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

Storlek: px
Starta visningen från sidan:

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

Transkript

1 C-UPPSATS 00:0 TFM. Avdelige för matematik MITTHÖGSKOLAN Sudsvall 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 + ) d p (x + ) d p (x + 3) d p (x + ) d p (x + ) d p 3(x + ) Tomas Nilso

2 DISKRET ANALYS TOMAS NILSON Sammafattig. Mot + distikta pukter svarar ett etydigt polyom i P. E följd ka alltså i viss meig represetera ett polyom och omvät. Vi studerar dea korrespodes geom att låta polyoma talföljder geerera differestabeller där vi då har följder som represeterar relaterade polyom. Ur detta ka vi seda dra e del slutsatser som ma blad aat ka ha ytta av då ma ska iterpolera. E viktig roll spelas av differespolyome, dessa ka ma se som e diskret form av derivata och vi ska också betrakta summapolyom vilka på motsvarade sätt likar itegraler.

3 TOMAS NILSON Iehåll. Itroduktio 3. Iterpolatio 4.. Några käda iterpolatiosmetoder 5 3. Polyoma talföljder och differespolyom 3.. Grudläggade defiitioer och resultat 3.. Några speciella följder Mer frå differestabeller Vi fixerar e differesdiagoal Diagoale som lijärkombiatio Differespolyom och derivata 3 4. Diskret itegratio Summapolyom Koefficieter till summapolyom Några egeskaper för summor Härifrå och vidare Några lösa trådar Umbral calculus? Tack Lista över symboler 5 8. Litteraturlista 5

4 DISKRET ANALYS 3. Itroduktio Dea uppsats är spruge ur e ekel iakttagelse. Låt oss skriva upp e talföljd give av ågot polyom f(x) då x =,,..., 6 och se på de förutsättigslöst Atag att vi t.ex vill gissa ett polyom som ger följde uta ågo käedom om iterpolatiosformler eller dylikt. E idé är då att betrakta differeser av två på varadra följade tal, vi har t.ex att 3 =, 9 3 = Det här verkar späade, vi fortsätter Vi får e kostat differes! Varför blev det just 4? Vad betyder det att de kostata differese ifa sig på rad? Frågora hopar sig sabbt och äve om ma ka aa svare på de här första leder det direkt vidare till lite krågligare följdfrågor. Dea uppsats är tillkomme för att formulera, utforska och svara på sådaa frågor. Eftersom vårt arbete här är itimt förkippat med iterpolatio ska vi först äga kapitel till att reda ut vad iterpolatio är och presetera ågra käda iterpolatiosmetoder. Vi ska se på hur och varför de fugerar och äve göra ågra jämförelser dem emella. Observera dock att vi ite strävar efter vare sig att lista alla käda metoder eller es studera dem uttömmade, vi vill bara ha lite kött på bee rörade iterpolatio. I kapitel 3 tar vi itu med polyoma talföljder. Som vi såg i det iledade exemplet får vi differestalföljder som i si tur ges av polyom vilka ma ka se som e diskret form av derivata. Alla dessa polyom är då relaterade till varadra, de är fixerade i e struktur som vi ka kartlägga. Detta ger oss verktyg för att studera polyom och talföljder vilket vi t.ex ka aväda för att iterpolera. När det se gäller sökadet efter iterpolatiosmetoder följer vi två vägar. Dels att kua formulera ett uttryck för iterpolerade polyom i si helhet och dels att lösa ut dessa polyoms koefficieter explicit.

5 4 TOMAS NILSON Kapitel 4 ägas åt e motsatse till differespolyom, d.v.s summapolyom. Detta ka ma se som ett slags diskret itegratio. Här har vi direkt ett område som ite är iterpolatio där vi får avädig för våra resultat frå kapitel 3. Vi avslutar med att ta upp ågra problem ma ka fudera vidare över samt spekulerar över var i matematike detta arbete hör hemma. För övrigt ka vi äma att litteraturlista lägst bak ite är e refereslista uta bara e lista över böcker som varit till ytta. Polyom är välkäda objekt och matematike här är oftast ekel så uppsatse bör kua läsas av studeter på relativt låg ivå. Förhoppigsvis har de också ågot att ge mer avacerade läsare.. Iterpolatio Äve om dea uppsats främst hadlar om polyom och talföljder kommer vi att syssla e hel del med iterpolatio. Därför ska vi i detta kapitel bekata oss lite med iterpolatio och se på ågra käda iterpolatiosmetoder. Eftersom begreppet ka rymma mycket begräsar vi oss här till det som itresserar oss just u och som kaske också är det valigaste iterpolatiosproblemet, ämlige att fia e väldefiierad reell fuktio som iterpolerar e datamägd i form av pukter. Defiitio.. Låt J R vara itervall och I N vara idexmägd. Atag att vi har datamägd D = {(x k, y k ) : x k J, y k R, k I}. E fuktio g : J R sägs iterpolera D om g(x k ) = y k k I. Låt oss se på ett exempel där vi avsiktligt är lite slarviga. Exempel. Datamägde D = {(, ), (, )} ka t.ex ges av g(x) = x h(x) = x 3 x + i(x) = q(x) = x x Observera att vi här ite agivit defiitiosmägder, fuktiosuttrycke har bara det gemesamt att deras grafer iehåller D, t.ex g() = h() = i() = q() =. Vi ser att i ite uppfyller defiitioe då i ite är defiierad i x = 0. Äu värre är det med q som bara ka defiieras puktvis för x < 0. Däremot är g och h helt godtagbara, de är polyom och frå och med u ska vi bara se på iterpolatio med polyom. Vi får då aledig att betrakta vektorrummet P. Defiitio.. Vektorrummet P består av alla polyom med reella koefficieter som är av grad.

