matlab中矩阵SVD分解

SVD分解

matlab中自带矩阵的SVD分解函数

[U,S,V] = svd(A) %返回一个与A同大小的对角矩阵S,两个酉矩阵U和V

其中,svd分解后,得到的是V的转置矩阵V’。分解后的U、S、V,恢复原始矩阵A:

A = U*S*V'    % 此处是V的转置

SVD分解后,得到的是V的转置矩阵,若需要恢复到原始矩阵,乘的是V的转置矩阵V’,而不是矩阵V。

  • 4
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
MatlabSVD表示奇异值分解(Singular Value Decomposition)。奇异值分解可以将一个大矩阵分解为三个小矩阵相乘,分别为U、S和V。U是一个m×m的正交矩阵,S是一个对角矩阵,而V是一个n×n的正交矩阵。 在Matlab,通过使用SVD函数进行SVD分解,可以获得矩阵X的奇异值分解。函数的使用方式为[U,S,V] = svd(X)。其,U是包含X的左奇异向量的矩阵,S是包含X的奇异值的对角矩阵,V是包含X的右奇异向量的矩阵。 特别地,当使用SVD(X,'econ')时,会产生"经济规模"的分解。如果X是m×n的矩阵,并且m大于等于n,则只计算U的前n列,S是一个n×n的对角矩阵。如果m小于n,则只计算V的前m列,S是一个m×m的对角矩阵。 总结来说,在MatlabSVD分解是一种用于将大矩阵分解成小矩阵相乘的方法,通过使用svd函数可以得到矩阵的奇异值分解,其U、S和V分别代表左奇异向量、奇异值和右奇异向量。在使用SVD函数时,还可以选择是否进行"经济规模"的分解。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [奇异值分解——matlabsvd函数用法总结](https://blog.csdn.net/weixin_44567900/article/details/108831329)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

smartisong

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值