Содержание
Введение3
1. Сущность инвентаризации4
2. Виды инвентаризации7
3. Особенности проведения инвентаризации10
4. Роль и значение инвентаризации18
5. Бухгалтерский учёт инвентаризации………………………………………………….19
Заключение25
Список использованной литературы26
Выдержка из текста работы
По большей части собственные векторы матрицы удается определить, используя промежуточные результаты вычислений, проведенных для определения коэффициентов характеристического полинома. Конечно, для определения собственного вектора, принадлежащего тому или другому собственному значению, это собственное значение должно быть уже вычислено. Методы этой группы являются точными, т.е. если их осуществлять для матриц, элементы которых заданы точно (рациональными числами) и вычисления проводить точно (по правилам действий над обыкновенными дробями), то в результате будет получено точное значение коэффициентов характеристического полинома, и компоненты собственных векторов окажутся выраженными точными формулами через собственные значения.
Наряду с точными методами для решения проблемы собственных значений имеются методы итерационные, в которых собственные значения получаются как пределы некоторых числовых последовательностей, так же как и компоненты принадлежащих им собственных векторов. В итерационных методах, как правило, собственные значения вычисляются непосредственно, без предварительного вычисления коэффициентов характеристического полинома, коэффициенты которого известны, достаточно трудоемко.
Однако итерационные методы более приспособлены к решению частичной проблемы собственных значений. Под частичной проблемой мы подразумеваем задачу нахождения одного или нескольких собственных значений и соответствующих им собственных векторов.
Полная и частичная проблемы собственных значений совершенно различны как по методам их решения, так и по области приложений. Решение полной проблемы для матриц даже не очень высокого порядка неизбежно оказывается весьма громоздким, и возможность решения частичной проблемы, минуя тяжести решения полной, является очень ценной для практики.
Отметим, что все предлагаемые ниже методы, кроме метода Леверье (1840 г.) и метода Якоби (1846 г.), появились в тридцатых годах нашего столетия или позднее.
При изложении численных методов мы будем, как правило, предполагать элементы матриц вещественными.
1. Алгебраическая проблема собственных значений и собственных векторов
Проблема собственных значений (частот) возникает при анализе поведения мостов, зданий, летательных аппаратов и других конструкций, характеризующихся малыми смещениями от положения равновесия, а также при анализе устойчивости численных схем. Характеристическое уравнение вместе с его собственными значениями и собственными векторами является основным в теории механических и электрических колебаний на макроскопическом или микроскопическом уровнях.
.1 Общая постановка
Пусть — матрица порядка и — обратимая матрица со столбцами . Легко видеть, что равенство эквивалентно системе равенств
Эти равенства подводят нас к важным понятиям собственного значения матрицы и собственного вектора.
Определение. Пусть — матрица порядка . Число и ненулевой столбец , связанные соотношением , называются собственным значением и собственным вектором матрицы . Пара , иногда называется собственной парой матрицы .
Теорема. Матрица порядка диагонализуема тогда и только тогда, когда она обладает линейно независимой системой собственных векторов.
Доказательство. Пусть — линейно независимая система собственных векторов матрицы , соответствующих собственным значениям :
. .
Матрица обратима как матрица с линейно независимыми столбцами.
Пример недиагонализуемой матрицы: . Допустим, что
Отсюда
Хотя бы одно из чисел должно отличаться от нуля. Пусть для определенности . Получаем противоречие, поскольку матрица с нулевым столбцом не может быть обратимой.
Теорема. Собственные векторы, соответствующие попарно различным собственным значениям матрицы, являются линейно независимыми.
Пусть — собственные векторы для попарно различных собственных значений матрицы . Пусть . Умножим обе части слева на матрицу :
Из данного равенства вычтем предыдущее, умноженное на :
Отсюда ясно, что из линейной независимости векторов вытекала бы линейная независимость векторов . Доказательство завершается применением индукции.
Следствие. Если матрица порядка имеет различных собственных значений, то она диагонализуема.
.2 Характeристическое уравнение
Пусть -произвольное собственное значение матрицы . При фиксированном все соответствующие ему собственные векторы удовлетворяют однородной системе линейных алгебраических уравнений
Число является собственным значением матрицы данная система имеет нетривиальное решение .
Определение. Уравнение относительно называется характеристическим уравнением матрицы . Левая часть этого уравнения есть многочлен степени от , называемый характеристическим многочленом матрицы .
Утверждение. Характеристический многочлен матрицы имеет вид
где есть сумма всех миноров матрицы порядка , расположенных на пересечении столбцов и строк с одинаковыми номерами.