6 DISKRET ANALYS 5 Amärkig. Eftersom varje polyom i P på ett etydigt sätt ka skrivas som e lijärkombiatio av polyome, x, x,..., x, så utgör dessa polyom e bas för P. Att polyom är lätthaterliga är ite eda orsake till att ma gära iterpolerar med dem. De har e egeskap som vi u formulerar i e sats vilke ma ka se som huvudsats iom området polyomiterpolatio. Sats.. Givet + distikta pukter (x k, f(x k )), k = 0,,..., så fis det ett etydigt polyom p P som iterpolerar dessa. Hur ka visa detta återkommer vi till i amärkig. Observera att dessa pukter som vi oftast ager med f(x k ) ite måste ges av käd fuktio. Med distikta mear vi här ormalt att x i är distikta me sats. ka omformuleras så att vi ka byta ut pukter mot derivator. Det etydiga polyomet i P fis om vi har pukter och derivata i e av dessa pukter och vi ska lägre fram se på Taylorpolyom där vi har e pukt och derivator i dea pukt, se exempel 7... Några käda iterpolatiosmetoder. Vi ska se på fyra käda metoder och börjar med Newtos iterpolatiosformel. För oss är de särskilt itressat eftersom de tar häsy till differeser i e talföljd och vi får aledig att återkomma till de lägre fram. Beskrivig. Newtos iterpolatiosformel. Givet + pukter som vi beteckar f(x 0 ),..., f(x ). Fi polyom p(x) som iterpolerar dessa. Newtos iterpolatiosformel ger då p(x) = f(x 0 ) + (x 0, x )(x x 0 ) + (x 0, x, x )(x x 0 )(x x )+ + + (x 0, x,..., x )(x x 0 )(x x ) (x x ) där de dividerade differese k (x 0, x,..., x k ) defiieras rekursivt eligt { (x 0, x ) = f(x ) f(x 0 ) x x 0 k (x 0, x,..., x k ) = k (x,x,...,x k ) k (x 0,x,...,x k ) x k x 0 k. Exempel. Aväd Newtos iterpolatiosformel för att fia polyom p(x) som iterpolerar puktera f() = 3, f(3) = 3, f(4) = 4. Lösig: Vi har 3 pukter och asätter då ett adragradspolyom. p(x) = f(x 0 ) + (x 0, x )(x x 0 ) + (x 0, x, x )(x x 0 )(x x ) = = (x ) (x )(x 3) = 4 = 3 + 5(x ) + (x )(x 3) = x 3x + 4 Alltså, p(x) = x 3x + 4.

7 6 TOMAS NILSON I kapitel 3 återkommer vi till Newtos iterpolatiosformel och visar de då för det specialfall som är itressat för oss och går u vidare med e iterpolatiosformel frå slutet av 700-talet. Beskrivig. Lagrage iterpolatiosformel. Givet pukter f(x 0 ),..., f(x ). Fi polyom p(x) som iterpolerar dessa. Lagrage iterpolatiosformel ger då att p(x) = f(x k )L k (x) där Lagragepolyome L k (x) fås ur L k (x) = k=0 j {0,,...,} j k x x j x k x j Exempel 3. Aväd Lagrageterpolatiosformel för att fia polyom p(x) som ger pukter f() =, f() = 5, f(3) = 7, f(4) = 43. Lösig: Vi har 4 pukter som vi sätter i iterpolatiosformel. p(x) = 3 k=0 (x )(x 3)(x 4) )(x 3)(x 4) f(x k )L k (x) = + 5(x ( )( 3)( 4) ( )( 3)( 4) + (x )(x )(x 4) )(x )(x 3) (x (3 )(3 )(3 4) (4 )(4 )(4 3) = = x3 9x + 6x 4 6 så vi har p(x) = x 3 x + 3x. + 5 x3 8x + 9x + 7 x3 7x + 4x x3 6x + x 6 = x 3 x + 3x 6 Exempel 3 låter oss aa varför metode fugerar me vi vill visa att de + första Lagragepolyome verklige utgör e bas för P. Först formulerar vi ett lemma som säger att vid isättig av x k blir rätt Lagragepolyom meda de adra blir 0. Lemma.. Lagragepolyome L k uppfyller L k (x j ) = δ j k där δ j k är Kroeckers delta, d.v.s δ j k = { om j = k 0 aars.

8 DISKRET ANALYS 7 Bevis. Om j k så fis e faktor x x j i L k (x j ) så att L k (x j ) = 0 och om j = k får vi L k (x k ) = x k x j =. x k x j j {0,,...,} j k Seda formulerar vi ett lemma som säger att f och p överesstämmer i alla + pukter. Lemma.3. Låt p(x) vara polyomet som m.h.a Lagrage iterpolatiosformel iterpolerar datamägde f(x 0 ), f(x ),..., f(x ). Då gäller att p(x k ) = f(x k ) för k = 0,,...,. Bevis. Av Lemma. följer att p(x k ) = f(x j )L j (x k ) = j=0 f(x j )δ j k = f(x k). j=0 Propositio.4. Lagragepolyome {L 0, L,..., L } utgör e bas för P. Bevis. Vi vet att dim (P ) = + och det vi behöver visa är att {L 0, L,..., L } späer P. Tag godtyckligt polyom p P och + distikta pukter x k, k = 0,,...,. Av lemma.3 följer då att Lagrage iterpolatiosformel ger ett polyom q P som är e lijärkombiatio av L 0, L,..., L så att q(x k ) = p(x k ), k {0,,..., }. Av sats. följer då att p = q p.g.a etydighet. Beskrivig 3. Direkt iterpolatio. E metod där ma omgåede ka sätta upp ett ekvatiossystem och lösa ut ett iterpolerade polyoms koefficieter kallar vi direkt iterpolatio. Låt f vara polyom av grad, f(x) = k=0 a kx k. Atag att vi studerar f i + pukter, f(x 0 ), f(x ),..., f(x ). Vi får då ett ekvatiossystem med + ekvatioer och detta ka vi skriva på matrisform. f(x 0 ) x 0 x 0 x 0 0 a f(x ). = x x x 0 a f(x ) x x x 0 a 0 Vi beteckar matrisera i ekvatioe ova med v = Ac. Atag tills vidare att A är iverterbar, då ka vi bestämma koefficietera i f(x) geom c = A v.

9 8 TOMAS NILSON Exempel 4. Bestäm ett polyom p(x) som iterpolerar följade pukter, f() =, f() = 0, f(3) = 40, f(4) = 04. Givet 4 pukter asätter vi polyom av grad 3. Detta skriver vi på matrisform v = Ac och löser seda ut c = a 3 a a a 0 Vi får att p(x) = x 3 x 3x + 4. = a 3 a a a 0 = = = Vi har m.h.a obevisade sats. visat att Lagragepolyome utgör e bas för P. Vi ska u argumetera för att A:s iverterbarhet ger sats.. Amärkig. Påståedet i sats. ka uttryckas som följer. Låt p vara polyom i P. Då ger p e datamägd av + distikta pukter som iget aat polyom i P ger. Detta jämför vi med direkt iterpolatio där vi har v = Ac. Att A är iverterbar och att vi ka skriva c = A v implicerar då sats. eftersom detta betyder att polyomet p som beskrivs av c bestäms av datamägde som beskrivs av v. A:s iverterbarhet är u viktig för oss. Vi visar de för specialfall i observatio 6 me vill ädå argumetera för hur ma skulle kua visa de allmät. Vi gör detta geom att först se på ett exempel och seda alägga ett vidare perspektiv. Exempel 5. Visa att 4 4-matrise A vid direkt iterpolatio är iverterbar. Vi vill geom radoperatioer reducera A till idetitetsmatrise och börjar med att dra rad frå rad och frå rad 3. x 3 0 x 0 x 0 x 3 A = x 3 x 0 x 0 x 0 x x 3 x x x 3 x 3 0 x x 0 x x 0 0 x 3 x 3 3 x x 3 0 x x 0 x x 0 0 = 3 x 3 x 3 3 x 3 x 3 x 3 0 x 0 x 0 = (x x 0 )(x + x x 0 + x 0) (x x 0 )(x + x 0 ) x x 0 0 (x x 0 )(x + x x 0 + x 0) (x x 0 )(x + x 0 ) x x 0 0 x 3 3 x 3 x 3

10 DISKRET ANALYS 9 Dividera u rad med x x 0 och rad 3 med x x 0. Drag därefter rad frå rad 3, matrise får då följade utseede x 3 0 x 0 x 0 x + x x 0 + x 0 (x + x 0 ) 0 x x + x 0 (x x ) (x x ) 0 0 x 3 3 x 3 x 3 x 3 0 x 0 x 0 x + x x 0 + x 0 (x + x 0 ) 0 x + x + x x 3 3 x 3 x 3 Vi iser att vi ka reducera de fjärde rade så att de likar de tredje varvid vi får x 3 0 x 0 x 0 x 3 x + x x 0 + x 0 x 0 x 0 0 (x + x 0 ) 0 x + x + x x + x x 0 + x 0 (x + x 0 ) 0 x + x + x x 3 + x + x 0 0 x 3 x där de sista operatioe var att dra rad 3 frå rad 4. Eftersom x 3 x 0 är matrise triagulär med alla diagoalelemet 0 och därmed iverterbar. Varför skulle detta fugera allmät? Låt r j betecka rad j, j = 0,,...,. När vi drar e urspruglig rad r i frå r k ka vi alltid i varje ollskild positio lösa ut e faktor x k x i. Vi ser på e positio på rad r k. x k x i = (x k x i ) x j k x j i Dea rad delar vi med x k x i vilket ger att vi på e positio, de som var av grad kommer att få. I ästa steg har vi två sådaa uttryck där x i är gemesam. Vi drar de ea rade frå de adra och får i vår positio j=0 x j k x j i j=0 x j m j=0 x j i = j=0 x j i ( x j k ) xm j. Vi ser att x k x m delar detta och får då efter divisio e positio att bli. Så här fortsätter ma tills diagoalelemete alla är och matrise är triagulär och då iverterbar. Observera att detta bara är e atyda om hur ma skulle kua visa A:s iverterbarhet mekaiskt evetuellt m.h.a iduktio och ite ågot bevisförsök. Att A är allmät iverterbar och då att sats. gäller får vi tro på och det specialfall vi behöver för ega resultat visar vi i kapitel 3. I exempel 4 har vi ite redovisat beräkigar för att ivertera matrise. För stora matriser ka det arbetet bli omfattade varför metode lämpar sig bäst då matrise ka återavädas. A verkar för övrigt bekat. När ma ser ärmare

11 0 TOMAS NILSON efter verkar de överesstämma med Lagragepolyome för grad 3, se exempel 3. Ma ka fråga sig om detta gäller allmät för grad och svaret är ja. Observatio. Lagrageiterpolatio och direkt iterpolatio är i grude samma sak. Atag att vi har datamägd f(x 0 ), f(x ),..., f(x ) och låt p vara polyom av högst grad som iterpolerar dea. Vi iför då beteckigar på matriser. f(x 0 ) f(x ) v =. f(x ) L = [ L 0 L... L ] c = a a. a 0 s = [ x x... ] x 0 x 0 x 0 0 x A = x x x x x 0 Vi ka bestämma polyom p med Lagrage iterpolatiosformel. () Lv = p Vi vet också att sc = p och att Ac = v. Detta sätter vi i i ekvatio () och får LAc = sc. Då detta gäller för alla c så har vi LA = s. Eftersom L och s båda är baser för P har vi att A är e basbytesmatris. Så L = sa och vi ser att överesstämmelse är allmä. I de iterpolatiosmetoder vi betraktat så här lågt har datamägde utgjorts av + distikta pukter. Som vi tidigare ämt ka ma byta ut pukter mot t.ex derivator i e pukt och vi skulle kua ställas iför följade iterpolatiosproblem. Exempel 6. Givet f() = 3, f () =, f () = 4. Fis det ågo fuktio p som iterpolerar dea datamägd? Ja, p(x) = x 3x + 4 iterpolerar.

12 DISKRET ANALYS Vi ska u se på Taylorpolyom som just tar had om datamägde e pukt och derivator i dea pukt. Beskrivig 4. Taylorpolyom. Atag att vi käer ett fuktiosvärde f(x 0 ) samt alla f (j) (x 0 ), j och att dessa derivator alla är kotiuerliga på ett öppet itervall I som iehåller x 0. Då ka vi approximera f på I med :te Taylorpolyomet T f(x) T (x) = f(x 0 )+f (x 0 )(x x 0 )+ f (x 0 ) (x x 0 ) + + f () (x 0 ) (x x 0 ).!! Detta vilar på Taylors sats som också ger oss möjlighet att uppskatta felet i approximatioe. Sats.5. Taylors sats. Låt N, låt I := [a, b] och låt f : I R vara såda att f, f,..., f () är kotiuerliga på I och f (+) existerar på ]a, b[. Om x 0 I då fis det för varje x på I e pukt c mella x och x 0 så att f(x) = f(x 0 ) + f (x 0 )(x x 0 ) + f (x 0 ) (x x 0 ) +! + + f () (x 0 ) (x x 0 ) + f (+) (c)! ( + )! (x x 0) +. Amärkig 3. Låt T betecka :te Taylorpolyomet för f i x 0. Då ka vi skriva där R (x) ges av f(x) = T (x) + R (x) R (x) := f (+) (c) ( + )! (x x 0) + för ågo pukt c mella x och x 0. R ka då avädas för att uppskatta felet i e approximatio. Just dea form av R kallas Lagragerest. Taylors sats är välkäd och visas i så gott som alla aalysböcker varför vi utelämar beviset här. När ma aväder Taylorpolyom T får ma e approximatio av fuktio f ära e pukt. Ma ka se det som att grafera för f och T ära og sammafaller i ärhete av dea pukt. För t.ex Lagrageiterpolatio har vi i stället att vissa pukter är lika meda grafera aldrig behöver lika varadra. Vi ska se på ett exempel som belyser detta. Exempel 7. Bestäm Taylorpolyom T 3 rut x = för datamägde f() =, f () = 4, f () = 4, f (3) () = 30. T 3 (x) = f() + f ()(x ) + f () (x ) + f (3) () (x ) 3 =! 3! = 4(x ) + 4! (x ) 30 6! (x )3 = 5x 3 + 7x 43x +.

