gram_schmidt正交化，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。程序为MATLAB代码。

该包实现了用于正交化或正交化向量的 Gram-Schmidt 算法和 Modified Gram-Schmidt 算法（MGS 提高了 GS 的数值稳定性）。 Gram-Schmidt 算法将矩阵 X 分解为两个矩阵 Q 和 R，其中 Q 是正交或正交矩阵，R 是上三角矩阵，X=Q*R。 正交矩阵和正交矩阵的区别在于，对于正交矩阵，每一列都与其他列正交并且具有单位长度。 这个包包含以下四个功能： gsog.m：Gram-Schmidt 正交化gson.m：Gram-Schmidt 正交归一化产生与 [Q,R]=qr(X,0) 相同的结果mgsog.m：改进的 Gram-Schmidt 正交化mgson.m：修改后的 Gram-Schmidt 正交归一化产生与 [Q,R]=qr(X,0) 相同的结果 这个包现在是 PRML 工具箱的一部分 ( http://www.mathworks.c

经典的gram schmidt正交化算法，可帮助理解gram schmidt正交化与投影的关系，也可作为后续改进算法的对比基准

在线性阵列天线方向图无约束Gram-Schmidt(G-S)正交化综合方法基础上加入零点导数约束条件实现宽零陷波束图综合。此方法保持了无约束正交化方法中因采用对阵列导向矢量正交化处理而使得计算简便的优点,适合均匀或非均匀直线阵的综合。实验结果表明,此零点约束正交方法能很好实现在零阶、一阶和二阶导数约束条件下线性阵列波束图的综合。

改进的gram schmidt正交化算法，可有效应对矩阵内浮点类型的小数量级数据对正交算法的影响

将矩阵 A 保存在工作区中，然后运行程序。 Q 和 R 矩阵将作为输出返回。

基于最大信息系数和Gram-Schmidt正交化的生物医学数据过滤特征选择方法

Gram-Schmidt正交化方法的具体定义及理论方法推论等