如何使用 numpy 从一维数组创建对角矩阵？

Question

我正在使用 Python 和 numpy 来做线性代数。

我对矩阵执行了 numpy SVD 以获得矩阵 U、i 和 V。但是，第 i 个矩阵表示为具有 1 行的 1x4 矩阵。即：[ 12.22151125 4.92815942 2.06380839 0.29766152].

如何让 numpy 将第 i 个矩阵表示为对角矩阵，如下所示： [[12.22151125, 0, 0, 0],[0,4.92815942, 0, 0],[0,0,2.06380839,0 ],[0,0,0,0.29766152]]

我使用的代码：

A = np.matrix([[3, 4, 3, 1],[1,3,2,6],[2,4,1,5],[3,3,5,2]])

U, i, V = np.linalg.svd(A,full_matrices=True)

所以我希望 i 是一个完整的对角矩阵。我该怎么做？

Answer 1

使用 numpy 的 diag 函数：

numpy.diag(i)

来自文档：

Extract a diagonal or construct a diagonal array.

Answer 2

How can I get numpy to express the i matrix as a diagonal matrix like so: [[12.22151125, 0, 0, 0],[0,4.92815942, 0, 0],[0,0,2.06380839,0 ],[0,0,0,0.29766152]]

你应该使用 numpy.diagflat(flatted_input, k=0)，到 Create a two-dimensional array with the flattened input as a diagonal

示例

In [1]: flatted_input = [12, 4, 2, 1]

In [2]: np.diagflat(flatted_input)

Out [2]: array([[12, 0, 0, 0],
                [0, 4, 0, 0],
                [0, 0, 2, 0],
                [0, 0, 0, 1]])

如何使用 numpy 从一维数组创建对角矩阵？

How can I use numpy to create a diagonal matrix from a 1d array?

python

numpy

matrix

linear-algebra