13 TOMAS NILSON Atag vidare att f(x) = x 4 9x x 47x + 3, f uppfyller datamägde. Grafera för T 3 och f kommer att ligga ära varadra rut x = me för övrigt behöver de ite lika varadra, t.ex har vi att f(5) = 3 meda T 3 (5) = 43. Betrakta u talföljd som f ger, f() =, f() = 5, f(3) = 7, f(4) = 43. Dea talföljd har vi tidigare iterpolerat m.h.a Lagrage iterpolatiosformel och fick då p(x) = x 3 x + 3x. Som syes är p och T 3 olika, de har ite samma uppgift. Ma ka tillägga att om vi haft tillgåg till e pukt till ur talföljde f för att bestämma p och e derivata till för att bestämma T så hade vi fått att f = p = T eftersom f är ett fjärdegradspolyom. Amärkig 4. Eftersom Taylorpolyom ofta aväds för att approximera ka det vara lätt att röra ihop begreppe. I exempel 6 var det helt klart att vi iterpolerade e datamägd. Detsamma gjorde vi i exempel 7 me här jämförde vi med Lagrageiterpolatio varför vi uderströk de approximativa aspekte. 3. Polyoma talföljder och differespolyom Frå kapitel vet vi att givet + pukter ka vi bestämma etydigt polyom i P som iterpolerar och vi har seda läge metoder för att klara detta. E datamägd ka alltså i viss meig represetera ett polyom och tvärtom. Vi ska u studera dea korrespodes geom att se på talföljder och differestalföljder som i si tur ka represeteras av polyom. På så sätt får vi e struktur vi ka kartlägga och seda aväda för att t.ex se på egeskaper hos polyom. I itroduktioe såg vi på e talföljd med differeser Vi aväder kapitel 3. till att defiiera sådaa följder och polyom samt att udersöka vad de kostata rade betyder. De kommer att ge oss lite fast mark på vilke vi ka bygga vidare. I kapitel 3.3 samlar vi egeskaper och utvecklar metoder för att räka med elemete i tabelle. För att få ytterligare fäste fixerar vi i kapitel 3.4 e diagoal i tabelle och till sist udersöker vi i kapitel 3.6 hur dessa differeser är relaterade till derivata. Eftersom detta kapitel i si helhet till stor del hadlar om kartläggig består det av e bladig av mer eller midre triviala resultat. Tillsammas blir de måga och kapitlet lågt varför det ite är ämat att sträckläsas. 3.. Grudläggade defiitioer och resultat. För att åskådliggöra talföljder och differeser kommer vi att aväda differestabeller. Låt oss se på e såda ia vi defiierar iehållet. Exempel 8. Låt f() =, f() = 3, f(3) = 9, f(4) = 9, f(5) = 33. Vi vill ha med alla pukter (x k, f(x k )), k =,,..., 5, samt differeser av dessa värde f(x k ) varför vi gör e differestabell.

14 x = f(x) = d f = d f = DISKRET ANALYS 3 Talföljde börjar då x =. Vi får värde av f då x =,,..., 5 och säger då att vi har steglägd. Vidare ager vi differesrad med d f och d f, dessa följder kommer också att ges av polyom. Dea tabell iehåller elemet ur R me lägre fram ska vi också aväda tabell för elemet ur R[x]. Defiitio 3.. Låt p vara polyom. De polyoma talföljde parametrar (b, s, m) där b R, s R +, m Z + { } är sekvese till p med (p(b + js)) m j=0. Exempel 9. Vi skriver ut de polyoma talföljde som ges av p(x) = x 3x + 5 med parametrar (b, s, m) = (4,, 3). x = p(x) = Amärkig 5. I dea uppsats låter vi steglägde s = och begyelse b Z och resultate är formulerade för dessa förutsättigar. Observera dock att ma alltid ka trasformera frå det allmäa fallet till vårt specialfall. Hur ma gör detta ser vi på i amärkig 9. Amärkig 6. Iblad kommer vi att skriva talföljd med kostat steglägd. Detta är för att markera att följde ite behöver ges av ett polyom. Då vi har + pukter och bara betraktar polyom i P är detta ädå samma sak. Defiitio 3.. Låt p vara polyom. Differespolyom d p i { d p i (x) = p(x), i = 0 d p i (x + ) dp i (x), i Z + ges då rekursivt av Amärkig 7. Operator d är lijär, d.v.s för två polyom p och f gäller att d p+f = d p + d f och äve att d cf = cd f där c är e kostat. Exempel 0. Bestäm differespolyome d p och d p till p(x) = x. Vi gör först e differestabell med parametrar (b, s, m) = (,, 4) för att åskådliggöra. x = p(x) = d p = d p =

15 4 TOMAS NILSON Seda beräkar vi { d p (x) = p(x + ) p(x) = (x + ) x = x + d p (x) = d p (x + ) d p (x) = (x + ) + (x + ) = och ka i tabelle kotrollera att d p (x) = x + ger de första differesföljde samt att d p (x) = ger de adra. De första iakttagelse rörade polyoma talföljder i itroduktioe gav upphov till ågra frågor. Har alla polyoma talföljder e differesrad som är kostat? Vilke kostat är det i så fall och på vilke rad ifier de sig? Lemma 3.. Låt p vara polyom av grad med högstagradsterm a x. Då är d p ett polyom av grad med högstagradsterm a x. Bevis. Låt p vara polyom med p(x) = j=0 a jx j, då har vi att d p (x) = p(x + ) p(x) = = a ((x + ) x ) + a ((x + ) x ) + + a 0 a 0 = (( ) ( ) ( ) = a x + x + + )x 0 + (( ) ( ) + a x + + )x a 0 a 0 = a x + R där R består av alla termer av grad och lägre. Sats 3.. Låt p vara polyom av grad. Då gäller att d p är kostat d p = p () Bevis. Låt p vara polyom av grad. Vi aväder lemma 3. rekursivt. Då är d p polyom av grad 0, d.v.s kostat med d p =!a = p (). Följd 3.3. Låt p vara polyom av grad. Om i > så gäller att d p i = 0. Observatio. Vi ser att för polyom p av grad ka vi m.h.a sats 3. bestämma högstagradskoefficiete a geom a = d!. Defiitio 3.3. Atag att vi har talföljd med kostat steglägd. Med kostat differes d 0 meas då att alla k käda tal på differesivå är lika och ollskilda. Observera att k ka vara. Exempel. Bestäm högstagradsterme i ågot polyom p som iterpolerar fuktiosvärde i följade tabell. x= f(x)=

