Metody systemowe i decyzyjne w informatyce
Transkrypt
Metody systemowe i decyzyjne w informatyce
Metody systemowe i decyzyjne w informatyce Ćwiczenia – lista zadań nr 1 autorzy: A. Gonczarek, J.M. Tomczak Wstęp Zad. 1 Pokazać, że następujące tożsamości są prawdziwe: a) xT x = X x2i d) AAT = i T b) x Ax = ai aT i i XX i X aij xi xj e) ∇x xT Ax = (A + AT )x j c) tr AT X = XX i f ) ∇x xT Ax = 2Ax, aij xij gdzie A – macierz symetryczna j Pojęcie normy i iloczynu skalarnego Zad. 2 Pokazać z definicji, że następujące funkcje są normami (A – macierz symetryczna i dodatnio określona): a) kxk2 = X D 2 |xd | 1 2 d=1 b) kxk1 = D X e) kf k2 = |xd | f ) kf k1 = d=1 c) kxk∞ = max |xd | Z Z 2 |f (x)| dx |f (x)|dx g) kf k∞ = sup |f (x)| d x √ d) kxkA = xT Ax Zad. 3 Pokazać z definicji, że następujące funkcje są iloczynami skalarnymi: a) hx, yi = xT y 1 1 2 b) hx, yi = xT Ay, A – macierz symetryczna i dodatnio określona c) hf, gi = Z f (x)g(x)dx Jakie normy są generowane przez powyższe iloczyny skalarne? Liniowe zadanie najmniejszych kwadratów Zad. 4 Dany jest model y = φ(x)T w, gdzie w = (w0 w1 . . . wM −1 )T jest wektorem parametrów, a φ(x) = (φ0 (x) φ1 (x) . . . φM −1 (x))T jest wektorem funkcji bazowych. Dysponujemy następującymi obserwacjami y = (y1 y2 . . . yN )T oraz X = [x1 x2 . . . xN ]. Oznaczmy przez Φ = [φ(x1 ) φ(x2 ) . . . φ(xN )]T . Zakładając, że rząd r(Φ) = M , wyznaczyć w minimalizujące następujące kryterium: 1 Q(w) = ky − Φwk22 . 2 Dla jakich warunków istnieje dokładnie jedno rozwiązanie, a dla jakich wiele rozwiązań zadania najmniejszych kwadratów? Czy możliwa jest sytuacja, że nie istnieje rozwiązanie zadania najmniejszych kwadratów? Zad. 5 Pewien producent laptopów zainteresowany jest jak najlepszym gospodarowaniem zapasami w magazynie. W tym celu proponowany jest model, który wyraża łączny koszt magazynowania y na podstawie liczby laptopów x dostarczonych detaliście. Postać modelu: y = w0 φ0 (x) + w1 φ1 (x) + w2 φ2 (x), gdzie φ(x) = (φ0 (x) φ1 (x) φ2 (x))T = (1 x x2 )T . Producent posiada obserwacje z trzech ostatnich lat: x 20 10 50 y 880 1040 880 Wyznaczyć parametry modelu korzystając z kryterium kwadratowego. Przewidzieć koszt magazynowania dla x = 30. Znaleźć wartość x, dla której koszt magazynowania będzie najmniejszy. 2 Liniowe zadanie najmniejszych kwadratów z regularyzacją Tichonowa Zad. 7 Dany jest model y = φ(x)T w, gdzie w = (w0 w1 . . . wM −1 )T jest wektorem parametrów, a φ(x) = (φ0 (x) φ1 (x) . . . φM −1 (x))T jest wektorem funkcji bazowych. Dysponujemy następującymi obserwacjami y = (y1 y2 . . . yN )T oraz X = [x1 x2 . . . xN ]. Oznaczmy przez Φ = [φ(x1 ) φ(x2 ) . . . φ(xN )]T . Wyznaczyć w minimalizujące następujące kryterium: λ 1 Q(w) = ky − Φwk22 + kwk22 , 2 2 gdzie λ > 0. Zad. 8 Klient pewnego baru przy pierwszej wizycie wypił x litrów piwa, natomiast przy następnej – y litrów piwa. Zebrano następujące dane dotyczące trzech klientów: x 1 2 3 y 1 1 3 Dopasować model o następujących funkcjach bazowych φ(x) = (1 x x2 )T , korzystając z kryterium kwadratowego i kryterium kwadratowego z regularyzacją Tichonowa. Przyjąć λ = 1. Korzystając z obu uzyskanych modeli oszacować ile przy następnej wizycie wypije klient, który ostatnim razem wypił 5 litrów piwa. Który model lepiej odzwierciedla zjawisko? 3 DODATEK Definicja normy. Normą k · k : X → R+ nazywamy funkcję spełniającą następujące warunki: 1. kxk = 0 ⇔ x = 0, 2. kαxk = |α|kxk, gdzie α ∈ R, 3. kx + yk ¬ kxk + kyk. Definicja iloczynu skalarnego. Iloczynem skalarnym h·, ·i : X × X → R nazywamy funkcję spełniającą następujące warunki: 1. hx, xi 0, 2. hx, yi = hy, xi, 3. hαx, yi = αhx, yi, 4. hx + z, yi = hx, yi + hz, yi. Wybrane własności normy i iloczynu skalarnego: hx, xi = kxk2 , |hx, yi| ¬ kxkkyk (dla wektora w RD hx, yi = kxkkyk cos θ), kx + yk2 = kxk2 + 2hx, yi + kyk2 . kx − yk2 = kxk2 − 2hx, yi + kyk2 . Wybrane własności wektorów: T φ(x) w = w0 φ0 (x) + w1 φ1 (x) + . . . + wM −1 φM −1 (x) = M −1 X wm φm (x), m=0 gdzie w = (w0 w1 . . . wM −1 )T , φ(x) = (φ0 (x) φ1 (x) . . . φM −1 (x))T Wektory ortogonalne i ortonormalne. Wektory x i y nazywamy wektorami ortogonalnymi, jeżeli hx, yi = 0. Dodatkowo jeśli kxk = kyk = 1, to wektory te nazywamy ortonormalnymi. 4 Wybrane własności macierzy: (AB)−1 = B−1 A−1 (AB)T = BT AT Macierz A jest dodatnio określona ⇔ dla każdego wektora x 6= 0 zachodzi następująca własność xT Ax > 0 ∇x xT x = 2x 1 ∇x kW 2 (b − Ax)k22 = −2AT W(b − Ax), gdzie W jest macierzą symetryczną Wyrażenia dla macierzy odwrotnych: a b A−1 = −1 a b c A−1 = d e f g h k −1 c d d −b 1 = ad − bc −c a (ek − f h) (ch − bk) (bf − ce) = 1 (f g − dk) (ak − cg) (cd − af ) det A (dh − eg) (bg − ah) (ae − bd) 5