- Manual Scilab
- Álgebra Linear
- aff2ab
- balanc
- bdiag
- chfact
- chol
- chsolve
- classmarkov
- cmb_lin
- coff
- colcomp
- companion
- cond
- det
- eigenmarkov
- ereduc
- expm
- fstair
- fullrf
- fullrfk
- genmarkov
- givens
- glever
- gschur
- gspec
- hess
- householder
- im_inv
- inv
- kernel
- kroneck
- linsolve
- lsq
- lu
- lyap
- nlev
- orth
- pbig
- pencan
- penlaur
- pinv
- polar
- proj
- projspec
- psmall
- qr
- quaskro
- randpencil
- range
- rank
- rankqr
- rcond
- rowcomp
- rowshuff
- rref
- schur
- spaninter
- spanplus
- spantwo
- spec
- sqroot
- squeeze
- sva
- svd
- sylv
- trace
Please note that the recommended version of Scilab is 2025.0.0. This page might be outdated.
See the recommended documentation of this function
svd
decomposição em valores singulares
Seqüência de Chamamento
s=svd(X) [U,S,V]=svd(X) [U,S,V]=svd(X,0) (obsolete) [U,S,V]=svd(X,"e") [U,S,V,rk]=svd(X [,tol])
Parâmetros
- X
matriz de reais ou complexos
- s
vetor de reais (valores singulares)
- S
matriz diagonal de reais (valores singulares)
- U,V
matrizes quadradas ortogonais ou unitárias (vetores singulares)
- tol
número real
Descrição
[U,S,V] = svd(X)
produz uma matriz diagonal
S
, com dimensão igual a de X
e com
elementos da diagonal não-negativos em ordem decrescente, e matrizes
unitárias U
e V
tais que X
= U*S*V'
.
[U,S,V] = svd(X,0)
produz a decomposição com
"economia de tamanho". Se X
é m-por-n com m > n,
então apenas as primeiras n colunas de U
são computadas
e S
é n-por-n.
s = svd(X)
por si mesmo retorna um vetor
s
contendo os valores singulares.
[U,S,V,rk]=svd(X,tol)
fornece também
rk
, o posto numérico de X
i.e. i.e.
o número de valores singulares maiores que tol
.
O valor default de tol
é o mesmo que em
rank
.
Função Usada
Decomposições svd são baseadas nas rotinas Lapack DGESVD para matrizes de reais e ZGESVD no caso de matrizes de complexos.
<< sva | Álgebra Linear | sylv >> |