Cтраница 2
Вычисления норм матрицы показывают, что для использованных величин параметров транзисторов и компонентов схемы условия сходимости итераций выполняются. [16]
Вычисляет норму матрицы или вектора. [17]
Вычисляют норму матрицы А. [18]
При этом норма матрицы P ( t) не превышает & о независимо от уровня постоянного возбуждения. Это связано с тем, что, когда норма P ( t) становится равной & о, коэффициент потери памяти становится равным нулю, и матрица P ( t) начинает убывать. [19]
Так как норма матрицы Q, а следовательно, и норма матрицы Q не зависят от действительных параметров а7, они равномерно ограничены по а. Что и требуется для гиперболичности рассматриваемой системы. [20]
Вопрос определения нормы матриц ( прямой и обратной) очень сложен. Чаще всего используется спектральная норма матриц, согласованная с квадратичной нормировкой векторов. В свою очередь, спектральная норма определяется через собственные значения матриц. [21]
Получение значения нормы матрицы, превышающей у, свидетельствует о том, что исходная матрица является особенной. Из-за конечной точности проводимых в ЭВМ вычислений решение о том, что матрица особенная, может приниматься и при выполнении условия Ро6, где б - достаточно малая величина. [22]
В качестве нормы матрицы А принимается квадратный корень из спектрального радиуса матрицы А А1, где спектральный радиус равен максимальному по модулю собственному значению матрицы. [23]
Получение значения нормы матрицы, превышающей у, свидетельствует о том, что исходная матрица является особенной. Из-за конечной точности проводимых в ЭВМ вычислений решение о том, что матрица особенная, может приниматься и при выполнении условия ( 5о6, где 6 - достаточно малая величина. [24]
Она называется нормой матрицы, подчиненной норме вектора. [25]
Если какая-либо из норм матрицы А меньше единицы, то прогрессия ( 8) сходится. [26]
Аналогично вводится понятие нормы матрицы. [27]
В последнем соотношении нормы матриц и векторов являются евклидовыми. [28]
Мы рассматриваем евклидову норму матриц, понимая под нормой матрицы ] ] Л щ корень квадратный из наибольшего собственного значения матрицы А А, где помечен переход к комплексно сопряженной и транспонированной матрице. [29]
Прежде всего вычислим норму матрицы Ф ( 1, to), задав норму в - мерном векторном пространстве. [30]