“奇异值分解(SVD)””的版本间的差异
跳到导航
跳到搜索
第1行: | 第1行: | ||
− | 在线性代数中,奇异值分解(SVD)是将实矩阵或复矩阵分解为旋转、缩放和再次旋转的一种因子分解方法。它将具有正交特征基的方阵特征分解推广到任意<math>m*n<math>矩阵。它与极分解有关。 | + | 在线性代数中,奇异值分解(SVD)是将实矩阵或复矩阵分解为旋转、缩放和再次旋转的一种因子分解方法。它将具有正交特征基的方阵特征分解推广到任意<math>m*n</math>矩阵。它与极分解有关。 |
2024年9月26日 (四) 18:09的版本
在线性代数中,奇异值分解(SVD)是将实矩阵或复矩阵分解为旋转、缩放和再次旋转的一种因子分解方法。它将具有正交特征基的方阵特征分解推广到任意[math]\displaystyle{ m*n }[/math]矩阵。它与极分解有关。