Preskočiť na obsah

Gramov-Schmidtov ortogonalizačný proces

z Wikipédie, slobodnej encyklopédie

Gramov-Schmidtov ortogonalizačný proces (iné názvy: Gramov-Schmidtov proces ortogonalizácie, Gramova-Schmidtova ortogonalizácia) je proces, ktorým z množiny lineárne nezávislých vektorov priestoru vytvárame jeho ortonormálnu bázu. Ortonormálna báza sa vyznačuje vlastnosťou, že jej vektory majú normovanú jednotkovú dĺžku a navzájom sú ortogonálne. Vektorový priestor dimenzie n môže byť všeobecne generovaný ľubovoľnou n-ticou lineárne nezávislých vektorov. Tieto však majú rôznu orientáciu a nejednotnú dĺžku (normu). Na odstránenie respektíve normalizáciu sa využíva práve spomínaný Gram-Schimdtov ortogonalizačný proces.

Postup ortogonalizácie

[upraviť | upraviť zdroj]

V prvom kroku Gramovho-Schmidtovho ortogonalizačného procesu sa pokladá za základ prvý vektor z množiny vektorov, ktoré normalizujeme. Podľa tohto vektora sa odvíja orientácia zvyšných. Ďalším krokom je samotná ortogonalizácia vektorov, a nakoniec normalizácia vektorov. Pre zjednodušenie výpočtov sa vektory normalizujú až na koniec procesu. Tento proces možno popísať ako rekurentný proces.

Vlastnosti a vzťahy

[upraviť | upraviť zdroj]

Nech je vektorový priestor, ktorý je generovaný lineárne nezávislými vektormi . To, že vektory sú lineárne nezávislé znamená, že existuje len triviálna nulová kombinácia koeficientov , že systém má riešenie. Hľadáme také vektory s vlastnosťou

Odtiaľ vyplýva, že vektory musia byť ortogonálne a musia mať jednotkovú dĺžku. Tieto už budú priamo tvoriť bázu konkrétneho vektorového priestoru.

Proces ortogonalizácie

[upraviť | upraviť zdroj]

Ortogonalizácia

[upraviť | upraviť zdroj]

Najprv teda položíme . Postupujeme ďalšími vektormi, pričom sú dané rekurentným vzťahom

čo možno ekvivalentne prepísať do sumačného zápisu

Treba poznamenať vlastnosť , kde . Samotný ortogonalizačný proces využíva k ortogonalizácii operátor projekcie, ktorý je definovaný

Ortogonálnou projekciou vektora na priestor generovaný vektorom nazývame vektor a platí . Týmto spôsobom sa nájde ortogonálna projekcia daného vektora. Vektor ortogonálny na priestor generovaný vektorom je potom rozdiel . Platí teda, že skalárny súčin je nulový.

Normalizácia

[upraviť | upraviť zdroj]

Ortogonalizované vektory sa následne normalizujú na spoločnú jednotkovú dĺžku. Po tomto, dostaneme výsledný ortonormálny vektor , preto môžeme písať

Ide o symbolický zápis súčinu každej zložky vektora prevrátenou hodnotu normy tohto vektora. Odtiaľ

Pod normou vektora sa chápe norma definovaná nasledovne

Majme vektorový priestor generovaný dvojicou lineárne nezávislých vektorov . Postupujeme najprv voľbou . Teraz od tohto vektora bude závisieť druhý. Použijeme vzťah pre ortogonalizáciu ďalších vektorov a dostávame rovnosť

Výsledný vektor je ortogonálny vektor k vektoru . Teraz ho treba znormalizovať. Vektory generujú obyčajný euklidovský dvojrozmerný priestor, stačí preto použiť euklidovskú normu

Výsledný ortonormálny vektor bázy bude mať tvar

Podobným spôsobom sa znormalizuje vektor , ktorého norma je a odtiaľ

Ľahko možno skalárnym súčinom overiť, že vektory sú skutočne ortogonálne.

Použitie ortogonalizácie na iné priestory

[upraviť | upraviť zdroj]

Gram-Schmidtov proces sa však nemusí používať výlučne pre euklidovské priestory . Môže sa použiť taktiež na ortogonalizáciu funkcií v priestore funkcií so skalárnym súčinom

Pomocou ortogonalizačného procesu možno vytvoriť Legendrove polynómy, ktoré sú prvky priestoru funkcií so skalárnym súčinom


Externé odkazy

[upraviť | upraviť zdroj]