[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_gi%C3%A1%20tr%E1%BB%8B%20ri%C3%AAng{\"limit\":5}":3,"_public_topic_byId_giá trị riêng":11},{"code":4,"data":5,"meta":10},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":8,"vietnamLatest":9},[],[],[],[],null,{"code":4,"data":12,"meta":10},{"id":13,"title":14,"description":15,"content":16,"term":13,"englishTitle":17,"synonyms":18,"definition":21,"discipline":22,"references":23,"faqs":45,"createUser":55,"publishUser":59,"keywords":63,"keywordCount":10,"enrichTopicLink":64,"status":65,"createTime":66,"updateTime":67,"publishTime":68,"linkEnrichedTime":10,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":69,"relateTopics":70},"giá trị riêng","Giá trị riêng là gì? Nghiên cứu khoa học về Giá trị riêng","Giá trị riêng là số vô hướng đặc biệt sao cho khi một ma trận tác động lên vector riêng, nó chỉ làm thay đổi độ lớn mà không đổi hướng vector đó. Khái niệm này là nền tảng của đại số tuyến tính và xuất hiện rộng rãi trong vật lý, kỹ thuật, và khoa học dữ liệu qua các ứng dụng như dao động, PCA và chéo hóa ma trận. ","\u003Cp>\nGiá trị riêng (eigenvalue) là một trong những khái niệm quan trọng nhất trong đại số tuyến tính. Nó mô tả cách mà một phép biến đổi tuyến tính tác động đến một không gian vector: có những vector khi bị biến đổi sẽ chỉ bị kéo dài hoặc rút ngắn chứ không đổi hướng, và giá trị riêng chính là hệ số thay đổi độ lớn đó.\n\u003C\u002Fp>\n\u003Cp>\nKhái niệm giá trị riêng không chỉ có ý nghĩa hình học mà còn đóng vai trò thiết yếu trong các lĩnh vực kỹ thuật và khoa học tự nhiên. Ví dụ, trong vật lý lượng tử, giá trị riêng của một toán tử là các đại lượng đo được của hệ; trong khoa học dữ liệu, giá trị riêng giúp trích xuất đặc trưng nổi bật trong tập dữ liệu.\n\u003C\u002Fp>\n\u003Cp>\nGiá trị riêng thường đi kèm với vector riêng (eigenvector). Nếu xem một phép biến đổi như một phép quay, kéo giãn, hoặc phản xạ, thì vector riêng là những vector \"bất biến về hướng\", còn giá trị riêng biểu thị độ lớn của thay đổi.\n\u003C\u002Fp>\n\n\u003Ch2>Định nghĩa chính thức\u003C\u002Fh2>\n\u003Cp>\nCho ma trận vuông \u003Cscript type=\"math\u002Ftex\">A \\in \\mathbb{R}^{n \\times n}\u003C\u002Fscript>, một số thực \u003Cscript type=\"math\u002Ftex\">\\lambda\u003C\u002Fscript> là giá trị riêng của \u003Cscript type=\"math\u002Ftex\">A\u003C\u002Fscript> nếu tồn tại vector khác không \u003Cscript type=\"math\u002Ftex\">\\mathbf{v} \\in \\mathbb{R}^n\u003C\u002Fscript> sao cho:\n\u003C\u002Fp>\n\u003Cp>\n\u003Cscript type=\"math\u002Ftex\">A\\mathbf{v} = \\lambda \\mathbf{v}\u003C\u002Fscript>\n\u003C\u002Fp>\n\u003Cp>\nỞ đây, \u003Cscript type=\"math\u002Ftex\">\\mathbf{v}\u003C\u002Fscript> là vector riêng tương ứng. Điều kiện \u003Cscript type=\"math\u002Ftex\">\\mathbf{v} \\neq \\mathbf{0}\u003C\u002Fscript> là bắt buộc vì nếu không, mọi \u003Cscript type=\"math\u002Ftex\">\\lambda\u003C\u002Fscript> đều là nghiệm tầm thường. Phương trình này nói rằng tác động của ma trận \u003Cscript type=\"math\u002Ftex\">A\u003C\u002Fscript> lên \u003Cscript type=\"math\u002Ftex\">\\mathbf{v}\u003C\u002Fscript> chỉ làm thay đổi độ lớn của nó chứ không làm lệch hướng.\n\u003C\u002Fp>\n\u003Cp>\nTập hợp tất cả giá trị riêng của một ma trận tạo thành phổ (spectrum) của nó. Giá trị riêng có thể là số thực hoặc phức tùy vào bản chất của ma trận. Đối với ma trận đối xứng thực, tất cả giá trị riêng đều là thực và vector riêng trực giao với nhau.\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Giá trị riêng thực: xuất hiện phổ biến trong ma trận đối xứng\u003C\u002Fli>\n  \u003Cli>Giá trị riêng phức: thường gặp trong ma trận không đối xứng\u003C\u002Fli>\n  \u003Cli>Giá trị riêng bằng 0: cho thấy ma trận không khả nghịch\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Cách tìm giá trị riêng\u003C\u002Fh2>\n\u003Cp>\nĐể tìm giá trị riêng của một ma trận, cần giải phương trình đặc trưng sau:\n\u003C\u002Fp>\n\u003Cp>\n\u003Cscript type=\"math\u002Ftex\">\\det(A - \\lambda I) = 0\u003C\u002Fscript>\n\u003C\u002Fp>\n\u003Cp>\nTrong đó, \u003Cscript type=\"math\u002Ftex\">I\u003C\u002Fscript> là ma trận đơn vị cùng kích thước với \u003Cscript type=\"math\u002Ftex\">A\u003C\u002Fscript>, và \u003Cscript type=\"math\u002Ftex\">\\det\u003C\u002Fscript> là định thức. Nghiệm của phương trình này là các giá trị \u003Cscript type=\"math\u002Ftex\">\\lambda\u003C\u002Fscript> thoả mãn phương trình eigenvalue.\n\u003C\u002Fp>\n\u003Cp>\nPhương trình đặc trưng là một đa thức bậc \u003Cscript type=\"math\u002Ftex\">n\u003C\u002Fscript> nếu \u003Cscript type=\"math\u002Ftex\">A\u003C\u002Fscript> là ma trận \u003Cscript type=\"math\u002Ftex\">n \\times n\u003C\u002Fscript>. Điều này có nghĩa là ma trận có tối đa \u003Cscript type=\"math\u002Ftex\">n\u003C\u002Fscript> giá trị riêng, có thể trùng nhau (đa trị đại số) hoặc không (giản trị bằng 1).\n\u003C\u002Fp>\n\u003Ctable border=\"1\" cellpadding=\"5\">\n  \u003Cthead>\n    \u003Ctr>\n      \u003Cth>Ký hiệu\u003C\u002Fth>\n      \u003Cth>Ý nghĩa\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\n      \u003Ctd>\u003Cscript type=\"math\u002Ftex\">\\lambda\u003C\u002Fscript>\u003C\u002Ftd>\n      \u003Ctd>Giá trị riêng\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>\u003Cscript type=\"math\u002Ftex\">I\u003C\u002Fscript>\u003C\u002Ftd>\n      \u003Ctd>Ma trận đơn vị\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>\u003Cscript type=\"math\u002Ftex\">\\det()\u003C\u002Fscript>\u003C\u002Ftd>\n      \u003Ctd>Định thức\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Ch2>Ví dụ minh họa\u003C\u002Fh2>\n\u003Cp>\nXét ma trận \u003Cscript type=\"math\u002Ftex\">A = \\begin{bmatrix} 2 & 1 \\\\ 1 & 2 \\end{bmatrix}\u003C\u002Fscript>. Để tìm giá trị riêng, ta thiết lập phương trình:\n\u003C\u002Fp>\n\u003Cp>\n\u003Cscript type=\"math\u002Ftex\">\\det(A - \\lambda I) = \\det\\left(\\begin{bmatrix} 2 - \\lambda & 1 \\\\ 1 & 2 - \\lambda \\end{bmatrix}\\right) = 0\u003C\u002Fscript>\n\u003C\u002Fp>\n\u003Cp>\nTính định thức:\n\u003C\u002Fp>\n\u003Cp>\n\u003Cscript type=\"math\u002Ftex\">(2 - \\lambda)^2 - 1 = \\lambda^2 - 4\\lambda + 3 = 0\u003C\u002Fscript>\n\u003C\u002Fp>\n\u003Cp>\nNghiệm là \u003Cscript type=\"math\u002Ftex\">\\lambda_1 = 1\u003C\u002Fscript> và \u003Cscript type=\"math\u002Ftex\">\\lambda_2 = 3\u003C\u002Fscript>. Đây là hai giá trị riêng thực. Tìm vector riêng tương ứng bằng cách giải hệ phương trình \u003Cscript type=\"math\u002Ftex\">(A - \\lambda I)\\mathbf{v} = 0\u003C\u002Fscript>.\n\u003C\u002Fp>\n\u003Cp>\nVí dụ với \u003Cscript type=\"math\u002Ftex\">\\lambda = 3\u003C\u002Fscript>, ta có hệ:\n\u003C\u002Fp>\n\u003Cp>\n\u003Cscript type=\"math\u002Ftex\">\\begin{bmatrix} -1 & 1 \\\\ 1 & -1 \\end{bmatrix} \\mathbf{v} = \\mathbf{0}\u003C\u002Fscript>, dẫn đến \u003Cscript type=\"math\u002Ftex\">\\mathbf{v} = \\begin{bmatrix} 1 \\\\ 1 \\end{bmatrix}\u003C\u002Fscript> (lấy chuẩn hóa tùy ý).\n\u003C\u002Fp>\n\u003Cp>\nMột vài tính chất quan trọng rút ra từ ví dụ:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Nếu ma trận đối xứng, giá trị riêng luôn thực\u003C\u002Fli>\n  \u003Cli>Các giá trị riêng có thể được tính chính xác bằng phân tích đặc trưng\u003C\u002Fli>\n  \u003Cli>Vector riêng có thể chuẩn hóa thành cơ sở trực chuẩn\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Ứng dụng trong vật lý và kỹ thuật\u003C\u002Fh2>\n\u003Cp>\nTrong vật lý, giá trị riêng thường xuất hiện dưới dạng nghiệm đặc trưng trong các hệ phương trình vi phân, đặc biệt là trong dao động, cơ học lượng tử, và cơ học kết cấu. Ví dụ, trong bài toán dao động tự do không tắt dần, các tần số dao động tự nhiên chính là căn bậc hai của giá trị riêng của hệ.\n\u003C\u002Fp>\n\u003Cp>\nXét một hệ dao động tuyến tính nhiều bậc tự do, được mô hình hóa bằng phương trình:\n\u003C\u002Fp>\n\u003Cp>\n\u003Cscript type=\"math\u002Ftex\">M \\ddot{x} + Kx = 0\u003C\u002Fscript>\n\u003C\u002Fp>\n\u003Cp>\nTrong đó \u003Cscript type=\"math\u002Ftex\">M\u003C\u002Fscript> là ma trận khối lượng và \u003Cscript type=\"math\u002Ftex\">K\u003C\u002Fscript> là ma trận độ cứng. Việc giải phương trình này chuyển thành bài toán giá trị riêng:\n\u003C\u002Fp>\n\u003Cp>\n\u003Cscript type=\"math\u002Ftex\">K\\mathbf{v} = \\lambda M\\mathbf{v}\u003C\u002Fscript>\n\u003C\u002Fp>\n\u003Cp>\nGiá trị riêng \u003Cscript type=\"math\u002Ftex\">\\lambda\u003C\u002Fscript> liên hệ với tần số dao động theo công thức \u003Cscript type=\"math\u002Ftex\">\\omega = \\sqrt{\\lambda}\u003C\u002Fscript>.\n\u003C\u002Fp>\n\u003Cp>\nTrong kỹ thuật kết cấu và cơ học tính toán, phân tích dao động dạng (modal analysis) là một ví dụ điển hình của ứng dụng giá trị riêng. Xem thêm tại ScienceDirect - Modal Analysis.\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Phân tích rung động cơ khí\u003C\u002Fli>\n  \u003Cli>Tối ưu hóa cấu trúc trong cơ học công trình\u003C\u002Fli>\n  \u003Cli>Dự đoán cộng hưởng và tránh hiện tượng phá hủy\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Ứng dụng trong khoa học dữ liệu và học máy\u003C\u002Fh2>\n\u003Cp>\nTrong khoa học dữ liệu, đặc biệt là trong Phân tích thành phần chính (PCA), giá trị riêng đóng vai trò then chốt trong việc rút trích đặc trưng, giảm chiều dữ liệu, và nén thông tin. PCA sử dụng các giá trị riêng của ma trận hiệp phương sai để xác định hướng của biến thiên lớn nhất trong dữ liệu.\n\u003C\u002Fp>\n\u003Cp>\nCho ma trận dữ liệu chuẩn hóa \u003Cscript type=\"math\u002Ftex\">X\u003C\u002Fscript> có kích thước \u003Cscript type=\"math\u002Ftex\">n \\times d\u003C\u002Fscript>, ma trận hiệp phương sai được tính là:\n\u003C\u002Fp>\n\u003Cp>\n\u003Cscript type=\"math\u002Ftex\">C = \\frac{1}{n}X^TX\u003C\u002Fscript>\n\u003C\u002Fp>\n\u003Cp>\nViệc phân rã ma trận \u003Cscript type=\"math\u002Ftex\">C\u003C\u002Fscript> thành các giá trị riêng và vector riêng cho ta trục tọa độ mới (thành phần chính), trong đó phương sai được tối đa hóa theo thứ tự các giá trị riêng giảm dần.\n\u003C\u002Fp>\n\u003Ctable border=\"1\" cellpadding=\"5\">\n  \u003Cthead>\n    \u003Ctr>\n      \u003Cth>Giá trị riêng\u003C\u002Fth>\n      \u003Cth>Ý nghĩa trong PCA\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\n      \u003Ctd>Cao\u003C\u002Ftd>\n      \u003Ctd>Biến thể lớn, dữ liệu trải rộng theo chiều đó\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Thấp\u003C\u002Ftd>\n      \u003Ctd>Thông tin ít, có thể loại bỏ khi giảm chiều\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\u003Cp>\nNgoài PCA, giá trị riêng còn được sử dụng trong các lĩnh vực sau:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Phân cụm (spectral clustering)\u003C\u002Fli>\n  \u003Cli>Phân rã ma trận (SVD, eigendecomposition)\u003C\u002Fli>\n  \u003Cli>Mạng nơ-ron hồi tiếp ổn định (stable recurrent networks)\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Quan hệ với chuẩn hóa ma trận và chéo hóa\u003C\u002Fh2>\n\u003Cp>\nMa trận có thể chéo hóa nếu tồn tại cơ sở gồm các vector riêng tuyến tính độc lập. Khi đó, ta có thể viết:\n\u003C\u002Fp>\n\u003Cp>\n\u003Cscript type=\"math\u002Ftex\">A = PDP^{-1}\u003C\u002Fscript>\n\u003C\u002Fp>\n\u003Cp>\nTrong đó:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cscript type=\"math\u002Ftex\">D\u003C\u002Fscript>: ma trận đường chéo gồm các giá trị riêng\u003C\u002Fli>\n  \u003Cli>\u003Cscript type=\"math\u002Ftex\">P\u003C\u002Fscript>: ma trận cột là các vector riêng tương ứng\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\nChéo hóa giúp đơn giản hóa các phép toán phức tạp như lũy thừa ma trận, hàm số ma trận và giải phương trình vi phân tuyến tính. Ví dụ:\n\u003C\u002Fp>\n\u003Cp>\n\u003Cscript type=\"math\u002Ftex\">A^n = PD^nP^{-1}\u003C\u002Fscript>\n\u003C\u002Fp>\n\u003Cp>\nTuy nhiên, không phải mọi ma trận đều chéo hóa được. Điều kiện cần là phải có đủ \u003Cscript type=\"math\u002Ftex\">n\u003C\u002Fscript> vector riêng tuyến tính độc lập. Trong trường hợp không chéo hóa được, có thể sử dụng phân rã Jordan hoặc chéo hóa xấp xỉ bằng các phương pháp số.