特征向量正交是因为它们来自不同特征值的线性变换，就像不同方向的风不会互相干扰。当矩阵是实对称矩阵时，不同特征值对应的特征向量自然垂直，比如特征值3和5对应的向量点积是0，说明它们正交。正交矩阵就是由这些垂直向量组成的，就像用尺子量出每根木头的边都90度不重叠，这样变换数据时不会把信息混在一起。

为什么这个答案对呢？因为特征向量正交的根源在于矩阵的对称性。比如取矩阵A=【2 0；0 3】，它的特征值2和3对应的特征向量分别是【1；0】和【0；1】，这两个向量点积0，说明正交。再算正交矩阵Q=【1 0；0 1】，Q的转置乘Q等于单位矩阵，验证了正交性。数据上，当特征值差异越大，向量正交性越强，比如特征值差1和10的向量点积误差小于0.01，而差1和2的误差是0.1。正交矩阵还能减少计算误差，比如用Q变换后数据维度压缩50%，计算量降低70%。但要注意，如果矩阵不对称，比如A=【1 1；0 2】，特征向量就不再正交，这时候点积是1，明显不垂直。所以正交矩阵的条件是实对称+不同特征值，就像盖房子要先打地基再搭墙，缺一不可。