Aufgabe 1: Betrachtet werde das Matrixspiel mit der Auszahlungsmatrix a. 1. Für welche Werte von a gibt es ein Nash sches Gleichgewicht?

Größe: px
Ab Seite anzeigen:

Download "Aufgabe 1: Betrachtet werde das Matrixspiel mit der Auszahlungsmatrix a. 1. Für welche Werte von a gibt es ein Nash sches Gleichgewicht?"

Transkript

1 Lösungen zu den Übungsaufgaben im Kapitel 7 des Lehrbuches Operations Research Deterministische Modelle und Methoden von Stephan Dempe und Heiner Schreier Aufgabe : Betrachtet werde das Matrixspiel mit der Auszahlungsmatrix a 0 A = a. Für welche Werte von a gibt es ein Nash sches Gleichgewicht?. Berechnen Sie für a = 0.5 die optimalen gemischten Strategien! Lösung: a) Wir verwenden Satz 7.6 mit S = S = {,, 3} und f(i, ) = a i, wobei A = (a i ) sei. Es existiert somit ein Nash-Gleichgewicht genau dann, wenn max i min a i = min max a i i gilt. Um dies zu überprüfen, verwenden wir die folgende Fallunterscheidung: a < : max min a i = max{a,, min{a, }} = i min max i a i = min{,, } = Es gilt Gleichheit, d.h. für a < existiert ein Nash-Gleichgewicht. a 0: max min a i = max{a,, } = a i min max i a i = min{, a, } = a Es gilt Gleichheit, d.h. auch für a [ ; 0] existiert ein Nash-Gleichgewicht. a > 0: max min a i = max{ 0,, } = 0 i min max a i i = min{, }{{} a >0, max{, a} } > 0 }{{} >0 Es gilt hier keine Gleichheit, d.h. für a > 0 existiert kein Nash-Gleichgewicht.

2 Wir haben somit das folgende Ergebnis erhalten: Ein Nash-Gleichgewicht existiert genau dann, wenn a 0 ist. b) Werden gemischte Strategien verwendet, so existiert bei Matrixspielen stets ein Nash-Gleichgewicht. Dies gilt, da alle Voraussetzungen von Satz 7.4 erfüllt sind. Für die Berechnung der gemischten Strategien verwenden wir die Aufgabe (7.3). Die Aufgabe des. Spielers lautet somit z = α min y + 0.5y α y y + y 3 α y y + 0.5y 3 α y + y + y 3 = y, y, y 3 0. Für alle zulässigen Lösungen dieser Aufgabe gilt α > 0. Begründung: Aufgrund der. Ungleichung gilt nun α 0 für alle zulässigen Lösungen. Angenommen es ist α = 0. Wegen der ersten Ungleichung ist dann y = y = 0. Somit ist also y 3 =. Dies ist aber ein Widerspruch zur zweiten Ungleichung. Wegen α > 0 können wir sofort die folgende Transformation durchführen: y := y /α, y := y /α, y 3 := y 3 /α, z := /α = y + y + y 3. Somit erhalten wir die folgende lineare Optimierungsaufgabe (siehe (7.6)): z = y + y + y 3 max y + 0.5y y y + y 3 y y + 0.5y 3 y, y, y 3 0.

3 Diese Aufgabe wird nun mittels Simplexmethode gelöst. y y y 3 u u u θ u 0 (0.5) u u ( ) y u 0 0 () u ( ) 0 0 y y u Wir erhalten also als optimale Lösung z = 5, y =, y = 3 und y 3 = 0. Wir müssen nun die Rücktransformation durchführen. Es ist also α = /z = 0., y = y α = 0.4, y = y α = 0.6 und y 3 = y 3α = 0. Die optimale Strategie des zweiten Spielers lautet also wie folgt: Er wählt die. Spalte mit Wahrscheinlichkeit /5 und die. Spalte mit Wahrscheinlichkeit 3/5. Die optimale Strategie des ersten Spielers kann aus den Optimalitätsindikatoren der Schlupfvariablen abgelesen werden. Es ist x = δ(u ) = 4, x = δ(u ) = und x 3 = δ(u 3 ) = 0. Mit der Rücktransformation erhalten wir die optimale Strategie des ersten Spielers x = x α = 4/5, x = x α = /5 und x 3 = x 3α = 0, d.h. die erste Zeile wird mit der Wahrscheinlichkeit 4/5 und die. Zeile mit der Wahrscheinlichkeit /5 gespielt. Der Erwartungswert für den Gewinn des ersten Spielers ist α = 0.. Aufgabe : Es sei das folgende Zweipersonenspiel betrachtet: Die Spieler P und P wählen e eine natürliche Zahl i bzw. i aus dem Bereich,..., n. P gewinnt, falls i = i + oder i = und i = n gilt. P gewinnt, falls i = i + oder i = und i = n gilt. In allen anderen Fällen geht das Spiel unentschieden aus. Falls ein Spieler gewinnt, so erhält er GE vom Gegenspieler, und bei einem Unentschieden finden keine Zahlungen statt. Man weise nach, dass bei ungeradem n die Gleichgewichts-Lösung (in 3

4 gemischten Strategien) eindeutig ist, und dass dies bei geradem n nicht der Fall ist. Lösung: Es sei n 3 vorausgesetzt. Die Auszahlungsmatrix des Spiels ist A = Diese Matrix ist offensichtlich schiefsymmetrisch, d.h. es gilt A = A. Bei Matrixspielen bedeutet dies, dass die beiden Spieler die gleichen Gewinnchancen haben. Der Wert des Spieles ist also Null, d.h. die Aufgaben (7.3) bzw. (7.4) besitzen optimale Lösungen (y, α ) bzw. (x, β ) mit α = β = 0. Die optimalen Strategien y von Spieler (analog von Spieler ) ergeben sich aus (7.3) wie folgt: Ay 0, e y =, y 0. Wegen 0 = e Ay 0 folgt weiter Ay = 0. Es ist somit zu zeigen, dass das Ungleichungs-/Geichungssystem Ay = 0 ( ) e y = y 0 für ungerades n genau eine und für gerades n mehrere Lösungen hat. Aus den Gleichungen bis n des Gleichungssystems Ay = 0 erhalten wir y k = y für alle ungeraden k, y k = y für alle geraden k. Ist n ungerade, so erhalten wir mit der ersten Gleichung y = y n die Gleichheit y = y =... = y n. Aus e y = erhalten wir dann die eindeutige optimale Strategie y = y =... = y n = /n. Ist n gerade, so erhalten wir mit der ersten Gleichung y = yn keine weitere Einschränkung des Ergebnisses. Aus e y = erhalten wir also = yk + yk = n y + n y. k ungerade k gerade 4

