n. 奇异值；奇值
Singular value is a good characteristic of matrix.
奇异值是矩阵的一个良好特征。
Parallel Lanczos SVD (Singular Value Decomposition) solver.
并行Lanczos SVD(奇异值分解)计算。
A least squares solution via singular value decomposition is used to solve the matrix equation.
本文使用奇异值分解法求解矩阵方程的最小二乘解。
Then, a method is presented based on the singular value decomposition to compute the minimal norm solution.
然后用奇异值分解给出了求解最小范数解的一种方法。
The minimum singular value of the power flow Jacobin matrix can be used to evaluate the voltage stability margin.
潮流雅可比矩阵最小奇异值可用来评估系统电压稳定裕度。
"Singular value"（奇异值）是一个线性代数中的重要概念，通常与奇异值分解（Singular Value Decomposition, SVD）相关。以下是详细的解释：
奇异值是指对任意实数或复数矩阵进行奇异值分解时得到的非负实数。对于一个( m times n )的矩阵( A )，其奇异值分解形式为： $$ A = U Sigma V^T $$ 其中：
假设矩阵( A )的奇异值分解后，( Sigma = begin{bmatrix} 5 & 00 & 2 end{bmatrix} )，则其奇异值为5和2。较大的奇异值5对应的方向是矩阵变换中最主要的作用方向。
通过奇异值分解，我们能深入理解矩阵的结构和行为，这在工程、数据科学和物理学中具有广泛应用。
Singular Value是线性代数中的一个概念，是指矩阵的特有属性。它用于矩阵分解、数据降维、特征提取等领域。下面将对Singular Value这一术语进行详细解释。
Singular Value（奇异值）是指一个矩阵中非零奇异值的平方根。在矩阵分解中，奇异值分解（SVD）是一种常用的方法，用于将一个大矩阵分解成更小的矩阵，从而使它们更易于处理。Singular Value还可以用于数据降维和特征提取，对于高维数据的处理非常有用。
Singular Value的近义词包括Eigenvalue（特征值）、Eigenvector（特征向量）、Principal Component Analysis（PCA，主成分分析）等。
Singular Value没有官方的反义词，但可以与非奇异矩阵（Non-Singular Matrix）相对应。非奇异矩阵是指行列式不为的矩阵，即可逆矩阵。
Singular Value是一个重要的线性代数概念，用于矩阵分解、数据降维、特征提取等领域。它是奇异值分解的基础，也是许多机器学习算法的核心。了解Singular Value可以帮助我们更好地理解矩阵的数学特性，进而更好地应用于实际问题中。
【别人正在浏览】