https://zh.wikipedia.org/wiki/格拉姆-施密特正交化
施密特正交化
在线性代数中,如果内积空间上的一组向量能够组成一个子空间,那么这一组向量(linearly independent)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。
以施密特命名,其实Laplce与Cauchy比施密特更早发现这一方法。
向量u在向量v上的投影 p r o j v u = < u , v > < v , v > v proj_v u = \frac{<u,v>}{<v,v>}v projvu=<v,v><u,v>v
三维空间的一个向量v,投影到二维空间中,v与其投影向量的差
β
\beta
β是与二维空间正交的,即
β
\beta
β是三维空间的一个正交基,再将
β
\beta
β单位化即为标准正交基。
施密特算法
给定子空间的一个基 ( v 1 , . . . , v n ) (v_1,...,v_n) (v1,...,vn)
b1 = v1, a1 = b1/abs(b1)
b2 = v2 - <v2, a1>a1, a2 = b2/abs(b2)
b3 = v3 - <v3, a1>a1 - <v3, a2>a2, a3 = b3/abs(b3)
.
.
.
这样便由子空间的一个基 ( v i ) (v_i) (vi)得到了一个正交基 ( b i ) (b_i) (bi),以及标准化正交基 ( a i ) (a_i) (ai)。
正交化
一般在数学分析中采用格拉姆-施密特正交化作正交化的计算。在编程计算时,格拉姆-施密特正交化的数值稳定性不高,所以常用更稳定的豪斯霍尔德变换代替。另外,相对于豪斯霍尔德变换在最后直接生成所有的向量,格拉姆-施密特方法在第i步产生第i个向量,因此后者可用迭代法编写。对于含有零元素较多的向量组(例如稀疏矩阵的QR分解),还会采用吉文斯旋转。
QR分解的三种方法:施密特方法、豪斯霍尔德变换、吉文斯旋转
为什么需要正交化
这个问题也就是正交基Orthonormal basis的应用有什么?
https://julia.quantecon.org/tools_and_techniques/orth_proj.html
这篇文章是谈正交投影的应用,正交投影的应用之一就是正交化,而正交化的应用有:QR decomposition,Kalman filter等。