SVD 算法的早期历史全解析
The early History of the Singular Value Decomposition (1993) [pdf]
这篇论文深入回顾了奇异值分解（SVD）从诞生到成熟的完整历程。作者梳理了从早期数学家的初步探索，到后来在数值线性代数中确立核心地位的关键节点。文章不仅还原了历史细节，还分析了不同算法变体的优劣，揭示了 SVD 如何从理论推导走向实际应用，成为现代数据科学和机器学习不可或缺的基石。对于想深入了解矩阵分解背后故事的读者来说，这是一份不可多得的珍贵资料。
奇异值分解（SVD）是数值线性代数中最重要的算法之一，其历史充满了数学家的智慧与探索。
- 有评论者指出，学习数学必须主动'对抗'文本，通过自行推导证明和寻找反例来填补书中故意省略的步骤，而非被动阅读。
- 一位从业者强调，在处理大型矩阵时直接平方矩阵求特征值会平方化条件数并导致数值不稳定，SVD 在实数域内求解才是更优方案。
- 关于教材风格存在分歧，一方认为 Axler 等书适合纯数学研究生以掌握术语，另一方则批评其缺乏背景和动机解释，导致应用科学学生难以理解核心概念。
- 有用户分享经验称，AI 生成的单元测试往往流于表面，缺乏基于专家知识构造的特定输入，难以发现线性代数实现中的深层错误。
- 评论提到该文章是献给数值分析学家 Gene Golub 的，他被誉为实用 SVD 之父，其生日 2 月 29 日使得文章标题中的'15 岁生日'实指 60 岁。