％ 奇異值分解 (sigular value decomposition,SVD) 是另一種正交矩陣分解法；SVD是最可靠的分解法，
％ 但是它比QR 分解法要花上近十倍的計算時間。[U,S,V]=svd(A)，其中U和V代表二個相互正交矩陣，
％ 而S代表一對角矩陣。 和QR分解法相同者， 原矩陣A不必為正方矩陣。
％ 使用SVD分解法的用途是解最小平方誤差法和數據壓縮。用svd分解法解線性方程組，在Quke2中就用這個來計算圖形信息，性能相當的好。在計算線性方程組時，一些不能分解的矩陣或者嚴重病態(tài)矩陣的線性方程都能很好的得到解
標簽：
decomposition
SVD
sigular
value
上傳時間：
2013-12-14
上傳用戶：大融融rr
