python - SVD 后的矩阵重乘

Question

我有一个矩阵 A，我需要计算它的 SVD，将最后一个奇异值设置为 0，然后在 numpy 中重新组合（SVD 清理）。我这样做了：

t4 = np.random.randn(3, 3)
u, s, vh = np.linalg.svd(t4, full_matrices=False)
s[-1] = 0
t5 = u @ s @ vh

我期望结果是一个 3x3 矩阵，但结果似乎是一个形状为 (3,) 的行向量。

你们能建议我做错什么吗？谢谢！

标签： pythonnumpylinear-algebrasvd

Answer 1

以一维数组的s形式返回，其中项在对角线中，您可以使用diag构造一个矩阵

t5 = u @ np.diag(s) @ vh