Deterministisk primtalstestning.ppt Hans Block

Storlek: px
Starta visningen från sidan:

Download "Deterministisk primtalstestning.ppt Hans Block"

Transkript

1 1

2 Determiistisk primtalstestig Det är lätt att avgöra om ett givet heltal är primtal Teorigruppe 2

3 Primtalstester på poly-tid Agrawal, Kayal och Saea 2002: Avgör om är primtal på Õ(log 12 ), djup talteori Måga har bidragit I dag: Õ(log 10,5 ), elemetärt Õ(log 6+o(1) ), djup talteori Õ(log 4+o(1) ), probabilistiskt 3

4 Determiistisk primtalstestig Källor och uppläggig Varför itressat? Adra primtalstester Karaktäriserig av primtal, flera satser Algoritmer Kompleitet Resultat frå aalytisk talteori 4

5 Källor och uppläggig Origialartikel, första och adra preprit Översiktsartikel av Adrew Graville Trevlig att läsa, me luckor, adra betecktiar och olikhet åt fel håll! Daiel J. Berstei, Riesel, implemetatio Iga bevis för resultat i aalytisk talteori Bästa resultat bevisas ej Huvudpukter Karaktäriserig av primtal Algoritmer Kompleitet Aalytisk talteori: Frekveser av vissa primtal 5

6 Varför itressat? Idustriellt behov av primtal Kompleitetsfrågor Skapa algoritmer på poly-tid (t.e. lijärprogrammerig) Nya grepp på gammalt område Gauss: Veteskapes värdighet Persoligt itresse 6

7 Idustriellt behov Samhällets säkerhet bygger på RSA RSA behöver primtal Om ite primtal dechiffrerig misslyckas Meddelade M, = pqr, epoet för krypterig e, för dekrypterig d Vi vill ed 1 mod lcd(p-1, q-1, r-1) Ite säkert sat om ed 1 mod lcd(p-1, qr-1) Behov: Måga slumpmässiga primtal ite alla 7

8 Praktiskt? Behov av primtal om c:a 1000 bitar Gräser operatioer Mi PC per dyg Totalt i historie log 12 = 10 12, log = 10, = 2 10 = 1000 log 6 = 10 12, = = 10 30, implemeterat log 4 : 700 siffror på e dag (etrapolerat) Här alltid sabb multiplikatio Õ(log ) Torbjör Gralud: Skolboksmultiplikatio lösamt upp till 1000 bitar AKS räkar med sabb multiplikatio Õ(log ) Trolige mycket sämre, äve om metode förbättrats med e faktor NEJ! 8

9 Kompleitetsfrågor Platsar självklart blad kompleitetsfrågor Roligt är poly-alogoritmer upptäcks Lijärprogrammerig (ellipsoider, projektiva avbildigar) Vad har vi aars gjort på kurse: approimera NP-svåra problem 9

10 Måga håller på Festligt lösa riktigt gamla problem 10

11 Gauss motiverig 11

12 12

13 Tidigare primtalstestig Miller - Rabi och slumpe Miller och Riemas geeraliserade förmoda: Du klarar Dig og Går det fel, vier Du evig ära! Cyklotomisk primtalsbevisig Cohe-Lestra 2000 siffror på klockcykler Elliptiska kurvor 2000 siffror på klockcykler 13

14 Agrawal, Kayal och Saea: Sats Givet ett heltal 2. Låt r vara ett positivt heltal <, vars ordig modulo r är > log 2. Då är primtal då och edast då ite är e jäm potes (av primtal) ite har ågo primfaktor r ( ) a + a mod, r 1 för varje heltal a, 1 a r log + ( ) 14

15 Förbättrig Det sista villkoret ka ersättas med φ( r) log 1 a + log φ( r) 2 φ betyder Eulers fuktio 15

16 Lite motiverig Påståede. Atag (a, ) = 1. Då är primtal då och edast då ( a) a mod Bevis. primtal kogruese trivialt. Atag q primtal, q, q k. q k p delar ite (q k, a p-q q ) = 1 Koefficiete för q 0 mod AKS har polyom av mycket lägre gradtal 16

17 Historia Augusti Agrawal, Kayal och Saea Lestra Macaj, Agrawal Berstei, Berrizbeitia, Cheg Lestra, Pomerace

18 Kompleitet Avgör om är e jäm potes Hitta r; o r () > log 2 Avgör om gcd(a, ) > 1 för ågot a r Gäller bares biomialteorem? ( + a) + a mod (, r 1) för a = 1, 2,, ( r log )? 18

19 jäm potes? Hur måga poteser? Högst lg stycke Bara primtalsepoeter skall testas Iga faktorer i < log 2 ( ) log 2 = ; k = k Atal poteser k = log 2log log 2 log ( log log ) 2 19

20 Lös ekvatioe f()= k - = 0 i+ 1 = i ( ) i ( ) f f ' i i+1 i 20

21 21 Newto Raphsos iteratio Kvadratisk koverges! ( ) ( ) i i i i f f ' 1 = + ( ) ( ) ( )... ' 2 ' = + f f i i ( ) ( ) ( ) ( ) ( ) ( ) ( )... ' '.. ' 2 ' = + f f f f i i i i i

22 Newto Raphso, heltal Välj startvärde med flytade räkig f kove medför { i } avtagade > Avruda i+1 edåt till heltal Avudade svite ä mer avtagade Är ett värde <, så beror det på avrudige - 1 < y := sista avrudade värdet av j Nästa värde är större ä det föregåede Stoppa är svite ite miskar Testa om y k = 22

23 Slutsats och föreklig heltal sista avrudade gissige uppfyller y k = Om y har små primfaktorer behöver vi ite räka ut potese, för vi letar efter primtalspoteser 23

24 Hur låg tid? Multiplikatio och divisio Õ(log ) Kvadratisk koverges O(log log ) steg Räka bara med de siffror som behövs Õ(log k log ) tid / potes Õ(log 2 ) tid totalt MEN: Stor kostat, dåligt startvärde! 24

25 25 Riktiga uppskattigar ( ) ( ) ( ) ( ) ( ) = < < = = = = = ' k i i k i k i k i k k i k i i k i k k i i i i i i k k k k f f

26 Måttligt stora Geometrisk koverges Sista faktor är < ½ om Flytade räkig: l( 0 / ) > 2-62 l log < < < I så fall tid högst Õ(log 3 ) k l 2 > 1 / 2 k < i l i / ( ) 26

27 i+ 1 < k =O(log ) ger att i < Äu strägare ( ) i ( ) i O( 1) k1 1 k1 k i 1 Hela beräkige går på Õ(log 4 ) Svårighete ligger ite här! 1 k = log 2 i = O 1 ( 1/ ) 1 k 27

28 Hitta r; o r () > log 2 Prova för heltal q > log 2 : Beräka j (mod q) för j = 1,., [log 2 ] Sluta då alla dessa rester är 1 Sätt r = q Starttid per q: Õ(log ) Tid per potes: Õ(log r) Total tid: Õ(r log 2 ) 28

29 gcd(a, ) > 1 för ågot a r? Dividera med primtal < r Õ(r log ) Gcd-beräkig: E divisio log Seda log r bitar I varje steg blir tale ågo bit kortare Med sabb divisio Õ(log 2 r) Hela beräkige Õ(r log ) 29

30 Bares biomialteorem? + ( ) ( ) a + a mod, r 1 för varje heltal a, 1 a r log Upphöj polyom till geom Successiva kvadrerigar Multiplicera polyom av grad r med varadra Reducera Titta på koefficieter 30

31 Största arbete, aivt Atal kogrueser Atal multiplikatioer per kogr. log Operatioer per polyom r 2 Bitoperatioer per multiplikatio log 2 Totalt r log r 2,5 log 4 31

32 Multiplikatio av polyom Epuktsevaluerig: Polyomet r 1 i a( ) a Z : A < a för alla i = i= 0 är etydigt bestämt av värdet i 2A Algoritm: Räka ut a 0, a 1, Evaluera a och b i 2A i [ ] A Multiplicera a(2a) b(2a) Återskapa ab i 32

33 Multiplikatio i (/)/( r 1) k = lg r 2 Lyft till []/( r 1) Produktes koefficieter < 2 k Avbilda till /(2 kr 1) tid O(kr) Multiplicera i /(2 kr 1) tid Õ(kr)= Õ(r log ) Hitta produkte i []/( r 1) tid O(kr) Reducera koeff. mod tid Õ(r log ) 33

34 Största arbetet, listigt Atal kogrueser Atal multiplikatioer per ko. log Multiplikatio av polyom Totalt r log r log r 1,5 log 3 Totalt algoritme r 1,5 log 3 34

35 Storleke av r r > log 2 Tide mist O(log 6 ) Ofta fier vi r < 2 log 2, me ka ite bevisa det Elemetärt (Chebyshev) r = O(log 5 ) Ger tid Õ(log 10,5 ) Fouvry: r = O(log 3 ) Ger tid Õ(log 7,5 ) 35

36 Bevis för AKS:s sats Ea hållet trivialt Givet. Atag r heltal < d := o r () > log 2 ej primtal sakar delare < r ej jäm potes av primtal ( + a) + a mod (, r 1) a; 1 a r log Hitta motsägelse 36

37 Först i Cyklotomiska polyom Ehetsrötter: Rötter till r = 1 e k = e 2πik/r, k = 1, 2,, r - 1 Primitiv ehetsrot ordig r: e kr = 1, e r/d k 1 d r, d < r d.v.s. e 2πik/r, (k, r) = 1 Cyklotomiskt polyom ordig d: Har de primitiva d:te ehetsröttera grad(φ d ()) = φ(d) (Eulers fuktio) r 1 = Φ ( ) d r d 37

38 Eempel 15 1 = ( 3 1) ( ) = ( 5 1) ( ) 5 1 = ( 1) ( ) 3 1 = ( 1) ( ) 15 1 = ( 1) ( ) ( ) ( ) = Φ 1 () Φ 3 () Φ 5 () Φ 15 () 38

39 Alla Φ d har heltalskoefficieter Bevis. Sat för d = 1. Atag sat för d d. Φ d () d - 1 d 1 Polyome relativt prima, moiska Φ ( ) 1 d d d d 1 Φ ( ) d d d = Φ Alltså heltalskoefficieter d d ( ) 39

40 Mera cyklotomiskt Alla Φ d () är irreducibla över [](behövs ej) Ma ka defiiera Φ d () över F p Φ d () och Φ d () är relativt prima över F p lcd(d, d ) 1, d d, har ige faktor gemesam med si derivata, alltså iga multipla faktorer Φ d () behöver ite vara irreducibla över F p Om r är primtal, så har alla irreducibla faktorer av Φ r () grade o r (p) (behövdes i AKS 1, 2) 40

41 Skapa e grupp r eligt förutsättigara, d := o r (), p A := r log h() irreducibel faktor till Φ r (), m := grad(h) ( + a) + a mod (, r 1) ( + a) + a mod (p, h()) :=[] /(p, h()) är e kropp har ordig r i r 1 mod h() eligt def. d d 1, d rh() 1 = Φ Φ d () relativt prima h() Φ d () för ågot d r r d r p m 1 (atalet elemet i gruppe d ' d d ( ) 41

42 Skapa e grupp H: elemete mod (p, r 1) geererade av, + 1, + 2, + A G: cykliska udergruppe till * geererad av, + 1, + 2, + A Alla elemet i G 0 + a = 0 ( + a) = 0 + a = 0 = -a = h(), r = o() r 1 1 mod r d = 1 Motsägelse. 42

43 Skapa e grupp g() Hg() g( ) mod (p, r 1) ty sat för varje faktor i g() eligt atagadet S { k k ( r k; g( ) g( ) mod p, ) g H} = 1 p, S p eligt Fermats lilla sats, el. förutsättig Hitta motsägelse för storleke av G! 43

44 Övre begräsig för G Lemma 1. Om a, b S, så ab S Defiitio och isättig: g() ab (g() a ) b g( a ) b g(( a ) b ) g( ab ) mod (p, r 1) 44

45 Övre begräsig för G Lemma 2. Om a, b S och a b mod r, så a b mod G. u v g(u) g(v) g() [] r 1 a-b 1 a b g( a ) g( b ) g() H g() a g( a ) g( b ) g() b mod (p, r 1) g() G g() a-b 1 i G cyklisk, välj g till geerator G (a b) 45

46 E övre begräsig av G ej jäm potes, ej primtal i p j ; i, j 0 alla olika (, r) = 1 (p, r) = 1 R = { i p j mod r} blir grupp Fler ä R sådaa med 0 i, j R Två måste vara kogrueta mod r Skillade delbar med G i j I J R 2 R G p p ( p) 1 < 1 46

47 47 Förbättrig Visa att / p S och få Bevis som förut! d := o r () Visa: a S och b a (mod d 1) b S d 1 mod r mod ( r 1) Om g() H så eligt lemma 1: 1 R G d ] [ ) ( ) ( 1 Z g g g a b a b r d 1), )mod( ( ) ( r p g g d d

48 Förbättrig, forts. g( ) g( ) a d g( )mod( p, g( ) mod( p, då d 1 b a Alltså g( b ) g( a ) g() a g() b mod (p, r 1) a S b S Sätt b = / p och b a ( d ) 1 1 φ(m) := atal heltal < m relativt prima med m a S eligt lemma 1. b a (mod d 1) Eulers teorem: (c, m) = 1 c φ(m) 1 mod m så b= / p S. r r = 1), g( ) 1) p φ d 1 1mod( p, r 1) 48

49 Udre begräsig för G ( a) + Polyome 1 a A av grad < m är alla olika i G. Ka ge bra udre gräs. Lestra gav ett bättre gradtal : R e a 49

50 Lemma 3 Atag f(), g() [], f() g() mod (p, h()), restera av f och g G, grad(f), grad(g) < R Då gäller f() g() mod (p) Bevis. Betrakta (y) := f(y) g(y) [y] reducerat i. Om k S så ( k ) = f( k ) g( k ) f() k g() k 0 mod (p, h()) { k : k R} rötter till (y) 0 mod (p, h()) har ordig r i röttera olika har R rötter, grad( ) < R : Alla koefficieter i 0 mod (p, h()) Me iga i koeff. (y) 0 mod p 50

51 Slutkläm bevis AKS R d = o r () >log 2 el. at. R > B A > B Lemma 3 Produktera ger olika elemet i G för varje äkta delmägd av {0,1,2,, B} Alltså u: G 2 B+1 1 > R 1 Förut B : = R log Motsägelse! G R 1 51

52 Aa udre gräs för G R G + A Lemma 3. A + 1 Bevis. Kombiatoriskt. Betrakta alla elemet i H med grad < R < r. Eftersom A < r är de olika mod p. (a, ) = 1 för a < r a < A = r log < r om r > log 2 Uik faktoriserig i [] / p, för vi har Euklides algoritm Eligt lemma 3 är de olika i G. 52

53 Hur måga sådaa produkter? Placera R 1 faktorer i facke 1,, 1,, A. * * * * * * * * * * * faktor, R 1 stycke vägg mella fack, A + 1 stycke. Atal sätt att välja ut A + 1 ställe av R + A möjliga: R + A A

54 54 Slutkläm bevis AKS Vi har u: Vi hade förut: Motsägelse. Alltså primtal. 1 R G 1 ) (log log ) log 1/ ( 1) log ( ) (log 1 log 1 1 R r R r R r r R r A e R R A A R G > > > > = = = > > + +

55 Amärkig Om A < r log så får vi uika elemet i G. Om å adra sida R A1 > R r log φ( r) log A > + 1 > log r log φ( r) så får vi motsägelse. + 1 > R log log R Arbetet miskar med mist e faktor log r eller mist 2 log log. Förmodlige gäller detta äve log 6 -metode

56 Hur stora r? Lemma 4. Om r 6, så fis ett primtal r [log 5, 2 log 5 ] för vilket o r () > log 2 Bevis. Atag att o r () I := log 2 för alla primtal r i itervallet [N, 2N], N := log 5. i r 1 N ( ) ( i r 1) i I N r 2N r primtal i I Motsägelse. ( ) i 2 5 i i I I log 1 < < 2 2 r = N r 2N r primtal i I 56

57 Primtalssatse π ( ) l Legedre, Gauss 1800: Förmoda Chebyshev 1850: Kostater Hadamard, de lavallée-poussi 1896: Bevis Vi ka öja oss med ågot eklare l r N r 2N r N r 2N = e 2N N N l dπ ( ) = > 2 N [ l π ( ) ] 2N N 2N N 1 π ( ) d N N l N 57

58 Elemetärt N 2N Räka primtal i ger 1 8 N r cn r primtal π ( ) l r > N 12, N c l N = 2 c N 2 Resultatet räcker för att hitta r = O(log 5 ) Ursprugliga påståedet bevisat med råge 58

59 Sophie Germai-primtal SG: r och (r 1)/2 båda primtal D Förmoda: Asymptotiskt 2 log SG D kostate för primtalstvilligar Ful motiverig: Pr(r primtal) = 1/log r Pr((r 1)/2) primtal) = 1/log r Oberoede hädelser Pr(SG) = D 2 log 59

60 Förvätat atal faktorer Förvätat atal faktorer i : ω() Pr(p )= 1/p E(atalet faktorer) = 1 log log p p Bevis: Elemetärt eller med hjälp av primtalssatse p 1 p 1 log = dπ ( ) 2 d log π ( ) = log log π ( ) 2 d 60

61 Förvätad största faktor = P s () P s-1 () P 2 () P (); P s () P s- 1 () P 2 () P () s = log log s 1 log log = log P( ) = log log + log1 log P( ) log1 log log P( ) 1 1 = log e 1 log P( ) = 1 e P( ) = 1 log ( log log P( ) ) log P( ) log = s + log1 = log P( ) log 61

62 Förmoda om stora faktorer För varje θ i itervallet 0 < θ < ½ fis ett c = c(θ) > 0 sådat att det fis åtmistoe 2cR/log R stycke primtal r i [R, 2R] för vilka R 1 har e primfaktor q > r 1/2+θ, förutsatt att R är tillräckligt stort. Sat för θ < 0,11 Sat för θ < 0,167 Sat för θ < 0,1683 (svårt) (svårare, Fouvry) (svårast) 62

63 Måga r med stort o r () Lemma 5. Atag förmoda sa för ågot θ, 0 < θ < ½. Atag tillräckligt stort och att c(θ)r 2θ log. Då fis mist c(θ)r / log R primtal r i [R, 2R] för vilka o r () > r ½+θ. 63

64 Bevis Låt r [R, 2R], q r, q > r 1/2+θ och o r () < r ½+θ Det fis N sådaa tal. För dessa r gäller: o r () (r 1) / q o r () < r / q r ½-θ (2R) ½-θ r R m N N < ( 2R) < R m ( m 1) 1/ 2θ ( 2R) 12θ m 1/ 2θ = ( 2R) ( m 1) ( log ) / log R c( θ ) R / log R Mist hälfte av tale blir bra! r m r m ( 2R ) 1/ 2 m θ < 1/ 2θ R 12θ 64

65 Korrolarium 6. Atag förmoda sa för ågot θ, 0 < θ < 1/ Sätt ρ(θ) := ma, 2θ 1+ 2θ Då fis c (θ); om tillräckligt stort, så fis primtal r < c (θ) (log ) ρ(θ) för vilket o r () > log 2. 65

66 Vi krävde förut: Vi kräver u: R > Det fis r < 2R Bevis log R R 2θ 2θ < c( θ ) > log c( θ ) 1/ 2θ R > c ( θ ) ( log ) 1/ 2+ θ 1/ 2+ θ o r ( ) > r > R ( ) 2 /(1/ 2+ θ ) ( ) 4 /(1+ 2θ ) log = > log log 2 66

67 Sophie Germai-tal r och q = (r 1) / 2 båda primtal o r () = 1, 2, q, 2q = r 1 o r () < q o r () = 1 eller 2 r 2 1 Sat för högst 2 log tal I [R, 2R] fis R SG-tal log O 2 R De flesta har o r () > R / 2 > log 2 Det fis primtal med o r () > log 2 som är > 4 log 2 67

68 Siffereempel AKS θ 1 / 2θ 4 / (1 + 2θ) ρ(θ) 1,5 ρ+ 3 Visat i dag 5 10,5 Bevisat i art / 11 4 / 1,22 50 / /11 Riesel? 0,132 3,78 3,16 3,78 8,68 Fouvry 1/ ,5 Sophie Germai

69 Nästakroppar, defiitio: Givet heltal, moiskt f() [], grad(f) = d 1. [] / (, f()) är e ästakropp med parametrar (e, v()) om e d 1 d v( ) 1 1 mod (, f() ( 1) / q v( ) d 1 är e ehet i [] / (, f()) för alla primtal q e 69

70 Nytt kriterium (Berstei) Givet 2. Atag att [] / (, f()) är e ästakropp med parametrar (e, v()), e > (2d log ) 2. Då är primtal då och edast då ite är e jäm potes d ( ) d e t 1 t 1mod(, f ( ), t v( )) i [, t] 70

71 Probabilistisk Beviset som förut (tror jag) Om primtal går det oftast sabbt att hitta ästakropp Testet går på Õ(log 4 ) Kombiera med Miller - Rabi 71

72 Pseudokroppar, defiitio: Givet heltal, moiskt f() [], grad(f) = d 1. []/(, f()) är e pseudokropp om f( ) 0 mod (, f()) d 0 mod (, f()) d / q är e ehet i [] / (, f()) för alla primtal q d 72

73 Lestra och Pomerace Givet 2. Givet moiskt f() [], grad(f) = d, d (log 2, ) så att [] / (, f()) är e pseudokropp. Då är primtal då och edast då ite är e jäm potes ite har ågo primfaktor d ( + a) + a mod (, f()) för varje heltal a, 1 a A := d log 73

74 Kommetarer d r, f() r 1 Bevis som förut Beräkigar som förut Õ(log 6 ) Djupa bevis för att hitta f 74

vara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n grad( P(

vara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n grad( P( Armi Halilovic: EXTRA ÖVNINGAR Polyom POLYNOM OCH ALGEBRAISKA EKVATIONER Defiitio Polyom är uttrycket av type a a a 0 ( där är ett icke-egativt heltal) Defiitio Låt P( a a a0 vara ett polyom där a 0, då

Läs mer

H1009, Introduktionskurs i matematik Armin Halilovic POLYNOM, POLYNOMDIVISION, ALGEBRAISKA EKVATIONER, PARTIALBRÅKSUPPDELNING. vara ett polynom där a

H1009, Introduktionskurs i matematik Armin Halilovic POLYNOM, POLYNOMDIVISION, ALGEBRAISKA EKVATIONER, PARTIALBRÅKSUPPDELNING. vara ett polynom där a POLYNOM, POLYNOMDIVISION, ALGEBRAISKA EKVATIONER, PARTIALBRÅKSUPPDELNING Defiitio Polyom är ett uttryck av följade typ P( ) a a a, där är ett icke-egativt heltal (Kortare 0 P k ( ) a a 0 k ) k Defiitio

Läs mer

b 1 och har för olika värden på den reella konstanten a.

b 1 och har för olika värden på den reella konstanten a. Första häftet 649. a) A och B spelar cigarr, vilket som bekat tillgår på följade sätt. Omväxlade placerar de ibördes lika, jämtjocka cigarrer på ett rektagulärt bord, varvid varje y cigarr måste placeras

Läs mer

RESTARITMETIKER. Avsnitt 4. När man adderar eller multiplicerar två tal som t ex

RESTARITMETIKER. Avsnitt 4. När man adderar eller multiplicerar två tal som t ex Avsitt 4 RESTARITMETIKER När ma adderar eller multiplicerar två tal som t ex 128 + 39..7 128 43..4 så bestämmer ma först de sista siffra. De operatioer som leder till resultatet kallas additio och multiplikatio

Läs mer

c n x n, där c 0, c 1, c 2,... är givna (reella eller n=0 c n x n n=0 absolutkonvergent om x < R divergent om x > R n n lim = 1 R.

c n x n, där c 0, c 1, c 2,... är givna (reella eller n=0 c n x n n=0 absolutkonvergent om x < R divergent om x > R n n lim = 1 R. P Potesserier Med e potesserie mear vi e serie av type c x, där c, c, c,... är giva (reella eller komplexa) kostater, s.k. koefficieter, och där x är e (reell eller komplex) variabel. För varje eskilt

Läs mer

DEL I. Matematiska Institutionen KTH

DEL I. Matematiska Institutionen KTH 1 Matematiska Istitutioe KTH Lösig till tetamesskrivig på kurse Diskret Matematik, momet A, för D2 och F, SF1631 och SF1630, de 5 jui 2009 kl 08.00-13.00. DEL I 1. (3p) Bestäm e lösig till de diofatiska

Läs mer

Vad är det okända som efterfrågas? Vilka data är givna? Vilka är villkoren?

Vad är det okända som efterfrågas? Vilka data är givna? Vilka är villkoren? Problemlösig. G. Polya ger i si utmärkta lilla bok How to solve it (Priceto Uiversity press, 946) ett schema att följa vid problemlösig. I de flod av böcker om problemlösig som har följt på Polyas bok

Läs mer

Analys av algoritmer. Beräkningsbar/hanterbar. Stora Ordo. O(definition) Datastrukturer och algoritmer. Varför analysera algoritmer?

Analys av algoritmer. Beräkningsbar/hanterbar. Stora Ordo. O(definition) Datastrukturer och algoritmer. Varför analysera algoritmer? Datastrukturer och algoritmer Föreläsig 2 Aalys av Algoritmer Aalys av algoritmer Vad ka aalyseras? - Exekverigstid - Miesåtgåg - Implemetatioskomplexitet - Förstålighet - Korrekthet - - 29 30 Varför aalysera

Läs mer

Datastrukturer och algoritmer

Datastrukturer och algoritmer Iehåll Föreläsig 6 Asymtotisk aalys usammafattig experimetell aalys uasymtotisk aalys Lite matte Aalysera pseudokode O-otatio ostrikt o Okulärbesiktig 2 Mäta tidsåtgåge uhur ska vi mäta tidsåtgåge? Experimetell

Läs mer

Bertrands postulat. Kjell Elfström

Bertrands postulat. Kjell Elfström F r å g a L u d o m m a t e m a t i k Matematikcetrum Matematik NF Bertrads ostulat Kjell Elfström Bertrads ostulat är satse, som säger, att om > är ett heltal, så fis det ett rimtal, sådat att < < 2 2.

Läs mer

ENDIMENSIONELL ANALYS B1 FÖRELÄSNING VI. Föreläsning VI. Mikael P. Sundqvist

ENDIMENSIONELL ANALYS B1 FÖRELÄSNING VI. Föreläsning VI. Mikael P. Sundqvist Föreläsig VI Mikael P. Sudqvist Aritmetisk summa, exempel Exempel I ett sällskap på 100 persoer skakar alla persoer had med varadra (precis e gåg). Hur måga hadskakigar sker? Defiitio I e aritmetisk summa

Läs mer

Uppsala Universitet Matematiska Institutionen Bo Styf. Genomgånget på föreläsningarna Föreläsning 26, 9/2 2011: y + ay + by = h(x)

Uppsala Universitet Matematiska Institutionen Bo Styf. Genomgånget på föreläsningarna Föreläsning 26, 9/2 2011: y + ay + by = h(x) Uppsala Uiversitet Matematiska Istitutioe Bo Styf Evariabelaalys, 0 hp STS, X 200-0-27 Föreläsig 26, 9/2 20: Geomgåget på föreläsigara 26-30. Att lösa de ihomogea ekvatioe. De ekvatio vi syftar på är förstås

Läs mer

Borel-Cantellis sats och stora talens lag

Borel-Cantellis sats och stora talens lag Borel-Catellis sats och stora tales lag Guar Eglud Matematisk statistik KTH Vt 2005 Iledig Borel-Catellis sats är e itressat och avädbar sats framför allt för att bevisa stora tales lag i stark form. Vi

Läs mer

Tommy Färnqvist, IDA, Linköpings universitet

Tommy Färnqvist, IDA, Linköpings universitet Föreläsig 2 Algoritmaalys TDDC70/91: DALG Utskriftsversio av föreläsig i Datastrukturer och algoritmer 5 september 2013 Tommy Färqvist, IDA, Liköpigs uiversitet 2.1 Iehåll Iehåll 1 Aalys av värsta fallet

Läs mer

Anmärkning: I några böcker använder man följande beteckning ]a,b[, [a,b[ och ]a,b] för (a,b), [a,b) och (a,b].

Anmärkning: I några böcker använder man följande beteckning ]a,b[, [a,b[ och ]a,b] för (a,b), [a,b) och (a,b]. MÄNGDER Stadardtalmägder: N={0,, 2, 3, } mägde av alla aturliga tal (I ågra böcker N={,2,3, }) Z={ 3, 2,,0,, 2, 3, 4, } mägde av alla hela tal m Q={, där m, är hela tal och 0 } mägde av alla ratioella

Läs mer

Genomsnittligt sökdjup i binära sökträd

Genomsnittligt sökdjup i binära sökträd Iformatiostekologi Tom Smedsaas 10 augusti 016 Geomsittligt sökdjup i biära sökträd Detta papper visar att biära sökträd som byggs upp av slumpmässiga data är bra. Beteckigar och defiitioer Defiitio De

Läs mer

Inledande matematisk analys (TATA79) Höstterminen 2016 Föreläsnings- och lekionsplan

Inledande matematisk analys (TATA79) Höstterminen 2016 Föreläsnings- och lekionsplan Iledade matematisk aalys TATA79) Hösttermie 016 Föreläsigs- och lekiospla Föreläsig 1 Logik, axiom och argumet iom matematik, talbeteckigssystem för hetal, ratioella tal, heltalspoteser. Lektio 1 och Hadledigstillfälle

Läs mer

Uppgifter 3: Talföljder och induktionsbevis

Uppgifter 3: Talföljder och induktionsbevis Gruder i matematik och logik (017) Uppgifter 3: Talföljder och iduktiosbevis Ur Matematik Origo 5 Talföljder och summor 3.01 101. E talföljd defiieras geom formel a 8 + 6. a) Är det e rekursiv eller e

Läs mer

Räkning med potensserier

Räkning med potensserier Räkig med potesserier Serier (termiologi fis i [P,4-4]!) av type P + + + + 4 +... k ( om < ) k + + + + P 4 4 +... k k! ( e för alla ) k och de i [P, sid.9, formler 7-] som ärmast skulle kua beskrivas som

Läs mer

Tentamenskrivning, , kl SF1625, Envariabelanalys för CINTE1(IT) och CMIEL1(ME ) (7,5hp)

Tentamenskrivning, , kl SF1625, Envariabelanalys för CINTE1(IT) och CMIEL1(ME ) (7,5hp) KTH-Matematik Tetameskrivig, 2008-0-0, kl. 4.00-9.00 SF625, Evariabelaalys för CITE(IT) och CMIEL(ME ) (7,5h) Prelimiära gräser. Registrerade å kurse SF625 får graderat betyg eligt skala A (högsta betyg),

Läs mer

Kontrollskrivning 3 i SF1676, Differentialekvationer med tillämpningar. Tisdag kl 8:15-10

Kontrollskrivning 3 i SF1676, Differentialekvationer med tillämpningar. Tisdag kl 8:15-10 KH Matematik Kotrollskrivig 3 i SF676, Differetialekvatioer med tillämpigar isdag 7-5-6 kl 8:5 - illåtet hjälpmedel på lappskrivigara är formelsamlige BEA För godkäd på module räcker 5 poäg Bara väl motiverade

Läs mer

H1009, Introduktionskurs i matematik Armin Halilovic. använder vi oftast induktionsbevis.

H1009, Introduktionskurs i matematik Armin Halilovic. använder vi oftast induktionsbevis. MATEMATISK INDUKTION För att bevisa att ett påståede P() är sat för alla heltal 0 aväder vi oftast iduktiosbevis Iduktiossatse Låt P() vara ett påståede vars saigsvärde beror av heltalet 0 där 0 är ett

Läs mer

Inledande matematisk analys. 1. Utred med bevis vilket eller vilka av följande påståenden är sana:

Inledande matematisk analys. 1. Utred med bevis vilket eller vilka av följande påståenden är sana: TATA79/TEN3 Tetame, 08-04-06 Iledade matematisk aalys. Utred med bevis vilket eller vilka av följade påståede är saa: (a) Om x 7 är x(x 3) 5; (b) Om (x )(x 6) 0 är x 6; (c) (x + 6)(x ) > 0 om x > 6. Solutio:

Läs mer

(a) om vi kan välja helt fritt? (b) om vi vill ha minst en fisk av varje art? (c) om vi vill ha precis 3 olika arter?

(a) om vi kan välja helt fritt? (b) om vi vill ha minst en fisk av varje art? (c) om vi vill ha precis 3 olika arter? Lösigar Grudläggade Diskret matematik 11054 Tid: 1.00-17.00 Telefo: 036-10160, Examiator: F Abrahamsso 1. I de lokala zoo-affäre fis 15 olika fiskarter med mist 0 fiskar utav varje art). På hur måga sätt

Läs mer

Ekvationen (ekv1) kan beskriva en s.k. stationär tillstånd (steady-state) för en fysikalisk process.

Ekvationen (ekv1) kan beskriva en s.k. stationär tillstånd (steady-state) för en fysikalisk process. Armi Halilovic: EXTRA ÖVNINGAR aplace-ekvatioe APACES EKVATION Vi etraktar följade PDE u, u,, a, ekv1 som kallas aplaces ekvatio Ekvatioe ekv1 ka eskriva e sk statioär tillståd stead-state för e fsikalisk

Läs mer

MS-A0409 Grundkurs i diskret matematik I

MS-A0409 Grundkurs i diskret matematik I MS-A0409 Grudkurs i diskret matematik I G. Gripeberg Mägder och logik Relatioer och fuktioer Aalto-uiversitetet oktober 04 Kombiatorik etc. G. Gripeberg (Aalto-uiversitetet MS-A0409 Grudkurs i diskret

Läs mer

Lösningar och kommentarer till uppgifter i 1.1

Lösningar och kommentarer till uppgifter i 1.1 Lösigar och kommetarer till uppgifter i. 407 d) 408 d) 40 a) 3 /5 5) 5 3 0 ) 0) 3 5 5 4 0 6 5 x 5 x) 5 x + 5 x 5 x 5 x 5 x + 5 x 40 Om det u är eklare så här a x a 3x + a x) a 4x + 43 a) 43 45 5 3 5 )

Läs mer

MS-A0409 Grundkurs i diskret matematik Sammanfattning, del I

MS-A0409 Grundkurs i diskret matematik Sammanfattning, del I MS-A0409 Grudkurs i diskret matematik Sammafattig, del I G. Gripeberg Aalto-uiversitetet 2 oktober 2013 G. Gripeberg (Aalto-uiversitetet) MS-A0409 Grudkurs i diskret matematiksammafattig, del 2Ioktober

Läs mer

Linjär Algebra (lp 1, 2016) Lösningar till skrivuppgiften Julia Brandes

Linjär Algebra (lp 1, 2016) Lösningar till skrivuppgiften Julia Brandes Lijär Algebra (lp 1, 2016) Lösigar till skrivuppgifte Julia Brades Uppgift 1. Betecka mägde av alla matriser med M(). Vi har e elemetvist defiierad additio av två matriser A, B M(). De är defiierad geom

Läs mer

Induktion LCB Rekursion och induktion; enkla fall. Ersätter Grimaldi 4.1

Induktion LCB Rekursion och induktion; enkla fall. Ersätter Grimaldi 4.1 duktio LCB 2000 Ersätter Grimaldi 4. Rekursio och iduktio; ekla fall E talföljd a a 0 a a 2 ka aturligtvis defiieras geom att ma ager e explicit formel för uträkig av dess elemet, som till exempel () a

Läs mer

101. och sista termen 1

101. och sista termen 1 Lektio, Evariabelaalys de ovember 999 5.. Uttryck summa j uta summasymbole. j + Termera är idexerade frå j = till j = och varje term är blir j j+. Summa Skriver vi upp summa uta summasymbole blir de +

Läs mer

Statistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet?

Statistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet? Statistisk aalys Vilka slutsatser ka dras om populatioe med resultatet i stickprovet som grud? Hur säkra uttalade ka göras om resultatet? Mats Guarsso Tillämpad matematik III/Statistik - Sida 83 Exempel

Läs mer

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer)

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer) Armi Halilovic: EXTRA ÖVNINGAR Newto-Raphsos metod NEWTON-RAPHSONS METOD (e metod för umeris lösig av evatioer Måga evatioer är besvärligt och iblad äve omöjligt att lösa eat. Då aväder ma umerisa metoder

Läs mer

Av Henrik 01denburg\ Radikaler. För att lösa ekv.: x n = a (n helt, pos. tal) konstruerar man kurvan

Av Henrik 01denburg\ Radikaler. För att lösa ekv.: x n = a (n helt, pos. tal) konstruerar man kurvan Av Herik 01deburg\ Eligt gymasiets kurspla skall av lära om poteser medtagas huvudsaklige vad som är behövligt för viade av e säker isikt i lära om logaritmer. Alla torde vara ese därom, att det är syerlige

Läs mer

Föreläsning 10: Kombinatorik

Föreläsning 10: Kombinatorik DD2458, Problemlösig och programmerig uder press Föreläsig 10: Kombiatorik Datum: 2009-11-18 Skribeter: Cecilia Roes, A-Soe Lidblom, Ollata Cuba Gylleste Föreläsare: Fredrik Niemelä 1 Delmägder E delmägd

Läs mer

Föreläsning 3. 732G04: Surveymetodik

Föreläsning 3. 732G04: Surveymetodik Föreläsig 3 732G04: Surveymetodik Dages föreläsig Obudet slumpmässigt urval (OSU) Populatiosparametrar och stickprovsstatistikor Vätevärdesriktighet Ädliga och oädliga populatioer Medelvärde, adel Kofidesitervall

Läs mer

Några satser ur talteorin

Några satser ur talteorin Några satser ur talteorin LCB 997/2000 Fermats, Eulers och Wilsons satser Vi skall studera några klassiska satser i talteori, vilka är av betydelse bland annat i kodningsteknik och kryptoteknik. De kan

Läs mer

RSA-kryptering och primalitetstest

RSA-kryptering och primalitetstest Matematik, KTH Bengt Ek augusti 2016 Material till kurserna SF1630 och SF1679, Diskret matematik: RSA-kryptering och primalitetstest Hemliga koder (dvs koder som används för att göra meddelanden oläsbara

Läs mer

Cartesisk produkt. Multiplikationsprincipen Ï Ï Ï

Cartesisk produkt. Multiplikationsprincipen Ï Ï Ï Kombiatorik Kombiatorik hadlar oftast om att räka hur måga arragemag det fis av e viss typ. Sådaa kalkyler uderlättas om ma ka hitta relevata represetatioer av de ibladade arragemage ågot som illustreras

Läs mer

Uppsala Universitet Matematiska Institutionen Bo Styf. Att repetera.

Uppsala Universitet Matematiska Institutionen Bo Styf. Att repetera. Uppsala Uiversitet Matematisa Istitutioe Bo Styf rasformmetoder, 5 hp gyl, I, W, X 20-0-26 Att repetera. Vi samlar här e del material frå tidigare urser som a vara avädbart uder urses gåg. Serier. E serie

Läs mer

1. Test av anpassning.

1. Test av anpassning. χ -metode. χ -metode ka avädas för prövig av hypoteser i flera olika slag av problem: om e stokastisk variabel följer e viss saolikhetsfördelig med käda eller okäda parametrar. om två stokastiska variabler

Läs mer

Visst kan man faktorisera x 4 + 1

Visst kan man faktorisera x 4 + 1 Visst ka ma faktorisera + 1 Per-Eskil Persso Faktoriserig av polyomuttryck har alltid utgjort e svår del av algebra. Reda i slutet av grudskola möter elever i regel dea omvädig till multiplikatio med hjälp

Läs mer

Om komplexa tal och funktioner

Om komplexa tal och funktioner Om komplexa tal och fuktioer Aalys60 (Grudkurs) Istuderigsuppgifter Dessa övigar är det täkt du ska göra i aslutig till att du läser huvudtexte. De flesta av övigara har, om ite lösigar, så i varje fall

Läs mer

4. Uppgifter från gamla tentor (inte ett officiellt urval) 6

4. Uppgifter från gamla tentor (inte ett officiellt urval) 6 SF69 - DIFFERENTIALEKVATIONER OCH TRANSFORMER II - ÖVNING 4 KARL JONSSON Iehåll. Egeskaper hos Fouriertrasforme. Kapitel 3: Z-Trasform.. Upp. 3.44a-b: Bestämig av Z-trasforme för olika talföljder.. Upp.

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

LINJÄRA DIFFERENTIALEKVATIONER AV HÖGRE ORDNINGEN

LINJÄRA DIFFERENTIALEKVATIONER AV HÖGRE ORDNINGEN Armi Halilovic: EXTRA ÖVNINGAR, SF7 LINJÄRA DIFFERENTIALEKVATIONER AV HÖGRE ORDNINGEN INLEDNING LINJÄRA DIFFERENTIAL EKVATIONER E DE är lijär om de är lijär med avseede å de obekata fuktioe oc dess derivator

Läs mer

Tentamen i Envariabelanalys 1

Tentamen i Envariabelanalys 1 Liöpigs uiversitet Matematisa istitutioe Matemati och tillämpad matemati Kursod: TATA4 Provod: TEN Iga hjälpmedel är tillåta. Tetame i Evariabelaalys 4-4-3 l 4 9 Lösigara sall vara fullstädiga, välmotiverade,

Läs mer

Innehåll Grafräknaren och diskret matematik...1 Vad handlar diskret matematik om?...1 Permutationer och kombinationer...3 Något om heltalsräkning...

Innehåll Grafräknaren och diskret matematik...1 Vad handlar diskret matematik om?...1 Permutationer och kombinationer...3 Något om heltalsräkning... Iehåll Grafräkare och diskret matematik...1 Vad hadlar diskret matematik om?...1 Permutatioer och kombiatioer...3 Något om heltalsräkig...4 Modulusoperator...4 Faktoriserig i primfaktorer...5 Talföljder...7

Läs mer

Datorövning 2 Fördelningar inom säkerhetsanalys

Datorövning 2 Fördelningar inom säkerhetsanalys Luds tekiska högskola Matematikcetrum Matematisk statistik STATISTISKA METODER FÖR SÄKERHETSANALYS FMS065, HT-15 Datorövig 2 Fördeligar iom säkerhetsaalys I dea datorövig ska vi studera ågra grudläggade

Läs mer

vara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n = grad( P(

vara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n = grad( P( Armi Halilovic: EXTRA ÖVNINGAR Polyom POLYNOM OCH ALGEBRAISKA EKVATIONER Defiitio Polyom är uttrycet av type a a a 0, eller ortare a 0, ( där är ett ice-egativt heltal) Defiitio Låt P( a a a0 vara ett

Läs mer

TNA001- Matematisk grundkurs Tentamen Lösningsskiss

TNA001- Matematisk grundkurs Tentamen Lösningsskiss TNA00- Matematisk grudkurs Tetame 07-0- - Lösigsskiss. a) Svar: x ], [ [, [. 4x x + 4x 4x (x + ) 0 0 x x + x + x + 0 //Teckeschema// x ], [ [, [ b) I : x I : x I : x x x + = 4 = 4 Lösig sakas x + x + =

Läs mer

= (1 1) + (1 1) + (1 1) +... = = 0

= (1 1) + (1 1) + (1 1) +... = = 0 TALFÖLJDER OCH SERIER Läs avsitte - och 5 Lös övigara, abcd, 4, 5, 7-9, -5, 7-9, -abcd, 4, 5 Läsavisigar Avsitt Defiitioe av talföljd i boe är ågot ryptis, me egetlige är det ågot väldigt eelt: e talföljd

Läs mer

SANNOLIKHETER. Exempel. ( Tärningskast) Vi har sex möjliga utfall 1, 2, 3, 4, 5 och 6. Därför är utfallsrummet Ω = {1, 2, 3, 4, 5,6}.

SANNOLIKHETER. Exempel. ( Tärningskast) Vi har sex möjliga utfall 1, 2, 3, 4, 5 och 6. Därför är utfallsrummet Ω = {1, 2, 3, 4, 5,6}. rmi Halilovic: EXTR ÖVIGR SOLIKHETER GRUDLÄGGDE BEGRE OH BETEKIGR Utfall Resultat av ett slumpmässigt försök. Utfallsrummet ägde av alla utfall (beteckas oftast med Ω ). Hädelse E delmägd av utfallsrummet.

Läs mer

Kompletterande kurslitteratur om serier

Kompletterande kurslitteratur om serier KTH Matematik Has Thuberg 5B47 Evariabelaalys Kompletterade kurslitteratur om serier I Persso & Böiers.5.4 itroduceras serier, och serier diskuteras också i kapitel 7.9. Ia du läser vidare här skall du

Läs mer

Introduktion till statistik för statsvetare

Introduktion till statistik för statsvetare "Det fis iget så praktiskt som e bra teori" November 2011 Bakgrud Stadardiserig E saolikhetsekvatio Kosekves av stora tales lag Stora tales lag ger att är slumpvariablera X i är oberoede, med e och samma

Läs mer

2. Konfidensintervall för skillnaden mellan två proportioner.

2. Konfidensintervall för skillnaden mellan två proportioner. Föreläsig 12 LV1, Torsdag 12/10 Upplägg 1. Kofidesitervall för proportioer. 2. Kofidesitervall för skillade mella två proportioer. 3. Grafteori Kofidesitervall för proportioer Atag att vi vill skatta adele

Läs mer

Uppsala Universitet Matematiska Institutionen Thomas Erlandsson

Uppsala Universitet Matematiska Institutionen Thomas Erlandsson Uppsala Uiversitet Matematisa Istitutioe Thomas Erladsso LÄSANVISNINGAR VECKA -5 BINOMIALSATSEN Ett uttryc av forme a + b allas ett biom eftersom det är summa av två moom. För uttrycet (a + b) gäller de

Läs mer

Lösningar till tentamensskrivning i kompletteringskurs Linjär Algebra, SF1605, den 10 januari 2011,kl m(m + 1) =

Lösningar till tentamensskrivning i kompletteringskurs Linjär Algebra, SF1605, den 10 januari 2011,kl m(m + 1) = Lösigar till tetamesskrivig i kompletterigskurs Lijär Algebra, SF605, de 0 jauari 20,kl 4.00-9.00. 3p Visa med hjälp av ett iduktiosbevis att m= mm + = +. Lösig: Formel är uppebarlige sa är = eftersom

Läs mer

Sannolikheten. met. A 3 = {2, 4, 6 }, 1 av 11

Sannolikheten. met. A 3 = {2, 4, 6 }, 1 av 11 rmi Halilovic: EXTR ÖVIGR SOLIKHETER GRUDLÄGGDE EGRE OH ETEKIGR Utfall Resultat av ett slumpmässigt försök. Utfallsrummet ägde av alla utfall (beteckas oftast medd Ω ). Hädelse E delmägd av utfallsrumm

Läs mer

För att skatta väntevärdet för en fördelning är det lämpligt att använda Medelvärdet. E(ξ) =... = µ

För att skatta väntevärdet för en fördelning är det lämpligt att använda Medelvärdet. E(ξ) =... = µ 1 February 1, 2018 1 Förel. VII Puktskattigar av parametrar i fördeligar 1.1 Puktskattig För att skatta vätevärdet för e fördelig är det lämpligt att aväda Medelvärdet ξ = 1 ξ j. Vi tar u vätevärdet av

Läs mer

Induktion och Binomialsatsen. Vi fortsätter att visa hur matematiska påståenden bevisas med induktion.

Induktion och Binomialsatsen. Vi fortsätter att visa hur matematiska påståenden bevisas med induktion. Idutio och Biomialsatse Vi fortsätter att visa hur matematisa påståede bevisas med idutio. Defiitio. ( )! = ( över ).!( )! Betydelse av talet studeras seare. Med idutio a vi u visa SATS (Biomialsatse).

Läs mer

TFM. Avdelningen för matematik Sundsvall Diskret analys. En studie av polynom och talföljder med tillämpningar i interpolation

TFM. Avdelningen för matematik Sundsvall Diskret analys. En studie av polynom och talföljder med tillämpningar i interpolation C-UPPSATS 00:0 TFM. Avdelige för matematik MITTHÖGSKOLAN 85 70 Sudsvall 060-4 86 00 Diskret aalys E studie av polyom och talföljder med tillämpigar i iterpolatio p(x + ) p(x + ) p(x + 3) p(x + 4) d p (x

Läs mer

F4 Matematikrep. Summatecken. Summatecken, forts. Summatecken, forts. Summatecknet. Potensräkning. Logaritmer. Kombinatorik

F4 Matematikrep. Summatecken. Summatecken, forts. Summatecken, forts. Summatecknet. Potensräkning. Logaritmer. Kombinatorik 03-0-4 F4 Matematirep Summatece Summatecet Potesräig Logaritmer Kombiatori Säg att vi har styce tal x,, x Summa av dessa tal (alltså x + + x ) srivs ortfattat med hjälp av summatece: x i i summa x i då

Läs mer

1. Hur gammalt är ditt barn?

1. Hur gammalt är ditt barn? Förskoleekät 2017 Filtrerigsvillkor: Villkor: 1: Svarsalterativ Björkduge (Fråga: Vilke förskola går ditt bar i?) 1. Hur gammalt är ditt bar? 0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 50% 1-2 22% 3-4 50% 5-6

Läs mer

TMS136: Dataanalys och statistik Tentamen 2013-10-26 med lösningar

TMS136: Dataanalys och statistik Tentamen 2013-10-26 med lösningar TMS36: Dataaalys och statistik Tetame 03-0-6 med lösigar Examiator och jour: Mattias Sude, tel. 0730 79 9 79 Hjälpmedel: Chalmersgodkäd räkare och formelsamlig formelsamlig delas ut med teta). Betygsgräser:

Läs mer

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer)

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer) Armi Halilovic: EXTRA ÖVNINGAR Newto Raphsos metod NEWTON-RAPHSONS METOD (e metod ör umeris lösig av evatioer Måga evatioer är besvärligt och iblad äve omöjligt att lösa eat. Då aväder ma umerisa metoder

Läs mer

SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs

SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs SAMMANFATTNING TAMS79 Matematisk statistik, grudkurs LÄST SOM EN DEL AV CIVILINGENJÖRSPROGRAMMET I INDUSTRIELL EKONOMI VID LITH, HT 2015 Versio: 1.0 Seast reviderad: 2016-02-01 Författare: Viktor Cheg

Läs mer

REGULJÄRA SPRÅK (8p + 6p) 1. DFA och reguljära uttryck (6 p) Problem. För följande NFA över alfabetet {0,1}:

REGULJÄRA SPRÅK (8p + 6p) 1. DFA och reguljära uttryck (6 p) Problem. För följande NFA över alfabetet {0,1}: CD58 FOMEA SPÅK, AUTOMATE, OCH BEÄKNINGSTEOI, 5 p JUNI 25 ÖSNINGA EGUJÄA SPÅK (8p + 6p). DFA och reguljära uttryck (6 p) Problem. För följade NFA över alfabetet {,}:, a) kovertera ovaståede till e miimal

Läs mer

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer)

NEWTON-RAPHSONS METOD (en metod för numerisk lösning av ekvationer) Armi Halilovic: EXTRA ÖVNINGAR Newto-Raphsos metod NEWTON-RAPHSONS METOD (e metod för umeris lösig av evatioer Måga evatioer är besvärligt och iblad äve omöjligt att lösa eat. Då aväder ma umerisa metoder

Läs mer

Del A. x 0 (1 + x + x 2 /2 + x 3 /6) x x 2 (1 x 2 /2 + O(x 4 )) = x3 /6 + O(x 5 ) (x 3 /6) + O(x 4 )) = 1 + } = 1

Del A. x 0 (1 + x + x 2 /2 + x 3 /6) x x 2 (1 x 2 /2 + O(x 4 )) = x3 /6 + O(x 5 ) (x 3 /6) + O(x 4 )) = 1 + } = 1 UPPSALA UNIVERSITET Matematiska istitutioe Sigstam, Styf Svar till övigsteta ENVARIABELANALYS 0-0- Svar till övigsteta. Del A. Bestäm e ekvatio för tagete till kurva y f x) x 5 i pukte där x. Skissa kurva.

Läs mer

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin Föreläsig 6 732G70, 732G01 Statistik A Föreläsigsuderlage är baserade på uderlag skriva av Karl Wahli Kapitel 6 Iferes om e populatio Sid 151-185 Puktskattig och itervallskattig Statistisk iferes om populatiosmedelvärde

Läs mer

x 1 x 2 x 3 x 4 x 5 x 6 HL Z x x x

x 1 x 2 x 3 x 4 x 5 x 6 HL Z x x x Uppgift 1 a) Vi iför slackvariabler x 4, x 5 och x 6 och löser problemet med hjälp av simplexalgoritme. Z -2-1 1 0 0 0 0 x 4 1 1-1 1 0 0 20 x 5 2 1 1 0 1 0 30 x 6 1-1 2 0 0 1 10 x 1 blir igåede basvariabel

Läs mer

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 20 januari 2007, kl. 09.00-13.00

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 20 januari 2007, kl. 09.00-13.00 0.01.007 Tetame i Statistik, STA A13 Deltetame, 5p 0 jauari 007, kl. 09.00-13.00 Tillåta hjälpmedel: Bifogad formel- och tabellsamlig (skall retureras) samt miiräkare. Asvarig lärare: Haah Hall Övrigt:

Läs mer

Hambley avsnitt 12.7 (även 7.3 för den som vill läsa lite mer om grindar)

Hambley avsnitt 12.7 (även 7.3 för den som vill läsa lite mer om grindar) 1 Föreläsig 6, Ht 2 Hambley avsitt 12.7 (äve 7.3 för de som vill läsa lite mer om gridar) Biära tal Vi aväder ormalt det decimala talsystemet, vilket har base 10. Talet 2083 rereseterar då 2 10 3 0 10

Läs mer

Intervallskattning. c 2005 Eric Järpe Högskolan i Halmstad. Antag att vi har ett stickprov x 1,..., x n på X som vi vet är N(µ, σ) men vi vet ej

Intervallskattning. c 2005 Eric Järpe Högskolan i Halmstad. Antag att vi har ett stickprov x 1,..., x n på X som vi vet är N(µ, σ) men vi vet ej Itervallskattig c 005 Eric Järpe Högskola i Halmstad Atag att vi har ett stickprov x,..., x på X som vi vet är Nµ, σ me vi vet ej värdet av µ = EX. Då ka vi beräka x, vvr skattig av µ. För att få reda

Läs mer

Stokastiska variabler

Stokastiska variabler TNG006 F2 11-04-2016 Stoastisa variabler Ett slumpmässigt försö ger ofta upphov till ett tal som bestäms av utfallet av försöet. Talet är ite ät före försöet uta bestäms av vilet utfall som ommer att uppstå,

Läs mer

Fourierserien. fortsättning. Ortogonalitetsrelationerna och Parsevals formel. f HtL g HtL t, där T W ã 2 p, PARSEVALS FORMEL

Fourierserien. fortsättning. Ortogonalitetsrelationerna och Parsevals formel. f HtL g HtL t, där T W ã 2 p, PARSEVALS FORMEL Fourierserie fortsättig Ortogoalitetsrelatioera och Parsevals formel Med hjälp av ortogoalitetsrelatioera Y Â m W t, Â W t ] =, m ¹, m = () där Xf, g\ = Ÿ T f HtL g HtL, där W ã p, ka ma bevisa följade

Läs mer

Tentamen i Linjär Algebra, SF december, Del I. Kursexaminator: Sandra Di Rocco. Matematiska Institutionen KTH

Tentamen i Linjär Algebra, SF december, Del I. Kursexaminator: Sandra Di Rocco. Matematiska Institutionen KTH 1 Matematiska Istitutioe KTH Tetame i Lijär Algebra, SF164 14 december, 21. Kursexamiator: Sadra Di Rocco OBS! Svaret skall motiveras och lösige skrivas ordetligt och klart. Iga hjälpmedel är tillåta.

Läs mer

1. (a) Eftersom X och Y har samma fördelning så har de även samma väntevärde och standardavvikelse. E(X 2 ) = k

1. (a) Eftersom X och Y har samma fördelning så har de även samma väntevärde och standardavvikelse. E(X 2 ) = k LÖSNINGAR TILL Matematisk statistik, Matematikcetrum Tetame: 5 kl 8 Luds tekiska högskola FMS, FMS, FMS, FMS 5, MAS 9 Matematisk statistik för ED, F, I, FED och fysiker. a Eftersom X och Y har samma fördelig

Läs mer

Föreläsning 9: Talteori

Föreläsning 9: Talteori DD2458, Problemlösning och programmering under press Föreläsning 9: Talteori Datum: 2009-11-11 Skribent(er): Ting-Hey Chau, Gustav Larsson, Åke Rosén Föreläsare: Fredrik Niemelä Den här föreläsningen handlar

Läs mer

Trigonometriska polynom

Trigonometriska polynom Trigoometriska polyom Itroduktio Iga strägistrumet eller blåsistrumet ka producera estaka siustoer, blott lieära kombiatioer av dem, där de med lägsta frekvese kallas för grudtoe, och de övriga för övertoer.

Läs mer

Databaser - Design och programmering. Programutveckling. Programdesign, databasdesign. Kravspecifikation. ER-modellen. Begrepps-modellering

Databaser - Design och programmering. Programutveckling. Programdesign, databasdesign. Kravspecifikation. ER-modellen. Begrepps-modellering Databaser desig och programmerig Desig processe ER-modellerig Programutvecklig Förstudie, behovsaalys Programdesig, databasdesig Implemetatio Programdesig, databasdesig Databasdesig Koceptuell desig Koceptuell

Läs mer

Design mönster. n n n n n n. Command Active object Template method Strategy Facade Mediator

Design mönster. n n n n n n. Command Active object Template method Strategy Facade Mediator Desig möster Desig möster Commad Active object Template method Strategy Facade Mediator Commad Ett av de eklaste desig möstre Me också mycket avädbart Ett grässitt med e metod Comm ad do()

Läs mer

Tolkning av sannolikhet. Statistikens grunder, 15p dagtid. Lite mängdlära. Lite mängdlära, forts. Frekventistisk n A /n P(A) då n

Tolkning av sannolikhet. Statistikens grunder, 15p dagtid. Lite mängdlära. Lite mängdlära, forts. Frekventistisk n A /n P(A) då n Tolkig av saolikhet Statistikes gruder, 15p dagtid HT 01 Föreläsigar F4-F6 Frekvetistisk A / A) då Klassisk atal(a) / atal(ω) = A) storlek(a) / storlek(ω) = A) Subjektiv (persolig) isats/total vist = A)

Läs mer

SJÄLVSTÄNDIGA ARBETEN I MATEMATIK

SJÄLVSTÄNDIGA ARBETEN I MATEMATIK SJÄLVSTÄNDIGA ARBETEN I MATEMATIK MATEMATISKA INSTITUTIONEN, STOCKHOLMS UNIVERSITET Kvadratisk recirocitet och två bevis av Love Huldt 09 - No K9 MATEMATISKA INSTITUTIONEN, STOCKHOLMS UNIVERSITET, 06 9

Läs mer

Primtal, faktorisering och RSA

Primtal, faktorisering och RSA 17 november, 2007 Ett Exempel N = 93248941901237910481523319394135 4114125392348254384792348320134094 3019134151166139518510341256153023 2324525239230624210960123234120156 809104109501303498614012865123

Läs mer

TAMS15: SS1 Markovprocesser

TAMS15: SS1 Markovprocesser TAMS15: SS1 Markovprocesser Joha Thim (joha.thim@liu.se) 21 ovember 218 Vad häder om vi i e Markovkedja har kotiuerlig tid istället för diskreta steg? Detta är ett specialfall av e kategori stokastiska

Läs mer

Webprogrammering och databaser. Begrepps-modellering. Exempel: universitetsstudier Kravspec. ER-modellen. Exempel: kravspec forts:

Webprogrammering och databaser. Begrepps-modellering. Exempel: universitetsstudier Kravspec. ER-modellen. Exempel: kravspec forts: Webprogrammerig och databaser Koceptuell datamodellerig med Etitets-Relatiosmodelle Begrepps-modellerig Mål: skapa e högivå-specifikatio iformatiosiehållet i database Koceptuell modell är oberoede DBMS

Läs mer

ÖPPNA OCH SLUTNA MÄNGDER. KOMPAKTA MÄNGDER. DEFINITIONSMÄNGD. INLEDNING. Några viktiga andragradskurvor: Cirkel, ellips, hyperbel och parabel.

ÖPPNA OCH SLUTNA MÄNGDER. KOMPAKTA MÄNGDER. DEFINITIONSMÄNGD. INLEDNING. Några viktiga andragradskurvor: Cirkel, ellips, hyperbel och parabel. ÖPPNA OH SLUTNA MÄNGDER. KOMPAKTA MÄNGDER. DEFINITIONSMÄNGD. INLEDNING. Någr viktig drgrdskurvor: irkel ellips hyperbel och prbel.. irkels ekvtio irkel med cetrum i och rdie hr ekvtioe pq O Amärkig. Edst

Läs mer

TNA001 Matematisk grundkurs Övningsuppgifter

TNA001 Matematisk grundkurs Övningsuppgifter TNA00 Matematisk grudkurs Övigsuppgiter Iehåll: Uppgit Uppgit 8 Uppgit 9 6 Uppgit 7 5 Uppgit 55 60 Facit sid. 8-0 Summor, Biomialsatse, Iduktiosbevis Ivers uktio Logaritmer, Expoetialuktioer Trigoometri

Läs mer

θx θ 1 om 0 x 1 f(x) = 0 annars

θx θ 1 om 0 x 1 f(x) = 0 annars Avd. Matematisk statistik TENTAMEN I SF903 SANNOLIKHETSLÄRA OCH STATISTIK FÖR 3-ÅRIG Media TIMEH TORSDAGEN DEN TREDJE JUNI 200 KL 4.00 9.00. Examiator: Guar Eglud, tel. 790 74 06 Tillåta hjälpmedel: Läroboke.

Läs mer

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08 TENTAMEN I MATEMATISK STATISTIK Datum: 3 mars 8 Te i kurse HF3, 6H3, 6L3 MATEMATIK OCH MATEMATISK STATISTIK, Te i kurse HF ( Tidigare k 6H3), KÖTEORI OCH MATEMATISK STATISTIK, Skrivtid: 8:5-:5 Hjälpmedel:

Läs mer

Tentamen i Sannolikhetsteori III 13 januari 2000

Tentamen i Sannolikhetsteori III 13 januari 2000 STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Louise af Klitberg Lösigar Tetame i Saolikhetsteori III 13 jauari 2000 Uppgift 1 a) Det mest detaljerade utfallsrummet är med uppebara beteckigar Ω = {(B1, B2),

Läs mer

Icke-lineära ekvationer

Icke-lineära ekvationer Icke-lieära ekvatioer Exempel: Rote till ekvatioe x = cos( x) är lika med x -koordiate för skärigspukte mella kurvora y = x och y = cos( x). Vi ka plotta kurvora på itervallet [,] med följade Matlabkommado

Läs mer

TENTAMEN I MATEMATISK STATISTIK

TENTAMEN I MATEMATISK STATISTIK TETAME I MATEMATISK STATISTIK Te i kurse 6H, KÖTEORI OCH MATEMATISK STATISTIK, Te i kurse 6H, 6L MATEMATIK OCH MATEMATISK STATISTIK, Skrivtid: :-7: Lärare: Armi Halilovic Kurskod 6H, 6H, 6L, 6A Hjälpmedel:

Läs mer

Övning 3 - Kapitel 35

Övning 3 - Kapitel 35 Övig 3 - Kapitel 35 7(1). Brytigsidex får vi frå Eq. 35-3: c = = v. 998 10 8 19. 10 8 ms ms = 156.. 6(4). (a) Frekvese för gult atriumljus är,998 10 589 10 5,09 10 (b) När ljuset färdas geom glas blir

Läs mer

Lycka till! I(X i t) 1 om A 0 annars I(A) =

Lycka till! I(X i t) 1 om A 0 annars I(A) = Avd Matematisk statistik TENTAMEN I SF955 f d 5B555 DATORINTENSIVA METODER ONSDAGEN DEN AUGUSTI 008 KL 400 900 Examiator: Guar Eglud, tel 790746 Email: guare@mathkthse Tillåta hjälpmedel: Formel- och tabellsamlig

Läs mer

Tillämpad biomekanik, 5 poäng Plan rörelse, kinematik och kinetik

Tillämpad biomekanik, 5 poäng Plan rörelse, kinematik och kinetik Pla rörelse Kiematik vid rotatio av stela kroppar Iledade kiematik för stela kroppar. För de två lijera, 1 och, i figure bredvid gäller att deras vikelpositioer, θ 1 och θ, kopplas ihop av ekvatioe Θ =

Läs mer

Tentamen SF1633, Differentialekvationer I, den 22 oktober 2018 kl

Tentamen SF1633, Differentialekvationer I, den 22 oktober 2018 kl 1 Matematiska Istitutioe, KTH Tetame SF1633, Differetialekvatioer I, de 22 oktober 2018 kl 08.00-13.00. Examiator: Pär Kurlberg OBS: Iga hjälpmedel är tillåta på tetamesskrivige. För full poäg krävs korrekta

Läs mer

Uppsala Universitet Matematiska Institutionen Bo Styf. Sammanfattning av föreläsningarna 1-6, 29/10-8/11, = m n

Uppsala Universitet Matematiska Institutionen Bo Styf. Sammanfattning av föreläsningarna 1-6, 29/10-8/11, = m n Uppsala Uiversitet Matematiska Istitutioe Bo Styf Trasformmetoder, 5 hp ES, gyl, Q, W --9 Sammafattig av föreläsigara - 6, 9/ - 8/,. De trigoometriska basfuktioera. Dea kurs hadlar i pricip om att uttrycka

Läs mer