正交化使得计算更加方便，最简单的例子就是求逆，需要计算半天，但正交阵求逆很简单，只需转置一下就可以了。从几何上说，正交基就像一个欧式空间，比如三维空间的x轴，y轴，z轴，没有正交化的就是非欧几何，比如说用 也可以作为一组基，但别的向量用这组基表示不方便。其实用正交基的好处在于数值计算上，不用正交基的话计算不稳定，会随着计算过程逐步积累误差，最后可能会使得误差过大计算结果根本不可用，而正交基不会发生这种问题。
施密特正交化的几何意义是什么
正交化使得计算更加方便，最简单的例子就是求逆，需要计算半天，但正交阵求逆很简单，只需转置一下就可以了。从几何上说，正交基就像一个欧式空间，比如三维空间的x轴，y轴，z轴，没有正交化的就是非欧几何，比如说用（1 0 0）（1 1 0） （1 1 1）也可以作为一组基，但别的向量用这组基表示不方便。其实用正交基的好处在于数值计算上，不用正交基的话计算不稳定，会随着计算过程逐步积累误差，最后可能会使得误差过大计算结果根本不可用，而正交基不会发生这种问题。
施密特正交化有什么作用啊？
如下：
施密特正交化（Schmidt orthogonalization）是求欧氏空间正交基的一种方法。从欧氏空间任意线性无关的向量组α1，α2，……，αm出发，求得正交向量组β1，β2，……，βm，使由α1，α2，……，αm与向量组β1，β2，……，βm等价，再将正交向量组中每个向量经过单位化，就得到一个标准正交向量组，这种方法称为施密特正交化。
相关信息：
施密特正交化首先需要向量组b1,b2,b3...一定是线性无关的。一般解决的问题是特征向量，同一个特征值的特征向量不一定是线性无关的，但是不同特征值的特征向量一定是线性相关的。
选取向量b1作为基准向量c1，那么c2就等于b2减去b2和c1的内积除以c1和c1的内积再乘以c1，记住诸侯一定是矩阵的形式。包括c3等于b3减去b3与c1的内积乘以b1减去c3与b2的内积除以c2与c2的内积乘以c2。
施密特正交化是什么意思？
对于n阶矩阵，正交变换求正交矩阵时,如果同一特征值的特征向量没有正交，则需要施密特正交化使其正交。
施密特正交化（Schmidt orthogonalization）是求欧氏空间正交基的一种方法。从欧氏空间任意线性无关的向量组α1，α2，……，αm出发，求得正交向量组β1，β2，……，βm，使由α1，α2，……，αm与向量组β1，β2，……，βm等价，再将正交向量组中每个向量经过单位化，就得到一个标准正交向量组，这种方法称为施密特正交化。
线性代数：
线性代数是数学的一个分支，它的研究对象是向量，向量空间（或称线性空间），线性变换和有限维的线性方程组。向量空间是现代数学的一个重要课题；因而，线性代数被广泛地应用于抽象代数和泛函分析中；通过解析几何，线性代数得以被具体表示。
线性代数的理论已被泛化为算子理论。由于科学研究中的非线性模型通常可以被近似为线性模型，使得线性代数被广泛地应用于自然科学和社会科学中。
线代中，施密特正交化有什么具体的用处?简便运算?我怎么觉得更复杂了
在二次型求标准形的过程中：
如果二次型矩阵为A，要将二次型标准化，就是要找到矩阵C使得，能够实现如下变化：
令x=Cy这样得到的二次型为标准形
这样我们可以用“求特征值，然后求对应特征向量，得到一个由线性无关的特征向量构成的矩阵D”，该矩阵满足如下关系：
D不一定是正交矩阵（这样就不能满足第一个式子），所以将D进行施密特正交化后，其转置矩阵便等于逆矩阵，这样就能满足第一个式子了，于是得到了进行二次型标准化的 可逆转换矩阵。
相关推荐：
