Singular Value Decomposition
Singular Value Decomposition (SVD) on nimetud maatriksite faktorisatsiooni põhiharjutuseks, mis dekomponeerib suvalise m × n maatriksi A maatriksite U ja V ortogonaalsete maatriksite ning Σ diagonaalmaatriksi abil saadud produktiks A = U Σ V^T, kus Σ sisaldab singulaarväärtusi. Gene Golubi ja teiste poolt 1960.–1970. aastatel välja töötatud SVD on kõige robustsem meetod maatriksi struktuuri analüüsimiseks ja lineaarsüsteemide lahendamiseks.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Singular Value Decomposition (SVD). ScholarGate. https://scholargate.app/et/numerical-methods/singular-value-decomposition
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →