التعامد لغرام-شميدت

Q: What are common mistakes with the التعامد لغرام-شميدت formula?

استخدام المتجهات الأصلية بدلاً من المتجهات المتعامدة الجديدة للإسقاطات اللاحقة. أخطاء حسابية في حاصل الضرب النقطي المستخدم للإسقاطات القياسية.

Q: What is a real-world example of the التعامد لغرام-شميدت formula?

في سياق التعامد لغرام-شميدت، تُستخدم معادلة التعامد لغرام-شميدت لتحويل القياسات إلى قيمة يمكن تفسيرها. وتكمن أهمية الناتج في أنه يساعد على ربط الحساب بالشكل أو معدل التغير أو الاحتمال أو القيد داخل النموذج.

Q: What are some study tips for the التعامد لغرام-شميدت formula?

تحقق دائمًا من التعامد في كل خطوة بالتحقق مما إذا كان حاصل الضرب النقطي للمتجه الجديد وأي متجه سابق يساوي صفرًا. قم بتطبيع كل متجه ناتج فورًا إذا كان الأساس المتعامد الطبيعي مطلوبًا. عالج المتجهات بترتيبها الأصلي للحفاظ على التسلسل الهرمي المتداخل للمساحات الجزئية الممتدة.

Core idea

Overview

عملية غرام-شميدت هي طريقة منهجية لتوليد أساس متعامد أو متعامد طبيعي من مجموعة من المتجهات المستقلة خطيًا في فضاء حاصل الضرب الداخلي. تعمل عن طريق طرح إسقاطات المتجه بشكل متكرر على المتجهات المتعامدة التي تم إنشاؤها مسبقًا لضمان أن يكون المتجه الجديد عموديًا على جميع المتجهات السابقة.

When to use: طبق هذه الخوارزمية عندما تحتاج إلى بناء أساس متعامد لمساحة جزئية، وهو أمر ضروري لتبسيط إسقاطات المتجهات وإجراء تحليلات QR. تفترض أن مجموعة المتجهات المدخلة مستقلة خطيًا وأن حاصل ضرب داخلي (مثل حاصل الضرب النقطي) معرف.

Why it matters: الأسس المتعامدة فعالة حسابيًا لأنها تزيل تفاعلات المصطلحات المتقاطعة في عمليات المصفوفات. هذه العملية حيوية في رسومات الحاسوب لتحويلات الإحداثيات، وفي معالجة الإشارات لتقليل الضوضاء، وفي التحليل العددي لتحسين استقرار حلول المربعات الصغرى.

Symbols

Variables

$u_{k}$ = Resulting Orthogonal Magnitude, $v_{k}$ = Input Vector Magnitude, $\sum$ $p_{j}$ = Sum of Projections

u_{k}

Resulting Orthogonal Magnitude

Variable

v_{k}

Input Vector Magnitude

Variable

\sum p_{j}

Sum of Projections

Variable

Walkthrough

Derivation

اشتقاق/فهم عملية متعامد Gram-Schmidt

يشرح هذا الاشتقاق كيفية بناء مجموعة متعامدة من المتجهات من مجموعة معطاة مستقلة خطيًا عن طريق طرح الإسقاطات بشكل متكرر.

نحن نعمل في فضاء حاصل ضرب داخلي (مثل الفضاء الإقليدي $R$ ^n مع الضرب النقطي).
المجموعة الأولية من المتجهات \{ $v_{1}$ , $v_{2}$ , $\dots$ , $v_{n}$ \} مستقلة خطيًا.

1

تهيئة المتجه المتعامد الأول:

لبدء بناء مجموعة متعامدة \{ $u_{1}$ , $u_{2}$ , $\dots$ , $u_{n}$ \} من مجموعة مستقلة خطيًا معطاة \{ $v_{1}$ , $v_{2}$ , $\dots$ , $v_{n}$ \}، نختار ببساطة المتجه الأول $u_{1}$ ليكون مساويًا لـ $v_{1}$ .

u_{1} = v_{1}

2

تعامد المتجه الثاني:

لضمان أن $u_{2}$ متعامد مع $u_{1}$ ، نأخذ $v_{2}$ ونطرح مركبته التي تقع في اتجاه $u_{1}$ . هذه المركبة هي بالضبط إسقاط $v_{2}$ على $u_{1}$ .

