Descompunerea în Valori Singulare
Descompunerea în Valori Singulare (SVD) este o tehnică fundamentală de factorizare matricială care descompune orice matrice m × n A în produsul A = U Σ V^T, unde U și V sunt matrici ortogonale, iar Σ este o matrice diagonală de valori singulare. Dezvoltată de Gene Golub și alții în anii 1960–1970, SVD este cea mai robustă metodă pentru analiza structurii matriciale și rezolvarea sistemelor liniare.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Singular Value Decomposition (SVD). ScholarGate. https://scholargate.app/ro/numerical-methods/singular-value-decomposition
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →