目錄
簡介
比較矩陣
一致矩陣及其性質(zhì)
比較矩陣的最大特征值對應(yīng)的特征向量是權(quán)重向量的數(shù)學(xué)推導(dǎo)
簡介
最近在解決一些定性的問題啥辨,這些問題很難定量化巧勤,所以想到了層次分析法坑夯,在梳理層次分析法時划咐,發(fā)現(xiàn)了一個問題箱熬,幾乎所有的文檔都直接給出比較矩陣的特征向量就是權(quán)重向量,沒有在數(shù)學(xué)上給出證明,感覺這個結(jié)論很想當(dāng)然窄俏,本文在數(shù)學(xué)上對這個結(jié)論進(jìn)行推導(dǎo)蹂匹。
比較矩陣
我們在處理定性問題時,通常要考慮很多因素凹蜈,這些因素很難定量刻畫限寞,但是我們又需要知道每個因素對我們目標(biāo)的影響權(quán)重,這種情況下就可以使用層次分析法仰坦,定性問題定量化履植。
如果不使用層分析法,實(shí)際影響因素的權(quán)重是定性給出的悄晃,可能極不合理玫霎,所以,我們要用定量的方法(層次分析法)刻畫這個定性的過程妈橄,使在定性的過程中合情合理庶近,層次分析采用了兩兩因素之間比較重要性,構(gòu)造比較矩陣的方式眷蚓,使定性問題定量化鼻种。
比較矩陣的構(gòu)造
對一個比較矩陣A,其元素表示第i個因素比第j個因素的重要性沙热,其取值和對應(yīng)的意義如下:
數(shù)值 | 含義 |
---|---|
1 | 兩個因素相比叉钥,具有相同的重要性 |
3 | 兩個因素相比,前面的因素比后面的因素稍微重要 |
5 | 兩個因素相比篙贸,前面的因素比后面的因素明顯重要 |
7 | 兩個因素相比沼侣,前面的因素比后面的因素強(qiáng)烈重要 |
9 | 兩個因素相比,前面的因素比后面的因素極端重要 |
2歉秫,4蛾洛,6,8 | 上面兩個相鄰判斷的中值 |
倒數(shù) | 因素i和因素j的比較值為,那么因素j和因素i的比較值為 |
比較矩陣的性質(zhì)
由上面的比較矩陣的構(gòu)造可以看出比較矩陣有如下性質(zhì):
比較矩陣一定是正互反矩陣,即,其中.
一致矩陣
一致矩陣的定義
對于矩陣A轧膘,如果, 且,則稱矩陣A為一致矩陣钞螟。
一致矩陣的性質(zhì)
由一致矩陣的定義可以得到以下性質(zhì):
1、一致矩陣的對角線都是1.
2谎碍、一致矩陣的秩等于1.
3鳞滨、秩等于1的正互反矩陣一定是一致矩陣。
4蟆淀、一致矩陣一定是正互反矩陣拯啦。
對于以上性質(zhì)的證明用到以下定律:
A為一致性矩陣的充分必要條件是,存在正向量熔任,有(其中)褒链,下面先對這個定理進(jìn)行證明。
證明:
充分性:若對于矩陣A疑苔,有(其中)甫匹。則:
所以A是一致性矩陣。
必要性:若A是一致性矩陣惦费,有,取i=j,得到:
所以對角線上元素為1兵迅。
又
令i=j得到:
所以,一致矩陣是正互反矩陣薪贫。
又恍箭,所以:
取k=1,有:
所有取,且有:
其中
所以必要性得到證明臀突。
所以上面的性質(zhì)1,2,3,4得到證明勉抓。
比較矩陣的特征向量是權(quán)重向量的數(shù)學(xué)推導(dǎo)
一致性矩陣下面的證明
我們從問題出發(fā)贾漏,我們現(xiàn)在想要得到的是候学,各因素對目標(biāo)影響的權(quán)重向量。設(shè)這個向量為
先來看看這個向量的含義纵散,這個向量中每個元素含義是對應(yīng)于每個因素對目標(biāo)的影響權(quán)重.
所以梳码,我們可以直接從這個權(quán)重向量來構(gòu)造比較矩陣。顯然第i個因素對第j個因素的比較值為
所以比較矩陣為
所以我們只需要證明伍掀,A的特征向量就是W掰茶。
證明:
所以,W是A的屬于特征值n的特征向量蜜笤,因?yàn)锳的秩為1濒蒋,所以A只有一個特征值,所以,比較矩陣的特征向量就是權(quán)重向量沪伙。
上面只證明了完全一致性矩陣的情況瓮顽。對于有滿意的一致性的矩陣的情況,我們只需證明正互反矩陣可以唯一分解成標(biāo)準(zhǔn)形和一致矩陣 的 hadamard乘積即可围橡。有下面定理暖混。
有滿意的一致性的非一致矩陣的證明
hadamard乘積定義
設(shè),定義,為矩陣A與矩陣B的hadamard乘積定義翁授。
標(biāo)準(zhǔn)型定義
標(biāo)準(zhǔn)型I:如E是一個正互反矩陣拣播,如果對任意的i,k 有。
譜半徑定義
對于一個矩陣A收擦,譜半徑定義為所有特征值的模的最大值贮配。
hadamard分解定理
對任意的正互反矩陣A,有唯一的hadamard分解炬守,即,其中為一致矩陣牧嫉。為標(biāo)準(zhǔn)型I.為一致性矩陣的特征向量,
證明:設(shè)A的屬于特征值的歸一化后的特征向量為
因?yàn)?img class="math-inline" src="https://math.jianshu.com/math?formula=a_%7Bi%2Cj%7D%3D%5Cfrac%7Bw_i%7D%7Bw_j%7D%5Cfrac%7Bw_j%7D%7Bw_j%7D%20a_%7Bi%2Cj%7D" alt="a_{i,j}=\frac{w_i}{w_j}\frac{w_j}{w_j} a_{i,j}" mathimg="1">
所以
令
對于,剛好是其特征向量,且是一致矩陣减途。(上面已經(jīng)證明)
對于矩陣酣藻,設(shè),則:
所以也是一個正互反矩陣。
且有:
所以鳍置,A與相似辽剧。所以A與有相同的特征值。
對于
因?yàn)锳的屬于特征值的特征向量為
所以:
所以:
所以税产,時標(biāo)準(zhǔn)型I怕轿。
再證唯一性。
這里只需要證明辟拷,是A的最大特征值撞羽,且是A的單特征根,加上是歸一化之后的衫冻,我們就可以唯一的確定诀紊,從而唯一的確定,從而唯一的確定hadamard分解。
前面我們證明了隅俘,A和是相似的邻奠, 也是正互反矩陣,我們只要證明的最大特征值是即可为居。
對于一個正矩陣碌宴,有其下性質(zhì)(這里不給出證明):
1、最大特征值一定為正,且一定是單特征根蒙畴。
2贰镣、其譜半徑的范圍如下:
由上面正矩陣的性質(zhì),我們得到:
所以,
所以是A的最大特征值碑隆,且是A的單特征根董朝。
所以分解式是唯一的。所以定理得到證明干跛。
我們證明了hadamard分解定理子姜,但是并沒有結(jié)束,因?yàn)槲覀冞€沒有得到想要的結(jié)論:非一致的比較矩陣的最大特征值對應(yīng)的特征向量就是我們想要的權(quán)重向量楼入。有了上面的準(zhǔn)備工作哥捕,下面給出這個結(jié)論的證明。
證明:
由上面的hadamard分解定理嘉熊,我們得到一個非一致的矩陣遥赚,我們可以唯一分解為一個一致矩陣和一個標(biāo)準(zhǔn)型I。而這個標(biāo)準(zhǔn)型I只能進(jìn)行如下分解:
所以阐肤,我們把一個非一致的比較矩陣分成了兩部分凫佛,一個一致矩陣和一個標(biāo)準(zhǔn)型。
這個標(biāo)準(zhǔn)型可以理解為孕惜,我們在構(gòu)造比較矩陣時引入的噪音和不確定性愧薛,我們是不需要考慮的,我們只需要考慮一致矩陣,而是一致的衫画,其特征向量剛好就是原矩陣A的屬于最大特征值的特征向量毫炉。
所以非一致的比較矩陣的最大特征值對應(yīng)的特征向量就是我們想要的權(quán)重向量。
最后
在得到我們想要的結(jié)論后削罩,我們自然而然的會產(chǎn)生一個問題瞄勾,那就是被分離出來的被我們忽略了,但是當(dāng)影響很大時弥激,我們就不能忽略进陡。所以在AHP的做法里面,構(gòu)造CI指標(biāo)微服,要對原比較矩陣做一致性檢驗(yàn)趾疚,對原矩陣做一致性檢驗(yàn),就是對做一致性檢驗(yàn)职辨。
為什么比較矩陣的最大特征值一定大于等于n(矩陣階數(shù))盗蟆。
證明:根據(jù)Perron-Frobenius定理戈二,對于比較矩陣A 有一下不等式舒裤。
反證發(fā),若
則:
這與 矛盾觉吭。
所以腾供,比較矩陣的最大特征值一定大于等于n(矩陣階數(shù))。