Python库numpy中的svd分解和Matlab中的svd的一点区别

最新推荐文章于 2025-05-09 22:53:46 发布

ZHYL

最新推荐文章于 2025-05-09 22:53:46 发布

阅读量1.6w

点赞数 4

分类专栏： python Matlab 文章标签： Python Matlab SVD numpy

本文链接：https://blog.csdn.net/yulingha/article/details/9451509

版权

本文对比了在Python的numpy库和Matlab中对相同数据进行Singular Value Decomposition (SVD)分解的结果。详细展示了两者输出的U、V矩阵和S奇异值矩阵的差异。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

下面是两个测试，同样的数据，不同的版本，请诸君仔细看来：

1.Matlab版SVD分解

H = [3.16991321031250,52.4425641326457,2.73475152482102;-8.76695007100685,43.4831885343255,-37.1705395356264;-1.59218748085971,-24.3510937156625,12.8339630267640];

[U,S,V] = svd(H);

得出来的结果

U =
0.6124 0.7695 -0.1814
0.7073 -0.6357 -0.3091
-0.3531 0.0610 -0.9336

V =
-0.0479 0.2651 0.9630
0.9249 0.3759 -0.0575
-0.3772 0.8880 -0.2631
S =
77.2740 0 0
0 29.8639 0
0 0 3.7601

2.Python版SVD分解

from numpy import *

def test():
    Base = array([[1.92028349427775,0.938200267748656,8.61139811393332,6.71431139674026,3.47712671277525,2.62145317727807,2.42785357820962,3.59228