SlideShare uma empresa Scribd logo
1 de 23
スプラトゥーン2 × 線形代数学
固有値・固有ベクトルを用いたシューター系武器の順位付け
©たくのろじぃ×ぷらう
目次
1. 固有値・固有ベクトル
2. 固有値・固有ベクトルの式(数学的証明ではないかも)
3. 固有値・固有ベクトルの例題と解法
4. 評価表の作成
5. 優劣割合の算出
6. 優劣割合を用いた行列の作成
7. 作成した行列における固有値・固有ベクトルの決定
8. 順位の決定
9. まとめ
準
備
本
当
に
や
り
た
い
こ
と
固有値・固有ベクトル
正方行列・・・A
ベクトル・・・𝒙
スカラー・・・λ
としたときに
A𝒙 = λ 𝒙 が成り立つ
このとき、
𝒙 ・・・ Aの固有ベクトル
λ・・・ Aの固有値
x
λx
例えば・・・
8 −10
4 −6
10
4
=
80 − 40
40 − 24
=
40
16
となる。
行列𝑨 =
8 −10
4 −6
, 固有ベクトル𝒙 =
10
4
のとき、A𝒙(左辺)は
右辺 λ𝒙 のベクトル𝒙 =
10
4
なので、λ倍するとA𝒙になるための値を考える。
40
16
= λ
10
4
より、 λ=4である
よって、行列𝑨 =
8 −10
4 −6
, 固有ベクトル𝒙 =
10
4
のとき、固有値λは4である。
ベクトルの
イメージ
固有値・固有ベクトルの式
A𝒙 = λ 𝒙 λxを左辺へ移項する
A𝒙 − λ𝒙 = 0 右辺は何もなくなるので零ベクトルになる
(A−λ)𝒙 = 0 式を整理するが・・・
でも、行列からスカラーを引くことはできない。行列同士なら引けるのに・・・
→そんな時は単位行列Eを使って仮の行列として組み込んでしまえばいい!
単位行列であれば何を掛けても答えは変わらない※
(A−λ𝑬)𝒙 = 0 単位行列Eを入れてみたらいい感じ♪
1 2
3 4
− 5 = ?
1 2
3 4
− 5
1 0
0 1
=
1 2
3 4
−
5 0
0 5
=…
1 0 0
0 1 0
0 0 1
𝑎
𝑏
𝑐
=
𝑎
𝑏
𝑐
※単位行列であれば何を掛けても答えが変わらない
のは、対角成分が1でそれ以外が0だから
単位行列の
イメージ
固有値・固有ベクトルの式
(A−λ𝑬)𝒙 = 0 この式を使えば固有値、固有ベクトルを求められそうだけど…
逆行列が存在する※とき、𝑥 = 0となってしまい、固有値・固有ベクトルが求められない。
(A − λ𝑬)−𝟏(A − λ𝑬)𝒙 = (A − λ𝑬)−𝟏 0
𝒙 = 𝟎
よって(A − λ𝑬)の逆行列が存在しなければいいので、 (A − λ𝑬)のスカラーが0ならいい。
𝒅𝒆𝒕 A − λ𝑬 = 𝟎
𝑨 − 𝜆𝑬 = 0
上記のほうがスッキリしてるので、こっちを使う。(意味は同じ)
※逆行列が存在するのは正則行列であるということ。単位行列になるような行列が存在するか。
正則行列の定義としては、正方行列をA,逆行列を𝑿, 単位行列を𝑬としたとき、以下の式が成り立つ。
𝑨𝑿 = 𝑿𝑨 = 𝑬
例)行列𝑨 =
3 1
5 2
ならば、単位行列𝑬 =
1 0
0 1
が成り立つための逆行列𝑿が存在するかどうか。
3 1
5 2
2 −1
−5 3
=
2 −1
−5 3
3 1
5 2
=
1 0
0 1
行列𝑨に対し、逆行列𝑿を掛けると単位行列𝑬が成り立つ。よって、正則行列であるということ。→逆行列が存在する
(定義はこのほかにもあります…)
固有値・固有ベクトルの式
で、結局何が言いたいのかというと…
𝑨 − 𝜆𝑬 = 0
この式を使えば固有値・固有ベクトルを求めることができるということ。
というより、固有値が求められる!
固有値は複数の解が出る場合があるので、場合分けして解く
複数の解→行列の各成分(すなわち固有ベクトル)を表す。
𝜆 = 2, 3とでたら固有値は2と3を持ち、 𝑥成分を2, 𝑦成分を3として
各固有ベクトルを求めることができる
固有値・固有ベクトルの例題と解法
問. 行列𝑨 =
1 1 2
0 1 0
1 0 2
の固有値および対応する固有ベクトルを求めよ。
STEP1 固有値・固有ベクトルの式を用いて表現する(𝐴に行列、𝑬に単位行列)
𝐴 − 𝜆𝐸 = 0とおく
1 1 2
0 1 0
1 0 2
− 𝜆
1 0 0
0 1 0
0 0 1
= 0
STEP2 式をまとめる(0はあると思って)
1 1 2
0 1 0
1 0 2
− 𝜆
1 0 0
0 1 0
0 0 1
=
1 − 𝜆 1 2
0 1 − 𝜆 0
1 0 2 − 𝜆
固有値・固有ベクトルの例題と解法
STEP3 固有値𝜆を求める(式を整理して解いていく)
行列式の整理(くくる)→2行2列にてラプラス展開(余因子展開)→サラスの方法
1 − 𝜆 1 2
0 1 − 𝜆 0
1 0 2 − 𝜆
= 1 − 𝜆
1 − 𝜆 1 2
0 1 0
1 0 2 − 𝜆
= 1 − 𝜆 −1 2+2 1 − 𝜆 2
1 2 − 𝜆
= 1 − 𝜆 1 − 𝜆 2 − 𝜆 − 2 = 1 − 𝜆 2 − 𝜆 − 2𝜆 + 𝜆2
+ 2 ←式を展開して整理
= 1 − 𝜆 𝜆2 − 3𝜆 = 0 ←0を戻して因数分解
𝜆 𝜆 − 3 1 − 𝜆 = 0 ←各値を取り出す
∴ 𝜆 = 0, 1, 3 この3つが固有値
STEP4 固有値の場合分け
A𝒙 = λ 𝒙の式の𝜆に固有値を入れる。固有値の数𝑛だけ場合分けを𝑛個つくる。(今回は3つ)
また、 𝒙にあたる行列成分も𝑛個用意する。(こちらも3つ・文字はx,y,zを用意)
(i) 𝜆 = 0, A𝒙 = 0𝒙, 𝒙 =
𝑥1
𝑥2
𝑥3
(ii) 𝜆 = 1, A𝒚 = 1𝒚, 𝒚 =
𝑦1
𝑦2
𝑦3
(iii) 𝜆 = 3, A𝒛 = 3𝒛, 𝒛 =
𝑧1
𝑧2
𝑧3
固有値・固有ベクトルの例題と解法
STEP5 場合分け(i)を解く
(i)𝜆 = 0, A𝒙 = 0𝒙, 𝒙 =
𝑥1
𝑥2
𝑥3
① 𝑨 − 𝜆𝑬 𝒙 = 0 に𝜆 = 0を代入する
1 − 𝜆 1 2
0 1 − 𝜆 0
1 0 2 − 𝜆
= 0 →
1 1 2
0 1 0
1 0 2
𝑥1
𝑥2
𝑥3
=
0
0
0
②ガウスの消去法 掃き出し法 を使って解く
1 1 2 0
0 1 0 0
1 0 2 0
→
1 0 2 0
0 1 0 0
0 0 0 0
③行列式を連立方程式にする
𝑥1 + 2𝑥3 = 0
𝑥2 = 0
この時点で𝑥2 = 0ということがわかる
④文字を置き換えて式を整理する
𝑥3 = 𝑠と置き換える
この時点で𝑥3 = 𝑠だということがわかる
𝑥1 + 2𝑠 = 0
𝑥1 = −2s
この時点で𝑥1 = −2𝑠ということがわかる
⑤各ベクトル成分(固有ベクトルの整理)
𝒙 =
𝑥1
𝑥2
𝑥3
=
−2𝑠
0
𝑠
= 𝑠
−2
0
1
固有値λ = 0 のとき固有ベクトルは𝑠
−2
0
1
固有値・固有ベクトルの例題と解法
STEP6 場合分け(ii)を解く
(ii)𝜆 = 1, A𝒙 = 1𝒙, 𝒙 =
𝑦1
𝑦2
𝑦3
① 𝑨 − 𝜆𝑬 𝒚 = 0 に𝜆 = 1を代入する
1 − 𝜆 1 2
0 1 − 𝜆 0
1 0 2 − 𝜆
= 0 →
0 1 2
0 0 0
1 0 1
𝑦1
𝑦2
𝑦3
=
0
0
0
②ガウスの消去法 掃き出し法 を使って解く
0 1 2 0
0 0 0 0
1 0 1 0
→
1 0 1 0
0 1 2 0
0 0 0 0
③行列式を連立方程式にする
𝑦1 + 𝑦3 = 0
𝑦2 + 2𝑦3 = 0
④文字を置き換えて式を整理する
𝑦3 = 𝑡と置き換える
この時点で𝑦3 = 𝑡だということがわかる
𝑦1 + 𝑡 = 0
𝑦1 = −𝑡
この時点で𝑦1 = −𝑡ということがわかる
𝑦2 + 2𝑡 = 0
𝑦2 = −2𝑡
この時点で𝑦2 = −2𝑡ということがわかる
⑤各ベクトル成分(固有ベクトルの整理)
𝒚 =
𝑦1
𝑦2
𝑦3
=
−𝑡
−2𝑡
𝑡
= 𝑡
−1
−2
1
固有値λ = 1 のとき固有ベクトルは𝑡
−1
−2
1
固有値・固有ベクトルの例題と解法
STEP7 場合分け(iii)を解く
(iii) 𝜆 = 3, A𝒛 = 3𝒛, 𝒛 =
𝑧1
𝑧2
𝑧3
① 𝑨 − 𝜆𝑬 𝒛 = 0 に𝜆 = 3を代入する
1 − 𝜆 1 2
0 1 − 𝜆 0
1 0 2 − 𝜆
= 0 →
−2 1 2
0 −2 0
1 0 −1
𝑧1
𝑧2
𝑧3
=
0
0
0
②ガウスの消去法 掃き出し法 を使って解く
−2 1 2 0
0 −2 0 0
1 0 −1 0
→
1 0 −1 0
0 1 0 0
0 0 0 0
③行列式を連立方程式にする
𝑧1 − 𝑧3 = 0
𝑧2 = 0
この時点で𝑧2 = 0ということがわかる
④文字を置き換えて式を整理する
𝑧3 = 𝑢と置き換える
この時点で𝑧3 = 𝑢だということがわかる
𝑧1 − 𝑢 = 0
𝑧1= 𝑢
この時点で𝑧1 = 𝑢ということがわかる
⑤各ベクトル成分(固有ベクトルの整理)
𝒛 =
𝑧1
𝑧2
𝑧3
=
𝑢
0
𝑢
= 𝑢
1
0
1
固有値λ = 3 のとき固有ベクトルは𝑢
1
0
1
固有値・固有ベクトルの例題と解法
問. 行列𝑨 =
1 1 2
0 1 0
1 0 2
の固有値および対応する固有ベクトルを求めよ。
答. 固有値λ = 0 のとき固有ベクトルは𝑠
−2
0
1
固有値λ = 1 のとき固有ベクトルは𝑡
−1
−2
1
固有値λ = 3 のとき固有ベクトルは𝑢
1
0
1
※ 𝑠, 𝑡, 𝑢は任意の定数倍
シューター系武器の順位付け ここからが本題
目的:エイム力とか立ち回りなどのプレイヤー個人の強さではなく、
武器そのもののパラメータを比較したらどの武器が優れているのかを確かめる。
評価表の作成
まずは武器の各パラメータを評価する(10段階評価)
 赤線は目盛り線(1本あたり評価点1とする・線1本目は評価点0)
 目盛りは目分量で小数点以下を四捨五入
射程: 5
攻撃力: 5
連射力: 6
射程: 5
攻撃力: 8
連射力: 3
射程: 4
攻撃力: 2
連射力: 8
射程: 8
攻撃力: 4
連射力: 3
評価表の作成
武器と各パラメータの関係を表にしてまとめる
スプラシューター .52ガロン シャープマーカー ジェットスイーパー
射程 5 5 4 8
攻撃力 5 8 2 4
連射力 6 3 8 3
武器
パラメータ
優劣割合の算出
1
3
5
5 + 5
+
5
5 + 8
+
6
6 + 3
=
121
234
① スシのガロンに対する優位の割合
1
3
5
5 + 4
+
8
8 + 2
+
3
3 + 8
=
806
1485
④ガロンのシャプマに対する優位の割合
1
3
5
5 + 4
+
5
5 + 2
+
6
6 + 8
=
107
189
② スシのシャプマに対する優位の割合
1
3
5
5 + 8
+
8
8 + 4
+
3
3 + 3
=
121
234
⑤ ガロンのジェットに対する優位の割合
1
3
5
5 + 5
+
8
8 + 5
+
3
3 + 6
=
113
234
⑥ ガロンのスシに対する優位の割合
1
3
4
4 + 8
+
2
2 + 4
+
8
8 + 3
=
46
99
⑦ シャプマのジェットに対する優位の割合
1
3
4
4 + 5
+
2
2 + 5
+
8
8 + 6
=
82
189
⑧シャプマのスシに対する優位の割合
1
3
4
4 + 5
+
2
2 + 8
+
8
8 + 3
=
679
1485
⑨シャプマのガロンに対する優位の割合
1
3
8
8 + 5
+
4
4 + 5
+
3
3 + 6
=
163
351
⑩ジェットのスシに対する優位の割合
1
3
8
8 + 5
+
4
4 + 8
+
3
3 + 3
=
113
234
⑪ジェットのガロンに対する優位の割合
1
3
8
8 + 4
+
4
4 + 2
+
3
8 + 3
=
53
99
⑫ジェットのシャプマに対する優位の割合
1
3
5
5 + 8
+
5
5 + 4
+
6
6 + 3
=
188
351
③ スシのジェットに対する優位の割合
1
3
𝑎
𝑎 + α
+
𝑏
𝑏 + β
+
𝑐
𝑐 + γ
優位の割合の計算(評価項目3つの場合)
行列成分によって値が変わる
 優劣の元にする各パラメータを𝑎, 𝑏, 𝑐とする。
 比較対象の各パラメータを𝛼, β, γとする。
 そのパラメータの数で平均値を取る。
優劣割合を用いた行列の作成
スシ ガロン シャプマ ジェット
𝑎11 ① ② ③
⑥ 𝑎22 ④ ⑤
⑧ ⑨ 𝑎33 ⑦
⑩ ⑪ ⑫ 𝑎44
→
スシ
ガロン
シャプマ
ジェット
優劣割合(先のスライドで求めた①~⑫)と対角成分を使って行列を作る
1
3
121
234
107
189
188
351
113
234
1
3
806
1485
121
234
82
189
679
1485
1
3
46
99
163
351
113
234
53
99
1
3
対角成分は平均値をとるための値・・・
1
3
※今回は行,列の優劣割合で行列を作成。行列𝐴と転置行列𝐴𝑡
の固有値は等しいので、転置行列でもOK
固有値・固有ベクトルの算出
先ほどの手順で求めるのはキツイので、
計算サイトを使って固有値・固有ベクトルを求める
∴ 𝜆 = 1.82869
1.06903
1.03079
0.936083
1
スプラシューター
.52ガロン
シャープマーカー
ジェットスイーパー
のそれぞれの成分が大きいほど順位が高い
1
3
121
234
107
189
188
351
113
234
1
3
806
1485
121
234
82
189
679
1485
1
3
46
99
163
351
113
234
53
99
1
3
順位の決定
各成分と武器をリンクさせて、成分の大きい順に順位付けをする
1.06903
1.03079
0.936083
1
1位
2位 3位
4位
まとめ
スプラトゥーン2の武器パラメータを使用し、
固有値・固有ベクトルから順位付けを行った結果
1位 スプラシューター
2位 .52ガロン
3位 ジェットスイーパー
4位 シャープマーカー
このような順位になった。
次のスライドに、前回間違えたスライドを差し込んでいるので、ご確認ください。
優劣割合の算出方法が間違っていましたので、今回のスライドで修正しました。
優劣割合の計算は関数電卓を使っていたのですが、今回はMicrosoft Mathematicsと
いうソフトを使って計算しました。とても楽です( ̄▽ ̄)
【出典】
画像:game8 https://game8.jp/splatoon-2/
計算:WolframAlpha https://www.wolframalpha.com/
優劣割合の算出(前回間違えた内容)
1
3
5
5 + 5 + 4
+
5
5 + 8 + 2
+
6
6 + 3 + 8
=
745
2142
① スシのガロン・シャプマに対する優位の割合
1
3
5
5 + 4 + 8
+
8
8 + 2 + 4
+
3
3 + 8 + 3
=
257
714
④ガロンのシャプマ・ジェットに対する優位の割合
1
3
5
5 + 4 + 8
+
5
5 + 2 + 4
+
6
6 + 8 + 3
=
206
561
② スシのシャプマ・ジェットに対する優位の割合
1
3
5
5 + 8 + 5
+
8
8 + 4 + 5
+
3
3 + 3 + 6
=
611
1836
⑤ ガロンのジェット・スシに対する優位の割合
1
3
5
5 + 5 + 4
+
8
8 + 5 + 2
+
3
3 + 6 + 8
=
3809
10710
⑥ ガロンのスシ・シャプマに対する優位の割合
1
3
4
4 + 8 + 5
+
2
2 + 4 + 5
+
8
8 + 3 + 6
=
166
561
⑦ シャプマのジェット・スシに対する優位の割合
1
3
4
5 + 8 + 5
+
2
2 + 4 + 8
+
8
8 + 3 + 3
=
113
357
⑧シャプマのジェット・ガロンに対する優位の割合
1
3
4
4 + 5 + 5
+
2
2 + 5 + 8
+
8
8 + 6 + 3
=
1588
5355
⑨シャプマのスシ・ガロンに対する優位の割合
1
3
8
8 + 5 + 5
+
4
4 + 8 + 5
+
3
3 + 3 + 6
=
569
1836
⑩ジェットのスシ・ガロンに対する優位の割合
1
3
8
8 + 5 + 4
+
4
4 + 8 + 2
+
3
3 + 3 + 8
=
11
34
⑪ジェットのガロン・シャプマに対する優位の割合
1
3
8
8 + 5 + 4
+
4
4 + 2 + 5
+
3
3 + 6 + 8
=
63
187
⑫ジェットのスシ・シャプマに対する優位の割合
1
3
5
5 + 8 + 5
+
5
5 + 4 + 8
+
6
6 + 3 + 3
=
164
459
③ スシのジェット・ガロンに対する優位の割合
1
3
𝑎
𝑎 + 𝑏 + 𝑐
+
𝑏
𝑎 + 𝑏 + 𝑐
+
𝑐
𝑎 + 𝑏 + 𝑐
優位の割合の計算(評価項目3つの場合)
行列成分によって値が変わる
行と列の2つで比較するので、分母に3つ以上の成分要素を含めた比較は間違いです。
固有値・固有ベクトルの算出(前回の計算)
先ほどの手順で求めるのはキツイので、
計算サイトを使って固有値・固有ベクトルを求める
∴ 𝜆 = 1.33169
1.07798
1.06091
0.95294
1
スプラシューター
.52ガロン
シャープマーカー
ジェットスイーパー
のそれぞれの成分が大きいほど順位が高い
1
3
121
234
107
189
188
351
113
234
1
3
806
1485
121
234
82
189
679
1485
1
3
46
99
163
351
113
234
53
99
1
3
順位の決定(前回の結果)
各成分と武器をリンクさせて、成分の大きい順に順位付けをする
1.07798
1.06091
0.95294
1
1位
2位 3位
4位

Mais conteúdo relacionado

Mais procurados

相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心
takehikoihayashi
 
機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks
Yuya Unno
 

Mais procurados (20)

強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)
強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)
強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)
 
深層生成モデルと世界モデル
深層生成モデルと世界モデル深層生成モデルと世界モデル
深層生成モデルと世界モデル
 
相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心
 
機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks
 
金融時系列のための深層t過程回帰モデル
金融時系列のための深層t過程回帰モデル金融時系列のための深層t過程回帰モデル
金融時系列のための深層t過程回帰モデル
 
距離とクラスタリング
距離とクラスタリング距離とクラスタリング
距離とクラスタリング
 
[DL輪読会]Deep Learning 第5章 機械学習の基礎
[DL輪読会]Deep Learning 第5章 機械学習の基礎[DL輪読会]Deep Learning 第5章 機械学習の基礎
[DL輪読会]Deep Learning 第5章 機械学習の基礎
 
coordinate descent 法について
coordinate descent 法についてcoordinate descent 法について
coordinate descent 法について
 
Graph Neural Networks
Graph Neural NetworksGraph Neural Networks
Graph Neural Networks
 
CEDEC2018『逆転オセロニア』におけるAI活用
CEDEC2018『逆転オセロニア』におけるAI活用CEDEC2018『逆転オセロニア』におけるAI活用
CEDEC2018『逆転オセロニア』におけるAI活用
 
SGDによるDeepLearningの学習
SGDによるDeepLearningの学習SGDによるDeepLearningの学習
SGDによるDeepLearningの学習
 
新分野に飛び入って半年で業績を作るには
新分野に飛び入って半年で業績を作るには新分野に飛び入って半年で業績を作るには
新分野に飛び入って半年で業績を作るには
 
【論文読み会】Universal Language Model Fine-tuning for Text Classification
【論文読み会】Universal Language Model Fine-tuning for Text Classification【論文読み会】Universal Language Model Fine-tuning for Text Classification
【論文読み会】Universal Language Model Fine-tuning for Text Classification
 
GAN(と強化学習との関係)
GAN(と強化学習との関係)GAN(と強化学習との関係)
GAN(と強化学習との関係)
 
深層生成モデルと世界モデル(2020/11/20版)
深層生成モデルと世界モデル(2020/11/20版)深層生成モデルと世界モデル(2020/11/20版)
深層生成モデルと世界モデル(2020/11/20版)
 
BlackBox モデルの説明性・解釈性技術の実装
BlackBox モデルの説明性・解釈性技術の実装BlackBox モデルの説明性・解釈性技術の実装
BlackBox モデルの説明性・解釈性技術の実装
 
(文献紹介)Deep Unrolling: Learned ISTA (LISTA)
(文献紹介)Deep Unrolling: Learned ISTA (LISTA)(文献紹介)Deep Unrolling: Learned ISTA (LISTA)
(文献紹介)Deep Unrolling: Learned ISTA (LISTA)
 
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
 
Sliced Wasserstein距離と生成モデル
Sliced Wasserstein距離と生成モデルSliced Wasserstein距離と生成モデル
Sliced Wasserstein距離と生成モデル
 
機械学習で嘘をつく話
機械学習で嘘をつく話機械学習で嘘をつく話
機械学習で嘘をつく話
 

Semelhante a スプラトゥーン2 × 数学(訂正版)

数学教材(中間発表)
数学教材(中間発表)数学教材(中間発表)
数学教材(中間発表)
Mizuguchi1205
 
mathemaical_notation
mathemaical_notationmathemaical_notation
mathemaical_notation
Kenta Oono
 

Semelhante a スプラトゥーン2 × 数学(訂正版) (20)

数学教材(中間発表)
数学教材(中間発表)数学教材(中間発表)
数学教材(中間発表)
 
ラビットチャレンジレポート 機械学習
ラビットチャレンジレポート 機械学習ラビットチャレンジレポート 機械学習
ラビットチャレンジレポート 機械学習
 
Computing for Isogeny Kernel Problem by Groebner Basis
Computing for Isogeny Kernel Problem by Groebner BasisComputing for Isogeny Kernel Problem by Groebner Basis
Computing for Isogeny Kernel Problem by Groebner Basis
 
ラビットチャレンジレポート 応用数学
ラビットチャレンジレポート 応用数学ラビットチャレンジレポート 応用数学
ラビットチャレンジレポート 応用数学
 
表現論 ゼミ資料
表現論 ゼミ資料表現論 ゼミ資料
表現論 ゼミ資料
 
回帰
回帰回帰
回帰
 
ラビットチャレンジレポート 応用数学
ラビットチャレンジレポート 応用数学ラビットチャレンジレポート 応用数学
ラビットチャレンジレポート 応用数学
 
これならわかる最適化数学8章_動的計画法
これならわかる最適化数学8章_動的計画法これならわかる最適化数学8章_動的計画法
これならわかる最適化数学8章_動的計画法
 
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
 
魔女のお茶会.pdf
魔女のお茶会.pdf魔女のお茶会.pdf
魔女のお茶会.pdf
 
C03
C03C03
C03
 
グレブナー基底輪読会 #1 ―準備体操の巻―
グレブナー基底輪読会 #1 ―準備体操の巻―グレブナー基底輪読会 #1 ―準備体操の巻―
グレブナー基底輪読会 #1 ―準備体操の巻―
 
Prml1.2.4
Prml1.2.4Prml1.2.4
Prml1.2.4
 
mathemaical_notation
mathemaical_notationmathemaical_notation
mathemaical_notation
 
witchs_key_party.pptx
witchs_key_party.pptxwitchs_key_party.pptx
witchs_key_party.pptx
 
武井研ゼミ M1 第3回目
武井研ゼミ M1 第3回目武井研ゼミ M1 第3回目
武井研ゼミ M1 第3回目
 
高認数学 第1回 式の計算
高認数学 第1回 式の計算高認数学 第1回 式の計算
高認数学 第1回 式の計算
 
続・わかりやすいパターン認識第5章
続・わかりやすいパターン認識第5章続・わかりやすいパターン認識第5章
続・わかりやすいパターン認識第5章
 
プログラマのための線形代数再入門2 〜 要件定義から学ぶ行列式と逆行列
プログラマのための線形代数再入門2 〜 要件定義から学ぶ行列式と逆行列プログラマのための線形代数再入門2 〜 要件定義から学ぶ行列式と逆行列
プログラマのための線形代数再入門2 〜 要件定義から学ぶ行列式と逆行列
 
さくっと線形代数
さくっと線形代数さくっと線形代数
さくっと線形代数
 

Mais de Takunology

Mais de Takunology (14)

Minecraft modding Ex
Minecraft modding ExMinecraft modding Ex
Minecraft modding Ex
 
Minecraft modding 12
Minecraft modding 12Minecraft modding 12
Minecraft modding 12
 
Minecraft modding 11
Minecraft modding 11Minecraft modding 11
Minecraft modding 11
 
Minecraft modding 10
Minecraft modding 10Minecraft modding 10
Minecraft modding 10
 
Minecraft modding 09
Minecraft modding 09Minecraft modding 09
Minecraft modding 09
 
Minecraft modding 08
Minecraft modding 08Minecraft modding 08
Minecraft modding 08
 
Minecraft modding 07
Minecraft modding 07Minecraft modding 07
Minecraft modding 07
 
Minecraft modding 06
Minecraft modding 06Minecraft modding 06
Minecraft modding 06
 
Minecraft modding 05
Minecraft modding 05Minecraft modding 05
Minecraft modding 05
 
Minecraft modding 04
Minecraft modding 04Minecraft modding 04
Minecraft modding 04
 
Minecraft modding 03
Minecraft modding 03Minecraft modding 03
Minecraft modding 03
 
Minecraft modding 02
Minecraft modding 02Minecraft modding 02
Minecraft modding 02
 
Minecraft modding 01
Minecraft modding 01Minecraft modding 01
Minecraft modding 01
 
因数分解でカレーを作る-因数分解を用いて効率的な手順を導き出す-
因数分解でカレーを作る-因数分解を用いて効率的な手順を導き出す-因数分解でカレーを作る-因数分解を用いて効率的な手順を導き出す-
因数分解でカレーを作る-因数分解を用いて効率的な手順を導き出す-
 

スプラトゥーン2 × 数学(訂正版)

  • 2. 目次 1. 固有値・固有ベクトル 2. 固有値・固有ベクトルの式(数学的証明ではないかも) 3. 固有値・固有ベクトルの例題と解法 4. 評価表の作成 5. 優劣割合の算出 6. 優劣割合を用いた行列の作成 7. 作成した行列における固有値・固有ベクトルの決定 8. 順位の決定 9. まとめ 準 備 本 当 に や り た い こ と
  • 3. 固有値・固有ベクトル 正方行列・・・A ベクトル・・・𝒙 スカラー・・・λ としたときに A𝒙 = λ 𝒙 が成り立つ このとき、 𝒙 ・・・ Aの固有ベクトル λ・・・ Aの固有値 x λx 例えば・・・ 8 −10 4 −6 10 4 = 80 − 40 40 − 24 = 40 16 となる。 行列𝑨 = 8 −10 4 −6 , 固有ベクトル𝒙 = 10 4 のとき、A𝒙(左辺)は 右辺 λ𝒙 のベクトル𝒙 = 10 4 なので、λ倍するとA𝒙になるための値を考える。 40 16 = λ 10 4 より、 λ=4である よって、行列𝑨 = 8 −10 4 −6 , 固有ベクトル𝒙 = 10 4 のとき、固有値λは4である。 ベクトルの イメージ
  • 4. 固有値・固有ベクトルの式 A𝒙 = λ 𝒙 λxを左辺へ移項する A𝒙 − λ𝒙 = 0 右辺は何もなくなるので零ベクトルになる (A−λ)𝒙 = 0 式を整理するが・・・ でも、行列からスカラーを引くことはできない。行列同士なら引けるのに・・・ →そんな時は単位行列Eを使って仮の行列として組み込んでしまえばいい! 単位行列であれば何を掛けても答えは変わらない※ (A−λ𝑬)𝒙 = 0 単位行列Eを入れてみたらいい感じ♪ 1 2 3 4 − 5 = ? 1 2 3 4 − 5 1 0 0 1 = 1 2 3 4 − 5 0 0 5 =… 1 0 0 0 1 0 0 0 1 𝑎 𝑏 𝑐 = 𝑎 𝑏 𝑐 ※単位行列であれば何を掛けても答えが変わらない のは、対角成分が1でそれ以外が0だから 単位行列の イメージ
  • 5. 固有値・固有ベクトルの式 (A−λ𝑬)𝒙 = 0 この式を使えば固有値、固有ベクトルを求められそうだけど… 逆行列が存在する※とき、𝑥 = 0となってしまい、固有値・固有ベクトルが求められない。 (A − λ𝑬)−𝟏(A − λ𝑬)𝒙 = (A − λ𝑬)−𝟏 0 𝒙 = 𝟎 よって(A − λ𝑬)の逆行列が存在しなければいいので、 (A − λ𝑬)のスカラーが0ならいい。 𝒅𝒆𝒕 A − λ𝑬 = 𝟎 𝑨 − 𝜆𝑬 = 0 上記のほうがスッキリしてるので、こっちを使う。(意味は同じ) ※逆行列が存在するのは正則行列であるということ。単位行列になるような行列が存在するか。 正則行列の定義としては、正方行列をA,逆行列を𝑿, 単位行列を𝑬としたとき、以下の式が成り立つ。 𝑨𝑿 = 𝑿𝑨 = 𝑬 例)行列𝑨 = 3 1 5 2 ならば、単位行列𝑬 = 1 0 0 1 が成り立つための逆行列𝑿が存在するかどうか。 3 1 5 2 2 −1 −5 3 = 2 −1 −5 3 3 1 5 2 = 1 0 0 1 行列𝑨に対し、逆行列𝑿を掛けると単位行列𝑬が成り立つ。よって、正則行列であるということ。→逆行列が存在する (定義はこのほかにもあります…)
  • 6. 固有値・固有ベクトルの式 で、結局何が言いたいのかというと… 𝑨 − 𝜆𝑬 = 0 この式を使えば固有値・固有ベクトルを求めることができるということ。 というより、固有値が求められる! 固有値は複数の解が出る場合があるので、場合分けして解く 複数の解→行列の各成分(すなわち固有ベクトル)を表す。 𝜆 = 2, 3とでたら固有値は2と3を持ち、 𝑥成分を2, 𝑦成分を3として 各固有ベクトルを求めることができる
  • 7. 固有値・固有ベクトルの例題と解法 問. 行列𝑨 = 1 1 2 0 1 0 1 0 2 の固有値および対応する固有ベクトルを求めよ。 STEP1 固有値・固有ベクトルの式を用いて表現する(𝐴に行列、𝑬に単位行列) 𝐴 − 𝜆𝐸 = 0とおく 1 1 2 0 1 0 1 0 2 − 𝜆 1 0 0 0 1 0 0 0 1 = 0 STEP2 式をまとめる(0はあると思って) 1 1 2 0 1 0 1 0 2 − 𝜆 1 0 0 0 1 0 0 0 1 = 1 − 𝜆 1 2 0 1 − 𝜆 0 1 0 2 − 𝜆
  • 8. 固有値・固有ベクトルの例題と解法 STEP3 固有値𝜆を求める(式を整理して解いていく) 行列式の整理(くくる)→2行2列にてラプラス展開(余因子展開)→サラスの方法 1 − 𝜆 1 2 0 1 − 𝜆 0 1 0 2 − 𝜆 = 1 − 𝜆 1 − 𝜆 1 2 0 1 0 1 0 2 − 𝜆 = 1 − 𝜆 −1 2+2 1 − 𝜆 2 1 2 − 𝜆 = 1 − 𝜆 1 − 𝜆 2 − 𝜆 − 2 = 1 − 𝜆 2 − 𝜆 − 2𝜆 + 𝜆2 + 2 ←式を展開して整理 = 1 − 𝜆 𝜆2 − 3𝜆 = 0 ←0を戻して因数分解 𝜆 𝜆 − 3 1 − 𝜆 = 0 ←各値を取り出す ∴ 𝜆 = 0, 1, 3 この3つが固有値 STEP4 固有値の場合分け A𝒙 = λ 𝒙の式の𝜆に固有値を入れる。固有値の数𝑛だけ場合分けを𝑛個つくる。(今回は3つ) また、 𝒙にあたる行列成分も𝑛個用意する。(こちらも3つ・文字はx,y,zを用意) (i) 𝜆 = 0, A𝒙 = 0𝒙, 𝒙 = 𝑥1 𝑥2 𝑥3 (ii) 𝜆 = 1, A𝒚 = 1𝒚, 𝒚 = 𝑦1 𝑦2 𝑦3 (iii) 𝜆 = 3, A𝒛 = 3𝒛, 𝒛 = 𝑧1 𝑧2 𝑧3
  • 9. 固有値・固有ベクトルの例題と解法 STEP5 場合分け(i)を解く (i)𝜆 = 0, A𝒙 = 0𝒙, 𝒙 = 𝑥1 𝑥2 𝑥3 ① 𝑨 − 𝜆𝑬 𝒙 = 0 に𝜆 = 0を代入する 1 − 𝜆 1 2 0 1 − 𝜆 0 1 0 2 − 𝜆 = 0 → 1 1 2 0 1 0 1 0 2 𝑥1 𝑥2 𝑥3 = 0 0 0 ②ガウスの消去法 掃き出し法 を使って解く 1 1 2 0 0 1 0 0 1 0 2 0 → 1 0 2 0 0 1 0 0 0 0 0 0 ③行列式を連立方程式にする 𝑥1 + 2𝑥3 = 0 𝑥2 = 0 この時点で𝑥2 = 0ということがわかる ④文字を置き換えて式を整理する 𝑥3 = 𝑠と置き換える この時点で𝑥3 = 𝑠だということがわかる 𝑥1 + 2𝑠 = 0 𝑥1 = −2s この時点で𝑥1 = −2𝑠ということがわかる ⑤各ベクトル成分(固有ベクトルの整理) 𝒙 = 𝑥1 𝑥2 𝑥3 = −2𝑠 0 𝑠 = 𝑠 −2 0 1 固有値λ = 0 のとき固有ベクトルは𝑠 −2 0 1
  • 10. 固有値・固有ベクトルの例題と解法 STEP6 場合分け(ii)を解く (ii)𝜆 = 1, A𝒙 = 1𝒙, 𝒙 = 𝑦1 𝑦2 𝑦3 ① 𝑨 − 𝜆𝑬 𝒚 = 0 に𝜆 = 1を代入する 1 − 𝜆 1 2 0 1 − 𝜆 0 1 0 2 − 𝜆 = 0 → 0 1 2 0 0 0 1 0 1 𝑦1 𝑦2 𝑦3 = 0 0 0 ②ガウスの消去法 掃き出し法 を使って解く 0 1 2 0 0 0 0 0 1 0 1 0 → 1 0 1 0 0 1 2 0 0 0 0 0 ③行列式を連立方程式にする 𝑦1 + 𝑦3 = 0 𝑦2 + 2𝑦3 = 0 ④文字を置き換えて式を整理する 𝑦3 = 𝑡と置き換える この時点で𝑦3 = 𝑡だということがわかる 𝑦1 + 𝑡 = 0 𝑦1 = −𝑡 この時点で𝑦1 = −𝑡ということがわかる 𝑦2 + 2𝑡 = 0 𝑦2 = −2𝑡 この時点で𝑦2 = −2𝑡ということがわかる ⑤各ベクトル成分(固有ベクトルの整理) 𝒚 = 𝑦1 𝑦2 𝑦3 = −𝑡 −2𝑡 𝑡 = 𝑡 −1 −2 1 固有値λ = 1 のとき固有ベクトルは𝑡 −1 −2 1
  • 11. 固有値・固有ベクトルの例題と解法 STEP7 場合分け(iii)を解く (iii) 𝜆 = 3, A𝒛 = 3𝒛, 𝒛 = 𝑧1 𝑧2 𝑧3 ① 𝑨 − 𝜆𝑬 𝒛 = 0 に𝜆 = 3を代入する 1 − 𝜆 1 2 0 1 − 𝜆 0 1 0 2 − 𝜆 = 0 → −2 1 2 0 −2 0 1 0 −1 𝑧1 𝑧2 𝑧3 = 0 0 0 ②ガウスの消去法 掃き出し法 を使って解く −2 1 2 0 0 −2 0 0 1 0 −1 0 → 1 0 −1 0 0 1 0 0 0 0 0 0 ③行列式を連立方程式にする 𝑧1 − 𝑧3 = 0 𝑧2 = 0 この時点で𝑧2 = 0ということがわかる ④文字を置き換えて式を整理する 𝑧3 = 𝑢と置き換える この時点で𝑧3 = 𝑢だということがわかる 𝑧1 − 𝑢 = 0 𝑧1= 𝑢 この時点で𝑧1 = 𝑢ということがわかる ⑤各ベクトル成分(固有ベクトルの整理) 𝒛 = 𝑧1 𝑧2 𝑧3 = 𝑢 0 𝑢 = 𝑢 1 0 1 固有値λ = 3 のとき固有ベクトルは𝑢 1 0 1
  • 12. 固有値・固有ベクトルの例題と解法 問. 行列𝑨 = 1 1 2 0 1 0 1 0 2 の固有値および対応する固有ベクトルを求めよ。 答. 固有値λ = 0 のとき固有ベクトルは𝑠 −2 0 1 固有値λ = 1 のとき固有ベクトルは𝑡 −1 −2 1 固有値λ = 3 のとき固有ベクトルは𝑢 1 0 1 ※ 𝑠, 𝑡, 𝑢は任意の定数倍
  • 15. 評価表の作成 武器と各パラメータの関係を表にしてまとめる スプラシューター .52ガロン シャープマーカー ジェットスイーパー 射程 5 5 4 8 攻撃力 5 8 2 4 連射力 6 3 8 3 武器 パラメータ
  • 16. 優劣割合の算出 1 3 5 5 + 5 + 5 5 + 8 + 6 6 + 3 = 121 234 ① スシのガロンに対する優位の割合 1 3 5 5 + 4 + 8 8 + 2 + 3 3 + 8 = 806 1485 ④ガロンのシャプマに対する優位の割合 1 3 5 5 + 4 + 5 5 + 2 + 6 6 + 8 = 107 189 ② スシのシャプマに対する優位の割合 1 3 5 5 + 8 + 8 8 + 4 + 3 3 + 3 = 121 234 ⑤ ガロンのジェットに対する優位の割合 1 3 5 5 + 5 + 8 8 + 5 + 3 3 + 6 = 113 234 ⑥ ガロンのスシに対する優位の割合 1 3 4 4 + 8 + 2 2 + 4 + 8 8 + 3 = 46 99 ⑦ シャプマのジェットに対する優位の割合 1 3 4 4 + 5 + 2 2 + 5 + 8 8 + 6 = 82 189 ⑧シャプマのスシに対する優位の割合 1 3 4 4 + 5 + 2 2 + 8 + 8 8 + 3 = 679 1485 ⑨シャプマのガロンに対する優位の割合 1 3 8 8 + 5 + 4 4 + 5 + 3 3 + 6 = 163 351 ⑩ジェットのスシに対する優位の割合 1 3 8 8 + 5 + 4 4 + 8 + 3 3 + 3 = 113 234 ⑪ジェットのガロンに対する優位の割合 1 3 8 8 + 4 + 4 4 + 2 + 3 8 + 3 = 53 99 ⑫ジェットのシャプマに対する優位の割合 1 3 5 5 + 8 + 5 5 + 4 + 6 6 + 3 = 188 351 ③ スシのジェットに対する優位の割合 1 3 𝑎 𝑎 + α + 𝑏 𝑏 + β + 𝑐 𝑐 + γ 優位の割合の計算(評価項目3つの場合) 行列成分によって値が変わる  優劣の元にする各パラメータを𝑎, 𝑏, 𝑐とする。  比較対象の各パラメータを𝛼, β, γとする。  そのパラメータの数で平均値を取る。
  • 17. 優劣割合を用いた行列の作成 スシ ガロン シャプマ ジェット 𝑎11 ① ② ③ ⑥ 𝑎22 ④ ⑤ ⑧ ⑨ 𝑎33 ⑦ ⑩ ⑪ ⑫ 𝑎44 → スシ ガロン シャプマ ジェット 優劣割合(先のスライドで求めた①~⑫)と対角成分を使って行列を作る 1 3 121 234 107 189 188 351 113 234 1 3 806 1485 121 234 82 189 679 1485 1 3 46 99 163 351 113 234 53 99 1 3 対角成分は平均値をとるための値・・・ 1 3 ※今回は行,列の優劣割合で行列を作成。行列𝐴と転置行列𝐴𝑡 の固有値は等しいので、転置行列でもOK
  • 18. 固有値・固有ベクトルの算出 先ほどの手順で求めるのはキツイので、 計算サイトを使って固有値・固有ベクトルを求める ∴ 𝜆 = 1.82869 1.06903 1.03079 0.936083 1 スプラシューター .52ガロン シャープマーカー ジェットスイーパー のそれぞれの成分が大きいほど順位が高い 1 3 121 234 107 189 188 351 113 234 1 3 806 1485 121 234 82 189 679 1485 1 3 46 99 163 351 113 234 53 99 1 3
  • 20. まとめ スプラトゥーン2の武器パラメータを使用し、 固有値・固有ベクトルから順位付けを行った結果 1位 スプラシューター 2位 .52ガロン 3位 ジェットスイーパー 4位 シャープマーカー このような順位になった。 次のスライドに、前回間違えたスライドを差し込んでいるので、ご確認ください。 優劣割合の算出方法が間違っていましたので、今回のスライドで修正しました。 優劣割合の計算は関数電卓を使っていたのですが、今回はMicrosoft Mathematicsと いうソフトを使って計算しました。とても楽です( ̄▽ ̄) 【出典】 画像:game8 https://game8.jp/splatoon-2/ 計算:WolframAlpha https://www.wolframalpha.com/
  • 21. 優劣割合の算出(前回間違えた内容) 1 3 5 5 + 5 + 4 + 5 5 + 8 + 2 + 6 6 + 3 + 8 = 745 2142 ① スシのガロン・シャプマに対する優位の割合 1 3 5 5 + 4 + 8 + 8 8 + 2 + 4 + 3 3 + 8 + 3 = 257 714 ④ガロンのシャプマ・ジェットに対する優位の割合 1 3 5 5 + 4 + 8 + 5 5 + 2 + 4 + 6 6 + 8 + 3 = 206 561 ② スシのシャプマ・ジェットに対する優位の割合 1 3 5 5 + 8 + 5 + 8 8 + 4 + 5 + 3 3 + 3 + 6 = 611 1836 ⑤ ガロンのジェット・スシに対する優位の割合 1 3 5 5 + 5 + 4 + 8 8 + 5 + 2 + 3 3 + 6 + 8 = 3809 10710 ⑥ ガロンのスシ・シャプマに対する優位の割合 1 3 4 4 + 8 + 5 + 2 2 + 4 + 5 + 8 8 + 3 + 6 = 166 561 ⑦ シャプマのジェット・スシに対する優位の割合 1 3 4 5 + 8 + 5 + 2 2 + 4 + 8 + 8 8 + 3 + 3 = 113 357 ⑧シャプマのジェット・ガロンに対する優位の割合 1 3 4 4 + 5 + 5 + 2 2 + 5 + 8 + 8 8 + 6 + 3 = 1588 5355 ⑨シャプマのスシ・ガロンに対する優位の割合 1 3 8 8 + 5 + 5 + 4 4 + 8 + 5 + 3 3 + 3 + 6 = 569 1836 ⑩ジェットのスシ・ガロンに対する優位の割合 1 3 8 8 + 5 + 4 + 4 4 + 8 + 2 + 3 3 + 3 + 8 = 11 34 ⑪ジェットのガロン・シャプマに対する優位の割合 1 3 8 8 + 5 + 4 + 4 4 + 2 + 5 + 3 3 + 6 + 8 = 63 187 ⑫ジェットのスシ・シャプマに対する優位の割合 1 3 5 5 + 8 + 5 + 5 5 + 4 + 8 + 6 6 + 3 + 3 = 164 459 ③ スシのジェット・ガロンに対する優位の割合 1 3 𝑎 𝑎 + 𝑏 + 𝑐 + 𝑏 𝑎 + 𝑏 + 𝑐 + 𝑐 𝑎 + 𝑏 + 𝑐 優位の割合の計算(評価項目3つの場合) 行列成分によって値が変わる 行と列の2つで比較するので、分母に3つ以上の成分要素を含めた比較は間違いです。
  • 22. 固有値・固有ベクトルの算出(前回の計算) 先ほどの手順で求めるのはキツイので、 計算サイトを使って固有値・固有ベクトルを求める ∴ 𝜆 = 1.33169 1.07798 1.06091 0.95294 1 スプラシューター .52ガロン シャープマーカー ジェットスイーパー のそれぞれの成分が大きいほど順位が高い 1 3 121 234 107 189 188 351 113 234 1 3 806 1485 121 234 82 189 679 1485 1 3 46 99 163 351 113 234 53 99 1 3