奇异值分解 奇异值分解（SVD, singular value decomposition）是对矩阵最好的分解x（前面介绍过矩阵的LU分解，对角化分解），它将某个矩阵A分解为正交矩阵（orthogonal matrix），对角矩阵（diagonal matrix），正交矩阵相乘的形式，A可以是任意类型的矩阵，即任意矩阵都可进行这种奇异值分解。以前曾介绍过矩阵的对角化分解形式为 ，对于正定矩阵，由于一定满足对称 线性代数 2023-12-04 178 点赞 2 评论 269 浏览
