scipy.linalg.

orth#

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

Построить ортонормированный базис для области значений A с использованием SVD

Документация написана в предположении, что аргументы-массивы имеют указанные «основные» формы. Однако аргументы-массивы этой функции могут иметь дополнительные «пакетные» измерения, добавленные перед основной формой. В этом случае массив обрабатывается как пакет низкоразмерных срезов; см. Пакетные линейные операции подробности.

Параметры:

A(M, N) array_like: Входной массив
rcondfloat, опционально: Относительное число обусловленности. Сингулярные значения s меньше чем rcond * max(s) считаются нулевыми. По умолчанию: плавающая точка eps * max(M,N).

Возвращает:

Q(M, K) ndarray: Ортонормированный базис для области значений A. K = эффективный ранг A, определяемый rcond

Смотрите также

svd: Сингулярное разложение матрицы
null_space: Нулевое пространство матрицы

Примеры

>>> 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.]])