##  [Gram-Schmidt-Verfahren](/de/node/61169) 

 Definition

Ein Verfahren in einem Skalarproduktraum, das eine endliche linear unabhängige Menge von Vektoren durch sukzessives Abziehen von Projektionen in eine orthogonale (oder orthonormale) Menge überführt, die denselben Unterraum aufspannt.

 

 

 

 

 

 





## Prinzip

Prinzip

Für jeden Vektor der Reihenfolge wird seine Projektion auf den von bereits orthogonalisierten Vektoren erzeugten Raum entfernt und anschließend (optional) normalisiert; so wird paarweise Orthogonalität hergestellt, während der Spann erhalten bleibt.

 

 

 

 

 





## Demonstration

Demonstration

Seien v1 = (1,1,0), v2 = (1,0,1) in R3 mit Standard-Skalarprodukt. Ziehe die Projektion von v2 auf v1 ab: u2 = v2 − (⟨v2,v1⟩/⟨v1,v1⟩) v1 ist orthogonal zu v1; normiere u1,u2, um eine orthonormale Basis ihres Spann zu erhalten.

 

 

 

 

## Fehlanwendung

Fehlanwendung

Die klassische Variante auf linear abhängige Mengen anzuwenden liefert Nullvektoren und erfordert besondere Behandlung; numerisch ist klassisches Gram–Schmidt bei beinahe abhängigen Vektoren instabil, sodass naive Implementation in Fließkommaarithmetik ungenaue Orthogonalität erzeugen kann.

 

 

 

 

 





## Konsequenz

Konsequenz

Erzeugt eine orthogonale oder orthonormale Basis des Spannraums, erlaubt die QR-Faktorisierung von Matrizen mit unabhängigen Spalten und bietet einen konstruktiven Weg zu orthogonalen Projektionen und Koordinatendarstellungen bezüglich einer orthonormalen Basis.

 

 

 

 

## Umkehrung

Umkehrung

Die sequentielle Projektion-Subtraktion durch eine direkte Diagonalisierung (z. B. SVD) oder durch Householder-Reflektionen zu ersetzen, liefert alternative Orthonormalisierungsverfahren; die Umkehrung von Gram–Schmidt würde bedeuten, orthogonale Vektoren zurück in das ursprüngliche (möglicherweise abhängige) Set zu kombinieren, was nicht eindeutig ist.

 

 

 

 

 





## Abgrenzung

Abgrenzung

Gilt für endliche Folgen in Skalarprodukträumen; vollständige orthonormale Basen in unendlichdimensionalen Hilberträumen erfordern Konvergenzbetrachtungen, und die Orthonormalisierung einer unendlichen Folge kann scheitern, wenn die Folge nicht geeignet beschaffen ist.

 

 

 

 

 





## Semantische Spannung

Semantische Spannung

Steht im Spannungsfeld zu numerisch stabileren Orthonormalisierungsverfahren (modifiziertes Gram–Schmidt, Householder, SVD): Gram–Schmidt ist konzeptionell einfach und konstruktiv, kann aber numerisch nachteilig sein; es unterscheidet sich auch von statistischen Methoden wie PCA, die eigendecompositionbasiert sind.

 

 

 

 

 





## Synthese

Synthese

Ein schrittweises Projektionsentfernungs-Verfahren, das eine endliche unabhängige Menge in eine orthogonale (gegebenenfalls normalisierte) Basis ihres Spann überführt; zentral für QR-Faktorisierung und orthogonale Projektionen, jedoch empfindlich gegenüber Abhängigkeit und Rundungsfehlern.