計(jì)算SVD的公式：
，其中 ^h 表示共軛轉(zhuǎn)置。
在 matlab 中計(jì)算 SVD， 得到的是 U、V和S：
m = 10;
n = 5;
A=randn(m,n);
[U,S,V]=svd(A);
而在 Python 中使用 numpy 計(jì)算 SVD， 得到的是U、S 的對角線數(shù)組和 V^h, 如果想要得到和 matlab 一致的結(jié)果， 需要將 S放回0矩陣?yán)铮?jì)算 的共軛轉(zhuǎn)置：
import numpy as np
m = 10
n = 5
A = np.random.randn(m, n)
U, sdiag, VH = np.linalg.svd(A)
S = np.zeros((m, n))
np.fill_diagonal(S, sdiag)
V = VH.T.conj()
Matlab 中的 [U,S,V] = svd(A,'econ'); 對應(yīng)于 U, S, Vh = np.linalg.svd(A, full_matrices=False)。
參考：
https://numpy.org/doc/stable/reference/generated/numpy.linalg.svd.html
https://stackoverflow.com/questions/50930899/svd-command-in-python-v-s-matlab