5 Sei y := a. Dann ist also y = /n a 0. Die Menge der optimalen Strategien ist somit {y : y k = a für k ungerade, y k = n/ a für k gerade mit a [0; n/]}. Ist also n gerade, so besitzt der Spieler unendlich viele optimale Strategien. Die optimalen Strategien des Spielers entsprechen den optimalen Strategien des Spielers. Aufgabe 3: Beim Nim-Spiel sind k Reihen mit n, =,..., k, Streichhölzern vorhanden. Zwei Spieler nehmen abwechselnd Streichhölzer aus einer der Reihen weg. Wie viele sie nehmen spielt keine Rolle; es muss edoch mindestens ein Streichholz sein und es dürfen bei einem Zug nur Streichhölzer einer einzigen Reihe genommen werden. Derenige Spieler, der den letzten Zug macht, also die letzten Streichhölzer wegnimmt, gewinnt. Für den Fall k = 3 und n = (,, ) stelle man das Spiel in extensiver Form (Spielbaum) dar. Welcher Spieler besitzt eine Gewinnstrategie? Anschließend betrachte man den allgemeinen Fall und untersuche in Abhängigkeit von k und (n ) =,...,k welcher der beiden Spieler eine Gewinnstrategie besitzt. Lösung: Als erstes betrachten wir den Fall k = 3 und n = (,, ) und versuchen eine Gewinnstrategie des ersten Spielers zu finden. Als erstes sollte der. Spieler das Streichholz der 3. Reihe entfernen. Der. Spieler hat dann die folgenden Möglichkeiten:.) Er entfernt die Streichhölzer der ersten oder zweiten Reihe. Dann kann der erste Spieler die verbliebenen Streichhölzer entfernen und gewinnt das Spiel..) Er entfernt nur ein Streichholz. Dann entfernt der. Spieler ein Streichholz der anderen Reihe. Wir haben dann die Situation (,,0). Der. Spieler muss nun die erste oder zweite Reihe leeren. Der. Spieler kann nun das verbliebene Streichholz entfernen und gewinnt somit auch hier. Wir haben also für n = (,, ) eine Gewinnstrategie des ersten Spielers gefunden. Seien nun k und n = (n,..., n k ) beliebig. Wie können wir nun Gewinnstrategien der beiden Spieler beschreiben? Seien d i := (..., d i, d i, d i 0) die Dualdarstellungen der Zahlen n i, i =,..., k. Es sei also n i = di mit d i {0, } für alle i und. Weiter sei s = 5

6 (..., s, s, s 0 ) gegeben durch s i := d i + d i d k i (mod ). s i entspricht also dem Rest von d i + d i d k i bei Division durch. Wie ändern sich nun die d i und s bei einem regulären Zug eines Spielers? Bei einem regulären Zug eines Spieler wird genau ein n l verändert. Die neue Dualdarstellung sei d l und es sei I := {i : dl i d l i} die Menge aller Indizes, in welchen die Dualdarstellungen nicht übereinstimmen. Weiter sei i 0 der größte Index in der Indexmenge I. Da n l verkleinert wird, gilt d l i 0 = und d l i 0 = 0. Im neuen Vektor s gilt s i = s i für alle i / I und s i = s i + (mod ) für alle i I. Wir unterscheiden nun die Fälle s = 0 und s 0. Angenommen s ist ein Nullvektor. Führt nun ein Spieler einen regulären Zug durch mit einer Indexmenge I, so gilt für den neuen Vektor s aufgrund der obigen Ausführungen s i 0 für alle i I, d.h. s 0. Angenommen es ist s 0. Dann existiert eine nichtleere Indexmenge J = {i : s i 0}. Sei i 0 der größte Index mit i 0 J. Dann existiert ein l {,..., k} mit d l i 0 =. Wir berechnen nun die Dualdarstellung d l einer Zahl ñ l mit d l i := d l i für alle i / J und d l i := d l i + (mod ) für alle i J. Wegen d l i 0 = gilt dann ñ l < n l. Dies entspricht also einem regulären Zug eines Spielers, wobei s = 0 gilt. Da für n = (0, 0,..., 0) die Gleichung s = 0 gilt, besitzt der erste Spieler bei n = (n,..., n k ) genau dann eine Gewinnstrategie, wenn s 0 gilt. Wir demonstrieren dies zum besseren Verständnis an einigen Beispielen: Spieler n d d d 3 s l I ñ (,, 3) (0, 0, ) (0,, 0) (0,, ) (0, 0, 0) 3 {} (,, ) (,, ) (0, 0, ) (0,, 0) (0, 0, ) (0,, 0) {} (, 0, ) (, 0, ) (0, 0, ) (0, 0, 0) (0, 0, ) (0, 0, 0) {0} (0, 0, ) (0, 0, ) (0, 0, 0) (0, 0, 0) (0, 0, ) (, 0, 0) 3 {0} (0, 0, 0) Gilt n = (,, 3), so besitzt der zweite Spieler eine Gewinnstrategie. Gilt n = (4, 6, 3, 5), so ist d = (0,, 0, 0), d = (0,,, 0), d 3 = (0, 0,, ) und d 4 = (0,, 0, ). Also ist s = (0,, 0, 0). Der erste Spieler wird also z.b. l = und I = wählen, d.h. er entnimmt der. Reihe 4 Streichhölzer. Wenn er an der vorgeschlagenen Gewinnstrategie festhält, so kann der zweite Spieler nicht gewinnen. 6

7 Aufgabe 4: Betrachtet sei die folgende Funktion v(k): K {} {} {3} {, } {, 3} {, 3} {,, 3} v(k) Überprüfen Sie, ob die Funktion v(k) eine charakteristische Funktion ist!. Bestimmen Sie den Kern dieses Spiels! 3. Bestimmen Sie den Shapley-Vektor! Lösung: a) Es lässt sich leicht mit Definition 7. überprüfen, dass v(k) eine charakteristische Funktion ist. b) Der Kern des Spiels ist aufgrund des Satzes 7.3 wie folgt gegeben: x 9, x 5, x 3 3, x + x + x 3 = 5 x + x, x + x 3 6, x + x 3 Es wird nun x 3 durch x 3 = 5 x x ersetzt. Dann erhalten wir x [9, 3], x [5, 9], x + x =. Aus = x }{{} + x folgt nun x }{{} = 3, x = 9 und x 3 = 3, d.h. der 3 9 Kern des Spiels besteht aus einem einzigen Punkt K = {x = 3, x = 9, x 3 = 3}. c) Die Berechnung des Shapley-Vektors erfolgt mit Hilfe des Satzes 7.7: ϕ (v) = 0!! +!!!! (v({}) v( )) + (v({, }) v({}))!0! (v({, 3}) v({3})) + (v({,, 3}) v({, 3})) = = 6 3 ϕ (v) = 0!! +!!!! (v({}) v( )) + (v({, }) v({}))!0! (v({, 3}) v({3})) + (v({,, 3}) v({, 3})) = = 5 3 7

8 ϕ 3 (v) = 0!! +!!!! (v({3}) v( )) + (v({, 3}) v({}))!0! (v({, 3}) v({})) + (v({,, 3}) v({, })) = = 3 3 Probe: ϕ (v) + ϕ (v) + ϕ 3 (v) = 5 = v({,, 3}). Aufgabe 5: Für die Aufteilung eines Kuchens mittels einfacher Mehrheit auf drei Personen, zeige man, dass M =,, eine Neumann-Morgenstern-Lösung ist. 0 Lösung: Zu der angegebenen Aufgabe gehört die folgende charakteristische Funktion: K {} {} {3} {, } {, 3} {, 3} {,, 3} v(k) Demzufolge besitzt ede Zuteilung x R 3 die folgenden Eigenschaften (siehe Definition 7.3): x 0, x 0, x 3 0, x + x + x 3 =. Für den Nachweis der Behauptung verwenden wir nun Definition 7.0 und Definition Eigenschaft: Angenommen es existieren y, y M und eine Koalition K mit y K y. Dann gilt v(k) > 0 und y i > y i für alle i K. Aus v(k) > 0 folgt aber K. Wegen y M existiert somit ein i K mit y i > y i = /. Dies ist ein Widerspruch zu y M. Die erste Eigenschaft gilt also.. Eigenschaft: Sei x / M ein Zuteilung. Dann existieren zwei Indizes i,, i, mit x i < / und x < /. Dann existiert edoch offensichtlich ein y M mit y i = y = /. Bezüglich der Koalition K = {i, } gilt also x K y, d.h. die zweite Eigenschaft gilt ebenfalls. Die Menge M ist somit eine Neumann-Morgenstern-Lösung

9 Aufgabe 6: Der aktuelle Bundestag besteht aus 64 Mitgliedern, die sich wie folgt auf die Parteien verteilen: Union SPD FDP Die Grünen Die Linke Man berechne für Abstimmungen mit einfacher Mehrheit (308 Stimmen) die Werte der Shapley-Funktion der fünf Parteien. Lösung: Wir gehen wie im Beispiel 7.3 vor. Somit soll die charakteristische Funktion wieder den Wert für alle Gewinnerkoalitionen und den Wert 0 für alle Verliererkoalitionen haben. Seien die Parteien in der angegebenen Reihenfolge durchnummeriert. Dann gibt es die folgenden Gewinnerkoalitionen: {, }, {,, 3}, {,, 4}, {,, 5}, {,, 3, 4}, {,, 3, 5}, {,, 4, 5}, {, 3, 4}, {, 4, 5}, {, 3, 5}, {, 3, 4, 5}, {, 3, 4}, {, 4, 5}, {, 3, 5}, {, 3, 4, 5}, {,, 3, 4, 5} Wenn die erste Partei die Koalition verlässt, werden aus den Koalitionen {, }, {,, 3}, {,, 4}, {,, 5}, {, 3, 4}, {, 4, 5}, {, 3, 5}, {, 3, 4, 5} Verliererkoalitionen. Demzufolge ist ϕ (v) =! 5! + 6!! 5! +! 5! = 0.3. Weiter gilt offensichtlich ϕ (v) = ϕ (v) = 0.3. Wenn die dritte Partei die Koalition verlässt, werden aus den Koalitionen {, 3, 4}, {, 3, 5}, {, 3, 4} und {, 3, 5} Verliererkoalitionen. Also ist ϕ 3 (v) = 4!! 5! = 5. Da die Parteien 3, 4, 5 rechnerisch gesehen als Koalitionspartner gleichwertig sind, gilt ϕ 3 (v) = ϕ 4 (v) = ϕ 5 (v) = /5. 9

Kapitel 3. Matrix Spiele. 3.1 Matrix-Spiele

Kapitel 3. Matrix Spiele. 3.1 Matrix-Spiele Kapitel 3 Matrix Spiele Seminar Spieltheorie, SS 006 3. Matrix-Spiele Vorgegeben sei ein Nullsummenspiel Γ = (S, T, φ, φ mit endlichen Strategiemengen S und T, etwa S = (s,..., s m und T = (t,..., t n.

Mehr

Abbildung 1: Graphische Lösung der ersten Übungsaufgabe

Abbildung 1: Graphische Lösung der ersten Übungsaufgabe Lösungen zu den Übungsaufgaben im Kapitel 1 des Lehrbuches Operations Research Deterministische Modelle und Methoden von Stephan Dempe und Heiner Schreier 1. Lösen Sie die folgende lineare Optimierungsaufgabe

Mehr

Lineare Optimierung: Simplexverfahren Phase Ⅰ

Lineare Optimierung: Simplexverfahren Phase Ⅰ Lineare Optimierung: Simplexverfahren Phase Ⅰ Zur Erinnerung: Die Lineare Optimierungsaufgabe in Standardform lautet z = c T x + c 0 min (.) bei Ax = b, x 0. Revidiertes Simplexverfahren Mit dem Simplexverfahren

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Kapitel 6 Lineare Gleichungssysteme 6. Gaußalgorithmus Aufgabe 6. : Untersuchen Sie die folgenden linearen Gleichungssysteme mit dem Gaußalgorithmus auf Lösbarkeit und bestimmen Sie jeweils die Lösungsmenge.

Mehr

Vorlesung: Nicht-kooperative Spieltheorie. Teil 4: 2-Personen-Nullsummenspiele

Vorlesung: Nicht-kooperative Spieltheorie. Teil 4: 2-Personen-Nullsummenspiele Vorlesung: Nicht-kooperative Spieltheorie Teil 4: 2-Personen-Nullsummenspiele Dr. Thomas Krieger Wintertrimester 2009 Dr. Thomas Krieger Vorlesung: Nicht-kooperative Spieltheorie 1 Definition 2-Personen-Nullsummenspiele

Mehr

Lineare Gleichungssysteme: eine Ergänzung

Lineare Gleichungssysteme: eine Ergänzung Lineare Gleichungssysteme: eine Ergänzung Ein lineares Gleichungssystem, bei dem alle Einträge auf der rechten Seite gleich sind heiÿt homogenes lineares Gleichungssystem: a x + a 2 x 2 +... + a n x n

Mehr

Prof. Dr. Elmar Grosse-Klönne Institut für Mathematik

Prof. Dr. Elmar Grosse-Klönne Institut für Mathematik Prof. Dr. Elmar Grosse-Klönne Institut für Mathematik Lineare Algebra Analytische Geometrie I* Übungsaufgaben, Blatt Musterlösungen Aufgabe. Es seien A, B, C Teilmengen einer Menge X. Zeige: i A B C =

Mehr

Einführung in die lineare Algebra und GeometrieWS 2018/19 October 30, 2018

Einführung in die lineare Algebra und GeometrieWS 2018/19 October 30, 2018 1 Beweisen Sie folgende Aussage: Das Produkt zweier ungeraden Zahlen ist ungerade Beweisen Sie folgende Aussage: Es gibt keine ganzen Zahlen n, m mit 8m + 4n = 100 [Hinweis: Beweisen Sie indirekt Nehmen

Mehr

a 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:

a 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema: Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag

Mehr

Dualitätssätze der linearen Optimierung

Dualitätssätze der linearen Optimierung Kapitel 9 Dualitätssätze der linearen Optimierung Sei z = c T x min! Ax = b 9.1 x 0 mit c, x R n, b R m, A R m n ein lineares Programm. Definition 9.1 Duales lineares Programm. Das lineare Programm z =

Mehr

Die duale Simplexmethode

Die duale Simplexmethode Kapitel 0 Die duale Simplexmethode Bei der dualen Simplexmethode ist eine Startlösung oftmals leichter angebbar als bei der Simplexmethode für das ursprüngliche lineare Programm, da man keine Nichtnegativitätsanforderungen

Mehr

Aufgaben und Lösungen für die Zweite Klausur zur Spieltheorie im HWS 2011, Universität Mannheim, Prof. Dr. C. Hertling

Aufgaben und Lösungen für die Zweite Klausur zur Spieltheorie im HWS 2011, Universität Mannheim, Prof. Dr. C. Hertling Aufgaben und Lösungen für die Zweite Klausur zur Spieltheorie im HWS 2011, 06.02.2012 Universität Mannheim, Prof. Dr. C. Hertling Name: Sitzplatznummer: Die Bearbeitungszeit für diese Klausur beträgt 90

Mehr

3.6 Eigenwerte und Eigenvektoren

3.6 Eigenwerte und Eigenvektoren 3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse

Mehr

Lineare Algebra I 5. Tutorium Die Restklassenringe /n

Lineare Algebra I 5. Tutorium Die Restklassenringe /n Lineare Algebra I 5. Tutorium Die Restklassenringe /n Fachbereich Mathematik WS 2010/2011 Prof. Dr. Kollross 19. November 2010 Dr. Le Roux Dipl.-Math. Susanne Kürsten Aufgaben In diesem Tutrorium soll

Mehr

6. Einführung 43. gilt. Dann soll also A B x B = b eindeutig lösbar sein, also A B vollen Rang haben, d. h. invertierbar (regulär) sein.

6. Einführung 43. gilt. Dann soll also A B x B = b eindeutig lösbar sein, also A B vollen Rang haben, d. h. invertierbar (regulär) sein. 6. Einführung 43 und aus der linearen Unabhängigkeit der (a i ) i I(x) folgt y i = z i auch für i I(x). Insgesamt gilt also y = z, d. h., nach Definition 6.9 ist x eine Ecke von P. Beachte: Der Koordinatenvektor

Mehr

Grundlagen der Optimierung. Übung 6

Grundlagen der Optimierung. Übung 6 Technische Universität Chemnitz Chemnitz, 2. November 24 Prof. Dr. R. Herzog, J. Blechschmidt, A. Schäfer Abgabe am 28. November 24 Grundlagen der Optimierung Übung 6 Aufgabe 2: Verschiedene Verfahren

Mehr

1 Einführung Gleichungen und 2 Unbekannte Gleichungen und 3 Unbekannte... 4

1 Einführung Gleichungen und 2 Unbekannte Gleichungen und 3 Unbekannte... 4 Wirtschaftswissenschaftliches Zentrum 3 Universität Basel Mathematik 2 Dr Thomas Zehrt Lineare Gleichungssysteme Inhaltsverzeichnis Einführung 2 2 Gleichungen und 2 Unbekannte 2 2 3 Gleichungen und 3 Unbekannte

Mehr

Lineare Algebra II Lösungen der Aufgaben 42 und 43

Lineare Algebra II Lösungen der Aufgaben 42 und 43 D Blottière SS 7 P Schützdeller Universität Paderborn Lineare Algebra II Lösungen der Aufgaben 4 und 43 Aufgabe 4 : Bemerkungen : Es sei V ein n-dimensionaler Vektorraum über einem Körper K und β : V V

Mehr

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41. : x i R, 1 i n x n

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41. : x i R, 1 i n x n Kapitel Vektorräume Josef Leydold Mathematik für VW WS 07/8 Vektorräume / 4 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit x R n =. : x i R, i n x n und wird als n-dimensionaler

Mehr

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41 Kapitel 3 Vektorräume Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit R n = x 1. x n : x i R, 1 i n und

Mehr

Mathematik für Naturwissenschaftler II SS 2010

Mathematik für Naturwissenschaftler II SS 2010 Mathematik für Naturwissenschaftler II SS 2010 Lektion 12 8. Juni 2010 Kapitel 10. Lineare Gleichungssysteme (Fortsetzung) Umformung auf obere Dreiecksgestalt Determinantenberechnung mit dem Gauß-Verfahren

Mehr

Klausurenkurs zum Staatsexamen (WS 2014/15): Lineare Algebra und analytische Geometrie 1

Klausurenkurs zum Staatsexamen (WS 2014/15): Lineare Algebra und analytische Geometrie 1 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 204/5): Lineare Algebra und analytische Geometrie. (Herbst 2005, Thema, Aufgabe ) Bestimmen Sie alle reellen Lösungen des folgenden linearen Gleichungssystems:.2

