SVD（奇异值分解）小结

特征值分解和奇异值分解的区别
所有的矩阵都可以进行奇异值分解，而只有方阵才可以进行特征值分解。当所给的矩阵是对称的方阵，A(T)=A，二者的结果是相同的。也就是说对称矩阵的特征值分解是所有奇异值分解的一个特例。但是二者还是存在一些小的差异，奇异值分解需要对奇异值从大到小的排序，而且全部是大于等于零。
对于特征值分解 [v,d] = eig( A ) , 即 A = vdinv(v)
对于奇异值分解,其分解的基本形式为 [u,s,v] = svd©, C = usv’. 若C阵为对称的方阵, 则有 u = v; 所以有 C = vsv’;

https://www.cnblogs.com/endlesscoding/p/10033527.html