Как нормировать вектор матрицы

Норма матрицы

Рассмотрим произвольную матрицу A порядка m×n и связанную с нею линейное преобразование y=Ax, где xV n , y∈U m . Введем в этих пространствах нормы векторов Как нормировать вектор матрицы, Как нормировать вектор матрицы.

Определим норму матрицы A равенством:

Как нормировать вектор матрицы(1)

Из определения нормы матрицы следует:

Как нормировать вектор матрицы(2)

Пусть для двух матриц A и B порядка m×n определены одни и те же векторные нормы. Тогда имеем соотношение:

Как нормировать вектор матрицы(3)

Кроме того справедливо равенство

где λ любое число.

Пусть для m×n матрицы A и n×k матрицы B определены матричные нормы Как нормировать вектор матрицы, Как нормировать вектор матрицыи пусть для m×k матрицы AB определена норма Как нормировать вектор матрицы. Тогда

Как нормировать вектор матрицы.

Вычислим норму матрицы A , введя в пространствах V и U конкретные векторные нормы.

1. Пусть в пространствах V и U введена векторная норма

Как нормировать вектор матрицы

Как нормировать вектор матрицыКак нормировать вектор матрицы

В (5) и (6) неравнетство превращается в равенство, если взять Как нормировать вектор матрицыи Как нормировать вектор матрицы, j=1. n, где l-то значение i, при котором

Как нормировать вектор матрицы

достигает своего максимума. Учитывая высшеизложенное, неравенство (6) и равенство (1), получим:

Как нормировать вектор матрицы

2. Введем в пространствах V и U векторную норму

Как нормировать вектор матрицы

Как нормировать вектор матрицыКак нормировать вектор матрицыКак нормировать вектор матрицыКак нормировать вектор матрицыКак нормировать вектор матрицыКак нормировать вектор матрицы

Как нормировать вектор матрицы

Пусть Как нормировать вектор матрицыдостигается при j=l. Для вектора x, у которого только один элемент отлично от нуля, имеем:

Как нормировать вектор матрицыКак нормировать вектор матрицыКак нормировать вектор матрицыКак нормировать вектор матрицыКак нормировать вектор матрицыКак нормировать вектор матрицы

Учитывая (1),(8) и (9) получим l-норму матрицы A:

Как нормировать вектор матрицы

Норму матрицы, определяемую с помощью формулы (1), называется операторной нормой, подчиненной данной норме векторов.

Отметим, что определение нормы матрицы (1) эквивалентно следующему определению:

Как нормировать вектор матрицы

Действительно, любой ненулевой вектор x∈V можно представить в виде произведения λx₁, где Как нормировать вектор матрицы, Как нормировать вектор матрицы. Тогда, учитывая, что Как нормировать вектор матрицы, получим:

Как нормировать вектор матрицыКак нормировать вектор матрицы

Видео:Орт вектора. Нормировать вектор. Найти единичный векторСкачать

Орт вектора.  Нормировать вектор.  Найти единичный вектор

Примеры вычисления нормы матрицы

Вычислим m-норму и l-норму матрицы используя (7) и (10).

Как нормировать вектор матрицы

Как нормировать вектор матрицыКак нормировать вектор матрицыКак нормировать вектор матрицы

Как нормировать вектор матрицыКак нормировать вектор матрицыКак нормировать вектор матрицы

Видео:Матрицы и векторыСкачать

Матрицы и векторы

Геометрическая интерпретация нормы матрицы

Пусть в линейном пространстве V введена m-норма для всех векторов x∈V:

Как нормировать вектор матрицы.

Найдем норму матрицы

Как нормировать вектор матрицы.

Рассмотрим множество всех векторов, которые имеют норму 1. В двухмерном пространстве это те векторы конечные точки которых находятся на квадрате на рис. 1. Обозначим это множество символом X0.

Как нормировать вектор матрицы

Как нормировать вектор матрицы

На рисунке рис. 2 изображено пространство столбцов матрицы A. Каждому вектору x∈X0 соответствует вектор Ax в U. Конечные точки этих векторов находятся на пунктирном четырехугольнике ABCD. m-норма матрицы A — это модуль наибольшго координата наибольшего из векторов, конечная точка которого находится на четырехугольнике ABCD. На рис.2 это векторы Как нормировать вектор матрицыи Как нормировать вектор матрицыа модуль наибольшего координата 6. Используя (3), аналитически получим тот же результат.

Отметим, что норма матрицы показывает насколько максимально растягивается вектор x при отображении y=Ax. В нашем примере векторы х растягиваются максимально 6 раз.

Видео:Собственные значения и собственные векторы матрицы (4)Скачать

Собственные значения и собственные векторы матрицы (4)

Нормы векторов и матриц

Для исследования сходимости и точности численных итерационных методов решения задач линейной и нелинейной и нелинейной алгебры, в том числе итерационных методов решения СЛАУ и СНАУ, необходимо ввести понятие нормы векторов матриц.

Нормой вектора х = Как нормировать вектор матрицы(обозначают Как нормировать вектор матрицы)

В n — мерной вещественном пространстве векторов x Как нормировать вектор матрицыR n называют неотрицательное число, вычисляемое с помощью компонент вектора и обладающее следующими свойствами

а) Как нормировать вектор матрицы0 ( Как нормировать вектор матрицы= 0 тогда и только тогда, когда x – нулевой вектор, т.е. x = Как нормировать вектор матрицы);

б) Как нормировать вектор матрицы= Как нормировать вектор матрицыдля любых чисел Как нормировать вектор матрицы(действительных или комплексных);

в) Как нормировать вектор матрицы.

Нормой матрицы Аn+n(обозначается Как нормировать вектор матрицыc вещественными элементами в n-мерном пространстве матриц А Как нормировать вектор матрицыR n называют неотрицательное число, вычисляемое с помощью элементов матрицы и обладающее следующими свойствами:

а) Как нормировать вектор матрицы0 ( Как нормировать вектор матрицы0 тогда и только тогда, когда А – нулевая матрица, т.е. А= Как нормировать вектор матрицы);

б) Как нормировать вектор матрицыдля любых действительных и комплексных чисел Как нормировать вектор матрицы;

в) Как нормировать вектор матрицы+ Как нормировать вектор матрицы;

г) Как нормировать вектор матрицыдля всех Как нормировать вектор матрицыматриц А и Как нормировать вектор матрицырассматриваемого пространства.

Нормы матриц и векторов, на которые матрицы действуют должны быть согласованы.

Норма матрицы А называется согласованной с нормой вектора х, на который действует матрица А; если выполняется неравенство

Как нормировать вектор матрицыКак нормировать вектор матрицы, (*)

которое называется связью, осуществляющей согласование матрицы А с вектором х.

Наиболее употребительными являются следующие нормы векторов:

Как нормировать вектор матрицы, I = Как нормировать вектор матрицы, …

Как нормировать вектор матрицы
Как нормировать вектор матрицы

Согласованными с ними с помощью связи нормами матриц будут соответственно:

Как нормировать вектор матрицы
Как нормировать вектор матрицы

Как нормировать вектор матрицы

Где Как нормировать вектор матрицы— модули собственных чисел симметрической вещественной матрицы Как нормировать вектор матрицыдля которой все Как нормировать вектор матрицыявляются действительными числами;

Как нормировать вектор матрицы— максимальное по модулю собственное значение матрицы Как нормировать вектор матрицыили спектральный радиус вещественной матрицы А.

Основная и дополнительная литература по дисциплине.

Основная:

1. Формалев В.Ф., Ревизников Д.Л. Численные методы.-М.: Физматлит 2004-400с.

2. Пирумов У.Г. (редактор). Численные методы. Учебник и практикум. Бакалавр. Академический курс.-М.: Юрайт, 2014-422с.

3. Численные методы. Сборник задач. Под редакцией У.Г.Пирумова.-М.: Дрофа, 2007-144с.

Дополнительная:

4. Вержбицкий В.М. Численные методы. Три книги:

1) Линейная алгебра и нелинейные уравнения.

2) Математический анализ и ЛДУ.

3) Дифференциальные уравнения в частных производных.

5. Демидович Б.П., Марон И.А. Основы вычислительной математики.-М.: наука, 1966, — 664с.

Учебная литература к лекции 1:

Как нормировать вектор матрицы, с.3…15; Как нормировать вектор матрицы,с.3…6.

Дата добавления: 2016-03-04 ; просмотров: 1974 ; ЗАКАЗАТЬ НАПИСАНИЕ РАБОТЫ

Видео:Лекция 2, Векторные и матричные нормы, унитарные матрицы, SVDСкачать

Лекция 2, Векторные и матричные нормы, унитарные матрицы, SVD

9.3. Метод собственного вектора

Математические методы позволяют эффективно ана­лизировать весьма сложные и большие системы, модели которых состоят из нескольких уровней. Например, из­вестная модель мировой динамики Форрестера и Медоуза рассматривает ресурсы, население, уровень жизни, капиталовложения, загрязнение среды. Анализ состояния окружающей среды приводит к модели, уровнями которой могут быть: 1) типы загрязнителей SO2, NO4, CO2, CO, стоки вод, твердые отходы, земля), 2) способы очистки, 3) очистительные устройства. Изучение вопро­са об общем благосостоянии страны целесообразно про­водить по таким уровням: 1) экономика, оборона, здра­воохранение; 2) отрасли промышленности; 3) ресурсы; 4) демография. Уровни располагаются по их значимо­сти, т. е. образуют Иерархию. Анализ таких Иерархиче­ских систем, сводится прежде всего к тому, чтобы для каждого уровня выбрать Приоритеты и в соответствии с ними расположить объекты этого уровня. Основная цель анализа: выяснить, насколько влияют факторы самого низкого уровня на общую цель. Покажем на конкретном примере, как это делают Методом соб­ственного вектора. Этот метод позволяет расположить рассматриваемые объекты по степени их значимости путем попарного сравнения по различным независимым признакам.

На должность юриста крупного предприятия претендуют трое (обозначим их А, В, С). Директор предприя­тия в большом затруднении, т. к. среди претендентов нет такого, кто превосходил бы остальных по всем парамет­рам. Один имеет больший опыт, зато другой имеет луч­шее образование и опубликовал несколько научных работ; третий известен своей исключительной ответствен­ностью и добросовестностью и т. д. Как выбрать Наи­лучшего по совокупности качеств? Тут директор вспомнил, что в институте экологии и права, где он учился, им преподавали математику, и, в частности, рассказывали о применении математических методов в теории принятия решений. Покопавшись в своих архи­вах, директор нашел лекции по математике и решил воспользоваться методом собственных векторов, приме­няемом при изучении иерархических систем.

Во-первых, он выбрал 3 основных критерия, по которым будут сравниваться кандидаты: профессионализм и опыт (критерий К1), ответственность и добросовест­ность (К2), организаторские способности (K3). По такому важному критерию как честность и порядочность пре­тендентов сравнить было невозможно — у всех троих в характеристиках было написано по этому поводу прак­тически одно и то же. Первая задача состояла в том, чтобы расположить эти критерии в порядке важности. Вторая задача состояла в том, чтобы сравнить кандида­тов между собой по каждому из этих критериев, припи­сав каждому из них определенный балл.

Этап первый: сравнение критериев.

Исходя из своего жизненного и профессионального опыта, директор полагал, что критерий К1 важнее, чем критерии К2 и К3, причем, если сравнивать их количе­ственно, в баллах, то К1 : К2

5 : 3. При этом, если, сравнивать последние два качества между со­бой, то они примерно равноценны, т. е. можно считать, что K2 : K3

1 : 1. Далее директор составил матрицу К Размером 3´3, т. е. таблицу с тремя строками и тремя столбцами, куда занес отношения указанных баллов:

Как нормировать вектор матрицы

Число, стоящее на пересечении строки с номером I и столбца с номером J, обычно обозначают АIj. Поэтому у нас A11 = 1, A22 = 1, А33 = 1, A12 = 5/4, A13 = 5/3, А23 = 1, и т. д. Заметьте, что числа Aij и АJi являются взаимно обратными.

