Calculadora de Gram-Schmidt

Autor: Henrick Yau
- 27 de octubre de 2026
| |

Calculadores

El procés de Gram-Schmidt és un mètode per ortogonalitzar un conjunt de vectors en un espai producte interior. Aquesta calculadora converteix qualsevol conjunt de vectors linealment independents en una base ortogonal o ortonormal.

Entrada de vectors

Seleccioneu la dimensió dels vostres vectors
Seleccioneu quants vectors ortogonalitzar

Opcions de càlcul

Seleccioneu si normalitzar els vectors de sortida
Arrodoneix els resultats a aquest nombre de decimals

Configuració avançada

Seleccioneu el tipus de producte interior a utilitzar

Sobre el Procés de Gram-Schmidt

El procés de Gram-Schmidt és un mètode per convertir un conjunt de vectors linealment independents en un conjunt de vectors ortogonals o ortonormals. Aquest conjunt ortogonal o ortonormal abasta el mateix subespai que el conjunt original de vectors.

L'Algorisme

Per a un conjunt de vectors linealment independents \( \mathbf{v}_1, \mathbf{v}_2, \ldots, \mathbf{v}_n \), el procés de Gram-Schmidt construeix un conjunt ortogonal \( \mathbf{u}_1, \mathbf{u}_2, \ldots, \mathbf{u}_n \) de la manera següent:

\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}

on \( \text{proj}_{\mathbf{u}}(\mathbf{v}) = \frac{\langle\mathbf{v}, \mathbf{u}\rangle}{\langle\mathbf{u}, \mathbf{u}\rangle} \mathbf{u} \) és la projecció de \( \mathbf{v} \) sobre \( \mathbf{u} \).

Per obtenir una base ortonormal, cada vector \( \mathbf{u}_i \) es normalitza dividint-lo per la seva longitud: \( \mathbf{e}_i = \frac{\mathbf{u}_i}{|\mathbf{u}_i|} \).

Aplicacions
  • Àlgebra Lineal: Creació de bases ortogonals per a espais vectorials
  • Anàlisi Numèrica: Factorització QR de matrius
  • Estadística: Ortogonalització de predictors en anàlisi de regressió
  • Física: Cerca de modes normals d'oscil·lació
  • Processament de Senyals: Creació de funcions base ortogonals
  • Mecànica Quàntica: Construcció d'estats base ortonormals
Propietats dels Vectors Ortogonals
  • Producte Escalar: Per a vectors ortogonals \( \mathbf{u} \) i \( \mathbf{v} \), \( \langle\mathbf{u}, \mathbf{v}\rangle = 0 \)
  • Independència Lineal: Els vectors ortogonals no nuls són automàticament linealment independents
  • Teorema de Pitàgores: \( |\mathbf{u} + \mathbf{v}|^2 = |\mathbf{u}|^2 + |\mathbf{v}|^2 \) per a vectors ortogonals
  • Representació: Qualsevol vector dins l'abast es pot representar fàcilment com a combinació lineal

Avís: Aquesta calculadora proporciona una implementació del procés de Gram-Schmidt amb finalitats educatives. Per a dimensions molt grans o vectors mal condicionats, l'estabilitat numèrica es pot veure afectada. En aplicacions professionals, considereu l'ús de biblioteques numèriques especialitzades. El procés de Gram-Schmidt pot produir resultats inexactes amb vectors gairebé linealment dependents a causa de les limitacions de l'aritmètica de coma flotant.

Fórmula d'ortogonalització de Gram-Schmidt:

Donat un conjunt de vectors linealment independents \( \mathbf{v}_1, \mathbf{v}_2, \ldots, \mathbf{v}_n \), el conjunt ortogonal \( \mathbf{u}_1, \mathbf{u}_2, \ldots, \mathbf{u}_n \) es construeix com:

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

amb la projecció definida com: \[ \text{proj}_{\mathbf{u}}(\mathbf{v}) = \frac{\langle\mathbf{v}, \mathbf{u}\rangle}{\langle\mathbf{u}, \mathbf{u}\rangle} \mathbf{u} \]

Què fa la Calculadora de Gram-Schmidt?

