首页 > 技术资料库 > 「SVD+Decomposition」检索结果

% 奇异值分解 (sigular value decomposition,SVD) 是另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...

2013-12-14 05:09:02 164 次下载 1,209 浏览