u_{2} = v_{2} - proj_{u_{1}} (v_{2})

3

تعميم للمتجه k-th:

بافتراض أننا قمنا بالفعل ببناء مجموعة متعامدة \{ $u_{1}$ , $\dots$ , $u_{k - 1}$ \}، للعثور على $u_{k}$ ، نبدأ بـ $v_{k}$ ونطرح إسقاطه على كل من المتجهات المتعامدة سابقًا $u_{1}, \dots, u_{k - 1}$ . هذه العملية تزيل جميع مركبات $v_{k}$ التي تقع في نطاق \{ $u_{1}$ , $\dots$ , $u_{k - 1}$ \}.

u_{k} = v_{k} - proj_{u_{1}} (v_{k}) - proj_{u_{2}} (v_{k}) - \dots - proj_{u_{k - 1}} (v_{k})

4

التعبير باستخدام تدوين المجموع:

يمكن كتابة مجموع الإسقاطات بشكل مدمج باستخدام تدوين المجموع. تحدد هذه الصيغة $u_{k}$ بحيث تكون متعامدة على جميع $u_{j}$ لـ $j < k$ ، مما يبني مجموعة متعامدة بشكل تكراري.

u_{k} = v_{k} - j = 1 \sum k - 1 proj_{u_{j}} (v_{k})

Result

u_{k} = v_{k} - j = 1 \sum k - 1 proj_{u_{j}} (v_{k})

Source: Lay, D. C., Lay, S. R., & McDonald, J. J. (2016). Linear Algebra and Its Applications (5th ed.). Pearson.

Why it behaves this way

Intuition

تخيل أخذ كل متجه جديد، وإسقاطه على جميع المتجهات المتعامدة سابقًا، ثم طرح هذه الإسقاطات لعزل الجزء من المتجه الجديد الذي يكون متعامدًا تمامًا مع الآخرين.

Term

المتجه k-th في المجموعة المتعامدة المبنية حديثًا.

هذه هي النسخة 'المنقحة' من

v_{k}

، والتي جعلت عمودية على جميع متجهات

u_{j}

السابقة.

Term

المتجه الأصلي المدخل k-th من المجموعة غير المتعامدة.

هذا هو المتجه الذي تتم معالجته حاليًا لجعله متعامدًا مع المتجهات الأخرى.

Term

مركبة المتجه v_k التي تقع على طول اتجاه المتجه المتعامد المبني مسبقًا u_j.

هذا هو 'التداخل' أو 'الظل' لـ

v_{k}

على

u_{j}

، ويمثل الجزء غير المتعامد.

Term

مجموع جميع مركبات v_k التي ليست متعامدة على النطاق الممتد بواسطة u_1, ..., u_{k-1}.

يمثل هذا إجمالي 'الجزء غير المتعامد' من

v_{k}

بالنسبة للمتجهات التي تم تعميدها بالفعل.

Signs and relationships

- \sum_{j=1}^{k-1} \text{proj}_{u_j}(v_k): يقوم الطرح بإزالة مكونات $v_{k}$ الموازية للمتجهات المتعامدة $u_{j}$ التي تم إنشاؤها سابقًا، مما يضمن أن تكون $u_{k}$ الناتجة عمودية على جميعها.

Free study cues

Insight

Canonical usage

تعمل عملية غرام-شميت على المتجهات، محافظة على وحداتها. إذا كانت متجهات الإدخال تمثل كميات فيزيائية بوحدات (مثل المتر، النيوتن)، فإن المتجهات المتعامدة الناتجة سيكون لها نفس الوحدات.

One free problem

Practice Problem

في تمرين في الجبر الخطي، يقوم طالب بمعالجة المتجه الثاني في مجموعة. إذا كان للمتجه المدخل vk قيمة مكون تبلغ 12 وكان مجموع إسقاطاته على المتجه المتعامد الأول (projSum) محسوبًا بـ 4.5، فابحث عن المكون المقابل للمتجه المتعامد الناتج.

Hint: اطرح مجموع الإسقاطات من مكون المتجه الأصلي.

The full worked solution stays in the interactive walkthrough.

