看板 Grad-ProbAsk 關於我們 聯絡資訊
※ 引述《doom8199 (~口卡口卡 修~)》之銘言: : ※ 引述《ILzi ( 並不好笑 )》之銘言: : : 這題轉成quadraic form好像不好算 : : 所以提供另一個方法 : : 首先 : : [ x2 ] : : [ x3 ] : : [ x4 ] 2 2 2 : : S=[x1 x2 x3 ... x99] [ . ],由柯西不等式我們知道 S ≦(1-x100 )(1-x1 ) : : [ . ] ↑ : : [ . ] │ : : [x100] │ : : │ : : 同時,由柯西不等式亦可得知 │ : : 當[x1 x2 x3 ... x99] = [x2 x3 x4 ... x100]時,S會有最大值 │ : : │ : : 即 x1 = x2 = x3 = ... = x100 時有最大值 │ : : │ : : 則 x1 = x2 = x3 = ... = x100 = 1/10 │ : : │ : : S = 99 * 1/10 * 1/10 = 99/100,同時也符合上述柯西不等式───┘ : ---- : 柯西不等式等號等成立時,不代表是 極/最 值發生處 : 收斂性 + 有界 成立,你才能說極值存在 : 回想一下高中時期,在用各種常用不等式來算最值時 : 不等式某一邊常常會湊成一個常數值 : 這 implies 該系統有上/下界 globally : 因此才會下一個結論: "當等號成立時, xxx 有最大/小值 xxx" : ----- : 算這類問題,in general 就是使用 lagrange multipliers : 寫成矩陣型態只是讓表達上比較有系統 : 因此考慮一向量 v = [x1, x2, ..., x_n]' (single-quote rep. transpose) : 1 : A_n = ──(L_n + U_n) : 2 : ( Note: L_n (/U_n) 代表上(/下)平移矩陣 : 可參照 http://en.wikipedia.org/wiki/Shift_matrix ) : 則原問題可改寫成: S_n = v'(A_n)v - λ(v'v - 1) : δ S_n : ──── = 0 => (A_n + A_n')v - 2λv = 0 : δv : => (A_n)v - λv = 0 ( 注意到 A_n' = A_n ) : 可知 S_n 的極值發生於 eigenvectors of the matrix A_n : 此時 S_n = v'(A_n)v = λv'v = λ corresponding to eigenvalues of A_n : 所以 S_n ≦ λ_max : ( ps: 有學過 PCA 或相關 estimation 的人應該對這結果不陌生XD ) : 因此接下來的重點在於如何求得 A_n 的所有 eigenvalues 對於Sn ,這邊提供一個另一種方法,雖然比較笨,但是似乎也得到一樣的結果 [ 0 1/2 0 0 ... 0 0] [1/2 0 1/2 0 ... 0 0] T [ 0 1/2 0 1/2... 0 0] 令X=[x1 x2 ... x100] A=[ . . . . . . .] [ . . . . . . .] [ . . . . . . .] [ 0 0 0 0 1/2 0] Sn=x1x2+x2x3+...+x99x100 T =X A X 因為A是對稱矩陣,所以可以對角化得 [λ1 . . . 0 ] [ v1^T ] [ . . . ] [ . ] T T A=[v1 v2 ... v100][ . . . ] [ . ] = PDP , 其中PP = I [ . . . ] [ . ] [ 0 . . . λ100] [v100^T] 當然,v1~v100分別是λ1~λ100的 orthonormal eigenvector T T T T T 則Sn = X PDP X = (X P)D(X P) 2 = Σ λi (X.vi) 利用光譜分解定理,我們知道對所有X,都存在有一組(c1,c2,...,c100) 使得X = Σci vi 2 Sn = Σ λi [(Σci vi).vi] 2 = Σ λi (ci) 2 2 2 = λ1 c1 + λ2 c2 + ... + λ100 c100 又,依照題目條件,我們知道||X|| = 1 2 =>(Σci vi).(Σci vi) = Σ ci = 1 Sn ≦ λ1*0 + λ2*0 + ... +λmax*1 + ... + λ100*0 = λmax 接下來就如同以下解法.. 提供另一個做法給大家參考,有錯誤的話請大家提出 : ===== : assume d[n] = determinant of the matrix [A_n - λ*(I_n)] : where I_n is a n by n identity matrix : 不難得出以下遞迴式: : ┌ d[n] = -λ*d[n-1] - (1/4)*d[n-2] , n>1 ____(1) : │ d[1] = -λ : └ d[0] = 1 : -λ + √(λ^2 - 1) n -λ - √(λ^2 - 1) n : 由 (1)式可得 d[n] = c1*[─────────] + c2*[─────────] : 2 2 : 為了簡化問題,令 λ = cosh(θ) : e^(-nθ) e^(nθ) : 則 d[n] 可被改寫成 c1*───── + c2*──── : (-2)^n (-2)^n : e^(-θ) e^θ : 根據初始條件可解出 (c1, c2) = ( ───────, ────── ) : (-2)*sinh(θ) 2*sinh(θ) : 1 -(n+1)θ (n+1)θ : 套回 d[n] = ───────────*[ e - e ] : (-2)^(n+1) * sinh(θ) : ikπ : solve d[n] = 0 => θ = ─── , k€{1,2,...,n} : (n+1) : (Note that θ is undef. occurring k=0) : kπ : => λ €{ cos(──) │ k = 1 to n } : n+1 : π : 因此 S_n ≦ λ_max = cos(──) : n+1 -- -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 163.19.249.253