la4j计算矩阵SVD结果异常，如何显示全部奇异值？

你遇到的问题确实和la4j处理小奇异值的逻辑有关——默认情况下，la4j的SingularValueDecompositor会把极小的奇异值（低于内置阈值）置为0，再加上输出时的小数位数限制，就出现了你看到的D矩阵只有第一个非零值的情况。咱们一步步来解决：

先确认你的场景信息 #

你的原矩阵：

0.003,0.013,0.022,0.013,0.003
0.013,0.060,0.098,0.060,0.013
0.022,0.098,0.162,0.098,0.022
0.013,0.060,0.098,0.060,0.013
0.003,0.013,0.022,0.013,0.003

你使用的SVD分解代码：

SingularValueDecompositor SVD = new SingularValueDecompositor(A);
Matrix[] factorization = SVD.decompose();
Matrix U = factorization[0];
Matrix D = factorization[1];
Matrix V = factorization[2];

问题根源分析 #

1. 阈值过滤：la4j的SVD实现默认会设置一个阈值（通常基于机器精度或矩阵规模），将小于该阈值的奇异值强制置为0，目的是过滤数值噪声，但这会导致你需要的小奇异值被丢失。
2. 输出格式化限制：默认的矩阵输出只保留10位小数，那些极小的非零奇异值会被显示为0.0000000000，看起来像是完全为0。

具体解决步骤 #

1. 调整SVD分解的阈值，保留所有奇异值

在创建SingularValueDecompositor时，手动指定一个极小的阈值（比如1e-15，接近Java的双精度浮点数机器精度），这样就能避免小奇异值被强制置为0：

// 设置极小阈值，确保保留所有非零奇异值
SingularValueDecompositor svd = new SingularValueDecompositor(A, 1e-15);
Matrix[] factorization = svd.decompose();
Matrix D = factorization[1];

2. 自定义输出格式，显示更多小数位

默认的10位小数不足以显示极小的奇异值，你可以通过两种方式来输出完整的奇异值：

方式一：使用自定义矩阵格式化器

la4j提供了DefaultMatrixFormatter类，允许你指定输出的小数位数：

// 创建保留15位小数的格式化器
MatrixFormatter formatter = new DefaultMatrixFormatter(15);
// 格式化输出D矩阵
System.out.println(formatter.format(D));

方式二：手动遍历对角线元素输出

因为D是对角矩阵，直接遍历对角线元素就能获取所有奇异值，这种方式更直观：

for (int i = 0; i < D.rows(); i++) {
    double singularValue = D.get(i, i);
    System.out.printf("第%d个奇异值: %.15f%n", i+1, singularValue);
}

验证结果 #

调整阈值和输出格式后，你就能看到所有非零的奇异值了。此时再计算U * D * V.transpose()（注意la4j的SVD返回的V是否需要转置，建议参考官方文档确认），得到的结果会和原矩阵A高度吻合，误差会控制在极小的范围内。

内容的提问来源于stack exchange，提问作者user1380792