Bimatrix-Spiele. Sarah Hidlmayer
|
|
- Gerhard Kraus
- vor 7 Jahren
- Abrufe
Transkript
1 Bimatrix-Spiele Sarah Hidlmayer Literatur: Josef Hofbauer and Karl Sigmund: Evolutionary Games and Population Dynamics (Ch. 11), Cambridge.
2 Bimatrix-Spiele 1 Dynamik für Bimatrix-Spiele 2 Partnerschaftsspiele und Nullsummenspiele 3 Volumenerhaltung 4 Nash-Pareto-Paare 5 Spiel-Dynamik und Nash-Pareto-Paare
3 Ziel des Vortrags Es gibt Alternativen für die Dynamik von asymmetrischen Spielen. Wir werden neu skalierte Partnerschaftsspiele und Nullsummenspiele betrachten. Die normale Replikatordynamik ist volumenerhaltend, wohingegen eine Modifikation kleiner wird. Abschließend werden wir Nash-Pareto-Strategien behandeln, die einen Ersatz für gemischte ESS im asymmetrischen Fall liefern.
4 Dynamik für Bimatrix-Spiele Gleichungen für Replikatordynamik im asymmetrischen Spiel (Vergleich mit symmetrischem Spiel) ẋ i = x i ((Ay) i x Ay) ẏ j = y j ((Bx) j y Bx) (1) Miteinbeziehen der Normalisierung durch den Erwartungswert des Erfolgs: ẋ i = x i (Ay) i x Ay x Ay ẏ j = y i (Bx) j y Bx y Bx (2) Motiviert durch das diskrete Zeit-Modell Frequenz x i der E i -Spieler in der nächsten Generation proportional zu den x i (Ax) i
5 Dynamik für Bimatrix-Spiele x i = 1 Multiplikationsrate von einer Generation zur nächsten durch den Erwartungswert des Erfolgs normalisieren: x i = x i (Ay) i x Ay y j = y j (Bx) j y Bx (3)
6 Dynamik für Bimatrix-Spiele (2) folgt aus linearer Approximation x i x i ẋ i (2) kann nicht zu (1) reduziert werden (außer für Partnerschaftsspiele). Werden sehen: Unterschiedliches qualitatives Verhalten von (1) und (2) (2) und (3) auf S n S m wohldefiniert, vorausgesetzt a ij und b ji positiv Diese Einschränkung wird für (1) nicht gebraucht.
7 Dynamik für Bimatrix-Spiele Grund: unterschiedliche Erwartungswerte des Erfolgs In (3) werden die a ij als Multiplikationsraten von einer zur nächsten Generation verstanden. In (1) hingegen messen die a ij nur die Veränderungen der Fitness, die durch das Spiel verursacht werden.
8 Dynamik für Bimatrix-Spiele Besseres Verständnis: Große Konstante C hinzufügen, die allgemeine Hintergrundfitness von Individuen zu den a ij und b ji in (2) und (3) misst. Einfach zu sehen: (1) Grenzwert von (2) für C Dies deutet an, dass die Dynamik von (1) etwas einfacher sein sollte als die der beiden anderen Gleichungen.
9 Partnerschaftsspiele und Nullsummenspiele (1) nicht nur einfacher als die anderen beiden Gleichungen, auch immun gegenüber Reskalierungen des Erfolgs bei der Addition beliebiger Konstanten zu den Spalten der Erfolgsmatrizen A und B. Allgemeiner nennt man ein Spiel (A, B ) eine Reskalierung von (A, B), wenn Konstanten c j und d i und α > 0, β > 0 existieren, sodass: a ij = αa ij + c j, b ji = βb ji + d i. Wir schreiben dann: (A, B) (A, B ).
10 Partnerschaftsspiele und Nullsummenspiele Reskalierungen sind von besonderem Interesse für Partnerschaftsspiele, wo der Gewinn gleichmäßig zwischen den zwei Spielern aufgeteilt wird. für Nullsummenspiele, wo der Gewinn des Einen der Verlust des Anderen ist.
11 Partnerschaftsspiele und Nullsummenspiele (A, B) reskaliertes Partnerschaftsspiel, wenn (A, B) (C, C t ) reskaliertes Nullsummenspiel, wenn (A, B) ( C, C t ) für eine passende n m - Matrix C.
12 Partnerschaftsspiele und Nullsummenspiele Genauer: (A, B) c-partnerschafts-/nullsummenspiel (mit c > 0 bzw. c < 0), wenn passende c ij, c j und d i existieren, sodass für alle i und j: a ij = c ij + c j, bji = cc ij + d i.
13 Partnerschaftsspiele und Nullsummenspiele c-partnerschaftsspiele entsprechen bestimmten Gradienten-Systemen. Tangentialraum in Punkt (x, y) int S n S m besteht aus Vektoren (ξ, η) mit ξ R n 0 und η Rm 0. Definiere inneres Produkt im Tangentialraum: (ξ, η), (ξ, η ) (x,y) = ξ i ξ i x i + 1 c η j η j y j Zugehörigen Gradienten nennt man c-gradient.
14 Partnerschaftsspiele und Nullsummenspiele Die folgenden Aussagen sind äquivalent: (A, B) ist ein c-partnerschaftsspiel. (1) ist ein c-gradient. cξ Aη = η Bξ Für alle i, k zwischen 1 und n und für alle j, l zwischen 1 und m gilt: c(a ij a il a kj + a kl ) = b ji b li b jk + b lk (4)
15 Partnerschaftsspiele und Nullsummenspiele Außerdem gilt: Wenn (A.B) Partnerschaftsspiel, dann x Cy durchschnittlicher Gewinn, der bei jeder Runde anwächst. Wenn (A, B) c-partnerschaftsspiel, dann (2) Gradient. In einem Nullsummenspiel konvergiert die durchschnittliche Zeit pro innerer Runde gegen (p, q). Kampf der Geschlechter ist reskaliertes Nullsummenspiel. (A, B) nur dann c-nullsummenspiel, wenn (4) erfüllt.
16 Partnerschaftsspiele und Nullsummenspiele (4) kann interpretiert werden als Population von Spielern, die gemischte Strategien spielen. Annahme: N gemischte Strategien p i S n in Position I mit Frequenz x i (i = 1,.., N) gespielt werden M gemischte Strategien q j S m in Position II mit Frequenz y j (j = 1,..., M) gespielt werden. Hauptstrategie in I: p = x i p i Hauptstrategie in II: q = y j q j
17 Partnerschaftsspiele und Nullsummenspiele Da Gewinn für p i : p i Aq und für q j : q j Bp, ist Replikatorgleichung für Spiel mit gemischten Strategien: ẋ i = x i ((Ay) i x Ay) ẏ j = y j ((Bx) j y Bx) wobei a ij = p i Aq j und b ji = q j Bp i.
18 Partnerschaftsspiele und Nullsummenspiele Also A = PAQ t, B = QBP t mit P stochastische N n - Matrix mit Zeilen p i, Q stochastische M m - Matrix mit Zeilen q j. (Jede Zeile einer nichtnegativen Matrix addiert sich zu 1.)
19 Partnerschaftsspiele und Nullsummenspiele Es gilt folgendes: Wenn (A, B) c-partnerschafts-/c-nullsummenspiel, dann sind alle Spiele mit gemischten Strategien (PAQ t, QBP t ) für alle stochastischen N n - Matrizen P und alle stochastischen M m - Matrizen Q. (A, B) nur dann c-partnerschafts-/nullsummenspiel, wenn Spiele mit gemischten Strategien (PAQ t, QBP t ) c-partnerschafts-/nullsummenspiele sind für alle 2 n-matrizen P mit Zeilen aus Basisvektoren e i und e k aus R n und alle 2 m-matrizen Q mit Zeilen aus Basisvektoren f j und f l aus R m.
20 Partnerschaftsspiele und Nullsummenspiele Außerdem: Dynamisches Verhalten der modifizierten Replikatorgleichung (2) für allgemeine reskalierte Nullsummenspiele nicht bekannt. Generell: Spiel weder reskaliertes Nullsummenspiel noch reskaliertes Partnerschaftsspiel.
21 Volumenerhaltung In höheren Dimensionen braucht die Replikatorengleichung (1) keine Geschwindigkeitskonstante, aber sie wird immer noch Volumen erhalten. Liouville-Formel: ẋ = f (x) auf offener Menge U in R n G als Teilmenge von U mit Volumen V Volumen V (t) von G(t) = {y = x(t), x G}: V (t) = divf (x)d(x 1,..., x n ) G(t)
22 Volumenerhaltung Teile Vektorfelder (1) und (2) durch positive Funktion P = n i=1 x i m j=1 y j. Nenne diese (I) und (II). Berechne ihre Divergenzen. Divergenz von (I) in int R n R m : div(i) = 1 (x Ay + y Bx) (5) P
23 Volumenerhaltung Divergenz div 0 innerhalb des Zustandsraumes int S n S m Eigenwerte der Jacobimatrix subtrahieren, die orthogonal zu S n und S m x i = (1 x i )x Ay x Ay und y Bx beiden Eigenwerte für (1) Berücksichtige Faktor 1 P aus (5) folgt, dass Replikatordynamik (1) divergenzfrei: div 0 (I) = 0 Aus Liouvilles Formel ergibt sich, dass (I) Volumen erhält.
24 Volumenerhaltung Analoge Berechnung für Modifikation (II) von (2): div(ii) = 1 n (Ay) 2 m i x i P (x Ay) 2 + (Bx) 2 j y j (y Bx) 2 i=1 j=1 Beide zu S n und S m orthogonale Eigenwerte -1. Also: div 0 (II) = div(ii) + 2 P
25 Volumenerhaltung div 0 (II) < 0 auf int S n S m, Liouvilles Formel (2) verkleinert Volumen Verkürzungsrate entspricht Varianz der Vektorfelder, strebt gegen 0 nahe inneren stationären Punkten. Spiegelt Fakt wieder, dass (1) und (2) gleiche Linearisierung in der Nähe von stationären Punkten haben.
26 Volumenerhaltung Wir wollen dieses Ergebnis nun benutzen, um die Diskussion von 2-Strategien-Spielen (n = m = 2) zu komplettieren. Fehlt: Verhalten der modifizierten Replikatorgleichung (2) für reskalierte Nullsummenspiele. Betrachte Kampf der Geschlechter: ( ) ( ) α b + β c + γ δ A =, B = a + α β γ d + δ mit a, b, c, d > 0 und α, β, γ, δ 0. Für (1) können wir die Konstanten α, β, γ, δ streichen und inneres Nash-Gleichgewicht ausrechnen:
27 Volumenerhaltung p = q = d c + d b a + b Für (2) zeigt Formel von div 0 (II), dass P 1 Dulac-Funktion und zyklische Runden unmöglich. Bereich abnehmend Innerer stationärer Punkt (p, q) global asymptotisch stabil. Obwohl gemischte Strategie (p, q) kein ESS, ist es Attraktor für (2).
28 Nash-Pareto-Paare Gesehen: Im Kampf der Geschlechter mit der Dynamik (2) ist gemischtes Nash-Gleichgewicht stabil. Gemischte Strategien bei evolutionären Bestimmungen von Relevanz, obwohl sie nicht evolutionär stabil sein können. Dies spricht das Problem des geschwächten Begriffs des ESS an, der sehr eng für asymmetrische Wettbewerbe ist, sodass es gemischte Strategien enthalten kann.
29 Nash-Pareto-Paare Annahme: 2 Populationen befinden sich in Lage (p, q) S n S m. Dieser wird zweifellos nicht stabil sein, wenn Status (x, y) in der Nähe von (p, q) existiert, sodass beide Populationen durchschnittlichen Gewinn erhöhen können, indem sie zu ihm wechseln.
30 Nash-Pareto-Paare Paar von Strategien (p, q) Nash-Pareto-Paar für ein asymmetrisches Spiel mit Gewinnen A und B, wenn: Gleichgewichtsbedingung: p Aq x Aq und q Bp y Bp für alle (x, y) S n S m (p, q) Nash-Gleichgewicht-Paar Stabilitätsbedingung: Für alle Zustände (x, y) S n S m, für die Gleichheit in (I) gilt, gilt: Wenn x Ay > p Ay, dann y Bx < q Bx. Wenn y Bx > q Bx, dann x Ay < p Ay. Unmöglich, dass beide Spieler zum gleichen Zeitpunkt einen Vorteil durch Abweichung vom Gleichgewicht (p, q) erhalten können.
31 Nash-Pareto-Paare Dies deckt sich mit dem Konzept der Pareto-Optimalität oder Effizienz in der klassischen Spieltheorie. Beachte: In der Stabilitätsbedingung essentiell, beiden Populationen zu erlauben, gleichzeitig abzuweichen. Wenn p durch x ersetzt wird und y gleich zu q bleibt Stabilitätsbedingung leer. Merke: Nash-Gleichgewicht des Geschlechterkampf-Spiels ist Nash-Pareto-Paar. Für A = B = 0 ist jeder Zustand Nash-Pareto. Wir wollen nun Nash-Pareto-Paare charakterisieren.
32 Nash-Pareto-Paare (p, q) int S n S m nur dann Nash-Pareto-Paar des Bimatrix-Spiels (A, B), falls Konstante c existiert, sodass (x p) Ay + c(y q) Bx = 0 für alle (x, y) S n S m, d.h. nur wenn das Spiel reskaliertes Nullsummenspiel ist. Solch ein Nash-Pareto-Paar ist stabil für die Replikatordynamik (1). Gleichgewichts- und Stabilitätsbedingung (rein qualitative Behauptungen, die nur Ungleichungen enthalten) bedeuten, dass Gewinnmatrizen gleich sind.
33 Nash-Pareto-Paare Es ist sehr aufschlussreich, dies mit dem Gedanken der evolutionären Stabilität für symmetrische Probleme zu vergleichen. Bereits gesehen: p int S n nur dann evolutionär stabil, wenn P(x) = x p i i strikt globale Lyapunov-Funktion: Ṗ(x) > 0 für x p.
34 Nash-Pareto-Paare Für asymmetrische Wettstreite zeigt Letzteres: (p, q) int S n S m nur dann Nash-Pareto-Paar, wenn: P(x, y) = x p i cq i y j j globale Lyapunov-Funktion (und Bewegungskonstante) für Replikatorgleichung (1): Ṗ(x, y) 0 für (x, y) nahe (p, q). P(x, y) strikte Lyapunov-Funktion für (1) (p, q) striktes Nash-Gleichgewicht. p und q reine Strategien.
35 Nash-Pareto-Paare Symmetrische Spiele: Evolutionärer, stabiler Zustand allgemein robust gegenüber kleinen Störungen in den Gewinnen. Bei asymmetrischen Fällen ist dies anders. Ein Nash-Pareto-Paar (p, q) für ein Bimatrix-Spiel (A, B) heißt robust, wenn jedes Spiel (Ã, B) in einer passenden Umgebung von (A, B) ein Nash-Pareto-Paar ( p, q) nahe (p, q) hat. Robustes Nash-Pareto-Paar Mix aus maximal 2 Strategien pro Population. Also: Wenn (p, q) komplett gemischt und robust, dann n, m 2.
36 Nash-Pareto-Paare 2 Möglichkeiten für robustes Nash-Pareto-Paar: Es besteht aus reinen Strategien (und ist somit ein striktes Nash-Gleichgewicht). Es ist das Nash-Gleichgewicht eines Unterspiels des Typs: ( ) ( ) α b + β c + γ δ A = B = a + α β γ d + δ Außerdem: Wenn ein inneres Gleichgewicht isoliert und stabil für (1) ist, dann ist es ein Nash-Pareto-Paar.
37 Spiel-Dynamik und Nash-Pareto-Paare Wir haben bereits die ESS Bedingungen in spieldynamischen Bezeichnungen interpretiert. Wir wollen dies nun auch für Nash-Pareto-Paare tun: In welcher Art und Weise sind diese immun gegen mutierte Strategien? Dazu: Annahme: Beide Populationen homogen, p- und q-spieler. Lassen nun kleine Anzahl an x- und y-spielern einfallen. (Jeweilige Häufigkeiten, mit denen sie auftreten: x und y.)
38 Spiel-Dynamik und Nash-Pareto-Paare Dynamik (1) dieses Spiels: auf [0, 1] [0, 1] mit ẋ = x(1 x)(b (a + b)y) ẏ = y(1 y)(d (c + d)x) a = (p x) Ay, b = (x p) Aq, c = (q y) Bx, d = (y q) Bq. (p, q) nur dann Nash-Gleichgewicht, wenn b < 0 und d < 0 für alle x und y.
39 Spiel-Dynamik und Nash-Pareto-Paare Stabil gegenüber (x, y) im Sinne davon, dass die Ecke (p, q) nur dann ein Attraktor ist, wenn b < 0 und d < 0 d.h. nur dann, wenn: p Aq > x Aq und q Bp > y Bp für alle x p und y q Exakte Definition eines strikten Nash-Gleichgewichts für ein asymmetrisches Spiel.
40 Spiel-Dynamik und Nash-Pareto-Paare Keine zweite Bedingung im Sinne von ESS, da wenn b = 0, d.h. wenn p Aq = x Aq für x p dann entsteht Linie aus stationären Punkten. p kann von x-mutanten aufgrund stochastischer Schwankungen überfallen werden. Gleichung im strikten Fall nicht vereinbar mit evolutionärer Stabilität.
41 Spiel-Dynamik und Nash-Pareto-Paare Andererseits: Einführung eines y-mutanten, der a > 0 und d < 0 erfüllt also wenn gilt: p Ay > x Ay und q By > y Bp in eine Population von Spielern in Position II. Zurückführen zu einem Punkt, der näher an (p, q) ist.
42 Spiel-Dynamik und Nash-Pareto-Paare Somit kann das folgende Konzept eines schwachen ESS immer noch eine evolutionäre Stabilität garantieren: b 0 mit a > 0 wenn b = 0 und d 0 mit c > 0 wenn d = 0: p Aq x Aq für alle x, bei Gleichheit : p Ay > x Ay q Bp y Bp für alle y, bei Gleichheit : q Bx > y Bx p und q pure Strategien
43 Spiel-Dynamik und Nash-Pareto-Paare Für gemischte Strategien p und q gelten Gleichheiten b = 0 (p Aq = x Aq) und d = 0 (q Bp = y Bp) für viele x, y und Ränder mit stationären Punkten sind nicht vermeidbar. Müssen verhindern: a < 0 (x Ay > p Ay) und c < 0 (y Bx > q Bx) für einige (x, y). (x, y) würde (p, q) überfallen.
44 Spiel-Dynamik und Nash-Pareto-Paare Asymmetrie des Spiels Zwischenmöglichkeit (Die im symmetrischen Fall keine Analogie hat.) Dies ist genau unser Konzept des Nash-Pareto-Paars: b 0 und d 0, wenn b = 0 und d = 0, dann ac < 0.
45 Spiel-Dynamik und Nash-Pareto-Paare Abschließend: Evolution wird Distanz der Abweichung eines Nash-Pareto-Paars (p, q) nicht durch eine Mutation bedingt erhöhen. Hängt von aktueller Dynamik und Stärke des stochastischen Effekts ab, ob diese Distanz gegen 0 strebt und der Mutant emiliniert wird. Dies wird zuletzt für die modifizierten Replikator-Dynamiken (2) vermutet.
46 Fazit Wir haben eine alternative Dynamik kennengelernt, uns mit Partnerschafts- und Nullsummenspielen beschäftigt, verschiedene Volumenbetrachtungen angestellt und Nash-Pareto-Strategien behandelt.
Ablauf. 1 Imitationsdynamik. 2 Monotone Auszahlung. 3 Entscheidung gegen iterativ dominierte Strategien. 4 Beste-Antwort-Dynamik 2 / 26
Spieldynamik Josef Hofbauer and Karl Sigmund: Evolutionary Games and Population Dynamics, Cambridge, Kap. 8 Simon Maurer Saarbrücken, den 13.12.2011 1 / 26 Ablauf 1 Imitationsdynamik 2 Monotone Auszahlung
MehrSelektions-Mutations-Modelle
Selektions-Mutations-Modelle Claudia Groÿmann January 16, 2012 Claudia Groÿmann () Selektions-Mutations-Modelle January 16, 2012 1 / 29 Inhaltsverzeichnis 1 Selektions-Mutations-Modelle 2 Mutation und
Mehr:50:11 REZ: Spieltheorie SoSe Sitzung 7
01.05.2007 16:50:11 REZ: Spieltheorie SoSe 2007 16 Sitzung 7 Der Begriff der evolutionären Stabilität unterstellt implizite dynamische Betrachtungen. Diese können nach Maßgabe einer Differentialgleichung
MehrAsymmetrische Spiele. Eric Barré. 13. Dezember 2011
Asymmetrische Spiele Eric Barré 13. Dezember 2011 Gliederung 1 Einführung Allgemeines Definition Begründung Nash-Gleichgewicht 2 Kampf der Geschlechter Allgemein Auszahlungsmatrix Nash-Gleichgewicht Beispiel
MehrLotka-Volterra-Gleichungen für mehr als zwei Populationen
Lotka-Volterra-Gleichungen für mehr als zwei Populationen Dennis Kunz 06.12.2011 Josef Hofbauer and Karl Sigmund: Evolutionary Games and Population Dynamics Lotka-Volterra-Gleichungen für mehr als zwei
MehrSpieltheorie. Kapitel 6 Evolutionär stabile Strategien
Kapitel 6 2 Agenda Einführung Klassische Entscheidungstheorie Nash-Gleichgewichte in reinen Strategien Nash-Gleichgewichte in gemischten Strategien Anwendungen des Nash-Konzepts Alternative Gleichgewichtskonzepte
Mehra 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
MehrWiederholung von Linearer Algebra und Differentialrechnung im R n
Wiederholung von Linearer Algebra und Differentialrechnung im R n 1 Lineare Algebra 11 Matrizen Notation: Vektor x R n : x = x 1 x n = (x i ) n i=1, mit den Komponenten x i, i {1,, n} zugehörige Indexmenge:
MehrEvolutionär stabile Strategien
Evolutionär stabile Strategien Thomas Luxenburger 06.12.2011 LITERATUR: Josef Hofbauer, Karl Sigmund: Evolutionary Games and Population Dynamics, Kapitel 6: Evolutionary stable strategies Gliederung 1
MehrÖkologische Gleichungen für zwei Spezies
Ökologische Gleichungen für zwei Spezies Florian Kern 06.Dezember 2011 Josef Hofbauer and Karl Sigmund: Evolutionary Games and Population Dynamics, Cambridge, Kapitel 4 Inhaltsverzeichnis 1 Satz von der
MehrEndliche Markov-Ketten - eine Übersicht
Endliche Markov-Ketten - eine Übersicht Diese Übersicht über endliche Markov-Ketten basiert auf dem Buch Monte Carlo- Algorithmen von Müller-Gronbach et. al. und dient als Sammlung von Definitionen und
Mehr1 Lektion 7: Evolutorische Spieltheorie. Evolution?r stabile Strategien und Replikatordynamik als Beitrag aus der Biologie
1 Lektion 7: Evolutorische Spieltheorie. Evolution?r stabile Strategien und Replikatordynamik als Beitrag aus der Biologie Verfeinerungen vom Begri Nash-Gleichgewicht Erfahrung hat gezeigt, dass sich Spieler
MehrStabilität von n-spezies Gemeinschaften
Stabilität von n-spezies Gemeinschaften Julia Klein 20.12.2011 Joseph Hofbauer and Karl Sigmund: Evolutionary Games and Population Dynamics, Kap.15 Übersicht 1 Einführung 2 Mutualismus und M-Matrizen 3
MehrSeminar Gewöhnliche Differentialgleichungen
Seminar Gewöhnliche Differentialgleichungen Dynamische Systeme I 1 Einleitung 1.1 Nichtlineare Systeme In den vorigen Vorträgen haben wir uns mit linearen Differentialgleichungen beschäftigt. Nun werden
Mehr2 Lineare Gleichungssysteme
2 Lineare Gleichungssysteme Betrachte ein beliebiges System von m linearen Gleichungen in den n Unbekannten x,,x n : a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n = b 2 () a m x + a m2 x
Mehr3 Funktionen in mehreren Variablen
3 Funktionen in mehreren Variablen Funktionen in mehreren Variablen Wir betrachten nun Abbildungen / Funktionen in mehreren Variablen. Dies sind Funktionen von einer Teilmenge des R d nach R. f : D f R,
Mehr6 Polynomielle Gleichungen und Polynomfunktionen
6 Polynomielle Gleichungen und Polynomfunktionen Lineare Gleichungen Eine lineare Gleichung in einer Variablen ist eine Gleichung der Form ax + b = cx + d mit festen Zahlen a und c mit a c. Dies kann man
MehrGrundlagen Kondition Demo. Numerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang
Numerisches Rechnen (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang Institut für Geometrie und Praktische Mathematik RWTH Aachen Wintersemester 2011/12 IGPM, RWTH Aachen Numerisches Rechnen
MehrKapitel 13. Evolutionäre Spieltheorie. Einleitung. Evolutionäre Biologie. Übersicht 2. Alternative: Biologische Evolutionstheorie
Übersicht : Evolutionäre Spieltheorie Einleitung Evolutionäre Biologie Evolutionäre Spieltheorie: Idee Gefangenendilemma (Beispiel) Evolutionäre Stabilität Beispiele Wiederholtes Gefangenendilemma Chicken-Spiel
MehrKapitel 13. Evolutionäre Spieltheorie. Einleitung. Evolutionäre Biologie. Übersicht 2. Alternative: Biologische Evolutionstheorie
Übersicht : Evolutionäre Spieltheorie Einleitung Evolutionäre Biologie Evolutionäre Spieltheorie: Idee Gefangenendilemma (Beispiel) Evolutionäre Stabilität Beispiele Wiederholtes Gefangenendilemma Chicken-Spiel
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
MehrHauptachsentransformation: Eigenwerte und Eigenvektoren
Hauptachsentransformation: Eigenwerte und Eigenvektoren die bisherigen Betrachtungen beziehen sich im Wesentlichen auf die Standardbasis des R n Nun soll aufgezeigt werden, wie man sich von dieser Einschränkung
MehrVorwissen Lineare Modelle zweier Bevölkerungen
Reiser Stephan 1 Ablauf Vorwissen Lineare Modelle zweier Bevölkerungen Das Konkurrenzmodell von Volterra Ein allgemeineres Konkurrenzmodell Periodische Bahnen für die allgemeine Volterra-Lotka- Gleichung
MehrKatalytische Hyperzyklen
Katalytische Hyperzyklen Lara Münster 20.12.2011 Literatur: Hofbauer J., Sigmund K. (1998). Evolutionary Games and Population Dynamics. Cambridge University Press: Cambridge Katalytische Hyperzyklen 1
MehrNash-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
Mehr1 Singulärwertzerlegung und Pseudoinverse
Singulärwertzerlegung und Pseudoinverse Singulärwertzerlegung A sei eine Matrix mit n Spalten und m Zeilen. Zunächst sei n m. Bilde B = A A. Dies ist eine n n-matrix. Berechne die Eigenwerte von B. Diese
MehrMusterlösungen 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
MehrVarianz und Kovarianz
KAPITEL 9 Varianz und Kovarianz 9.1. Varianz Definition 9.1.1. Sei (Ω, F, P) ein Wahrscheinlichkeitsraum und X : Ω eine Zufallsvariable. Wir benutzen die Notation (1) X L 1, falls E[ X ]
Mehr37 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
MehrEigenwerte und Eigenvektoren
Eigenwerte und Eigenvektoren Siehe Analysis (von der Hude, Folie 20: Definition 2.3. Ein Vektor x R n heißt Eigenvektor der quadratischen n n-matrix A zum Eigenwert λ R, wenn gilt Ax = λx Die Eigenwerte
Mehr5 Lineare Algebra (Teil 3): Skalarprodukt
5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale
MehrDualitätssätze 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 =
Mehr1 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
Mehrist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1
24 14 Metrische Räume 14.1 R n als euklidischer Vektorraum Die Menge R n = {(x 1,..., x n ) x i R} versehen mit der Addition und der skalaren Multiplikation x + y = (x 1 + y 1,..., x n + y n ) λx = (λx
MehrD Spieltheorie und oligopolistische Märkte