La Calculadora de Gram-Schmidt és una eina interactiva que t'ajuda a convertir un conjunt de vectors linealment independents en una base ortogonal o ortonormal. Això és útil per simplificar operacions vectorials complexes i treballar de manera eficient en espais de dimensions superiors.

Aquesta eina admet tant el producte escalar estàndard com productes interiors ponderats, oferint flexibilitat per a diferents contextos matemàtics o d'enginyeria.

Avantatges d'ortogonalitzar vectors

La calculadora és especialment útil quan vols:

  • Crear bases ortogonals o ortonormals per a espais vectorials
  • Entendre la descomposició QR, un procés fonamental en àlgebra lineal i anàlisi numèrica
  • Verificar ràpidament l'ortogonalitat dels vectors
  • Aplicar la projecció vectorial en física, anàlisi de dades o aprenentatge automàtic

Complementa altres eines com la Calculadora de Factorització QR, la Calculadora d'Inversa de Matrius i la Calculadora de Projecció Vectorial preparant les dades en un format ortogonal estructurat.

Passos per ortogonalitzar vectors

Segueix aquests passos per realitzar un procés de Gram-Schmidt:

  1. Selecciona la dimensió dels teus vectors (p. ex., 2D, 3D, etc.).
  2. Tria quants vectors vols incloure (fins a 5).
  3. Introdueix les components de cada vector. Es proporcionen valors per defecte per a proves ràpides.
  4. Selecciona Ortogonal o Ortonormal com a tipus de sortida.
  5. Opcional: ajusta la precisió decimal o selecciona un producte escalar ponderat si cal.
  6. Fes clic a "Calcular Gram-Schmidt" per veure els resultats, incloent:
    • Vectors ortogonalitzats
    • Desglossaments pas a pas
    • Representacions matricials
    • Comprovacions d'ortogonalitat
    • Consells d'aplicació

Qui se'n pot beneficiar?

Aquesta eina és ideal per a:

  • Estudiants que aprenen sobre independència lineal, espais vectorials o descomposició de matrius
  • Enginyers i científics que treballen en simulacions, processament de senyals o anàlisi estructural
  • Analistes de dades que apliquen transformacions matricials en fluxos de treball d'aprenentatge automàtic
  • Qualsevol persona que utilitzi eines com la Calculadora de Descomposició LU o la Calculadora de Suma de Vectors per gestionar vectors o matrius

Dubtes sobre el procés de Gram-Schmidt

Què significa "ortogonal"?

Els vectors ortogonals estan en angle recte entre si. El seu producte interior és zero, cosa que simplifica molts càlculs.

Quina diferència hi ha entre ortogonal i ortonormal?

Els vectors ortonormals són ortogonals i cadascun té una longitud d'1. S'utilitzen habitualment per definir sistemes de coordenades i simplificar projeccions.

Per què la calculadora necessita vectors linealment independents?

Si els teus vectors no són linealment independents, el procés de Gram-Schmidt no pot produir una base vàlida perquè alguns vectors es poden escriure com a combinacions d'altres.

Quin és l'ús del producte interior ponderat?

Els productes interiors ponderats s'utilitzen quan diferents dimensions tenen diferent importància o escala, cosa habitual en física o matemàtiques aplicades.

Com es relaciona això amb la descomposició QR?

La sortida d'aquesta calculadora forma la matriu "Q" en el procés de factorització QR, que s'utilitza sovint per resoldre sistemes d'equacions lineals.

Eines relacionades amb ortogonalització

Explora altres eines de matrius i vectors que complementen els càlculs de Gram-Schmidt:

Claus del procés d'ortogonalització

La Calculadora de Gram-Schmidt ofereix una manera clara i pràctica de convertir vectors linealment independents en conjunts ortogonals o ortonormals. Ajuda en l'aprenentatge, l'ensenyament i l'aplicació de transformacions d'espais vectorials. Tant si estàs analitzant dades, resolent equacions o preparant matrius per a descomposicions posteriors, aquesta eina aporta precisió i claredat al teu treball.