使用Python中的奇异值分解方法返回满秩矩阵的秩

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

第二个参数 tol 是奇异值被视为零的阈值。如果 tol 为 None，并且 S 是包含 M 奇异值的数组，并且 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，则假设 A 为 Hermitian，从而可以使用更有效的方法来查找奇异值。默认为 False。

步骤

首先，导入所需的库 -

import numpy as np
from numpy.linalg import matrix_rank

创建数组 -

arr = np.eye(5)

显示数组 -

print("Our Array...\n",arr)

检查维度 -

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 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

# Create an array
arr = np.eye(5)

# Display the array
print("Our Array...\n",arr)

# Check the Dimensions
print("\nDimensions of our Array...\n",arr.ndim)

# Get the Datatype
print("\nDatatype of our Array object...\n",arr.dtype)

# Get the Shape
print("\nShape of our Array object...\n",arr.shape)

# To return matrix rank of array using Singular Value Decomposition method, use the numpy.linalg.matrix_rank() method in Python
print("\nRank (Full-Rank Matrix)...\n",matrix_rank(arr))

输出

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

AmitDiwan

更新于: 2022-03-02

376 次查看

开启你的 职业生涯

通过完成课程获得认证

开始学习