D Spieltheorie und oligopolistische Märkte Verhaltensannahmen in der Markttheorie, die bisher analysiert wurden Konkurrenz: viele sehr kleine Wirtschaftssubjekte, die für sich genommen keinen Einfluss
MehrMatrizen, Determinanten, lineare Gleichungssysteme
Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n
MehrKapitel XII - Kennzahlen mehrdimensionaler Zufallsvariablen
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XII - Kennzahlen mehrdimensionaler Zufallsvariablen Wahrscheinlichkeitstheorie Prof. Dr. W.-D. Heller Hartwig Senska
MehrLineare Algebra II 11. Übungsblatt
Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross 9 / Juni Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Minitest (Bearbeitung innerhalb von Minuten und ohne Benutzung des
Mehr1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema
1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und
MehrDefinition, Rechenoperationen, Lineares Gleichungssystem
Bau und Gestaltung, Mathematik, T. Borer Aufgaben /3 Aufgaben Matrizen Definition, Rechenoperationen, Lineares Gleichungssystem Lernziele - die Bezeichnung der Matrixelemente kennen und verstehen. - den
Mehr8 Extremwerte reellwertiger Funktionen
8 Extremwerte reellwertiger Funktionen 34 8 Extremwerte reellwertiger Funktionen Wir wollen nun auch Extremwerte reellwertiger Funktionen untersuchen. Definition Es sei U R n eine offene Menge, f : U R
MehrDer Ergodensatz. Hendrik Hülsbusch
Der Ergodensatz Hendrik Hülsbusch 1..212 Inhaltsverzeichnis Einleitung 3 5 Stationäre Verteilungen 5 6 Reversible Markovketten 11 2 Einleitung In meinem Vortrag beschäftigen wir uns mit dem asymptotischen
Mehr13 Mehrdimensionale Zufallsvariablen Zufallsvektoren
3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem
Mehr= ( n x j x j ) 1 / 2
15 Skalarprodukte 77 15 Skalarprodukte 15.1 Einführung. a) Ab jetzt sei stets K = R oder K = C, da Wurzeln eine wichtige Rolle spielen werden. b) Nach dem Satz des Pythagoras ist die Länge eines Vektors
MehrNichtlineare Dynamik Einführung
Nichtlineare Dynamik Einführung Tobias Kerscher gekürzte Internetversion (ohne fremde Bilder) Sommerakademie Ftan 2004, 13. August Gliederung 1. Def: Nichtlineare Physik 2. Typische Beispiele 3. Dynamische
MehrDefinition, Rechenoperationen, Lineares Gleichungssystem
Bau und Gestaltung, Mathematik, T. Borer Aufgaben / Aufgaben Matrizen Definition, Rechenoperationen, Lineares Gleichungssystem Lernziele - die Bezeichnung der Matrixelemente kennen und verstehen. - den
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
Mehr1.4 Stabilität der Gauß-Elimination
KAPIEL 1. LINEARE GLEICHUNGSSYSEME 18 1.4 Stabilität der Gauß-Elimination Bezeichne x die exakte Lösung von Ax = b bzw. ˆx die mit einem (zunächst beliebigen Algorithmus berechnete Näherungslösung (inklusive
MehrWirtschafts- und Finanzmathematik
Prof Dr Stefan Etschberger HSA Wirtschafts- und Finanzmathematik für Betriebswirtschaft und International Management Wintersemester 2016/17 Determinanten: Vorüberlegung Permutationen und Inversionen
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
Mehr4.3 Reelle Skalarprodukte, Hermitesche Formen, Orthonormalbasen
196 KAPITEL 4. VEKTORRÄUME MIT SKALARPRODUKT 4. Reelle Skalarprodukte, Hermitesche Formen, Orthonormalbasen In diesem Abschnitt betrachten wir Vektorräume über IR und über C. Ziel ist es, in solchen Vektorräumen
MehrBasisprüfung, Gruppe A Analysis I/II
Offene Aufgaben. Jeder der folgenden sieben offenen Aufgaben ist eine einzelne thematisch verwandte Single Choice-Aufgabe vorangestellt. Beantworten Sie die Single Choice Aufgabe auf dem Antwortzettel.
MehrDer CG-Algorithmus (Zusammenfassung)
Der CG-Algorithmus (Zusammenfassung) Michael Karow Juli 2008 1 Zweck, Herkunft, Terminologie des CG-Algorithmus Zweck: Numerische Berechnung der Lösung x des linearen Gleichungssystems Ax = b für eine
Mehra 1 a 1 A = a n . det = λ det a i
49 Determinanten Für gegebene Vektoren a 1,,a n K n, betrachte die Matrix deren Zeilenvektoren a 1,,a n sind, also A = Ab sofort benutzen wir diese bequeme Schreibweise Definition Sei M : K n K }{{ n K
Mehr51 Numerische Berechnung von Eigenwerten und Eigenvektoren
5 Numerische Berechnung von Eigenwerten und Eigenvektoren 5. Motivation Die Berechnung der Eigenwerte einer Matrix A IR n n als Lösungen der charakteristischen Gleichung (vgl. Kapitel 45) ist für n 5 unpraktikabel,
MehrIn diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)
34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)
MehrVorlesung: 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(c) (a) X ist abgeschlossen. X = A,wobeiderDurchschnittüberalleabgeschlossenenMengengebildet wird, die X enthalten. (d) (e)
27 15. Metrische Räume Mit Hilfe einer Norm können wir den Abstand x y zweier Punkte x, y messen. Eine Metrik ist eine Verallgemeinerung dieses Konzepts: 15.1. Metriken. Es sei M eine beliebige Menge.
MehrD-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)
MehrHöhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 13. Übungsblatt
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl WS 8/9 Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum
Mehr67. 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
Mehr2. Vorlesung. 1.3 Beste-Antwort Funktion. Vorlesung: Einführung in die Spieltheorie WS 2006/ Oktober 2006 Guido Schäfer
LETZTE ÄNDERUNG: 15. NOVEMBER 2006 Vorlesung: Einführung in die Spieltheorie WS 2006/2007 2. Vorlesung 24. Oktober 2006 Guido Schäfer 1.3 Beste-Antwort Funktion Notation: Definiere A i := j N\{i} A j.
Mehr5.10. Mehrdimensionale Extrema und Sattelpunkte
5.1. Mehrdimensionale Extrema und Sattelpunkte Zur Erinnerung: Eine Funktion f von einer Teilmenge A des R n nach R hat im Punkt a ein (strenges) globales Maximum, falls f( x ) f( a ) (bzw. f( x ) < f(
Mehr9 Metrische und normierte Räume
9 Metrische und normierte Räume Idee: Wir wollen Abstände zwischen Punkten messen. Der Abstand soll eine reelle Zahl 0 sein (ohne Dimensionsangabe wie Meter...). 9.1 Definition Sei X eine Menge. Eine Metrik
Mehr3.6 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
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 5 Aufgabe 5.1 Kommutierende Matrizen In der Vorlesung und vergangenen
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen
MehrSpline-Interpolation
Spline-Interpolation Tim Schmölzer 20 November 2009 Tim Schmölzer Spline-Interpolation 20 November 2009 1 / 38 Übersicht 1 Vorbemerkungen 2 Lösbarkeit des Interpolationsproblems 3 Stabilität der Interpolation
MehrStimmt das immer und in welchem Sinne?
1 KAP 6. Dominanz und Nash-GG Nash-GG (teilweise) dadurch motiviert: schränkt Menge möglicher Spielausgänge stärker ein als Dominanz Stimmt das immer und in welchem Sinne? Gibt s stets weniger Nash-GGe
Mehr$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $
Mathematik für Ingenieure I, WS 8/9 Freitag 9. $Id: linabb.tex,v.3 9//9 3:7:34 hk Exp hk $ II. Lineare Algebra 9 Lineare Abbildungen 9. Lineare Abbildungen Der folgende Satz gibt uns eine einfachere Möglichkeit
MehrVektoren und Matrizen
Universität Basel Wirtschaftswissenschaftliches Zentrum Vektoren und Matrizen Dr. Thomas Zehrt Inhalt: 1. Vektoren (a) Einführung (b) Linearkombinationen (c) Länge eines Vektors (d) Skalarprodukt (e) Geraden
MehrFlüsse, Fixpunkte, Stabilität
1 Flüsse, Fixpunkte, Stabilität Proseminar: Theoretische Physik Yannic Borchard 7. Mai 2014 2 Motivation Die hier entwickelten Formalismen erlauben es, Aussagen über das Verhalten von Lösungen gewöhnlicher
MehrTEIL II LINEARE ALGEBRA
TEIL II LINEARE ALGEBRA 1 Kapitel 10 Lineare Gleichungssysteme 101 Motivation Sei K ein fest gewählter Körper (zb K = R, C, Q, F p ) Betrachten das lineare Gleichungssystem (L) α 11 x 1 + α 12 x 2 + +
Mehrtun, sondern nur mit der Reaktion auf verschiedene Anfangswerte.
2.3 Stabilität Eine wichtige Rolle spielt das Stabilitätsverhalten dynamischer Systeme. Wie üblich sei Φ die Fundamentalmatrix des linearen Systems ẋ = A(t)x + u. Im weiteren sei t fixiert, später wird
Mehrβ 1 x :=., und b :=. K n β m
44 Lineare Gleichungssysteme, Notations Betrachte das lineare Gleichungssystem ( ) Sei A = (α ij ) i=,,m j=,n α x + α x + + α n x n = β α x + α x + + α n x n = β α m x + α m x + + α mn x n = β m die Koeffizientenmatrix
MehrÜbungsaufgaben Lösungen
Übungsaufgaben Lösungen Stochastische Matrizen, Markov-Prozesse MV5.1 Eine N N-Matrix P heißt stochastisch, wenn ihre Matrixelemente nicht-negativ sind und alle Zeilensummen 1 ergeben. In Formeln: P ij
Mehrm 1 Die Bewegung der drei Kugeln wird beschrieben durch das folgende Differentialgleichungssystem x 1 (t) x 2 (t) x 3 (t) k 12 k 12 k 12 k k 23
Kapitel 5 Eigenwerte 5. Definition und Beispiele Wir sehen uns ein System dreier schwingender Kugeln der Massen m, m und m 3 an, die durch Federn aneinander gekoppelt sein sollen. m k m k 3 m 3 x ( t x
Mehr4 Vorlesung: 21.11. 2005 Matrix und Determinante
4 Vorlesung: 2111 2005 Matrix und Determinante 41 Matrix und Determinante Zur Lösung von m Gleichungen mit n Unbekannten kann man alle Parameter der Gleichungen in einem rechteckigen Zahlenschema, einer
MehrElemente der Algebra und Zahlentheorie Musterlösung, Serie 5, Wintersemester vom 21. Januar 2006
Prof. E.-W. Zink Institut für Mathematik Humboldt-Universität zu Berlin Elemente der Algebra und Zahlentheorie Musterlösung, Serie 5, Wintersemester 2005-06 vom 21. Januar 2006 1. Sei (N, v) Peano-Menge
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg Sätze PLUS Es gilt für A, B R n n : det(ab) = det A det B (Determinantenmultiplikationssatz)
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
MehrÜbungen zum Vorkurs Mathematik
Übungen zum Vorkurs Mathematik Blatt 1 W.S.2009/2010 - Ernst Bönecke Aufgaben zur Aussagenlogik 1.) Seien A, B, C Aussagen. Beweisen Sie mit Hilfe von Wahrheitstafeln, dass folgende Aussagen stets wahr
MehrEXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME
EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME In diesem Abschnitt wiederholen wir zunächst grundlegende Definitionen und Eigenschaften im Bereich der Matrizenrechnung, die wahrscheinlich bereits in Ansätzen
MehrDiplom Mathematiker Wolfgang Kinzner. 17. Oktober Technische Universität München. Die abc-formel. W. Kinzner. Problemstellung.
