vektör Uzaylarının Uygulamaları
Normlu vektör uzayları, birçok alanda kullanılır. İşte bazı örnekler:
- 🤖 Makine Öğrenmesi: Makine öğrenmesi algoritmalarında, vektörler arasındaki mesafeyi ölçmek ve benzerlikleri bulmak için normlar kullanılır. Örneğin, bir sınıflandırma probleminde, bir veri noktasının hangi sınıfa ait olduğunu belirlemek için en yakın komşu algoritması kullanılabilir. Bu algoritmada, veri noktaları arasındaki mesafeyi ölçmek için bir norm kullanılır.
- 📊 Veri Analizi: Veri analizinde, verilerin dağılımını ve özelliklerini anlamak için normlar kullanılır. Örneğin, bir veri kümesindeki aykırı değerleri (outliers) tespit etmek için normlar kullanılabilir.
- 💻 Görüntü İşleme: Görüntü işlemede, görüntülerin özelliklerini çıkarmak ve karşılaştırmak için normlar kullanılır. Örneğin, iki görüntünün ne kadar benzer olduğunu belirlemek için görüntülerin vektörel gösterimleri arasındaki mesafeyi ölçmek için bir norm kullanılabilir.
- 🕹️ Bilgisayar Grafikleri: Bilgisayar grafiklerinde, nesnelerin şekillerini ve hareketlerini tanımlamak için vektörler ve normlar kullanılır. Örneğin, bir 3D modelin yüzey normalini hesaplamak için vektörler ve normlar kullanılır.
