确定Numpy SVD中奇异值对应的V列

Question

我正在尝试使用奇异值分解（SVD）来估算一个非方阵线性方程组的解。我的矩阵是 8 x 6 的形状。

我使用以下方法计算了一些参数：

U, sigma, VT = np.linalg.svd(mat)

现在，有人建议我从 V 矩阵中选取一列，这一列对应的 S 值最小，这应该就是我想通过 8 个方程来确定的 6 个参数的解。

有人能帮我一下吗？

谢谢

相关问题：

• 暂无相关问题

Answer 1

哦！抱歉大家，谢谢你们的时间。其实我找到了解决办法，是通过这里一个稍微不同的回答，关于过定条件的最小二乘估计。

看起来这个方法有效，我只需要这样做：

sol_min = VT[:, np.argmin(sigma)]