输入矩阵为病态矩阵。它可能包含 Inf 或 NaN。 指定 options 结构体中的 u0 字段或 v0 字段，但不能同时指定这两者。 只有模式 ''largest'' 支持函数句柄。 第一个输入必须为双精度矩阵或函数句柄。 带有 ''{0}'' 标志的函数句柄的输出异常。预期的输出是一个长度为 {1} 且类型为双精度的列向量。 要计算的奇异值的数目必须为正整数。 options 结构体中的 maxit 字段必须为正整数。 使用函数句柄时，第二个输入必须为一个包含整数(表示矩阵大小)的 1x2 向量。 options 结构体中的 p 字段必须为非负整数。 标量偏移值 SIGMA 可以为 ''largest''、''smallest''、''smallestnz'' 或双精度有限实数。 options 结构体中的 tol 字段必须为非负实数。 起始向量无效。 options 结构体中的 u0 字段必须为长度等于输入矩阵中的行数的列向量。 options 结构体中的 v0 字段必须为长度等于输入矩阵中的列数的列向量。 options 结构体中的 disp 字段必须为 0 或 1。 options 结构体中的 p 字段必须大于或等于 K + 2，其中 K 为奇异值的数目。 参数名称必须为 ''Tolerance''、''MaxIterations''、''SubspaceDimension''、''LeftStartVector''、''RightStartVector''、''Display'' 或 ''FailureTreatment''。 输入参数的数目不正确。每个参数名称必须后跟相应的值。 指定 ''LeftStartVector'' 参数或 ''RightStartVector'' 参数，但不能同时指定这两者。 ''MaxIterations'' 值必须为正整数。 ''SubspaceDimension'' 值必须为非负整数。 ''Tolerance'' 值必须为非负实数。 ''LeftStartVector'' 值必须为长度等于输入矩阵中的行数的数值向量。 ''RightStartVector'' 值必须为长度等于输入矩阵中的列数的数值向量。 ''Display'' 值必须为 0 或 1。 ''SubspaceDimension'' 值必须大于或等于 K + 2，其中 K 为奇异值的数目。 options 结构体中的 fail 字段必须为 ''replacenan''、''keep'' 或 ''drop''。 ''FailureTreatment'' 值必须为 ''replacenan''、''keep'' 或 ''drop''。 对于数值标量偏移，options 结构体中的 fail 字段的值必须为 ''drop''。 对于数值标量偏移，''FailureTreatment'' 值必须为 ''drop''。 只有 {0,number,integer} 个(共 {1,number,integer} 个)请求的奇异值收敛。未收敛的奇异值为 NaN。 只有 {0,number,integer} 个(共 {1,number,integer} 个)请求的奇异值收敛。请指定收敛标志输出以确定未收敛的值。 只有 {0,number,integer} 个(共 {1,number,integer} 个)请求的奇异值收敛。未收敛的奇异值已删除。 结果可能不准确。要计算最接近 0 的奇异值，请改用选项 ''smallest''。 检测到较大的残差范数。这可能是因为输入矩阵为病态矩阵(条件数 {0})。 返回的奇异值可能不是最大的。请增加 ''MaxIterations'' 值。 返回的奇异值可能不是最小的。请增加 ''MaxIterations'' 值。 仅找到 {0} 个奇异值。请尝试增加标量偏移 SIGMA。 第三个参数必须为实数标量或字符 ''L''。 选项必须为结构体。 奇异值分解 A*v = sigma*u、A'*u = sigma*v 正在计算 {1}×{2} 矩阵 A 的 {0} 个最大奇异值。 正在计算 {1}×{2} 矩阵 A 的 {0} 个最小奇异值。 正在计算 {1}×{2} 矩阵 A 的 {0} 个最小非零奇异值。 正在计算 {1}×{2} 矩阵 A 的 {0} 个最接近 {3} 的奇异值。 参数:\n 最大迭代数: {0}\n 容差: {1}\n 子空间维度: {2} 通过调用 SVD 来计算 SVDS，因为子空间维度等于最小矩阵大小。 通过调用 SVD 来计算 SVDS，因为子空间维度大于或等于矩阵 R 的大小。 求以下方程求的最大奇异值: A*v = sigma*u、A'*u = sigma * v。 求以下方程的最大奇异值: R\\v = sigma*u、R'\\u = sigma * v，A = Q*R*P。\n计算 A 的 QR 分解... 求以下方程的最大奇异值: R\\v = sigma*u、R'\\u = sigma * v，A' = Q*R*P。\n计算 A' 的 QR 分解... 求最接近矩阵 [0 A; A' 0]*x = lambda*x 的 {0} 的特征值。调用 EIGS 以计算特征值... 矩阵 A 的秩为 {0}，因此所有 {1} 个请求的奇异值都为零。 矩阵 A 的秩为 {0}，因此 {1} 个(共 {2} 个)请求的奇异值为零。 矩阵 A 的秩为 {0}，因此只能返回 {1} 个非零奇异值，而不是请求的 {2} 个。 怀疑条件错误。请使用 A 而不是矩阵 R 从 QR 分解检查残差。最大相对残差: {0} 启动 Lanczos 双对角化方法 迭代 {0}: {1} 个(共 {2} 个)奇异值已收敛。最小的未收敛残差 {3} (容差 {4})。 迭代 {0}: {1} 个(共 {2} 个)奇异值已收敛。 要检查是否遗漏了奇异值重数，请重新启动该方法，并查找 k+1 个奇异值。 未找到额外的多个奇异值。已成功返回。 已找到额外的多个奇异值。请再次重新启动以检查更多奇异值。 为奇异值找到 {0} 个候选项: {1} 个为正数，{2} 个近似为零。 检查奇异值候选项的残差: 已全部接受。 检查奇异值候选项的残差: {0} 个不够精确(大于或等于 {1})。