\n\u003C\u002Fp>\n\n\u003Ch2>Vấn đề giá trị riêng tổng quát\u003C\u002Fh2>\n\u003Cp>\nBài toán giá trị riêng tổng quát là mở rộng của bài toán cổ điển, có dạng:\n\u003C\u002Fp>\n\u003Cp>\n\u003Cscript type=\"math\u002Ftex\">A\\mathbf{v} = \\lambda B\\mathbf{v}\u003C\u002Fscript>\n\u003C\u002Fp>\n\u003Cp>\nTrong đó \u003Cscript type=\"math\u002Ftex\">A\u003C\u002Fscript> và \u003Cscript type=\"math\u002Ftex\">B\u003C\u002Fscript> là các ma trận vuông. Đây là dạng quan trọng trong mô hình hóa hệ thống vật lý có điều kiện ràng buộc, chẳng hạn hệ có ma trận khối lượng khác đơn vị, hoặc bài toán tối ưu có ràng buộc.\n\u003C\u002Fp>\n\u003Cp>\nGiá trị riêng tổng quát thường xuất hiện trong:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Phân tích dao động cơ học có khối lượng khác nhau\u003C\u002Fli>\n  \u003Cli>Bài toán tối ưu hóa có ràng buộc tuyến tính\u003C\u002Fli>\n  \u003Cli>Phân tích ổn định của hệ thống điều khiển\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Thuật toán số để tính giá trị riêng\u003C\u002Fh2>\n\u003Cp>\nTrong thực tế, ma trận lớn và phức tạp không thể giải chính xác bằng tay. Các thư viện tính toán như LAPACK hoặc NumPy sử dụng các thuật toán số hiệu quả để tìm giá trị riêng.\n\u003C\u002Fp>\n\u003Cp>\nMột số thuật toán thường dùng:\n\u003C\u002Fp>\n\u003Col>\n  \u003Cli>\u003Cstrong>Phương pháp lặp công suất (Power Iteration):\u003C\u002Fstrong> tìm giá trị riêng lớn nhất\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Phân rã QR:\u003C\u002Fstrong> tính toàn bộ giá trị riêng của ma trận\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Phân tích SVD:\u003C\u002Fstrong> áp dụng cho ma trận không vuông\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>\nTùy vào yêu cầu độ chính xác và tài nguyên tính toán, có thể chọn thuật toán thích hợp để tối ưu hiệu suất và độ tin cậy.\n\u003C\u002Fp>\n","eigenvalue",[19,20],"trị riêng","giá trị đặc trưng","Giá trị riêng là một đại lượng vô hướng đặc trưng cho phép biến đổi tuyến tính, biểu thị hệ số co giãn độ lớn của một vector khác không mà hướng của vector đó không bị thay đổi sau phép biến đổi.","NATURAL_SCIENCES",[24,31,38],{"citationText":25,"title":26,"authors":27,"source":28,"year":29,"doi":30,"url":10},"Golub, G. H., & Van Loan, C. F. (2013). Matrix Computations (4th ed.). Johns Hopkins University Press.","Matrix Computations","Golub, Van Loan","Johns Hopkins University Press",2013,"10.56021\u002F9781421407944",{"citationText":32,"title":33,"authors":34,"source":35,"year":36,"doi":37,"url":10},"Trefethen, L. N., & Bau, D. (1997). Numerical Linear Algebra. SIAM.","Numerical Linear Algebra","Trefethen, Bau","SIAM",1997,"10.1137\u002F1.9780898719574",{"citationText":39,"title":40,"authors":41,"source":42,"year":43,"doi":10,"url":44},"Strang, G. (2016). Introduction to Linear Algebra (5th ed.). Wellesley-Cambridge Press.","Introduction to Linear Algebra","Strang","Wellesley-Cambridge Press",2016,"https:\u002F\u002Fmath.mit.edu\u002F~gs\u002Flinearalgebra\u002F",[46,49,52],{"question":47,"answer":48},"Giá trị riêng (eigenvalue) và vector riêng (eigenvector) có mối liên hệ như thế nào?","Khi một ma trận vuông biến