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.]])