scipy.linalg.

orth#

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

使用 SVD 为 A 的范围构建正交基

参数:

A(M, N) 类似数组: 输入数组
rcond浮点，可选: 相对条件数。比 rcond * max(s) 更小的奇异值 s 被认为是零。默认值：浮点数 eps * max(M,N)。

返回:

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

另请参见

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.]])