在 Python 中使用奇异值分解方法返回满秩矩阵的秩

  • Z时代
  • 2024-01-10
  • 分类：综合

要使用奇异值分解方法返回数组的矩阵秩，请使用 numpy. Python中的方法。数组的秩是数组中大于 tol 的奇异值的数量。第一个参数 A 是输入向量或矩阵堆栈。linalg.matrix_rank()

第二个参数 tol 是阈值，低于该阈值的 SVD 值被视为零。如果 tol 为 None，并且 S 是 M 具有奇异值的数组，并且 eps 是 S 的数据类型的 epsilon 值，则 tol 设置为* * eps。第三个参数 Hermitian，如果为真，则假定 A 为 Hermitian，从而可以更有效地找到奇异值。默认为假。S.max()max(M, N)

脚步

首先，导入所需的库 -

import numpy as np
fromnumpy.linalgimport matrix_rank

创建一个数组 -

arr = np.eye(5)

显示数组 -

print("Our Array...\n",arr)

检查尺寸 -

print("\nDimensions of our Array...\n",arr.ndim)

获取数据类型 -

print("\nDatatype of our Array object...\n",arr.dtype)

获得形状 -

print("\nShape of our Array object...\n",arr.shape)

要使用奇异值分解方法返回数组的矩阵秩，请使用 numpy. 方法 -linalg.matrix_rank()

print("\nRank (Full-Rank Matrix)...\n",matrix_rank(arr))

示例

import numpy as np
fromnumpy.linalgimport matrix_rank
#创建一个数组
arr = np.eye(5)
#显示数组
print("Our Array...\n",arr)
#检查尺寸
print("\nDimensions of our Array...\n",arr.ndim)
#获取数据类型
print("\nDatatype of our Array object...\n",arr.dtype)
#获取形状
print("\nShape of our Array object...\n",arr.shape)
#要使用奇异值分解方法返回数组的矩阵秩，请使用 Python 中的 numpy.linalg.matrix_rank() 方法
print("\nRank (Full-Rank Matrix)...\n",matrix_rank(arr))
输出结果
Our Array...
[[1. 0. 0. 0. 0.]
[0. 1. 0. 0. 0.]
[0. 0. 1. 0. 0.]
[0. 0. 0. 1. 0.]
[0. 0. 0. 0. 1.]]
Dimensions of our Array...
2
Datatype of our Array object...
float64
Shape of our Array object...
(5, 5)
Rank (Full-Rank Matrix)...
5

以上是 在 Python 中使用奇异值分解方法返回满秩矩阵的秩 的全部内容， 来源链接： utcz.com/z/297220.html

回到顶部