Gram-Schmidt-Orthogonalisierung Calculator
Eine Methode zur Orthonormalisierung einer Menge von Vektoren in einem Raum mit Skalarprodukt.
Formula first
Overview
Das Gram-Schmidt-Verfahren ist eine systematische Methode zur Erzeugung einer orthogonalen oder orthonormalen Basis aus einer Menge linear unabhängiger Vektoren in einem Raum mit Skalarprodukt. Es funktioniert, indem iterativ die Projektionen eines Vektors auf die zuvor konstruierten orthogonalen Vektoren subtrahiert werden, um sicherzustellen, dass der neue Vektor zu allen vorherigen senkrecht ist.
Symbols
Variables
= Resulting Orthogonal Magnitude, = Input Vector Magnitude, = Sum of Projections
Apply it well
When To Use
When to use: Wende diesen Algorithmus an, wenn du eine orthogonale Basis für einen Unterraum konstruieren musst, was wesentlich für die Vereinfachung von Vektorprojektionen und die Durchführung von QR-Zerlegungen ist. Er setzt voraus, dass die Eingangsmenge von Vektoren linear unabhängig ist und ein Skalarprodukt, etwa das Punktprodukt, definiert ist.
Why it matters: Orthogonale Basen sind rechnerisch effizient, da sie Kreuzterme in Matrixoperationen eliminieren. Dieses Verfahren ist in der Computergrafik für Koordinatentransformationen, in der Signalverarbeitung zur Rauschreduktion und in der numerischen Analysis zur Verbesserung der Stabilität von Ausgleichsrechnungen essenziell.
Avoid these traps
Common Mistakes
- Für nachfolgende Projektionen die ursprünglichen Vektoren statt der neu bestimmten orthogonalen Vektoren verwenden.
- Rechenfehler bei den Skalarprodukten, die für die Skalarprojektionen verwendet werden.
One free problem
Practice Problem
In einer linearen Algebraaufgabe bearbeitet ein Student den zweiten Vektor einer Menge. Wenn der Eingangsvektor vk eine Komponentenwert von 12 hat und die Summe seiner Projektionen auf den ersten orthogonalen Vektor (projSum) zu 4.5 berechnet wird, bestimme die entsprechende Komponente des resultierenden orthogonalen Vektors result.
Hint: Subtrahiere die Summe der Projektionen von der ursprünglichen Vektorkomponente.
The full worked solution stays in the interactive walkthrough.
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