matlab中函数svd是什么意思

奇异值分解 (sigular value decomposition,SVD) 是一种正交矩阵分解法；SVD是最可靠的分解法，但是它比QR 分解（QR分解法是将矩阵分解成一个正规正交矩阵与上三角形矩阵。）法要花上近十倍的计算时间。[U,S,V]=svd(A)，其中U和V代表二个相互正交矩阵，而S代表一对角矩阵。 和QR分解法相同者， 原矩阵A不必为正方矩阵。

使用SVD分解法的用途是解最小平方误差法和数据压缩。

函数 svd
格式 s = svd (X) %返回矩阵X 的奇异值向量
[U,S,V] = svd (X) %返回一个与X 同大小的对角矩阵S，两个酉矩阵U 和V，
且满足= USV’。若A 为m×n 阵，则U 为m×m 阵，V
为n×n 阵。奇异值在S 的对角线上，非负且按降序排列。
[U,S,V] = svd (X,0) %得到一个“有效大小”的分解，只计算出矩阵U 的前n
列，矩阵S 的大小为n×n。
[U,S,V] = svd(X,‘econ’) also produces the"economy size" decomposition. If X ism-by-n with m >= n, it is equivalent to svd(X,0).For m < n, only the first m columns of V arecomputed and S is m-by-m
转载https://blog.csdn.net/zxiong9397/article/details/52710053

例1
[U,S,V]=svd(A)

例2
[U,S,V]=svd(A,0)
例3
[U,S,V]=svd(A,‘econ’)

m>n
----------------------------------------------------------------------------------

m<n