“正交投影”的几何直觉#

在即时归一化的前提下，Gram-Schmidt 算法实际上只由一块基础“积木”循环构建而成，即向量在单位向量上的投影公式：

很多学习者在接触点乘（内积）时，往往只记住了坐标相乘再相加的代数公式（如 $x_1 x_2 + y_1 y_2$），却完全丧失了对其底层几何直觉的感知。为了透彻理解这个投影公式，我们需要暂时抛开代数课本，回到初中几何的直角三角形中，将公式解构为“测量”与“定向”两个独立动作。

V3归一化的时间节点#

在格拉姆-施密特正交化（Gram-Schmidt Orthogonalization）过程中，对于给定的线性无关向量 $v_3$，无需预先进行单位化操作。

首先，计算 $v_3$ 在已知的标准正交基 $u_2$ 上的正交投影。由于 $u_2$ 满足 $\|u_2\| = 1$，内积 $\langle v_3, u_2 \rangle$ 的代数运算直接等效于几何意义上的标量投影，规避了夹角余弦的显式计算。将该标量投影乘以方向向量 $u_2$，即可得到正交投影向量。

随后，通过向量减法求取正交补分量：

此操作剥离了 $v_3$ 在 $u_2$ 方向上的线性相关信息，确保生成的 $v'_3$ 与 $u_2$ 绝对正交。

最后，对该正交补分量执行归一化（Normalization）处理，将其除以自身的欧几里得范数，从而构造出新的标准正交基向量：

NOTE

在投影公式中，被减数$v_3$不用归一化，是算完$v'_3$，也就是垂直那条向量的最终长度，通过$v_3$减去$v_3$点乘$u_2$（$u_2$长度是1所以得到投影，我理解的是$\cos\theta$是物理意义，只是数值等于$v_3$点乘$u_2$，实际算的时候没有用到这个$\cos\theta$）再乘上$u_2$（这时候$u_2$是方向），最后再转化成单位基，这样的一个过程。

算法核心框架#

有了最简的投影公式，Gram-Schmidt 正交化就不再是一长串死记硬背的字符，而是一个清晰的标准迭代过程。

假设输入为一组线性无关的向量集 $\{v_1, v_2, \dots, v_n\}$，目标是输出一组标准正交基 $\{u_1, u_2, \dots, u_n\}$。算法遵循以下三步生命周期：

小结#

通过重构几何直觉，我们可以将 Gram-Schmidt 算法提炼为极其严密的通用逻辑。在实际推导或编写代码时，无需回忆带有分母的复杂公式表，只需执行这个“减去所有已知投影 $\rightarrow$ 归一化”的循环控制流程：

对于 $k = 1, 2, \dots, n$：

1. 提取全新正交分量（减去影子）：

2. 归一化生成新基底（确立路标）：

核心准则： 始终维护一个单位向量集合。面对新向量，求内积得长度，乘基底得方向，减去投影得正交分量，最后归一化。

🟢 第一阶段：求特征值 (解固有方程式)#

我们需要解特征方程 $|\lambda I - A| = 0$。

操作技巧（列相加）： 观察到每一行的元素之和均为 $\lambda$。将第 2 列和第 3 列全部加到第 1 列上：

提取公因数并化简： 提取第 1 列的 $\lambda$，然后将第 1 行乘以 $-1$ 分别加到第 2 行和第 3 行，使左下角清零：

结论： 得到特征值 $\lambda_1 = 0$ (单根)，以及 $\lambda_2 = \lambda_3 = 3$ (二重根)。

🟡 第二阶段：求特征空间的基底 (求特征向量)#

对于每个特征值，解齐次线性方程组 $(\lambda I - A)x = 0$。

🟠 第三阶段：正交化与正规化 (Gram-Schmidt 过程)#

因为 $A$ 是实对称矩阵，最终的 $P$ 必须是正交矩阵。要求所有特征向量必须两两互相垂直，且长度为 1。

• 对于 $v_1$ (独苗，直接正规化)： 长度 $\|v_1\| = \sqrt{1^2 + 1^2 + 1^2} = \sqrt{3}$。

  $$u_1 = \frac{1}{\sqrt{3}} \begin{pmatrix} 1 \\ 1 \\ 1 \end{pmatrix}$$

• 对于 $v_2$ (选为 $\lambda=3$ 阵营的老大，直接正规化)： 长度 $\|v_2\| = \sqrt{(-1)^2 + 1^2 + 0} = \sqrt{2}$。

  $$u_2 = \frac{1}{\sqrt{2}} \begin{pmatrix} -1 \\ 1 \\ 0 \end{pmatrix}$$

• 对于 $v_3$ (剔除在 $u_2$ 上的投影，强制掰直，再正规化)：

  • 步骤 A (计算投影并相减)：

    $$v'_3 = v_3 - (v_3 \cdot u_2)u_2$$ $$v'_3 = \begin{pmatrix} -1 \\ 0 \\ 1 \end{pmatrix} - \left( \begin{pmatrix} -1 \\ 0 \\ 1 \end{pmatrix} \cdot \frac{1}{\sqrt{2}} \begin{pmatrix} -1 \\ 1 \\ 0 \end{pmatrix} \right) \frac{1}{\sqrt{2}} \begin{pmatrix} -1 \\ 1 \\ 0 \end{pmatrix}$$ $$v'_3 = \begin{pmatrix} -1 \\ 0 \\ 1 \end{pmatrix} - \frac{1}{2}(1 + 0 + 0)\begin{pmatrix} -1 \\ 1 \\ 0 \end{pmatrix} = \begin{pmatrix} -1 \\ 0 \\ 1 \end{pmatrix} - \begin{pmatrix} -1/2 \\ 1/2 \\ 0 \end{pmatrix} = \begin{pmatrix} -1/2 \\ -1/2 \\ 1 \end{pmatrix}$$

  • 步骤 B (正规化 $v'_3$)： 长度 $\|v'_3\| = \sqrt{(-1/2)^2 + (-1/2)^2 + 1^2} = \sqrt{6/4} = \frac{\sqrt{6}}{2}$。 压缩至单位长度：

    $$u_3 = \frac{1}{\|v'_3\|} v'_3 = \frac{2}{\sqrt{6}} \begin{pmatrix} -1/2 \\ -1/2 \\ 1 \end{pmatrix} = \frac{1}{\sqrt{6}} \begin{pmatrix} -1 \\ -1 \\ 2 \end{pmatrix}$$

注意，两个红框是两种完全不同的乘法。

在同一个公式 $(v_3 \cdot u_2)u_2$ 里，包含了两次乘法，但它们的物理意义和运算法则截然不同。

1. 左边的红框：这是真正的“点乘”（内积 / Dot Product）

看参与者： 它的左边是一个向量，右边也是一个向量。

看符号： 它们中间有一个非常明确的黑点 $\cdot$。这是点乘的专属符号。

物理意义： 这就是我们在前面讨论的“测量阶段”。它在计算 $v_3$ 落在 $u_2$ 方向上的“影子长度”。

运算结果： 两个向量进行点乘，结果会坍缩成一个纯数字（标量）。在这里，算出来的结果就是 $\frac{1}{2}$（或者写成 $\frac{1}{\sqrt{2}} \times \frac{-1}{\sqrt{2}} \dots$ 提取出来的结果）。

2. 右边的红框：这是“数乘”（标量乘法 / Scalar Multiplication）

看参与者： 它的左边 $\frac{1}{2}(1+0+0)$ 就是一坨纯纯的数字（等于 $\frac{1}{2}$）；而它的右边是一个向量。

看符号： 数字和向量直接挨在一起写，中间没有那个黑点 $\cdot$。

物理意义： 这就是我们在前面讨论的“定向阶段”。它拿着刚才算出来的影子长度（数字 $\frac{1}{2}$），去乘以代表方向的基底（向量 $u_2$）。

运算结果： 把数字分配到向量的每一个坐标里去，相当于把这根向量拉长或缩短。结果是一个新的向量。

回到我们的终极公式 $\text{Proj} = (v \cdot u) u$：

第一步： 括号里的 $(v \cdot u)$ 是点乘。向量 $\cdot$ 向量 $\rightarrow$ 变成数字（算出长度）。

第二步： 括号外的 $(\text{数字}) u$ 是数乘。数字 $\times$ 向量 $\rightarrow$ 变成新向量（赋予方向）。

从“点乘算出长度”，到“数乘赋予方向”。就是算数字；数字直接贴着括号的，就是拉伸向量！

🔴 第四阶段：大结局合体 (构建 $P$ 和 $\Lambda$)#

现在我们拥有了极其完美的标准正交基：$u_1, u_2, u_3$。

1. 构建正交矩阵 $P$ (按列排布)：

2. 构建对角矩阵 $\Lambda$ (主对角线填入对应的特征值)：

终极宣告： 至此，原矩阵 $A$ 被完美正交对角化，满足：

(完整计算过程结束)

💡 核心心法：一句话口诀#

“确立新核心，挨个交保护费（剔除投影），最后自我洗礼（正规化）。”

无论给你多少个向量（$v_1, v_2, v_3 \dots v_n$），它们排着队进来改造，每个向量进门后都只能做三件事：

1. 看前辈： 看看前面已经有几个被改造好的、纯洁的“大哥”了（即已经算出来的 $u_1, u_2 \dots$）。
2. 交保护费（去阴影）： 前面有几个大哥，你就要向几个大哥交保护费。保护费是什么？就是你身上顺着大哥方向的“投影成分”。把它减掉！
3. 自我洗礼： 保护费交干榨净后，剩下的一点残骸，强行拉伸或压缩到长度为 1（正规化），你就能晋升为新的大哥。

🔧 唯一需要背的积木：投影公式#

只需要死记这一小块积木：

如何计算 $v$ 在单位向量 $u$ 上的投影？

• 物理意义记忆：
  • 括号里的 $(v \cdot u)$ 是一个数字，代表“长度”（影子有多长）。
  • 外面的 $u$ 是一个向量，代表“方向”（顺着老大的方向）。
  • 两者相乘：长度 $\times$ 方向 = 阴影向量。

🔄 考场上的默写流水线#

只要记住“积木”和“挨个交保护费”的规矩，你在考场上可以瞬间现推任何维度的公式，根本不需要背：

• 第一个进门的 $v_1$： 前面没有大哥，不用交保护费。直接自我洗礼。

  $$u_1 = \frac{v_1}{\|v_1\|}$$

• 第二个进门的 $v_2$： 前面有 1 个大哥（$u_1$），交 1 次保护费。

  残骸： $v_2' = v_2 - \mathbf{(v_2 \cdot u_1)u_1}$

  洗礼： $u_2 = \frac{v_2'}{\|v_2'\|}$

• 第三个进门的 $v_3$： 前面有 2 个大哥（$u_1, u_2$），必须交 2 次保护费！

  残骸： $v_3' = v_3 - \mathbf{(v_3 \cdot u_1)u_1} - \mathbf{(v_3 \cdot u_2)u_2}$

  洗礼： $u_3 = \frac{v_3'}{\|v_3'\|}$

• 第 $k$ 个进门的 $v_k$： 疯狂减去前面所有 $k-1$ 个大哥的投影。

  残骸： $v_k' = v_k - (v_k \cdot u_1)u_1 - (v_k \cdot u_2)u_2 - \dots - (v_k \cdot u_{k-1})u_{k-1}$

  洗礼： $u_k = \frac{v_k'}{\|v_k'\|}$

最后的防坑警告： 很多教材喜欢把公式写成 $v_3' = v_3 - \frac{v_3 \cdot v_1}{v_1 \cdot v_1}v_1 - \frac{v_3 \cdot v_2'}{v_2' \cdot v_2'}v_2'$。 千万不要去背这种带分母的恶心形态！ 这是因为他们没有“边做边正规化”。 在考场上，一定要算出一个 $u$，就立刻把它正规化（化为单位向量）！ 只要所有的 $u$ 长度都是 1，分母就永远是 1，公式就能保持极其清爽的 $v - (v \cdot u)u$ 形态。这也是最不容易算错符号的方法。

NOTE

1. 固有値の算出（固有方程式）#

まずは行列 $A$ に対して固有方程式 $P_A(\lambda) = |\lambda I - A| = 0$ を解きます。

• 行列式の工夫: いきなり展開せず、各行・各列の和が一定なら「第1列に全て足し合わせる」等の操作で $(\lambda - k)$ を括り出します。
• 検算（トレースと行列式）:
  • 固有値の和 = $\text{tr}(A)$ （対角成分の和）
  • 固有値の積 = $\det(A)$ これを確認するだけで、計算ミスの 80% は防げます。

2. 固有ベクトルの算出と基底の決定#

各固有値 $\lambda_i$ に対して、$(\lambda_i I - A)\boldsymbol{x} = \boldsymbol{0}$ を解きます。

• 自由度の確認: 重解がない場合は変数は1つ、2重解の場合は（対角化可能なら）基底が2つ出るはずです。
• 記述のポイント: 「$(\lambda_i I - A)\boldsymbol{x} = \boldsymbol{0}$ を解くと、$\dots$ より $\boldsymbol{x} = c \begin{pmatrix} 1 & 1 & 1 \end{pmatrix}^T$ ($c \neq 0$)。よって固有空間 $W(\lambda_i)$ の基底は $\dots$」と丁寧に記述します。

3. 直交行列による対角化（実対称行列の場合）#

入試で最も頻出するのは「実対称行列」です。この場合、単なる変換行列 $P$ ではなく、直交行列 $P$ を求めよと指示されます。

• 正規化: 各固有ベクトルの長さを $1$ にします（$\boldsymbol{u} = \frac{\boldsymbol{x}}{|\boldsymbol{x}|}$）。
• 重解がある場合の直交化:
  • 同じ固有値から出た基底同士は、そのままでは直交しないことがあります。
  • この場合、必ず グラム・シュミットの直交化法 を適用してください。
  • 注意: 異なる固有値に属するベクトル同士は、理論上必ず直交しているため、正規化だけで済みます。

4. 変換行列 $P$ と対角行列 $D$ の構成#

最後に結果をまとめます。

• 並び順の一致: $P = (\boldsymbol{u}_1 \ \boldsymbol{u}_2 \ \boldsymbol{u}_3)$ と並べたなら、対角行列 $D$ も対応する固有値の順に $\text{diag}(\lambda_1, \lambda_2, \lambda_3)$ と並べる必要があります。
• 最終チェック: 余裕があれば、ごく一部の成分だけで良いので $AP = PD$ が成立するか確認します。

---

【記述のコツ】採点官へのアピール#

院試の記述回答では、以下のフレーズを適切に挟むと「わかっている感」が出ます。

1. 「実対称行列は直交行列によって対角化可能であるから…」 （定理の適用条件を明示）
2. 「相異なる固有値に属する固有ベクトルは互いに直交するから、同一の固有空間内でのみ直交化を行えばよい」 （計算の手間を省く理論的根拠）
3. 「$P^T P = I$ を満たす直交行列 $P$ を構成すると…」 （直交行列の定義の再認）

おすすめの練習順序#

1. 3次正方行列（重解なし）: 基本的な計算フローの確立。
2. 3次実対称行列（重解あり）: グラム・シュミットの習得。
3. 変数が含まれる行列: 固有値が $a$ や $b$ になるケース（文字式の扱いに慣れる）。