1) minimal feature
最小特征
1.
Facet shift algorithm was realized based on minimal feature in this paper and experiment was done to test it.
面平移算法是当前平行结构建筑化简所采用的主要方式,此处采用最小特征作为面平移的基础实现了平行结构建筑化简的面平移算法,通过实验对该算法进行了验证,并从化简过程、化简结果和不确定性3个方面将此算法与基于最短距离的面平移算法进行了详细的对比和分析。
2) minimum eigenvalue
最小特征值
1.
In order to get the best solution,using the right eigenvector of the matrix minimum eigenvalue and the sensitivity of system power loss to choose the best nodes to compensate,immune algorithm is used to calculate the optimum compensation capacity.
应用雅可比矩阵最小特征值的右特征向量强相关和系统网损灵敏度的方法对系统的节点排序,选择无功补偿的最佳节点。
2.
The minimum eigenvalue, number of conditions, reciprocal.
0 0 2 m· s- 2范围内 ,并不影响惯导系统的可观性 ,系统的最小特征值、条件数、迹的倒数与重力加速度成线性比例 ,系统摄动的最大特征值与重力加速度成二次函数关系 。
3.
In the same way,this paper found a new type lower bound of r(A(?)B)which was the minimum eigenvalue of the Fan product of two M-matrices A and B.
类似地,利用Cauchy-Schwitz不等式给出两个n阶M-方阵A和B的Fan积A(?)B的最小特征值r(A(?)B)的一组下界。
3) smallest eigenvalue
最小特征值
1.
This paper mainlyf discusses the relationship of the change of the smallest eigenvalue λ1 and the coefficients g(x),h(x),k(x)of the linear ordinary differential equation(L+h+k)[u]≡u″+g(x)u′+[h(x)+λk(x)]u=0,a<x<b,under the special boundary value condition u(a)=u(b)=0,where g(x),h(x) and k(x) are all bounded and k(x) has a positive lower bound.
本文主要考虑二阶线常微分方程(L+h+k)≡[u]″+g(x)u′+[h(x)+kλ(x)]u=0,a最小特征值1λ和系数g(x),h(x)以及k(x)的变化关系,其中g(x),h(x),k(x)均有界,且k(x)在[a,b]上有正下界。
4) the minimal eigenvalue
最小特征值
1.
In this paper, A new algorithm of the minimal eigenvalue for an irreducible M-matrix was proposed, following from the relation between the M-matrix and the nonnegative matrix.
我们利用M-矩阵与非负矩阵的关系,给出了求不可约M-矩阵最小特征值的新算法, 该算法具有计算量小,易在计算机上实现的特点,且可以达到实际需要的精度,并给出了收敛性证明。
2.
Based on the relationship between the Z-matrix and the nonnegative matrix,proposed in this paper is a numerical algorithm for the minimal eigenvalue and its eigenvector of an irreducible Z-matrix.
基于Z-矩阵与非负矩阵的关系,给出了不可约Z-矩阵最小特征值及特征向量的同步数值算法,数值实验表明算法是可行有效的。
5) minimal eigenvalue
最小特征值
1.
Some methods are presented for estimating the minimal eigenvalue of weakly diagonally dominant M-matrices in [1].
文献中给出了估计弱对角占优M-矩阵的最小特征值的一些方法。
2.
The minimal eigenvalue question of irreducible M-matrices is discussed.
讨论了不可约M 矩阵的最小特征值问题,得出若A,B∈Rn×n是不可约M 矩阵,则存在正对角矩阵D1=diag(d1,…,dn)与D2=diag( d1,…, dn),使得D1A-1D2是双随机矩阵且 dk bkk,其中B-1=[ bij]。
3.
This paper investigates the smallest singular value of matrices, the spectral radius of the iterative matrix, the minimal eigenvalue of irreducible M-matrices and some spectral properties of tensor product of matrices.
本文主要研究了矩阵最小奇异值,迭代矩阵的谱半径,不可约M矩阵的最小特征值以及矩阵张量积的一些谱性质。
6) smallest real eigenvalue
最小特征根
补充资料：偏微分算子的特征值与特征函数
由边界固定的膜振动引出的拉普拉斯算子的特征值问题：是一个典型的偏微分算子的特征值问题,这里x=(x1,x2)；Ω是膜所占据的平面区域。使得问题有非平凡解（非零解）的参数λ的值,称为特征值；相应的解称为特征函数。当Ω有界且边界嬠Ω满足一定的正则条件时,存在可数无穷个特征值,相应的特征函数ψn(x)组成l2(Ω)上的完备正交系。乘以常因子来规范ψn(x)，使其l2(Ω)模为1,则Ω上的任意函数??(x)的特征展式可写为：当??可以"源形表达"，即??满足边界条件且Δ??平方可积时,展式在Ω一致收敛。当??平方可积时，展式平方平均收敛，且有帕舍伐尔公式：
对膜振动问题的认识还是相当有限的。能够精确地知道特征值的，只限于矩形、圆盘等少数几种非常简单的区域。对椭圆和一般三角形的特征值精确值，还几乎毫无所知。其他情形就更谈不上了。
将不超过 λ的特征值的个数记为N(λ)。特征值的渐近分布由N(λ)对大 λ的渐近式来刻画。这方面最早的结果是（C.H.）H.外尔在1911年得到的（外尔公式）：
式中表示Ω的面积。R.库朗将余项改进为。对于多角形区域，又有人将余项改进到。各种情况下改进余项估计的工作至今绵延不绝。外尔猜测有一个更强的结果：式中｜嬠Ω｜是区域边界之长，但尚未被证出。
与此密切相关的是下面的MP公式：(t→+0)
取一个渐近项时，用陶伯型定理可由它推出N(λ)的外尔公式。第二渐近项与外尔猜想非常相象，但由此证不出外尔猜想。第三项迟至1966年才被M.卡茨导出，后来由H.P.麦基恩与I.M.辛格严格证明,其中h表示鼓膜Ω的洞数。
特征值与膜振动频率有一个直接的换算关系，M.卡茨据此给MP公式一个非常生动的解释：可以"听出"鼓膜的面积|Ω|、周长｜嬠Ω｜和洞的个数h！由于1-h恰巧是Ω的欧拉-庞加莱示性数,是整体几何中颇受重视的一个不变量，"听出鼓形"或"谱的几何"问题立即引起人们的强烈兴趣，并导致一系列重要的研究。不过一般的特征值反问题,要求从特征值的谱完全恢复Ω,还远远没有解决。
用陶伯型定理得出N(λ)渐近式的方法，由T.卡莱曼于1934年首创，他还得到谱函数的渐近式：(λ→∞)，式中δxy当x=y时为1，当x≠y时为0。
上述关于拉普拉斯算子的结果，由L.戈尔丁和F.E.布劳德推广到 Rn的有界区域Ω上的m 阶椭圆算子。尽管推算繁杂，但结果十分简单整齐：；；式中 v(x) 表示集合{ξ｜｜A0(x,ξ)｜<1}的勒贝格测度，而是A的最高阶导数项相应的特征形式。特征展开定理亦由L.戈尔丁得出。
对于奇异情形，例如薛定谔方程 的谱问题,可以证明存在谱函数S(x，y，λ),特征展式为。由于可能出现连续谱，S(x，y，λ)一般不一定能写成前述特征函数双线和的形式。判定奇（异）微分算子谱的离散性是很有意义的工作。已经出现各种充分条件。不过关于特征值与特征函数渐近性质的研究，还只是限于少数特例。
在处理‖x‖→∞ 时V(x)→∞的情形，M.卡茨与D.雷等人曾创造了一种系统的概率方法，其中借助数学期望表出格林函数，有效地求出谱函数与特征值的渐近式：
。
当算子A的系数不光滑,或非一致椭圆，或非自共轭，以及边条件带特征参数或带非定域项等等情形，都出现不少研究结果。还有人考察Au=λBu型的特征值问题,这里A、B都是椭圆算子。
除上述问题外，特征展式的收敛性与求和法也一直受到人们的关注。
对膜振动问题的认识还是相当有限的。能够精确地知道特征值的，只限于矩形、圆盘等少数几种非常简单的区域。对椭圆和一般三角形的特征值精确值，还几乎毫无所知。其他情形就更谈不上了。
将不超过 λ的特征值的个数记为N(λ)。特征值的渐近分布由N(λ)对大 λ的渐近式来刻画。这方面最早的结果是（C.H.）H.外尔在1911年得到的（外尔公式）：
式中表示Ω的面积。R.库朗将余项改进为。对于多角形区域，又有人将余项改进到。各种情况下改进余项估计的工作至今绵延不绝。外尔猜测有一个更强的结果：式中｜嬠Ω｜是区域边界之长，但尚未被证出。
与此密切相关的是下面的MP公式：(t→+0)
取一个渐近项时，用陶伯型定理可由它推出N(λ)的外尔公式。第二渐近项与外尔猜想非常相象，但由此证不出外尔猜想。第三项迟至1966年才被M.卡茨导出，后来由H.P.麦基恩与I.M.辛格严格证明,其中h表示鼓膜Ω的洞数。
特征值与膜振动频率有一个直接的换算关系，M.卡茨据此给MP公式一个非常生动的解释：可以"听出"鼓膜的面积|Ω|、周长｜嬠Ω｜和洞的个数h！由于1-h恰巧是Ω的欧拉-庞加莱示性数,是整体几何中颇受重视的一个不变量，"听出鼓形"或"谱的几何"问题立即引起人们的强烈兴趣，并导致一系列重要的研究。不过一般的特征值反问题,要求从特征值的谱完全恢复Ω,还远远没有解决。
用陶伯型定理得出N(λ)渐近式的方法，由T.卡莱曼于1934年首创，他还得到谱函数的渐近式：(λ→∞)，式中δxy当x=y时为1，当x≠y时为0。
上述关于拉普拉斯算子的结果，由L.戈尔丁和F.E.布劳德推广到 Rn的有界区域Ω上的m 阶椭圆算子。尽管推算繁杂，但结果十分简单整齐：；；式中 v(x) 表示集合{ξ｜｜A0(x,ξ)｜<1}的勒贝格测度，而是A的最高阶导数项相应的特征形式。特征展开定理亦由L.戈尔丁得出。
对于奇异情形，例如薛定谔方程 的谱问题,可以证明存在谱函数S(x，y，λ),特征展式为。由于可能出现连续谱，S(x，y，λ)一般不一定能写成前述特征函数双线和的形式。判定奇（异）微分算子谱的离散性是很有意义的工作。已经出现各种充分条件。不过关于特征值与特征函数渐近性质的研究，还只是限于少数特例。
在处理‖x‖→∞ 时V(x)→∞的情形，M.卡茨与D.雷等人曾创造了一种系统的概率方法，其中借助数学期望表出格林函数，有效地求出谱函数与特征值的渐近式：
。
当算子A的系数不光滑,或非一致椭圆，或非自共轭，以及边条件带特征参数或带非定域项等等情形，都出现不少研究结果。还有人考察Au=λBu型的特征值问题,这里A、B都是椭圆算子。
除上述问题外，特征展式的收敛性与求和法也一直受到人们的关注。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条