R中的SVD计算

Question

如何使用奇异值分解（SVD）获得实际矩阵  有效地在R， cause A=svd$u %*% svd$d %*% t(svd$v)这不是获取矩阵A的有效方法

Answer 1

尝试svd(A)$u%*%diag(svd(A)$d)%*%t(svd(A)$v)。

set.seed(12345)
A <- matrix(data=runif(n=9, min=1, max=9), nrow=3)
A
         [,1]     [,2]     [,3]
[1,] 6.767231 8.088997 3.600763
[2,] 8.006186 4.651848 5.073795
[3,] 7.087859 2.330974 6.821642

s <- svd(A)
D <- diag(s$d)
s$u %*% D %*% t(s$v)
         [,1]     [,2]     [,3]
[1,] 6.767231 8.088997 3.600763
[2,] 8.006186 4.651848 5.073795
[3,] 7.087859 2.330974 6.821642

Answer 2

改善@ MYaseen208的答案

(s$u) %*% (t(s$v)*s$d)

这少了一个矩阵乘法（这是一个O（n ^ 3）运算）。