A decomposição em valores singulares (Singular Value Decomposition - SVD) de uma matriz é uma fatoração importante por ser aplicável em diversos algoritmos de inteligência artificial. Considere o trecho de código em linguagem R a seguir. 1. A <- matrix(c(1,2,1,2), ncol=2, nrow=2)2. svd_result <- svd(A)3. V <-svd_result$v4. M <- V %*% t(V)5. cat(M[1,1], "--", M[2,2])Assinale a opção que indica a saída esperada para a execução do trecho de código. A decomposição em valores singulares (Singular Value Decomposition - SVD) de uma matriz é uma fatoração importante por ser aplicável em diversos algoritmos de inteligência artificial. Considere o trecho de código em linguagem R a seguir. 1. A <- matrix(c(1,2,1,2), ncol=2, nrow=2)2. svd_result <- svd(A)3. V <-svd_result$v4. M <- V %*% t(V)5. cat(M[1,1], "--", M[2,2])Assinale a opção que indica a saída esperada para a execução do trecho de código.

A decomposição em valores singulares (Singular Value Deco...

Q3408991

Tecnologia da Informação Vetores e matrizes

Ano: 2024

Prova: FGV - EPE - Analista - Área: Ciências de Dados - 2024

A decomposição em valores singulares (Singular Value Decomposition - SVD) de uma matriz é uma fatoração importante por ser aplicável em diversos algoritmos de inteligência artificial.

Considere o trecho de código em linguagem R a seguir.

1. A <- matrix(c(1,2,1,2), ncol=2, nrow=2)

2. svd_result <- svd(A)

3. V <-svd_result$v

4. M <- V %*% t(V)

5. cat(M[1,1], "--", M[2,2])

Assinale a opção que indica a saída esperada para a execução do trecho de código.

10 -- 2.4652e-32

0.7071068 -- 0.7071068

-0.4472136 -- 0.4472136

3.162278e+00 -- 1.570092e-16

1 -- 1

Comentários Marcadores Anotações (0) Estatísticas Reportar erro

A decomposição em valores singulares (Singular Value Decomposition - SVD) de uma matriz...