Schmidt(施密特)正交化

文章讲述了如何将一组线性无关的向量通过特定的系数调整使其转化为两两正交的单位向量,通过逐个向量处理并保持正交性和单位长度来实现标准化过程。
摘要由CSDN通过智能技术生成

α 1 , α 2 , ⋯   , α m \alpha_1,\alpha_2,\cdots,\alpha_m α1,α2,,αm为一组线性无关的向量,则可用如下方法将 α 1 , α 2 , ⋯   , α m \alpha_1,\alpha_2,\cdots,\alpha_m α1,α2,,αm标准正交化为两两正交的单位向量。

  1. β 1 = α 1 \beta_1 = \alpha_1 β1=α1;

  2. β 2 = α 2 − k β 1 \beta_2=\alpha_2-k\beta_1 β2=α2kβ1(将 − k -k k β 1 \beta_1 β1加到 α 2 \alpha_2 α2上得 β 2 \beta_2 β2),因为 β 1 , β 2 \beta_1,\beta_2 β1,β2正交,

    ( β 2 , β 1 ) = ( α 2 , β 1 ) − k ( β 1 , β 1 ) = 0   →   k = ( α 2 , β 1 ) ( β 1 , β 1 ) . (\beta_2,\beta_1)=(\alpha_2,\beta_1)-k(\beta_1,\beta_1)=0\ \to\ k=\frac{(\alpha_2,\beta_1)}{(\beta_1,\beta_1)}. (β2,β1)=(α2,β1)k(β1,β1)=0  k=(β1,β1)(α2,β1).

    β 2 = α 2 − ( α 2 , β 1 ) ( β 1 , β 1 ) β 1 \beta_2=\alpha_2 - \frac{(\alpha_2,\beta_1)}{(\beta_1,\beta_1)}\beta_1 β2=α2(β1,β1)(α2,β1)β1 .

  3. β 3 = α 3 − k 2 β 2 − k 1 β 1 \beta_3=\alpha_3-k_2\beta_2-k_1\beta_1 β3=α3k2β2k1β1

    ( β 3 , β 2 ) = ( α 3 , β 2 ) − k 2 ( β 2 , β 2 ) − k 1 ( β 1 , β 2 ) = ( α 3 , β 2 ) − k 2 ( β 2 , β 2 ) = 0   →   k 2 = ( α 3 , β 2 ) ( β 2 , β 2 ) . (\beta_3,\beta_2)=(\alpha_3,\beta_2)-k_2(\beta_2,\beta_2)-k_1(\beta_1,\beta_2)=(\alpha_3,\beta_2)-k_2(\beta_2,\beta_2)=0\ \to\ k_2 =\frac{(\alpha_3,\beta_2)}{(\beta_2,\beta_2)}. (β3,β2)=(α3,β2)k2(β2,β2)k1(β1,β2)=(α3,β2)k2(β2,β2)=0  k2=(β2,β2)(α3,β2).

    ( β 3 , β 1 ) = ( α 3 , β 1 ) − k 2 ( β 2 , β 1 ) − k 1 ( β 1 , β 1 ) = ( α 3 , β 1 ) − k 1 ( β 1 , β 1 ) = 0   →   k 1 = ( α 3 , β 1 ) ( β 1 , β 1 ) . (\beta_3,\beta_1)=(\alpha_3,\beta_1)-k_2(\beta_2,\beta_1)-k_1(\beta_1,\beta_1)=(\alpha_3,\beta_1)-k_1(\beta_1,\beta_1)=0\ \to\ k_1 =\frac{(\alpha_3,\beta_1)}{(\beta_1,\beta_1)}. (β3,β1)=(α3,β1)k2(β2,β1)k1(β1,β1)=(α3,β1)k1(β1,β1)=0  k1=(β1,β1)(α3,β1).

    β 3 = α 3 − ( α 3 , β 2 ) ( β 2 , β 2 ) β 2 − ( α 3 , β 1 ) ( β 1 , β 1 ) β 1 \beta_3=\alpha_3-\frac{(\alpha_3,\beta_2)}{(\beta_2,\beta_2)}\beta_2-\frac{(\alpha_3,\beta_1)}{(\beta_1,\beta_1)}\beta_1 β3=α3(β2,β2)(α3,β2)β2(β1,β1)(α3,β1)β1.

    ⋮ \vdots

  4. β m = α m − ( α m , β m − 1 ) ( β m − 1 , β m − 1 ) β m − 1 − ⋯ − ( α m , β 2 ) ( β 2 , β 2 ) β 2 − ( α m , β 1 ) ( β 1 , β 1 ) β 1 . \beta_m=\alpha_m-\frac{(\alpha_m,\beta_{m-1})}{(\beta_{m-1},\beta_{m-1})}\beta_{m-1}-\cdots-\frac{(\alpha_m,\beta_2)}{(\beta_2,\beta_2)}\beta_2-\frac{(\alpha_m,\beta_1)}{(\beta_1,\beta_1)}\beta_1. βm=αm(βm1,βm1)(αm,βm1)βm1(β2,β2)(αm,β2)β2(β1,β1)(αm,β1)β1.

再将 β 1 , β 2 , ⋯   , β m \beta_1,\beta_2,\cdots,\beta_m β1,β2,,βm单位化, e 1 = β 1 ∣ ∣ β 1 ∣ ∣ , e 2 = β 2 ∣ ∣ β 2 ∣ ∣ , ⋯   , e m = β m ∣ ∣ β m ∣ ∣ . e_1=\frac{\beta_1}{||\beta_1||},e_2=\frac{\beta_2}{||\beta_2||},\cdots,e_m=\frac{\beta_m}{||\beta_m||}. e1=∣∣β1∣∣β1,e2=∣∣β2∣∣β2,,em=∣∣βm∣∣βm.

即可得到两两正交的单位向量 e 1 , e 2 , ⋯   , e m e_1,e_2,\cdots,e_m e1,e2,,em.

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值