广义逆矩阵

SVD 是一种因子分解运算, 将一个矩阵分解为3个矩阵的乘积 其中, 奇异值矩阵是对角线矩阵 Key_Function np.linalg.svd函数, 可以对矩阵进行奇异值分解. 　　U: 正交矩阵 　　sigma: 表示奇异值矩阵对角线的数组, 其他非对角线元素均为0 　　V: 正交矩阵 np.diag函数, 得出完整的奇异值矩阵 Code import numpy as np A = np.mat("4 11 14; 8 7 -2") print(A) ''' [[ 4 11 14] [ 8 7 -2]] ''' U, Sigma, V = np.linalg.svd(A, full_matrices=False) print(U) ''' [[-0.9486833 -0.31622777] [-0.31622777 0.9486833 ]] ''' print(Sigma) # 这个Sigma只是奇异值矩阵对角线上的值 ''' [ 18.97366596 9.48683298] ''' print(np.diag(Sigma)) ''' [[ 18.97366596 0. ] [ 0. 9.48683298]] ''' print(V) ''' [[-0.33333333 -0.66666667 -0.66666667] [ 0.66666667 0.33333333 -0