Все дальнейшие вычисления будем проводить вместе с директором приближенно, округляя до сотых долей, причем нам понадобятся только числа А12 = 1,25; A13 = 1,67 и A23 = 1.

Прежде всего находят так называемое Главное собственное число L матрицы К по формуле

Как нормировать вектор матрицы

Пользуясь калькулятором, получаем:

Как нормировать вектор матрицы

Теперь находим координаты W1, W2 и W3 так называемо­го Главного собственного вектора матрицы К по фор­мулам

Как нормировать вектор матрицы

Как нормировать вектор матрицы

Подставляя сюда наши значения А12 = 1,25; A13 = 1,67;

A23 = 1, последовательно получаем:

Как нормировать вектор матрицы

Теперь собственный вектор Как нормировать вектор матрицы(W1, W2, W3) Нужно Норми­ровать, т. е. каждую координату разделить на сумму всех координат. Имеем:

Как нормировать вектор матрицы

Сумма полученных чисел равна единице. Обозначим вектор, координатами которого являются эти числа, также буквой Как нормировать вектор матрицы:

Как нормировать вектор матрицы

Этот вектор называется Вектором приоритетов. Соглас­но теории, качества К1, К2 и K3 можно расположить по приоритету с баллами 0,42; 0,30 и 0,28 соответственно.

Этап второй: сравнение претендентов по качеству К1. Из имеющихся у него документов (характеристик, рекомендаций, отзывов, научных публикаций) директор сумел сравнить между собой каждую пару претендентов по качеству К1. У него получилось А : В

1 : 2 (т. е. у В Балл в 2 раза выше, чем у А), А : С

2 : 1. Поэтому матрица К1 попарных сравнений получилась такая

Как нормировать вектор матрицы

Из нее видно, что А12 = 0,5, А13 = 0,33, А23 = 2. Подстав­ляя эти числа в формулы (1)-(4), как и в предыдущем случае находим:

Как нормировать вектор матрицы

Как нормировать вектор матрицы

Итак, в этом случае вектор приоритетов будет Как нормировать вектор матрицы(0,17; 0,48; 0,35), т. е., если сравнивать, претендентов по качеству К1, то они получают баллы 0,17, 0,48 и 0,35 соответственно.

Этап третий: сравнение претендентов по качеству K2:

Как было видно из документов, каждые двое из пре­тендентов работали некоторое время в одной и той же фирме и вели примерно одинаковые дела. Просмотрев последние и оценив качество исполнения, директор по­лучил следующие отношения при попарном сравнении по критерию K2: А : В

3 : 4. Запишем матрицу К2 попарных сравнений:

Как нормировать вектор матрицы

Как нормировать вектор матрицы

Как нормировать вектор матрицы

Вектор приоритетов будет Как нормировать вектор матрицы(0,38; 0,26; 0,36), так что по качеству К2 претенденты получают баллы 0,38, 0,26 и 0,36 соответственно.

Этап четвертый: сравнение по качеству K3. Поскольку никто из претендентов прежде не нахо­дился на руководящей работе, то директор, исходя из весьма туманных соображений и своей интуиции, смог только оценить вероятность того, что тот или иной пре­тендент станет хорошим руководителем. Получились вероятности 0,8, 0,7 и 0,6 соответственно. Таким обра­зом, удалось обойтись без попарного сравнения. Разде­лив каждое из указанных чисел на их сумму 0,8 + 0,7 + 0,6 = 2,1, находим вектор приоритетов: Как нормировать вектор матрицы(0,38; 0,33; 0,29).

Этап пятый: получение окончательно результата. Согласно теории, окончательное распределение мест получается следующим образом. Составим из векторов Как нормировать вектор матрицы, Как нормировать вектор матрицыи Как нормировать вектор матрицыматрицу 3´3, записав их координаты в столбцы:

Как нормировать вектор матрицы

Затем умножим эту матрицу на матрицу-столбец

Как нормировать вектор матрицы

Составленную из координат вектора Как нормировать вектор матрицы. По правилу ум­ножения матриц,

Как нормировать вектор матрицы

Итак, окончательное распределение мест следующее:

Претендент А набрал 0,29 балла, претендент В — 0,37 балла, претендент C — 0,34 балла. Метод собственного вектора отдал предпочтение претенденту В.

Предупреждение: не попадайте под гипнотическое воздействие чисел! Несмотря на объективность матема­тических методов, полученный результат нельзя рас­сматривать как истину в последней инстанции. Хотя бы потому, что выбор исходного материала (т. е. чисел А12, а13 и А23, входящих в матрицы К1, К2, К3), был в зна­чительной степени субъективным. Поэтому и претен­дент С, имеющий примерно такой же балл, как и В, Также имеет шанс на успех, в особенности, если он не курит или согласен на меньшую зарплату.

1. Описанным методом можно сравнивать любое число кандидатов и по любому числу критериев, однако при большом их числе придется пользоваться другими формулами, приведенными, например, в книге Т. Саати «Принятие решений».

2. Вычислительные трудности, разумеется, можно переложить на ЭВМ.

3. Мы сознательно упростили ситуацию, опустив не­которые тонкости, связанные с оценкой метода. О них также можно прочитать в книге Т. Саати.

4. Еще раз отметим, в чем сила описанного метода. Сравнить каждые два объекта между собой по одному критерию довольно просто, и это дает возможность сравнительно легко заполнить матрицу попарных срав­нений. Но затем, с помощью несложных вычислений, мы находим ответ уже на довольно трудный вопрос: ка­кой из рассматриваемых объектов превосходит осталь­ные по совокупности всех критериев.

Метод собственного вектора можно применять для анализа самых разнообразных проблем, о которых шла речь в начале параграфа. Например, автор упомянутой выше книги проанализировал этим методом рост терро­ризма для агентства по контролю над вооружениями и разоружением в Вашингтоне.

В качестве самостоятельной задачи попробуйте оце­нить претендентов на должность мэра Вашего города, выбрав критерии по своему усмотрению.

📹 Видео

Собственные векторы и собственные значения матрицыСкачать

Собственные векторы и собственные значения матрицы

Собственные векторы и собственные числа линейного оператораСкачать

Собственные векторы и собственные числа линейного оператора

Занятие 12. Векторы и матрицыСкачать

Занятие 12. Векторы и матрицы

Что такое векторы и матрицы? Душкин объяснитСкачать

Что такое векторы и матрицы? Душкин объяснит

Лекция №2.2 НормыСкачать

Лекция №2.2 Нормы

Норма вектора. Часть 1.Скачать

Норма вектора. Часть 1.

Как разложить вектор по базису - bezbotvyСкачать

Как разложить вектор по базису - bezbotvy

Урок 3. Произведение векторов и загадочный угол между векторами. Высшая математика | TutorOnlineСкачать

Урок 3. Произведение векторов и загадочный угол между векторами. Высшая математика | TutorOnline

Собственные значения и собственные векторыСкачать

Собственные значения и собственные векторы

7 4 Собственные векторы и собственные значенияСкачать

7 4  Собственные векторы и собственные значения

Линал 2.6. Умножение матрицы на векторСкачать

Линал 2.6. Умножение матрицы на вектор

А.7.35 Собственные вектора и собственные значения матрицыСкачать

А.7.35 Собственные вектора и собственные значения матрицы

Что такое вектора? | Сущность Линейной Алгебры, глава 1Скачать

Что такое вектора? | Сущность Линейной Алгебры, глава 1

Айгенвектора и айгензначения | Сущность Линейной Алгебры, глава 10Скачать

Айгенвектора и айгензначения | Сущность Линейной Алгебры, глава 10

#11. Произведение матриц и векторов, элементы линейной алгебры | NumPy урокиСкачать

#11. Произведение матриц и векторов, элементы линейной алгебры | NumPy уроки

Собственные векторы и собственные значенияСкачать

Собственные векторы и собственные значения
Поделиться или сохранить к себе: