Python环境下如何将SVD得到的特征值数组转换为对角矩阵？

针对你64×64矩阵SVD后得到的一维奇异值数组D，有两种常用实现方案：

• 方案1：调用numpy内置方法（最简便，适配标准对角矩阵需求）
  直接使用numpy.diag()即可直接生成对应尺寸的对角矩阵，代码如下：

  import numpy as np
  # 你的SVD运算代码
  U, D, Vh = np.linalg.svd(A)
  # 一维数组转对角矩阵
  D_new = np.diag(D)
  

  运行后得到的D_new就是n×n的标准对角矩阵，主对角线元素依次对应D中的奇异值，其余位置全为0。你举的示例中D=[d1,d2,d3,d4]的场景，运行后得到的默认结果为[[d1,0,0,0],[0,d2,0,0],[0,0,d3,0],[0,0,0,d4]]，如果你之前写的示例中第三行第三列为0是手误，该方案完全匹配需求。
• 方案2：手动构造（适配自定义对角位置需求）
  如果你确实需要将奇异值放到非主对角线的自定义位置，可以先生成对应尺寸的零矩阵，再手动赋值元素：

  import numpy as np
  U, D, Vh = np.linalg.svd(A)
  # 初始化64×64的零矩阵，dtype和D保持一致
  D_new = np.zeros((64, 64), dtype=D.dtype)
  # 标准主对角线赋值
  for idx, val in enumerate(D):
      D_new[idx, idx] = val
  # 如果要实现你示例里的特殊排列，修改赋值的坐标即可，比如：
  # D_new[2, 3] = D[2]
  

内容的提问来源于stack exchange，提问作者Hermi