scipy.linalg.interpolative.
svd#
- scipy.linalg.interpolative.svd(A, eps_or_k, rand=True, rng=None)[source]#
透過 ID 計算矩陣的 SVD。
矩陣 A 的 SVD 是一種分解
A = U @ np.diag(S) @ V.conj().T
其中 U 和 V 具有正交歸一化列，而 S 是非負的。
SVD 可以計算到任何相對精度或秩（取決於 eps_or_k 的值）。
另請參閱
interp_decomp和id_to_svd。- 參數:
- A
numpy.ndarray或scipy.sparse.linalg.LinearOperator 要分解的矩陣，可以是以
numpy.ndarray或scipy.sparse.linalg.LinearOperator的形式給定，具有 matvec 和 rmatvec 方法（用於應用矩陣及其伴隨）。- eps_or_kfloat 或 int
相對誤差（如果
eps_or_k < 1）或秩（如果eps_or_k >= 1）的近似值。- randbool，可選
如果 A 的類型為
numpy.ndarray，是否使用隨機抽樣（如果 A 的類型為scipy.sparse.linalg.LinearOperator，則始終使用隨機演算法）。- rng
numpy.random.Generator，可選 偽隨機數生成器狀態。當 rng 為 None 時，將使用來自作業系統的熵創建一個新的
numpy.random.Generator。除了numpy.random.Generator之外的類型將傳遞給numpy.random.default_rng以實例化一個Generator。如果rand為False，則忽略此參數。
- A
- 返回:
- U
numpy.ndarray 左奇異向量的 2D 陣列。
- S
numpy.ndarray 奇異值的 1D 陣列。
- V
numpy.ndarray 右奇異向量的 2D 陣列。
- U