Libre, walang account

SVD Calculator

I-decompose ang isang maliit na rectangular matrix A sa mga compact factor na U, Σ at Vᵀ. Tingnan ang mga singular na halaga, tinantyang numerical rank, ang muling itinayong matrix at ang error nito, pagkatapos ay i-download ang mga resulta bilang CSV.

Gumamit ng 2–8 row at 2–8 column. Paghiwalayin ang mga halaga gamit ang mga puwang o kuwit; ilagay ang bawat hilera sa isang bagong linya. Ang desimal at siyentipikong notasyon ay sinusuportahan. Ang mga halaga ay dapat nasa pagitan ng −1,000,000 at 1,000,000.

Numerical na floating-point na pagtatantya, hindi isang eksaktong simbolikong resulta. Maaaring mag-iba ang ranggo na malapit sa tolerance; ang mga compact factor ay inilaan para sa maliliit na matrice.

Paano ko makalkula ang isang SVD?

Maglagay ng rectangular matrix na may isang row sa bawat linya at mga value na pinaghihiwalay ng mga puwang o kuwit. Tinatantya ng calculator ang A = UΣVᵀ at sinusuri kung gaano kalapit na muling buuin ng mga salik ang iyong matrix.

Mga madalas itanong

Paano ko makalkula ang isang SVD?

Maglagay ng rectangular matrix na may isang row sa bawat linya at mga value na pinaghihiwalay ng mga puwang o kuwit. Tinatantya ng calculator ang A = UΣVᵀ at sinusuri kung gaano kalapit na muling buuin ng mga salik ang iyong matrix.

Na-upload ba ang aking matrix?

Hindi. Ang agnas ay tumatakbo nang lokal sa iyong browser; ang matrix ay hindi na-upload o nai-save ng tool na ito.

Ano ang singular value decomposition?

Ang SVD ay nagsasalik sa isang matrix bilang A = UΣVᵀ, kung saan ang mga singular na halaga sa Σ ay naglalarawan ng lakas ng orthogonal na mga direksyon.

Magagawa ba ng calculator na ito ang mga rectangular matrice?

Oo. Maglagay sa pagitan ng 2 at 8 row at column; ang ibinalik na mga kadahilanan ay gumagamit ng isang compact na hugis-parihaba na anyo.

Eksaktong ba ang numerical rank?

Hindi. Tinatantya ito gamit ang floating-point tolerance, kaya ang napakaliit na singular na halaga ay maaaring ituring na zero.