【施密特正交化公式】在向量空间中，尤其是在内积空间中，常常需要将一组线性无关的向量转化为一组正交或标准正交的向量。施密特正交化（Gram-Schmidt Process）是一种经典的数学方法，用于实现这一目标。该方法由德国数学家埃尔维斯·施密特（Ernst Schmidt）提出，广泛应用于线性代数、信号处理、数值分析等领域。
一、施密特正交化的基本思想
施密特正交化的核心思想是：通过逐步减去已有正交向量在当前向量上的投影，使得新的向量与之前的所有向量正交。最终得到一组正交向量，并可进一步归一化为标准正交向量。
二、施密特正交化步骤总结
以下是施密特正交化的具体步骤：
| 步骤 | 操作说明 | ||
| 1 | 设有一组线性无关的向量 $ \{v_1, v_2, \dots, v_n\} $，这些向量属于一个内积空间。 | ||
| 2 | 令第一个正交向量 $ u_1 = v_1 $。 | ||
| 3 | 对于每个 $ i = 2, 3, \dots, n $，计算 $ u_i = v_i - \sum_{j=1}^{i-1} \frac{\langle v_i, u_j \rangle}{\langle u_j, u_j \rangle} u_j $。 | ||
| 4 | 得到一组正交向量 $ \{u_1, u_2, \dots, u_n\} $。 | ||
| 5 | 若需要标准正交向量，对每个 $ u_i $ 进行归一化：$ e_i = \frac{u_i}{\ | u_i\ | } $。 |
三、施密特正交化公式示例
设向量 $ v_1 = (1, 1, 0) $，$ v_2 = (1, 0, 1) $，$ v_3 = (0, 1, 1) $，求其正交化后的结果。
第一步：
$$
u_1 = v_1 = (1, 1, 0)
$$
第二步：
$$
u_2 = v_2 - \frac{\langle v_2, u_1 \rangle}{\langle u_1, u_1 \rangle} u_1
$$
$$
\langle v_2, u_1 \rangle = 1 \cdot 1 + 0 \cdot 1 + 1 \cdot 0 = 1
$$
$$
\langle u_1, u_1 \rangle = 1^2 + 1^2 + 0^2 = 2
$$
$$
u_2 = (1, 0, 1) - \frac{1}{2}(1, 1, 0) = \left( \frac{1}{2}, -\frac{1}{2}, 1 \right)
$$
第三步：
$$
u_3 = v_3 - \frac{\langle v_3, u_1 \rangle}{\langle u_1, u_1 \rangle} u_1 - \frac{\langle v_3, u_2 \rangle}{\langle u_2, u_2 \rangle} u_2
$$
$$
\langle v_3, u_1 \rangle = 0 \cdot 1 + 1 \cdot 1 + 1 \cdot 0 = 1
$$
$$
\langle v_3, u_2 \rangle = 0 \cdot \frac{1}{2} + 1 \cdot (-\frac{1}{2}) + 1 \cdot 1 = \frac{1}{2}
$$
$$
\langle u_2, u_2 \rangle = \left( \frac{1}{2} \right)^2 + \left( -\frac{1}{2} \right)^2 + 1^2 = \frac{1}{4} + \frac{1}{4} + 1 = \frac{3}{2}
$$
$$
u_3 = (0, 1, 1) - \frac{1}{2}(1, 1, 0) - \frac{\frac{1}{2}}{\frac{3}{2}} \left( \frac{1}{2}, -\frac{1}{2}, 1 \right)
$$
$$
= (0, 1, 1) - \left( \frac{1}{2}, \frac{1}{2}, 0 \right) - \frac{1}{3} \left( \frac{1}{2}, -\frac{1}{2}, 1 \right)
$$
$$
= \left( -\frac{1}{2}, \frac{1}{2}, 1 \right) - \left( \frac{1}{6}, -\frac{1}{6}, \frac{1}{3} \right)
$$
$$
= \left( -\frac{2}{3}, \frac{2}{3}, \frac{2}{3} \right)
$$
最终得到正交向量：
$$
u_1 = (1, 1, 0), \quad u_2 = \left( \frac{1}{2}, -\frac{1}{2}, 1 \right), \quad u_3 = \left( -\frac{2}{3}, \frac{2}{3}, \frac{2}{3} \right)
$$
四、施密特正交化的应用
施密特正交化在多个领域都有重要应用，包括但不限于：
- 矩阵分解：QR 分解中常用施密特正交化生成正交矩阵 Q。
- 信号处理：用于构造正交基函数，如傅里叶变换中的正交基。
- 数值计算：在求解线性方程组、最小二乘问题时提高稳定性。
- 机器学习：特征提取和降维中使用正交基进行数据表示。
五、注意事项
- 施密特正交化要求初始向量线性无关，否则会出现除以零的情况。
- 在计算机实现中，由于浮点误差，可能会导致正交性略有偏差，需注意数值稳定性。
- 若仅需正交向量，无需进行归一化；若需标准正交基，则应进行归一化操作。
六、总结表格
| 项目 | 内容 |
| 标题 | 施密特正交化公式 |
| 定义 | 将一组线性无关向量转化为正交或标准正交向量的方法 |
| 基本步骤 | 1. 取第一个向量为正交向量； 2. 后续向量减去已正交向量的投影； 3. 归一化得标准正交向量 |
| 应用场景 | 矩阵分解、信号处理、数值计算、机器学习等 |
| 注意事项 | 初始向量需线性无关；注意数值稳定性；归一化可选 |
通过施密特正交化，我们可以更清晰地理解向量空间的结构，并为后续的数学建模提供有力工具。