scipy.linalg.interpolative.

svd

scipy.linalg.interpolative.svd(A, eps_or_k, rand=True)

通过ID计算矩阵的SVD。

矩阵A的SVD是一个分解

A = numpy.dot(U, numpy.dot(numpy.diag(S), V.conj().T))

其中U和V具有正交列，而S是非负的。

SVD可以计算到任何相对精度或秩（取决于eps_or_k的值）。

另请参见 interp_decomp 和 id_to_svd.

参数：

Anumpy.ndarray 或 scipy.sparse.linalg.LinearOperator

要分解的矩阵，作为 numpy.ndarray 或具有matvec和rmatvec方法（用于应用矩阵及其伴随）的scipy.sparse.linalg.LinearOperator。

eps_or_kfloat 或 int

近似的相对误差（如果eps_or_k < 1）或秩（如果eps_or_k >= 1）。

randbool，可选

如果A是numpy.ndarray类型，是否使用随机采样（如果A是scipy.sparse.linalg.LinearOperator类型，则始终使用随机算法）。

返回值：

Unumpy.ndarray

左奇异向量。

Snumpy.ndarray

奇异值。

Vnumpy.ndarray

右奇异向量。