问：奇异值分解的方法
- 答：假设M是一个m×n阶矩阵，其中的元素全部属于域 K，也就是 实数域或复数域。如此则存在一个分解使得
M = UΣV*，
其中U是m×m阶酉矩阵；Σ是半正定m×n阶对角矩阵；而V*，即V的共轭转置，是n×n阶酉矩阵。这样的分解就称作M的奇异值分解。Σ对角线上的元素Σi,i即为M的奇异值。
常见的做法是为了奇异值由大而小排列。如此Σ便能由M唯一确定了。(虽然U和V仍然不能确定。)
奇异值分解在某些方面与对称矩阵或Hermite矩阵基于特征向量的对角化类似。然而这两种矩阵分解尽管有其相关性，但还是有明显的不同。对称阵特征向量分解的基础是谱分析，而奇异值分解则是谱分析理论在任意矩阵上的推广。
问：奇异值分解有什么作用
- 答：奇异值分解是线性代数中一种重要的矩阵分解，在信号处理、统计学等领域有重要应用。奇异值分解在某些方面与对称矩阵或Hermite矩阵基于特征向量的对角化类似。然而这两种矩阵分解尽管有其相关性，但还是有明显的不同。对称阵特征向量分解的基础是谱分析，而奇异值分解则是谱分析理论在任意矩阵上的推广。
在MATLAB中的话！其目的应该是用来把线性方程组的系数距阵或推广距阵化为下三角型！
最终目的是求解线性方程组
尽我所能了哈！
不一定对！
因为我学“数据结构”和“数学实验”已经很久了！！！ - 答：这是矩阵论里面的一种矩阵分解方法，先找矩阵的奇异值，然后按照步骤做就可以将一个矩阵分解三个矩阵的相乘。
随便找一本矩阵论的书里面都有。
问：奇异值分解有什么作用
- 答：奇异值分解是线性代数中一种重要的矩阵分解，在信号处理、统计学等领域有重要应用。奇异值分解在某些方面与对称矩阵或Hermite矩阵基于特征向量的对角化类似。然而这两种矩阵分解尽管有其相关性，但还是有明显的不同。对称阵特征向量分解的基础是谱分析，而奇异值分解则是谱分析理论在任意矩阵上的推广。
在MATLAB中的话！其目的应该是用来把线性方程组的系数距阵或推广距阵化为下三角型！
最终目的是求解线性方程组
尽我所能了哈！
不一定对！
因为我学“数据结构”和“数学实验”已经很久了！！！
