導讀：為什麼工程師比起特徵分解，更愛 SVD？
特徵分解限制很多：
· 只能用在方陣
· 不一定可對角化· 對數值誤差敏感
SVD 則是：
👉 任何矩陣都可用
👉 一定存在
👉 數值最穩定
因此成為工程界標準。
一、SVD 在做什麼？
任何矩陣 A 都可拆成：
A = U Σ Vᵀ
其中：
U：左奇異向量（正交）
Σ：奇異值對角矩陣
V：右奇異向量（正交）
二、工程直覺翻譯
SVD 做了三件事：
1️⃣ 旋轉座標（Vᵀ）
2️⃣ 拉伸比例（Σ）
3️⃣ 再旋轉回去（U）
三、為什麼說「最穩定」？
因為：
奇異值 σᵢ ≥ 0
而且依大小排序
最大奇異值 = 系統最大放大倍率
四、SVD 與能量觀點
輸入能量 → 經過 A → 輸出能量
最大能量放大倍率：
σₘₐₓ
五、工程重要用途
· 通道容量分析
· 雜訊抑制
· 最佳近似
· PCA
· MIMO 通道分解
六、SVD 與 PCA 關係
對資料矩陣做 SVD：
最大奇異值方向
= PCA 第一主成分
七、與特徵分解差異
特徵分解：Ax = λx
SVD：A v = σ u
左、右向量可不同。
八、核心心法
👉 特徵分解：系統自然模式
👉 SVD：系統最佳能量模式
九、一句話記住
SVD = 把系統拆成一組最穩定的拉伸方向
🧮 演練題：SVD 能量分解
給定矩陣：
A =
[ 3 0
0 1 ]
求 SVD，並解釋其工程意義
解析：
先計算：
AᵀA =
[ 9 0 0 1 ]
其特徵值：
λ₁ = 9
λ₂ = 1
奇異值：
σ₁ = √9 = 3
σ₂ = √1 = 1
對應右奇異向量：
v₁ = [1
0]
v₂ = [0
1]
由：
uᵢ = (1/σᵢ) A vᵢ
可得：
u₁ = [1
0]
u₂ = [0
1]
因此：
U = I
Σ = diag(3,1) V = I
🎯 工程意義
✔ 第一方向能量被放大 3 倍
✔ 第二方向能量被放大 1 倍
✔ 系統主要行為集中在第一方向
🔑 收斂
SVD 是工程師看穿複雜系統的 X 光機
