构造随机正交矩阵

import numpy as np
from scipy.stats import ortho_group

d = 3
seed = 1
size = 2
a, b = np.float32(ortho_group.rvs(size=size, dim=d, random_state=seed))
print(a)
print(np.linalg.det(a))
print(a @ a.T)

参考资料

https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.ortho_group.html

转载于:https://www.cnblogs.com/weiyinfu/p/10987001.html

  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,以下是使用层次分析法(AHP)对判断矩阵进行一致性调整的MATLAB代码: ```matlab % 构造判断矩阵 A A = [1, 2, 5; 1/2, 1, 3; 1/5, 1/3, 1]; % 构造正交矩阵 B B = [1, 1, 1; 1, -1, 0; 1, 0, -1]; % 计算扰动误差矩阵 E E = B * randn(3) * B'; % 调整判断矩阵 A 以满足一致性 [~, ~, lambda_max] = ahp(A); % 计算初始一致性指标 A_new = (A + E) ./ (1 + lambda_max * E); % 调整后的判断矩阵 A_new(logical(eye(size(A_new)))) = 1; % 主对角线元素置 1 % 检查调整后的判断矩阵是否符合 1-9 标度法 [row, col] = find(A_new < 1 | A_new > 9); if isempty(row) disp('调整后的判断矩阵符合 1-9 标度法!'); else disp('调整后的判断矩阵不符合 1-9 标度法!'); end ``` 其中,`ahp` 函数是一个计算层次分析法一致性的函数,可以使用以下代码进行定义: ```matlab function [CI, RI, lambda_max] = ahp(A) % 计算层次分析法(AHP)的一致性指标 n = size(A, 1); WI = sum(A) ./ n; % 计算每个指标的权重 RI = [0, 0, 0.58, 0.9, 1.12, 1.24, 1.32, 1.41, 1.45, 1.49]; % 随机一致性指标 lambda_max = max(eig(A)); % 计算最大特征值 CI = (lambda_max - n) / (n - 1); % 计算一致性指标 CR = CI / RI(n); % 计算一致性比率 if CR < 0.1 disp('判断矩阵 A 通过一致性检验!'); else disp('判断矩阵 A 未通过一致性检验!'); end ``` 注意,在进行一致性调整时,需要先计算初始的一致性指标,然后利用扰动误差矩阵进行调整。调整后的判断矩阵需要再次检查是否符合 1-9 标度法。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值