Pythonの特異値分解法を使用してランク不足行列のランクを返す

特異値分解メソッドを使用して配列の行列ランクを返すには、Pythonのnumpy.linalg.matrix_rank（）メソッドを使用します。配列のランクは、tolより大きい配列の特異値の数です。最初のパラメーターAは、入力ベクトルまたは行列のスタックです。

2番目のパラメーターtolは、SVD値がゼロと見なされるしきい値です。 tolがNoneで、SがMの特異値を持つ配列であり、epsがSのデータ型のイプシロン値である場合、tolはS.max（）* max（M、N）*epsに設定されます。 3番目のパラメーターであるエルミート。Trueの場合、Aはエルミートであると見なされ、特異値を見つけるためのより効率的な方法が可能になります。デフォルトはFalseです。

ステップ

まず、必要なライブラリをインポートします-

import numpy as np
from numpy.linalg import matrix_rank

配列を作成する-

arr = np.eye(5)

配列を表示する-

print("Our Array...\n",arr)

寸法を確認してください-

print("\nDimensions of our Array...\n",arr.ndim)

データ型を取得-

print("\nDatatype of our Array object...\n",arr.dtype)

形をとる-

print("\nShape of our Array object...\n",arr.shape)

特異値分解メソッドを使用して配列の行列ランクを返すには、numpy.linalg.matrix_rank（）メソッド-

print("\nRank...\n",matrix_rank(arr))
arr[-1,-1] = 0.
print("\nUpdated Rank (Rank-Deficit Matrix)...\n",matrix_rank(arr))

例

import numpy as np
from numpy.linalg import matrix_rank

# Create an array
arr = np.eye(5)

# Display the array
print("Our Array...\n",arr)

# Check the Dimensions
print("\nDimensions of our Array...\n",arr.ndim)

# Get the Datatype
print("\nDatatype of our Array object...\n",arr.dtype)

# Get the Shape
print("\nShape of our Array object...\n",arr.shape)

# To Return matrix rank of array using Singular Value Decomposition method, use the numpy.linalg.matrix_rank() method in Python
print("\nRank...\n",matrix_rank(arr))
arr[-1,-1] = 0.
print("\nUpdated Rank (Rank-Deficit Matrix)...\n",matrix_rank(arr))

出力

Our Array...
[[1. 0. 0. 0. 0.]
[0. 1. 0. 0. 0.]
[0. 0. 1. 0. 0.]
[0. 0. 0. 1. 0.]
[0. 0. 0. 0. 1.]]

Dimensions of our Array...
2

Datatype of our Array object...
float64

Shape of our Array object...
(5, 5)

Rank...
5

Updated Rank (Rank-Deficit Matrix)...
4