Question

我正在尝试使用python再现一些用Matlab编写的大型项目。我设法重现了大多数结果，但是我特别对SVD分解有问题。（我只看最后的V部分）。

在Matlab中：

[~, ~, V] = svd([4.719, -17.257, -11.5392; -17.2575, 63.9545, 40.5581; -11.5392, 40.5581, 31.3256]);

这使我得到以下V：

-0.2216    0.0241   -0.9748
0.8081   -0.5549   -0.1974
0.5457    0.8316   -0.1035

以numpy格式显示：

 np.linalg.svd(np.array([[4.71993, -17.2575, -11.539], [-17.257, 63.954, 40.558], [-11.539, 40.558, 31.325]]))[2]

得到我：

array([[-0.22159139,  0.80814521,  0.54570924],
       [ 0.02407525, -0.55491709,  0.83155722],
       [ 0.97484237,  0.19740401,  0.10350855]])

哪个换位了（我认为应该在numpy和matlab之间换位），但是在某些减号上也有所不同。

即使使用opencv（cv2）或scipy（甚至使用lapack_driver =“ gesvd”），仍然会得到相同的结果

scipy.linalg.svd(np.array([[4.71993, -17.2575, -11.539], [-17.257, 63.954, 40.558], [-11.539, 40.558, 31.325]]), lapack_driver="gesvd")[2]

我还尝试转置输入矩阵，该矩阵变化不大。

我知道两个答案都是正确的。但是我确实需要获得完全相同的结果才能重现该项目。

Answer 1

在两种环境下（不同的数字精度）您代表的矩阵都不相同。如果使用相同的矩阵，则应等效（移调）。

>> a=[[4.71993, -17.2575, -11.539]; [-17.257, ...
a =

    4.7199  -17.2575  -11.5390
  -17.2570   63.9540   40.5580
  -11.5390   40.5580   31.3250

>> [~,~,v]=svd(a);
>> v'
ans =

  -0.221591   0.808145   0.545709
   0.024075  -0.554917   0.831557
   0.974842   0.197404   0.103509

使用Python

import numpy as np

np.set_printoptions(precision=6)
a=[[4.71993, -17.2575, -11.539], [-17.257, ...
np.linalg.svd(np.array(a))[2]

array([[-0.221591,  0.808145,  0.545709],
       [ 0.024075, -0.554917,  0.831557],
       [ 0.974842,  0.197404,  0.103509]])

在python中重现Matlab的SVD

1 个答案: