Das Gram-Schmidt-Verfahren
Lesen anpassen
Nach dieser Lektion kannst du
aus einem Vektor den Anteil in Richtung eines anderen Vektors abziehen, sodass der Rest senkrecht steht,
das Gram-Schmidt-Verfahren herleiten und mit ihm aus linear unabhängigen Vektoren eine Orthonormalbasis machen,
das Verfahren im und in einem Polynomraum mit Integral-Skalarprodukt vollständig durchrechnen,
begründen, warum jeder endlichdimensionale euklidische Vektorraum eine Orthonormalbasis hat.
Vorausgesetzt: Orthogonalität und Orthonormalbasen, Skalarprodukt und Norm, Basis und Dimension
Mit einer Orthonormalbasis (ONB) sind Koordinaten Skalarprodukte, und jedes Skalarprodukt rechnet sich wie das Standardskalarprodukt. Aber wo bekommt man eine her?
Zwei Beispiele, bei denen keine ONB auf der Hand liegt. Erstens die Ebene . Eine Basis ist schnell gefunden, etwa und , aber diese beiden stehen nicht senkrecht: Ihr Skalarprodukt ist .
Zweitens der Raum der reellen Polynome vom Grad höchstens mit . Die vertraute Basis ist nicht orthogonal, denn .
Gesucht ist ein Verfahren, das aus irgendeiner Basis eine ONB macht und dabei möglichst wenig verändert. Die Idee stammt von Jørgen Pedersen Gram und Erhard Schmidt: Man nimmt die Vektoren der Reihe nach und entfernt von jedem den Anteil, der in Richtung der schon behandelten Vektoren zeigt.
Im sind und gegeben. Man möchte ein Vielfaches von abziehen, sodass senkrecht auf steht. Welches Vielfache ist das?
Herleitung des Verfahrens
Herleitung des Verfahrens
Gegeben sind linear unabhängige Vektoren in einem euklidischen Vektorraum . Gesucht sind orthonormale , sodass für jedes die ersten neuen Vektoren denselben Raum aufspannen wie die ersten alten: .
Erster Vektor: Er muss nur normiert werden. Es ist , weil die Familie linear unabhängig ist.
Gram-Schmidt-Verfahren
Es seien linear unabhängige Vektoren in einem euklidischen Vektorraum . Man setzt nacheinander für
(für ist die Summe leer, also ). Dann ist stets , die Familie ist orthonormal, und für jedes gilt .
Induktion nach . Für ist , und hat Länge und spannt dieselbe Gerade auf.
Für den Schritt von auf nehmen wir an, dass orthonormal sind und gilt. Die Schritte 3 bis 5 der Herleitung zeigen der Reihe nach: ist orthogonal zu ; es ist (hier geht die Induktionsannahme über den Spann ein); hat Länge , und der Spann der ersten Vektoren ist derselbe. Damit gilt die Aussage für .
Zwei Vektoren in der Ebene
Zwei Vektoren in der Ebene
Wir führen die Vorhersage zu Ende: , . Es ist mit , und wie oben berechnet . Den Faktor darf man vor dem Normieren weglassen, er verschwindet beim Normieren ohnehin.
Das Ergebnis hängt nur wenig von ab: Jeder Vektor oberhalb der Geraden durch (im Sinn von ) liefert dasselbe . Das Verfahren behält von nur die Information, auf welcher Seite der Geraden es liegt.
Du wendest das Verfahren auf an und erhältst . Was folgt daraus?
Beispiel im R³
Beispiel im R³
Wir orthonormalisieren , , bezüglich des Standardskalarprodukts. (Die drei sind linear unabhängig; das bestätigt das Verfahren, weil kein verschwindet.)
Es ist .
Beispiel im Polynomraum
Beispiel im Polynomraum
Im Raum mit orthogonalisieren wir . Wir rechnen ohne Wurzeln mit der Formel aus dem Hinweis oben. Nützlich: für gerades und für ungerades .
Erster Vektor: mit .
Wende das Verfahren (ohne Normieren) auf im Raum der Polynome vom Grad höchstens an, diesmal mit . Gib an.
Existenz von Orthonormalbasen
Es sei ein endlichdimensionaler euklidischer Vektorraum.
- besitzt eine Orthonormalbasis.
- Jede orthonormale Familie in lässt sich zu einer Orthonormalbasis von ergänzen.
Ist , ist die leere Familie eine ONB. Sonst hat eine Basis , und das Gram-Schmidt-Verfahren macht aus ihr orthonormale mit . Das ist eine ONB.
Für die zweite Aussage: Die Familie ist linear unabhängig (orthogonal, alle ). Nach dem Basisergänzungssatz gibt es , sodass eine Basis ist. Darauf wenden wir das Verfahren an. Die ersten Vektoren bleiben dabei unverändert: Für ist , weil alle sind, und .
Gegen die falschen Vektoren projiziert
Gegen die falschen Vektoren projiziert
Typische Rechenfehler beim Verfahren:
- Man zieht von die Anteile in Richtung der alten Vektoren ab statt in Richtung von (oder ).
- Man zieht nur den Anteil in Richtung des letzten Vektors ab, also nur .
- Man rechnet mit nicht normierten , vergisst aber die Division durch .
Abgezogen wird immer in die Richtungen der schon orthogonalisierten Vektoren, und zwar in alle: . Nur weil paarweise orthogonal sind, stört das Abziehen eines Anteils die schon erreichte Orthogonalität zu den anderen nicht. Die sind nicht orthogonal, dort funktioniert die Rechnung nicht. Eine schnelle Probe nach jedem Schritt: für alle .
Außerdem hängt das Ergebnis von der Reihenfolge ab: Beginnt man mit statt mit , entsteht eine andere ONB. Das ist kein Fehler, nur eine andere Wahl.
Zusammenfassung
Der Anteil von in Richtung ist ; zieht man ihn ab, steht der Rest senkrecht auf .
Gram-Schmidt: , dann .
Aus linear unabhängigen entstehen orthonormale mit gleichem Spann für jedes Anfangsstück.
Ein zeigt, dass von den vorigen Vektoren linear abhängt.
Mit nicht normierten zu rechnen und am Ende zu normieren spart Wurzeln.
Im Polynomraum mit liefert das Verfahren aus die Polynome , , (bis auf Faktoren Legendre-Polynome).
Jeder endlichdimensionale euklidische Vektorraum hat eine ONB, und jede orthonormale Familie lässt sich zu einer ONB ergänzen.
Übungen
Der erste Schritt des Verfahrens für im liefert
Im seien und . Berechne und gib an.
Welches Paar ist eine ONB der Ebene (Standardskalarprodukt)?
Setze das Polynom-Beispiel fort: Im Raum der Polynome vom Grad höchstens mit sind , , schon orthogonal. Berechne aus (ohne Normieren).
Zeige: Ist schon eine orthogonale Familie mit allen , dann liefert das Gram-Schmidt-Verfahren einfach .
Es sei invertierbar mit den Spalten . Wende das Verfahren auf die Spalten an und zeige: Es gibt eine orthogonale Matrix und eine obere Dreiecksmatrix mit positiven Diagonaleinträgen, sodass (QR-Zerlegung).