scipy.linalg.

orth#

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

Erstellt eine orthonormale Basis für den Wertebereich von A mittels SVD.

Die Dokumentation wurde unter der Annahme verfasst, dass die Array-Argumente bestimmte „Kern“-Formen haben. Array-Argumente dieser Funktion können jedoch zusätzliche „Batch“-Dimensionen vorangestellt haben. In diesem Fall wird das Array als Stapel von niedrigdimensionalen Schnitten behandelt; siehe Gestapelte lineare Operationen für Details.

Parameter:

A(M, N) array_like: Eingabearray
rcondfloat, optional: Relativer Konditionsfaktor. Singuläre Werte s, die kleiner sind als rcond * max(s), werden als Null betrachtet. Standard: Gleitkomma-Epsilon * max(M, N).

Rückgabe:

Q(M, K) ndarray: Orthonormale Basis für den Wertebereich von A. K = effektiver Rang von A, wie durch rcond bestimmt.

Siehe auch

svd: Singulärwertzerlegung einer Matrix
null_space: Matrix-Nullraum

Beispiele

>>> 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.]])