Modellen en Simulatie Lesliematrices Markovketens
|
|
- Gustaaf Jacobs
- 6 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Utrecht, 6 april 3 Modellen en Simulatie Lesliematrices Markovketens Program Meerdere leeftijdsklassen Leslie matrices Eigenwaarden en eigenvectoren Dominante eigenvector Irreducibele, a-periodieke matrices Gerard Sleijpen Department of Mathematics Markov ketens Google s PageRanking Lampen sleij/ In jaar n Twee jarige planten N (n): aantal planten in jaar n ontkiemt N (n): aantal planten in jaar n ontkiemt Aanname: 5% van de -jarige geeft zaad gemiddeld twee zaden van -jarige ontkiemen 75% planten overleeft de winter gemiddeld vier zaden van de -jarige ontkiemen Model: N (n + ) = N (n) + N (n) en N (n + ) = 3 N (n). In matrix taal : N (n + ) N (n) = N (n + ) 3 N (n) Evenwicht als voor alle n: N (n + ) = N (n) = α en N (n + ) = N (n) = α α α = α 3 α eigenwaarde A = Evenwichtige opbouw in leeftijd als voor alle n: N (n + )/N (n + ) = N (n)/n (n) β β λ = β 3 β 3 λ eigenwaarde A Wanneer is evenwicht stabiel? Wanneer is evenwichtige leeftijdsopbouw stabiel?
2 Als λ < λ, dan geldt, voor grote n, [ x n = γ λ n v + γ ( ) n ] λ v γ λ n γ λ v λ is een dominante eigenwaarde als λ < λ v is dan een dominante eigenvector Stelling. is een stabiel evenwicht als > λ i, i =,. Stelling. γ v is een stabiel evenwicht als λ = > λ. Er is een stabiel evenwicht als dominante eigenwaarde A. Voorbeeld. [Twee jarige planten] Bereken de eigenwaarden A = 3. det(a λi) = ( λ) ( λ) 3 = λ λ 3 λ eigenwaarde λ λ 3 = λ = λ = + 3 of λ = λ = 3 geen eigenwaarde: dus geen evenwicht. Stelling. γ v is een stabiele opbouw als λ dominant. Er is een stabiele leeftijdsopbouw als A een dominante eigenwaarde heeft. Voorbeeld. [Twee jarige planten] Bereken de eigenwaarden A = 3. det(a λi) = ( λ) ( λ) 3 = λ λ 3 λ eigenwaarde λ λ 3 = λ = λ = + 3 of λ = λ = 3 geen eigenwaarde: dus geen evenwicht. λ > : dus geen stabiel evenwicht. λ λ > λ : λ dominante eigenwaarde met eigenv. v = 3. λ Dus γ 3 stabiele evenwichtige leeftijdsopbouw. Leslie matrices m leeftijdsgroepen (tijdvak bv. jaar) N k (n) aantal individuen van leeftijd k begin n-de tijdvak Aanname [Leslie]: In elk tijdvak overleeft de fractie s k van leeftijd k Aantal -jarige hangt lineair af van de vruchtbaarheid van de diverse leeftijdsgroepen Model: N k+ (n + ) = s k N k (n) N (n + ) = g N (n) g m N m (n) In matrix taal x n+ = Ax n g g... g m g m s... met A s s m Leslie matrix & en N (n) N (n) x n N 3 (n). N m (n)
3 Evenwicht als voor alle n: N j (n + ) = N j (n) = α j voor j =,..., m α α. = A α eigenwaarde A α m Evenwichtige opbouw in leeftijd als voor alle n: N i (n + )/N j (n + ) = N i (n)/n j (n) voor alle i, j =,..., m. λ β = A β λ eigenwaarde A Wanneer is evenwicht stabiel? Wanneer is evenwichtige leeftijdsopbouw stabiel? Als λ j < λ alle j >, dan geldt, voor grote n, [ x n = γ λ n v + γ ( ) n λ v γ ( ) n ] m λm v m γ λ n γ λ γ λ v λ is een dominante eigenwaarde als λ j < λ (j > ) v is dan een dominante eigenvector Stelling. is een stabiel evenwicht > λ i, i =,..., m. Stelling. γ v is een stabiel evenwicht λ = > λ j (j > ) Er is een stabiel evenwicht als dominante eigenwaarde A. Stelling. γ v is een stabiele opbouw λ dominant. Er is een stabiele leeftijdsopbouw als A een dominante eigenwaarde heeft. Wat gebeurt er als λ niet dominant, als λ = λ? Voorbeelden. A =, A = A =,, x = λ = λ =, evenwicht. + ε met x = is x = λ = λ =, evenwicht. + ε x = + ε + ε., x = x,... λ = λ =, evenwicht. + nε x = x ε n = ε Stel λ dominant. Relevantie Biologisch relevant? Alleen als λ R, λ > en alle coëfficiënten van eigenvector niet negatief. Stel λ = λ. Biologisch relevant? Voorbeeld. m = 3 6 A =, λ eigenwaarde λ 3 =, 3 dus λ = λ = λ Met x = 6 is x = 3, x = 8, x 3 = 6,
4 Machtsmethode Stel A is een m m matrix met een dominante eigenwaarde λ en eigenvector v. Stelling. Voor iedere x, met een component v, geldt, voor grote n, x n = A n x γ λ n v. Gevolg. Met µ n et x n e T x n Machtsmethode. geldt lim n µ n = λ x n Ax n, µ n e T x n, x n x n /µ n. Gevolg. Als v zo geschaald is dat e T v =, dan lim n x n = v & lim µ n n = λ. A = Matrices en grafen matrix 6 3 graaf Matrix (graaf) is irreducibel als je in de graaf van ieder punt naar ieder ander punt kunt lopen (via de lijnen in de aangegeven richting), anders is de matrix (graaf) reducibel. Periode matrix (graaf) = ggd(aantal lijnen rondwandeling) waarbij de grootste gemene deler (ggd) genomen wordt over alle rondwandelingen. Matrix is a-periodiek als periode =. Dominantie x n+ = Ax n Zij A = (A ij ) een m m matrix. Av j = λ j v j orden de eigenwaarden λ j met eigenvectoren v j zo dat λ λ... λ m, λ j = λ j+ Re(λ j ) Re(λ j+ ) Stelling [Perron & Frobenius]. Stel A ij alle i, j =,..., m. Dan geldt λ. Er is een eigenvector v bij λ met alle coëfficiënten. Als bovendien A irreducibel en a-periodiek λ dominant. 6 Voorbeeld A = 3. A is irreducible. ggd(, 3) =, dus a-periodiek. Dus, A heeft een dominante eigenwaarde. Noem deze λ. Dan λ >, λ 3 λ =, λ > en v = λ λ 6 is de bijbehorende eigenvector. v is dominant. Interpretatie: Geen evenwicht (behalve de triviale). De bevolking groeit exponentieel en op den duur volgens een stabiele evenwichtige leeftijdsopbouw: x n γ λ n v voor grote n. Voor iedere γ > is γ v n stabiele leeftijdsopbouw.
5 Leslie matrices g g... g m g m s... A = s s m Zij h =, h = s h, h 3 = s h,.... Stelling. det(a λ I) = λ m g h λ m g h λ m... g m h m. v i = (h λ m i, h λi m, h 3 λi m 3,..., h m ) T. s i, g i alle i & ggd({i h i g i }) = λ dominant en λ >. Voorbeeld. 6 Beschouw voor s >, de Leslie matrix A s 3. Voor welke s is er evenwicht? Is het evenwicht stabiel? Bereken de evenwicht(en). h =, h = s, h 3 = 6 s & ggd({i h ig i }) = ggd(,3) =. Dus, A heeft een dominante eigenwaarde >. Als λ eigenwaarde A met eigenvector v dan λ 3 sλ s = en v = (λ, sλ, 6 s)t. is eigenwaarde er is evenwicht s = /3. Voor s = /3 is λ = de enige oplossing >. Dus, voor s = /3, is dominant, is γ (, 3, 9 )T n evenwicht (iedere γ > ), het evenwicht is zwak stabiel, de leeftijdsopbouw is stabiel. Zij A = (A ij ) een m m matrix, m >. Stelling. Stel λ is dominant. Voor iedere x, met een v component, Op dag n p n kans op zon q n kans op bewolkte hemel r n kans op regen zon geldt, voor grote n, x n = A n x γ λ n v. Stelling. Stel A en λ dominant. Dan λ > en, voor n scalair γ, zijn alle coëff. γ v. Aanname: kans op, van dag tot dag bewolking regen Gevolg. Stel A. Dan λ en er is een bijbehorende eigenvector met alle coëff.. Bewijsschets. Zij, voor ε >, A ε de matrix die ontstaat door bij alle coëfficiënten van A ε op te tellen. A ε is irreducibel en a-periodiek. Dus er is een dominante eigenwaarde en die is en een bijbehorende eigenvector met alleen coëfficiënten. Laat nu ε naar gaan. Model: p n+ 6 p n+ = q n+ = Pp n met P = r 3. n+
6 Markov ketens m verschillende toestanden. In toestand j is, in volgend tijdvak, de kans op toestand i gelijk aan p ij. p p... p m p (n) p P= p... p m..., p p n= (n). p m p m... p mm p m (n) Hoelang duurt het gemiddeld voordat het regent? n kans eerste regen op dag n = (3,) coëfficiënt van n P n. n= p,p,... is n discrete Markov keten als p n+ = Pp n alle n met P kansmatrix & p toestandsvector (d.w.z. kolomsom(men) = & alle coëffiënten ). Stelling. p n toestandsvector voor alle n. P heeft eigenwaarde & λ alle eigenwaarden λ van P. P irreducibel & a-periodiek dominant stabiele stationaire toestandsvector. Stelling. Als voor alle eigenwaarden λ van A geldt λ <, dan A n = A(I A). n= na n = A(I A). n= Stelling. P kansmatrix. P heeft eigenwaarde & λ alle eigenwaarden λ van P. Bewijs. e j is de j-de standaard basisvector, (,...,) T T P = T P T =. Dus is een eigenwaarde van P T. = det(p T I) = det((p I) T ) = det(p I). Dus is een eigenwaarde van P. Evenzo, als λ is een eigenwaarde van A T. = det(a T λi) = det((a λi) T ) = det(a λi). Dus λ is een eigenwaarde van A. Stelling. λ eigenwaarde A λ eigenwaarde A T Intermezzo x = γ v γ m v m, met Av j = λ j v j Zij w zo dat A T w = λ w, of, equivalent, w T A = λ w T : w is een links eigenvector bij de eigenwaarde λ. Stelling. Als λ dominant, dan γ = w T x /w T v. Bewijs. λ w T v j = w T Av j = λ j w T v j. Dus, óf λ = λ j, óf w T v j =. Als λ dominant, dan λ λ j (j > ): w T x = γ w T v γ m w T v m = γ w T v.
7 Stelling. P kansmatrix. P heeft eigenwaarde & λ alle eigenwaarden λ van P. Bewijs. e j is de j-de standaard basisvector, (,...,) T Stel Pv = λv. Dan λ v = λv = Pv P v, hierbij is v coördinaatsgewijs absolute waarde nemen en geldt coördinaatsgewijs. Dus λ T v = T ( λ v ) T P v = T v λ. Opmerking. Als T A < T, dan λ j < alle eigenwaarden λ j van A. Google. Iedere internetpagina I k heeft een zeker belang (PageRank) p k. Aanname [Page&Brin 998]: Het belang van iedere pagina I k is het totaal van de belangen die iedere pagina, die naar I k linkt, aan I k toe kent. Als I k naar l andere verschillende pagina s linkt, dan kent I k aan ieder van deze pagina s /l-de deel van zijn belang toe. Model. p (p,..., p m ) T. Schaal p k zodat T p = p k =. /3 / /3 /3 Met P = /3 /, /3 /3 is p = Pp. I I 3 I 5 I I Model. p (p,..., p m ) T. Stelling. Als het www irreducibel is en a-periodiek dan convergeert de machtsmethode startend met p = m. Problemen. Reducibel dangling nodes (wel links ernaar toe, geen links ervan af). onsamenhangend (geen links van een deel naar een ander deel en visa versa). Periodiek machtsmethode convergeert niet. Oplossing Google. Dangling nodes linken in feite naar alle internetpagina s: Als I k geen link heeft, dan p ik m voor alle i (ook i = k). Pagina s worden ook bereikt via de navigatiebalk van de browse Teleportatie. Met T m T, beschouw ( α)p + αt. ( α)p + αt is een a-periodiek, irreducibele kansmatrix. Stelling. De machtsmethode, met p = m T, convergeert. Per iteratiestap reduceert de fout (op den duur) met een factor α. Bewijs. De eigenwaarde λ = is dominant. Wat kunnen we zeggen over de andere eigenwaarden? Stel [( α)p + αt]v = λv met λ <. T v =. [( α)p + αt]v = ( α)pv = λv. Dus λ α v eigenvector P en λ = ( α) eigenwaarde P
8 m lampen kunnen ieder met een eigen schakelaar aan of uit gezet worden. Telkens wordt om de minuut random een schakelaar gekozen en de schakelaar wordt random (5% kans) omgezet. In het begin zijn alle lampen uit. Model. p n = (p (n), p (n),..., p m (n)) T : p j (n) is de kans dat er in de n-de minuut precies j lampen branden. 8 8 p n+ = Pp n, met, voor m =, P = m... m algemeen, P = m 3 m m m... m p n+ = Pp n, met, voor m =, P = P is een irreducibel en a-periodieke kansmatrix is de dominante eigenwaarde. P = (I + Q), met Q 3 3 Q is een kansmatrix en als Qṽ = ṽ, dan Pṽ = ṽ. Als ṽ = (, v, v,...) T, dan v =, + v = v, etc. 8 8 p n+ = Pp n, met, voor m =, P = P is een irreducibel en a-periodieke kansmatrix is de dominante eigenwaarde. met v j = ( ) m m! j j!(m j)! ṽ (v, v,...) T een dominante eigenvector van P. is De rij van toestandsvectoren p n convergeert naar de dominante toestands eigenvector v m ṽ. De kans op alle lampen aan: m v m = m. met m = is = ( ) ( 3 ) = 3.
Modellen en Simulatie Recursies
Utrecht, 3 mei 3 Modellen en Simulatie Recursies Program Management voorbeeld (affien) Economisch voorbeeld (affien) Rupsen-wespen (niet lineair) Niet-lineaire modellen, evenwicht, stabiliteit Gerard Sleijpen
Nadere informatieModellen en Simulatie Populatiegroei
Utrecht, 26 april 213 Modellen en Simulatie Populatiegroei Program Populatie groei van één soort, recursies Evenwichtspunten Periodieke banen Bifurcatie Chaos Catastrofe Gerard Sleijpen Department of Mathematics
Nadere informatieTentamen Modellen en Simulatie (WISB134)
Tentamen Modellen en Simulatie (WISB4) Vrijdag, 7 april 5, :-6:, Educatorium Gamma Zaal Schrijf op elk vel dat je inlevert je naam en op het eerste vel je studentnummer en het totaal aantal ingeleverde
Nadere informatieModellen en Simulatie Differentiaalvergelijkingen. Modellen en Simulatie. sleij101/ Program.
Utrecht, 29 mei 2013 Utrecht, 29 mei 2013 Modellen en Simulatie Modellen en Simulatie Differentiaalvergelijkingen Gerard Sleijpen Department of Mathematics http://www.staff.science.uu.nl/ sleij101/ Gerard
Nadere informatieLineaire Algebra voor W 2Y650
Lineaire Algebra voor W 2Y650 Docent: L. Habets HG 8.09, Tel: 040-2474230, Email: l.c.g.j.m.habets@tue.nl http://www.win.tue.nl/wsk/onderwijs/2y650 1 Eigenwaarden en eigenvectoren Zij A een n n matrix.
Nadere informatieModellen en Simulatie Recursies
Utrecht, 13 mei 2013 Modellen en Simulatie Recursies Gerard Sleijpen Department of Mathematics http://www.staff.science.uu.nl/ sleij101/ N n : aantal individuen eind tijdvak n. Aanname [Malthus, 1798]:
Nadere informatieP (X n+1 = j X n = i, X n 1,..., X 0 ) = P (X n+1 = j X n = i). P (X n+1 = j X n = i) MARKOV KETENS. Definitie van Markov keten:
Definitie van Markov keten: MARKOV KETENS Een stochastisch proces {X n, n 0} met toestandsruimte S heet een discrete-tijd Markov keten (DTMC) als voor alle i en j in S geldt P (X n+ = j X n = i, X n,...,
Nadere informatieTentamen Modellen en Simulatie (WISB134)
Tentamen Modellen en Simulatie (WISB) Maandag, juli 0, 9:00-:00, Educatorium Gamma Zaal Schrijf op elk vel dat je inlevert je naam en op het eerste vel je studentnummer en het totaal aantal ingeleverde
Nadere informatieLineaire Algebra voor W 2Y650
Lineaire Algebra voor W 2Y650 Docent: L Habets HG 809, Tel: 040-2474230, Email: lcgjmhabets@tuenl http://wwwwintuenl/wsk/onderwijs/2y650 1 Herhaling: Oplossing homogene DV ẋ = Ax Aanname: A is diagonaliseerbaar
Nadere informatieLineaire Algebra voor W 2Y650
Lineaire Algebra voor W 2Y65 Docent: L Habets HG 89, Tel: 4-247423, Email: lcgjmhabets@tuenl http://wwwwintuenl/wsk/onderwijs/2y65 1 Herhaling: bepaling van eigenwaarden en eigenvectoren (1) Bepaal het
Nadere informatiePositieve matrices en hun toepassingen
Positieve matrices en hun toepassingen Mireille Kroon, Daphne Broedersz 30 augustus 203 Bachelorscriptie Begeleiding: Dr. Tanja Eisner-Lobova KdV Instituut voor Wiskunde Faculteit der Natuurwetenschappen,
Nadere informatieDe dimensie van een deelruimte
De dimensie van een deelruimte Een deelruimte van R n is een deelverzameling die op zichzelf ook een vectorruimte is. Ter herinnering : Definitie. Een deelverzameling H van R n heet een deelruimte van
Nadere informatieTentamen lineaire algebra voor BWI maandag 15 december 2008, uur.
Vrije Universiteit Amsterdam Faculteit der Exacte Wetenschappen Afdeling Wiskunde Tentamen lineaire algebra voor BWI maandag 5 december 8, 5.5-8. uur. ELK ANTWOORD DIENT TE WORDEN BEARGUMENTEERD. Er mogen
Nadere informatieToepassingen op differentievergelijkingen
Toepassingen op differentievergelijkingen We beschouwen lineaire differentievergelijkingen of lineaire recurrente betrekkingen van de vorm a 0 y k+n + a y k+n + + a n y k+ + a n y k = z k, k = 0,,, Hierbij
Nadere informatieTentamen Modellen en Simulatie (WISB134)
Tentamen Modellen en Simulatie (WISB34) Woensdag, 7 juni 0, 3:30-6:30, Educatorium, Beta Zaal Schrijf op elk vel dat je inlevert je naam en op het eerste vel je studentnummer en het totaal aantal ingeleverde
Nadere informatieP (X n+1 = j X n = i, X n 1,..., X 0 ) = P (X n+1 = j X n = i). P (X n+1 = j X n = i) MARKOV KETENS. Definitie van Markov keten:
Definitie van Markov keten: MARKOV KETENS Een stochastisch proces {X n, n 0} met toestandsruimte S heet een discrete-tijd Markov keten (DTMC) als voor alle i en j in S geldt P (X n+1 = j X n = i, X n 1,...,
Nadere informatieComplexe eigenwaarden
Complexe eigenwaarden Tot nu toe hebben we alleen reële getallen toegelaten als eigenwaarden van een matrix Het is echter vrij eenvoudig om de definitie uit te breiden tot de complexe getallen Een consequentie
Nadere informatieMARKOV KETENS, OF: WAT IS DE KANS DAT MEVROUW DE VRIES NAT ZAL WORDEN?
MARKOV KETENS, OF: WAT IS DE KANS DAT MEVROUW DE VRIES NAT ZAL WORDEN? KARMA DAJANI In deze lezing gaan we over een bijzonder model in kansrekening spreken Maar eerst een paar woorden vooraf Wat doen we
Nadere informatieWI1808TH1/CiTG - Lineaire algebra deel 1
WI1808TH1/CiTG - Lineaire algebra deel 1 College 10 13 oktober 2016 1 Samenvatting Hoofdstuk 4.1 Een constante λ is een eigenwaarde van een n n matrix A als er een niet-nul vector x bestaat, zodat Ax =
Nadere informatiex 1 (t) = ve rt = (a + ib) e (λ+iµ)t = (a + ib) e λt (cos µt + i sin µt) x 2 (t) = ve rt = e λt (a cos µt b sin µt) ie λt (a sin µt + b cos µt).
76 Complexe eigenwaarden Ook dit hebben we reeds gezien bij Lineaire Algebra Zie: Lay, 57 Als xt ve rt een oplossing is van de homogene differentiaalvergelijking x t Axt, dan moet r een eigenwaarde van
Nadere informatie4 Positieve en niet-negatieve lineaire algebra
4 Positieve en niet-negatieve lineaire algebra Positieve en niet-negatieve matrices komen veel voor binnen de stochastiek (zoals de PageRank matrix) en de mathematische fysica: temperatuur, dichtheid,
Nadere informatieLineaire Algebra voor ST
Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.31 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds06 Technische Universiteit Eindhoven college 11 J.Keijsper
Nadere informatieHoofdstuk 3 : Determinanten
(A5D) Hoofdstuk 3 : Determinanten Les : Determinanten Definitie 3. De determinant van de [2 x 2]-matrix A = ( a c det(a) = ad bc. b ) is een getal met waarde d a b Notatie : det(a) = = ad bc c d Voorbeeld
Nadere informatieTentamen Lineaire Algebra 1 (Wiskundigen)
Tentamen Lineaire Algebra Wiskundigen Donderdag, 23 januari 24,.-3. Geen rekenmachines. Motiveer elk antwoord.. Voor alle reële getallen a definiëren we de matrix C a als a C a = a 2. a Verder definiëren
Nadere informatieHertentamen Biostatistiek 3 / Biomedische wiskunde
Hertentamen Biostatistiek 3 / Biomedische wiskunde 2 juni 2014; 18:30-20:30 NB. Geef een duidelijke toelichting bij de antwoorden. Na correctie liggen de tentamens ter inzage bij het onderwijsbureau. Het
Nadere informatieTentamen Modellen en Simulatie (WISB134)
Tentamen Modellen en Simulatie (WISB) Vrijdag, 7 april 9, 9:-:, Ruppert Gebouw, Blauwe Zaal Schrijf op elk vel dat je inlevert je naam en op het eerste vel je studentnummer en het totaal aantal ingeleverde
Nadere informatieEfficiente benadering van Google s PageRank (Engelse titel: Efficient approximation of Google s PageRank)
Technische Universiteit Delft Faculteit Elektrotechniek, Wiskunde en Informatica Delft Institute of Applied Mathematics Efficiente benadering van Google s PageRank (Engelse titel: Efficient approximation
Nadere informatieb) Uit Bayes volgt, gebruik makend van onderdeel a) P (T V )P (V ) P (T ) = (0.09)(0.07)
Uitwerkingen tentamen 6 juli 22. We stellen T de gebeurtenis test geeft positief resultaat, F de gebeurtenis, chauffeur heeft gefraudeerd, V de gebeurtenis, chauffeur heeft vergissing gemaakt C de gebeurtenis,
Nadere informatieTentamen Modellen en Simulatie (WISB134)
Tentamen Modellen en Simulatie (WISB4) Woensdag, april 24, :-:, Educatorium Gamma Zaal Schrijf op elk vel dat je inlevert je naam en op het eerste vel je studentnummer en het totaal aantal ingeleverde
Nadere informatieModellen en Simulatie Stelsels Dvg
Utrecht, juni 3 Modellen en Simulatie Stelsels Dvg Continu versus discreet: Lineaire modellen Continu model. x (t) = Ax(t). Als geen eigenwaarde van A: opl. x(t) in evenwicht x(t) = alle t stabiel evenwicht
Nadere informatieBeeldverwerking. Scientific Computing. sleij101/ Program. WISB356, Utrecht, najaar WISB356, Utrecht, najaar 2010
WISB36, Utrecht, najaar Scientific Computing WISB36, Utrecht, najaar Beeldverwerking Gerard Sleijpen Rob Bisseling Department of Mathematics Gerard Sleijpen Rob Bisseling Department of Mathematics http://wwwstaffscienceuunl/
Nadere informatie4 Positieve en niet-negatieve lineaire algebra
4 Positieve en niet-negatieve lineaire algebra Positieve en niet-negatieve matrices komen veel voor binnen de stochastiek (met als bekend voorbeeld de Google PageRank matrix) en binnen het modelleren van
Nadere informatieBekijk nog een keer het stelsel van twee vergelijkingen met twee onbekenden x en y: { De tweede vergelijking van de eerste aftrekken geeft:
Determinanten Invoeren van het begrip determinant Bekijk nog een keer het stelsel van twee vergelijkingen met twee onbekenden x en y: { a x + b y = c a 2 a 2 x + b 2 y = c 2 a Dit levert op: { a a 2 x
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Lineaire Algebra voor BMT en TIW (DM) op dinsdag 9 april 8, 9.. uur. Dit tentamen bestaat uit 6 open vragen, en 4 kort-antwoord
Nadere informatieTentamen lineaire algebra voor BWI dinsdag 17 februari 2009, uur.
Vrije Universiteit Amsterdam Faculteit der Exacte Wetenschappen Afdeling Wiskunde Tentamen lineaire algebra voor BWI dinsdag 7 februari 9, 8.-.5 uur. ELK ANTWOORD DIENT TE WORDEN BEARGUMENTEERD. Er mogen
Nadere informatieIterative methoden voor lineaire vergelijkingen. Scientific Computing. sleij101/ Program
WISB356, Utrecht, 2 otober 2012 Scientific Computing WISB356, Utrecht, 2 otober 2012 Iterative methoden voor lineaire vergelijingen Gerard Sleijpen Rob Bisseling Alessandro Sbrizzi Department of Mathematics
Nadere informatieKies voor i een willekeurige index tussen 1 en r. Neem het inproduct van v i met de relatie. We krijgen
Hoofdstuk 95 Orthogonaliteit 95. Orthonormale basis Definitie 95.. Een r-tal niet-triviale vectoren v,..., v r R n heet een orthogonaal stelsel als v i v j = 0 voor elk paar i, j met i j. Het stelsel heet
Nadere informatieEigenwaarden en eigenvectoren in R n
Eigenwaarden en eigenvectoren in R n Als Ax λx voor zekere x in R n met x 0, dan is λ een eigenwaarde van A en x een eigenvector van A behorende bij λ. Een eigenvector is op een multiplicatieve constante
Nadere informatieGoogle s PageRank Algoritmes
Technische Universiteit Delft Faculteit Elektrotechniek, Wiskunde en Informatica Bachelor Eind Project BSc Verslag TECHNISCHE WISKUNDE Google s PageRank Algoritmes Auteur: Alice Gianolio Onder begeleiding
Nadere informatieModellen en Simulatie Stelsels Dvg
Utrecht, 10 juni 2013 Modellen en Simulatie Stelsels Dvg Gerard Sleijpen Department of Mathematics http://www.staff.science.uu.nl/ sleij101/ Continu versus discreet: Lineaire modellen Continu model. x
Nadere informatieHet tentamen heeft 25 onderdelen. Met ieder onderdeel kan maximaal 2 punten verdiend worden.
Hertentamen Inleiding Kansrekening WI64. 9 augustus, 9:-: Het tentamen heeft 5 onderdelen. Met ieder onderdeel kan maximaal punten verdiend worden. Het tentamen is open boek. Boeken, nota s en een (eventueel
Nadere informatieEigenwaarden en Diagonaliseerbaarheid
Hoofdstuk 3 Eigenwaarden en Diagonaliseerbaarheid 31 Diagonaliseerbaarheid Zoals we zagen hangt de matrix die behoort bij een lineaire transformatie af van de keuze van een basis voor de ruimte In dit
Nadere informatieDefinities, stellingen en methoden uit David Poole s Linear Algebra A Modern Introduction - Second Edtion benodigd voor het tentamen Matrix Algebra 2
Definities, stellingen en methoden uit David Poole s Linear Algebra A Modern Introduction - Second Edtion benodigd voor het tentamen Matrix Algebra 2 Bob Jansen Inhoudsopgave 1 Vectoren 3 2 Stelsels Lineaire
Nadere informatieStelsels differentiaalvergelijkingen
Stelsels differentiaalvergelijkingen Stelsels homogene differentiaalvergelijkingen We bekijken in deze paragraaf stelsels homogene differentiaalvergelijkingen: x (t x (t x (t x (t x n(t A Voorbeeld x +
Nadere informatie1 Eigenwaarden en eigenvectoren
Eigenwaarden en eigenvectoren Invoeren van de begrippen eigenwaarde en eigenvector DEFINITIE Een complex (of reëel getal λ heet een eigenwaarde van de n n matrix A als er een vector x is met Ax = λx Dan
Nadere informatieAntwoorden op de theoretische vragen in de examen voorbereiding
Antwoorden op de theoretische vragen in de examen voorbereiding Theorie vraag Zij A een m n-matrix. Geef het verband tussen de formule voor de dimensie d van een niet-strijdig stelsel, d = n rang (A) (zie
Nadere informatieGeadjungeerde en normaliteit
Hoofdstuk 12 Geadjungeerde en normaliteit In het vorige hoofdstuk werd bewezen dat het voor het bestaan van een orthonormale basis bestaande uit eigenvectoren voldoende is dat T Hermites is (11.17) of
Nadere informatieModellen en Simulatie Speltheorie
Utrecht, 20 juni 2012 Modellen en Simulatie Speltheorie Gerard Sleijpen Department of Mathematics http://www.staff.science.uu.nl/ sleij101/ Program Optimaliseren Nul-som matrix spel Spel strategie Gemengde
Nadere informatieVU University Amsterdam 2018, Maart 27
Department of Mathematics Exam: Voortgezette biostatistiek VU University Amsterdam 2018, Maart 27 c Dept. of Mathematics, VU University Amsterdam NB. Geef een duidelijke toelichting bij de antwoorden.
Nadere informatieOverzicht. Eigenwaarden. Beurzen en afhankelijkheid. Eigenwaarden: Intro
Overzicht Eigenwaarden VU Numeriek Programmeren. Charles Bos Vrije Universiteit Amsterdam c.s.bos@vu.nl, A april Waarom? Voorbeelden Eigenwaarden/eigenvectoren Hoe vind ik ze? Polynoom Powermethode Andere
Nadere informatieLineaire Algebra SUPPLEMENT II
Lineaire Algebra SUPPLEMENT II FBeukers 2012 Departement Wiskunde UU Inhoudsopgave 13 Eigenwaarden en eigenvectoren 3 131 Inleiding 3 132 Berekening van eigenwaarden en eigenvectoren 5 133 Basiseigenschappen
Nadere informatieAanvullingen bij Hoofdstuk 8
Aanvullingen bij Hoofdstuk 8 8.5 Definities voor matrices De begrippen eigenwaarde eigenvector eigenruimte karakteristieke veelterm en diagonaliseerbaar worden ook gebruikt voor vierkante matrices los
Nadere informatieJordan normaalvorm. Hoofdstuk 7
Hoofdstuk 7 Jordan normaalvorm Zoals we zagen hangt de matrix die behoort bij een lineaire transformatie af van de keuze van een basis voor de ruimte In dit hoofdstuk buigen we ons over de vraag of er
Nadere informatieLineaire Algebra voor ST
Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.3 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds06 Technische Universiteit Eindhoven college 8 J.Keijsper
Nadere informatiep j r j = LIMIETGEDRAG VAN CONTINUE-TIJD MARKOV KETENS Hoofdstelling over het limietgedrag van continue-tijd Markov ketens formuleren.
LIMIETGEDRAG VAN CONTINUE-TIJD MARKOV KETENS Hoofdstelling over het limietgedrag van continue-tijd Markov ketens formuleren. Stelling: Een irreducibele, continue-tijd Markov keten met toestandsruimte S
Nadere informatieextra sommen bij Numerieke lineaire algebra
extra sommen bij Numerieke lineaire algebra 31 oktober 2012 1. Stel, we willen met een rekenapparaat (dat arithmetische bewerkingen uitvoert met een relatieve nauwkeurigheid ξ, ξ ξ) voor twee getallen
Nadere informatieSymmetrische matrices
Symmetrische matrices We beginnen met een eenvoudige definitie : Definitie Een matrix A heet symmetrisch als A T = A NB Een symmetrische matrix is dus altijd vierkant Symmetrische matrices hebben fraaie
Nadere informatieNP2.5w3 Eigenwaarden. Eigenwaarden. VU Numeriek Programmeren 2.5. Charles Bos. Vrije Universiteit Amsterdam 1A april /26
1/26 Eigenwaarden VU Numeriek Programmeren 2.5 Charles Bos Vrije Universiteit Amsterdam c.s.bos@vu.nl, 1A40 22 april 2013 2/26 Overzicht Waarom? Voorbeelden Eigenwaarden/eigenvectoren Hoe vind ik ze? Polynoom
Nadere informatieVragen die je wilt beantwoorden zijn:
Net als bij een discrete-tijd Markov keten is men bij de bestudering van een continue-tijd Markov keten zowel geïnteresseerd in het korte-termijn gedrag als in het lange-termijn gedrag. Vragen die je wilt
Nadere informatieLineaire Algebra voor ST
Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.31 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds06 Technische Universiteit Eindhoven college 7 J.Keijsper
Nadere informatieRadboud Universiteit Nijmegen
Radboud Universiteit Nijmegen Faculteit der Natuurwetenschappen, Wiskunde en Informatica Kubische grafen met integraal spectrum Naam: Studentnummer: Studie: Begeleider: Tweede lezer: Daan van Rozendaal
Nadere informatieLineaire Algebra voor ST
Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9. email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/ds6 Technische Universiteit Eindhoven college 8 J.Keijsper (TUE)
Nadere informatieDe inverse van een matrix
De inverse van een matrix Laat A een n n matrix zijn. Veronderstel dat de matrixvergelijking A X = I n de oplossing X = C heeft. Merk op dat [ A I n ] rijoperaties [ I n C ] [ I n A] inverse rijoperaties
Nadere informatieMARKOV MODEL MET KOSTEN In Markov modellen zijn we vaak geïnteresseerd in kostenberekeningen.
MARKOV MODEL MET KOSTEN In Markov modellen zijn we vaak geïnteresseerd in kostenberekeningen. voorraadmodel: voorraadkosten personeelsplanningmodel: salariskosten machineonderhoudsmodel: reparatiekosten
Nadere informatieModellen en Simulatie Simulated Annealing
Utrecht, 14 juni 2012 Modellen en Simulatie Simulated Annealing Gerard Sleijpen Department of Mathematics http://www.staff.science.uu.nl/ sleij101/ In deze les een toepassing van Markov ketens: p n+1 =
Nadere informatieEigenwaarden en eigenvectoren
Hoofdstuk 4 Eigenwaarden en eigenvectoren 4.1 Inleiding Tot nu toe zijn al onze vectoren en matrices reëel geweest d.w.z. de theorie voor stelsels lineaire vergelijkingen en de theorie der matrices en
Nadere informatieCollege WisCKI. Albert Visser. 16 januari, Department of Philosophy, Faculty Humanities, Utrecht University. Loodrechte Projectie
College WisCKI Albert Visser Department of Philosophy, Faculty Humanities, Utrecht University 16 januari, 2012 1 Overview 2 Overview 2 Overview 2 Overview 3 Zij V een deelruimte met basis v 1,..., v k.
Nadere informatieToepassingen op discrete dynamische systemen
Toepassingen op discrete dynamische systemen Een discreet dynamisch systeem is een proces van de vorm x k+ Ax k k met A een vierkante matrix Een Markov-proces is een speciaal geval van een discreet dynamisch
Nadere informatieEigenwaarden en eigenvectoren
Eigwaard eigvector Als A e vierkante matrix is, dan heet e vector x e eigvector van A als Ax e veelvoud van x is : Definitie Stel dat A e (n n-matrix is E vector x R n met x o heet e eigvector van A als
Nadere informatieDe wiskunde van computerberekeningen. Jan Brandts Korteweg-de Vries Instituut voor Wiskunde Universiteit van Amsterdam.
De wiskunde van computerberekeningen Jan Brandts Korteweg-de Vries Instituut voor Wiskunde Universiteit van Amsterdam 04 november 2015 Pluto en Charon New Horizons, launch date 19 January, 2006, speed
Nadere informatieHoofdstuk 10: Partiële differentiaalvergelijkingen en Fourierreeksen
Hoofdstuk : Partiële differentiaalvergelijkingen en Fourierreeksen Partiële differentiaalvergelijkingen zijn vergelijkingen waarin een onbekende functie van twee of meer variabelen en z n partiële afgeleide(n)
Nadere informatieEXAMEN LINEAIRE ALGEBRA EN MEETKUNDE I
EXAMEN LINEAIRE ALGEBRA EN MEETKUNDE I Theorie Opgave 1. In deze opgave wordt gevraagd om een aantal argumenten of overgangen uit de cursusnota s in detail te verklaren. In delen (a) (b) peilen we naar
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Lineaire Algebra voor BMT (2DM20) op vrijdag 12 juni 2009, 9.00 Dit tentamen bestaat uit 5 open vragen, en 4 kort-antwoord vragen.
Nadere informatieTentamen Lineaire Algebra B
Tentamen Lineaire Algebra B 29 juni 2012, 9-12 uur OPGAVEN Uitwerkingen volgen na de opgaven 1. Gegeven is de vectorruimte V = R[x] 2 van polynomen met reële coefficienten en graad 2. Op V hebben we een
Nadere informatie0.97 0.03 0 0 0.008 0.982 0.01 0 0.02 0 0.975 0.005 0.01 0 0 0.99
COHORTE MODELLEN Markov ketens worden vaak gebruikt bij de bestudering van een groep van personen of objecten. We spreken dan meestal over Cohorte modellen. Een voorbeeld van zo n situatie is het personeelsplanning
Nadere informatieLineaire Algebra voor ST
Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.3 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds6 Technische Universiteit Eindhoven college 2 J.Keijsper (TUE)
Nadere informatieMeetkunde en lineaire algebra
Meetkunde en lineaire algebra Daan Pape Universiteit Gent 7 juni 2012 1 1 Möbius transformaties De mobiustransformatie wordt gegeven door: z az + b cz + d (1) Als we weten dat het drietal (x 1, x 2, x
Nadere informatieP = LIMIETGEDRAG VAN MARKOV KETENS Limietverdeling van irreducibele, aperiodieke Markov keten:
LIMIETGEDRAG VAN MARKOV KETENS Limietverdeling van irreducibele, aperiodieke Markov keten: Voorbeeld: Zoek de unieke oplossing van het stelsel π = π P waarvoor bovendien geldt dat i S π i = 1. P = 0 1/4
Nadere informatieUitwerkingen huiswerk week 6
Lineaire algebra 2 najaar 2008 Uitwerkingen huiswerk week 6 Opgave( 21. ) a b Zij A = F 2 2. (i) Laat zien dat deta noodzakelijk van de vorm deta = ad bc is (door A op bovendriehoeksvorm te transformeren).
Nadere informatieONBETWIST ONderwijs verbeteren met WISkunde Toetsen Voorbeeldtoetsen Lineaire Algebra Deliverable 3.10 Henk van der Kooij ONBETWIST Deliverable 3.
ONBETWIST ONderwijs verbeteren met WISkunde Toetsen Voorbeeldtoetsen Lineaire Algebra Deliverable 3.10 Henk van der Kooij ONBETWIST Deliverable 3.8 ONBETWIST ONderwijs verbeteren met WISkunde Toetsen Inleiding
Nadere informatieTentamen Lineaire Algebra voor BMT en TIW (2DM20) op vrijdag 11 mei 2007, 9:00 12:00 uur.
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Lineaire Algebra voor BMT en TIW (DM) op vrijdag mei 7, 9: : uur. U mag bij het tentamen geen computer (notebook, laptop), boeken
Nadere informatieTentamen lineaire algebra 2 18 januari 2019, 10:00 13:00 Uitwerkingen (schets)
Tentamen lineaire algebra 8 januari 9, : : Uitwerkingen (schets) Opgave. ( + punten) Gegeven is de matrix ( ) A =. (a) Bepaal een diagonaliseerbare matrix D en een nilpotente matrix N zodanig dat A = N
Nadere informatieLIMIETGEDRAG VAN CONTINUE-TIJD MARKOV KETENS
LIMIETGEDRAG VAN CONTINUE-TIJD MARKOV KETENS Hoofdstelling over limietgedrag van continue-tijd Markov ketens. Stelling: Een irreducibele, continue-tijd Markov keten met toestandsruimte S = {1, 2,..., N}
Nadere informatieTentamen Biostatistiek 3 / Biomedische wiskunde
Tentamen Biostatistiek 3 / Biomedische wiskunde 25 maart 2014; 12:00-14:00 NB. Geef een duidelijke toelichting bij de antwoorden. Na correctie liggen de tentamens ter inzage bij het onderwijsbureau. Het
Nadere informatieWISB134 Modellen & Simulatie. Lecture 5 - Scalaire recursies (deel 2)
WISB134 Modellen & Simulatie Lecture 5 - Scalaire recursies (deel 2) Overzicht van ModSim Meeste aandacht (t/m 1 apr.) Basisbegrippen dynamische modellen Definities recursies, DVs, numerieke methoden Oplossingen
Nadere informatieTENTAMEN LINEAIRE ALGEBRA 1 donderdag 23 december 2004,
TENTAMEN LINEAIRE ALGEBRA donderdag december 004, 0.00-.00 Bij elke vraag dient een berekening of motivering worden opgeschreven. Het tentamen bestaat uit twee gedeelten: de eerste drie opgaven betreffen
Nadere informatieFACULTEIT ECONOMIE EN BEDRIJFSKUNDE Afdeling Kwantitatieve Economie
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE Afdeling Kwantitatieve Economie Lineaire Algebra, tentamen Uitwerkingen vrijdag 4 januari 0, 9 uur Gebruik van een formuleblad of rekenmachine is niet toegestaan. De
Nadere informatieMonitoraatssessie Wiskunde
Monitoraatssessie Wiskunde 1 Overzicht van de cursus Er zijn drie grote blokken, telkens voorafgegaan door de rekentechnieken die voor dat deel nodig zullen zijn. Exponentiële en logaritmische functies;
Nadere informatieMARKOV MODEL MET KOSTEN In Markov modellen zijn we vaak geïnteresseerd in kostenberekeningen.
MARKOV MODEL MET KOSTEN In Markov modellen zijn we vaak geïnteresseerd in kostenberekeningen. voorraadmodel: voorraadkosten personeelsplanningmodel: salariskosten machineonderhoudsmodel: reparatiekosten
Nadere informatieHet karakteristieke polynoom
Hoofdstuk 6 Het karakteristieke polynoom We herhalen eerst kort de definities van eigenwaarde en eigenvector, nu in een algemene vectorruimte Definitie 6 Een eigenvector voor een lineaire transformatie
Nadere informatieUitwerkingen tentamen lineaire algebra 2 13 januari 2017, 10:00 13:00
Uitwerkingen tentamen lineaire algebra 3 januari 07, 0:00 3:00 Hint: Alle karakteristiek polynomen die je nodig zou kunnen hebben, hebben gehele nulpunten. Als dat niet het geval lijkt, dan heb je dus
Nadere informatieHoofdstuk 3 : Determinanten
Hoofdstuk 3 : Determinanten Paragraaf 3.2 : Determinanten (Les ) Definitie determinant aa bb De determinant van de [2 x 2]-matrix AA = is een getal met waarde cc dd det(a) = ad bc. aa bb Notatie : dddddd(aa)
Nadere informatieToegepaste Wiskunde 2: Het Kalman-filter
Toegepaste Wiskunde 2: Het Kalman-filter 25 februari, 2008 Hans Maassen 1. Inleiding Het Kalman filter schat de toestand van een systeem op basis van een reeks, door ruis verstoorde waarnemingen. Een meer
Nadere informatieLineaire Afbeelding Stelsels differentiaalvergelijkingen. 6 juni 2006
Lineaire Afbeelding Stelsels differentiaalvergelijkingen 6 juni 6 i ii Inhoudsopgave Stelsels differentiaalvergelijkingen Opgaven Stelsels differentiaalvergelijkingen In deze paragraaf passen we onze kennis
Nadere informatieDepartment of Mathematics Exam: Voortgezette biostatistiek / Biomedische wiskunde VU University Amsterdam 2017, Juni 7
Department of Mathematics Exam: Voortgezette biostatistiek / Biomedische wiskunde VU University Amsterdam 07, Juni 7 c Dept. of Mathematics, VU University Amsterdam NB. Geef een duidelijke toelichting
Nadere informatieTentamen Voortgezette biostatistiek / Biomedische wiskunde
Tentamen Voortgezette biostatistiek / Biomedische wiskunde 27 maart 2015; 15:15-17:15 NB. Geef een duidelijke toelichting bij de antwoorden. Na correctie liggen de tentamens ter inzage bij het onderwijsbureau.
Nadere informatieHet oplossen van stelsels lineaire vergelijkingen Wiskunde 2, 2DM60 College 2b
Het oplossen van stelsels lineaire vergelijkingen Wiskunde 2, 2DM60 College 2b Ruud Pellikaan g.r.pellikaan@tue.nl /k 2014-2015 Lineaire vergelijking 2/64 DEFINITIE: Een lineaire vergelijking in de variabelen
Nadere informatie1.1 Oefen opgaven. Opgave Van de lineaire afbeelding A : R 3 R 3 is gegeven dat 6 2, 5 4, A 1 1 = A = Bepaal de matrix van A.
. Oefen opgaven Opgave... Van de lineaire afbeelding A : R 3 R 3 is gegeven dat A = Bepaal de matrix van A. 4, 4 A =, A = 3 4. In de volgende opgave wordt het begrip injectiviteit en surjectiviteit van
Nadere informatieUITWERKINGEN 1 2 C : 2 =
UITWERKINGEN. De punten A, B, C, D in R zijn gegeven door: A : 0, B : Zij V het vlak door de punten A, B, C. C : D : (a) ( pt) Bepaal het oppervlak van de driehoek met hoekpunten A, B, C. Oplossing: De
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Lineaire Algebra voor ST (DS6) op -4-, 4.-7. uur. Opgave Gegeven is het volgende stelsel lineaire vergelijkingen met parameters
Nadere informatie