Scilab Website | Contribute with GitLab | Mailing list archives | ATOMS toolboxes
Scilab Online Help
6.0.0 - Português

Change language to:
English - Français - 日本語 - Русский

Please note that the recommended version of Scilab is 2024.0.0. This page might be outdated.
See the recommended documentation of this function

Ajuda do Scilab >> Linear Algebra > Eigenvalue and Singular Value > svd

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.

Exemplos

X=rand(4,2)*rand(2,4)
svd(X)
sqrt(spec(X*X'))

Função Usada

Decomposições svd são baseadas nas rotinas Lapack DGESVD para matrizes de reais e ZGESVD no caso de matrizes de complexos.

Report an issue
<< sva Eigenvalue and Singular Value Factorization >>

Copyright (c) 2022-2023 (Dassault Systèmes)
Copyright (c) 2017-2022 (ESI Group)
Copyright (c) 2011-2017 (Scilab Enterprises)
Copyright (c) 1989-2012 (INRIA)
Copyright (c) 1989-2007 (ENPC)
with contributors
Last updated:
Tue Feb 14 15:09:43 CET 2017