Diplom Mathematiker Wolfgang Kinzner Technische Universität München 17. Oktober 2013 1 / 9 Inhaltsverzeichnis 1 2 / 9 Inhaltsverzeichnis 1 2 2 / 9 Inhaltsverzeichnis 1 2 3 2 / 9 Inhaltsverzeichnis 1 2
MehrDiskrete dynamische Systeme in der Populationsgenetik Hofbauer J., und Sigmund K.: Evolutionary Games and Population Dynamics, Cambridge
Diskrete dynamische Systeme in der Populationsgenetik Hofbauer J., und Sigmund K.: Evolutionary Games and Population Dynamics, Cambridge Dominik Urig Saarbrücken, den 10.01.2012 Inhaltsangabe 1 Biologische
MehrSerie 5. Lineare Algebra D-MATH, HS Prof. Richard Pink. 1. [Aufgabe] Invertieren Sie folgende Matrizen über Q:
Lineare Algebra D-MATH, HS 214 Prof Richard Pink Serie 5 1 [Aufgabe] Invertieren Sie folgende Matrizen über Q: 1 a) 1 1 1 1 1 2 1 1 1 b) 1 2 1 1 1 1 2 1 1 1 1 2 1 2 3 1 c) 1 3 3 2 2 1 5 3 1 2 6 1 [Lösung]
MehrLineare Abbildungen (Teschl/Teschl 10.3, 11.2)
Lineare Abbildungen (Teschl/Teschl.3,.2 Eine lineare Abbildung ist eine Abbildung zwischen zwei Vektorräumen, die mit den Vektoroperationen Addition und Multiplikation mit Skalaren verträglich ist. Formal:
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P Grohs T Welti F Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 12 Aufgabe 121 Matrixpotenzen und Eigenwerte Diese Aufgabe ist
Mehr4.4 Hermitesche Formen
44 Hermitesche Formen Wie üblich bezeichnen wir das komplex konjugierte Element von ζ = a + bi C (a, b R) mit ζ = a bi Definition 441 Sei V ein C-Vektorraum Eine hermitesche Form (HF) auf V ist eine Abbildung
MehrSpieltheorie. Nash-Gleichgewichts-Berechnung. Bernhard Nebel und Robert Mattmüller. Arbeitsgruppe Grundlagen der Künstlichen Intelligenz 14.
Spieltheorie Nash-Gleichgewichts-Berechnung Albert-Ludwigs-Universität Freiburg Bernhard Nebel und Robert Mattmüller Arbeitsgruppe Grundlagen der Künstlichen Intelligenz 14. Mai 2012 14. Mai 2012 B. Nebel,
Mehr6 Symmetrische Matrizen und quadratische Formen
Mathematik für Ingenieure II, SS 9 Freitag 9.6 $Id: quadrat.tex,v. 9/6/9 4:6:48 hk Exp $ 6 Symmetrische Matrizen und quadratische Formen 6. Symmetrische Matrizen Eine n n Matrix heißt symmetrisch wenn
Mehrd(x, z) = z x = y x + z y y x + z y = d(x, y) + d(y, z). d(x, y) = 0, falls x = y.
Metrische Räume K bezeichnet entweder den Körper R oder den Körper C. Genauer bedeutet dies: K wird in denjenigen Situationen verwendet, in denen die Ersetzung von K sowohl durch R als auch durch C einen
MehrLösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { }
Zur Einleitung: Lineare Gleichungssysteme Wir untersuchen zunächst mit Methoden, die Sie vermutlich aus der Schule kennen, explizit einige kleine lineare Gleichungssysteme. Das Gleichungssystem I wird
Mehr11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen
11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen Ziel: Wir wollen lokale Extrema von Funktionen f : M R untersuchen, wobei M R n eine k-dimensionale Untermannigfaltigkeit des
MehrLösung 7: Bilinearformen
D-MATH Lineare Algebra II FS 207 Dr. Meike Akveld Lösung 7: Bilinearformen. a). Seien u, u 2 V, λ K, dann gelten nach Voraussetzung: L v (u + λu 2 ) =β(v, u + λu 2 ) = β(v, u ) + β(v, λu 2 ) =β(v, u )
MehrLösbarkeit 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
Mehr4.5 Schranken an die Dichte von Kugelpackungen
Gitter und Codes c Rudolf Scharlau 19. Juli 2009 341 4.5 Schranken an die Dichte von Kugelpackungen Schon in Abschnitt 1.4 hatten wir die Dichte einer Kugelpackung, speziell eines Gitters bzw. einer quadratischen
MehrAngewandte Stochastik
Angewandte Stochastik Dr. C.J. Luchsinger 13 Allgemeine Theorie zu Markov-Prozessen (stetige Zeit, diskreter Zustandsraum) Literatur Kapitel 13 * Grimmett & Stirzaker: Kapitel 6.9 Wie am Schluss von Kapitel
MehrD-CHAB Frühlingssemester 2018
D-CHAB Frühlingssemester 2018 Grundlagen der Mathematik II Dr Marcel Dettling Lösung 4 1) Nur für die folgenden Wahlen kann man das Produkt bilden: A A mit Dimension (2, 2) (2, 2) (2, 2): 1 2 A Y mit Dimension
Mehr