使用 Python 中的奇异值分解方法返回满秩矩阵的秩
pythonnumpyserver side programmingprogramming更新于 2024/5/14 11:56:17
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。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。
第二个参数 tol 是阈值，低于该阈值的 SVD 值将被视为零。如果 tol 为 None，并且 S 是具有 M 奇异值的数组，eps 是 S 数据类型的 epsilon 值，则 tol 设置为 S.max() * max(M, N) * eps。第三个参数 hermitian，如果为 True，则假定 A 是 Hermitian，从而实现一种更有效的查找奇异值的方法。默认为 False。
步骤
首先，导入所需的库 −
import numpy as np from numpy.linalg import matrix_rank
创建一个数组 −
arr = np.eye(5)
显示数组 −
print("我们的数组...\n",arr)
检查维度 −
print("\n数组的维度...\n",arr.ndim)
获取数据类型 −
print("\n我们的数组对象的数据类型...\n",arr.dtype)
获取形状 −
print("\n我们的数组对象的形状...\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.linalg.matrix_rank() 方法 −
print("\nRank (Full-Rank Matrix)...\n",matrix_rank(arr))
示例
import numpy as np
from numpy.linalg import matrix_rank
# 创建数组
arr = np.eye(5)
# 显示数组
print("我们的数组...\n",arr)
# 检查维度
print("\n数组的维度...\n",arr.ndim)
# 获取数据类型
print("\n我们的数组对象的数据类型...\n",arr.dtype)
# 获取形状
print("\n我们的数组对象的形状...\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
我们的数组... [[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.]] 我们的数组的维度... 2 我们的数组对象的数据类型... float64 我们的数组对象的形状... (5, 5) Rank (Full-Rank Matrix)... 5
相关文章
有用资源
python 参考教程 - 该教程包含有关 python 的更多信息:https://www.cainiaomax.com/python/
