Was ist von Vorteil, wenn SVD zum Lösen von Ax = b verwendet wird
Ich habe eine lineare Gleichung wie
Ax=b
woA
ist eine Matrix mit vollem Rang, deren Größe @ is512x512
. b
ist ein Vektor von512x1
. x
ist ein unbekannter Vektor. Ich möchte findenx
, daher habe ich einige Möglichkeiten, das zu tun
1.Normalerweise
inv(A)*b
2.Mit SVD (Singular Value Decomposition)
[U S V]=svd(A);
x = V*(diag(diag(S).^-1)*(U.'*b))
Beide Methoden geben das gleiche Ergebnis. Also, was ist der Nutzen der Verwendung von SVD zu lösenAx=b
, vor allem in dem FallA
ist eine 2D Matrix?