我是直接使用的numpy的linalg.svd得到的结果,如下:a:
[[ 1. 0. 0. 0. 2.]
[ 0. 0. 3. 0. 0.]
[ 0. 0. 0. 0. 0.]
[ 0. 4. 0. 0. 0.]]
SVD:
U:
[[ 0. 0. 1. 0.]
[ 0. 1. 0. 0.]
[ 0. 0. 0. -1.]
[ 1. 0. 0. 0.]]
V:
[[ 0. 1. -0. -0. -0. ]
[ 0. 0. 1. -0. -0. ]
[ 0.4472136 0. -0. -0. 0.89442719]
[ 0. 0. -0. 1. -0. ]
[-0.89442719 0. -0. -0. 0.4472136 ]]
sigma:
[[ 4. 0. 0. 0. 0. ]
[ 0. 3. 0. 0. 0. ]
[ 0. 0. 2.23606798 0. 0. ]
[ 0. 0. 0. 0. 0. ]]
U*Sigma*V:
[[ 1. 0. 0. 0. 2.]
[ 0. 0. 3. 0. 0.]
[ 0. 0. 0. 0. 0.]
[ 0. 4. 0. 0. 0.]]
这里的U和V都是正交矩阵,供参考。