scipy.linalg.interpolative.svd¶
- scipy.linalg.interpolative.svd(A, eps_or_k, rand=True)[源代码]¶
通过ID计算矩阵的奇异值分解。
矩阵的奇异值分解 A 是因子分解：：
A = numpy.dot(U, numpy.dot(numpy.diag(S), V.conj().T))
哪里 U 和 V 具有正交柱和 S 是非负的。
SVD可以计算到任何相对精度或等级(取决于 eps_or_k )。
另请参阅
interp_decomp和id_to_svd。- 参数
- A :
numpy.ndarray或scipy.sparse.linalg.LinearOperatornumpy.ndarray或scipy.parse.linalg.LinearOperator 要分解的矩阵，给定为
numpy.ndarray或者是scipy.sparse.linalg.LinearOperator使用 matvec 和 rmatvec 方法(应用矩阵及其伴随)。- eps_or_k浮点型或整型
相对误差(如果 eps_or_k < 1 )或排名(如果 eps_or_k >= 1 )的近似值。
- rand布尔值，可选
如果出现以下情况，是否使用随机采样 A 类型为
numpy.ndarray(如果满足以下条件，则始终使用随机化算法 A 类型为scipy.sparse.linalg.LinearOperator)。
- A :
- 退货
- U :
numpy.ndarraynumpy.ndarray 左奇异向量。
- S :
numpy.ndarraynumpy.ndarray 奇异值。
- V :
numpy.ndarraynumpy.ndarray 右奇异向量。
- U :