Züchtungslehre - Übung 6

Ähnliche Dokumente
Inverse der Verwandtschaftsmatrix

Züchtungslehre - Herleitungen

Züchtungslehre - Eigenschaften von BLUP-Zuchtwerten Peter von Rohr

3 Lineare Gleichungen

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:

Züchtungslehre Übung 7. Lösung

D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Serie 11

Rückwärts-Einsetzen. Bei einem linearen Gleichungssystem in oberer Dreiecksform, nacheinander bestimmt werden: r n,n x n = b n. = x n = b n /r n,n

Inverse Matrix. 1-E Ma 1 Lubov Vassilevskaya

Matrix: Eine rechteckige Anordnung reeller Zahlen a ij (i = 1,..., n i ; j = 1,..., m) in Zeilen und Spalten. Die a ij heiÿen Elemente von A.

Matrizen und Determinanten, Aufgaben

NAME: 999. Schularbeit: MATHEMATIK KL.: - S.1. 2) 6A1.11-E / 002-e ) 6A1.11-E / 003-e ) 6A1.11-E / 004-e 0 1 2

a 21 a 22 a 21 a 22 = a 11a 22 a 21 a 12. Nun zur Denition und Berechnung von n n-determinanten: ( ) a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 A =

10. Übung zur Linearen Algebra I -

Matrizen, Determinanten, lineare Gleichungssysteme

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

13. ABBILDUNGEN EUKLIDISCHEN VEKTORRÄUMEN

Test 2, Musterlösung. Name, Klasse: Semester: 1 Datum: Teil ohne Matlab

Züchtungslehre - Einführung in Lineare Algebra Peter von Rohr

D-INFK Lineare Algebra HS 2018 Özlem Imamoglu Olga Sorkine-Hornung. Serie 11

Diplom VP Informatik / Numerik 2. September 2002

8.2 Invertierbare Matrizen

Kurzform. Choleskyzerlegung. Julia Hoeboer. 13. Mai 2011

Musterlösung 11. D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung

3.6 Eigenwerte und Eigenvektoren

Lineare Algebra 2013 Lösungen für Test und Zusatzfragen

3 Matrizenrechnung. 3. November

Vorkurs Mathematik Übungen zu linearen Gleichungssystemen

Im Falle einer zweimal differenzierbaren Funktion lässt sich das Krümmungsverhalten anhand der zweiten Ableitung feststellen.

Lineare Gleichungssysteme I (Matrixgleichungen)

MLAN1 1 MATRIZEN 1 0 = A T =

2.2 Lineare Gleichungssysteme (LGS)

5 Lineare Gleichungssysteme und Determinanten

4. Übungsblatt zur Mathematik II für Inf, WInf

Mathematik für Wirtschaftswissenschaftler, SS 2010 Musterlösungen zu Aufgabenblatt 11

Serie 5. Lineare Algebra D-MATH, HS Prof. Richard Pink. 1. [Aufgabe] Invertieren Sie folgende Matrizen über Q:

Lineare Algebra 1. Roger Burkhardt

Kapitel 5. Eigenwerte. Josef Leydold Mathematik für VW WS 2017/18 5 Eigenwerte 1 / 42

Tutorium Mathematik II, M Lösungen

B - 8 Gauß - Elimination (1850) Lineare Systeme in zwei Variablen

Übungen. Mathematik für Studierende der Biologie und des Lehramtes Chemie

Copyright, Page 1 of 5 Die Determinante

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra. Wintersemester 2018/19. Berechnen Sie die Determinanten der folgenden Matrizen mit Einträgen in R: 4 2 = = 18.

Multiplikation von Matrizen

Aufgabe 1 (a) Bestimmen Sie die Schnittgerade der beiden Ebenen gegeben durch 3x y 2z 5 = 0 und x y 4z 3 = 0.

Kapitel 16. Aufgaben. Verständnisfragen. Rechenaufgaben

Aufgaben zu Kapitel 16

1 Singulärwertzerlegung und Pseudoinverse

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten

Grundwissen. 2.Aufstellen von Geradengleichungen: Man nimmt einen Startvektor und bildet aus 2 Punkten einen Richtungsvektor!

Kapitel 4. Determinante. Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24

Kapitel 5. Eigenwerte. Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich der Produktion ist, d.h. wenn.

Die Determinante ist nur für beliebige quadratische Matrizen (n = m) definiert: a 11 a 12 a a 1n a 21 a 22. det. a nn.

Übungen zur Linearen Algebra II, Sommersemester Test, , Gruppe A: Lösung

Lineare Algebra für Ingenieure

5 Eigenwerte und die Jordansche Normalform

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.

Lösung (die Geraden laufen parallel) oder unendlich viele Lösungen.

5.4 Basis, Lineare Abhängigkeit

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.

Übungen zum Vorkurs Mathematik

MODULPRÜFUNG Numerische Methoden (Elektrotechnik, Meteorologie, Geodäsie und Geoinformatik)

D-MAVT Lineare Algebra I HS 2018 Prof. Dr. N. Hungerbühler. Lösungen 7

Lineare Algebra und Geometrie II, Übungen

Züchtungslehre - Genomische Selektion Peter von Rohr

= 9 10 k = 10

47 Singulärwertzerlegung

Matrizenoperationen mit FORTRAN

9.2 Invertierbare Matrizen

Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen

Orthogonale Matrix. Definition 4.19

Mathematik II Frühjahrssemester 2013

Serie 10: Inverse Matrix und Determinante

Spezielle Matrixformen

Tutorium Mathematik II M WM

Cramersche Regel. Satz Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei. A j := (a 1,...,a j 1,b,a j+1,...

Methode der kleinsten Quadrate

Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten

Zusatzmaterial zu Kapitel 4

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Klausur zur Vorlesung Lineare Algebra und Geometrie I

TECHNISCHE UNIVERSITÄT MÜNCHEN

Lineare Algebra und Numerische Mathematik für D-BAUG

Universität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n

Inverse Matrix. 1-E Ma 1 Lubov Vassilevskaya

Tutorium: Analysis und Lineare Algebra

Lösungen - Serie 2 zu den Übungsaufgaben zur Vorlesung Algebraische Zahlentheorie

Übungen zur Linearen Algebra, Kap. 1 bis Kap. 3

Aufgabe 1 (a) Vorgehen wie im Beispiel auf Seite 151 des Skripts. Für die Anzahl möglicher Linearkombinationen

Wiederholung Quadratische Funktionen (Parabeln)

Lineare Funktionen. Die lineare Funktion

Für die Matrikelnummer M = Dann sind durch A =

)=(2 1 ( 2) 2) ( ) = 12 (Blockmatrix-Regel) Jede Zeile passend mit 1. Zeile addieren. Zeilentausch, 2. Zeile

Aufgaben zur Vorlesung: Lineare Algebra und analytische Geometrie I

Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen

Zeilenstufenform eines Gleichungssystems

Transkript:

Züchtungslehre - Übung 6 Peter von Rohr November 5, 015 Aufgabe 1 (5) Das folgende kleine Beispiel-Pedigree ohne Inzucht soll als Beispiel dienen für das Aufstellen der inversen Verwandtschaftsmatrix. In der Listenform sieht das Pedigree wie folgt aus. sire dam 1 <NA> <NA> <NA> <NA> 3 1 1 <NA> 5 6 Aufgrund der LDL-Zerlegung der inversen Verwandtschaftsmatrix A 1 in Matrizen ( L T ) 1 D 1 L 1 können folgende Regeln zum direkten Aufstellen der Matrix A 1 aufgestellt werden. Für den Fall, dass Inzucht nicht berücksichtigt wird, entsprechen die Diagnoalelemente der Matrix D 1 folgenden Werten Eltern Wert in Matrix D 1 beide Eltern bekannt ein Elternteil bekannt 3 Eltern unbekannt 1 Für unser Beispiel-Pedigree resultieren also folgende Werte für die Diagonalelemente von Matrix D 1. Das Diagonalelement, welches zu Tier i gehört bezeichnen wir auch mit α i. 1

Regeln für A 1 TierId Wert in Matrix D 1 (α i ) 1 1.00 1.00 3.00 1.33 5.00 6.00 Die Matrix A 1 wird jetzt aufgrund der folgenden Regeln aufgestellt. Initialisierung aller Elemente in A 1 mit dem Wert 0 Hat Tier i bekannte Eltern m und v dann folgende Veränderungen in A 1 vornehmen α i zum Element (i, i) (Zeile von Tier i und Kolonne von Tier i) hinzuzählen von den Elementen (m, i), (i, m), (v, i) und (i, v) abziehen zu den Elementen (m, m), (m, v), (v, m) und (v, v) hinzuzählen Nur Elternteil m von Tier i ist bekannt, dann folgende Veränderungen in A 1 vornehmen α i zum Element (i, i) hinzuzählen von den Elementen (m, i) und (i, m) abziehen zum Element (m, m) hinzuzählen Tier i hat keine bekannten Eltern, dann α i zum Element (i, i) hinzuzählen Umsetzung der Regeln Die Umsetzung der Regeln zum Aufstellen der Matrix A 1 folgenden Schritten verläuft gemäss Schritt 1 Initialisierung der Matrix A 1 mit 0. Somit haben wir

Schritt Tiere 1 und haben beide unbekannte Eltern deshalb gilt für sie die letzte der Regeln, d.h., zu den Diagonalelementen wird jeweilen das entsprechende α i (d.h. α 1 für Tier 1 und α für Tier ) hinzugezählt Schritt 3 +1 0 0 0 0 0 0 +1 0 0 0 0 Tier 3 hat bekannte Eltern 1 und, somit kommt die erste Regel zur Anwendung. Als erstes wird zum Diagnoalelement von A 1 des Tieres 3 der Betrage α 3 dazugezählt. +1 0 0 0 0 0 0 +1 0 0 0 0 0 0 + 0 0 0 Als zweites werden die Offdiagonalelemente von A 1, welche das Tier 3 mit seinen Eltern 1 und verbindet, angeschaut. Dabei handelt es sich um die Elemente (1, 3), (3, 1), (, 3) und (3, ). Von diesen Elementen wird der Betrage von α3 abgezogen +1 0 1 0 0 0 0 +1 1 0 0 0 1 1 + 0 0 0 Als drittes und letztes werden die Elemente der Eltern von Tier 3 um den Wert von α3 geändert. Dieser Betrage wird den Elementen (1, 1), (1, ), (, 1) und (, ) hinzugefügt. Somit sieht die Matrix A 1 nach drei Schritten wie folgt aus. +1 + 0.5 0 + 0.5 1 0 0 0 0 + 0.5 +1 + 0.5 1 0 0 0 1 1 + 0 0 0 3

Ihre Aufgabe In den Schritten bis 6 sollen Sie die entsprechenden Elemente für die Tiere, 5 und 6, gemäss den Regeln für das Aufstellen von A 1, berechnen und in der Matrix A 1 hinzufügen. Als Kontrolle können Sie dann die Inverse mit der Funktion > getainv(peda1) überprüfen. Aufgabe (7) Beim Aufstellen der Matrix A 1 unter Berücksichtigung der Inzucht gelten die gleichen Regeln, wie unter Aufgabe 1 beschrieben. Der einzige Unterschied liegt in der Berechnung der α i Werte. Die α i Werte entsprechen den Diagonalelementen von der Matrix D 1 aus der LDL-Zerlegung von A Inzuchtgrad eines Tieres A = L D L T (1) Der Inzuchtgrad für Tier i ist im Diagnoalelement a ii der Verwandtschaftsmatrix A enthalten. Aufgrund der Zerlegung der Matrix A in lässt sich das Diagnoalelement a ii berechnen als A = U U T () a ii = i u im (3) Rekursive Berechnung der Elemente in Matrix U Diagonalelemente u ii der Matrix U sind definiert als u ii = d i = 1 0.5(a ss + a dd ) () wobei d i das i-te Diagonalelement der Matrix D aus der LDL- Zerlegung (siehe Gleichung (1)) ist. Die Terme a ss und a dd entsprechen den Diagonalelementen der Verwandtschaftsmatrix A für die Eltern s und d von Tier i. Zusammen mit Gleichung (3) kann das Diagonalelement u ii berechnet werden als ( s ) d u ii = 1 0.5 u sm + (5) u dm

Die Elemente der Nebendiagonale werden berechnet als für Eltern s und d von Tier i. u ij = 0.5 (u sj + u dj ) (6) Berechnung von α i Die Werte α i entsprechen den Diagonalelementen der Matrix D 1. eine Diagonalmatrix ist, entspricht α i = 1 u ii Da D 1 (7) Ihre Aufgabe Füllen Sie die Tabelle mit den α Werten für jedes Tier aus unter Berücksichtigung von Inzucht. Dazu verwenden wir folgendes Pedigree, welches Tiere mit Inzucht aufweist. > library(pedigreemm) > nanztiere <- 6 > peda <- pedigree(sire = c(na,na,1, 1,,5), + dam = c(na,na,,na,3,), label= 1:nAnzTiere) > print(peda) sire dam 1 <NA> <NA> <NA> <NA> 3 1 1 <NA> 5 3 6 5 Hier ist die Tabelle, in welche die α i Werte eingetragen werden können. TierId Wert in Matrix D 1 (α i ) 1 3 5 6 Zur Demonstration geben wir die Berechnung der ersten drei α i Werte vor. 5

Schritt 1 Der Wert für α 1 für Tier 1 wird aufgrund der Gleichung (7) berechnet. α 1 = 1 u 11 Da Tier 1 keine bekannten Eltern hat, reduziert sich die Formel in (5) zur Berechnung von u 11 zu Somit ist auch α 1 = 1 u 11 = 1 0.5(0 + 0) = 1 Schritt Der Wert α für Tier wird analog zu Tier 1 berechnet. Tier hat auch keine Eltern und somit ist auch α = 1. Schritt 3 Tier 3 hat bekannte Eltern 1 und. Da α 3 als α 3 = 1 u 33 definiert ist, müssen wir zuerst u 33 aufgrund von Gleichung (5) berechnen. ( 1 ) u 33 = 1 0.5 u sm + = u dm 1 0.5 (u 11 ) 0.5 (u 1 + u ) wobei u 11 und u schon berechnet wurden. Den Wert für u 1 bestimmen wir mit der Gleichung (6). Da beide Tiere 1 und keine bekannten Eltern haben, ist u 1 = 0. Somit können wir einsetzen und erhalten Daraus folgt, dass u 33 = 1 0.5 (1) 0.5 (0 + 1) = 0.5 α 3 = 1 ( 0.5 ) = Schritte bis 6 Berechnen Sie die α i Werte für Tiere bis 6 und füllen Sie die Tabelle aus. 6

Zusatzaufgabe Verwenden Sie die berechneten α i Werte und stellen Sie die inverse Verwandtschaftsmatrix aufgrund der Regeln aus Aufgabe 1 auf. Kontrollieren Sie das Ergebnis mit der Funktion > getainv(peda) 7