מחשבון גראם-שמידט

מחבר: Henrick Yau
- 8 בנובמבר 2026
| |

מחשבונים

תהליך גראם-שמידט הוא שיטה לאורתוגונליזציה של קבוצת וקטורים במרחב מכפלה פנימית. מחשבון זה ממיר כל קבוצה של וקטורים בלתי תלויים ליניארית לבסיס אורתוגונלי או אורתונורמלי.

קלט וקטורים

בחר את הממד של הווקטורים שלך
בחר כמה וקטורים לאורתוגונליזציה

אפשרויות חישוב

בחר האם לנרמל את וקטורי הפלט
עיגל תוצאות למספר מקומות עשרוניים זה

הגדרות מתקדמות

בחר את סוג המכפלה הפנימית לשימוש

על תהליך גראם-שמידט

תהליך גראם-שמידט הוא שיטה להמרת קבוצה של וקטורים בלתי תלויים ליניארית לקבוצה של וקטורים אורתוגונליים או אורתונורמליים. קבוצה אורתוגונלית או אורתונורמלית זו פורשת את אותו תת-מרחב כמו קבוצת הווקטורים המקורית.

האלגוריתם

עבור קבוצה של וקטורים בלתי תלויים ליניארית \( \mathbf{v}_1, \mathbf{v}_2, \ldots, \mathbf{v}_n \), תהליך גראם-שמידט בונה קבוצה אורתוגונלית \( \mathbf{u}_1, \mathbf{u}_2, \ldots, \mathbf{u}_n \) באופן הבא:

\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}

כאשר \( \text{proj}_{\mathbf{u}}(\mathbf{v}) = \frac{\langle\mathbf{v}, \mathbf{u}\rangle}{\langle\mathbf{u}, \mathbf{u}\rangle} \mathbf{u} \) הוא ההיטל של \( \mathbf{v} \) על \( \mathbf{u} \).

כדי לקבל בסיס אורתונורמלי, כל וקטור \( \mathbf{u}_i \) מנורמל על ידי חלוקה באורכו: \( \mathbf{e}_i = \frac{\mathbf{u}_i}{|\mathbf{u}_i|} \).

יישומים
  • אלגברה ליניארית: יצירת בסיסים אורתוגונליים למרחבים וקטוריים
  • אנליזה נומרית: פירוק QR של מטריצות
  • סטטיסטיקה: אורתוגונליזציה של מנבאים בניתוח רגרסיה
  • פיזיקה: מציאת אופני תנודה נורמליים
  • עיבוד אותות: יצירת פונקציות בסיס אורתוגונליות
  • מכניקת קוונטים: בניית מצבי בסיס אורתונורמליים
תכונות של וקטורים אורתוגונליים
  • מכפלה פנימית: עבור וקטורים אורתוגונליים \( \mathbf{u} \) ו- \( \mathbf{v} \), \( \langle\mathbf{u}, \mathbf{v}\rangle = 0 \)
  • תלות ליניארית: וקטורים אורתוגונליים שאינם אפס הם אוטומטית בלתי תלויים ליניארית
  • משפט פיתגורס: \( |\mathbf{u} + \mathbf{v}|^2 = |\mathbf{u}|^2 + |\mathbf{v}|^2 \) עבור וקטורים אורתוגונליים
  • ייצוג: כל וקטור בפרישה ניתן לייצוג בקלות כצירוף ליניארי

כתב ויתור: מחשבון זה מספק מימוש של תהליך גראם-שמידט למטרות חינוכיות. עבור ממדים גדולים מאוד או וקטורים מותנים גרוע, היציבות הנומרית עלולה להיפגע. ביישומים מקצועיים, שקול להשתמש בספריות נומריות ייעודיות. תהליך גראם-שמידט עלול להפיק תוצאות לא מדויקות עם וקטורים תלויים ליניארית כמעט בשל מגבלות חשבון נקודה צפה.

נוסחת האורתוגונליזציה של גראם-שמידט:

בהינתן קבוצה של וקטורים בלתי תלויים ליניארית \( \mathbf{v}_1, \mathbf{v}_2, \ldots, \mathbf{v}_n \), הקבוצה האורתוגונלית \( \mathbf{u}_1, \mathbf{u}_2, \ldots, \mathbf{u}_n \) נבנית כך:

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

כאשר ההטלה מוגדרת כ: \[ \text{proj}_{\mathbf{u}}(\mathbf{v}) = \frac{\langle\mathbf{v}, \mathbf{u}\rangle}{\langle\mathbf{u}, \mathbf{u}\rangle} \mathbf{u} \]

מהו תהליך גראם-שמידט?

מחשבון גראם-שמידט הוא כלי אינטראקטיבי המסייע להמיר קבוצה של וקטורים בלתי תלויים ליניארית לבסיס אורתוגונלי או אורתונורמלי. זה שימושי לפישוט פעולות וקטוריות מורכבות ולעבודה יעילה במרחבים רב-ממדיים.

כלי זה תומך גם במכפלה סקלרית סטנדרטית וגם במכפלות פנימיות משוקללות, ומעניק גמישות להקשרים מתמטיים או הנדסיים שונים.

מתי כדאי להשתמש באורתוגונליזציה?

המחשבון שימושי במיוחד כאשר רוצים:

  • ליצור בסיסים אורתוגונליים או אורתונורמליים למרחבים וקטוריים
  • להבין פירוק QR, תהליך יסודי באלגברה ליניארית ובאנליזה נומרית
  • לוודא אורתוגונליות של וקטורים במהירות
  • ליישם הטלה וקטורית בפיזיקה, ניתוח נתונים או למידת מכונה

הוא משלים כלים אחרים כגון מחשבון פירוק QR, מחשבון מטריצה הפוכה, ומחשבון הטלה וקטורית על ידי הכנת נתונים בפורמט אורתוגונלי מובנה.

שלבי חישוב גראם-שמידט

בצעו את השלבים הבאים לביצוע תהליך גראם-שמידט:

  1. בחרו את הממד של הוקטורים שלכם (לדוגמה, 2D, 3D וכו').
  2. בחרו כמה וקטורים אתם רוצים לכלול (עד 5).
  3. הזינו את הרכיבים של כל וקטור. ערכי ברירת מחדל מסופקים לבדיקה מהירה.
  4. בחרו אורתוגונלי או אורתונורמלי כסוג הפלט.
  5. אופציונלי: התאימו את דיוק העשרוני או בחרו מכפלה סקלרית משוקללת במידת הצורך.
  6. לחצו על "חשב גראם-שמידט" כדי לראות את התוצאות, הכוללות:
    • וקטורים שעברו אורתוגונליזציה
    • פירוט שלב אחר שלב
    • ייצוגים מטריציוניים
    • בדיקות אורתוגונליות
    • טיפים ליישום

למי מיועד מחשבון אורתוגונליזציה?

כלי זה אידיאלי עבור:

  • סטודנטים הלומדים על תלות ליניארית, מרחבים וקטוריים או פירוק מטריצות
  • מהנדסים ומדענים העובדים על סימולציות, עיבוד אותות או ניתוח מבנים
  • אנליסטי נתונים המיישמים טרנספורמציות מטריציוניות בתהליכי עבודה של למידת מכונה
  • כל מי שמשתמש בכלים כמו מחשבון פירוק LU או מחשבון חיבור וקטורים לטיפול בוקטורים או מטריצות

שאלות על אורתוגונליזציה של וקטורים

מה פירוש "אורתוגונלי"?

וקטורים אורתוגונליים נמצאים בזווית ישרה זה לזה. המכפלה הפנימית שלהם היא אפס, מה שמפשט חישובים רבים.

מה ההבדל בין אורתוגונלי לאורתונורמלי?

וקטורים אורתונורמליים הם אורתוגונליים ולכל אחד מהם אורך 1. הם משמשים בדרך כלל להגדרת מערכות קואורדינטות ולפישוט הטלות.

מדוע המחשבון דורש וקטורים בלתי תלויים ליניארית?

אם הוקטורים שלכם אינם בלתי תלויים ליניארית, תהליך גראם-שמידט לא יכול לייצר בסיס תקף מכיוון שניתן לכתוב חלק מהוקטורים כצירופים של אחרים.

מה השימוש במכפלה הפנימית המשוקללת?

מכפלות פנימיות משוקללות משמשות כאשר לממדים שונים יש חשיבות או קנה מידה שונה - נפוץ בפיזיקה או במתמטיקה שימושית.

כיצד זה קשור לפירוק QR?

הפלט של מחשבון זה יוצר את מטריצת ה-"Q" בתהליך פירוק ה-QR, המשמש לעתים קרובות לפתרון מערכות משוואות ליניאריות.

כלים משלימים למטריצות ווקטורים

חקרו כלים נוספים למטריצות ווקטורים המשלימים חישובי גראם-שמידט:

יתרונות השימוש במחשבון גראם-שמידט

מחשבון גראם-שמידט מציע דרך ברורה ומעשית להפוך וקטורים בלתי תלויים ליניארית לקבוצות אורתוגונליות או אורתונורמליות. הוא מסייע בלמידה, בהוראה וביישום טרנספורמציות של מרחבים וקטוריים. בין אם אתם מנתחים נתונים, פותרים משוואות או מכינים מטריצות לפירוק נוסף, כלי זה מוסיף דיוק ובהירות לעבודתכם.