更改

这里矩阵<math>\mathbf{U}_t</math>为<math>m \times t</math>，<math>\mathbf{\Sigma}_t</math>为<math>t \times t</math>对角矩阵，<math>\mathbf{V}_t^*</math>为<math>t \times n</math>。我们只计算<math>\mathbf{U}</math>的t个列向量和<math>\mathbf{V}^*</math>的t个行向量，它们对应<math>\mathbf{\Sigma}_t</math>中最大的t个奇异值。当<math>t \ll r</math>时，这比紧凑SVD更快更省，但需要一套完全不同的数值求解器工具。

这里矩阵<math>\mathbf{U}_t</math>为<math>m \times t</math>，<math>\mathbf{\Sigma}_t</math>为<math>t \times t</math>对角矩阵，<math>\mathbf{V}_t^*</math>为<math>t \times n</math>。我们只计算<math>\mathbf{U}</math>的t个列向量和<math>\mathbf{V}^*</math>的t个行向量，它们对应<math>\mathbf{\Sigma}_t</math>中最大的t个奇异值。当<math>t \ll r</math>时，这比紧凑SVD更快更省，但需要一套完全不同的数值求解器工具。

在需要近似矩阵<math>\mathbf{M}</math>的[[Moore–Penrose逆]]的应用中，<math>\mathbf{M}</math>的最小奇异值是有意义的，但与最大奇异值相比，它们更难计算。

在需要近似矩阵<math>\mathbf{M}</math>的[[#伪逆|Moore–Penrose逆]]的应用中，<math>\mathbf{M}</math>的最小奇异值是有意义的，但与最大奇异值相比，它们更难计算。

截断SVD在[[潜在语义索引]]中得到了应用<ref>{{cite journal |last1=Chicco |first1=D |last2=Masseroli |first2=M |title=Software suite for gene and protein annotation prediction and similarity search |journal=IEEE/ACM Transactions on Computational Biology and Bioinformatics |url=https://ieeexplore.ieee.org/document/6987347|volume=12 |issue=4 |pages=837–843 |year=2015 |doi=10.1109/TCBB.2014.2382127 |pmid=26357324 |s2cid=14714823 |hdl=11311/959408 }}</ref>

截断SVD在[[潜在语义索引]]中得到了应用<ref>{{cite journal |last1=Chicco |first1=D |last2=Masseroli |first2=M |title=Software suite for gene and protein annotation prediction and similarity search |journal=IEEE/ACM Transactions on Computational Biology and Bioinformatics |url=https://ieeexplore.ieee.org/document/6987347|volume=12 |issue=4 |pages=837–843 |year=2015 |doi=10.1109/TCBB.2014.2382127 |pmid=26357324 |s2cid=14714823 |hdl=11311/959408 }}</ref>