SVD计算中的R

Question

我如何R中使用奇异值分解（SVD） 有效地得到实际的矩阵， 原因A=svd$u %*% svd$d %*% t(svd$v)这不是一个有效的方式来获得矩阵A

Answer 1

尝试svd(A)$u%*%diag(svd(A)$d)%*%t(svd(A)$v)。

set.seed(12345) 
A <- matrix(data=runif(n=9, min=1, max=9), nrow=3) 
A 
     [,1]  [,2]  [,3] 
[1,] 6.767231 8.088997 3.600763 
[2,] 8.006186 4.651848 5.073795 
[3,] 7.087859 2.330974 6.821642 

s <- svd(A) 
D <- diag(s$d) 
s$u %*% D %*% t(s$v) 
     [,1]  [,2]  [,3] 
[1,] 6.767231 8.088997 3.600763 
[2,] 8.006186 4.651848 5.073795 
[3,] 7.087859 2.330974 6.821642 

Answer 2

通过@ MYaseen208

(s$u) %*% (t(s$v)*s$d) 

这具有少一个矩阵乘法（这是一个为O​​（n^3）操作）在改进了答案。