Gram-Schmidt-Orthogonalisierung

Das Gram-Schmidt-Verfahren macht aus linear unabhängigen Vektoren eine orthonormale Basis desselben Unterraums, indem es vorherige Richtungen projiziert und abzieht. Die Schreibweise u_k=v_k−Σ_j<_k⟨v_k,q_j⟩q_j; q_k=u_k/||u_k|| macht sichtbar, welche Größen zusammenhängen. Dabei bedeuten v_k: k-ter linear unabhängiger Eingabevektor (je nach Anwendung); q_j: bereits normierter orthogonaler Basisvektor (dimensionslos bei normiertem v); u_k: nach Projektionen verbleibender Anteil (wie v_k). Bei Vektoren gleicher Einheit tragen alle Projektionen und normierten Vektoren konsistente Einheiten; q_i ist dimensionslos bei Einheitsvektoren. Für die Anwendung ist entscheidend, ob die gegebenen Größen dieselbe Bedeutung und Bezugsrichtung wie in der Definition haben. Typische Aufgaben verwenden die Beziehung für Orthonormalbasen, QR-Zerlegung, Projektionen und Least-Squares-Verfahren.. Lies daher zuerst die Größen und ihre Dimensionen, bevor du Zahlen einsetzt; so erkennst du zum Beispiel sofort, ob das Ergebnis eine Länge, Rate, Wahrscheinlichkeit oder dimensionslose Kennzahl sein muss.

Beginne mit einer Skizze oder einer Liste der bekannten Größen, ordne jede Größe einem Symbol zu und bringe Einheiten in eine gemeinsame Form. Dann wähle die passende Gleichungsform und setze erst danach Werte ein. Beispiel: v₁=(1,1), v₂=(1,0): q₁=(1,1)/√2; u₂=(1,0)−(1/2)(1,1)=(1/2,−1/2); q₂=(1,−1)/√2. Probe: q₁·q₂=0. Die Probe ist Teil der Rechnung: Die Projektion auf einen normierten Vektor q ist ⟨v,q⟩q Vergleiche zusätzlich Größenordnung und Einheit mit dem Sachkontext. Runde erst am Schluss, denn vorzeitiges Runden kann bei mehreren Rechenschritten besonders bei kleinen Differenzen oder Summen sichtbar auf das Ergebnis durchschlagen.

Die Projektion auf einen normierten Vektor q ist ⟨v,q⟩q. Durch sukzessives Entfernen dieser Komponenten entsteht Orthogonalität; anschließendes Normieren liefert Länge 1. In Gleitkommaarithmetik kann klassisches Gram-Schmidt bei fast abhängigen Vektoren an Orthogonalität verlieren; modifizierte Gram-Schmidt- oder Householder-Verfahren sind stabiler. Das ist keine nebensächliche Fußnote: Bei einer Verletzung der Annahmen kann die Formel ein präzises, aber unpassendes Ergebnis liefern. Kontrolliere deshalb vor dem Rechnen, welche Werte beobachtet, geschätzt oder modelliert sind und ob Sonderfälle die Gleichung ändern. Orthonormalbasen, QR-Zerlegung, Projektionen und Least-Squares-Verfahren. Bei numerischen Verfahren prüfe außerdem Schrittweite und Stabilität; bei Statistik Stichprobendesign und Verteilung; bei Analysis Differenzierbarkeit, Rand und Orientierung. Verwende eine alternative Methode, wenn diese Bedingungen nicht erfüllt sind.

Beide Beziehungen passen in denselben Themenbereich, beantworten aber verschiedene Fragen. „Gram-Schmidt-Orthogonalisierung“: Das Gram-Schmidt-Verfahren macht aus linear unabhängigen Vektoren eine orthonormale Basis desselben Unterraums, indem es vorherige Richtungen projiziert und abzieht. Die Anschlussformel „QR-Zerlegung einer Matrix“ Die QR-Zerlegung schreibt eine Matrix mit linear unabhängigen Spalten als Produkt einer Matrix mit orthonormalen Spalten Q und einer oberen Dreiecksmatrix R. Wähle zuerst nach der gesuchten Größe und dem Modell: Orthonormalbasen, QR-Zerlegung, Projektionen und Least-Squares-Verfahren. Die Beispielrechnung v₁=(1,1), v₂=(1,0): q₁=(1,1)/√2; u₂=(1,0)−(1/2)(1,1)=(1/2,−1/2); q₂=(1,−1)/√2. Probe: q₁·q₂=0. zeigt, welche Größen in dieser Beziehung tatsächlich eingehen. Ein sinnvoller Lernschritt ist, beide Formeln mit denselben Ausgangsdaten zu vergleichen und zu markieren, welche Zusatzannahme die zweite benötigt. So wird aus einer Merkliste eine nachvollziehbare Auswahlregel.

Lokale Voraussetzungen und Rand- beziehungsweise Orientierungsangaben gehören zur Formel. Prüfe sie vor dem Ableiten oder Integrieren; insbesondere darf ein gültiger lokaler Ausdruck nicht ohne Begründung auf das ganze Gebiet übertragen werden. Zusätzlich müssen die verwendeten Symbole exakt zur Definition passen: v_k: k-ter linear unabhängiger Eingabevektor (je nach Anwendung); q_j: bereits normierter orthogonaler Basisvektor (dimensionslos bei normiertem v); u_k: nach Projektionen verbleibender Anteil (wie v_k). Rechne nicht nur mechanisch, sondern schreibe die Annahme neben den Ansatz und kontrolliere danach Dimension und Vorzeichen. Für die vorliegende Beziehung gelten außerdem: Die Projektion auf einen normierten Vektor q ist ⟨v,q⟩q Im Beispiel v₁=(1,1), v₂=(1,0): q₁=(1,1)/√2; u₂=(1,0)−(1/2)(1,1)=(1/2,−1/2); q₂=(1,−1)/√2. Probe: q₁·q₂=0. kannst du diese Prüfungen direkt nachvollziehen. Wenn die Annahme nicht passt, suche eine andere Beziehung aus dem Kapitel statt Werte in eine unpassende Formel zu zwingen.