为什么Python和C++对同一矩阵进行SVD得到结果的V不同？

[ThorKing01]

使用Pyhon对一个8*9的矩阵进行SVD得到的V是9*9的，但是为什么用C++的Eigen的SVD处理同一矩阵得到的V是9*8的？
Pyhon中：使用numpy中的SVD
[U,S,V] = np.linalg.svd(A)
C++中：使用的是Eigen中的SVD
Eigen::JacobiSVD<Eigen::MatrixXf> svd(A, Eigen::ComputeThinU | Eigen::ComputeThinV);
cout<<svd.matrixV()<<endl;

[ThorKing01]

直接使用Eigen计算ATA的特征向量的矩阵得到右奇异值，不使用SVD来获得右奇异值了，但是希望有大神了解其中缘由的能分享一下。

[ThorKing01]

发现计算ATA的特征向量的矩阵得到的右奇异值，与Python中直接SVD得到的右奇异值也不同，自己在Python中使用np.linalg.eig(np.dot(A.T,A))来求ATA的特征向量，发现三者都不同。。。 这里的不同主要是中间有不定行会出现负值，最后几行出现不同的值，前几行是的值是相同的，但是有的行出现负值。 下图是Python中SVD分解得到值 下图是Python中求特征值的到的右奇异值

[ThorKing01]

上周的时候解决了这个问题，今天才想起来结贴。 主要就是Python 和Eigen中进行奇异值分解函数的默认值不同。Eigen::JacobiSVD<Eigen::MatrixXf> svd(A, Eigen::ComputeFullU | Eigen::ComputeFullV); 详细见https://blog.csdn.net/ThorKing01/article/details/97512228

[super_admi]

看到你的帖子，我突然想起了C#和JAVA加密解密的问题，它们俩默认的模式也是不一样的。

[JustSleep]

https://blog.csdn.net/ThorKing01/article/details/97512228