施密特正交化的几何意义与推导

对于一组向量,有时候我们需要对其进行正交化处理,也就是说,该组向量中任意两个向量都是互相垂直的。那么,要怎么做呢?

假设只有两个向量, v ⃗ 0 \vec v_0 v 0 v ⃗ 1 \vec v_1 v 1,正交化的几何示意图如下所示。

施密特正交化的几何意义与推导_第1张图片

假设正交化之后的向量为 w ⃗ 0 \vec w_0 w 0 w ⃗ 1 \vec w_1 w 1,那么由图可知,可得 w ⃗ 0 = v ⃗ 0 \vec w_0 = \vec v_0 w 0=v 0,且有:

w ⃗ 1 = v ⃗ 1 − v ⃗ 1 ⋅ w ⃗ 0 ∣ w ⃗ 0 ∣ \vec w_1 = \vec v_1 - \dfrac{\vec v_1 \cdot \vec w_0}{|\vec w_0|} w 1=v 1w 0v 1w 0

这里减去的部分是向量 v ⃗ 1 \vec v_1 v 1在向量 w ⃗ 0 \vec w_0 w 0上的投影。然后将 w ⃗ 0 \vec w_0 w 0 w ⃗ 1 \vec w_1 w 1进行归一化,就得到了最终的结果。

那么,如果有三个向量, v ⃗ 0 \vec v_0 v 0 v ⃗ 1 \vec v_1 v 1 v ⃗ 2 \vec v_2 v 2,这种情况要如何处理呢?同样地,正交化的几何示意图如下所示。
施密特正交化的几何意义与推导_第2张图片
假设正交化之后的向量为 w ⃗ 0 \vec w_0 w 0 w ⃗ 1 \vec w_1 w 1 w ⃗ 2 \vec w_2 w 2,由图可知,可得 w ⃗ 0 = v ⃗ 0 \vec w_0 = \vec v_0 w 0=v 0,且有:

w ⃗ 1 = v ⃗ 1 − v ⃗ 1 ⋅ w ⃗ 0 ∣ w ⃗ 0 ∣ \vec w_1 = \vec v_1 - \dfrac{\vec v_1 \cdot \vec w_0}{|\vec w_0|} w 1=v 1w 0v 1w 0

w ⃗ 2 = v ⃗ 2 − v ⃗ 2 ⋅ w ⃗ 0 ∣ w ⃗ 0 ∣ − v ⃗ 2 ⋅ w ⃗ 1 ∣ w ⃗ 1 ∣ \vec w_2 = \vec v_2 - \dfrac{\vec v_2 \cdot \vec w_0}{|\vec w_0|} - \dfrac{\vec v_2 \cdot \vec w_1}{|\vec w_1|} w 2=v 2w 0v 2w 0w 1v 2w 1

从图中可以看出向量 w ⃗ 2 \vec w_2 w 2即为向量 v ⃗ 2 \vec v_2 v 2减去在 w ⃗ 0 \vec w_0 w 0 w ⃗ 1 \vec w_1 w 1上的投影。将这三个向量进行归一化即可得到最终的结果。

那么,假如我们有一组向量 { v ⃗ 0 , v ⃗ 1 , v ⃗ 2 , . . . , v ⃗ n } \{ \vec v_0, \vec v_1, \vec v_2, ..., \vec v_n \} {v 0,v 1,v 2,...,v n},要想求得它们正交化后的向量组 { w ⃗ 0 , w ⃗ 1 , w ⃗ 2 , . . . , w ⃗ n } \{ \vec w_0, \vec w_1, \vec w_2, ..., \vec w_n \} {w 0,w 1,w 2,...,w n},步骤如下:

  1. w ⃗ 0 = v ⃗ 0 \vec w_0 = \vec v_0 w 0=v 0
  2. 计算: w ⃗ i = v ⃗ i − ∑ j = 0 i − 1 v ⃗ i ⋅ w ⃗ j ∣ w ⃗ j ∣ ; ( 1 ≤ i ≤ n ) \vec w_i = \vec v_i - \sum_{j = 0}^{i - 1} \dfrac{\vec v_i \cdot \vec w_j}{|\vec w_j |};(1 \leq i \leq n) w i=v ij=0i1w jv iw j;(1in)
  3. 将得到的 { w ⃗ 0 , w ⃗ 1 , w ⃗ 2 , . . . , w ⃗ n } \{ \vec w_0, \vec w_1, \vec w_2, ..., \vec w_n \} {w 0,w 1,w 2,...,w n}进行正交化。

你可能感兴趣的:(线性代数,图形数学,向量)