Skaler Çarpım (Nokta Çarpımı): Vektörler Arasındaki Yönelim İlişkisinin Matematiksel İfadesi

İki vektörün çarpımından tek bir sayı elde edilebileceği fikri, 19. yüzyılın sonlarında William Rowan Hamilton ve Hermann Grassmann’ın cebirsel vektör teorisi üzerine yürüttüğü çalışmalarla biçimlenmeye başladı. Bugün skaler çarpım ya da nokta çarpımı (dot product) olarak adlandırılan bu işlem; fizikten makine öğrenmesine, kuantum mekaniğinden bilgisayar grafiklerine uzanan geniş bir alanda temel hesaplama aracı hâline gelmiştir.^[1] İki vektörün büyüklükleriyle aralarındaki açının kosinüsünü bir araya getiren bu yapı, yalnızca geometrik bir hesaplama kolaylığı değil; fiziksel gerçekliğin skaler nicelikler —iş, enerji, güç— aracılığıyla betimlenmesinin matematiksel iskeletidir.

1. Temel Kavramlar ve Matematiksel Yapı

1.1 Tanım: Geometrik ve Cebirsel Yaklaşım

Skaler çarpım, iki vektörün birbirlerine göre yönelimini ve büyüklüklerini tek bir sayıya indirgeyen bilinear bir formdur. $𝐀$ ve $𝐁$ iki vektör, $θ$ aralarındaki açı olmak üzere geometrik tanım şöyledir:^[2]

$𝐀 \cdot 𝐁 = | 𝐀 | | 𝐁 | \cos θ$

Bu ifadede $| 𝐀 |$ ve $| 𝐁 |$ sırasıyla iki vektörün büyüklüklerini, $θ$ ise $0$ ile $π$ arasında değişen açıyı simgeler. Sonuç her zaman bir skalerdir; yönü olmayan gerçek bir sayıdır. Büyüklük ve yönden bağımsız olarak —döndürmeler ve koordinat dönüşümleri altında değişmeyen— bu özellik, fizik yasalarının farklı referans çerçevelerinde tutarlı biçimde ifade edilmesini sağlar.^[3]

Kartezyen koordinatlarda $𝐀 = A_{x} \hat{𝐢} + A_{y} \hat{𝐣} + A_{z} \hat{𝐤}$ ve $𝐁 = B_{x} \hat{𝐢} + B_{y} \hat{𝐣} + B_{z} \hat{𝐤}$ için cebirsel tanım şu biçimi alır:^[4]

$𝐀 \cdot 𝐁 = A_{x} B_{x} + A_{y} B_{y} + A_{z} B_{z}$

Bu iki tanımın denkliği, kosinüs teoremi aracılığıyla ispatlanabilir; dolayısıyla Kartezyen koordinat sisteminin tercih edildiği her durumda bu iki form birbirinin yerine kullanılabilir.^[5]

1.2 Birim Vektörler Arasındaki Skaler Çarpım

Dik koordinat sisteminin birim vektörleri $\hat{𝐢}$ , $\hat{𝐣}$ , $\hat{𝐤}$ arasındaki skaler çarpımlar, sistemin ortogonalliğini ve normalliğini doğrudan yansıtır:^[6]

$\hat{𝐢} \cdot \hat{𝐢} = \hat{𝐣} \cdot \hat{𝐣} = \hat{𝐤} \cdot \hat{𝐤} = 1$

$\hat{𝐢} \cdot \hat{𝐣} = \hat{𝐣} \cdot \hat{𝐤} = \hat{𝐤} \cdot \hat{𝐢} = 0$

Bu eşitlikler, standart tabanın ortonormal —yani birim büyüklüklü ve birbirine dik— bir yapıya sahip olduğunu gösterir. Ortonormal taban, skaler çarpım hesabını, bileşenlerin karşılıklı çarpımlarının toplamına indirger; bu özellik hem teorik analizde hem de nümerik hesaplamada büyük bir kolaylık sağlar.

1.3 Temel Özellikler

Değişme özelliği (Komütatiflik): Skaler çarpım, sıralamadan bağımsızdır:

$𝐀 \cdot 𝐁 = 𝐁 \cdot 𝐀$

Bu özellik, geometrik tanımdan doğrudan çıkarılır; çünkü $\cos θ$ açı değiştikçe işaret değiştirmez, yalnızca projeksiyon yönü değişir.^[7]

Dağılma özelliği: Skaler çarpım, vektör toplamı üzerinde dağılır:

$𝐀 \cdot (𝐁 + 𝐂) = 𝐀 \cdot 𝐁 + 𝐀 \cdot 𝐂$

Skaler homojenlik: Bir vektör skaler $c$ ile çarpıldığında:

$(c 𝐀) \cdot 𝐁 = c (𝐀 \cdot 𝐁) = 𝐀 \cdot (c 𝐁)$

Pozitif yarı-kesinlik: Bir vektörün kendisiyle skaler çarpımı her zaman negatif olmayan bir sayıdır:

$𝐀 \cdot 𝐀 = | 𝐀 |^{2} \geq 0$

ve $𝐀 \cdot 𝐀 = 0$ yalnızca $𝐀 = 𝟎$ durumunda sağlanır.^[8] Bu özellik, vektör büyüklüğünün skaler çarpım cinsinden tanımlanmasına imkân verir:

$| 𝐀 | = \sqrt{𝐀 \cdot 𝐀} = \sqrt{A_{x}^{2} + A_{y}^{2} + A_{z}^{2}}$

2. Geometrik Yorum: Projeksiyon ve Ortogonallik

2.1 Vektörel Projeksiyon

Skaler çarpımın en temel geometrik yorumu, projeksiyon kavramı üzerine kuruludur. $𝐀 \cdot 𝐁 = | 𝐀 | (| 𝐁 | \cos θ)$ biçiminde yazıldığında, $| 𝐁 | \cos θ$ terimi $𝐁$ ’nin $𝐀$ yönüne olan skaler projeksiyonudur; geometrik olarak $𝐁$ vektörünün $𝐀$ doğrultusundaki “gölgesinin” uzunluğuna karşılık gelir.^[9]

$𝐁$ ’nin $𝐀$ üzerine vektörel projeksiyonu ise şu biçimdedir:

${proj}_{𝐀} 𝐁 = \frac{𝐀 \cdot 𝐁}{| 𝐀 |^{2}} 𝐀 = \frac{𝐀 \cdot 𝐁}{| 𝐀 |} \hat{𝐀}$

Burada $\hat{𝐀} = 𝐀 / | 𝐀 |$ , $𝐀$ yönündeki birim vektördür. Projeksiyon, bir kuvvetin belirli bir yöndeki bileşenini bulmaktan, bir güneş paneline gelen ışınların etkin bileşenini hesaplamaya kadar pek çok fiziksel problemin çözümünde başvurulan temel araçtır.^[10]

Herhangi bir $𝐅$ vektörü, $\hat{𝐯}$ birim vektörüne paralel ve dik bileşenlere ayrıştırılabilir:

$𝐅 = 𝐅_{∥} + 𝐅_{⊥}$

$𝐅_{∥} = (𝐅 \cdot \hat{𝐯}) \hat{𝐯}, 𝐅_{⊥} = 𝐅 - 𝐅_{∥}$

2.2 Ortogonallik Koşulu

Ayrıştırılamadı (sözdizim hatası): {\textstyle \theta = 90°} olduğunda $\cos θ = 0$ dolayısıyla:

$𝐀 \cdot 𝐁 = 0 ⟺ 𝐀 ⊥ 𝐁 (𝐀, 𝐁 \neq 𝟎)$

Bu koşul, iki vektörün dik olup olmadığının test edilmesini, koordinat sistemlerinin bağımsızlığının doğrulanmasını ve vektör uzaylarında baz vektörlerinin seçilmesini sağlar.^[11]

Ayrıştırılamadı (sözdizim hatası): {\textstyle \theta = 0°} durumunda $\cos θ = 1$ olduğundan skaler çarpım maksimum değerine, $𝐀 \cdot 𝐁 = | 𝐀 | | 𝐁 |$ ’ye ulaşır; vektörler aynı yöndedir. Ayrıştırılamadı (sözdizim hatası): {\textstyle \theta = 180°} durumunda $\cos θ = - 1$ olduğundan $𝐀 \cdot 𝐁 = - | 𝐀 | | 𝐁 |$ olur; vektörler zıt yönlerdedir. Bu üç durum, skaler çarpımın işaretinin iki vektör arasındaki yönelim ilişkisini kodladığını ortaya koyar.

2.3 İki Vektör Arasındaki Açı

Skaler çarpım tanımından, iki vektör arasındaki açının hesaplanması için şu ifade elde edilir:^[12]

$θ = \cos^{- 1} (\frac{𝐀 \cdot 𝐁}{| 𝐀 | | 𝐁 |})$

Bu formül, uzay geometrisinde iki yönelim arasındaki açının doğrudan bileşenlerden hesaplanmasını mümkün kılar; karmaşık trigonometrik hesaplamaların önüne geçer.

3. Cauchy-Schwarz Eşitsizliği ve Üçgen Eşitsizliği

Skaler çarpımın en temel ve derin sonuçlarından biri Cauchy-Schwarz Eşitsizliği’dir:^[13]

$| 𝐮 \cdot 𝐯 | \leq | 𝐮 | | 𝐯 |$

Eşitlik yalnızca $𝐮$ ve $𝐯$ doğrusal bağımlı olduğunda —yani biri diğerinin skaler katı olduğunda— sağlanır. Geometrik olarak bu eşitsizlik, bir vektörün başka bir vektöre olan projeksiyonunun asla o vektörün büyüklüğünü aşamayacağı anlamına gelir; fiziksel dilde ise iki yönlü büyüklüğün çarpımının her zaman tam uyum halindeki (paralel) durumu üst sınır olarak gördüğünü ifade eder.^[14]

Cauchy-Schwarz eşitsizliğinden doğrudan çıkan Üçgen Eşitsizliği ise şöyledir:

$| 𝐮 + 𝐯 | \leq | 𝐮 | + | 𝐯 |$

Bu eşitsizlik, geometride iki kenarın toplamının üçüncü kenardan büyük olması zorunluluğunu cebirsel biçimde ifade eder ve bütün norm uzaylarında geçerlidir. Eşitlik, $𝐮$ ve $𝐯$ aynı yönde olduğunda elde edilir.^[15]

4. Fizikteki Temel Uygulamalar

4.1 Mekanik İş

Klasik mekanikte iş, $𝐅$ kuvvet vektörü ile $𝐝$ yer değiştirme vektörünün skaler çarpımıyla tanımlanır:^[16]

$W = 𝐅 \cdot 𝐝 = | 𝐅 | | 𝐝 | \cos θ$

Burada $θ$ , kuvvetin yer değiştirme yönüyle yaptığı açıdır. Yalnızca kuvvetin yer değiştirme yönündeki bileşeni, $| 𝐅 | \cos θ$ , iş yapar. Kuvvet harekete dik ise (Ayrıştırılamadı (sözdizim hatası): {\textstyle \theta = 90°} ) skaler çarpım sıfır olduğundan iş sıfırdır; bu durum, dairesel hareket sırasında merkezcil kuvvetin mekanik iş yapmamasını açıklar.^[17]

Kinetik enerji de skaler çarpım yoluyla ifade edilir:

$K = \frac{1}{2} m (𝐯 \cdot 𝐯) = \frac{1}{2} m (v_{x}^{2} + v_{y}^{2} + v_{z}^{2}) = \frac{1}{2} m v^{2}$

Enerji ve iş skaler büyüklükler olduğundan —vektörel değil, sayısal olduklarından— uzayda koordinat seçimiyle değerleri değişmez. Bu durum, enerji tabanlı yöntemlerin fizik problemlerinde yaygın tercih edilmesinin temel nedenidir.

4.2 Güç

Anlık güç, kuvvet ile hız vektörlerinin skaler çarpımıdır:

$P = 𝐅 \cdot 𝐯 = | 𝐅 | | 𝐯 | \cos θ$

Güç de skaler bir büyüklük olup, enerji aktarımının hızını ifade eder. Kuvvet ile hız arasındaki açı Ayrıştırılamadı (sözdizim hatası): {\textstyle 90°} ’ye yaklaştıkça güç azalır; bu ilişki, motor verimliliği hesaplamalarından rüzgâr türbini tasarımına kadar pek çok mühendislik uygulamasının temelini oluşturur.

4.3 Elektromanyetizmada Yönelim Bağımlı Büyüklükler

Elektrik dipolünün $𝐩$ dipol momenti ile $𝐄$ elektrik alanı arasındaki potansiyel enerji skaler çarpımla ifade edilir:

$U = - 𝐩 \cdot 𝐄 = - | 𝐩 | | 𝐄 | \cos θ$

Manyetik dipol için de benzer bir ifade geçerlidir. Bu yapı, skaler çarpımın vektörel büyüklüklerin —kuvvet, alan— ve açı bilgisinin tek bir skaler büyüklükte nasıl kodlanabileceğini gösterir.

Fiziksel büyüklük	Skaler çarpım ifadesi
Mekanik iş	$W = 𝐅 \cdot 𝐝$
Anlık güç	$P = 𝐅 \cdot 𝐯$
Kinetik enerji	$K = \frac{1}{2} m (𝐯 \cdot 𝐯)$
Elektrik dipol enerjisi	$U = - 𝐩 \cdot 𝐄$
Manyetik dipol enerjisi	$U = - μ \cdot 𝐁$

4.4 Güneş Paneli Verimi: Somut Bir Örnek

Bir güneş panelinin ürettiği enerji, gelen güneş ışınlarının panel yüzeyine dik birim vektörle ( $\hat{𝐧}$ ) yaptığı açıya bağlıdır. Panel yüzeyine düşen enerji yoğunluğu $I = I_{0} \cos θ = I_{0} (\hat{𝐬} \cdot \hat{𝐧})$ bağıntısıyla hesaplanır; burada $\hat{𝐬}$ güneş ışınının yönü, $I_{0}$ ise maksimum yoğunluktur. Güneş ışınları panele tam dik geldiğinde ( $θ = 0$ ) verim en yüksek değerine ulaşır; çünkü skaler çarpım maksimum olur.^[18]

5. İç Çarpım Uzaylarına Genelleme

5.1 Soyut Vektör Uzaylarında İç Çarpım

Skaler çarpımın matematiksel yapısı, Öklid uzayının ötesine, soyut iç çarpım uzaylarına (inner product spaces) genelleştirilir. Herhangi bir $V$ vektör uzayında iç çarpım $⟨ \cdot, \cdot ⟩$ şu aksiyomları sağlayan bir fonksiyondur:^[19]

Konjügate simetri: $⟨ 𝐮, 𝐯 ⟩ = \overline{⟨ 𝐯, 𝐮 ⟩}$
Birinci argümanda doğrusallık: $⟨ c 𝐮 + 𝐰, 𝐯 ⟩ = c ⟨ 𝐮, 𝐯 ⟩ + ⟨ 𝐰, 𝐯 ⟩$
Pozitif yarı-kesinlik: $⟨ 𝐮, 𝐮 ⟩ \geq 0$ ve eşitlik yalnızca $𝐮 = 𝟎$ için

Gerçek sayılar için konjügate simetri, sıradan simetriye indirger; bu durumda Öklid skaler çarpımı, iç çarpımın özel bir hali olur. İç çarpım uzayları, Öklid geometrisinin sezgisel kavramlarını —uzunluk, açı, diklik— soyut matematiksel yapılara taşır.

5.2 Kuantum Mekaniğinde Bra-Ket Notasyonu

Kuantum mekaniğinde durum vektörleri, sonsuz boyutlu bir Hilbert uzayında (karmaşık iç çarpım uzayı) konumlanır. Paul Dirac’ın 1939’da önerdiği bra-ket notasyonu, bu uzayda iç çarpımı temsil etmenin standart biçimidir:^[20]

$⟨ ϕ | ψ ⟩ = \int ϕ^{*} (x) ψ (x) d x$

Burada $| ψ ⟩$ bir “ket” (durum vektörü), $⟨ ϕ |$ ise onun dual uzaydaki “bra” karşılığıdır. İki durum vektörünün iç çarpımı karmaşık sayı değerli bir skalerdir; $| ⟨ ϕ | ψ ⟩ |^{2}$ ise $| ψ ⟩$ durumunun $| ϕ ⟩$ durumunda ölçülme olasılığını verir.^[21]

Ortonormal baz durumları $| e_{i} ⟩$ için:

$⟨ e_{i} | e_{j} ⟩ = δ_{i j}$

Bu eşitlik, Kronecker delta ile ifade edilir ve Öklid uzayındaki birim vektörler arasındaki skaler çarpımın tam karşılığıdır. Skaler çarpım bu bağlamda, olası ölçüm sonuçlarının olasılık amplitüdlerini hesaplamada temel araç işlevi görür.^[22]

5.3 Genel Riemannian Metrik

Öklid düzleminde sabit olan iç çarpım, eğri uzaylarda konuma bağlı hale gelir. Genel görelilik teorisinde uzay-zamanın geometrisini betimleyen Riemannian metrik tensörü $g_{μ ν}$ , skaler çarpımın bu genellemesidir:^[23]

$d s^{2} = g_{μ ν} d x^{μ} d x^{ν}$

Düz Öklid uzayında $g_{μ ν} = δ_{μ ν}$ olduğundan bu ifade tanıdık biçimine döner. Kütlelerin varlığında metrik eğilir ve uzaklık ölçümü artık koordinat bağımlılığı kazanır. Bu çerçeve, skaler çarpım kavramının, fiziksel dünyanın geometrisini kodlayan evrensel bir araç hâline nasıl geldiğini açıkça ortaya koymaktadır.

6. Makine Öğrenmesinde Kosinüs Benzerliği

Skaler çarpımın normalize edilmiş hali, yüksek boyutlu vektörler arasındaki yönelim benzerliğini ölçen temel araç olarak öne çıkmıştır. İki $𝐚$ ve $𝐛$ vektörü için kosinüs benzerliği şöyle tanımlanır:^[24]

$sim (𝐚, 𝐛) = \cos θ = \frac{𝐚 \cdot 𝐛}{| 𝐚 | | 𝐛 |}$

Doğal dil işlemede belge ya da sözcük gömme vektörleri (word embeddings) arasındaki anlamsal benzerliği ölçmek için bu formül yaygın biçimde kullanılır. $sim = 1$ tam uyum, $sim = 0$ bağımsızlık, $sim = - 1$ ise tam karşıtlık anlamına gelir.

Yapay sinir ağlarında her katmandaki hesaplama özünde bir skaler çarpım işlemidir: giriş vektörü $𝐱$ ile ağırlık vektörü $𝐰$ ’nin skaler çarpımı aktivasyon fonksiyonuna beslenir. Son araştırmalar, bu sınırsız (unbounded) skaler çarpım yerine normalize edilmiş kosinüs benzerliğinin bazı mimarilerde daha tutarlı temsiller öğrendiğini ve düşmanca saldırılara karşı hafif bir dayanıklılık sağlayabildiğini öne sürmektedir.^[25]

2024 yılında arXiv’de yayımlanan bir çalışma ise kosinüs benzerliğinin düzenlenmiş lineer modellerden türetildiğinde zaman zaman anlamsız benzerlik ölçütleri üretebileceğini analitik olarak göstermiş; bu durum, vektör gömme temelli benzerlik ölçütlerinin dikkatli seçilmesi gerektiğine dair önemli bir uyarı olarak literatürde yer bulmuştur.^[26]

7. Kavramsal Analiz

7.1 Nizam, Gaye ve Sanat

Skaler çarpım, iki vektörel büyüklüğün yalnızca ortak yönde hizalanmış bileşenlerinin etkileşimini ölçer. Bu yapının hangi koşullarda fiziksel anlam taşıdığına bakıldığında, son derece dikkat çekici bir tablonun ortaya çıktığı görülür.

Mekanik işin $W = 𝐅 \cdot 𝐝$ biçiminde tanımlanması tesadüfi değildir; yalnızca hareket yönündeki kuvvet bileşeni enerji aktarımına katkı sağlar. Fiziksel gerçeklik, iki farklı türden vektörel büyüklüğü —kuvvet ve yer değiştirme— yönelimlerine duyarlı biçimde birleştiren tek bir skalerde kodlanmaktadır. Kosinüs ifadesinin bu kodlamayı sağlaması; açı sıfırdan Ayrıştırılamadı (sözdizim hatası): {\textstyle 90°} ’ye uzandıkça etkin etkileşimin sürekli azalması ve tam diklikte sıfırlanması, fiziksel enerji aktarımının geometrik bir olgu olduğunu açıkça ortaya koymaktadır.

Benzer bir gözlem güneş paneli örneğinde de yapılabilir: panelin ve güneşin göreceli konumunun bilinciyle hesaplanmış bir optimizasyon söz konusudur. Işınların dik geldiği anda enerji girişi maksimuma ulaşırken açı arttıkça etkinlik tam olarak $\cos θ$ oranında azalır. Böylesine hassas bir geometrik uyumun doğanın matematiksel yapısına sinmiş olması düşündürücüdür.^[27]

Cauchy-Schwarz eşitsizliğinin evrenselliği de bu bağlamda kayda değerdir: Öklid uzayından fonksiyon uzaylarına, matris uzaylarından kuantum durum uzaylarına kadar her iç çarpım uzayında bu eşitsizliğin geometrik bir sınır gibi “nöbette durması”, matematiksel yapılar arasındaki derin uyumun bir yansıması olarak öne çıkmaktadır.^[28]

7.2 İndirgemeci Dile Yönelik Eleştiri

Skaler çarpım anlatılarında sıklıkla karşılaşılan bir ifade biçimi, fiziksel olgulara edilgen değil, aktif bir müdahale atfeder:

❌ “Kuvvet, harekete dik bileşenini ‘siler’ ve yalnızca paralel bileşen iş yapar.”
✅ “Kuvvetin yer değiştirme yönüne paralel bileşeni sıfır olmayan bir iş değerine karşılık gelir; dik bileşen ise skaler çarpımda kosinüs ifadesi aracılığıyla sıfır katkıyla temsil edilir.”

Benzer bir dil sorunu, ortogonallik ifadelerinde de gözlemlenir:

❌ “İki dik vektör birbirini ‘iptal eder’.”
✅ “İki dik vektörün skaler çarpımı, Ayrıştırılamadı (sözdizim hatası): {\textstyle \cos 90° = 0} koşulundan sıfır değerine sahip olur.”

Daha derinlikli bir sorun ise “skaler çarpım, iki vektörün ne kadar ‘benzer’ olduğunu ölçer” iddiasındadır. Bu önerme kısmen doğrudur; ancak benzerlik olgusal bir kural değil, normalize edilmiş bir ölçüt —kosinüs benzerliği— aracılığıyla tanımlanmış matematiksel bir kavramdır. Makine öğrenmesi literatüründeki son çalışmalar, normalize edilmemiş skaler çarpımın vektör büyüklüklerine duyarlı olduğunu ve büyüklükçe farklı olan vektörler arasında yanıltıcı “benzerlik” skoru üretebileceğini göstermektedir.^[29] Dolayısıyla skaler çarpımın “benzerlik ölçüsü” olduğu iddiasının sınırlarını fark etmek, formülün gerçekte neyi yaptığını —yönelim ve büyüklük bilgisini eşanlı kodlamayı— anlamayı gerektirir.

Son olarak, bir vektörün büyüklüğünün $| 𝐀 | = \sqrt{𝐀 \cdot 𝐀}$ olarak “tanımlanması”, büyüklüğün skaler çarpımdan “türediği” izlenimi verebilir. Gerçekte ise büyüklük bağımsız bir geometrik kavramdır; skaler çarpım, bu büyüklüğü hesaplamada kullanılabilecek bir araçtır. Betimleyici araçla kurucu gerçeklik arasındaki bu ayrım, matematiksel formalizm ile fiziksel içerik arasındaki ilişkinin anlaşılmasında belirleyicidir.

7.3 Hammadde ve Sanat Ayrımı

Skaler çarpım işlemi, kendi içinde tamamı sıfırlanabilir olan iki bileşenden —iki vektörden— öyle bir büyüklük üretir ki bu büyüklük, bileşenlerin ayrı ayrı taşımadığı bir niteliği —yönelim bilgisini— fiziksel anlam taşıyacak biçimde skaler bir sayıya dönüştürür.

Şöyle somutlaştırmak mümkündür: $𝐅 = 10 \hat{𝐢}$ N kuvveti ve $𝐝 = 5 \hat{𝐣}$ m yer değiştirmesi bağımsız olarak verildiğinde, her biri yalnızca büyüklük ve yön bilgisi taşır. Ancak bu iki vektörden oluşan sistemin skaler çarpımı $𝐅 \cdot 𝐝 = 0$ joule’dür; sistem hiç iş yapmamıştır. Kuvveti $𝐅 = 10 \hat{𝐢}$ N olarak tutup yer değiştirmeyi $𝐝 = 5 \hat{𝐢}$ m olarak değiştirdiğimizde ise $𝐅 \cdot 𝐝 = 50$ joule iş ortaya çıkar. Hammadde —iki vektör— aynıdır; değişen yalnızca aralarındaki ilişki ve düzenlemedir. İş değeri, vektörlerden herhangi birinde değil; iki vektörün birbirlerine göre olan yönelim düzenlemesinde tezahür eder.

Kuantum mekaniğindeki bra-ket iç çarpımı bu örüntüyü daha ileri bir boyuta taşır. $| ψ ⟩$ durum vektörü ve $| ϕ ⟩$ ölçüm durumu bağımsız olarak tanımlandığında, tek başlarına herhangi bir ölçüm sonucunu belirlemez. Ancak $| ⟨ ϕ | ψ ⟩ |^{2}$ iç çarpımının karesi, fiziksel ölçüm olasılığını verir; bu olasılık, bileşenlerin hiçbirinde mevcut olmayan bir gerçekliktir. Ölçüm olasılığı, iki durum vektörü arasındaki iç çarpım ilişkisinden doğan bütünsel bir özelliktir.^[30]

Riemannian metrik de aynı mantığı evrensel ölçekte işletir: bağımsız koordinat değişimleri $d x^{μ}$ metrize edilmemiş bir geometri parçasıdır; ancak $g_{μ ν} d x^{μ} d x^{ν}$ biçimindeki skaler çarpım, uzay-zamanın fiziksel geometrisini —yani iki nokta arasındaki gerçek uzaklığı— üretir. Geometri, koordinatlardan değil; koordinatların birbirleriyle olan ilişkisini kodlayan metrik yapıdan tezahür eder.

8. Sonuç

Skaler çarpım, iki vektörün büyüklüklerini ve aralarındaki yönelim ilişkisini tek bir skalerde kodlayan; geometri, fizik, soyut matematik ve hesaplamalı bilimin her katmanına nüfuz eden bir yapı olarak karşımıza çıkmaktadır. Öklid uzayında mekanik işin tanımından başlayarak kuantum mekaniğinin Hilbert uzay formalizmine, genel göreliliğin Riemannian metriğine ve modern yapay zeka sistemlerinin ağırlıklı toplam hesaplamalarına uzanan bu yolculuk, tek bir matematiksel işlemin ne ölçüde geniş bir alana yayıldığını göstermektedir.

Mekanik işin tam olarak kuvvet ile yer değiştirme yönelimlerinin örtüşmesiyle ölçülmesi, ortogonalliğin sıfır skaler çarpımla tam olarak betimlenebilmesi, Cauchy-Schwarz eşitsizliğinin sonsuz boyutlu soyut uzaylarda bile sapmasız geçerliliğini koruması ve bra-ket iç çarpımının ölçüm olasılıklarını betimlemede yeterli olması; bu işlemin fiziksel ve matematiksel gerçekliğe ne denli hassas biçimde uyarlandığını göstermektedir. Skaler çarpımın bu uyumunun nereden geldiği, yalnızca matematiksel bir kural olup olmadığı ya da doğanın geometrik yapısıyla olan bu örtüşmenin daha derin bir anlam taşıyıp taşımadığı sorusu; deliller ışığında nihai kararı okuyucunun kendi aklına ve vicdanına bırakılmaktadır.

Kaynakça

↑ Strang, G. (2016). Introduction to Linear Algebra (5. bs.). Wellesley-Cambridge Press.
↑ Dourmashkin, P. (2022). Work and the scalar product. MIT OpenCourseWare, Classical Mechanics (8.01). https://phys.libretexts.org/Bookshelves/Classical_Mechanics/Classical_Mechanics_(Dourmashkin)/13:_Energy_Kinetic_Energy_and_Work/13.08:_Work_and_the_Scalar_Product
↑ DataCamp. (2026, Şubat 3). The dot product: Theory, computation, and real uses. https://www.datacamp.com/tutorial/dot-product
↑ OpenStax. (2025, Mart 17). 12.3: The dot product. Mathematics LibreTexts. https://math.libretexts.org/Bookshelves/Calculus/Calculus_(OpenStax)/12:_Vectors_in_Space/12.03:_The_Dot_Product
↑ Knill, O. (2011). Vectors and dot product (Lecture notes). Harvard University Department of Mathematics. https://people.math.harvard.edu/~knill/teaching/summer2011/handouts/12-dotproduct.pdf
↑ Engineering LibreTexts. (2024, Ekim 17). 1.4: Dot product. https://eng.libretexts.org/Bookshelves/Mechanical_Engineering/Engineering_Mechanics_-Statics(Osgood_Cameron_and_Christensen)/01:_Fundamental_Concepts/1.04:_Dot_Product
↑ GeeksforGeeks. (2025). Scalar product of vectors. https://www.geeksforgeeks.org/physics/scalar-product-of-vectors/
↑ Kuttler, K. (2025, Kasım 21). 4.7: The dot product. Mathematics LibreTexts. https://math.libretexts.org/Bookshelves/Linear_Algebra/A_First_Course_in_Linear_Algebra_(Kuttler)/04:_R/4.07:_The_Dot_Product
↑ ScienceDirect. (t.y.). Scalar product – Overview. https://www.sciencedirect.com/topics/engineering/scalar-product
↑ Engineering LibreTexts. (2024). Dot product. https://eng.libretexts.org
↑ Mathematics LibreTexts. (2025, Ağustos 18). 4.3: Dot and cross product. https://math.libretexts.org/Courses/Canada_College/Linear_Algebra_and_Its_Application/04:Vector_Spaces-_R/4.03:_Dot_and_Cross_Product
↑ Cuemath. (t.y.). Scalar product – Formula, properties, examples. https://www.cuemath.com/algebra/scalar-product/
↑ Kuttler, K. (2025). Cauchy-Schwarz inequality. Mathematics LibreTexts. https://math.libretexts.org
↑ Chejara, A. S. (2025, Mart 8). Linear algebra (Part-4): Dot product, Cauchy-Schwarz inequality, and angle between vectors. Medium – Data Science Collective. https://medium.com/data-science-collective/linear-algebra-part-4-dot-product-cauchy-schwarz-inequality-and-angle-between-vectors-32b494e1f408
↑ Knill, O. (2011). Vectors and dot product. Harvard University. https://people.math.harvard.edu/~knill/teaching/summer2011/handouts/12-dotproduct.pdf
↑ Dourmashkin, P. (2022). Work and the scalar product. Physics LibreTexts. https://phys.libretexts.org/Bookshelves/Classical_Mechanics/Classical_Mechanics_(Dourmashkin)/13:_Energy_Kinetic_Energy_and_Work/13.08:_Work_and_the_Scalar_Product
↑ Pearson Channels. (2022, Mayıs 4). Scalar product (dot product). https://www.pearson.com/channels/physics/learn/patrick/vectors/scalar-product-dot-product
↑ Engineering LibreTexts. (2024). 1.4: Dot product – Solar panel example. https://eng.libretexts.org/Bookshelves/Mechanical_Engineering/Engineering_Mechanics_-Statics(Osgood_Cameron_and_Christensen)/01:_Fundamental_Concepts/1.04:_Dot_Product
↑ Griffiths, R. B. (t.y.). Chapter 3: Linear algebra in Dirac notation – Hilbert space and inner product. Carnegie Mellon University. https://quantum.phys.cmu.edu/CQT/chaps/cqt03.pdf
↑ Chemistry LibreTexts. (2023). Bra-ket notation. https://chem.libretexts.org/Bookshelves/Physical_and_Theoretical_Chemistry_Textbook_Maps/Supplemental_Modules_(Physical_and_Theoretical_Chemistry)/Quantum_Mechanics/03._The_Tools_of_Quantum_Mechanics/Bra-Ket_Notation
↑ Microsoft. (t.y.). Dirac notation in quantum computing – Azure Quantum. https://learn.microsoft.com/en-us/azure/quantum/concepts-dirac-notation
↑ Profound Physics. (t.y.). Dot product in physics: What is the physical meaning of it? https://profoundphysics.com/dot-product-in-physics-what-is-the-physical-meaning-of-it/
↑ Knill, O. (2011). Riemannian geometry and the dot product. Harvard University Mathematics. https://people.math.harvard.edu/~knill/teaching/summer2011/handouts/12-dotproduct.pdf
↑ vom Lehn, F. (2026, Ocak 27). Understanding vector similarity for machine learning. Medium – Advanced Deep Learning. https://medium.com/advanced-deep-learning/understanding-vector-similarity-b9c10f7506de
↑ Luo, C., ve diğerleri. (2018). Cosine normalization: Using cosine similarity instead of dot product in neural networks. Springer. https://link.springer.com/chapter/10.1007/978-3-030-01418-6_38
↑ Steck, H., ve diğerleri. (2024). Is cosine-similarity of embeddings really about similarity? arXiv. https://arxiv.org/abs/2403.05440
↑ DataCamp. (2026). The dot product: Theory, computation, and real uses. https://www.datacamp.com/tutorial/dot-product
↑ Fiveable. (t.y.). Cauchy-Schwarz inequality definition. https://fiveable.me/key-terms/hs-honors-geometry/cauchy-schwarz-inequality
↑ Steck, H., ve diğerleri. (2024). Is cosine-similarity of embeddings really about similarity? arXiv:2403.05440.
↑ Oregon State University. (t.y.). 2.7 Inner products for complex vectors. https://books.physics.oregonstate.edu/LinAlg/innerprod.html

[1] Strang, G. (2016). Introduction to Linear Algebra (5. bs.). Wellesley-Cambridge Press.

[2] Dourmashkin, P. (2022). Work and the scalar product. MIT OpenCourseWare, Classical Mechanics (8.01). https://phys.libretexts.org/Bookshelves/Classical_Mechanics/Classical_Mechanics_(Dourmashkin)/13:_Energy_Kinetic_Energy_and_Work/13.08:_Work_and_the_Scalar_Product

[3] DataCamp. (2026, Şubat 3). The dot product: Theory, computation, and real uses. https://www.datacamp.com/tutorial/dot-product

[4] OpenStax. (2025, Mart 17). 12.3: The dot product. Mathematics LibreTexts. https://math.libretexts.org/Bookshelves/Calculus/Calculus_(OpenStax)/12:_Vectors_in_Space/12.03:_The_Dot_Product

[5] Knill, O. (2011). Vectors and dot product (Lecture notes). Harvard University Department of Mathematics. https://people.math.harvard.edu/~knill/teaching/summer2011/handouts/12-dotproduct.pdf

[6] Engineering LibreTexts. (2024, Ekim 17). 1.4: Dot product. https://eng.libretexts.org/Bookshelves/Mechanical_Engineering/Engineering_Mechanics_-Statics(Osgood_Cameron_and_Christensen)/01:_Fundamental_Concepts/1.04:_Dot_Product

[7] GeeksforGeeks. (2025). Scalar product of vectors. https://www.geeksforgeeks.org/physics/scalar-product-of-vectors/

[8] Kuttler, K. (2025, Kasım 21). 4.7: The dot product. Mathematics LibreTexts. https://math.libretexts.org/Bookshelves/Linear_Algebra/A_First_Course_in_Linear_Algebra_(Kuttler)/04:_R/4.07:_The_Dot_Product

[9] ScienceDirect. (t.y.). Scalar product – Overview. https://www.sciencedirect.com/topics/engineering/scalar-product

[10] Engineering LibreTexts. (2024). Dot product. https://eng.libretexts.org

[11] Mathematics LibreTexts. (2025, Ağustos 18). 4.3: Dot and cross product. https://math.libretexts.org/Courses/Canada_College/Linear_Algebra_and_Its_Application/04:Vector_Spaces-_R/4.03:_Dot_and_Cross_Product

[12] Cuemath. (t.y.). Scalar product – Formula, properties, examples. https://www.cuemath.com/algebra/scalar-product/

[13] Kuttler, K. (2025). Cauchy-Schwarz inequality. Mathematics LibreTexts. https://math.libretexts.org

[14] Chejara, A. S. (2025, Mart 8). Linear algebra (Part-4): Dot product, Cauchy-Schwarz inequality, and angle between vectors. Medium – Data Science Collective. https://medium.com/data-science-collective/linear-algebra-part-4-dot-product-cauchy-schwarz-inequality-and-angle-between-vectors-32b494e1f408

[15] Knill, O. (2011). Vectors and dot product. Harvard University. https://people.math.harvard.edu/~knill/teaching/summer2011/handouts/12-dotproduct.pdf

[16] Dourmashkin, P. (2022). Work and the scalar product. Physics LibreTexts. https://phys.libretexts.org/Bookshelves/Classical_Mechanics/Classical_Mechanics_(Dourmashkin)/13:_Energy_Kinetic_Energy_and_Work/13.08:_Work_and_the_Scalar_Product

[17] Pearson Channels. (2022, Mayıs 4). Scalar product (dot product). https://www.pearson.com/channels/physics/learn/patrick/vectors/scalar-product-dot-product

[18] Engineering LibreTexts. (2024). 1.4: Dot product – Solar panel example. https://eng.libretexts.org/Bookshelves/Mechanical_Engineering/Engineering_Mechanics_-Statics(Osgood_Cameron_and_Christensen)/01:_Fundamental_Concepts/1.04:_Dot_Product

[19] Griffiths, R. B. (t.y.). Chapter 3: Linear algebra in Dirac notation – Hilbert space and inner product. Carnegie Mellon University. https://quantum.phys.cmu.edu/CQT/chaps/cqt03.pdf

[20] Chemistry LibreTexts. (2023). Bra-ket notation. https://chem.libretexts.org/Bookshelves/Physical_and_Theoretical_Chemistry_Textbook_Maps/Supplemental_Modules_(Physical_and_Theoretical_Chemistry)/Quantum_Mechanics/03._The_Tools_of_Quantum_Mechanics/Bra-Ket_Notation

[21] Microsoft. (t.y.). Dirac notation in quantum computing – Azure Quantum. https://learn.microsoft.com/en-us/azure/quantum/concepts-dirac-notation

[22] Profound Physics. (t.y.). Dot product in physics: What is the physical meaning of it? https://profoundphysics.com/dot-product-in-physics-what-is-the-physical-meaning-of-it/

[23] Knill, O. (2011). Riemannian geometry and the dot product. Harvard University Mathematics. https://people.math.harvard.edu/~knill/teaching/summer2011/handouts/12-dotproduct.pdf

[24] vom Lehn, F. (2026, Ocak 27). Understanding vector similarity for machine learning. Medium – Advanced Deep Learning. https://medium.com/advanced-deep-learning/understanding-vector-similarity-b9c10f7506de

[25] Luo, C., ve diğerleri. (2018). Cosine normalization: Using cosine similarity instead of dot product in neural networks. Springer. https://link.springer.com/chapter/10.1007/978-3-030-01418-6_38

[26] Steck, H., ve diğerleri. (2024). Is cosine-similarity of embeddings really about similarity? arXiv. https://arxiv.org/abs/2403.05440

[27] DataCamp. (2026). The dot product: Theory, computation, and real uses. https://www.datacamp.com/tutorial/dot-product

[28] Fiveable. (t.y.). Cauchy-Schwarz inequality definition. https://fiveable.me/key-terms/hs-honors-geometry/cauchy-schwarz-inequality

[29] Steck, H., ve diğerleri. (2024). Is cosine-similarity of embeddings really about similarity? arXiv:2403.05440.

[30] Oregon State University. (t.y.). 2.7 Inner products for complex vectors. https://books.physics.oregonstate.edu/LinAlg/innerprod.html

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]

[14]

[15]

[16]

[17]

[18]

[19]

[20]

[21]

[22]

[23]

[24]

[25]

[26]

[27]

[28]

[29]

[30]