Rozkład według wartości osobliwych
Rozkład według wartości osobliwych (SVD) jest fundamentalną techniką faktoryzacji macierzy, która rozkłada dowolną macierz A o wymiarach m × n na iloczyn A = U Σ V^T, gdzie U i V są macierzami ortogonalnymi, a Σ jest macierzą diagonalną wartości osobliwych. Opracowane przez Gene’a Goluba i innych w latach 60.–70. XX wieku, SVD jest najbardziej niezawodną metodą analizy struktury macierzy i rozwiązywania układów równań liniowych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Singular Value Decomposition (SVD). ScholarGate. https://scholargate.app/pl/numerical-methods/singular-value-decomposition
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →