自己动手写施密特正交化

[python] view plain copy

1. import numpy as np  
2. A = np.array([[1,1,0],[0,1,1],[1,0,1]],dtype=float)  
3. Q = np.zeros_like(A)  
4. m = shape(Q)[0]  
5. n = shape(Q)[1]  
6. cnt = 0  
7. for a in A.T:  
8.     u = np.copy(a)  
9.     for i in range(0, cnt):  
10.         u -= np.dot(np.dot(Q[:, i].T, a), Q[:, i]) # 减去待求向量在以求向量上的投影  
11.     e = u / np.linalg.norm(u)  # 归一化  
12.     Q[:, cnt] = e  
13.     cnt += 1  
14. print Q  

以上是自己写的，也可以调用scipy

[python] view plain copy

1. from scipy import linalg  
2. A = np.array([[1,1,0],[0,1,1],[1,0,1]])  
3. a = linalg.orth(A)  
4. print array(linalg.orth(A),dtype=float)  
5. print dot(A,A.T)-1  

施密特正交化的原理就不在此赘述了，可以自己从网上找一些线性代数的教材看一看，并且自己动手做一下，就可以理解了

http://blog.csdn.net/panghaomingme/article/details/60963918