Gram-Schmidt 正交化多項式?
求助 有個地方 遇到了 Gram-Schmidt正交化多項式?真心看不懂啊。
求助大神給我講解一下,給出一本能夠講明白的書也可以。
謝邀。首先,我建議題主可以看看你的書本或筆記,你這樣問,我也不知道你到底不明白什麽。其實,Gram-Schmidt orthogonalization是任何數學物理課本都必定會提到的東西,在網上也很容易搜尋得到。
也許我可以大概說說這東西是什麽,技術細節就請自行查閱了。其實,在數學物理中有很多特殊函數,在電動力學、量子力學都會大量應用到,而且我們喜歡把這些函數化成向量,使我們可以利用線性代數的方法去處理。
當我們用向量表示三維空間時,我們會用、、作為base vector,他們的norm是1,而且互相垂直,所以用起來很方便。但在數學物理中,可能有無限個特殊函數,而他們可不一定互相垂直和normalized,所以我們才有Gram-Schmidt orthogonalization。這東西可以說是一個process,或一個algorithm。隨便找了找,歐氏空間向量的例子可參https://www.math.hmc.edu/calculus/tutorials/gramschmidt/gramschmidt.pdf。 如果是數學物理中的特殊函數,你要首先定義dot product才可開始這個過程。
==========
補充:好吧,讓我用題主給的做一個例子。題主說的,想正交化。首先是定義dot product,這個要看問題/題目,讓我大膽假設。按照Gram-Schmidt的方法,然後繼續算下去。。。我不知道我又算錯了沒題主應該是想問 Gram-Schmidt 正交化延伸到一般內積空間下的情況。
以題主的問題為例,在的區間上,多項式向量空間里的內積可以定義為:
此時對元素採用 Gram-Schmidt 正交化,可以獲得一個無窮數列:
舉幾個例子:函數正交類似於向量正交,關於函數正交可以參考如何理解函數正交的數學或物理含義?
多項式的施密特正交化也可以類比向量的正交化
若首項係數an ≠ 0的n次多項式 ,滿足
就稱多項式序列 ,在[a,b]上帶權ρ(x)正交,並稱 是[a,b]上帶權ρ (x)
的n 次正交多項式。
構造正交多項式的格拉姆-施密特(Gram-Schmidt)方法
按以下方式定義的多項式集合 是區間[a,b]上關於權函數ρ (x) ≥ 0的
正交函數族。
其中
證明可用歸納法,略。
wiki上已經講的很明白了
Gram你把這個鏈接上右邊的圖仔細看幾遍,就會清楚這個演算法了。
這個過程的本質就是要構建norm為1的坐標系。新生們開始學量子力學/線性代數了吧?
正交化的思想很簡單,就是把需要處理的向量在其他已經處理過的向量方向上的投影去掉,然後歸一化。
其他的就看wiki吧Hope you can understand my demonstration.
As we know,Garm-Schmidt is a procedure that can be used to generate an othogonal basis from any.particularly Gran-Schmide process starts with a basis {u1,u2,u3.....,un} and generate a new basis {w1,w2,...,wn}according to the parrern
w1=u1
w2=u2+au1w3=u3+ba2+ca1.......
So,to determine the scalar a in the definition of w2,we use the condition u2(u1T)=0(u1T is the transpose of u1)
Thus,(u1T)w2=0=(u1T)(u2+au1)So a=-[(u1T)u2][(u1T)(u1)](Hope you can write the process on the paper and calculate the condintion w3,w4,....wi)Put a =-[(u1T)u2][(u1T)u1] into the equation,then we can get
w2=u2-[(u1T)u2][(u1T)(u1)]u1
And this is th same to Gram-Schmide formula.More calculation,please acompilish by yourself.推薦閱讀:
※可以找一個和已知正交矩陣乘法可交換的正交矩陣嗎?
※向量空間的維數是不是就是對應矩陣的秩?向量空間的基是不是就是對應列向量組的最大線性無關向量組?
※初學線性代數的人可以看哪些完全採用向量觀點的書?
※你覺得比較好的線性代數學習路徑是什麼?
※如何直觀地理解 西爾維斯特「慣性定律」?