奇异值分解（SVD）是线性代数中一种重要的矩阵分解方法，在MATLAB中可以通过内置函数`svd()`方便地实现。SVD将任意m×n的矩阵A分解为三个矩阵的乘积：A=U*S*V'，其中U和V是正交矩阵，S是对角矩阵，对角线上的元素称为奇异值，按降序排列。MATLAB中的SVD函数有三种调用方式：1.`s=svd(A)`：返回包含奇异值的列向量2.`[U,S,V]=svd(A)`：得到完整的SVD分解3.`[U,S,V]=svd(A,'econ')`：得到经济型分解SVD在MATLAB中广泛应用于：-矩阵低秩逼近-图像压缩-信号处理-推荐系统-主成分分析(PCA)例如，图像压缩可以通过保留前k个最大的奇异值来实现，这能显著减少数据量同时保留主要特征。