Доказательство. Чтобы получить коэффициент , нужно среди членов определителя
Выбрать те и только те члены , которые содержат произведение ровно диагональных членов вида (они и только они являются многочленами степени от ), в каждом из них выделить слагаемое старшей степени вида и просуммировать полученные коэффициенты . Очевидно, что сумма всех , отвечающих диагональным элементам в фиксированных позициях , будет равна минору матрицы , расположенному на строках и столбцах, дополнительных к строкам и столбцам с номерами .
В частности, — величина, называемая следом матрицы . Обозначение: . В силу формул Виета, след равен сумме всех собственных значений с учетом кратностей. Заметим также, что .
При собственные значения (как корни многочлена степени ) могут быть выражены в радикалах через коэффициенты характеристического многочлена и, следовательно, через элементы матрицы. При таких формул уже не существует (знаменитый результат Абеля, Руффини и Галуа).
1.3 Алгебраическая кратность собственного значения
Кратность собственного значения как корня характеристического многочлена называется его алгебраической кратностью. Из основной теоремы алгебры сразу же вытекает следующая
Теорема. Любая комплексная матрица А порядка имеет комплексных собственных значений с учетом алгебраических кратностей совпадают
Теорема. Характеристические многочлены подобных матриц совпадают.
Следствие. Собственные значения и их алгебраические кратности для подобных матриц совпадают.
2. Классификация задач на собственные значения
Перечислим некоторые возможные постановки проблемы собственных значений.
I. Полная проблема собственных значений. Заключается в задаче поиска всех собственных чисел заданной матрицы. В некоторых случаях вычисление также и собственных векторов.
II. Частичная проблема собственных значений. Заключается в вычислении некоторого подмножества собственных чисел, а также, возможно, требуется соответствующих им собственных векторов. Этим подмножеством может быть: а) к наибольших (наименьших) собственных чисел; б) собственные значения, принадлежащие заданному интервалу.
С другой стороны, при решении проблемы собственных значений все матрицы разбиваются на два класса, существенно различающих по свойствам: эрмитовы матрицы (в вещественном случае симметричные) и неэрмитовы (в вещественном случае несиметричные). По этому признаку выделяют симметричную проблему собственных значений и несимметричную. Каждый из этих классов в свою очередь может быть разбит на подклассы. При этом удобно выделять в подклассы матрицы, для которых развиты какие нибудь специальные методы или имеются эффективные модификации методов, применяемых в общем случае. Отдельной задачей, представляющей существенный интерес для различных инженерных расчетов, выделяют проблему собственных значений для матрицы А, то есть задачу вычисления сингулярных чисел (возможно, и сингулярных векторов). Для задач подобного рода имеется отдельная группа алгоритмов.
2.1 Полная проблема собственных значений
При постановке проблемы собственных значений для матриц, элементы которых заданы приближенно, естественно возникает вопрос об устойчивости полученного решения, иными словами, вопрос о том, как изменяются собственные значения и собственные векторы при изменении элементов данной матрицы в пределах допустимой погрешности.
То, что в отдельных случаях проблема собственных значений не может быть устойчивой, ясно из следующих соображений. Допустим, что данная матрица, если ее численное задание рассматривать как точное, имеет лишь простые собственные значения, однако, при некотором определенном изменении ее элементов в пределах точности задания можно придти к матрице, имеющей кратное собственное значение, с нелинейным элементарным делителем. В этом случае каноническая форма матрицы при изменении ее элементов в пределах точности задания претерпевает качественное изменение, переходя от чисто диагональной формы к общей канонической форме. В частности, даже число собственных векторов изменяется скачкообразно. В этих условиях, конечно, полная проблема собственных значений, вместе с определением собственных векторов, просто теряет смысл. В условиях же, близких к описанной ситуации, проблема определения собственных векторов наверное не имеет устойчивого решения.
Для осуществления указанного преобразования А.Н.Крылов вводит в рассмотрение дифференциальное уравнение, связанное с данной матрицей; одновременно он ставит вопрос о нахождении чисто алгебраического преобразования, переводящего уравнение.
Выяснению алгебраической сущности преобразования А.Н.Крылова посвящены работы Н.Н.Лузина [1], [2], И.Н.Хлодовского [1], Ф.Р. Гантмахера [1], Д.К.Фаддеева [1].
.2 Частичная проблема собственных значений
В частичной проблеме собственных значений, которая состоит, как было сказано выше, в определении одного или нескольких, как правило немногих, собственных значений матрицы и принадлежащих им собственных векторов. Своеобразие частичной проблемы заключается в том, что методы для ее решения должны основываться на косвенных соображениях, использующих те или другие свойства собственных значений и собственных векторов. Все методы для решения частичной проблемы являются итерационными методами.
