Nicht-kooperative Spiele
|
|
- Oldwig Koch
- vor 6 Jahren
- Abrufe
Transkript
1 Kapitel 1 Nicht-kooperative Spiele 1.1 Zwei-Personen-Spiele Definition 1: Ein Zwei-Personen-Spiel Γ besteht aus einem Paar nichtleerer Mengen S T zwei reellwertigen Funktionen φ 1 φ 2 auf dem kartesischen Produkt S T. Wir schreiben dafür kurz: Γ = (S, T, φ 1, φ 2 ). Interpretation: In einem Spiel ist S die Strategiemenge eines Spielers P 1 T die Strategiemenge eines Spielers P 2. Wenn Spieler P 1 die Strategie s S Spieler P 2 die Strategie t T wählt, dann beschreibt φ 1 (s, t) die Auszahlung an den Spieler P 1 φ 2 (s, t) die Auszahlung an den Spieler P 2. Definition 2: Ein Spiel Γ = (S, T, φ 1, φ 2 ) heißt symmetrisch, wenn gilt: S = T φ 1 (s, t) = φ 2 (t, s) (s, t) S S. Beispiel 1: Das Spiel ist der ehemalige Ost-West-Konflikt. Der Spieler P 1 ist die USA der Spieler P 2 die UdSSR. Die gemeinsame Strategiemenge S = T besteht aus den beiden Strategien A = Aufrüsten D = Abrüsten. Die Werte der Auszahlungsfunktionen φ 1 bzw. φ 2 lassen sich durch die beiden Matrizen ( φ1 (A, A) φ 1 (A, D) φ 1 (D, A) φ 1 (D, D) ) bzw. ( φ2 (A, A) φ 2 (A, D) φ 2 (D, A) φ 2 (D, D) ) 1
2 darstellen, wobei gilt: φ 1 (A, A) = φ 2 (A, A), φ 1 (D, D) = φ 2 (D, D), φ 1 (A, D) = φ 2 (D, A), φ 1 (D, A) = φ 2 (A, D). Es liegt also ein symmetrisches Spiel vor. Jeder der beiden Spieler P 1 P 2 möchte seine Auszahlung maximieren. Das ist aber i.a. nicht simultan möglich. Daher muß ein Kompromiß gefen werden, der für beide Spieler in einem gewissen Sinne optimal ist. Definition 3: Ein Strategienpaar (ŝ, ˆt) S T heißt ein Nash-Gleichgewicht, wenn gilt φ 1 (ŝ, ˆt) φ 1 (s, ˆt) s S φ 2 (ŝ, ˆt) φ 2 (ŝ, t) t T. Beispiel 2: Das Gefangenendilemma: Zwei Täter, die gemeinschaftlich eine schwere Straftat begangen haben, werden verhaftet getrennt dem Haftrichter vorgeführt. Da es keine Tatzeugen gibt, kann nur das Geständnis wenigstens eines Täters zur Verurteilung führen. Gesteht nur ein Täter, geht er aufgr einer Kronzeugenregelung frei aus dem Verfahren heraus, während seinen Komplizen die volle Härte des Gesetzes trifft (10 Jahre Haft). Gestehen beide, so erhalten sie 8 Jahre Gefängnis wegen mildernder Umstände. Gesteht keiner, werden beide z.b. wegen illegalem Waffenbesitz zu einem Jahr Haft verurteilt. Beide Täter sind in getrennten Zellen untergebracht können nicht miteinander kommunizieren. Die Strategiemengen der Täter sind definiert durch S := {G, N}, wobei die Strategien G = Gestehen N = Nicht gestehen sind. Die Auszahlungsfunktionen φ 1 bzw. φ 2 werden durch die beiden Matrizen ( ) ( ) bzw beschrieben. Die Auszahlungen werden in negativen Gefängnis-Jahren gemessen. Es gilt φ 1 (G, N) > φ 1 (N, N) > φ 1 (G, G) > φ 1 (N, G) φ 2 (N, G) > φ 2 (N, N) > φ 2 (G, G) > φ 2 (G, N). Das Strategienpaar (G,G) wäre ein Nash-Gleichgewicht. Jedoch würde das Strategienpaar (N,N) für beide Täter den besten Kompromiß darstellen. Aber das Paar (N,N) ist nicht stabil, da ein Abweichler eine Auszahlungsverbesserung erreichen würde. 2
3 Allgemein kann man sagen: Ein Nash-Gleichgewicht ist ein Strategienpaar derart, dass, wenn ein Spieler von der Strategie dieses Paares abweicht, während der andere an seiner Strategie in diesem Paar festhält, der Abweichler sich höchstens verschlechtern kann. Es erhebt sich jetzt die Frage, unter welchen Bedingungen die Existenz eines Nash-Gleichgewichtes sichergestellt werden kann. Dazu machen wir die folgenden Annahmen: 1. Die Strategiemenge S bzw. T sei eine konvexe kompakte Teilmenge eines R m bzw. R n. 2. Die Auszahlungsfunktionen φ 1 φ 2 seien stetig auf S T. Hilfssatz: Für den nachfolgenden Satz benötigen wir den Brouwerschen Fixpunktsatz: Sei S R n beschränkt, konvex offen sowie T : S S stetig auf S. Dann besitzt T einen Fixpunkt in S, d.h. es gibt ein s S mit T (s) = s. Auf den Beweis wird an dieser Stelle verzichtet, er kann nachgelesen werden in H. Jeggle, Nichtlineare Funktionalanalysis, Teubner Studienbücher, Stuttgart, Satz 1: Zusätzlich zu den Annahmen gelte die folgende Annahme: Zu jedem Paar (s, t ) S T gibt es genau ein s S ein t T mit φ 1 ( s, t ) φ 1 (s, t ) s S (1.1) φ 2 (s, t) φ 2 (s, t) t T. (1.2) Dann besitzt das Spiel Γ = (S, T, φ 1, φ 2 ) ein Nash-Gleichgewicht. Wir wollen hier nur die Beweisidee skizzieren. Dazu definieren wir eine Abbildung A = A 2 A 1 : S T S T mit Dann ist A 1 (s, t ) = ( s, t ), wobei s S die einzige Strategie mit (1.1) ist, A 2 (s, t ) = (s, t), wobei t T die einzige Strategie mit (1.2) ist. A(s, t ) = A 2 ( s, t ) = ( s, t) = (s, t ), d.h. (s, t ) ein Fixpunkt von A, genau dann, wenn gilt φ 1 (s, t ) φ 1 (s, t ) s S 3
4 φ 2 (s, t ) φ 2 (s, t) t T, d.h., wenn (s, t ) ein Nash-Gleichgewicht ist. Wenn man jetzt noch zeigt, dass die Abbildung A : S T S T stetig ist, so folgt aus dem Brouwerschen Fixpunktsatz, dass A in S T einen Fixpunkt besitzt, der dann zugleich ein Nash-Gleichgewicht ist. Die Beweisskizze von Satz 1 gibt Anlaß zur Aufstellung eines Iterationsverfahrens zur Berechnung von Nash-Gleichgewichten. Wir legen dazu wieder die beiden obigen Annahmen zugre. Ausgehend von einem Paar (s 0, t 0 ) S T konstruieren wir nun eine Folge ((s k, t k ) k N0 ) folgendermaßen: Ist (s k, t k ) S T für ein k N 0 vorgegeben, so wird zunächst ein s k+1 S so bestimmt, dass gilt dann ein t k+1 T so, dass gilt φ 1 (s k+1, t k ) φ 1 (s, t k ) s S φ 2 (s k, t k+1 ) φ 2 (s k, t) t T. Wir nehmen an, dass ein (ŝ, ˆt) S T existiert mit Dann folgt (ŝ, ˆt) = lim k (s k, t k ). φ 1 (ŝ, ˆt) = lim k φ 1(s k+1, t k ) lim k φ 1(s, t k ) = φ 1 (s, ˆt) s S φ 2 (ŝ, ˆt) = lim k φ 2(s k, t k+1 ) lim k φ 2(s k, t) = φ 2 (ŝ, t) t T d.h., (ŝ, ˆt) S T ist ein Nash-Gleichgewicht. 1.2 Nullsummen-Spiele Definition 4: Ein Zwei-Personen-Spiel Γ = (S, T, φ 1, φ 2 ) heißt Nullsummen- Spiel, wenn gilt: φ 1 + φ 2 0, d.h. wenn der Gewinn des einen Spielers gleich dem Verlust des anderen ist. Definiert man φ = φ 1, so ist φ 2 = φ. Ein Strategienpaar (ŝ, ˆt) S T ist genau dann ein Nash-Gleichgewicht, wenn gilt φ(s, ˆt) φ(ŝ, ˆt) φ(ŝ, t) (s, t) S T. (1.3) 4
5 Man nennt daher auch ein Nash-Gleichgewicht einen Sattelpunkt des Nullsummen- Spiels Γ = (S, T, φ, φ). Die Aussage (1.3) ist gleichbedeutend mit der Aussage Setzt man ω = φ(ŝ, ˆt), so folgt φ(ŝ, ˆt) = sup φ(s, ˆt) = inf φ(ŝ, t). s S t T ω φ(s, ˆt) s S (1.4) ω φ(ŝ, t) t T. Man nennt ω den Wert des Spieles Γ. Satz 2: Ein Nullsummen-Spiel Γ hat höchstens einen Wert. Beweis: Seien (ŝ 1, ˆt 1 ) (ŝ 2, ˆt 2 ) aus S T zwei Sattelpunkte. Dann folgt aus (1.4) ω 1 = φ(ŝ 1, ˆt 1 ) φ(ŝ 2, ˆt 1 ) φ(ŝ 2, ˆt 2 ) = ω 2 φ(ŝ 1, ˆt 2 ) φ(ŝ 1, ˆt 1 ) = ω 1 damit ω 1 = ω 2. Bemerkung: Der Wert eines Nullsummen-Spiels ist eindeutig, es können aber verschiedene Sattelpunkte existieren. Den Wert eines Nullsummen-Spieles kann man auch noch anders definieren. Dazu nehmen wir an, dass S T kompakte metrische Räume sind φ : S T R stetig ist. Dann gibt es für jedes Paar (s, t ) S T ein Paar ( s, t) S T mit Weiter sind die Funktionen s min t T stetig. Offenbar gilt für jedes s S φ(s, t) = min t T φ(s, t) φ( s, t ) = max s S φ(s, t ) φ(s, t), s S t max φ(s, t), t T s S min φ(s, t) φ(s, t) t T. t T Daraus folgt max min s S t T φ(s, t) max s S φ(s, t) t T 5
6 weiter max min s S t T φ(s, t) min max t T s S φ(s, t). (1.5) Satz 3: Gilt in (1.5) das Gleichheitszeichen, so ist ω = max min s S t T der Wert des Spieles Γ = (S, T, φ, φ). φ(s, t) = min max t T s S φ(s, t) (1.6) Beweis: Wir haben zu zeigen, dass es einen Sattelpunkt (ŝ, ˆt) S T gibt mit φ(ŝ, ˆt) = ω. Definiert man φ M (t) = max φ(s, t) t T s S wählt (ŝ, ˆt) S T so, dass gilt φ m (s) = min φ(s, t) s S t T φ M (ˆt) = min t T φ M(t) φ m (ŝ) = max s S φ m(s), so folgt aus (1.6), dass gilt φ M (ˆt) = φ m (ŝ) daraus φ(s, ˆt) φ M (ˆt) = φ m (ŝ) φ(ŝ, t) (s, t) S T. Damit ist (ŝ, ˆt) S T ein Sattelpunkt φ(ŝ, ˆt) = ω. Umgekehrt folgt aus der Existenz eines Sattelpunktes (ŝ, ˆt) S T die Aussage (1.6) mit ω = φ(ŝ, ˆt). Zunächst folgt aus der Sattelpunktseigenschaft Andererseits folgt aus (1.5) φ m (ŝ) φ(ŝ, ˆt) φ M (ˆt). φ m (s) φ M (t) s S t T. Damit ist φ m (ŝ) = φ M (ˆt) = φ(ŝ, ˆt) somit womit alles gezeigt ist. φ(ŝ, ˆt) = max s S φ m(s) = min t T φ M(t), Interpretation: Bei max-min hat der Minimierer (Spieler 2) den Vorteil, da er zuerst wählen darf. Bei min-max ist es genau andersherum. Wir nehmen jetzt zusätzlich an, dass S bzw. T eine konvexe kompakte Teilmenge eines R m bzw. R n ist φ : S T R wiederum stetig. Dann ergibt sich aus Satz 1: 6