Mehr

Statistische Entscheidungstheorie

Statistische Entscheidungstheorie KAPITEL 6 Statistische Entscheidungstheorie 6.1. Verlustfunktion, Risiko, Minimax Schätzer Es sei (, A, (P θ ) θ ) ein statistisches Modell. Das heißt, ist die Menge aller möglichen Stichproben, A ist

Mehr

Vektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition)

Vektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition) Vektorräume In vielen physikalischen Betrachtungen treten Größen auf, die nicht nur durch ihren Zahlenwert charakterisiert werden, sondern auch durch ihre Richtung Man nennt sie vektorielle Größen im Gegensatz

Mehr

Lineare Optimierungsaufgaben - eine Einführung

Lineare Optimierungsaufgaben - eine Einführung Lineare Optimierungsaufgaben - eine Einführung Aufgabenstellung, Beispiele, graphisches Lösen und Trafo auf Normalform Vortragsskript von Lorenz Fischer Operations Research bedeutet die Suche nach einer

Mehr

HM II Tutorium 1. Lucas Kunz. 24. April 2018

HM II Tutorium 1. Lucas Kunz. 24. April 2018 HM II Tutorium 1 Lucas Kunz 24. April 2018 Inhaltsverzeichnis 1 Theorie 2 1.1 Körper...................................... 2 1.2 Gruppen..................................... 2 1.3 Vektorraum...................................

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Semestrale Lineare Algebra 1 Prof. Dr. F. Roesler

TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Semestrale Lineare Algebra 1 Prof. Dr. F. Roesler ................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 Unterschrift der Kandidatin/des Kandidaten 3 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik

Mehr

Inhalt. 2 Transportoptimierung Das klassische Transportproblern Modell 73

Inhalt. 2 Transportoptimierung Das klassische Transportproblern Modell 73 Inhalt 1 Lineare Optimierung 13 1.1 Das Modell der linearen Optimierung 13 1.2 Graphische Lösung 20 1.3 Der primale Simplexalgorithmus 23 1.3.1 Grundlagen 24 1.3.2 Der Optimalitätstest 27 1.3.3 Verbesserungsschritt

Mehr

5 Lineare Gleichungssysteme und Determinanten

5 Lineare Gleichungssysteme und Determinanten 5 Lineare Gleichungssysteme und Determinanten 51 Lineare Gleichungssysteme Definition 51 Bei einem linearen Gleichungssystem (LGS) sind n Unbekannte x 1, x 2,, x n so zu bestimmen, dass ein System von

Mehr

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018 (Analysis und lineare Algebra) im Sommersemester 2018 15. April 2018 1/46 Die Dimension eines Vektorraums Satz 2.27 (Basisergänzungssatz) Sei V ein Vektorraum über einem Körper K. Weiter seien v 1,...,

Mehr

Die duale Simplexmethode zur Lösung rein ganzzahliger linearer Programme

Die duale Simplexmethode zur Lösung rein ganzzahliger linearer Programme Kapitel 11 Die duale Simplexmethode zur Lösung rein ganzzahliger linearer Programme Wir betrachten folgendes Optimierungsproblem z = c T x min! Ax = b (11.1) (11.2) x j ganz für j = 1,..., n 1 n, (11.3)

Mehr

Numerische Lineare Algebra

Numerische Lineare Algebra Numerische Lineare Algebra Vorlesung 7 Prof. Dr. Klaus Höllig Institut für Mathematischen Methoden in den Ingenieurwissenschaften, Numerik und Geometrische Modellierung SS 200 Prof. Dr. Klaus Höllig (IMNG)

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern

Mehr

D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 14: Ferienserie

D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 14: Ferienserie D-MAVT Lineare Algebra I HS 7 Prof. Dr. N. Hungerbühler Lösungen Serie 4: Ferienserie . Finden Sie ein Erzeugendensystem des Lösungsraums L R 5 des Systems x + x x 3 + 3x 4 x 5 = 3x x + 4x 3 x 4 + 5x 5

Mehr

Aufgaben zu Kapitel 20

Aufgaben zu Kapitel 20 Aufgaben zu Kapitel 20 Aufgaben zu Kapitel 20 Verständnisfragen Aufgabe 20 Sind die folgenden Produkte Skalarprodukte? (( R ) 2 ( R 2 )) R : v w,, v v 2 w w 2 (( R ) 2 ( R 2 )) R : v w, 3 v v 2 w w + v

Mehr

Grundlegende Definitionen aus HM I

Grundlegende Definitionen aus HM I Grundlegende Definitionen aus HM I Lucas Kunz. März 206 Inhaltsverzeichnis Vektorraum 2 2 Untervektorraum 2 Lineare Abhängigkeit 2 4 Lineare Hülle und Basis 5 Skalarprodukt 6 Norm 7 Lineare Abbildungen

Mehr

Lineare Algebra. 1 Lineare Abbildungen

Lineare Algebra. 1 Lineare Abbildungen Lineare Algebra Die lineare Algebra ist ein Teilgebiet der Mathematik, welches u. A. zur Beschreibung geometrischer Abbildungen und diverser Prozesse und zum Lösen linearer Gleichungssysteme mit Hilfe

Mehr

Klausurenkurs zum Staatsexamen (WS 2016/17): Lineare Algebra und analytische Geometrie 1

Klausurenkurs zum Staatsexamen (WS 2016/17): Lineare Algebra und analytische Geometrie 1 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 206/7): Lineare Algebra und analytische Geometrie. (Herbst 2005, Thema, Aufgabe ) Bestimmen Sie alle reellen Lösungen des folgenden linearen Gleichungssystems:.2

Mehr

Höhere Mathematik für die Fachrichtung Physik

Höhere Mathematik für die Fachrichtung Physik Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 5/.. Höhere Mathematik für die Fachrichtung Physik Lösungsvorschläge zum 4. Übungsblatt Aufgabe

Mehr

Mathematik für Naturwissenschaftler II SS 2010

Mathematik für Naturwissenschaftler II SS 2010 Mathematik für Naturwissenschaftler II SS 2010 Lektion 11 1. Juni 2010 Rechenregeln für Determinanten Satz 62. (Determinanten von Dreiecksmatrizen) Es sei A eine obere oder untere n n-dreiecksmatrix.

Mehr

Lineare Algebra I (WS 12/13)

Lineare Algebra I (WS 12/13) Lineare Algebra I (WS 12/13) Bernhard Hanke Universität Augsburg 17.10.2012 Bernhard Hanke 1 / 9 Wir beschreiben den folgenden Algorithmus zur Lösung linearer Gleichungssysteme, das sogenannte Gaußsche

Mehr

67. Aufgabe. Lösungen Übungsaufgaben Prof. Dr. Friedel Bolle Lehrstuhl für Volkswirtschaftslehre, insbesondere Wirtschaftstheorie

67. Aufgabe. Lösungen Übungsaufgaben Prof. Dr. Friedel Bolle Lehrstuhl für Volkswirtschaftslehre, insbesondere Wirtschaftstheorie Lösungen Übungsaufgaben 67-73 Prof. Dr. Friedel Bolle Lehrstuhl für Volkswirtschaftslehre, insbesondere Wirtschaftstheorie (Mikroökonomie) Lösungen Übungsaufgaben 67-73 67. Aufgabe Prisoners Dilemma Spieler

Mehr

1 Lineare Gleichungssysteme und Matrizen

1 Lineare Gleichungssysteme und Matrizen 1 Lineare Gleichungssysteme und Matrizen Das Studium linearer Gleichungssysteme und ihrer Lösungen ist eines der wichtigsten Themen der linearen Algebra. Wir werden zunächst einige grundlegende Begriffe

Mehr

Nash-Gleichgewichte in 2-Spieler Systemen. Katharina Klost Freie Universität Berlin

Nash-Gleichgewichte in 2-Spieler Systemen. Katharina Klost Freie Universität Berlin Nash-Gleichgewichte in 2-Spieler Systemen Katharina Klost Freie Universität Berlin Seminar über Algorithmen, 29.10.2013 Grundlegende Definitionen A Gewinnmatrix für Spieler 1, B Gewinnmatrix für Spieler

Mehr

2.3 Basis und Dimension

2.3 Basis und Dimension Lineare Algebra I WS 205/6 c Rudolf Scharlau 65 2.3 Basis und Dimension In diesem zentralen Abschnitt werden einige für die gesamte Lineare Algebra fundamentale Grundbegriffe eingeführt: Lineare Abhängigkeit

Mehr

Aufgabe 1: Berechnen Sie für den in Abbildung 1 gegebenen Graphen den. Abbildung 1: Graph für Flussproblem in Übungsaufgabe 1

Aufgabe 1: Berechnen Sie für den in Abbildung 1 gegebenen Graphen den. Abbildung 1: Graph für Flussproblem in Übungsaufgabe 1 Lösungen zu den Übungsaufgaben im Kapitel 4 des Lehrbuches Operations Research Deterministische Modelle und Methoden von Stephan Dempe und Heiner Schreier Aufgabe 1: Berechnen Sie für den in Abbildung

Mehr

Hauptsatz und Optimalitätskriterium der Simplexmethode

Hauptsatz und Optimalitätskriterium der Simplexmethode Kapitel 4 Hauptsatz und Optimalitätskriterium der Simplexmethode In diesem Abschnitt wird das wichtigste Verfahren zur Lösung linearer Optimierungsprobleme eingeführt die Simplexmethode Es existiere für

Mehr

1 0, x C X (A). = 1 χ A(x).

1 0, x C X (A). = 1 χ A(x). Aufgabe 1 a) Wir müssen nur zeigen, dass χ A B (x) = χ A (x) χ B (x) für alle x X gilt. (Dass χ A χ B Abbildung von X in {0, 1} ist, ist klar.) Sei also x X beliebig. Fall 1: x A B. Dies bedeutet x A und

Mehr

1 Matrizenrechnung zweiter Teil

1 Matrizenrechnung zweiter Teil MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten

Mehr

Brückenkurs Mathematik. Mittwoch Freitag

Brückenkurs Mathematik. Mittwoch Freitag Brückenkurs Mathematik Mittwoch 5.10. - Freitag 14.10.2016 Vorlesung 4 Dreiecke, Vektoren, Matrizen, lineare Gleichungssysteme Kai Rothe Technische Universität Hamburg-Harburg Montag 10.10.2016 0 Brückenkurs

Mehr

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009 I. (4 Punkte) Gegeben sei die Menge Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 9 G := { a c b a, b, c R }. (a) Zeigen Sie, dass G zusammen mit der Matrizenmultiplikation eine Gruppe

Mehr

Zeigen Sie, dass der einzige Gruppenhomomorphismus von (G, ) nach (Z 5, +) die Abbildung Φ : G Z 5

Zeigen Sie, dass der einzige Gruppenhomomorphismus von (G, ) nach (Z 5, +) die Abbildung Φ : G Z 5 Aufgabe I (4 Punkte) Es sei G : {e, g, g, g } eine 4-elementige Gruppe mit neutralem Element e Die Verknüpfung auf G werde mit bezeichnet Außerdem seien in G folgende Gleichungen erfüllt: g g g und g g

Mehr

( 1) k k 2. k=0. n n(n + 1) ( 1) k k 2 + ( 1) n+1 (n + 1) 2. k=0. + ( 1) n+1 (n + 1) 2 n(n + 1) + (n + 1) 2 )

( 1) k k 2. k=0. n n(n + 1) ( 1) k k 2 + ( 1) n+1 (n + 1) 2. k=0. + ( 1) n+1 (n + 1) 2 n(n + 1) + (n + 1) 2 ) Musterlösung zum 9. Blatt 8. Aufgabe: Sei n eine natürliche Zahl. Vermuten Sie eine Formel für ( ) k k und beweisen Sie diese durch vollständige Induktion. Lösung: Für jede natürliche Zahl n sei a n =

Mehr

9 Lineare Gleichungssysteme

9 Lineare Gleichungssysteme 9 Lineare Gleichungssysteme Eine der häufigsten mathematischen Aufgaben ist die Lösung linearer Gleichungssysteme In diesem Abschnitt beschäftigen wir uns zunächst mit Lösbarkeitsbedingungen und mit der

Mehr

Einführung in die Mathematik des Operations Research

Einführung in die Mathematik des Operations Research Universität zu Köln Mathematisches Institut Prof. Dr. F. Vallentin Einführung in die Mathematik des Operations Research Sommersemester 3 en zur Klausur (7. Oktober 3) Aufgabe ( + 3 + 5 = Punkte). Es sei

