Calculateur SVD (décomposition en valeurs singulières)
Calcule la décomposition en valeurs singulières A = U·Σ·Vᵀ de n'importe quelle matrice. Les valeurs singulières sont les racines des valeurs propres de AᵀA, trouvées par l'algorithme de Jacobi ; U et V sont orthogonaux. Saisis A sur une grille éditable (jusqu'à 6×6) et l'outil rend les valeurs singulières, U, Σ, Vᵀ et la reconstruction U·Σ·Vᵀ. La SVD est au cœur de l'ACP, de la compression d'images, des systèmes de recommandation et de la pseudo-inverse.
Outils similaires
Tous les outils : Matrices & vecteurs →Calculateur SVD (décomposition en valeurs singulières) s'utilise directement depuis cette page — gratuit, instantané, rien à installer. Vous le trouverez sous Matrices & vecteurs, avec Calculateur de décomposition de Cholesky et Calculateur de décomposition LU pour les cas voisins.
Comment l'utiliser
- Ouvre l'outil — sans inscription ni installation.
- Saisis tes données ou ajuste les options disponibles.
- Obtiens ton résultat instantanément, puis copie-le ou télécharge-le.
Questions fréquentes
Qu'est-ce que Calculateur SVD (décomposition en valeurs singulières) ?
Calcule la décomposition en valeurs singulières A = U·Σ·Vᵀ de n'importe quelle matrice. Les valeurs singulières sont les racines des valeurs propres de AᵀA, trouvées par l'algorithme de Jacobi ; U et V sont orthogonaux. Saisis A sur une grille éditable (jusqu'à 6×6) et l'outil rend les valeurs singulières, U, Σ, Vᵀ et la reconstruction U·Σ·Vᵀ. La SVD est au cœur de l'ACP, de la compression d'images, des systèmes de recommandation et de la pseudo-inverse.
À quoi ressemble un cas concret ?
[[3, 0], [0, 2]] → σ₁ = 3, σ₂ = 2 — l'outil affiche chaque étape intermédiaire, pas seulement le résultat final.
Dans quels cas s'en sert-on concrètement ?
Vérifier une décomposition faite à la main, résoudre un système linéaire, et trouver les valeurs propres qui décrivent comment une transformation étire l'espace.
Quelle est l'erreur la plus fréquente ?
Inverser une matrice pour résoudre un système. L'élimination ou une factorisation est plus rapide et bien plus stable numériquement ; une inverse explicite amplifie l'erreur d'arrondi, surtout près de la singularité.
En quoi Calculateur SVD (décomposition en valeurs singulières) diffère-t-il de Calculateur de décomposition de Cholesky ?
Ils se ressemblent mais répondent à des questions différentes : Calculateur de décomposition de Cholesky est celui à ouvrir lorsqu'il s'agit de factorise une matrice symétrique définie positive A en L·Lᵀ, où L est triangulaire inférieure — la décomposition de Cholesky. Saisis A sur une grille carrée éditable et l'outil rend L, Lᵀ et le produit L·Lᵀ ; si la matrice n'est pas symétrique ou pas définie positive, il indique quelle condition a échoué. Deux fois plus rapide que LU, Cholesky sert en optimisation, filtres de Kalman et simulations Monte-Carlo. Choisis celui qui correspond à ton point de départ — les deux sont gratuits.
Existe-t-il un outil pour l'étape suivante ?
Calculateur de décomposition LU est le plus proche après celui-ci : Factorise une matrice carrée en une matrice triangulaire inférieure L et supérieure U (méthode de Doolittle).
Quels autres outils vaut-il la peine d'ouvrir à côté ?
Calculateur de décomposition QR et Calculateur de décomposition en éléments simples — ils reviennent assez souvent dans la même tâche pour mériter un second onglet.
D'où viennent les données ?
Les décompositions suivent leurs définitions classiques, avec pivotage partiel là où il s'applique. Les résultats sont exacts pour de petites matrices entières, soumis à l'arrondi flottant sinon.