16 DISKRET ANALYS 5 Vi har 8 pukter och vill helst ite aväda Lagrage eller Newtos iterpolatiosformler då vi i så fall måste asätta polyom av grad 7. Take på att ivertera e 8 8 matris för att aväda direkt iterpolatio är heller ite så lockade. Vi gör istället e differestabell. x= f(x) = d = d = d 3 = Vi ser att vi får kostat differes d = d 3 =. Sats 3. ger då att vi ka iterpolera med ett tredjegradspolyom vars högsta term har koefficiet a = d! = =. Högstagradterme i p(x) är x 3. 3! Atag att vi vill bestämma hela p(x) i exempel. Ma ka då bilda y talföljd f(x) x 3 som blir av grad och aväda sats 3. ige för att bestämma a. På detta sätt ka ma fortsätta tills ma bestämt hela p(x) = x 3 5x +x+3. Reda sats 3. ger alltså e algoritm som vi trots att de är primitiv sammafattar i puktform. Beskrivig 5. E ekel me lite arbetskrävade iterpolatiosalgoritm. Atag att vi har talföljd f(), f(),..., f(m), m Z + och söker polyom p(x) som iterpolerar dea. ) Gör differestabell och bestäm kostat differes d 0. ) Polyomets grad ges av och högstagradsterm a = d.! 3) Skapa y talföljd give av f (x) = f(x) a x. 4) Aväd steg, och 3 på f och bestäm a. 5) Bilda f (x) = f(x) (a x + a x ) för att bestämma a 6) Upprepa förfaradet tills a 0 och därmed p är bestämd. Vi såg i exempel att där kude vi iterpolera med ett tredjegradspolyom p(x). Detta p(x) är etydigt bestämt upp till grad 3 me det fis aturligtvis polyom av högre grad som går geom dessa pukter. Ma ka fråga sig om det t.ex fis sådaa polyom av grad 5 eller 6? Svaret är ej vilket uttrycks i sats 3.6 me ia vi ser på de formulerar vi två hjälpsatser. Lemma 3.4. Atag att vi har talföljd med kostat steglägd och att differesrad d i ite är kostat, då ka ma ite iterpolera talföljde med polyom av grad i. Bevis. Atag att differesrad d i ite är kostat, d.v.s det fis d i (x) d i (y). Med hjälp av sats 3. ka vi beräka högstagradskoefficiet me d i(x) d i(y) i! i! vilket ger att vi ite får etydigt polyom som iterpolerar hela talföljde. Exempel. Betrakta följade differestabell, går det att iterpolera talföljd f med adragradspolyom?

17 6 TOMAS NILSON x = 3 4 f(x) = d = d = 3 Vi har ite kostat differes d och ka då ite iterpolera hela talföljde f med adragradspolyom. Mot 3 pukter svarar etydigt polyom i P och vi vet att p(x) = x ger de tre första tale, 4, 9. Me p(4) = 6 7 så p kommer ite att iterpolera hela talföljde. Ma ka säga att vi utgick frå d () = är vi bestämde p. Om vi hade utgått frå d () = 3 hade vi kuat iterpolera 4, 9, 7 med adragradspolyom q(x) = 3 x 5 x + 3 me q() =. Lemma 3.5. Atag att vi har talföljd med kostat steglägd och att differesrad d j är kostat 0, då ka ma ite iterpolera talföljde med polyom av grad j. Bevis. Atag att vi vill iterpolera med polyom av grad j. Vi beräkar högstagradskoefficiet eligt sats 3., a j = d j j!. Om u d j är kostat 0 får vi a j = 0. Sats 3.6. Atag att vi har talföljd med kostat steglägd beståede av m tal och att vi har kostat differes d 0. Då gäller att det etydiga polyom i P m som iterpolerar är precis av grad. Bevis. Atag att vi har talföljd med kostat steglägd beståede av m tal och att vi har kostat differes d 0. Då är alla d, d,... d 0 ickekostata och det följer av Lemma 3.4 att ma ite ka iterpolera med polyom av dessa grader. Vidare har vi att d +, d +,..., d m alla är kostat 0. Av Lemma 3.5 följer då att ma heller ite ka iterpolera med polyom av dessa grader. Eftersom vi vet att ma ka iterpolera m pukter med polyom p P m måste då p vara av precis grad. Observatio 3. Om vi har kostat differes d 0 i k tal ka vi ite iterpolera med polyom av grad +, +,..., +k. I exempel kude vi iterpolera med polyom av grad 3. Nästa möjliga grad är Några speciella följder. Vi studerar polyoma talföljder och då ka det vara på si plats att som kotrast se på ågra talföljder som ite riktigt passar i i möstret. Exempel 3. Atag att vi har talföljd eligt differestabell och att f ite är ollpolyomet. x= 3 f(x)= d (x) = 0 0 d (x) = 0 Vi har ite kostat differes d 0 me vet att vi ka iterpolera med p(x) = (x )(x )(x 3). Problemet är att vi har pukter till polyom av

18 DISKRET ANALYS 7 grad och p är då ite etydigt bestämt. p(x) = (x )(x )(x 3) fugerar lika bra. Låt oss se på ågra differestabeller där talföljde ite ges av ett polyom. Exempel 4. Betrakta börja av differestabelle till följde ( ) =. Som vi ser går talföjde ige på varje rad och vi får för de oädliga följde aldrig kostat differes. x = y(x) = För att läsare ite ska leva i villfarelse att expoetiella uttryck ger triviala differestabeller ser vi också på g(x) = 3 x x. x = g(x) = Här får vi ågot lite mer svåröverskådligt. Metoder för att lista ut vad för ett uttryck som ger dea talföljd ligger utaför uppsatses ram me de som är itresserad ka studera väster diagoal i exemple ova. Observera att ma alltid ka iterpolera e ädlig delföljd me det fis ite polyom som iterpolerar dessa följder i si helhet. Exempel 5. Fiboaccis talföljd F ges rekursivt av { F 0 = F = F = F + = F + + F = 0,,... Låt oss betrakta börja av talföljde F i differestabell. = F= Talföljde kommer ige på varje rad och fis också i diagoaler. Här ka ma säkert hitta måga egeskaper hos Fiboaccitale me vi öjer oss med att kostatera att vi aldrig får kostat differes om vi tar med tillräckligt måga tal i F.

