摘要： 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... 阅读全文

摘要： sparse函数和full函数 稀疏矩阵与非稀疏矩阵的转换 矩阵中非零元素的个数远远小于矩阵元素的总数），并且非零元素的分布没有规律，则称该矩阵为稀疏矩阵（sparse matrix）。 二维数组Amn中有N个非零元素，若N 函数功能：生成稀疏矩阵 使用方法 ： S = sparse(A) 一... 阅读全文