Изменения

У любой матрицы <tex> A </tex> размера <tex> n \times m </tex> существует разложение на матрицы <tex> U, \Sigma, V^T </tex>: <tex> A_{n \times m} = U_{n \times n} \times \Sigma_{n \times m} \times V^T_{m \times m} </tex>.<br/>}} {{Определение|definition='''SVD''' (англ. ''Singular Value Decomposition'') {{---}} у любой При этом, матрицы <tex> A U_{n \times n}</tex> размера и <tex> n V_{m \times m }</tex> существует разложение на матрицы <tex> Uявляются ортогональными, \Sigma, V^T </tex>: а матрица <tex> A_{n \times m} = U_{n \times n} \times \Sigma_{n \times m} \times V^T_{m \times m} </tex>{{---}} диагональной.}}<br/tex>}}