SVD这是线性代数现在的重中之重，相比之前，约旦标准型的光辉岁月已经退去了、
SVD中文叫奇异值分解。线性代数里面X'X矩阵是非常重要的矩阵 因为既保留了X的所有信息
又把这种信息的载体优化了，具备了很好的性质，比如如果X列满秩或者行满秩，X'X就是可逆的，对称的，而且可以构造投影矩阵，这是最小二乘的基础。
但是X不一定就能满秩，所以X'X就不是满秩方阵，也就不可逆，但是有逆这个性质我们非常想得到，SVD就出现了。SVD的第一大应用就是使得非满秩的X'X有逆，国外称作伪逆，我们叫广义逆，其实国内的广义逆有很多不唯一，SVD可以帮你找到最好的那个。这样最小二乘法就能继续得到应用。
追问什么叫“国内的广义逆有很多不唯一”啊？
另外，有什么实际应用呢？
追答广义逆是个矩阵 满足几个条件 这个矩阵不唯一，就是说有可能A也满足这些条件 B也满足
广义逆只对方阵中某一块有要求 其他部分填写什么数字都行。
实际应用？最小二乘法啊，线性回归，用现在的数据去预测未来的基础理论根据啊。