Question

MATLAB中SVD奇异值分解是什么作用?

要分解成什么样的矩阵？

Answer 1

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分解法的用途是解最小平方误差法和数据压缩

Answer 2

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。

追问

那要分解成什么样的矩阵啊？

Answer 3

[U,S,V]=svd(A)奇异值分解，就是要把矩阵A分解成 U*S*V' (V'代表V转置).其中U S是正交矩阵（复数域对应为酉矩阵）
奇异值分解可以用来求矩阵的逆，数据压缩等等，不过具体的用法不是几句话就能说清楚的。总之，奇异值分解特别重要。