复制Matlab'；python中的SVD

我试图用python重现一些用Matlab编写的大型项目。 我设法重现了大部分结果，但我有一个问题，特别是SVD分解。 （我只看最后一部分。）

在Matlab中：

[~, ~, V] = svd([4.719, -17.257, -11.5392; -17.2575, 63.9545, 40.5581; -11.5392, 40.5581, 31.3256]);

这让我得到了以下V：

-0.2216    0.0241   -0.9748
0.8081   -0.5549   -0.1974
0.5457    0.8316   -0.1035

在努比：

 np.linalg.svd(np.array([[4.71993, -17.2575, -11.539], [-17.257, 63.954, 40.558], [-11.539, 40.558, 31.325]]))[2]

让我明白：

array([[-0.22159139,  0.80814521,  0.54570924],
       [ 0.02407525, -0.55491709,  0.83155722],
       [ 0.97484237,  0.19740401,  0.10350855]])

这是换位的（正如我认为numpy和matlab之间的预期），但在一些负号上也不同

即使使用opencv（cv2）或scipy（即使使用lapack_driver=“gesvd”），仍然可以得到相同的结果

scipy.linalg.svd(np.array([[4.71993, -17.2575, -11.539], [-17.257, 63.954, 40.558], [-11.539, 40.558, 31.325]]), lapack_driver="gesvd")[2]

我还尝试转置输入矩阵，但变化不大

---

我知道两个答案都是正确的。但我真的需要得到完全相同的结果才能重现该项目。

在两种环境中，矩阵的表示方式并不相同（数值精度不同）。如果你使用相同的矩阵，它应该是等价的（转置）

用Python

import numpy as np

np.set_printoptions(precision=6)
a=[[4.71993, -17.2575, -11.539], [-17.257, ...
np.linalg.svd(np.array(a))[2]

array([[-0.221591,  0.808145,  0.545709],
       [ 0.024075, -0.554917,  0.831557],
       [ 0.974842,  0.197404,  0.103509]])

---

4.719！=4.71993

矩阵中的第一个元素

import numpy as np

np.set_printoptions(precision=6)
a=[[4.71993, -17.2575, -11.539], [-17.257, ...
np.linalg.svd(np.array(a))[2]

array([[-0.221591,  0.808145,  0.545709],
       [ 0.024075, -0.554917,  0.831557],
       [ 0.974842,  0.197404,  0.103509]])