scipy.linalg.

orth#

scipy.linalg.orth(A, rcond=None)[源代码]#

使用 SVD 为 A 的值域构造一个正交基

本文档假定数组参数具有指定的“核心”形状。但是，此函数的数组参数可能在核心形状前额外添加了“批处理”维度。在这种情况下，数组被视为一系列低维切片；有关详细信息，请参阅批处理线性运算。

参数:

A(M, N) array_like: 输入数组
rcondfloat, optional: 相对条件数。小于 rcond * max(s) 的奇异值 s 被视为零。默认值：浮点 eps * max(M,N)。

返回:

Q(M, K) ndarray: A 值域的正交基。K = A 的有效秩，由 rcond 决定

另请参阅

svd: 矩阵的奇异值分解
null_space: 矩阵零空间

示例

>>> import numpy as np
>>> from scipy.linalg import orth
>>> A = np.array([[2, 0, 0], [0, 5, 0]])  # rank 2 array
>>> orth(A)
array([[0., 1.],
       [1., 0.]])
>>> orth(A.T)
array([[0., 1.],
       [1., 0.],
       [0., 0.]])