python计算特征值特征向量_使用Python求解特征值、特征向量及奇异值分解（SVD）...

SVD也是对矩阵进行分解，但是和特征分解不同，SVD并不要求要分解的矩阵为方阵。假设我们的矩阵A是一个m×n的矩阵，那么我们定义矩阵A的SVD为：A=UΣVT

其中U是一个m×m的矩阵，Σ是一个m×n的矩阵，除了主对角线上的元素以外全为0，主对角线上的每个元素都称为奇异值，V是一个n×n的矩阵。U和V都是酉矩阵，即满足UTU=I,VTV=I。

以下是一个SVD求解过程：

以下是我使用Python实现的SVD求解过程

# -*- coding: utf-8 -*-

"""

Created on Wed Oct 17 13:43:48 2018

@author: hanzi5

"""

import numpy as np

#import scipy as sc

# A=UΣVT

#A=np.mat([[0,1],[1,1],[1,0]])

#A=np.mat([[4,0],[3,5]])

#A=np.mat([[1,0,0,0,2],[0,0,3,0,0],[0,0,0,0,0],[0,4,0,0,0]])

A=np.mat([[4,4],[-3,3]])

#A=np.mat([[4,3],[8,6]])

ATA=A.T*A

AAT=A*(A.T)

#求解矩阵的特征值、特征向量

lambda1,vector1 = np.linalg.eig(ATA)

l