scipy.linalg.

diagsvd#

scipy.linalg.diagsvd(s, M, N)[source]#

根据奇异值和大小 M, N 构建 SVD 中的 sigma 矩阵。

文档编写时假设数组参数具有指定的“核心（core）”形状。但是，此函数的数组参数可以在核心形状之前添加额外的“批次（batch）”维度。在这种情况下，数组被视为低维切片的批次；详情请参阅批量线性运算。请注意，不支持零大小批次的调用，否则将引发 ValueError。

参数:

s(M,) 或 (N,) array_like: 奇异值
Mint: 奇异值 s 所属矩阵的大小。
Nint: 奇异值 s 所属矩阵的大小。

返回:

S(M, N) ndarray: 奇异值分解中的 S 矩阵

另请参阅

svd: 矩阵的奇异值分解
svdvals: 计算矩阵的奇异值。

示例

>>> import numpy as np
>>> from scipy.linalg import diagsvd
>>> vals = np.array([1, 2, 3])  # The array representing the computed svd
>>> diagsvd(vals, 3, 4)
array([[1, 0, 0, 0],
       [0, 2, 0, 0],
       [0, 0, 3, 0]])
>>> diagsvd(vals, 4, 3)
array([[1, 0, 0],
       [0, 2, 0],
       [0, 0, 3],
       [0, 0, 0]])