scipy.linalg.interpolative.

svd

scipy.linalg.interpolative.svd(A, eps_or_k, rand=True)

通过ID计算矩阵的SVD。

矩阵 A 的 SVD 是一种分解:

A = numpy.dot(U, numpy.dot(numpy.diag(S), V.conj().T))

其中 U 和 V 的列是正交的，且 S 是非负的。

SVD 可以计算到任何相对精度或秩（取决于 eps_or_k 的值）。

另请参阅 interp_decomp 和 id_to_svd。

参数:

A : numpy.ndarray 或 scipy.sparse.linalg.LinearOperatornumpy.ndarray 或 scipy.sparse.linalg.LinearOperator

待分解的矩阵，可以是 numpy.ndarray 或具有 matvec 和 rmatvec 方法的 :class:`scipy.sparse.linalg.LinearOperator`（用于应用矩阵及其伴随矩阵）。

eps_or_k浮点数或整数

相对误差（如果 eps_or_k < 1）或近似秩（如果 eps_or_k >= 1）。

randbool, 可选

如果 A 是类型为 numpy.ndarray 的对象，是否使用随机采样（如果 A 是类型为 scipy.sparse.linalg.LinearOperator 的对象，则始终使用随机算法）。

返回:

Unumpy.ndarray

左奇异向量。

Snumpy.ndarray

奇异值。

Vnumpy.ndarray

右奇异向量。