Mehr

Mathematik für Informatiker 1 Wintersemester 2013/14 Heimarbeitsblatt 14

Mathematik für Informatiker 1 Wintersemester 2013/14 Heimarbeitsblatt 14 Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker Wintersemester 3/4 Heimarbeitsblatt 4 Die Lösungshinweise dienen

Mehr

Klausurenkurs zum Staatsexamen (WS 2016/17): Lineare Algebra und analytische Geometrie 4

Klausurenkurs zum Staatsexamen (WS 2016/17): Lineare Algebra und analytische Geometrie 4 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 26/7): Lineare Algebra und analytische Geometrie 4 4. (Frühjahr 27, Thema, Aufgabe ) Zeigen Sie, dass die beiden folgenden Unterräume des R 3 übereinstimmen:

Mehr

Eigenwerte und Eigenvektoren von Matrizen

Eigenwerte und Eigenvektoren von Matrizen Eigenwerte und Eigenvektoren von Matrizen Betrachtet wird eine (n,n)-matrix A. Eine Zahl λ heißt Eigenwert von A, wenn ein Vektor v existiert, der nicht der Nullvektor ist und für den gilt: A v = λ v.

Mehr

Ferienkurs Mathematik für Physiker I Blatt 3 ( )

Ferienkurs Mathematik für Physiker I Blatt 3 ( ) Ferienkurs Mathematik für Physiker I WS 6/7 Ferienkurs Mathematik für Physiker I Blatt 3 (9.3.7) Aufgabe : Matrizenrechung 3 (a) Ermitteln Sie für die Matrix A = 3 4 den Ausdruck A + A + A + 6 A3. 3 4

Mehr

1 Zahlentheorie. 1.1 Kongruenzen

1 Zahlentheorie. 1.1 Kongruenzen 3 Zahlentheorie. Kongruenzen Der letzte Abschnitt zeigte, daß es sinnvoll ist, mit großen Zahlen möglichst einfach rechnen zu können. Oft kommt es nicht darauf, an eine Zahl im Detail zu kennen, sondern

Mehr

Lösbarkeit linearer Gleichungssysteme

Lösbarkeit linearer Gleichungssysteme Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG R Käppeli L Herrmann W Wu Herbstsemester 26 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 2 Aufgabe 2 Welche der folgenden Aussagen sind korrekt? (i) Jedes

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass

Mehr

10. Die Berücksichtigung nicht vorzeichenbeschränkter Variablen

10. Die Berücksichtigung nicht vorzeichenbeschränkter Variablen 10. Die Berücksichtigung nicht vorzeichenbeschränkter Variablen Bisher haben wir immer vorausgesetzt, dass alle Variablen eines LOP der Bedingung x i 0 liegen. Im Folgenden wollen wir auch sogenannte freie

Mehr

Klausur zur Spieltheorie

Klausur zur Spieltheorie Prof. M. Eisermann Spieltheorie 5. September 18 Klausur zur Spieltheorie Aufgabe 1. Bitte füllen Sie folgendes aus! (1 Punkt) Name: Matrikelnummer: Vorname: Studiengang: Es gelten die üblichen Klausurbedingungen.

Mehr

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Universität Duisburg-Essen Essen, den 15.0.009 Fachbereich Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,

Mehr

z = c T x : Ax = b, x 0 }, - die Darstellung der Nichtbasisvektoren durch die Basis ist

z = c T x : Ax = b, x 0 }, - die Darstellung der Nichtbasisvektoren durch die Basis ist Kapitel 5 Die Simplexmethode Es werden folgende Bezeichnungen verwendet: - das untersuchte Problem ist min x R n { z = c T x : Ax = b, x 0 }, - die erste zulässige Basislösung sei x = x 1, x 2,, x m, 0,,

Mehr

Musterlösung - Aufgabenblatt 7. Aufgabe 1

Musterlösung - Aufgabenblatt 7. Aufgabe 1 Musterlösung - Aufgabenblatt 7 Aufgabe Sei C R n eine nicht-leere abgeschlossene und konvexe Menge. Wir wollen zeigen, dass C als der Durchschnitt ihrer stützenden Halbräume dargestellt werden kann, d.h.

Mehr

Kapitel 3 Lineare Algebra

Kapitel 3 Lineare Algebra Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND

Mehr

FK03 Mathematik I: Übungsblatt 13 Lösungen

FK03 Mathematik I: Übungsblatt 13 Lösungen FK0 Mathematik I: Übungsblatt Lösungen Verständnisfragen. Wann nennt man die Vektoren v,..., v n R n linear unabhängig? Die Vektoren v,..., v n R n heißen linear unabhängig, falls die folgende Gleichung

Mehr

05. Lineare Gleichungssysteme

05. Lineare Gleichungssysteme 05 Lineare Gleichungssysteme Wir betrachten ein System von m Gleichungen in n Unbestimmten (Unbekannten) x 1,, x n von der Form a 11 x 1 + a 12 x 2 + a 13 x 3 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + a

Mehr

3. Übungsblatt Aufgaben mit Lösungen

3. Übungsblatt Aufgaben mit Lösungen . Übungsblatt Aufgaben mit Lösungen Aufgabe : Gegeben sind zwei Teilmengen von R : E := {x R : x x = }, und F ist eine Ebene durch die Punkte A = ( ), B = ( ) und C = ( ). (a) Stellen Sie diese Mengen

Mehr

Kapitel 17 Skalar- und Vektorprodukt

Kapitel 17 Skalar- und Vektorprodukt Kapitel 17 Skalar- und Vektorprodukt Mathematischer Vorkurs TU Dortmund Seite 1 / 22 Bisher hatten wir die Möglichkeit Vektoren des R n zu addieren und Vektoren mit rellen Zahlen zu multiplizieren. Man

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 4

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 4 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 25): Lineare Algebra und analytische Geometrie 4 4. (Frühjahr 27, Thema, Aufgabe ) Zeigen Sie, dass die beiden folgenden Unterräume des R 3 übereinstimmen:

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische Universität München Zentrum Mathematik. Übungsblatt 7 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion

Mehr

Kapitel 4: Gemischte Strategien. Literatur: Tadelis Chapter 6

Kapitel 4: Gemischte Strategien. Literatur: Tadelis Chapter 6 Kapitel 4: Gemischte Strategien Literatur: Tadelis Chapter 6 Idee In vielen Spielen gibt es kein Nash Gleichgewicht in reinen Strategien (und auch kein Gleichgewicht in dominanten Strategien) Darüber hinaus

Mehr

Lösungshinweise zur Klausur. Mathematik für Informatiker III. (Dr. Frank Hoffmann) 18. Februar 2008