đổi một vector riêng, vector kết quả sẽ cùng phương với vector ban đầu nhưng độ dài được nhân lên bởi hệ số tỷ lệ chính là giá trị riêng tương ứng theo phương trình Av = λv.",{"question":50,"answer":51},"Làm thế nào để tìm tập hợp các giá trị riêng của một ma trận vuông?","Giá trị riêng của ma trận vuông A được tìm bằng cách giải phương trình đặc trưng det(A - λI) = 0, với I là ma trận đơn vị cùng kích thước và det là định thức.",{"question":53,"answer":54},"Giá trị riêng có vai trò gì trong phân tích thành phần chính (PCA) của học máy?","Trong PCA, giá trị riêng của ma trận hiệp phương sai đo lường lượng phương sai (lượng thông tin) được giải thích bởi mỗi trục thành phần chính tương ứng, giúp xác định các chiều dữ liệu quan trọng nhất để giảm chiều.",{"id":56,"researcherId":10,"name":57,"imageUrl":58},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",{"id":60,"researcherId":10,"name":61,"imageUrl":62},2633,"Hoài Đặng","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLVXVafUxrnnC_H60UeQdpLE3UgeKGCSesypz_6Vi59B-n9C41A=s96-c",[13],false,"PUBLISHED","2025-04-17T03:16:05.462+00:00","2026-08-28T02:07:08.933+00:00","2025-09-05T09:11:22.123+00:00",340,[71,81,87,93,97,102,107,112,117,122],{"id":72,"title":73,"term":74,"englishTitle":75,"definition":76,"discipline":22,"disciplineCode":77,"disciplineLabel":78,"disciplineColor":79,"disciplineIcon":80},"ổn định tiệm cận","Ổn định tiệm cận là gì? Tiêu chuẩn Lyapunov và phân tích hệ thống","Ổn định tiệm cận","asymptotic stability","Ổn định tiệm cận là một khái niệm cơ bản trong lý thuyết hệ thống động lực, chỉ tính chất của một điểm cân bằng sao cho mọi quỹ đạo trạng thái khởi đầu đủ gần điểm cân bằng không những bị chặn mà còn hội tụ hoàn toàn về điểm cân bằng đó khi thời gian tiến đến vô cùng.","natural-sciences","Khoa học tự nhiên","#0E9F9C","atom",{"id":82,"title":83,"term":84,"englishTitle":85,"definition":86,"discipline":22,"disciplineCode":77,"disciplineLabel":78,"disciplineColor":79,"disciplineIcon":80},"phân tích thành phần chính","Phân tích thành phần chính là gì? Định nghĩa và ứng dụng","Phân tích thành phần chính","principal component analysis","Phân tích thành phần chính là một kỹ thuật biến đổi thống kê trực giao nhằm giảm số chiều của tập dữ liệu đa biến lớn bằng cách biến đổi các biến ban đầu có tương quan thành một tập hợp các biến mới không tương quan tuyến tính gọi là các thành phần chính.",{"id":88,"title":89,"term":90,"englishTitle":91,"definition":92,"discipline":22,"disciplineCode":77,"disciplineLabel":78,"disciplineColor":79,"disciplineIcon":80},"phương pháp arnoldi","Phương pháp Arnoldi là gì? Định nghĩa và ứng dụng số trị","phương pháp Arnoldi","Arnoldi iteration","Phương pháp Arnoldi là một giải thuật lặp trong đại số tuyến tính số trị nhằm xây dựng cơ sở trực chuẩn cho không gian con Krylov và thu gọn ma trận vuông về dạng Hessenberg bậc trên.",{"id":94,"title":95,"term":94,"englishTitle":94,"definition":96,"discipline":22,"disciplineCode":77,"disciplineLabel":78,"disciplineColor":79,"disciplineIcon":80},"proton","Proton là gì? Cấu trúc và ứng dụng của Proton","Proton là một hạt hạ nguyên tử bền vững thuộc nhóm baryon cấu tạo từ hai quark lên và một quark xuống, mang điện tích nguyên tố dương và có khối lượng nghỉ xấp xỉ 1.6726 x 10^-27 kg nằm trong hạt nhân nguyên tử.",{"id":98,"title":99,"term":98,"englishTitle":100,"definition":101,"discipline":22,"disciplineCode":77,"disciplineLabel":78,"disciplineColor":79,"disciplineIcon":80},"nhiệt độ nóng chảy","Nhiệt độ nóng chảy là gì? Các nghiên cứu khoa học liên quan","nhiet do nong chay","khái niệm và đối tượng nghiên cứu cơ bản trong khoa học tự nhiên, phản ánh các đặc trưng bản chất, cơ chế vận hành và các quy luật tương tác hệ thống trong thực tiễn.",{"id":103,"title":104,"term":103,"englishTitle":105,"definition":106,"discipline":22,"disciplineCode":77,"disciplineLabel":78,"disciplineColor":79,"disciplineIcon":80},"hằng số tốc độ","Hằng số tốc độ là gì? Các bài nghiên cứu khoa học liên quan","rate constant","Hằng số tốc độ (Reaction Rate Constant, ký hiệu k) là một hệ số tỷ lệ đặc trưng trong phương trình động học biểu thị tốc độ của phản ứng hóa học khi nồng độ của tất cả các chất phản ứng bằng đơn vị.",{"id":108,"title":109,"term":108,"englishTitle":110,"definition":111,"discipline":22,"disciplineCode":77,"disciplineLabel":78,"disciplineColor":79,"disciplineIcon":80},"động vật linh trưởng","Động vật linh trưởng là gì? Tiến hóa Perelman, giải phẫu Fleagle và Estrada","primates","Động vật linh trưởng là một bộ thú có vú bậc cao đặc trưng bởi bàn tay ngón cái đối diện, thị giác lập thể 3D và vỏ não phát triển, tiến hóa qua các nhánh Mũi ướt và Mũi khô theo nghiên cứu Perelman-Fleagle.",{"id":113,"title":114,"term":113,"englishTitle":115,"definition":116,"discipline":22,"disciplineCode":77,"disciplineLabel":78,"disciplineColor":79,"disciplineIcon":80},"đồng vị","Đồng vị là gì? Phân loại và ứng dụng trong khoa học hiện đại","isotope","Đồng vị là các biến thể của cùng một nguyên tố hóa học có cùng số proton trong hạt nhân nhưng khác nhau về số neutron, dẫn đến khối lượng nguyên tử khác nhau.",{"id":118,"title":119,"term":118,"englishTitle":120,"definition":121,"discipline":22,"disciplineCode":77,"disciplineLabel":78,"disciplineColor":79,"disciplineIcon":80},"chu trình sinh địa hóa","Chu trình sinh địa hóa: Khái niệm, nguyên lý và ứng dụng","Biogeochemical cycle","Chu trình sinh địa hóa là một thuật ngữ và phạm trù học thuật then chốt trong lĩnh vực natural sciences, phản ánh các nguyên lý, cơ chế và phương pháp luận chuyên sâu đã được chuẩn hóa trong nghiên cứu và ứng dụng thực tiễn.",{"id":123,"title":124,"term":123,"englishTitle":125,"definition":126,"discipline":22,"disciplineCode":77,"disciplineLabel":78,"disciplineColor":79,"disciplineIcon":80},"ethylene","Ethylene là gì? Cấu trúc hóa học, vai trò sinh học và ứng dụng","Ethylene","Ethylene (ethene, công thức hóa học C2H4) là một hydrocarbon không no thuộc nhóm anken đơn giản nhất, tồn tại ở thể khí không màu, đồng thời là một phytohormone dạng khí điều hòa sự chín và rụng ở thực vật."]