输入为一个矩阵(ndarray格式)，输出为分解后的2个（特征分解）或3个（SVD）矩阵。

好的，那我稍微修改一下之前的两个函数，使它们符合你的要求：

特征分解函数：

import numpy as np

def eigen_decomposition(matrix):
    eigenvalues, eigenvectors = np.linalg.eig(matrix)
    return np.diag(eigenvalues), eigenvectors.T

在这个函数中，我们使用 `np.diag()` 函数将特征值转换为对角矩阵的形式，并将特征向量的转置作为第二个分解矩阵的返回值。

奇异值分解函数：

import numpy as np

def singular_value_decomposition(matrix):
    u, s, vh = np.linalg.svd(matrix)
    return u, np.diag(s), vh

在这个函数中，我们同样使用 `np.diag()` 函数将奇异值转换为对角矩阵的形式，并将左奇异向量矩阵、对角矩阵、右奇异向量矩阵作为三个分解矩阵的返回值。

这样，你只需要调用这两个函数，并将输入矩阵作为参数传入，就可以得到分解后的矩阵了。