Lösungshinweise zur Klausur. Mathematik für Informatiker III. (Dr. Frank Hoffmann) 18. Februar 2008 Lösungshinweise zur Klausur Mathematik für Informatiker III (Dr. Frank Hoffmann) 8. Februar 8 Aufgabe Algebraisches I /6++ (a) Rechnen Sie zunächst nach, dass die Menge B = {,, von Vektoren eine Basis

Mehr

6 Lineare Gleichungssysteme

6 Lineare Gleichungssysteme 6 LINEARE GLEICHUNGSSYSTEME 3 6 Lineare Gleichungssysteme Unter einem linearen Gleichungssystem verstehen wir ein System von Gleichungen α ξ + + α n ξ n = β α m ξ + + α mn ξ n = β m mit Koeffizienten α

Mehr

Zusatzmaterial zu Kapitel 6

Zusatzmaterial zu Kapitel 6 ZU KAPITEL 62: METHODEN ZUR STABILITÄTSPRÜFUNG Zusatzmaterial zu Kapitel 6 Zu Kapitel 62: Methoden zur Stabilitätsprüfung Einleitung Bei der Feststellung der asymptotischen Stabilität (siehe Kapitel 63)

Mehr

D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 10

D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 10 D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler Lösungen Serie 10 1. Für a 1 : 1 1 0, a 2 : 1 1, a 3 : 1 1 1, b : 2 2 2 1 und A : (a 1, a 2, a 3 ) gelten welche der folgenden Aussagen? (a) det(a)

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P Grohs T Welti F Weber Herbstsemester 25 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 8 Aufgabe 8 Basen für Bild und Kern Gegeben sind die beiden 2 Matrizen:

Mehr

Für die Matrikelnummer M = Dann sind durch A =

Für die Matrikelnummer M = Dann sind durch A = Musterlösung zum. Blatt 9. Aufgabe: Gegeben seien m 3 + 2 m m 3 m 2 m 4 + m 7 m 3 A := m m 2 m 2 + 2 m 2 m 4 + m 5 und b := m 6 m 4 + a) Finden Sie eine Lösung x R 7 für die Gleichung Ax =. b) Finden Sie

Mehr

Das lineare Komplementaritätsproblem

Das lineare Komplementaritätsproblem Springer-Lehrbuch Das lineare Komplementaritätsproblem Eine Einführung Bearbeitet von Uwe Schäfer Auflage 28 Taschenbuch x Paperback ISBN 978 3 54 79734 Format (B x L): 5,5 x 23,5 cm Gewicht: 428 g Wirtschaft

Mehr

Optimale Steuerung 1 Prozessoptimierung 1

Optimale Steuerung 1 Prozessoptimierung 1 Optimale Steuerung 1 Prozessoptimierung 1 Kapitel 2: Lineare Optimierung Prof. Dr.-Ing. Pu Li Fachgebiet Simulation und Optimale Prozesse (SOP) Lineare Algebra (Mathematische Grundlagen) 2 Beispiel: Produktionsplanung

Mehr

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können

Mehr

Lineare Algebra: Determinanten und Eigenwerte

Lineare Algebra: Determinanten und Eigenwerte : und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b

Mehr

Kapitel 1. Vektoren und Matrizen. 1.1 Vektoren

Kapitel 1. Vektoren und Matrizen. 1.1 Vektoren Kapitel 1 Vektoren und Matrizen In diesem Kapitel stellen wir die Hilfsmittel aus der linearen Algebra vor, die in den folgenden Kapiteln öfters benötigt werden. Dabei wird angenommen, dass Sie die elementaren

Mehr

Lösung zu Serie [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich:

Lösung zu Serie [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich: Lineare Algebra D-MATH, HS 04 Prof. Richard Pink Lösung zu Serie. [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich: a) F (X) := X 5 X in R[X] und C[X]. b) F (X) := X 4 +X 3 +X in

Mehr

Länge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren

Länge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren Länge eines Vektors und Abstand von zwei Punkten Aufgabe Bestimme die Länge des Vektors x. Die Länge beträgt: x ( ) =. Skalarprodukt und Winkel zwischen Vektoren Aufgabe Es sind die Eckpunkte A(; ), B(

Mehr

Nachklausur (Modulprüfung) zum Lehrerweiterbildungskurs 6 Lineare Algebra/Analytische Geometrie I WiSe 2016/17

Nachklausur (Modulprüfung) zum Lehrerweiterbildungskurs 6 Lineare Algebra/Analytische Geometrie I WiSe 2016/17 Name, Vorname Matrikel-Nr. Aufg.1 Aufg.2 Aufg.3 Aufg.4 Σ Note bzw. Kennzeichen Nachklausur (Modulprüfung) zum Lehrerweiterbildungskurs 6 Lineare Algebra/Analytische Geometrie I WiSe 2016/17 Bearbeiten

Mehr

Lineare Algebra I (WS 12/13)

Lineare Algebra I (WS 12/13) Lineare Algebra I (WS 12/13) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 18.10.2012 Alexander Lytchak 1 / 12 Lineare Gleichungssysteme Wir untersuchen nun allgemeiner Gleichungssysteme der

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,

Mehr

Übungen zur Diskreten Mathematik I Blatt 1

Übungen zur Diskreten Mathematik I Blatt 1 1 Blatt 1 Aufgabe 1 Überprüfen Sie, ob die folgenden Aussagen Tautologien sind (i) (A B) (( A) ( B)), (ii) (A B) (( A) ( B)), (iii) ((A B) C) ((A C) (B C)), (iv) ((A B) C) ((A C) (B C)), (v) (A = B) ((

Mehr

Kapitel 11 Eigenwerte und Eigenvektoren

Kapitel 11 Eigenwerte und Eigenvektoren Kapitel Eigenwerte und Eigenvektoren. Problem der Diagonalisierbarkeit Es sei wieder K gleich R oder. Eine n n)-matrix A mit Koeffizienten aus K wird als diagonalisierbar bezeichnet, wenn es eine invertierbare

Mehr

Mathematik für Naturwissenschaftler II SS 2010

Mathematik für Naturwissenschaftler II SS 2010 Mathematik für Naturwissenschaftler II SS 2010 Lektion 13 10. Juni 2010 Kapitel 10. Lineare Gleichungssysteme In diesem Abschnitt untersuchen wir, welche Struktur die Gesamtheit aller Lösungen eines linearen

Mehr