19 8 TOMAS NILSON 3.3. Mer frå differestabeller. Visserlige är differestabeller bara ett visuellt stöd me de låter oss aa måga egeskaper hos polyom och deras differeser. Vi ska u udersöka ågra av dessa egeskaper och äve om e del iakttagelser är triviala ka de vara avädbara. Först ska vi se hur ma utifrå e polyom talföljd give av p ka beräka valfri positio i differestabelle. Vi vet t.ex att d (3) = p(4) p(3) me hur beräkar ma d 7 ()? Sats 3.7. Låt p vara polyom. Då gäller i ( ) i d p i (x) = ( ) k p(x + i k) i N. k k=0 Bevis. Vi gör ett iduktiosbevis. Låt p vara polyom. Satse ger d p 0(x) = p(x) vilket stämmer med defiitioe av differespolyom. Atag att satse är sa för i, vi ska då visa att de gäller för i +. Eligt defiitio har vi d i+ (x) = d i (x + ) d i (x) vilket eligt iduktiosatagadet blir i ( ) i i ( ) i d i+ (x) = ( ) k p((x + ) + i k) ( ) k p(x + i k) = k k k=0 k=0 i ( ) i i+ ( ) i = ( ) k p(x + (i + ) k) ( ) k p(x + i (k )) = k k k=0 k= i ( ) i i+ ( ) i = ( ) k p(x + (i + ) k) ( ) k p(x + (i + ) k) = k k k=0 k= ( ) i i (( ) ( )) ( ) i i i p(x+i+)+ ( ) k + p(x+(i+) k)+( ) i+ p(x) 0 k k i k= ( ) i + i ( ) ( ) i + i + = p(x+i+)+ ( ) k p(x+(i+) k)+( ) i+ p(x) = 0 k i + k= i+ ( ) i + = ( ) k p(x + (i + ) k) k Vi har visat att om satse gäller för i så gäller de för i+. Av iduktiosaxiomet följer då att satse är sa för alla ickeegativa heltal i. Exempel 6. Vi har här e differestabell för f(x) = x 4 x Bestäm d 3 (). x = f(x) = d = d =..... d 3 =. d 3 ().. k=0

20 Sats 3.7 ger ( ) 3 d 3 () = f( + 3) 0 DISKRET ANALYS 9 ( ) 3 f( + ) + ( ) 3 f( + ) Observatio 4. För positivt heltal gäller ( ) ( ) k (x + k) =! k k=0 ( ) 3 f() = 3 = = 7. Varför? Sätt i sats 3.7 p(x) = x och i =. Då får vi d =!a =!. Notera också att vi får -fakultet oberoede av x. Exempel 7. Låt f(x) = x. Då säger Obs 4 ( ) ( ) ( ) x (x ) + (x ) = 0 = 3 + = = π (π ) + (π ) =! Observatio 5. Låt p vara polyom av grad och låt m vara heltal med m. Då gäller +m ( ) + m ( ) k p(x + + m k) = 0. k k=0 Varför detta är sat ser ma om ma kombierar följd 3.3 och sats 3.7, d.v.s om vi tar till altererade biomialkoefficieter av högre ordig ä polyomets grad hamar vi i differespolyom uder d och de är alla 0. Notera att detta är oberoede av x. Vi har e sak frå kapitel som vi ite tagit itu med ä och det är att mer hadgripligt visa att matrise A vid direkt iterpolatio är iverterbar. Med hjälp av efterföljade observatioer till sats 3.7 ka vi visa det specialfall som itresserar oss. Observatio 6. Låt x 0, x,..., x i A vara växade följd med steglägd. Vi ska då visa att A är iverterbar geom att visa att A ka reduceras till idetitetsmatrise. Vi låter r i betecka rad i. x 0 x 0 x 0 0 x A = x x x x x 0 ) Gör radoperatioer till r eligt följade. Addera j= ( )j( j) r j till r. Då ger observatio 4 att ma i positio (, ) får!. De övriga positioera på

21 0 TOMAS NILSON de rade kommer eligt observatio 5 att bli 0 och matrise har då följade utseede. x 0 x 0 x 0 0 x x x ! 0 0 ) Reducera! till och reducera seda alla adra positioer i första kolume till 0. 3) Addera u j= ( )j( ) r j till r j. Då får vi p.s.s att positio (, ) är ( )! och de övriga på r är alla 0. Fortsätt på detta sätt och vi kommer att få e matris som är 0 i alla positioer utom diagoalelemete som är. Alltså är A iverterbar. Amärkig 8. Notera att det bara krävs att följde x 0,..., x har e kostat steglägd s. T.ex i positio (, ) får vi s! istället för! me A är likafullt iverterbar. Vi går vidare och ser på ytterligare kosekveser av sats 3.7. Observatio 5 säger att vi har ekvatio som gäller för alla polyom av grad oberoede av x och det ger oss e viktig egeskap hos polyom. Observatio 7. Låt p vara polyom av grad. Då ka p:s fuktiosvärde uttryckas rekursivt med + ( ) + p(x + + ) = ( ) k+ p(x + + k). k k= Varför? Låt p vara polyom av grad. Sätt m = i Observatio 5. Då får vi + ( ) + ( ) k p(x + + k) = 0 k k=0 + ( ) + p(x + + ) = ( ) k+ p(x + + k). k Om vi har talföljd give av polyom av grad, då ka vi extrapolera med hjälp av rekursiosformel uta att först bestämma polyomets koefficieter. Exempel 8. Atag att vi ser e ste falla frå ett högt tor. Vi råkar otera dess avverkade sträcka vid olika tidpukter i e tabell. tid i sekuder t= 3 4 sträcka i meter f(t)= 7 4 5? Nu vill vi gära beräka hur lågt stee fallit efter 4 sekuder. Tyvärr är våra k=

