为什么层次分析法要研究“特征值”和特征向量.pdfVIP

为什么层次分析法中要求解“特征值”和“特征向量” 作者： statist 3927 暨南大学 经济学硕士 几年前在一个项目中为了给一个客户制定一套评估方案，我研习了层次分析法。当时留 下个小小的遗憾或者困惑没能解决：即为什么计算一个方案的各个影响因素的权重的时候， 非得拿那个比较矩阵的“特征值”对应的“特征向量”中的元素归一化来计算？！不这么做 换另一个矩阵行不行……？我相信这个问题很多人像我一样都困惑过。到底层次分析法里面 的机理是什么，一直是我几年来心中未解开的疑团。不过最近在研究“特征值”的时候，我收 集到了很多论文，也找到了Saaty 教授关于层次分析法的原作，将其中的逻辑线条逐一排序、 梳理过后，终于搞明白了这个困扰我几年的难题。因为这不是一篇悬疑小说，按照阅读的习 惯，首先先说结论，然后再讲背后的证明逻辑。 主要的逻辑主要有如下4 个环节: 1. 在层次分析法中，人脑构造的“比较矩阵”其实并不太理想，存在着各个因素比较 后“不一致”的情况。例如，A 的重要性是B 的2 倍，B 的重要性是C 的2 倍，结 果轮到A 和C 比较时，A 的重要性又是C 的3 倍 （理想或严格的推导，结果应该 是4 倍）。 2. 所以，要研究“理想”的比较矩阵，看它有哪些特质可以用于计算各个影响因素 的权重；同时，如果这个“不太理想”的矩阵和“理想”的矩阵之间的差异可以容忍， 那么我们就可以在这个“不太理想”的矩阵里，参照“理想”矩阵特质，近似的求解 得到我们想要的结果。 3. 那“理想”的矩阵有哪些特质呢？这个“理想”的矩阵学名是正互反矩阵，而且是 “一致矩阵”：它的各个元素保持了比较过程中应该有的逻辑顺序。例如 A:B=2， B:C=2，那么A:C=4. 而且可以证明这个矩阵只有一个非零特征值（也就是最大特 征值），这个特征值对应的“特征向量”的各个元素，就是各个影响因素的权值。由 于我们习惯将权重之和设定为 100%，因此我们需要将这些权值进行归一化，归 一化后，可以得到各个影响因素的权重了。所以啊说白了，求特征值只是一个中 间步骤，真正要求的，是这个特征值对应的特征向量！ 4. 通过“理想”矩阵的特质求解权重的方法后，我们于是可以照葫芦画瓢，像第 2 步中所说的那样，利用“不太理想”但差异可以容忍的矩阵，近似的求解得到我们 想知道的权重了。 这样，通过以上的逻辑梳理，我终于算是搞明白为什么层次分析法要让我们去求解它的 比较矩阵的最大特征值了。 PS: 这里补充说一下权值和权重的区别。举个例子，一个石头重2KG，被敲成了4 个碎 块，分别为0.8KG ，0.6KG，0.4KG 和0.2KG 。这些就是4 个碎块的称重就是权值，而它们的 称重分别占比40%、30%、20%、10%就是权重。 以上的文字表述，都属于逻辑上的梳理，但是方法论毕竟是方法论，还得有严格的数学 证明。以下是证明“理想”的矩阵的特质的数学过程，有兴趣的小伙伴可以接着往下看。 1. 首先证明 “理想的比较矩阵”只有一个非零特征值（也就是最大特征值）。 假设各个影响因素的权值是 Wi，虽然我们暂时不知道它具体是多少，但是因素的权值 之间的比例是固定的，也即是Wi/Wj 是一个固定的值。这一点很容易理解，比方说A 的重 要性是B 的2 倍，那么无论表示“重要性”的量纲是值多少钱，是跑的速度，是温度高低…… 还是啥，A 比B 重要2 倍确是确定的，而且这个比例值我们通过重要性量表的打分就可以知 道。那么，有了这些比值之后，我们就可以构建出一个“理想的”矩阵。 接下来，就要证明这个 “理想”矩阵只有一个非零特征值（也就是最大特征值）。为了 证明这一点，我们得先证明这个矩阵的 rank=1，接着要证明这个 rank=1 的矩阵它只有一个 非零特征值，其他的都是零值特征值，这样这个特征值才是最大特征值。 2. 其次证明，最大特征值的特征向量，它的各个元素恰好就是各个影响因素的权值。 其实得到了权值之后，并非层次分析法的终点，最后的事情是将其各个权值进行归一化， 变成我们常见的权重。 好，下