％ 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