7 Satz 4: Gibt es zusätzlich zu der obigen Annahme zu jedem Paar (s, t ) S T genau ein s S ein t T mit φ( s, t ) φ(s, t ) s S φ(s, t) φ(s, t) t T, so besitzt das Spiel Γ = (S, T, φ, φ) einen Sattelpunkt. Beweis: Analog zu Satz 1. Aus der Symmetrie-Definition für ein Zwei-Personen-Spiel ergibt sich für Nullsummen-Spiele: Definition 5: Ein Spiel Γ = (S, T, φ, φ) ist symmetrisch genau dann, wenn gilt S = T Daraus folgt insbesondere φ(s, t) = φ(t, s) (s, t) S S. φ(s, s) = 0 s S. Für symmetrische Nullsummen-Spiele gilt nun: Satz 5: Ein symmetrisches Spiel Γ = (S, T, φ, φ) besitzt genau dann einen Sattelpunkt, wenn eine Strategie s S existiert mit φ( s, s) 0 s S. (1.7) Beweis: 1. Sei ( s, s ) S S ein Sattelpunkt; dann gilt φ( s, s) φ(s, s ) s, s S insbesondere φ( s, s) φ( s, s ) = 0 s S. 2. Sei s S gegeben, so dass (1.7) gilt; dann folgt φ(s, s) 0 s S daher φ( s, s) φ( s, s) = 0 φ(s, s) s, s S. Damit ist ( s, s) ein Sattelpunkt ω = 0 der Wert des Spieles. 7
8 Definition 6: Ist Γ = (S, T, φ, φ) ein Nullsummen-Spiel, so heißt das Nullsummen-Spiel ˆΓ = (S T, S T, ˆφ, ˆφ) mit ˆφ((s, t), (s, t )) = φ(s, t ) φ(s, t) für (s, t), (s, t ) S T die Symmetrisierung von Γ. Sicher ist ˆΓ symmetrisch, denn es ist ˆφ((s, t), (s, t )) = φ(s, t ) φ(s, t) = (φ(s, t) φ(s, t )) = ˆφ((s, t ), (s, t)) für alle (s, t), (s, t ) S T. Satz 6: Das Spiel Γ besitzt einen Sattelpunkt genau dann, wenn ˆΓ einen Sattelpunkt besitzt. Beweis: Das Paar ( s, t) S T ist genau dann ein Sattelpunkt in Γ, wenn gilt φ( s, t) φ(s, t) (s, t) S T, was gleichbedeutend ist mit ˆφ(( s, t), (s, t)) = φ( s, t) φ(s, t) 0 (s, t) S T. Das wiederum ist nach Satz 5 äquivalent dazu, dass ˆΓ einen Sattelpunkt besitzt. Im folgenden benötigen wir den Begriff der gemischten Strategie. Dazu definieren wir: Definition 7: Eine gemischte Strategie auf S bzw. T ist eine reellwertige Funktion σ auf S bzw. τ auf T mit (i) σ(s) 0 s S, τ(t) 0 t T, (ii) σ(s) = 0 für fast alle s S (d.h. alle, bis auf endlich viele) (iii) τ(t) = 0 für fast alle t T (iv) s S σ(s) = 1, t T τ(t) = 1. Wir bezeichnen die Menge aller gemischten Strategien auf S bzw. T mit S bzw. T. Interpretation: Die Zahl σ(s) bzw. τ(t) stellt die Wahrscheinlichkeit dar, mit der der Spieler P 1 bzw. P 2 die Strategie s bzw. t wählt. Die Mengen S bzw. T der sog. reinen Strategien lassen sich in die Mengen S bzw. T der gemischten Strategien isomorph einbetten mit den Abbildungen s σ s mit σ s (s) = 1 σ s (s ) = 0 für alle s s bzw. t τ t mit 8
9 τ t (t) = 1 τ t (t ) = 0 für alle t t. Definiert man auf der Menge S T Auszahlungsfunktionen φ i (σ, τ) = σ(s)τ(t)φ i (s, t), (σ, τ) S T für i = 1, 2, so erhält man ein Zwei-Personen-Spiel Γ = ( S, T, φ 1, φ 2 ), die sog. gemischte Erweiterung von Γ = (S, T, φ 1, φ 2 ). Man wird erwarten, dass zu Satz 6 ein analoger Satz auch für die gemischte Erweiterung von Γ ˆΓ gilt: Satz 7: Sei Γ ein Nullsummen-Spiel. Dann besitzt seine gemischte Erweiterung Γ genau dann einen Sattelpunkt, wenn die gemischte Erweiterung ˆΓ von ˆΓ einen Sattelpunkt besitzt. Beweis: 1. Sei ( σ, τ) S T ein Sattelpunkt in Γ ; dann gilt φ( σ, t ) = s S σ(s)φ(s, t ) φ( σ, t) t T φ(s, τ) = t T τ(t)φ(s, t) φ( σ, τ) s S. ( ) Definiert man στ(s, t) = σ(s) τ(t) für (s, t) S T, so ist στ eine gemischte Strategie in ˆΓ ; denn στ(s, t) = σ(s) τ(t) = [ σ(s) ] τ(t) = σ(s) = 1. s S t T s S Daraus folgt für jede reine Strategie (s, t ) S T von Spieler P 2 in ˆΓ ˆφ(στ, (s, t )) = σ(s) τ(t) ˆφ((s, t), (s, t )) = = s S σ(s) τ(t)[φ(s, t ) φ(s, t)] σ(s)φ(s, t ) t T τ(t)φ(s, t) 0 als Folge von ( ). Dieselbe Ungleichung gilt auch, wenn man (s, t ) durch eine gemischte Strategie von P 2 in ˆΓ ersetzt. Nach Satz 5 besitzt daher ˆΓ einen Sattelpunkt. 9
10 2. Die gemischte Erweiterung ˆΓ von ˆΓ besitze einen Sattelpunkt. Dann gibt es nach Satz 5 eine Strategie ρ S T mit 0 ˆφ( ρ, (s, t )) = ρ(s, t)[φ(s, t ) φ(s, t)]. ( ) Definiert man σ(s) = t T ρ(s, t) τ(t) = s S ρ(s, t), so sind σ τ gemischte Strategien in Γ, d.h. σ S τ T, aus ( ) folgt 0 s S σ(s)φ(s, t ) t T τ(t)φ(s, t) oder φ( σ, t ) φ(s, τ) (s, t ) S T. Daraus folgt φ( σ, τ ) φ(σ, τ) (σ, τ ) S T. Damit ist ( σ, τ) ein Sattelpunkt von Γ. Vortrag: Stefan Schuh Literatur: W. Krabs, Spieltheorie, Teubner Verlag, Wiesbaden,
3.4 von Neumannsche Theorie kooperativer Spiele
3.4 von Neumannsche Theorie kooperativer Spiele Gliederung Die charakteristische Funktion eines Spieles Der Wert eines Spieles und Strategische Äquivalenz Der von Neumannsche Lösungsbegriff Definition
MehrWie verhalte ich mich bei einem Verhör und einer Mutprobe richtig?
Wie verhalte ich mich bei einem Verhör und einer Mutprobe richtig? Ringvorlesung Technische Mathematik 10. November 2009 Inhaltsverzeichnis Das Gefangenendilemma 1 Das Gefangenendilemma 2 Situationsanalyse
MehrEinführung in die Spieltheorie und Nash-Gleichgewichte
Einführung in die Spieltheorie und Nash-Gleichgewichte Vortrag im Seminar WT und Ihre Anwendungen Institut für Mathematische Statistik Fachbereich Mathematik und Informatik Westfählische Wilhelms-Universtät
MehrInhaltsverzeichnis 1 Einleitung 1 2 Nash-Gleichgewicht in strategischen Spielen Nash-Gleichgewicht Beste-Ant
Abstrakte Analyse des Nash-Gleichgewichtes Seminar von Olga Schäfer Fachbereich Mathematik der Universität Siegen Siegen, 29. Juli 2009 Inhaltsverzeichnis 1 Einleitung 1 2 Nash-Gleichgewicht in strategischen
MehrSeminar Optimierung und optimale Steuerung
Seminar Optimierung und optimale Steuerung am 28.06.2008 Thema: Nicht-kooperative n-personen-spiele Martin Schymalla 27. Juni 2008 Gliederung 1 1 Cournot-Duopol 2 2 n-personen-spiele 3 3 Mengenwertige
MehrSpieltheorie. Manfred Hörz. } seiner möglichen Strategien aus, ohne die Strategieentscheidungen seiner Mitspieler zu kennen. ={ is 1.
Spieltheorie Manfred Hörz A = {1, 2,..., n} seien die Akteure eines Spiels. Jeder Akteur i wählt eine Strategie aus einer Menge S i ={ is 1,is 2,...,is k } seiner möglichen Strategien aus, ohne die Strategieentscheidungen
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
MehrVorlesung: Nicht-kooperative Spieltheorie. Teil 2: Spiele in Normalform
Vorlesung: Nicht-kooperative Spieltheorie Teil 2: Spiele in Normalform Dr. Thomas Krieger Wintertrimester 2009 Dr. Thomas Krieger Vorlesung: Nicht-kooperative Spieltheorie 1 Inhaltliche Motivation Es gibt
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
Mehr1 Die direkte Methode der Variationsrechnung
Die direkte Methode der Variationsrechnung Betrachte inf I(u) = f(x, u(x), u(x)) dx : u u + W,p () wobei R n, u W,p mit I(u ) < und f : R R n R. (P) Um die Existenz eines Minimierers direkt zu zeigen,
MehrDer Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.
Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x
MehrMessbare Vektorräume
Messbare Vektorräume Hans-Jörg Starkloff TU Bergakademie Freiberg Westsächsische Hochschule Zwickau Dezember 2010 / Januar 2011 Hans-Jörg Starkloff Messbare Vektorräume 1 1. Definition Geg. X linearer
MehrDie komplexe Halbebene faktorisiert nach einer Fuchsschen Gruppe
Die komplexe Halbebene faktorisiert nach einer Fuchsschen Gruppe Matthias Nagel Riemannsche Flächen Stets sei X eine 2-dimensionale Mannigfaltigkeit (Fläche). Definition. ) Eine komplexe Karte auf X ist
MehrSatz Eine Teilmenge U von M ist genau dann offen, wenn jeder Punkt von U innerer Punkt ist. U x, und U ist als Vereinigung offener Mengen offen.
Ergänzungen zu offenen und abgeschlossenen Mengen Definition Ist L Teilmenge eines topologischen Raums M, so heißt x L innerer Punkt von L, wenn es eine offene Umgebung von x gibt, die ganz in L liegt.
MehrDefinition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i
3 Kompaktheit In der Analysis I zeigt man, dass stetige Funktionen f : [a, b] R auf abgeschlossenen, beschränkten Intervallen [a, b] gleichmäßig stetig und beschränkt sind und dass sie ihr Supremum und
Mehr(b) Man nennt die Menge M beschränkt, wenn sie nach oben und unten beschränkt ist.
8 Punktmengen Für die Menge M = { 1 n ; n N } ist 1 = max(m), denn 1 M und 1 n 1 für alle n N. Die Menge M besitzt aber kein Minimum, denn zu jeder Zahl x = 1 n M existiert ein y M mit y < x, etwa y =
MehrStetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn
Stetige Funktionen Eine zentrale Rolle in der Analysis spielen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume). Dabei sind i.a. nicht beliebige
MehrCauchy-Folgen und Kompaktheit. 1 Cauchy-Folgen und Beschränktheit
Vortrag zum Seminar zur Analysis, 10.05.2010 Michael Engeländer, Jonathan Fell Dieser Vortrag stellt als erstes einige Sätze zu Cauchy-Folgen auf allgemeinen metrischen Räumen vor. Speziell wird auch das
MehrVollständigkeit. 1 Konstruktion der reellen Zahlen
Vortrag im Rahmen des Proseminars zur Analysis, 17.03.2006 Albert Zeyer Ziel des Vortrags ist es, die Vollständigkeit auf Basis der Konstruktion von R über die CAUCHY-Folgen zu beweisen und äquivalente
MehrZusammenfassung Analysis 2
Zusammenfassung Analysis 2 1.2 Metrische Räume Die Grundlage metrischer Räume bildet der Begriff des Abstandes (Metrik). Definition 1.1 Ein metrischer Raum ist ein Paar (X, d), bestehend aus einer Menge
MehrHawkes Prozesse Grundlagen
Hawkes Prozesse Grundlagen Im Folgenden sei (Ω, F, F, P) eine stochastische Basis. Das heißt F = (F t ) t ist eine rechtsstetige Filtration mit F t F für alle t und P ein Wahrscheinlichkeitsmaß auf dem
Mehr10 Untermannigfaltigkeiten
10. Untermannigfaltigkeiten 1 10 Untermannigfaltigkeiten Definition. Eine Menge M R n heißt k-dimensionale Untermannigfaltigkeit des R n, 1 k n, falls es zu jedem a M eine offene Umgebung U R n von a und
MehrLineare Algebra 6. Übungsblatt
Lineare Algebra 6. Übungsblatt Fachbereich Mathematik M. Schneider 16.05.01 Konstantin Pertschik, Daniel Körnlein Gruppenübung Aufgabe G19 Berechnen Sie das inverse Element bzgl. Multiplikation in der
MehrExistenz eines Nash Gleichgewichts
Existenz eines Nash Gleichgewichts Ei Existenztheorem: Wenn für ein Spiel = (N, S, u) gilt, dass (i) der Strategieraum S kompakt und konvex ist und (ii) die Auszahlungsfunktion u i (s) jedes Spielers stetig
Mehrdafür muss man aber wissen, dass es ein Nash-GG gibt ... als wissenschaftliche Theorie unbefriedigend
1 KAP 8. Existenz von Nash-Gleichgewichten Heute betrachten wir die Frage: Hat jedes Spiel ein Nash-Gleichgewicht? Warum ist diese Frage interessant? Häufig sind Spiele zu kompliziert, um N-GG explizit
MehrÜbungsblatt 2 - Analysis 2, Prof. G. Hemion
Tutor: Martin Friesen, martin.friesen@gmx.de Übungsblatt 2 - Analysis 2, Prof. G. Hemion Um die hier gestellten Aufgaben zu lösen brauchen wir ein wenig Kentnisse über das Infimum bzw. Supremum einer Menge.
MehrDas Gefangenendilemma (Prisoner s Dilemma)
SPIELTHEORIE Das Gefangenendilemma (Prisoner s Dilemma) 2 Zwei Herren (Braun und Blau) haben eine Bank überfallen. Der Sheriff hat sie gefasst, kann aber nur ein minder schweres Verbrechen nachweisen (unerlaubter
MehrAnalysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME
Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Dietmar A. Salamon ETH-Zürich 23. Februar 2015 1 Topologische Grundbegriffe Sei (X, d) ein metrischer Raum, d.h. X ist eine Menge und d : X X R ist
MehrDie Topologie von R, C und R n
Die Topologie von R, C und R n Für R haben wir bereits eine Reihe von Strukturen kennengelernt: eine algebraische Struktur (Körper), eine Ordnungsstruktur und eine metrische Struktur (Absolutbetrag, Abstand).
Mehr4 Messbare Funktionen
4 Messbare Funktionen 4.1 Definitionen und Eigenschaften Definition 4.1. Seien X eine beliebige nichtleere Menge, M P(X) eine σ-algebra in X und µ ein Maß auf M. Das Paar (X, M) heißt messbarer Raum und
MehrSpieltheorie. A. Chocholaty und P. Hitzler
Spieltheorie A. Chocholaty und P. Hitzler In diesem Kapitel soll gezeigt werden, wie Spiele mathematisch modelliert (Abschnitt ) und mit Hilfe von Matrizen und Bäumen (Abschnitt 3) dargestellt und analysiert
MehrKonvexe Optimierungsprobleme
von: Veronika Kühl 1 Konvexe Optimierungsprobleme Betrachtet werden Probleme der Form (P) min x C f(x) wobei f : C R eine auf C konvexe, aber nicht notwendigerweise differenzierbare Funktion ist. Ziel
Mehrn A n = A ist nun folgendermaßen:
Aufgabe 3. Sei (X, d) ein beschränkter metrischer Raum, d.h. es gibt ein c > 0 mit d(x, y) c für alle x, y X. Bezeichne T (X) die Menge aller abgeschlossenen nichtleeren Teilmengen von X. Für A, B T (X)
MehrDIFFERENTIATION PARAMETERABHÄNGIGER INTEGRALE
DIFFERENTIATION PARAMETERABHÄNGIGER INTEGRALE Zusammenfassung. Ergänzend zur Übung vom 06.06.203 soll hier die Leibnizregel für die Differentiation parameterabhängiger Integrale formuliert und bewiesen
MehrAnalyis I -Metrische Räume - eine Einführung in die Topologie
Analyis I -Metrische Räume - eine Einführung in die Topologie E = E isolierter Punkte x 1 x 2 x 3 E ist abgeschlossen U ɛ (x) x innerer Punkt Ω Häufungspunkte Ω Metrik Metrische Räume Definition Sei X
MehrProseminar Analysis Vollständigkeit der reellen Zahlen
Proseminar Analysis Vollständigkeit der reellen Zahlen Axel Wagner 18. Juli 2009 1 Voraussetzungen Zunächst wollen wir festhalten, was wir als bekannt voraussetzen: Es sei (Q, +, ) der Körper der rationalen
Mehr4 Differenzierbarkeit einer konjugierten Funktion
4 Differenzierbarkeit einer konjugierten Funktion (Eingereicht von Corinna Vits) 4.1 Differenzierbarkeit 1.Ordnung Theorem 4.1.1: Sei f ConvR n strikt konvex. Dann ist int dom und f ist stetig differenzierbar
MehrZufallsvariable, Verteilung, Verteilungsfunktion
Kapitel 5 Zufallsvariable, Verteilung, Verteilungsfunktion 5.1 Zufallsvariable Sei (Ω, A, P ) ein beliebiger Wahrscheinlichkeitsraum. Häufig interessiert nicht ω selbst, sondern eine Kennzahl X(ω), d.h.
MehrAlgorithmische Spieltheorie. Martin Gairing
Algorithmische Spieltheorie Martin Gairing Folien zur Vorlesung vom 26.04.2004 Organisatorisches: Vorlesung Montags, 14:15-15:45 Uhr Übungen Montags, 16:00-17:00 Uhr Folien zur Vorlesung unter http://www.upb.de/cs/ag-monien/lehre/ss04/spieltheo/
Mehr12. Vorlesung. 19. Dezember 2006 Guido Schäfer
LETZTE ÄNDERUNG: 6. JANUAR 007 Vorlesung: Einführung in die Spieltheorie WS 006/007. Vorlesung 9. Dezember 006 Guido Schäfer 4 Bayesian Games Wir haben bisher immer angenommen, dass jeder Spieler vollständige
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.
MehrÜbung Kapitel
Einführung in die Spieltheorie und Experimental Economics Übung Kapitel 4 28.09.205 Einführung in die Spieltheorie Prof. Dr. Aleksander Berentsen Aufgabe a) Dominante Strategie 2 l r o 2, 4, 0 u 6, 5 4,
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Analysis I für Studierende der Ingenieurwissenschaften Ingenuin Gasser Department Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 2008/2009 1 Definition: Sei M R, alsom
MehrProf. 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 =
Mehrb liegt zwischen a und c.
2 DIE ANORDNUNGSAXIOME 5 (2.4) a, b, c R : (a < b 0 < c) ac < bc Monotoniegesetz der Multiplikation Bezeichnungen a > b : b < a (> wird gelesen: größer als ) a b : a < b oder a = b a b : a > b oder a =
MehrD-MATH Topologie FS 15 Theo Bühler. Musterlösung 11. d(x, y) := n 0. 2 n d n (x n, y n ),
D-MATH Topologie FS 15 Theo Bühler Musterlösung 11 1. a) Da (C n, d n ) kompakt ist, nimmt die stetige Funktion d n : C n C n [0, ), (x, y) d(x, y) ihr Maximum diam C n an. Ersetzen wir d n durch d n =
Mehr3 Bedingte Erwartungswerte
3 Bedingte Erwartungswerte 3.3 Existenz und Eindeutigkeit des bedingten Erwartungswertes E A 0(X) 3.6 Konvexitätsungleichung für bedingte Erwartungswerte 3.9 Konvergenzsätze von Levi, Fatou und Lebesgue
MehrDefinition Eine Metrik d auf der Menge X ist eine Abbildung d : X X IR
0 Inhaltsverzeichnis 1 Metrik 1 1.1 Definition einer Metrik............................. 1 1.2 Abstand eines Punktes von einer Menge................... 1 1.3 Einbettung eines metrischen Raumes in einen
MehrKapitel 5 KONVERGENZ
Kapitel 5 KONVERGENZ Fassung vom 21. April 2002 Claude Portenier ANALYSIS 75 5.1 Metrische Räume 5.1 Metrische Räume DEFINITION 1 Sei X eine Menge. Eine Abbildung d : X X! R + heißt Metrik oder Distanz
Mehr1 Häufungswerte von Folgen
KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heio Hoffmann WS 0/..0 Höhere Mathemati I für die Fachrichtung Informati. Saalübung (..0) Häufungswerte von Folgen Oft
MehrD-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Lösung 4
D-MATH, D-PHYS, D-CHAB Analysis I HS 017 Prof. Manfred Einsiedler Lösung 4 Hinweise 1. Zeigen Sie, dass inf X die kleinste obere Schranke von X ist.. Dass z 1, z Lösungen sind, kann man durch Einsetzen
MehrImplizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen
Kapitel XII Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen 53 Implizite Funktionen und allgemeine partielle Differenzierbarkeit 54 Der Umkehrsatz 55 Lokale Extrema unter Nebenbedingungen,
MehrAufgaben zur Verbandstheorie
TU Bergakademie Freiberg WS 2005/06 Institut für Diskrete Mathematik & Algebra Prof. Dr. Udo Hebisch Aufgaben zur Verbandstheorie 1. Für ein beliebiges n IN sei X n die Menge aller Teiler von n. Definiert
MehrWiederholte Spiele. Grundlegende Konzepte. Zwei wichtige Gründe, wiederholte Spiele zu betrachten: 1. Wiederholte Interaktionen in der Realität.
Spieltheorie Sommersemester 2007 1 Wiederholte Spiele Grundlegende Konzepte Zwei wichtige Gründe, wiederholte Spiele zu betrachten: 1. Wiederholte Interaktionen in der Realität. 2. Wichtige Phänomene sind
MehrKlausur zur Vorlesung Spieltheorie Musterlösung
Prof. Dr. Ulrich Schwalbe Sommersemester 2001 Klausur zur Vorlesung Spieltheorie Musterlösung Die Klausur besteht aus vier Vorfragen, von denen drei zu beantworten sind sowie drei Hauptfragen, von denen
MehrNun zeigen wir: wie kann man durch eine Liftung eine neue Unterlösung konstruieren.
56 SS2016 Definition 6.17 (Unterlösung,Oberlösung). Ω R n seieingebietleinelliptischeroperator wie in Bedingung 6.1. Seien a i j, b i c stetig mit c 0 in Ω. Sei f stetig in Ω. Eine Funktion u C(Ω) heißt
MehrKONSTRUKTION VON MASSEN
KONSTRUKTION VON MASSEN MARCUS HEITEL 1. Einleitung Wir wollen im Folgenden das Lebesguemaß konstruieren. Dieses soll die Eigenschaft λ ( [a, b = b a für a, b R besitzen. Nun ist ein Maß aber auf einer
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,
Mehr55 Lokale Extrema unter Nebenbedingungen
55 Lokale Extrema unter Nebenbedingungen Sei f : O R mit O R n differenzierbar. Notwendige Bescheinigung für ein lokales Extremum in p 0 ist dann die Bedingung f = 0 (siehe 52.4 und 49.14). Ist nun F :
MehrElemente der mengentheoretischen Topologie
Elemente der mengentheoretischen Topologie Es hat sich herausgestellt, dass das Konzept des topologischen Raumes die geeignete Struktur darstellt für die in der Analysis fundamentalen Begriffe wie konvergente
MehrMerkblatt zur Funktionalanalysis
Merkblatt zur Funktionalanalysis Literatur: Hackbusch, W.: Theorie und Numerik elliptischer Differentialgleichungen. Teubner, 986. Knabner, P., Angermann, L.: Numerik partieller Differentialgleichungen.
MehrMAA = MAB + B AA = B CA + CAA BA A Nun sehen wir mit Proposition 10.7 aus dem Skript, dass A M AB gelten muss.
1. Konvexität in der absoluten Ebene In einem Dreieck in der Euklidischen Ebene hat die Strecke zwischen zwei Seitenmittelpunkten die halbe Länge der dritten Seite. In der absoluten Ebene hat man eine
Mehr13 Auswahlaxiom und Zornsches Lemma
13 Auswahlaxiom und Zornsches Lemma Handout zur Funktionalanalysis I von H. Glöckner, 25.11.2008 Wichtige Teile der modernen Mathematik beruhen auf dem sogenannten Auswahlaxiom der Mengenlehre. Dieses
MehrTopologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen
Topologische Grundbegriffe I Vortrag zum Proseminar Analysis, 26.04.2010 Nina Neidhardt und Simon Langer Im Folgenden soll gezeigt werden, dass topologische Konzepte, die uns schon für die Reellen Zahlen
MehrKapitel 2. Zahlenbereiche
Kapitel 2. Zahlenbereiche 2.3. Reelle Zahlen Erweiterung des Zahlenbereichs der natürlichen Zahlen Ganze Zahlen Z := {..., 3, 2, 1, 0, 1, 2, 3,... } = N {0} N. Rationale Zahlen Q := { m n m Z, n N }. Beachte:
MehrÜberlagerung I. Überlagerung für z z 2 : komplexe Quadratwurzel. Christoph Schweigert, Garben p.1/19
Überlagerung I Überlagerung für z z 2 : komplexe Quadratwurzel Christoph Schweigert, Garben p.1/19 Überlagerung II Überlagerung für z z 3 : komplexe dritte Wurzel Christoph Schweigert, Garben p.2/19 Überlagerung
MehrAnalysis I - Stetige Funktionen
Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt
MehrSpieltheorie in der Ökonomie
in der Ökonomie Kevin Klein Technische Universität Wien 19. Dezemberl 2012 Inhaltsverzeichnis 1 Gliederung 2 Normalform Grundlagen Präferenzen,Nutzen Lösungskonzepte 3 Grundlagen Cornout Oligopol Bertrand
MehrReelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 11. Oktober 2013
Reelle Analysis Vorlesungsskript Enno Lenzmann, Universität Basel 11. Oktober 2013 3 Fortsetzung von Prämassen zu Massen Der Begriff des Prämasses ist nicht ausreichend, um eine geschmeidige Integrationstheorie
Mehr3 Topologische Gruppen
$Id: topgr.tex,v 1.2 2010/05/26 19:47:48 hk Exp hk $ 3 Topologische Gruppen Als letztes Beispiel eines topologischen Raums hatten wir die Zariski-Topologie auf dem C n betrachtet, in der die abgeschlossenen
MehrTopologische Grundbegriffe II. 1 Begriffe auf Mengen
Vortrag zum Seminar zur Analysis, 03.05.2010 Dennis Joswig, Florian Goy Aufbauend auf den Resultaten der Vorlesung Topologische Grundbegriffe I untersuchen wir weitere topologische Eigenschaften von metrischen
MehrZahlen und metrische Räume
Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} Ganze Zahlen : Aus
MehrProf. Dr. H. Garcke, D. Depner WS 2009/10 NWF I - Mathematik Universität Regensburg. Analysis III
Prof. Dr. H. Garcke, D. Depner WS 2009/10 NWF I - Mathematik 18.11.2009 Universität Regensburg Analysis III Verbesserung der Zusatzaufgabe von Übungsblatt 4 Zusatzaufgabe Wir definieren die Cantormenge
MehrÜbungen zur Vorlesung. Einführung in Dynamische Systeme. Musterlösungen zu Aufgabenblatt 8
Prof. Roland Gunesch Sommersemester 2010 Übungen zur Vorlesung Einführung in Dynamische Systeme Musterlösungen zu Aufgabenblatt 8 Aufgabe 1: Sei (X, d) ein kompakter metrischer Raum. Die Hausdorff-Metrik
MehrNICHTKOOPERATIVE SPIELTHEORIE EINFÜHRUNG. Minimaxlösungen & Gleichgewichte
NICHTKOOPERATIVE SPIELTHEORIE EINFÜHRUNG Minimaxlösungen & Gleichgewichte Spieltheorie Einführungsbeispiel Gefangenendilemma (Prisoner s Dilemma) Nicht kooperierende Spielteilnehmer Spieler Gefangener
MehrAlgorithmen. Spieltheorie. Nash-Gleichgewichte in endlichen Nullsummenspielen. Kodierung als Lineares Programm. Nash-Gleichgewichts-Berechnung
Spieltheorie Albert-Ludwigs-Universität Freiburg Bernhard Nebel und Robert Mattmüller Arbeitsgruppe Grundlagen der Künstlichen Intelligenz 14. Mai 2012 14. Mai 2012 B. Nebel, R. Mattmüller Spieltheorie
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
MehrMathematik für Naturwissenschaftler I WS 2009/2010
Mathematik für Naturwissenschaftler I WS 2009/2010 Lektion 12 1. Dezember 2009 Kapitel 3. Differenzialrechnung einer Variablen (Fortsetzung) Satz 19. Es seien M und N zwei nichtleere Teilmengen von R,
MehrAVWL I (Mikro) 5-31 Prof. Dr. K. Schmidt Spieler 1 Oben Unten Spieler 2 Links Rechts 1, 3 0, 1 2, 1 1, 0 Figur 5.4: Auszahlungsmatrix eines Spiels Wen
AVWL I (Mikro) 5-30 Prof. Dr. K. Schmidt 5.7 Einfuhrung in die Spieltheorie Ein \Spiel" besteht aus: einer Menge von Spielern einer Menge von moglichen Strategien fur jeden Spieler, einer Auszahlungsfunktion,
MehrTeil 1: Statische Spiele mit vollständigen Informationen
Teil 1: Statische Spiele mit vollständigen Informationen Kapitel 1: Grundlagen und Notation Literatur: Tadelis Chapter 3 Statisches Spiel In einem statischen Spiel...... werden die Auszahlungen durch die
MehrHöhere Mathematik II für die Fachrichtung Informatik. Lösungsvorschläge zum 1. Übungsblatt
KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann SS 014 Höhere Mathematik II für die Fachrichtung Informatik Lösungsvorschläge zum 1. Übungsblatt Aufgabe
Mehr14 Ljapunov-Funktionen
14 Ljapunov-Funktionen 67 14 Ljapunov-Funktionen 14.1 Gradientenfelder. a Ein Vektorfeld v C 1 D, R n besitze ein Potential U C 2 D, R, d.h. es sei v = gradu. Dann ist Dvx = HUx symmetrisch, und man hat
MehrSpieltheorie. Gemischte, korrelierte und evolutionäre Gleichgewichte
Spieltheorie Gemischte, korrelierte und evolutionäre Gleichgewichte Michael Espendiller 14. Mai 2012 1.1 Einleitung Wir möchten in diesen Abschnitt die spieltheoretische Begrifflichkeiten erweitern, um
MehrFunktionentheorie auf Riemannschen Flächen
Funktionentheorie auf Riemannschen Flächen Universität Regensburg Sommersemester 2014 Daniel Heiß: 5: Maximale analytische Fortsetzung 20.05.2014 Abstract Zunächst werden Garben und weitere benötigte Begriffe
Mehr21 Körperhomomorphismen
21 Körperhomomorphismen Definition 21.1. Seien K, L, M... Körper. (i) Ein Ringhomomorphismus σ : K L heißt Körperhomomorphismus. Die Menge der Körperhomomorphismen K L bezeichnen wir mit Hom(K, L). Ein
MehrReelle Zufallsvariablen
Kapitel 3 eelle Zufallsvariablen 3. Verteilungsfunktionen esultat aus der Maßtheorie: Zwischen der Menge aller W-Maße auf B, nennen wir sie W B ), und der Menge aller Verteilungsfunktionen auf, nennen
MehrKonfidenzbereiche. Kapitel Grundlagen. Wir gehen wieder von einem allgemeinen (parametrischen) statistischen Modell aus,
Kapitel 4 Konfidenzbereiche 4.1 Grundlagen Wir gehen wieder von einem allgemeinen parametrischen statistischen Modell aus, M, A, P ϑ ; sei eine Funktion des Parameters gegeben, die einen interessierenden
MehrQuantengraphen. Sebastian Haeseler Technische Universität Chemnitz. Abstrakte Versionen klassischer. Ungleichungen und Anwendungen auf
en und Technische Universität Chemnitz en und 02.10.2009 Gliederung en und Gliederung en und Gliederung en und Gliederung en und Definition Ein metrischer Graph X Γ besteht aus en und Definition Ein metrischer
Mehr7 KONVERGENTE FOLGEN 35. inf M = Infimum von M. bezeichnet haben. Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt.
7 KONVERGENTE FOLGEN 35 und die größe untere Schranke mit bezeichnet haben. inf M = Infimum von M Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt der Limes superior der Folge, und lim
Mehr3 Satz von Fisher Tippett
Theorem 3.1 (Satz von Fisher Tippett; extremal types theorem). Eine Verteilung G ist eine Extremwertverteilung genau dann, wenn es c > 0, d R und γ R gibt mit G(t) = G γ (ct + d). { } Dabei ist G γ eine
Mehrpiiq oder p 8, aq, p 8, as, pa, `8q, ra, `8q mit einer reellen Zahl a; piiiq oder p 8, `8q R. [6 Punkte] Achtung: Denken Sie auch an den Fall I!
Analysis I Wintersemester 2015/16 9. Übungsblatt, Lösungsbeispiele Jun. Prof. Dr. Christian Reiher, Pascal Gollin Alexander Block, Hendrik Niehaus, Jakob Kneip, Jakob Schnitzer Aufgabe 5 Es sei I Ď R eine
Mehr( ) ( ) < b k, 1 k n} (2) < x k
Technische Universität Dortmund Fakultät für Mathematik Proseminar Analysis Prof. Dr. Röger Benjamin Czyszczon Satz von Heine Borel Gliederung 1. Zellen und offene Überdeckungen 2. Satz von Heine Borel
MehrRelative Kontrollierbarkeit und Invarianz-Entropie
Relative Kontrollierbarkeit und Invarianz-Entropie Ralph Lettau in Zusammenarbeit mit Fritz Colonius und Christoph Kawan Institut für Mathematik Universität Augsburg 9. Elgersburg Workshop 5. März 2014
MehrKapitel II Funktionen reeller Variabler
Kapitel II Funktionen reeller Variabler D (Funktion) Es sei f XxY eine Abbildung Die Abbildung f heiß Funktion, falls sie eindeutig ist Man schreibt dann auch: f : X Y f ( x) = y, wobei y das (eindeutig
MehrKonstruktion der reellen Zahlen
Konstruktion der reellen Zahlen Zur Wiederholung: Eine Menge K (mit mindestens zwei Elementen) heißt Körper, wenn für beliebige Elemente x, y K eindeutig eine Summe x+y K und ein Produkt x y K definiert
MehrLösungen der Übungsaufgaben von Kapitel 3
Analysis I Ein Lernbuch für den sanften Wechsel von der Schule zur Uni 1 Lösungen der Übungsaufgaben von Kapitel 3 zu 3.1 3.1.1 Bestimmen Sie den Abschluss, den offenen Kern und den Rand folgender Teilmengen
MehrMATHE-BRIEF. März 2012 Nr. 23 SPIELTHEORIE
MATHE-BRIEF März 2012 Nr. 23 Herausgegeben von der Österreichischen Mathematischen Gesellschaft http: // www.oemg.ac.at / Mathe Brief mathe brief@oemg.ac.at SPIELTHEORIE Die Spieltheorie beschäftigt sich
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.
Mehr