施密特正交化(Gram–Schmidt process)

在线性代数中,如果内积空间上的一组向量能够张成一个子空间,那么这一组向量就称为这个子空间的一个基。Gram-Schmidt正交化提供了一种方法,能够通过这一子空间上的一个基得出子空间的一个正交基,并可进一步求出对应的标准正交基。

施密特正交化(Gram–Schmidt process)_第1张图片


先来看下 k = 2 时的情况,此时,v1=w1。因为我们想得到一个与v1相垂直的向量v2,于是可以让w2v1的方向上做投影。即施密特正交化(Gram–Schmidt process)_第2张图片,如下图所示。

施密特正交化(Gram–Schmidt process)_第3张图片


此时,。当 k = 3 时,v1v2的找法就按照前面所示的过程来执行。如下图所示我们已经找到了两个垂直的基底v1v2,下面来设法找到v3。如下图所示,a是w3v1方向上的投影,b是w3v2方向上的投影,显然v3=w3-(a+b)=w3-a-b。

施密特正交化(Gram–Schmidt process)_第4张图片

按照此过程继续下去,当k = n时,前n-1个彼此垂直的向量v1,...,vk-1已经构造完成,为了找到向量vk我们将wkv1,...,vk-1分别做投影,得到u1,...,uk-1,显然 vk = wk - u1 - ... - uk-1这也就是所谓的“施密特正交化”。


施密特正交化过程告诉我们,对于一个有限维的空间,我们一定可以找到一组彼此垂直的基底。当我们得到这样一组基底后,还可以对它们进行归一化,便可得到orthonormal的基底。也就是说对于一个有限维的空间,一定存在一组orthonormal的基底。更加正式地,我们可以用下面的定理来表述。

施密特正交化(Gram–Schmidt process)_第5张图片


(本文完)

你可能感兴趣的:(线性代数与概率统计)