입력 행렬의 조건이 나쁩니다. Inf 또는 NaN이 포함되었을 수 있습니다. options 구조체에 u0 필드와 v0 필드 중 하나만 지정하십시오. 함수 핸들은 모드 ''largest''에서만 사용할 수 있습니다. 첫 번째 입력값은 double형 행렬이나 함수 핸들이어야 합니다. 플래그 ''{0}''을(를) 가진 함수 핸들의 예기치 않은 출력값입니다. 예상 출력값은 길이가 {1}인 double형의 열 벡터입니다. 계산할 특이값 개수는 양의 정수여야 합니다. options 구조체의 maxit 필드는 양의 정수여야 합니다. 함수 핸들을 사용하는 경우, 두 번째 입력값은 행렬 크기를 나타내는 정수로 구성된 1×2 벡터여야 합니다. options 구조체의 p 필드는 음이 아닌 정수여야 합니다. 스칼라 변위 SIGMA는 ''largest'', ''smallest'', "smallestnz'', double형의 유한한 실수 중 하나일 수 있습니다. options 구조체의 tol 필드는 음이 아닌 실수여야 합니다. 유효하지 않은 시작 벡터입니다. options 구조체의 u0 필드는 입력 행렬의 행 개수와 같은 길이의 열 벡터여야 합니다. options 구조체의 v0 필드는 입력 행렬의 열 개수와 같은 길이의 열 벡터여야 합니다. options 구조체의 disp 필드는 0 또는 1이어야 합니다. options 구조체의 p 필드는 K + 2보다 크거나 같아야 합니다. 여기서 K는 특이값의 개수입니다. 파라미터 이름은 ''Tolerance'', ''MaxIterations'', ''SubspaceDimension'', ''LeftStartVector'', ''RightStartVector'', ''Display'' 또는 ''FailureTreatment''여야 합니다. 입력 인수의 개수가 올바르지 않습니다. 각 파라미터 이름 다음에는 대응값이 와야 합니다. ''LeftStartVector'' 파라미터 또는 ''RightStartVector'' 파라미터 중 하나만 지정하십시오. ''MaxIterations'' 값은 양의 정수여야 합니다. ''SubspaceDimension'' 값은 음이 아닌 정수여야 합니다. ''Tolerance'' 값은 음이 아닌 실수여야 합니다. ''LeftStartVector'' 값은 입력 행렬의 행 개수와 같은 길이의 숫자형 벡터여야 합니다. ''RightStartVector'' 값은 입력 행렬의 열 개수와 같은 길이의 숫자형 벡터여야 합니다. ''Display'' 값은 0 또는 1이어야 합니다. ''SubspaceDimension'' 값은 K + 2보다 크거나 같아야 합니다. 여기서 K는 특이값의 개수입니다. options 구조체의 fail 필드는 ''replacenan'', ''keep'' 또는 ''drop''이어야 합니다. ''FailureTreatment'' 값은 ''replacenan'', ''keep'' 또는 ''drop''이어야 합니다. 숫자형 스칼라 변위인 경우 options 구조체의 fail 필드 값은 ''drop''이어야 합니다. 숫자형 스칼라 변위인 경우 ''FailureTreatment'' 값은 ''drop''이어야 합니다. 요청된 특이값 {1,number,integer}개 중 {0,number,integer}개만 수렴되었습니다. 수렴되지 않은 특이값은 NaN입니다. 요청된 특이값 {1,number,integer}개 중 {0,number,integer}개만 수렴되었습니다. 수렴되지 않은 값을 확인하려면 수렴 플래그 출력값을 지정하십시오. 요청된 특이값 {1,number,integer}개 중 {0,number,integer}개만 수렴되었습니다. 수렴되지 않은 특이값은 제거됩니다. 결과값이 부정확할 수 있습니다. 0에 가장 가까운 특이값을 계산하려면 옵션 ''smallest''를 대신 사용하십시오. 큰 잔차 노름(Norm)이 발견되었습니다. 입력 행렬의 조건이 나쁘기 때문일 수 있습니다(조건수 {0}). 반환된 특이값은 가장 큰 특이값이 아닐 수 있습니다. ''MaxIterations'' 값을 늘리십시오. 반환된 특이값은 가장 작은 특이값이 아닐 수 있습니다. ''MaxIterations'' 값을 늘리십시오. {0}개의 특이값만 발견되었습니다. 스칼라 변위 SIGMA를 늘려 보십시오. 세 번째 인수는 실수형 스칼라이거나 문자 ''L''이어야 합니다. 옵션은 구조체형이어야 합니다. 특이값 분해 A*v = sigma*u, A'*u = sigma*v {1}×{2} 행렬 A의 가장 큰 특이값 {0}개를 계산합니다. {1}×{2} 행렬 A의 가장 작은 특이값 {0}개를 계산합니다. {1}×{2} 행렬 A의 0이 아닌 가장 작은 특이값 {0}개를 계산합니다. {1}×{2} 행렬 A의 {3}에 가장 가까운 특이값 {0}개를 계산합니다. 파라미터:\n 최대 반복 횟수: {0}\n 허용오차: {1}\n 부분공간 차원: {2} 부분공간 차원이 최소 행렬 크기와 같기 때문에 SVD를 호출하여 SVDS를 계산하십시오. 부분공간 차원이 행렬 R의 크기보다 크거나 같기 때문에 SVD를 호출하여 SVDS를 계산하십시오. A*v = sigma*u, A'*u = sigma * v에 대한 가장 큰 특이값을 구하십시오. A = Q*R*P인 R\\v = sigma*u, R'\\u = sigma * v에 대한 가장 큰 특이값을 구하십시오.\nA의 QR 분해를 계산하십시오. A' = Q*R*P인 R\\v = sigma*u, R'\\u = sigma * v에 대한 가장 큰 특이값을 구하십시오.\nA'의 QR 분해를 계산하십시오. 행렬 [0 A; A' 0]*x = lambda*x의 {0}에 가장 가까운 고유값을 구하십시오. EIGS를 호출하여 고유값을 계산하십시오. 행렬 A는 랭크가 {0}이므로 요청된 {1}개의 특이값이 모두 0입니다. 행렬 A는 랭크가 {0}이므로 요청된 {2}개의 특이값 중 {1}개가 0입니다. 행렬 A는 랭크가 {0}이므로, 요청된 0이 아닌 특이값 {2}개 대신 {1}개만 반환될 수 있습니다. 조건이 나쁜 것으로 보입니다. QR 분해에서 행렬 R 대신 A를 사용하여 잔차를 확인하십시오. 최대 상대 잔차: {0} 란초스(Lanczos) 이중대각화 방법 시작 반복 {0}: 특이값 {2}개 중 {1}개가 수렴되었습니다. 수렴되지 않은 가장 작은 잔차 {3}(허용오차 {4}). 반복 {0}: 특이값 {2}개 중 {1}개가 수렴되었습니다. 특이값 중복도가 누락되었는지 확인하려면 란초스 방법을 다시 시작하여 k+1 특이값을 찾아보십시오. 다중 특이값이 추가로 발견되지 않았습니다. 성공적으로 반환되었습니다. 일부 다중 특이값이 추가로 발견되었습니다. 특이값이 더 있는지 확인하려면 다시 재시작하십시오. 특이값 후보 {0}개가 발견됨: {1}개는 양수이고 {2}개는 0에 근사한 값입니다. 특이값 후보의 잔차 확인: 모두 수용되었습니다. 특이값 후보의 잔차 확인: {0}이(가) 정확하지 않음({1}보다 크거나 같음).