Gram-Schmidt Számológép

Szerző: Henrick Yau
- July 21, 2026
| |

Gram-Schmidt Számológép

A Gram-Schmidt-folyamat egy módszer vektorok ortogonalizálására egy belső szorzatos térben. Ez a számológép lineárisan független vektorok bármely halmazát ortogonális vagy ortonormált bázissá alakítja.

Vektorbevitel

Válassza ki vektorai dimenzióját
Válassza ki, hány vektort kíván ortogonalizálni

Számítási beállítások

Válassza ki, hogy normalizálja-e a kimeneti vektorokat
Az eredmények kerekítése ennyi tizedesjegyre

Speciális beállítások

Válassza ki a használandó belső szorzat típusát

A Gram–Schmidt-eljárásról

A Gram–Schmidt-eljárás egy módszer lineárisan független vektorok halmazának ortogonális vagy ortonormált vektorok halmazává alakítására. Ez az ortogonális vagy ortonormált halmaz ugyanazt az alteret feszíti ki, mint az eredeti vektorhalmaz.

Az algoritmus

Egy \( \mathbf{v}_1, \mathbf{v}_2, \ldots, \mathbf{v}_n \) lineárisan független vektorhalmaz esetén a Gram–Schmidt-eljárás a következőképpen állít elő egy \( \mathbf{u}_1, \mathbf{u}_2, \ldots, \mathbf{u}_n \) ortogonális halmazt:

\begin{align} \mathbf{u}_1 &= \mathbf{v}_1 \\ \mathbf{u}_2 &= \mathbf{v}_2 - \text{proj}_{\mathbf{u}_1}(\mathbf{v}_2) \\ \mathbf{u}_3 &= \mathbf{v}_3 - \text{proj}_{\mathbf{u}_1}(\mathbf{v}_3) - \text{proj}_{\mathbf{u}_2}(\mathbf{v}_3) \\ \vdots \\ \mathbf{u}_k &= \mathbf{v}_k - \sum_{j=1}^{k-1} \text{proj}_{\mathbf{u}_j}(\mathbf{v}_k) \end{align}

ahol \( \text{proj}_{\mathbf{u}}(\mathbf{v}) = \frac{\langle\mathbf{v}, \mathbf{u}\rangle}{\langle\mathbf{u}, \mathbf{u}\rangle} \mathbf{u} \) a \( \mathbf{v} \) vetülete \( \mathbf{u} \)-ra.

Ortonormált bázis előállításához minden \( \mathbf{u}_i \) vektort normalizálunk a hosszával osztva: \( \mathbf{e}_i = \frac{\mathbf{u}_i}{|\mathbf{u}_i|} \).

Alkalmazások
  • Lineáris algebra: Ortogonális bázisok létrehozása vektorterekhez
  • Numerikus analízis: Mátrixok QR-felbontása
  • Statisztika: Prediktorok ortogonalizálása regresszióanalízisben
  • Fizika: Rezgések normál módusainak meghatározása
  • Jelfeldolgozás: Ortogonális bázisfüggvények létrehozása
  • Kvantummechanika: Ortonormált bázisállapotok konstruálása
Az ortogonális vektorok tulajdonságai
  • Belső szorzat: Ortogonális \( \mathbf{u} \) és \( \mathbf{v} \) vektorokra \( \langle\mathbf{u}, \mathbf{v}\rangle = 0 \)
  • Lineáris függetlenség: A nem nulla ortogonális vektorok automatikusan lineárisan függetlenek
  • Pitagorasz-tétel: \( |\mathbf{u} + \mathbf{v}|^2 = |\mathbf{u}|^2 + |\mathbf{v}|^2 \) ortogonális vektorokra
  • Reprezentáció: A kifeszített altér bármely vektora könnyen kifejezhető lineáris kombinációként

Jogi nyilatkozat: Ez a számológép a Gram–Schmidt-eljárás oktatási célú implementációját nyújtja. Nagyon nagy dimenziók vagy rosszul kondicionált vektorok esetén a numerikus stabilitás sérülhet. Szakmai alkalmazásokban fontolja meg speciális numerikus könyvtárak használatát. A Gram–Schmidt-eljárás pontatlan eredményeket adhat majdnem lineárisan függő vektorok esetén a lebegőpontos aritmetika korlátai miatt.

Gram–Schmidt-ortogonalizációs képlet:

Adott egy lineárisan független \( \mathbf{v}_1, \mathbf{v}_2, \ldots, \mathbf{v}_n \) vektorhalmaz, amelyből az ortogonális \( \mathbf{u}_1, \mathbf{u}_2, \ldots, \mathbf{u}_n \) halmaz a következőképpen építhető fel:

\[ \begin{align*} \mathbf{u}_1 &= \mathbf{v}_1 \\ \mathbf{u}_2 &= \mathbf{v}_2 - \text{proj}_{\mathbf{u}_1}(\mathbf{v}_2) \\ \mathbf{u}_3 &= \mathbf{v}_3 - \text{proj}_{\mathbf{u}_1}(\mathbf{v}_3) - \text{proj}_{\mathbf{u}_2}(\mathbf{v}_3) \\ \vdots \\ \mathbf{u}_k &= \mathbf{v}_k - \sum_{j=1}^{k-1} \text{proj}_{\mathbf{u}_j}(\mathbf{v}_k) \end{align*} \]

ahol a vetítés definíciója: \[ \text{proj}_{\mathbf{u}}(\mathbf{v}) = \frac{\langle\mathbf{v}, \mathbf{u}\rangle}{\langle\mathbf{u}, \mathbf{u}\rangle} \mathbf{u} \]

Mi az a Gram–Schmidt-kalkulátor?

