Tekil Değer Ayrışımı
(Singular Value Decomposition — SVD)

SVD, her m×n matris A'yı A = UΣVᵀ biçiminde ayrıştırır. U (m×m) ve V (n×n) ortogonal, Σ (m×n) köşegen matristir; köşegen elemanları tekil değerler σ₁ ≥ σ₂ ≥ … ≥ 0'dır.

Tekil değerler σᵢ = √λᵢ(AᵀA) ile hesaplanır. U sütunları sol tekil vektörler (AᵀA'nın özvektörleri değil; AA^T'nin), V sütunları sağ tekil vektörler (AᵀA'nın özvektörleri).

Uygulamalar: görüntü sıkıştırma, PCA, sözde ters (pseudoinverse) A⁺ = VΣ⁺Uᵀ, rank düşürme. Kare olmayan matrisler de dahil her matrise uygulanabilir.