numpy.linalg.svdvals#

linalg.svdvals(x, /)[source]#

返回矩阵(或矩阵堆栈)x 的奇异值。当 x 是矩阵堆栈时,该函数将计算堆栈中每个矩阵的奇异值。

此函数与 Array API 兼容。

调用 np.svdvals(x) 获取奇异值与 np.svd(x, compute_uv=False, hermitian=False) 相同。

参数::
x(…, M, N) array_like

输入数组形状为 (…, M, N),其最后两个维度形成要执行奇异值分解的矩阵。应具有浮点数据类型。

返回值::
outndarray

一个形状为 (…, K) 的数组,包含长度为 K 的奇异值向量,其中 K = min(M, N)。

参见

scipy.linalg.svdvals

计算矩阵的奇异值。

示例

>>> np.linalg.svdvals([[1, 2, 3, 4, 5],
...                    [1, 4, 9, 16, 25],
...                    [1, 8, 27, 64, 125]])
array([146.68862757,   5.57510612,   0.60393245])

使用奇异值确定矩阵的秩

>>> s = np.linalg.svdvals([[1, 2, 3],
...                        [2, 4, 6],
...                        [-1, 1, -1]]); s
array([8.38434191e+00, 1.64402274e+00, 2.31534378e-16])
>>> np.count_nonzero(s > 1e-10)  # Matrix of rank 2
2