Python numpy svd分解问题
奇异值分解(svd)是线性代数中一种重要的矩阵分解
在Python的numpy包里面直接调用
import numpy as np
A = np.eye(3)
u,s,v = np.linalg.svd(A)
其中，u和v是都是标准正交基，问题是v得到的结果到底是转置之后的呢，还是没有转置的呢，其实这个也很好验证，只要再把u,s,v在乘起来，如果结果还是A 那么就是转置之后的，结果确实是这样的，但是MATLAB却与之不同，得到的v是没有转置过的
应用
奇异值分解可以被用来计算矩阵的伪逆。若矩阵M的奇异值分解为
M = U\Sigma V^*
M^+ = V \Sigma^+ U^*, ,
\Sigma^+
\Sigma
\Sigma
