Dekomposisi Nilai Singular
Dekomposisi Nilai Singular (SVD) adalah teknik faktorisasi matriks fundamental yang menguraikan sembarang matriks m × n menjadi hasil kali A = U Σ V^T, di mana U dan V adalah matriks ortogonal dan Σ adalah matriks diagonal berisi nilai-nilai singular. Dikembangkan oleh Gene Golub dan rekan-rekannya pada dekade 1960-an hingga 1970-an, SVD merupakan metode paling andal untuk menganalisis struktur matriks dan menyelesaikan sistem linear.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Singular Value Decomposition (SVD). ScholarGate. https://scholargate.app/id/numerical-methods/singular-value-decomposition
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →