如何在python中计算正交向量

Question

我有以下代码来计算作为I，j维矩阵输入的每个向量的正交向量。所以矩阵中的每一行都是一个向量。这是代码：

for i in range(data.shape[0]):
          for j in range(data.shape[1]):
              s=0 #row counter set to 0
              if j == data.shape[1]-1: #check if last row element has been reached
                  for k in range(j): #compute the sum of all previous values.
                      s=s+data2[i][k]*data[i][k]
                  data2[i][j] = -s/data[i][k]
              else:
                  data2[i][j] = random.uniform(1,random.getrandbits(10))
          dot(data[i],data2[i])

但它不起作用，因为点函数很少返回0，在向量正交的情况下应该是0。我在代码的逻辑上看不到流程。我简单地为正交向量的系数固定j-1个随机元素，然后为了找到最后的系数，我求解一个简单的方程，该方程是随机元素的先前系数与向量的系数除以最后的系数的点积。a1r1+a2r3++anrn=0。我知道人工智能。我固定随机的I-1 ri，然后我求解1 var方程的线性问题，以找到比ri向量与a1向量正交的rn suth。我得到的最后一次点积计算的结果是这样的：

===================================================
8.90285882653
===================================================
15.1275777619
===================================================
25.0847305913
===================================================
30.8608285102
===================================================
35.2496752739
===================================================
-53.3796252747
===================================================
16.302777
===================================================
29.3607765359
===================================================
-39.8982101139
===================================================
42.97222625

Answer 1

这很有效。我编辑了你的代码（去掉了var s，现在称为商），但唯一的错误是在k到向量的总长度减去2的范围内，而不是在倒数第二个元素的范围内。请注意，在任何情况下，此方法都是不健壮的。

for i in range(data.shape[0]):
      for j in range(data.shape[1]):
          if j == data.shape[1]-1: #check if last row element 
              quotient=(data2[i][:-1]*data[i][:-1]).sum()
              data2[i][j] = -quotient/data[i][-1]
          else:
              data2[i][j] = random.uniform(1)
      print dot(data[i],data2[i])