Для построения этих методов используются две, по существу различные, основные идеи.
Первую идею мы поясним в предположении, что в пространстве существует базис из собственных векторов. Исходя из некоторого вектора, вообще говоря, произвольного, строят бесконечную последовательности все более преобладала одна составляющая в разложении по собственным векторам. Тогда построенная последовательность будет сходиться по направлению к выделенному собственному вектору. Попутно определяется и собственное значение. Процессы, основанные на этой идее могут быть применены и при отсутствии базиса из собственных векторов. В этом случае при их обосновании можно использовать разложение по каноническому базису. При этом некоторое видоизменение методов позволяет вычислять несколько векторов из канонического базиса.
Вторая идея основывается на экстремальных свойствах собственных значений и применима только к симметричным матрицам. Эта идея близка к идее релаксации для решения линейной системы уравнений. Методы, основанные на этой идее, дают последовательность векторов, все лучше реализующих максимум (или минимум) отношения .
Выбор поправок для перехода от предыдущего вектора к последующему может осуществляться различно. Важнейшая группа методов, использующих эту идею, в которых поправки берутся в направлении градиента функционала .
3. Вычислительные методы собственных значений и собственных векторов
Методы определения собственных значений и собственных векторов матрицы естественным образом делятся на две основные группы: прямые методы и итерационные.
Прямые методы состоят в том, что с помощью конечного числа подобных преобразований исходная матрица приводится к матрице более простого вида, для которой легко находятся коэффициенты характеристического многочлена и собственные векторы. При этом собственные значения находятся как корни характеристического многочлена каким-либо из методов.
Основным достоинством прямых методов является широкая область формального применения и большая скорость работы. Однако пользоваться ими надо очень осторожно, так как почти все они чувствительны к ошибкам округления результатов промежуточных вычислений. Объясняется этот факт следующим образом.
Пусть
есть характеристический многочлен матрицы А. Рассмотрим последовательность векторов , где
Тогда коэффициенты характеристического многочлена будут удовлетворять системе линейных алгебраических уравнений
Оказывается [31], что многие методы (Крылова, Данилевского, Самуэльсона и т.д.) по существу являются методами решения этой системы специальном способом.
Устойчивость решения системы сильно зависит от матрицы А и начального вектора . Если матрица А имеет кратные собственные значения, то матрица системы обязательно будет вырожденной при любом векторе . Система с вырожденной матрицей не может иметь устойчивого решения, так как незначительным изменением коэффициентов ее вообще можно сделать можно сделать несовместной. Решение будет неустойчивым и в том случае, когда абсолютные значения коэффициентов разложения вектора по собственным векторам матрицы А имеют большой разброс.
Отмеченный недостаток отсутствует у прямых методов, основанных на унитарных преобразованиях матрицы А, но этих методах значительно сложнее определяются коэффициенты характеристического многочлена.
3.1 Вычислительные методы полной проблемы собственных значений
Различают полную и частичную проблему собственных значений, тогда необходимо найти весь спектр (все собственные значения) и собственные векторы либо часть спектра, например: и . Величина называется спектральным радиусом.
Метод непосредственного развертывания
Полную проблему собственных значений для матриц невысокого порядка можно решить методом непосредственного развертывания. В этом случае будем иметь
(2.5)
Уравнение является нелинейным (методы его решения изложены в следующем разделе). Его решение дает , вообще говоря, комплексных собственных значений при которых . Для каждого можеть быть найдено решение однородной системы , . Эти решения , определенные с точностью до произвольной константы, образуют систему , вообще говоря, различных векторов — мерного пространства. В некоторых задачах несколько этих векторов (или все) могут совпадать.
Нахождение собственных значений матрицы методом А.M. Данилевского.
Сущность метода Данилевского заключается в приведении векового определителя к так называемому нормальному виду Фробениуса
Если нам удалось записать вековой определитель в такой форме, то, разлагая его по элементам первой строки будем иметь:
Таким образом задача сводится к нахождению матрицы P в форме Фробениуса подобной матрице A, так как собственные числа инвариантны относительно операции подобия. Процедура последовательно преобразует строки исходной матрицы, начиная с последней, к виду описанному выше, при этом преобразование осуществляется таким образом, чтобы полученные матрицы были подобны. Опишем первое из преобразований, которое приводит n-ую строку исходной матрицы A к необходимому виду. Вначале преобразуем матрицу A в матрицу B по следующим формулам:
