Сингулярний розклад матриці

Сингулярний розклад матриці (SVD) — це фундаментальний метод факторизації матриць, який розкладає довільну матрицю A розміром m × n на добуток A = U Σ V^T, де U і V є ортогональними матрицями, а Σ — діагональна матриця сингулярних значень. Розроблений Джином Голубом та іншими в 1960–1970-х роках, SVD є найнадійнішим методом для аналізу структури матриці та розв'язання лінійних систем.