「這裡有一個較深的細孔：也許那曾是一隻幼蟲的巢穴；這不是一隻蛀蟲，因為若是蛀蟲，一長大就會開始啃了，所以它應該是啊噬樹葉的一隻毛毛蟲，那也正是這棵樹被選定砍伐的原因‧‧‧‧‧‧這個邊緣曾被木雕師用他的半圓鑿刻挖過，才能和旁邊比較突出的方格合攏‧‧‧‧‧‧。」
從一小塊平滑且空乏的木塊，能讀出那麼多事情，令忽必烈興起難以抗拒的感動；馬可波羅已經開始談黑檀木森林，談論載滿圓木的木筏順流而下，談論船塢，談論窗邊的女人‧‧‧‧‧‧。───卡爾維諾 (Italo Calvino) 《看不見的城市》
奇異值分解的推導：
奇異值分解的意義：
奇異值分解的相關矩陣：
奇異值分解的相關分解：
奇異值分解與矩陣分析：
- Moore-Penrose 偽逆矩陣
- 通過推導偽逆矩陣認識線性代數的深層結構
- 利用偽逆矩陣解線性方程
- 偽逆矩陣與轉置矩陣的二三事
- 矩陣跡數與特徵值和奇異值的關係
- 答Avis──關於行秩等於列秩的幾何背景
- 矩陣的四個基本子空間的正交投影矩陣
奇異值分解與數值線性代數：
奇異值分解的應用：
- SVD 於剖析線性方程的應用
- SVD 於資訊檢索與文本搜尋的應用
- SVD 於矩陣近似的應用
- 主成分分析與低秩矩陣近似
- 主成分分析與奇異值分解
- 正交 Procrustes 問題
- 答Regan Yuan──關於主成分分析的奇異值分解算法
- 約束最小平方問題
Wolfram Demonstration Project:
線代啟示錄 
老師，若有空可否介紹一下關於奇異值分解的數值算法？
好的。目前典型的SVD算法建立在引線矩陣
，
的特徵值由
的奇異值組成，見
https://ccjou.wordpress.com/2011/04/22/%E8%81%AF%E7%B9%AB%E7%89%B9%E5%BE%B5%E5%80%BC%E8%88%87%E5%A5%87%E7%95%B0%E5%80%BC%E7%9A%84%E5%BC%95%E7%B7%9A%E7%9F%A9%E9%99%A3/
日後將按順序介紹
QR algorithm
symmetric QR algorithm
SVD numerical method