Where it shows up

Real-World Context

في سياق التعامد لغرام-شميدت، تُستخدم معادلة التعامد لغرام-شميدت لتحويل القياسات إلى قيمة يمكن تفسيرها. وتكمن أهمية الناتج في أنه يساعد على ربط الحساب بالشكل أو معدل التغير أو الاحتمال أو القيد داخل النموذج.

Study smarter

Tips

تحقق دائمًا من التعامد في كل خطوة بالتحقق مما إذا كان حاصل الضرب النقطي للمتجه الجديد وأي متجه سابق يساوي صفرًا.
قم بتطبيع كل متجه ناتج فورًا إذا كان الأساس المتعامد الطبيعي مطلوبًا.
عالج المتجهات بترتيبها الأصلي للحفاظ على التسلسل الهرمي المتداخل للمساحات الجزئية الممتدة.

Avoid these traps

Common Mistakes

استخدام المتجهات الأصلية بدلاً من المتجهات المتعامدة الجديدة للإسقاطات اللاحقة.
أخطاء حسابية في حاصل الضرب النقطي المستخدم للإسقاطات القياسية.

Keep going

Related Formulas

Common questions

Frequently Asked Questions

يشرح هذا الاشتقاق كيفية بناء مجموعة متعامدة من المتجهات من مجموعة معطاة مستقلة خطيًا عن طريق طرح الإسقاطات بشكل متكرر.

طبق هذه الخوارزمية عندما تحتاج إلى بناء أساس متعامد لمساحة جزئية، وهو أمر ضروري لتبسيط إسقاطات المتجهات وإجراء تحليلات QR. تفترض أن مجموعة المتجهات المدخلة مستقلة خطيًا وأن حاصل ضرب داخلي (مثل حاصل الضرب النقطي) معرف.

الأسس المتعامدة فعالة حسابيًا لأنها تزيل تفاعلات المصطلحات المتقاطعة في عمليات المصفوفات. هذه العملية حيوية في رسومات الحاسوب لتحويلات الإحداثيات، وفي معالجة الإشارات لتقليل الضوضاء، وفي التحليل العددي لتحسين استقرار حلول المربعات الصغرى.

استخدام المتجهات الأصلية بدلاً من المتجهات المتعامدة الجديدة للإسقاطات اللاحقة. أخطاء حسابية في حاصل الضرب النقطي المستخدم للإسقاطات القياسية.

في سياق التعامد لغرام-شميدت، تُستخدم معادلة التعامد لغرام-شميدت لتحويل القياسات إلى قيمة يمكن تفسيرها. وتكمن أهمية الناتج في أنه يساعد على ربط الحساب بالشكل أو معدل التغير أو الاحتمال أو القيد داخل النموذج.

تحقق دائمًا من التعامد في كل خطوة بالتحقق مما إذا كان حاصل الضرب النقطي للمتجه الجديد وأي متجه سابق يساوي صفرًا. قم بتطبيع كل متجه ناتج فورًا إذا كان الأساس المتعامد الطبيعي مطلوبًا. عالج المتجهات بترتيبها الأصلي للحفاظ على التسلسل الهرمي المتداخل للمساحات الجزئية الممتدة.

References

Sources

Linear Algebra and Its Applications (5th ed.) by David C. Lay, Steven R. Lay, and Judi J. McDonald
Introduction to Linear Algebra (5th ed.) by Gilbert Strang
Wikipedia: Gram-Schmidt process
Linear Algebra and Its Applications by David C. Lay, 5th ed.
Introduction to Linear Algebra by Gilbert Strang, 5th ed.
Gram-Schmidt process (Wikipedia article title)
Linear Algebra and Its Applications by David C. Lay (5th Edition)
Numerical Linear Algebra by Lloyd N. Trefethen and David Bau III

Overview

Variables

Derivation

تهيئة المتجه المتعامد الأول:

تعامد المتجه الثاني:

تعميم للمتجه k-th:

التعبير باستخدام تدوين المجموع:

Intuition

Insight

Practice Problem

Real-World Context

Tips

Common Mistakes

Related Formulas

Orthogonal Projection

Rank-Nullity Theorem

Fourier Transform (Continuous)

Frequently Asked Questions

Sources