STYRNING AV PORTFÖLJER MED FLERA TILLGÅNGAR

Storlek: px
Starta visningen från sidan:

Download "STYRNING AV PORTFÖLJER MED FLERA TILLGÅNGAR"

Transkript

1 1 STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN Avd. för Matematisk statistik Thomas Höglund FINANSMATEMATIK I. KOMPLEMENT DAG 13. STYRNING AV PORTFÖLJER MED FLERA TILLGÅNGAR Hittills har vi betraktat portföljer som bestått av två tillgångar; kassa och en aktie. Här ska vi betrakta den mer allmänna situationen då portföljen består av m tillgångar. En av dessa kan men behöver inte vara kassan. För att framställninmgen ska vara helt analog med den i Komplement dag 11, Black-Scholes ekvation, ska vi till att börja med ge en osymmetrisk framställning och behandla kassan separat. Vi har alltså kassa och andra tillgångar. Räntan antages vara konstant = r vid kontinuerlig förräntning. Som tidigare genomför vi beräkningarna för nuvärdena av kassan, tillgångarna och portföljen: Vi sätter alltså r = 0. Portföljvärdet uppfyller P n (t) = c k 1 +a 1 (k 1)S 1 (t)+...+a (k 1)S (t) för t k 1 t < t k, k = 1,..., n. (1) Här är 0 = t 0 < t 1 <... < t n = T och S 1 (t),...,s (t) är priserna på tillgångarna vid tiden t. Med en tillgång ska vi här mena en tillgång med en rimligt kontinuerlig prisutveckling och där innehavet av tillgången går att öka eller minska gradvis till låg kostnad och med kort varsel. Exempel på sådana tillgångar är vissa bankkonton, obligationer och likvida aktier. Även ett lager bestående av 1000 fat olja är en sådan tillgång eftersom olja är en likvid tillgång som handlas per fat. Vissa aktier med låg likviditet är däremot inte en tillgång i denna mening. Vi ska formulera en modell för prisutvecklingen som motsvarar Black-Scholes modell i en dimension. Låt W(t) beteckna en vektor bestående av m oberoende Wienerprocesser och sätt X(t) = AW(t) där A är en m m matris. Övning 1 Visa att kovariansmatrisen för X(t) är Qt, där Q = AA T. Vi ska anta att S k (t) = S k (0)e ν kt+x k (t). I det fall kassan är en av tillgångarna (vilket är fallet till att börja med) låter vi den vara tillgång nr m. I detta fall har vi alltså q m m = 0. Här är q ij elementen i Q. Vi ska styra portföljvärdet vid tiden T mot f(s T ), där f är en given kontinuerlig funktion i m 1 variabler. Vi kan nu gå fram på samma sätt som tidigare. Skillnaden är att vi får Taylorutveckla en funktion i flera variabler istället för en: F (T, S T ) P T = ɛ 1 + ɛ ɛ n + O( t).

2 2 Denna skillnad går mot noll om P n (0) = F (0, S(0)) och a i (k) = s i F (t k, S(t k )) och om F (t, s) löser ekvationen I detta fall är ɛ k = F t j=1 s i s j q ij 2 j=1 2 F s i s j q ij = 0. (2) 2 f (Z i (k)z j (k) q ij ) t, där Z i (k) = (X i (t k ) X i (t k 1 ))/ t. Som tidigare är ɛ 1,...,ɛ n okorrelerade och har väntevärde 0. Funktionen F (t, s) definierad av F (t, s)) = Ef(s 1 e q 11 2 τ+x 1(τ),..., s e q 2 τ+x (τ) ), där τ = T t, löser ekvationen (2) och F (T, s) = f(s). (3) Ovanstående formel gäller alltså om räntan är noll. På samma sätt som i beviset av Sats 2 i Komplement dag 6, Handelsstrategier 2, får vi F (t, s) = e rτ Ef(s 1 e rτ q 11 2 τ+x 1(τ),..., s e rτ q 2 τ+x (τ) ) (4) då räntan är r. Även i detta fall gäller uppenbarligen (3). Sats 1 Antag att F är som i (4) och P n (t) som i (1) med a i (k 1) = s i F (t k 1, S(t k 1 )). Om P n (0) = F (0, S(0)), så P n (t) F (t, S(t)) i sannolikhet, då n och max 1 k n (t k t k 1 ) 0. Övning 2 Genomför detaljerna i beviset av satsen. Övning 3 Visa att ekvationen (2) tar formen F t + r då räntan är konstant = r. s i F s i j=1 2 F s i s j q ij = rf. (5) En symmetrisk formulering Vi ska här betrakta en portfölj som består av m tillgångar av vilka kassan kan (men behöver inte) vara en. För att hålla isär begreppen ska vi skriva g och

3 3 G för målfunktionen respektive portföljvärdet (i stället för f och F ). I detta fall är alltså g en funktion av m variabler s = (s 1,..., s m ) och G ska uppfylla och G t m j=1 Detta randvärdesproblem har lösningen m 2 G s i s j q ij = 0. (6) G(T, s) = g(s). (7) G(t, s)) = Eg(s 1 e q 11 2 τ+x 1(τ)),..., s m e qmm 2 τ+x m(τ)) ). (8) Vikterna i portföljen ges av Därför måste b(t, s) = grad s G(t, s). G(t, s) = b(t, s) s. (9) Vi ska ge ett villkor på g som gör att (9) är uppfyllt. Definition En målfunktion är en kontinuerlig funktion (0, ) m s g(s) R som uppfyller för alla k > 0. Här är ks = (ks 1,..., ks m ). g(ks) = kg(s) (10) Det följer av (8) att villkoret (10) medför att G(t, ks) = kg(t, ks) och det följer av Lemmat nedan att detta i sin tur medför att (9) är uppfyllt. Lemma 2 Låt H(s) vara en differentierbar funktion definierad för s (0, ) m. Då gäller H(s) = grad H(s) s (11) för alla s (0, ) m om och endast om för alla s (0, ) m och alla k > 0. H(ks) = kh(s) (12) Bevis Antag att (11) gäller. Fixera s och sätt h(k) = H(ks). Då h (k) = grad H(ks) s = h(k)/k, och därför h(k) = h(1)k. Antag att (12) gäller. k = 1. Derivera bägge sidor med avseende på k och sätt Man startar vid t = t 0 med portföljvärdet P n (0) = b(t 0, S(t 0 )) S(t 0 ) vid t = t 1 är denna värd P n (t 1 ) = b(t 0, S(t 0 )) S(t 1 ). Omedelbart efter ombalanseringen vid t = t 1 är den emellertid värd b(t 1, S(t 1 )) S(t 1 ) vilket i allmänhet är skilt från P n (t 1 ). Detta problem kan lösas t.ex. genom att man inför en

4 4 transaktionskassa och går tillväga som tidigare. Transaktionskassan blir försumbar då man handlar allt oftare, d.v.s. då n. Portföljen konstrueras så här: P n (0) = b(0, S(0)) S(0) och P n (t) = P n (t k 1 )+b(t k 1, S(t k 1 ) (S(t) S(t k 1 )) för t k 1 t < t k, k = 1,..., n. (13) Vi har därför följande sats. Sats 3 Om G är som i (8) och P n (t) som i (13), så P n (t) F (t, S(t)) i sannolikhet, då n och max 1 k n (t k t k 1 ) 0. Sambandet mellan funktionerna f och g är g(s 1,..., s m ) = s m f( s 1 s m,..., s s m ), f(s 1,..., s ) = g(s 1,..., s, 1). (14) Övning 4 Låt f vara en godtycklig kontinuerlig funktion definierad på (0, ) och definiera g som i (14). Visa att g är en målfunktion. Om kassan är tillgång nr m, så S m (t) = S m (0)e rt och vi har där S (t) = (S 1 (t),..., S (t)). G(t, S(t)) = S m (0)e rt F (t, e rt S (t)/s m (0)), Exempel 1 I fallet m = 2 och f(x) = max(0, x K), får vi g(s 1 (T ), S 2 (T )) = max(0, S 1 (T ) e rt S 2 (0)K). I detta fall är g alltså målfunktion för en köpoption med lösenpris K om S 2 (0) är nuvärdet vid tiden 0 av en krona vid tiden T, S 2 (0) = e rt. Övning 5 Antag att S i (0) = 1. (D.v.s. ersätt S i (t) med S i (t)/s i (0).) Låt v 1,..., v m vara givna (konstanta) vikter; v v m = 1. Betrakta de två funktionerna: a) g(s) = m v is i och b) g(s) = m svi i. Visa att bägge funktionerna är målfunktioner samt beräkna portföljvärdena och de olika tillgångarnas vikter i portföljerna vid tiden t. Istället för att utgå från en given målfunktion kan man utgå från givna vikter och beräkna portföljvädet. Övning 6 Antag att S i (0) = 1 och att portföljen ombalanseras kontinuerligt så att tillgång i alltid har vikten v i, där v 1,..., v m är givna (konstanta) vikter. Bestäm portföljvädet vid tiden t förutsatt att G(0, 1) = 1. Målfunktionen för den första optionsstrategien i Komplement dag 12, Tre optionsstrategier, har formen c max(s 1, s 2 ) medan den tredje strategien har en målfunktion av formen C max(s 1, s 2 ). För ett allmänt m har vi.

5 5 Övning 7 Låt s (1) <... < s (m) vara s 1,..., s m ordnade i växande storleksordning. Sätt g(s) = s (r), där 1 r m. Visa att g är en målfunktion. I det här fallet är det lämpligt att använda dator för att beräkna vikterna av de olika tillgångarna. I fallet m = 2 kan man få ett explicit uttryck för portföljvärdet som nästa exempel visar. Exempel 2 Låt m = 2 och låt φ Qt (x 1, x 2 ) beteckna täthetsfunktionen för (X 1 (t), X 2 (t)). Vi ska beräkna portföljvärdena för de två målfunktionerna g 1 (s 1, s 2 ) = max(s 1, s 2 ) och g 2 (s 1, s 2 ) = min(s 1, s 2 ) och börjar med den första. Vi har G 1 (t, s 1, s 2 ) = E max(s 1 e q 11 2 τ+x 1(τ), s 2 e q 22 2 τ+x 2(τ) ) = s 1 I 12 + s 2 I 21, där och I ij = x i x j> λ ij e q ii 2 τ+xi φ Qτ (x 1, x 2 )dx 1 dx 2 λ ij = ln s i ln s j + q ii q jj τ. 2 Övning 8 Visa t.ex. genom att beräkna den momentgenerterande funktionen att e q 11 2 τ+x 1 φ Qτ (x 1, x 2 ) = φ Qτ (x 1 q 11 τ, x 2 q 12 τ). där Det följer att I 12 = φ Qτ (y 1, y 2 )dx 1 dx 2, y 2 y 1>ln s 1 ln s 2+ ω τ ω 2 ij = q ii + q jj 2q ij. Observera att om (Y 1, Y 2 ) är normalfördelad med väntevärde 0 och kovariansmatris Qτ, så är Y 2 Y 1 normalfördelad med väntevärde 0 och varians ω 2 12τ. Därför är I ij = Φ(d ij ), där Det följer att d ij = ln(s i/s j ) ω ij τ + ω ij τ. 2 G 1 (t, s 1, s 2 ) = s 1 Φ(d 12 ) + s 2 Φ(d 21 ). Om vi istället har målfunktionen g 2 och använder sambandet min(s 1, s 2 ) = s 1 + s 2 max(s 1, s 2 ) samt identiteterna Ee q ii 2 τ+xi(τ) = 1 och 1 Φ(x) = Φ( x),

6 6 så får vi G 2 (t, s 1, s 2 ) = s 1 Φ( d 12 ) + s 2 Φ( d 21 ). Övning 9 Beräkna antalen av de två tillgångarna, i de två portföljerna i exemplet ovan, som funktion av tiden och aktiepriserna. (Här kan du få användnig av Övning 3 i Övningar till dag 8.) Den första strategien kan kanske synas vara mer lockande än den andra men bilden blir mer nyanserad om vi jämför strategier som är lika mycket värda från början. Övning 10 Antag att S 1 (0) = S 2 (0) = 1. a) Bestäm c och C så att cg 1 (0, 1, 1) = 1 och CG 2 (0, 1, 1) = 1. Speciellt: Vad blir c och C om T = 1, q 11 = 0.16, q 22 = 0.25 och korrelationen q 12 / q 11 q 22 = 0.35? b) För vilka värden på S 1 (T ) och S 2 (T ) går de två strategierna med vinst? c) För vilka värden på S 1 (T ) och S 2 (T ) är den andra strategien att föredra framför den första? Svar till övningarna 5 a) Portföljvärde: G(t, S(t)), där G(t, s) = m v is i = v s. Vikter: (v i s i,..., v m s m )/v s. b) G(t, s) = e L(T t) m s i( vi, där L = 1 2 ( m v iq ii v Qv). Vikter v. 6 G(t, s) = e Lt m svi i. 9 (Φ(d 12 ), Φ(d 21 )) för max och (Φ( d 12 ), Φ( d 21 )) för min. 10 a) c = 1/(2Φ( ω12 2 T )) = 0.83, C = 1/(2Φ( ω 12 2 T )) = b) max(s 1 (T ), S 2 (T )) > 1/c = 1.21 respektive min(s 1 (T ), S 2 (T )) > 1/C = c) Den andra är bättre om c/c < S 2 (T )/S 1 (T ) < C/c. Speciellt: (c/c, C/c) = (0.66, 1.52).

Uppgift 2 Betrakta vädret under en följd av dagar som en Markovkedja med de enda möjliga tillstånden. 0 = solig dag och 1 = regnig dag

Uppgift 2 Betrakta vädret under en följd av dagar som en Markovkedja med de enda möjliga tillstånden. 0 = solig dag och 1 = regnig dag Avd. Matematisk statistik TENTAMEN I SF904 MARKOVPROCESSER MÅNDAGEN DEN 26 AUGUSTI 203 KL 08.00 3.00. Examinator: Gunnar Englund tel. 073 32 37 45 Tillåtna hjälpmedel: Formel- och tabellsamling i Matematisk

Läs mer

9. Beräkna volymen av det område som begränsas av planet z = 1 och paraboloiden z = 5 x 2 y 2.

9. Beräkna volymen av det område som begränsas av planet z = 1 och paraboloiden z = 5 x 2 y 2. Tentamenskrivning för TMS63, Matematisk Statistik. Onsdag fm den 3 juni, 15, V-huset. Examinator: Marina Axelson-Fisk. Tel: 7-88113 Tillåtna hjälpmedel: typgodkänd miniräknare, tabell- och formelhäfte

Läs mer

Wienerprocesser. Finansiell statistik, vt-05. Enkel slumpvandring. Enkel slumpvandring. Varför: model för aktiekurs (dock med aber...

Wienerprocesser. Finansiell statistik, vt-05. Enkel slumpvandring. Enkel slumpvandring. Varför: model för aktiekurs (dock med aber... Varför: model för aktiekurs dock med aber... exempel: Black-Scholes jfr Binomialoptionsmodellen Johan Koskinen Statistiska institutionen Stockholms universitet Finansiell statistik vt-05 F5 Tidsserieanalys

Läs mer

REGLERTEKNIK KTH. REGLERTEKNIK AK EL1000/EL1110/EL1120 Kortfattade lösningsförslag till tentamen 2015 04 08, kl. 8.00 13.00

REGLERTEKNIK KTH. REGLERTEKNIK AK EL1000/EL1110/EL1120 Kortfattade lösningsförslag till tentamen 2015 04 08, kl. 8.00 13.00 REGLERTEKNIK KTH REGLERTEKNIK AK EL000/EL0/EL0 Kortfattade lösningsförslag till tentamen 05 04 08, kl. 8.00 3.00. (a) Signalen u har vinkelfrekvens ω = 0. rad/s, och vi läser av G(i0.) 35 och arg G(i0.)

Läs mer

Institutionen för Matematiska Vetenskaper TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1/TM1, TMA671 2014-05-26

Institutionen för Matematiska Vetenskaper TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1/TM1, TMA671 2014-05-26 Institutionen för Matematiska Vetenskaper Göteborg TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F/TM, TMA67 4-5-6 DAG: Måndag 6 maj 4 TID: 4. - 8. SAL: V Ansvarig: Ivar Gustafsson, tel: 75-33545 Förfrågningar:

Läs mer

k x om 0 x 1, f X (x) = 0 annars. Om Du inte klarar (i)-delen, så får konstanten k ingå i svaret. (5 p)

k x om 0 x 1, f X (x) = 0 annars. Om Du inte klarar (i)-delen, så får konstanten k ingå i svaret. (5 p) Avd. Matematisk statistik TENTAMEN I SF1901 SANNOLIKHETSLÄRA OCH STATISTIK MÅNDAGEN DEN 17 AUGUSTI 2009 KL 08.00 13.00. Examinator: Gunnar Englund, tel. 790 74 16. Tillåtna hjälpmedel: Formel- och tabellsamling

Läs mer

Omtentamen i DV & TDV

Omtentamen i DV & TDV Umeå Universitet Institutionen för Datavetenskap Gunilla Wikström (e-post wikstrom) Omtentamen i Teknisk-Vetenskapliga Beräkningar för DV & TDV Tentamensdatum: 2005-06-07 Skrivtid: 9-15 Hjälpmedel: inga

Läs mer

Finansmatematik II Kapitel 3 Risk och diversifiering

Finansmatematik II Kapitel 3 Risk och diversifiering STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN Avd. för Matematisk statistik Thomas Höglund Version 04 0 8 Finansmatematik II Kapitel 3 Risk och diversifiering 2 Finansmatematik II Risk och diversifiering

Läs mer

TATA42: Föreläsning 10 Serier ( generaliserade summor )

TATA42: Föreläsning 10 Serier ( generaliserade summor ) TATA42: Föreläsning 0 Serier ( generaliserade summor ) Johan Thim 5 maj 205 En funktion s: N R brukar kallas talföljd, och vi skriver ofta s n i stället för s(n). Detta innebär alltså att för varje heltal

Läs mer

Självkoll: Ser du att de två uttrycken är ekvivalenta?

Självkoll: Ser du att de två uttrycken är ekvivalenta? ANTECKNINGAR TILL RÄKNEÖVNING 1 & - LINJÄR ALGEBRA För att verkligen kunna förstå och tillämpa kvantmekaniken så måste vi veta något om den matematik som ligger till grund för formuleringen av vågfunktionen

Läs mer

Summor av slumpvariabler

Summor av slumpvariabler 1/22 Summor av slumpvariabler Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 8/2 2013 2/22 Dagens föreläsning Väntevärde och varians Vanliga kontinuerliga fördelningar Parkeringsplatsproblemet

Läs mer

AMatematiska institutionen avd matematisk statistik

AMatematiska institutionen avd matematisk statistik Kungl Tekniska Högskolan AMaemaiska insiuionen avd maemaisk saisik TENTAMEN I 5B86 STOKASTISK KALKYL OCH KAPITALMARKNADSTE- ORI FÖR F4 OCH MMT4 LÖRDAGEN DEN 5 AUGUSTI KL 8. 3. Examinaor : Lars Hols, el.

Läs mer

Tentamen MVE300 Sannolikhet, statistik och risk

Tentamen MVE300 Sannolikhet, statistik och risk Tentamen MVE3 Sannolihet, statisti och ris 215-6-4 l. 8.3-13.3 Examinator: Johan Jonasson, Matematisa vetensaper, Chalmers Telefonvat: Johan Jonasson, telefon: 76-985223 31-7723546 Hjälpmedel: Typgodänd

Läs mer

Storräkneövning: Sannolikhetslära

Storräkneövning: Sannolikhetslära UPPSALA UNIVERSITET Matematiska institutionen Jakob Björnberg Sannolikhet och statistik 2012 09 28 Storräkneövning: Sannolikhetslära 1. (Tentamen, april 2009.) Man har efter studier av beredskapen hos

Läs mer

Kurvlängd och geometri på en sfärisk yta

Kurvlängd och geometri på en sfärisk yta 325 Kurvlängd och geometri på en sfärisk yta Peter Sjögren Göteborgs Universitet 1. Inledning. Geometrin på en sfärisk yta liknar planets geometri, med flera intressanta skillnader. Som vi skall se nedan,

Läs mer

STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN Avd. för Matematisk statistik Thomas Höglund FINANSMATEMATIK I. ÖVNINGAR TILL DAG 3.

STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN Avd. för Matematisk statistik Thomas Höglund FINANSMATEMATIK I. ÖVNINGAR TILL DAG 3. STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN Avd. för Matematisk statistik Thomas Höglund FINANSMATEMATIK I. ÖVNINGAR TILL DAG 2. Luenberger: 2:1-5, 9, 11, 12. Övning 1. Du lånar 200000 kr i en bank

Läs mer

Reglerteori, TSRT09. Föreläsning 4: Kalmanfiltret & det slutna systemet. Torkel Glad. Reglerteknik, ISY, Linköpings Universitet

Reglerteori, TSRT09. Föreläsning 4: Kalmanfiltret & det slutna systemet. Torkel Glad. Reglerteknik, ISY, Linköpings Universitet Reglerteori, TSRT09 Föreläsning 4: Kalmanfiltret & det slutna systemet Reglerteknik, ISY, Linköpings Universitet Sammanfattning av Föreläsning 3 2(19) Kovariansfunktion: Spektrum: R u (τ) = Eu(t)u(t τ)

Läs mer

TSRT09 Reglerteori. Sammanfattning av Föreläsning 3. Sammanfattning av Föreläsning 3, forts. Sammanfattning av Föreläsning 3, forts.

TSRT09 Reglerteori. Sammanfattning av Föreläsning 3. Sammanfattning av Föreläsning 3, forts. Sammanfattning av Föreläsning 3, forts. Reglerteori 2016, Föreläsning 4 Daniel Axehill 1 / 18 Sammanfattning av Föreläsning 3 Kovariansfunktion: TSRT09 Reglerteori Föreläsning 4: Kalmanfiltret & det slutna systemet Daniel Axehill Reglerteknik,

Läs mer

R AKNE OVNING VECKA 1 David Heintz, 31 oktober 2002

R AKNE OVNING VECKA 1 David Heintz, 31 oktober 2002 RÄKNEÖVNING VECKA David Heintz, 3 oktober 22 Innehåll Uppgift 27. 2 Uppgift 27.8 4 3 Uppgift 27.9 6 4 Uppgift 27. 9 5 Uppgift 28. 5 6 Uppgift 28.2 8 7 Uppgift 28.4 2 Uppgift 27. Determine primitive functions

Läs mer

Frågorna 1 till 6 ska svaras med sant eller falskt och ger vardera 1

Frågorna 1 till 6 ska svaras med sant eller falskt och ger vardera 1 ATM-Matematik Mikael Forsberg 6-64 89 6 Matematik med datalogi, mfl. Skrivtid:. Inga hjälpmedel. Lösningarna skall vara fullständiga och lätta att följa. Börja varje ny uppgift på ny sida. Använd ej baksidor.

Läs mer

DN1230 Tillämpad linjär algebra Tentamen Onsdagen den 29 maj 2013

DN1230 Tillämpad linjär algebra Tentamen Onsdagen den 29 maj 2013 TILLÄMPAD LINJÄR ALGEBRA, DN123 1 DN123 Tillämpad linjär algebra Tentamen Onsdagen den 29 maj 213 Skrivtid: 8-13 Tillåtna hjälpmedel: inga Examinator: Anna-Karin Tornberg Betygsgränser: Betyg A B C D E

Läs mer

Version 0.82. Linjär algebra kapiltet från ett ODE-kompendium. Mikael Forsberg

Version 0.82. Linjär algebra kapiltet från ett ODE-kompendium. Mikael Forsberg Version.8 Linjär algebra kapiltet från ett ODE-kompendium Mikael Forsberg 8 Den här boken är typsatt av författaren med hjälp av L A TEX. Alla illustrationer är utförda av Mikael Forsberg med hjälp av

Läs mer

1 Cirkulation och vorticitet

1 Cirkulation och vorticitet Föreläsning 7. 1 Cirkulation och vorticitet Ett mycket viktigt teorem i klassisk strömningsmekanik är Kelvins cirkulationsteorem, som man kan härleda från Eulers ekvationer. Teoremet gäller för en inviskös

Läs mer

MATEMATIK Datum: 2014-01-14 Tid: förmiddag Hjälpmedel: inga. Mobiltelefoner är förbjudna. A.Heintz Telefonvakt: Christo er Standar, Tel.

MATEMATIK Datum: 2014-01-14 Tid: förmiddag Hjälpmedel: inga. Mobiltelefoner är förbjudna. A.Heintz Telefonvakt: Christo er Standar, Tel. MATEMATIK Datum: -- Tid: förmiddag Chalmers Hjälpmedel: inga. Mobiltelefoner är förbjudna. A.Heintz Telefonvakt: Christo er Standar, Tel.: 7-88 Lösningar till tenta i TMV Analys och linjär algebra K/Bt/Kf,

Läs mer

Basbyte (variabelbyte)

Basbyte (variabelbyte) Basbyte (variabelbyte) En vektors koordinater beror på valet av bas! Tänk på geometriska vektorer här. v har längden 2 och pekar rakt uppåt i papprets plan. Kan vi då skriva v (, 2)? Om vi valt basvektorer

Läs mer

5 Kontinuerliga stokastiska variabler

5 Kontinuerliga stokastiska variabler 5 Kontinuerliga stokastiska variabler Ex: X är livslängden av en glödlampa. Utfallsrummet är S = x : x 0}. X kan anta överuppräkneligt oändligt många olika värden. X är en kontinuerlig stokastisk variabel.

Läs mer

SF1624 Algebra och geometri Tentamen Onsdagen 29 oktober, 2014

SF1624 Algebra och geometri Tentamen Onsdagen 29 oktober, 2014 SF1624 Algebra och geometri Tentamen Onsdagen 29 oktober, 214 Skrivtid: 14.-19. Tillåtna hjälpmedel: inga Examinator: Roy Skjelnes Tentamen består av nio uppgifter som vardera ger maximalt fyra poäng.

Läs mer

INDUKTION OCH DEDUKTION

INDUKTION OCH DEDUKTION Explorativ övning 3 INDUKTION OCH DEDUKTION Syftet med övningen är att öka Din problemlösningsförmåga och bekanta Dig med olika bevismetoder. Vårt syfte är också att öva skriftlig framställning av matematisk

Läs mer

Vektorgeometri för gymnasister

Vektorgeometri för gymnasister Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Vektorer i planet och i rummet III Innehåll

Läs mer

Kapitel IV. Partikeltalet som termodynamisk variabel & faser

Kapitel IV. Partikeltalet som termodynamisk variabel & faser Kapitel IV Partikeltalet som termodynamisk variabel & faser Kemiska potentialen Kemiska potentialen I många system kan inte partikelantalet antas vara konstant så som vi hittills antagit Ett exempel är

Läs mer

Optimering med bivillkor

Optimering med bivillkor Optimering med bivillkor Vi ska nu titta på problemet att hitta max och min av en funktionen f(x, y), men inte över alla möjliga (x, y) utan bara för de par som uppfyller ett visst bivillkor g(x, y) =

Läs mer

Avd. Matematisk statistik

Avd. Matematisk statistik Avd. Matematisk statistik TENTAMEN I SF1902 SANNOLIKHETSTEORI OCH STATISTIK, TORSDAGEN DEN 23:E MAJ 2013 KL 14.00 19.00. Kursledare och examinator : Björn-Olof Skytt Tillåtna hjälpmedel: miniräknare, lathund

Läs mer

Inlämningsuppgift 4 NUM131

Inlämningsuppgift 4 NUM131 Inlämningsuppgift 4 NUM131 Modell Denna inlämningsuppgift går ut på att simulera ett modellflygplans rörelse i luften. Vi bortser ifrån rörelser i sidled och studerar enbart rörelsen i ett plan. De krafter

Läs mer

ANDREAS REJBRAND 2014-04-25 Matematik http://www.rejbrand.se. Numeriska serier. Andreas Rejbrand, april 2014 1/29

ANDREAS REJBRAND 2014-04-25 Matematik http://www.rejbrand.se. Numeriska serier. Andreas Rejbrand, april 2014 1/29 Numeriska serier Andreas Rejbrand, april 2014 1/29 1 Inledning Författarens erfarenhet säger att momentet med numeriska serier är ganska svårt för många studenter i inledande matematikkurser på högskolenivå.

Läs mer

Stokastiska vektorer och multivariat normalfördelning

Stokastiska vektorer och multivariat normalfördelning Stokastiska vektorer och multivariat normalfördelning Johan Thim johanthim@liuse 3 november 08 Repetition Definition Låt X och Y vara stokastiska variabler med EX µ X, V X σx, EY µ Y samt V Y σy Kovariansen

Läs mer

a k . Serien, som formellt är följden av delsummor

a k . Serien, som formellt är följden av delsummor Kapitel S Mer om serier I dettapitel sall vi fortsätta att studera serier, ett begrepp som introducerades i Kapitel 9.5 i boen, framförallt sa vi bevisa ett antal onvergensriterier. Mycet ommer att vara

Läs mer

TAIU07 Matematiska beräkningar med Matlab

TAIU07 Matematiska beräkningar med Matlab TAIU07 Matematiska beräkningar med Matlab Datorlektion 2. Villkor och Repetition 1 Logiska uttryck Uppgift 1.1 Låt a=3 och b=6 Vad blir resultatet av testerna ab? Uppgift 1.2 Låt a, b,

Läs mer

Abstrakt algebra för gymnasister

Abstrakt algebra för gymnasister Abstrakt algebra för gymnasister Veronica Crispin Quinonez Sammanfattning. Denna text är föreläsningsanteckningar från föredraget Abstrakt algebra som hölls under Kleindagarna på Institutet Mittag-Leffler

Läs mer

En trafikmodell. Leif Arkeryd. Göteborgs Universitet. 0 x 1 x 2 x 3 x 4. Fig.1

En trafikmodell. Leif Arkeryd. Göteborgs Universitet. 0 x 1 x 2 x 3 x 4. Fig.1 10 En trafikmodell Leif Arkeryd Göteborgs Universitet Tänk dig en körfil på en landsväg eller motorväg, modellerad som x axeln i positiv riktning (fig.1), och med krysset x j som mittpunkten för bil nummer

Läs mer

Tentamen MVE265 Matematisk statistik för V, 2013-01-19

Tentamen MVE265 Matematisk statistik för V, 2013-01-19 Tentamen MVE6 Matematisk statistik V, 03-0-9 Tentamen består av åtta uppgifter om totalt 0 poäng. Det krävs minst 0 poäng betyg 3, minst 30 poäng 4 och minst 40. Examinator: Ulla Blomqvist Hjälpmedel:

Läs mer

Vi ska här utgå ifrån att vi har en aktie och ska med denna som grund konstruera tre olika optionsportföljer.

Vi ska här utgå ifrån att vi har en aktie och ska med denna som grund konstruera tre olika optionsportföljer. STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN Avd för Matematisk statistik TH FINANSMATEMATIK I, HT 01 KOMPLEMENT DAG 12 Version 01 12 10 TRE OPTIONSSTRATEGIER Vi ska här utgå ifrån att vi har en aktie

Läs mer

Lennart Carleson. KTH och Uppsala universitet

Lennart Carleson. KTH och Uppsala universitet 46 Om +x Lennart Carleson KTH och Uppsala universitet Vi börjar med att försöka uppskatta ovanstående integral, som vi kallar I, numeriskt. Vi delar in intervallet (, ) i n lika delar med delningspunkterna

Läs mer

1 Konvexa optimeringsproblem grundläggande egenskaper

1 Konvexa optimeringsproblem grundläggande egenskaper Krister Svanberg, april 2012 1 Konvexa optimeringsproblem grundläggande egenskaper Ett optimeringsproblem är i viss mening godartat om det tillåtna området är en konvex mängd och den målfunktion som ska

Läs mer

Dagens tema. Fasplan(-rum), fasporträtt, stabilitet (forts.) (ZC sid 340-1, ZC10.2) Om högre ordnings system (Tillägg)

Dagens tema. Fasplan(-rum), fasporträtt, stabilitet (forts.) (ZC sid 340-1, ZC10.2) Om högre ordnings system (Tillägg) Dagens tema Fasplan(-rum), fasporträtt, stabilitet (forts.) (ZC sid 340-1, ZC10.2) Om högre ordnings system (Tillägg) Fasplan(-rum), trajektorier, fasporträtt ZC sid 340-1, ZC10.2 Definitioner: Lösningarna

Läs mer

Institutionen för Matematik TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA671 2005-08-26. DAG: Fredag 26 augusti 2005 TID: 8.30-12.

Institutionen för Matematik TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA671 2005-08-26. DAG: Fredag 26 augusti 2005 TID: 8.30-12. Institutionen för Matematik Göteborg TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F, TMA67 5-8-6 DAG: Fredag 6 augusti 5 TID: 8.3-.3 SAL: V Ansvarig: Ivar Gustafsson, tel: 77 94 Förfrågningar: Ivar Gustafsson

Läs mer

Tentamen i Matematisk statistik Kurskod S0001M

Tentamen i Matematisk statistik Kurskod S0001M Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (8 uppgifter) Tentamensdatum 2012-01-13 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Ove

Läs mer

FÖRELÄSNING 1 ANALYS MN1 DISTANS HT06

FÖRELÄSNING 1 ANALYS MN1 DISTANS HT06 FÖRELÄSNING ANALYS MN DISTANS HT06 JONAS ELIASSON Detta är föreläsningsanteckningar för distanskursen Matematik A - analysdelen vid Uppsala universitet höstterminen 2006. Förberedande material Här har

Läs mer

120 110 S t : 100 100 90 80 Vi ska här betrakta ett antal portföljer som vid t = 0 är värda 100 SEK.

120 110 S t : 100 100 90 80 Vi ska här betrakta ett antal portföljer som vid t = 0 är värda 100 SEK. STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN Avd. för Matematisk statistik Thomas Höglund FINANSMATEMATIK I. KOMPLEMENT DAG 5. HANDELSSTRATEGIER Låt S t beteckna priset på en aktie vid tiden t. Vi

Läs mer

Tentamen i Sannolikhetslära och statistik (lärarprogrammet) 12 februari 2011

Tentamen i Sannolikhetslära och statistik (lärarprogrammet) 12 februari 2011 STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Louise af Klintberg Lösningar Tentamen i Sannolikhetslära och statistik (lärarprogrammet) 12 februari 2011 Uppgift 1 a) För att få hög validitet borde mätningarna

Läs mer

Kursombud sökes! Kursens syfte är att ge en introduktion till metoder för att förutsäga realtidsegenskaper hos betjäningssystem, i synnerhet för data- och telekommunikationssystem. Såväl enkla betjäningssystem,

Läs mer

6.2 Partikelns kinetik - Tillämpningar Ledningar

6.2 Partikelns kinetik - Tillämpningar Ledningar 6.2 Partikelns kinetik - Tillämpningar Ledningar 6.13 Det som känns som barnets tyngd är den uppåtriktade kraft F som mannen påverkar barnet med. Denna fås ur Newton 2 för barnet. Svar i kilogram måste

Läs mer

Lösningar till linjära problem med MATLAB

Lösningar till linjära problem med MATLAB 5B1146 - Geometri och algebra Mikrolelektronik, TH ista ösningar till linjära problem med MATAB Av: oel Nilsson, alikzus@home.se atrik osonen, pkosonen@kth.se 26-12-4 roblem 1 Man ska bestämma ett tredjegradspolynom:

Läs mer

Tentamen i Linjär algebra (TATA31/TEN1) 2013 08 24, 14 19.

Tentamen i Linjär algebra (TATA31/TEN1) 2013 08 24, 14 19. LINKÖPINGS UNIVERSITET Matematiska Institutionen Ulf Janfalk Kurskod: TATA Provkod: TEN Tentamen i Linjär algebra (TATA/TEN 8, 9. Inga hjälpmedel. Ej räknedosa. För godkänt räcker 9 poäng och minst uppgifter

Läs mer

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED Matematiska institutionen Optimeringslära TENTAMEN TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR för IT Datum: 10 mars 01 Tid: 8.00-1.00 Hjälpmedel: Miniräknare Kaj Holmberg: Optimering.

Läs mer

Allmän teori, linjära system

Allmän teori, linjära system KTH, Avdelningen för matematik F2, Stockholm, 2 april 2014 Lösningsbegreppet Begynnelsevärdesproblem Lösningsbegreppet Betrakta ekvationen Definition En lösning på ett intervall I är en funktion x 1 (t)

Läs mer

Flera kvantifierare Bevis Direkt bevis Motsägelse bevis Kontrapositivt bevis Fall bevis Induktionsprincipen. x y (x > 0) (y > 0) xy > 0 Domän D = R

Flera kvantifierare Bevis Direkt bevis Motsägelse bevis Kontrapositivt bevis Fall bevis Induktionsprincipen. x y (x > 0) (y > 0) xy > 0 Domän D = R Föreläsning Flera kvantifierare Bevis Direkt bevis Motsägelse bevis Kontrapositivt bevis Fall bevis Induktionsprincipen För att göra ett påstående av en öppen utsaga med flera variabler behövs flera kvantifierare.

Läs mer

Dekomponering av löneskillnader

Dekomponering av löneskillnader Lönebildningsrapporten 2013 133 FÖRDJUPNING Dekomponering av löneskillnader Den här fördjupningen ger en detaljerad beskrivning av dekomponeringen av skillnader i genomsnittlig lön. Först beskrivs metoden

Läs mer

SF1626 Flervariabelanalys Tentamen Måndagen den 27 maj, 2013

SF1626 Flervariabelanalys Tentamen Måndagen den 27 maj, 2013 SF626 Flervariabelanalys Tentamen Måndagen den 27 maj, 23 Skrivtid: 8:-3: Tillåtna hjälpmedel: inga Examinator: Mattias Dahl Tentamen består av nio uppgifter som vardera ger maximalt fyra poäng. De tre

Läs mer

4-7 Pythagoras sats. Inledning. Namn:..

4-7 Pythagoras sats. Inledning. Namn:.. Namn:.. 4-7 Pythagoras sats Inledning Nu har du lärt dig en hel del om trianglar. Du vet vad en spetsig och en trubbig triangel är liksom vad en liksidig och en likbent triangel är. Vidare vet du att vinkelsumman

Läs mer

Repetitionsuppgifter i Matematik inför Basår. Matematiska institutionen Linköpings universitet 2014

Repetitionsuppgifter i Matematik inför Basår. Matematiska institutionen Linköpings universitet 2014 Repetitionsuppgifter i Matematik inför Basår Matematiska institutionen Linköpings universitet 04 Innehåll De fyra räknesätten Potenser och rötter 7 Algebra 0 4 Funktioner 7 Logaritmer 9 6 Facit 0 Repetitionsuppgifter

Läs mer

5B1574 - Portföljteori och riskvärdering

5B1574 - Portföljteori och riskvärdering 5B1574 - Portföljteori och riskvärdering Laboration 1 Farid Bonawiede - 831219-0195 Alexandre Messo - 831119-7472 1 - Spotränteberäkningar I denna uppgift ska vi beräkna spoträntan för olika löptider.

Läs mer

(a) Hur stor är sannolikheten att en slumpvist vald person tror att den är laktosintolerant?

(a) Hur stor är sannolikheten att en slumpvist vald person tror att den är laktosintolerant? LÖSNINGAR till tentamen: Statistik och sannolikhetslära (LMA12) Tid och plats: 8.3-12.3 den 24 augusti 215 Hjälpmedel: Typgodkänd miniräknare, formelblad Betygsgränser: 3: 12 poäng, 4: 18 poäng, 5: 24

Läs mer

Tentamen i Matematisk statistik Kurskod S0001M

Tentamen i Matematisk statistik Kurskod S0001M Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2013-01-18 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Ove

Läs mer

Finansmatematik II Kapitel 2 Stokastiska egenskaper hos aktiepriser

Finansmatematik II Kapitel 2 Stokastiska egenskaper hos aktiepriser STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN Avd. för Matematisk statistik Thomas Höglund Version Finansmatematik II Kapitel Stokastiska egenskaper hos aktiepriser Finansmatematik II För att kunna

Läs mer

AB2.1: Grundläggande begrepp av vektoranalys

AB2.1: Grundläggande begrepp av vektoranalys AB2.1: Grundläggande begrepp av vektoranalys En vektor är en storhet som dels har icke-negativ storlek dels har riktning i rummet. Två vektorer a och b är lika, a = b, om de har samma storlek och samma

Läs mer

Träd. Sats. Grafer. Definition. En fullständig graf har en båge mellan varje par av noder. Definition

Träd. Sats. Grafer. Definition. En fullständig graf har en båge mellan varje par av noder. Definition Grafdefinitioner Träd N = {i}: noder (hörn) = {(i, )}, i N, N: bågar (kanter) Graf: G = (N, ) efinitioner Väg: Sekvens av angränsande bågar. ykel: Väg som startar och slutar i samma nod. En enkel väg innehåller

Läs mer

Elektromagnetiska fält och Maxwells ekavtioner. Mats Persson

Elektromagnetiska fält och Maxwells ekavtioner. Mats Persson Föreläsning 26/9 Elektromagnetiska fält och Maxwells ekavtioner 1 Maxwells ekvationer Mats Persson Maxwell satte 1864 upp fyra stycken ekvationer som gav en fullständig beskrivning av ett elektromagnetiskt

Läs mer

Tentamen i Finansmatematik I 19 december 2003

Tentamen i Finansmatematik I 19 december 2003 STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Thomas Höglund Lösningar Tentamen i Finansmatematik I 9 december 003 Uppgift q = / f = fu+f d 40 30 0 0 0 0 s : 00 00 00 90 90 80 80 70 60 5 5 05 05 00 95 f

Läs mer

Matematik 5 Kap 3 Derivator och Integraler

Matematik 5 Kap 3 Derivator och Integraler Matematik 5 Kap 3 Derivator och Integraler Inledning I kap 4 Differentialekvationer behövs derivator (och integraler) och i kap 5 Omfångsrika problemsituationer finns intressanta problem med användning

Läs mer

Övningar. MATEMATISKA INSTITUTIONEN STOCKHOLMS UNIVERSITET Avd. Matematik. Linjär algebra 2. Senast korrigerad:

Övningar. MATEMATISKA INSTITUTIONEN STOCKHOLMS UNIVERSITET Avd. Matematik. Linjär algebra 2. Senast korrigerad: MATEMATISKA INSTITUTIONEN STOCKHOLMS UNIVERSITET Avd. Matematik Linjär algebra 2 Senast korrigerad: 2006-02-10 Övningar Linjära rum 1. Låt v 1,..., v m vara vektorer i R n. Ge bevis eller motexempel till

Läs mer

Permutationer med paritet

Permutationer med paritet 238 Permutationer med paritet Bernt Lindström KTH Stockholm Uppgift. Att studera permutationerna av talen 1 2... n och indelningen i udda och jämna permutationer ur olika aspekter. Permutationer är särskilt

Läs mer

P (t) = V 1 (t) V m (t) P (t + t) P (t) P (t) = v j (t)r j (t, t + t), v(t) Q t v(t),

P (t) = V 1 (t) V m (t) P (t + t) P (t) P (t) = v j (t)r j (t, t + t), v(t) Q t v(t), STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN Avd. för Matematisk statistik Thomas Höglund Version 02 22 RISK OCH DIVERSIFIERING Betrakta en portfölj bestående av m tillgångar som vi här ska kalla aktier.

Läs mer

LÖSNINGAR TILL UPPGIFTER TILL RÄKNEÖVNING 1

LÖSNINGAR TILL UPPGIFTER TILL RÄKNEÖVNING 1 STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN Linjär algebra II LÖSNINGAR TILL UPPGIFTER TILL RÄKNEÖVNING Lös ekvationssystemet x + y + z 9 x + 4y 3z 3x + 6z 5z med hjälp av Gausselimination Lösning:

Läs mer

SF1625 Envariabelanalys

SF1625 Envariabelanalys Modul 2: Derivata Institutionen för matematik KTH 8 september 2015 Derivata Innehåll om derivata (bokens kapitel 2). Definition vad begreppet derivata betyder Tolkning hur man kan tolka derivata Deriveringsregler

Läs mer

Lektionsanteckningar 2: Matematikrepetition, tabeller och diagram

Lektionsanteckningar 2: Matematikrepetition, tabeller och diagram Lektionsanteckningar 2: Matematikrepetition, tabeller och diagram 2.1 Grundläggande matematik 2.1.1 Potensfunktioner xmxn xm n x x x x 3 4 34 7 x x m n x mn x x 4 3 x4 3 x1 x x n 1 x n x 3 1 x 3 x0 1 1

Läs mer

SF1544 LABORATION 2 INTEGRATION, MONTE-CARLO OCH BLACK-SCHOLES EKVATION FÖR OPTIONER

SF1544 LABORATION 2 INTEGRATION, MONTE-CARLO OCH BLACK-SCHOLES EKVATION FÖR OPTIONER SF1544 LABORATION INTEGRATION, MONTE-CARLO OCH BLACK-SCHOLES EKVATION FÖR OPTIONER Avsikten med denna laboration är att: - snabbt komma igång med träning på matlabprogrammering (uttnyttja gärna alla schemalagda

Läs mer

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR för IT Datum: 2 oktober 2013 Tid:.00-13.00 Hjälpmedel: Miniräknare Kaj Holmberg: Optimering.

Läs mer

K3 Om andra ordningens predikatlogik

K3 Om andra ordningens predikatlogik KTH Matematik Bengt Ek Maj 2005 Kompletteringsmaterial till kursen 5B1928 Logik för D1: K3 Om andra ordningens predikatlogik Vi presenterar på dessa sidor kortfattat andra ordningens predikatlogik, vilket

Läs mer

Stokastiska vektorer

Stokastiska vektorer TNG006 F2 9-05-206 Stokastiska vektorer 2 Kovarians och korrelation Definition 2 Antag att de sv X och Y har väntevärde och standardavvikelse µ X och σ X resp µ Y och σ Y Då kallas för kovariansen mellan

Läs mer

1 Kvadratisk optimering under linjära likhetsbivillkor

1 Kvadratisk optimering under linjära likhetsbivillkor Krister Svanberg, april 0 Kvadratisk optimering under linjära likhetsbivillkor I detta kapitel behandlas följande kvadratiska optimeringsproblem under linjära likhetsbivillkor: xt Hx + c T x + c 0 då Ax

Läs mer

Kunna beräkna medelantal kunder för alla köer i ett könät med återkopplingar. I denna övning kallas ett kösystem som ingår i ett könät oftast nod.

Kunna beräkna medelantal kunder för alla köer i ett könät med återkopplingar. I denna övning kallas ett kösystem som ingår i ett könät oftast nod. Övning 8 Vad du ska kunna efter denna övning Kunna beräkna medelantal kunder för alla köer i ett könät med återkopplingar. Kunna beräkna medeltiden som en kund tillbringar i ett könät med återkopplingar.

Läs mer

MATEMATIKENS SPRÅK. Syftet med denna övning är att med hjälp av logik lära oss att uttrycka matematik mer exakt,

MATEMATIKENS SPRÅK. Syftet med denna övning är att med hjälp av logik lära oss att uttrycka matematik mer exakt, Explorativ övning 1 MATEMATIKENS SPRÅK Syftet med denna övning är att med hjälp av logik lära oss att uttrycka matematik mer exakt, lära oss förstå språket. Vi skall försöka utveckla vårt matematiska språk,

Läs mer

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN OPTIMERING FÖR INGENJÖRER Datum: juni 0 Tid: 8.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar i boken

Läs mer

TAMS79: Föreläsning 10 Markovkedjor

TAMS79: Föreläsning 10 Markovkedjor TAMS79: Föreläsning 0 Markovkedjor Johan Thim december 08 0. Markovkedjor Vi ska nu betrakta en speciell tidsdiskret diskret stokastisk process, nämligen Markovkedjan. Vi börjar med en definition Definition.

Läs mer

6.3. Direkta sökmetoder

6.3. Direkta sökmetoder 6.3. Direkta sökmetoder Förutom de nyss nämnda metoderna för att uppsöka ett minimum av en funktion av en variabel finns det en enkel metod som baserar sig på polynomapproximation av funktionen. Om vi

Läs mer

Begrepp :: Determinanten

Begrepp :: Determinanten c Mikael Forsberg 2008 1 Begrepp :: Determinanten Rekursiv definition :: Kofaktorutveckling Låt oss börja definiera determinanten för en 1 1 matris A = (a). En sådan matris är naturligtvis bara ett vanligt

Läs mer

Syftet med den här laborationen är att du skall bli mer förtrogen med följande viktiga områden inom matematisk statistik

Syftet med den här laborationen är att du skall bli mer förtrogen med följande viktiga områden inom matematisk statistik LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORLABORATION 4 MATEMATISK STATISTIK, AK FÖR I, FMS 01, HT-07 Laboration 4: Stora talens lag, Centrala gränsvärdessatsen, enkla punktskattningar

Läs mer

Grafer. 1 Grafer. Grunder i matematik och logik (2015) 1.1 Oriktade grafer. Marco Kuhlmann

Grafer. 1 Grafer. Grunder i matematik och logik (2015) 1.1 Oriktade grafer. Marco Kuhlmann Marco Kuhlmann 1 En graf är en struktur av prickar förbundna med streck. Ett tidsenligt exempel på en sådan struktur är ett social nätverk, där prickarna motsvarar personer och en streck mellan två prickar

Läs mer

Lösningsförslag, tentamen, Differentialekvationer och transformer II, del 1, för CTFYS2 och CMEDT3, SF1629, den 19 oktober 2011, kl. 8:00 13:00.

Lösningsförslag, tentamen, Differentialekvationer och transformer II, del 1, för CTFYS2 och CMEDT3, SF1629, den 19 oktober 2011, kl. 8:00 13:00. Lösningsförslag, tentamen, Differentialekvationer och transformer II, del, för CTFYS2 och CMEDT3, SF629, den 9 oktober 20, kl. 8:00 3:00 av 8 3 poäng. Svar: i. sant, ii. falskt, iii. sant, iv. sant, v.

Läs mer

Ickelinjära ekvationer

Ickelinjära ekvationer Löpsedel: Icke-linjära ekvationer Ickelinjära ekvationer Beräkningsvetenskap I Varför är det svårt att lösa icke-linjära ekvationer? Iterativa metoder Bisektion/intervallhalvering Newton-Raphsons metod

Läs mer

LINJÄR ALGEBRA II LEKTION 1

LINJÄR ALGEBRA II LEKTION 1 LINJÄR ALGEBRA II LEKTION JOHAN ASPLUND INNEHÅLL. VEKTORRUM OCH DELRUM Hel kursen Linjär Algebr II hndlr om vektorrum och hur vektorrum (eller linjär rum, som de iblnd klls) beter sig. Tidigre hr mn ntgligen

Läs mer

Institutionen för matematik Envariabelanalys 1. Jan Gelfgren Datum: Fredag 9/12, 2011 Tid: 9-15 Hjälpmedel: Inga (ej miniräknare)

Institutionen för matematik Envariabelanalys 1. Jan Gelfgren Datum: Fredag 9/12, 2011 Tid: 9-15 Hjälpmedel: Inga (ej miniräknare) Umeå universitet Dugga i matematik Institutionen för matematik Envariabelanalys 1 och matematisk statistik IE, ÖI, Stat. och Frist. Jan Gelfgren Datum: Fredag 9/12, 2011 Tid: 9-15 Hjälpmedel: Inga (ej

Läs mer

9.3. Egenvärdesproblem

9.3. Egenvärdesproblem 9.3. Egenvärdesproblem Problem som innehåller en parameter men endast kan lösas för speciella värden av denna parameter kallas egenvärdesproblem. Vi skall här nöja oss med ett exempel på ett dylikt problem.

Läs mer

Vektorgeometri för gymnasister

Vektorgeometri för gymnasister Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Linjära avbildningar IV Innehåll Nollrum och

Läs mer

MVE035. Sammanfattning LV 1. Blom, Max. Engström, Anne. Cvetkovic Destouni, Sofia. Kåreklint, Jakob. Hee, Lilian.

MVE035. Sammanfattning LV 1. Blom, Max. Engström, Anne. Cvetkovic Destouni, Sofia. Kåreklint, Jakob. Hee, Lilian. MVE035 Sammanfattning LV 1 Blom, Max Engström, Anne Cvetkovic Destouni, Sofia Kåreklint, Jakob Hee, Lilian Hansson, Johannes 11 mars 2017 1 Partiella derivator Nedan presenteras en definition av partiell

Läs mer

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER Datum: 10 januari 201 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar

Läs mer

5B1816 Tillämpad mat. prog. ickelinjära problem. Optimalitetsvillkor för problem med ickelinjära bivillkor

5B1816 Tillämpad mat. prog. ickelinjära problem. Optimalitetsvillkor för problem med ickelinjära bivillkor 5B1816 Tillämpad mat. prog. ickelinjära problem Föreläsning 3 Optimalitetsvillkor för problem med ickelinjära bivillkor A. Forsgren, KTH 1 Föreläsning 3 5B1816 2005/2006 Optimalitetsvillkor för ickelinjära

Läs mer

MODELLERING AV DYNAMISKA SYSTEM OCH INLUPP 2

MODELLERING AV DYNAMISKA SYSTEM OCH INLUPP 2 UPPSALA UNIVERSITET AVDELNINGEN FÖR SYSTEMTEKNIK EKL och PSA, 2002, rev BC 2009, 2013 MODELLERING AV DYNAMISKA SYSTEM DATORSTÖDD RÄKNEÖVNING OCH INLUPP 2 1. Överföringsfunktioner 2. Tillståndsmetodik Förberedelseuppgifter:

Läs mer

Tentamen i Flervariabelanalys F/TM, MVE035

Tentamen i Flervariabelanalys F/TM, MVE035 Tetame i Flervariabelaalys F/TM, MV35 8 3 kl. 8.3.3. Hjälpmedel: Iga, ej räkedosa. Telefo: Oskar Hamlet tel 73-8834 För godkät krävs mist 4 poäg. Betyg 3: 4-35 poäg, betyg 4: 36-47 poäg, betyg 5: 48 poäg

Läs mer