n. 奇異值；奇值
Singular value is a good characteristic of matrix.
奇異值是矩陣的一個良好特征。
Parallel Lanczos SVD (Singular Value Decomposition) solver.
并行Lanczos SVD(奇異值分解)計算。
A least squares solution via singular value decomposition is used to solve the matrix equation.
本文使用奇異值分解法求解矩陣方程的最小二乘解。
Then, a method is presented based on the singular value decomposition to compute the minimal norm solution.
然後用奇異值分解給出了求解最小範數解的一種方法。
The minimum singular value of the power flow Jacobin matrix can be used to evaluate the voltage stability margin.
潮流雅可比矩陣最小奇異值可用來評估系統電壓穩定裕度。
"Singular value"（奇異值）是一個線性代數中的重要概念，通常與奇異值分解（Singular Value Decomposition, SVD）相關。以下是詳細的解釋：
奇異值是指對任意實數或複數矩陣進行奇異值分解時得到的非負實數。對于一個( m times n )的矩陣( A )，其奇異值分解形式為： $$ A = U Sigma V^T $$ 其中：
假設矩陣( A )的奇異值分解後，( Sigma = begin{bmatrix} 5 & 00 & 2 end{bmatrix} )，則其奇異值為5和2。較大的奇異值5對應的方向是矩陣變換中最主要的作用方向。
通過奇異值分解，我們能深入理解矩陣的結構和行為，這在工程、數據科學和物理學中具有廣泛應用。
Singular Value是線性代數中的一個概念，是指矩陣的特有屬性。它用于矩陣分解、數據降維、特征提取等領域。下面将對Singular Value這一術語進行詳細解釋。
Singular Value（奇異值）是指一個矩陣中非零奇異值的平方根。在矩陣分解中，奇異值分解（SVD）是一種常用的方法，用于将一個大矩陣分解成更小的矩陣，從而使它們更易于處理。Singular Value還可以用于數據降維和特征提取，對于高維數據的處理非常有用。
Singular Value的近義詞包括Eigenvalue（特征值）、Eigenvector（特征向量）、Principal Component Analysis（PCA，主成分分析）等。
Singular Value沒有官方的反義詞，但可以與非奇異矩陣（Non-Singular Matrix）相對應。非奇異矩陣是指行列式不為的矩陣，即可逆矩陣。
Singular Value是一個重要的線性代數概念，用于矩陣分解、數據降維、特征提取等領域。它是奇異值分解的基礎，也是許多機器學習算法的核心。了解Singular Value可以幫助我們更好地理解矩陣的數學特性，進而更好地應用于實際問題中。
【别人正在浏覽】