A Gram–Schmidt-kalkulátor egy interaktív eszköz, amely segít lineárisan független vektorok halmazát ortogonális vagy ortonormált bázissá alakítani. Ez hasznos az összetett vektorműveletek egyszerűsítéséhez és a magasabb dimenziós terek hatékony kezeléséhez.

Az eszköz támogatja mind a standard skaláris szorzatot, mind a súlyozott belső szorzatokat, rugalmasságot biztosítva különböző matematikai vagy mérnöki alkalmazásokhoz.

Miért érdemes ezt az eszközt használni?

A kalkulátor különösen hasznos, ha:

  • Ortogonális vagy ortonormált bázisokat szeretnél létrehozni vektorterekhez
  • Meg szeretnéd érteni a QR-felbontást, amely a lineáris algebra és numerikus analízis alapvető folyamata
  • Gyorsan ellenőrizni szeretnéd vektorok ortogonalitását
  • Vektorvetítést alkalmazol fizikában, adatelemzésben vagy gépi tanulásban

Kiegészíti az olyan eszközöket, mint a QR-faktorizációs kalkulátor, a Mátrix inverz kalkulátor és a Vektorvetítés kalkulátor azáltal, hogy az adatokat strukturált, ortogonális formátumba rendezi.

Hogyan használd a kalkulátort

Kövesd az alábbi lépéseket a Gram–Schmidt-eljárás végrehajtásához:

  1. Válaszd ki a vektorok dimenzióját (pl. 2D, 3D stb.).
  2. Add meg, hány vektort szeretnél használni (legfeljebb 5-öt).
  3. Add meg az egyes vektorok komponenseit. Az alapértelmezett értékek gyors tesztelésre szolgálnak.
  4. Válaszd ki a kimeneti típust: Ortogonális vagy Ortonormált.
  5. Opcionális: állítsd be a tizedesjegyek pontosságát, vagy válassz súlyozott skaláris szorzatot, ha szükséges.
  6. Kattints a "Gram–Schmidt kiszámítása" gombra az eredmények megtekintéséhez, amelyek a következőket tartalmazzák:
    • Ortogonalizált vektorok
    • Lépésről lépésre történő lebontás
    • Mátrixreprezentációk
    • Ortogonalitás-ellenőrzések
    • Alkalmazási tippek

Kik profitálhatnak belőle?

Ez az eszköz ideális:

  • Diákok számára, akik lineáris függetlenséget, vektortereket vagy mátrixfelbontást tanulnak
  • Mérnökök és tudósok számára, akik szimulációkon, jelfeldolgozáson vagy szerkezeti elemzésen dolgoznak
  • Adatelemzők számára, akik mátrixtranszformációkat alkalmaznak gépi tanulási munkafolyamatokban
  • Bárki számára, aki olyan eszközöket használ, mint a LU-felbontás kalkulátor vagy a Vektorösszeadás kalkulátor vektorok vagy mátrixok kezelésére

Gyakori kérdések (GYIK)

Mit jelent az "ortogonális"?

Az ortogonális vektorok derékszöget zárnak be egymással. A belső szorzatuk nulla, ami számos számítást leegyszerűsít.

Mi a különbség az ortogonális és az ortonormált között?

Az ortonormált vektorok ortogonálisak, és mindegyik hossza 1. Gyakran használják koordináta-rendszerek meghatározására és vetítések egyszerűsítésére.

Miért van szükség lineárisan független vektorokra a kalkulátorban?

Ha a vektorok nem lineárisan függetlenek, a Gram–Schmidt-eljárás nem képes érvényes bázist előállítani, mert egyes vektorok kifejezhetők mások kombinációjaként.

Mire használható a súlyozott belső szorzat?

A súlyozott belső szorzatokat akkor használják, ha a különböző dimenziók eltérő fontosságúak vagy skálázásúak – ez gyakori a fizikában vagy az alkalmazott matematikában.

Hogyan kapcsolódik ez a QR-felbontáshoz?

A kalkulátor kimenete alkotja a "Q" mátrixot a QR-faktorizációs folyamatban, amelyet gyakran használnak lineáris egyenletrendszerek megoldására.

Hasznos kapcsolódó eszközök

Fedezz fel más mátrix- és vektorkezelő eszközöket, amelyek kiegészítik a Gram–Schmidt-számításokat:

Összefoglalás

A Gram–Schmidt-kalkulátor világos és praktikus módot kínál lineárisan független vektorok ortogonális vagy ortonormált halmazokká alakítására. Segít a tanulásban, tanításban és a vektortér-transzformációk alkalmazásában. Akár adatokat elemzel, egyenleteket oldasz meg, vagy mátrixokat készítesz elő további felbontásokhoz, ez az eszköz pontosságot és áttekinthetőséget ad a munkádhoz.