在Python3中从奇异值分解重构矩阵

Reconstructing a matrix from an SVD in python 3(在Python3中从奇异值分解重构矩阵)

本文介绍了在Python3中从奇异值分解重构矩阵的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!

问题描述

好,基本上我的问题是,我有一个矩阵,我把它奇异值分解,然后把它放在变量u,s和v中,我对s矩阵做了一些修改,使它成为对角线,还修改了一些数字。现在我基本上是试着把它重建成一个正则矩阵,从这3个矩阵恢复到原来的矩阵。有谁知道有什么函数可以做到这一点吗?我似乎在NumPy中找不到任何这样的例子。

推荐答案

唯一稍微有点棘手的是s如果您已经安装了scipy它有scipy.linalg.diagsvd可以为您完成此操作:

>>> import numpy as np
>>> import scipy.linalg as la
>>> 
>>> rng = np.random.default_rng()
>>> A = rng.uniform(-1,1,(4,3))
>>> u,s,v = np.linalg.svd(A)
>>> 
>>> B = u@la.diagsvd(s,*A.shape)@v
>>> 
>>> np.allclose(A,B)
True

这篇关于在Python3中从奇异值分解重构矩阵的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持编程学习网!

本文标题为:在Python3中从奇异值分解重构矩阵

基础教程推荐