Singuliere-Waarde-Decompositie
Singuliere-Waarde-Decompositie (SVD) is een fundamentele matrixfactorisatietechniek die elke m × n matrix A ontbindt in het product A = U Σ V^T, waarbij U en V orthogonale matrices zijn en Σ een diagonale matrix van singuliere waarden is. SVD, ontwikkeld door Gene Golub en anderen in de jaren 1960-1970, is de meest robuuste methode voor het analyseren van matrixstructuur en het oplossen van lineaire stelsels.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Singular Value Decomposition (SVD). ScholarGate. https://scholargate.app/nl/numerical-methods/singular-value-decomposition
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →