Descomposició en valors singulars
La descomposició en valors singulars (SVD) és una tècnica fonamental de factorització de matrius que descompon qualsevol matriu A de m × n en el producte A = U Σ V^T, on U i V són matrius ortogonals i Σ és una matriu diagonal de valors singulars. Desenvolupada per Gene Golub i altres durant els anys 60 i 70, la SVD és el mètode més robust per analitzar l'estructura matricial i resoldre sistemes lineals.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Golub, G. H., & Kahan, W. (1970). Calculating the singular values and pseudo-inverse of a matrix. Journal of the SIAM Series B: Numerical Analysis, 2(2), 205–224. DOI: 10.1137/0702016 ↗
- Golub, G. H., & Van Loan, C. F. (1983). Matrix computations (2nd ed.). Johns Hopkins University Press. ISBN: 0801854148
- Trefethen, L. N., & Bau, D. (1997). Numerical Linear Algebra. SIAM. DOI: 10.1137/1.9780898719574 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Singular Value Decomposition (SVD). ScholarGate. https://scholargate.app/ca/numerical-methods/singular-value-decomposition
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →