此问题在此处已有答案：

numpy.reciprocal returns different values when called repeatedly [duplicate]（1个答案）
13天前关门了。
在计算SVD时，我遇到了与np.reciprocal有关的奇怪行为。在某些条件下（即在不相关的变量上执行额外的步骤或打印变量），由于某种原因，输出会发生变化。
下面是代码的简化版本。

import numpy as np
from numpy.linalg import eig
from math import sqrt

def ComputeSVD(A):
    m, n = A.shape
    eigenvalues, eigenvectors = eig(A.T @ A)

    Sigma = np.zeros((m,n))
    np.fill_diagonal(Sigma, np.sqrt(eigenvalues))
    print(Sigma)

    U = np.zeros((m,m))
    for i in range(len(eigenvalues)):
         U[:,i] =  A @ (eigenvectors[:,i]) 

    return Sigma

def PseudoInverse(A):
    S = ComputeSVD(A)
    S_inv = np.reciprocal(S, where= (S != 0))
    return S_inv

A = np.array([[1.0, 1.0, 1.0], [1.0, 2.0, 3.0], [1.0, 4.0, 9.0]])
print(PseudoInverse(A))

字符串
对于非对角线条目，输出不正确：

[[10.64956309  0.          0.        ]
 [ 0.          1.2507034   0.        ]
 [ 0.          0.          0.15015641]]
[[ 0.09390057 -0.74904542  0.64830637]
 [-0.34457359  0.79955008 -0.73997748]
 [-0.92878374  0.32438956  6.65972239]]

型
但是，当删除与U相关的计算部件时，

import numpy as np
from numpy.linalg import eig
from math import sqrt

def ComputeSVD(A):
    m, n = A.shape
    eigenvalues, eigenvectors = eig(A.T @ A)

    Sigma = np.zeros((m,n))
    np.fill_diagonal(Sigma, np.sqrt(eigenvalues))
    print(Sigma)

    return (Sigma) 

def PseudoInverse(A): #same as before

A = np.array([[1.0, 1.0, 1.0], [1.0, 2.0, 3.0], [1.0, 4.0, 9.0]])
print(PseudoInverse(A))

型
现在输出是正确的：

[[10.64956309  0.          0.        ]
 [ 0.          1.2507034   0.        ]
 [ 0.          0.          0.15015641]]
[[0.09390057 0.         0.        ]
 [0.         0.79955008 0.        ]
 [0.         0.         6.65972239]]

型
更奇怪的是，当我们离开与U相关的部分时，但是在我们反转非零条目之前，我们打印（S），这个问题再次得到纠正。

import numpy as np
from numpy.linalg import eig
from math import sqrt

def ComputeSVD(A): #Same as first time

def PseudoInverse(A):
    S = ComputeSVD(A)
    print(S)
    S_inv = np.reciprocal(S, where= (S != 0))
    return S_inv

A = np.array([[1.0, 1.0, 1.0], [1.0, 2.0, 3.0], [1.0, 4.0, 9.0]])
print(PseudoInverse(A))

型
现在再次生成正确的输出。（参见第二个输出）