Python 使用SVD（U Z V=E）的替代因子分解，使得det（U）=det（V）=&x2B；1.

我正在使用python库numpy来计算矩阵的奇异值分解

import numpy
E = numpy.array( [[ -1.53796077e-07,  -8.32829326e-06,   1.20315886e-02]
                  [  9.99043253e-06,   5.28004707e-07,   1.42958076e-01]
                  [ -1.70318163e-02,  -1.43960577e-01,   1.00000000e+00]] )
U, Z, V = numpy.linalg.svd(E)
print "det(U) =", det(U)
print "det(V) =", det(V)

我得到U，Z，V，这样：

det(U) = 1
det(V) = -1

是否有可能找到一个替代的因式分解，其中U，V都在SO（3）中，从而

det(U) = 1
det(V) = 1

如有可能：

---

如何为任意矩阵E找到这样的因式分解？

你可以简单地将V和Z乘以

-1*np.eye（3）