22 DISKRET ANALYS fysikkuskaper lite rostiga, det eda vi mis är att detta beskrivs med e adragradsekvatio. Adragradsekvatio!!!, då har vi obs 7 och aväder biomialkoefficieter av ordig 3. f(4) = ( 3 ) 5 Stee har fallit 88m efter 4s. ( ) ( ) 3 7 = = 88 3 Samma rekursiva metod skulle kua avädas för att extrapolera åt adra hållet me differespolyome ger oss ett alterativ. Propositio 3.8. Låt p vara polyom av grad. Då gäller p(x ) = ( ) i d p i (x). Bevis. Vi beräkar p(x ) geom defiitioe av differespolyom. p(x ) = p(x) d (x ) = p(x) (d (x) d (x )) = i=0 = p(x) d (x)+(d (x) d 3 (x )) = p(x) d (x)+d (x) (d 3 (x) d 4 (x )) = = p(x) d (x) + d (x) d 3 (x) + + ( ) (d (x) d (x )) = = ( ) i d p i (x) eftersom d (x ) = d (x). Med hjälp av propositio 3.8 ka vi lätt bestämma e av polyomets koefficieter ur differestabelle. Följd 3.9. Låt p vara polyom av grad och p(x) = j=0 a jx j. Då gäller a 0 = ( ) i d p i (). Varför? Sätt x = i propositio 3.8 och vi får p(0) = a 0. i=0 Exempel 9. Låt p(x) vara det polyom av lägst möjliga grad som iterpolerar talföljd f i tabelle. Bestäm koefficiete a 0 i p(x). x = f(x) = d = d = d 3 = d 4 = 4 i=0

23 TOMAS NILSON Vi har kostat differes i d 4 vilket ger att p är ett fjärdegradspolyom. Följd 3.9 ger då a 0 = = 5. Observera att vi ka ata att d 5 0 och iterpolera talföljde med ett femtegradspolyom. Då får vi e kostat term b 0 = 5 d 5. Propositio 3.0. Låt p vara polyom av grad. Då gäller p(x + ) = d p i (x i). Bevis. Vi argumeterar rekursivt utifrå defiitioe av differespolyom. p(x + ) = p(x) + d (x) = p(x) + d (x ) + d (x ) = p(x) + d (x ) + d (x ) + d 3 (x ) = p(x) + d (x ) + d (x ) + d 3 (x 3) + d 4 (x 3). i=0 Eftersom det allmät gäller att d i (x k + ) = d i (x k) + d i+ (x k) och speciellt att d (x ) = d (x + ) så är vi klara. Exempel 0. Låt f(x) = x 3 4x + 5 vilket ger följade differestabell. x = f(x) = Propositio 3.0 säger då t.ex att = 97. Följd 3.. Låt p vara polyom av grad och k Z +. Då gäller k p(x + k) = p(x) + d p i (x + j i) och vi har också j=0 p(x + k) = p(x) + i= k m=0 d p (x + m). Bevis. Propositio 3.0 applicerad på d p ger direkt att k k d p i (x + j i) = d p (x + m) j=0 i= så vi behöver bara visa det adra påståedet i följd 3. vilket vi gör med iduktio över k. 0 p(x) + d p (x + m) = p(x) + d p (x) = p(x + ) m=0 m=0

24 DISKRET ANALYS 3 så basfallet stämmer. Atag u att påståedet gäller för ågot positivt heltal k. Vi ska då visa att det gäller för k +. k p(x + k + ) = p(x + k) + d p (x + k) el.at = p(x) + m=0 d p (x + m) + d p (x + k) = = p(x) + k d p (x + m) Vi har visat att det då gäller för k+. Av iduktiosaxiomet följer då att påståedet är sat för alla positiva heltal k. Vi återaväder exempel 0 för att åskådliggöra följd 3.. m=0 Exempel. Det första påståedet: Låt x = 4, k = 3, då säger följd 3. att p(7) = 30 är summa av de adra fetmarkerade tale. x = f(x) = Det adra påståedet: Låt x =, k = 5. Då får vi p(7) = 30 är summa av de adra fetmarkerade tale. x = f(x) = Iblad betraktar vi differestabeller med elemet ur R[x]. Speciellt kommer det till avädig i kapitel 4 me take är bra att ha med sig varför vi itroducerar de u. Vi ka age e talföljd med f(x), f(x + ),..., f(x + m). Atag u att vi ite evaluerar uta bestämmer varje sådat polyom liksom differespolyom i varje positio i e differestabell. Exempel. Låt oss se på tabell geererad av f(x) = x. x (x + ) (x + ) x + (x + ) + Vi ka räka med dessa elemet, t.ex ger sats 3.7 att (x+) (x+) +x = och om vi evaluerar hela dea tabell då x = får vi de valiga talföljdera

25 4 TOMAS NILSON Vi fixerar e differesdiagoal. Vi kude m.h.a sats 3. lätt bestämma koefficiete a tack vare att d är kostat och ite beror av x. För att komma vidare fixerar vi x = vilket ger oss e fast differesdiagoal d j (). x = 3 4 f(x) = d 0 () f() f(3) f(4) d () d () d 3 () Utifrå dea differesdiagoal vill vi beräka godtycklig d i (k) då k. Vi vet t.ex att d i () + d i+ () = d i (). Följade sats geeraliserar detta. Sats 3.. Låt p vara polyom av grad och i, k heltal med 0 i, k. Då gäller k+i d p i (k) = ( ) k d p j (). j i j=i Bevis. Här har vi två argumet. I e differestabell ager i rad och k diagoal. Vi håller först k fixt och visar för i. Låt 0 i och k =. Då i ( ) 0 d j () = d i () j i j=i så påståedet stämmer för alla i med fixt k =. Vi gör u iduktiosbevis över k. Basfallet då k = har vi visat. Atag u att påståedet stämmer för ågot d p i (k) där 0 i, k. Vi ska visa att det då stämmer för dp i (k + ). k+i d p i (k+) = ( ) dp i (k)+dp el.at. k i+ (k) = d p j () j i k+i = d p i () + j=i+ k+i = d p i () + d p j () ( k j i j=i+ j=i ) + d p j () (( k j i k+i = d p i () + j=i+ k+i j=i+ ) + + k+i j=i+ d p j () ( k j i ( ) k d p j () = j i ) + d p k+i () = ( )) k + d p k+i j i () = ( ) k+i k d p j () + d pk+i j i () = j=i ( ) k d p j () j i Vi har visat att påståedet i så fall stämmer för p(k + ). Av iduktiosaxiomet följer då att satse gäller för alla heltal i, k där 0 i, k.

26 DISKRET ANALYS 5 Exempel 3. Beräka d (4) m.h.a sats 3.. x = f(x) = d = d = d 3 = d 4 = Sats 3. ger att d (4) = 4 j= ( ) 3 d j () = = 48. j Observera att vi m.h.a sats 3. ka beräka för kät polyom f alla f(k) för heltal k. För ett iterpolerade polyom p får vi säga att vi extrapolerar. Vi tar ett trivialt exempel för att klargöra detta. Exempel 4. Låt f(x) = x. Beräka f(6). Vi gör e differestabell. Observera att vi går djupare ä vi behöver bara för att göra detta tydligt. x = f(x) = 4 9? d = 3 5 d = d 3 = 0 d 4 = 0 d 5 = 0 Sats 3. ger då f(6) = 5 ( ) ( ) ( ) ( ) ( ) ( ) ( ) d j () = = j j=0 Vi kude alltså direkt ha skrivit f(6) = j=0 d j() ( 5 j). = = 36. Detta ger oss ett sätt att direkt skriva ett uttryck för ett iterpolerade polyom. I kapitel såg vi på Newtos iterpolatiosformel. De passar utmärkt att apassa till vår miljö av differespolyom. Defiitio 3.4. Newtopolyom η i ges av i x l η i (x) =. l Observera att η 0 =. l=

27 6 TOMAS NILSON Sats 3.3. Låt p vara polyom av grad. Då ka vi ka skriva p som e lijärkombiatio av Newtopolyom. p = d i ()η i. i=0 Bevis. Atag att q(x) = i=0 d i()η i. Då räcker det att visa att q() = p(), q() = p(),... q( + ) = p( + ). Detta visar vi med iduktio över argumetet. q() = d i ()η i = d 0 ()η = p() i=0 så basfallet stämmer. Atag att påståedet stämmer för k. Då har vi (k )(k ) p(k) = p() + d (k ) + d () ( ( k k p() + ) d () + ) d () + (k )! + + d k () ) ( k k (k )! + 0 = d k () = k ( k = d i () i Vi ska visa att påståedet i så fall gäller för k +. Observera att sats 3. ger att d (k) = k i= d i() ( k i ). k ( ) p(k + ) = p(k) + d (k) el.at. k k ( ) k = d i () + d i () = i i i=0 i= ( ) k k ( ) k k ( ) ( ) k k = d 0 () + d i () + d i () + d k () = 0 i i k i= i= ( ) k k (( ) ( )) ( ) k k k = d 0 () + d i () + + d k () = 0 i i k i= k ( ) k = d i (). i Speciellt har vi att p( + ) = ( ) d i (). i i=0 Av iduktiosaxiomet följer då att q = p i de + puktera och p är bestämt. Följd 3.4. Newtopolyome η i, 0 i är e bas för P. i=0 i=0 ).

28 DISKRET ANALYS 7 Exempel 5. Bestäm polyom p som iterpolerar talföljd f i differestabelle. x = f(x) = d = 8 4 d = 6 6 Vi ser att vi ka iterpolera med adragradspolyom. Sats 3.3 ger då (x )(x ) p(x) = p() + d ()(x ) + d () = (x )(x ) = 7 + (x ) + 6 = 3x + 3x +. I exempel 5 börjar talföljde då x = och vi har också att steglägde är. Ma ka säga att sats 3.3 liksom flera adra resultat här är apassade till detta specialfall. Vi ska u visa att dessa resultat i grude är allmäa. Amärkig 9. När vi har e talföljd som börjar då x, d.v.s b och/eller steglägd s bestämmer vi först ett polyom q som om b =, s =, d.v.s uta att ta häsy till dessa avvikelser. Seda trasformerar vi q till ett polyom p så att q() = p(b), q() = p(b + s), q(3) = p(b + s) osv. Detta gör vi m.h.a fuktioe ϕ som uppfyller ϕ() = b ϕ() = b + s ϕ(3) = b + s. och vi ser att ϕ(k) = b + (k )s. Med hjälp av ϕ ka vi då trasformera frå p till q geom q = p ϕ. Eftersom ϕ är iverterbar ka vi också trasformera frå q till p där ϕ (k) = k b+s s. p = q ϕ Exempel 6. Bestäm polyom p(x) som iterpolerar talföljd f i differestabell m.h.a sats 3.3. x = f(x) = d = 6 4 d = 6 Vi ser att b = 3 och s = me aväder först sats 3.3 precis som valigt för att bestämma polyom q(x). Vi skriver t.o.m d q i () istället för dp i (3) för att

29 8 TOMAS NILSON markera detta. q(x) = d q i ()η (x )(x ) i = 0 + 6(x ) + 6 = i=0 = 0 + 6x 6 + 8x 4x + 6 = 8x + x. Seda trasformerar vi q till p m.h.a ϕ. ( ) ( ) ( ) ( ) x b + s x x x p = q ϕ = q = q = 8 + = s och vi har vårt p(x) = x 3x +. = (x x + ) + x = x 3x Diagoale som lijärkombiatio. Vi återupptar u våra studier av de fixerade differesdiagoale och ett mål är att kua lösa ut adra koefficieter ä a. Vi vet att gradtalet faller för varje differesivå. Edast a har överlevt till d och d iehåller bara a och a. Om vi u ka skriva d () som e lijärkombiatio av a och a med aturliga tal, d.v.s ekelt uttryckt säga hur måga a respektive a det fis i d så ka vi också bestämma a. Vi formulerar e allmä sats för detta. Sats 3.5. Låt p vara polyom, p(x) = j=0 a jx j. Då ka vi skriva differes d p i () som e lijärkombiatio av p:s koefficieter eligt d p i () = A i ka k där A i k ges av A i k = k=i i ( ) i ( ) m (i + m) k. m m=0 Bevis. Låt p vara polyom av grad med p(x) = j=0 a jx j. Vi delar upp p i + delar så att p(x) = p (x) + p (x) + + p 0 (x) där p k (x) = a k x k 0 k Betrakta u d p k i (). Sats 3.7 ger i ( ) d p k i i () = ( ) m (i + m) k a k. m m=0 Observatio 5 ger att detta blir 0 om i > k. Alltså får vi bara värde då i k och vi ka skriva d p i () = dp i () + d p i () + + d p i i ()

30 Sätt u och vi får DISKRET ANALYS 9 i ( ) i ( ) m (i + m) k = A i k m m=0 d p i () = A i ka k. k=i Med hjälp av sats 3.5 ka vi alltså skriva ett d p i () som e lijärkombiatio av p:s koefficieter vilket då ka avädas till att bestämma dessa. Det är detta vi täker på då vi ekelt uttryckt t.ex säger att det fis 60 a 4 i d 3 (). Amärkig 0. Observera att e lijärkombiatio ite måste vara etydig. Det eda vi vet är att vi ka skriva de på det här sättet. Exempel 7. Bestäm a och a i polyom p som iterpolerar talföljd f i differestabell och har lägsta möjliga grad. x = f(x) = d d 6 8 d Vi har kostat differes d = d 3 = 6 och ka m.h.a sats 3. direkt beräka a = a 3. a = d! = 6 3! = För att beräka a = a aväder vi sats 3.5 som talar om att det bara fis a och a 3 i d () = 6 och dessutom hur måga av varje. 6 = d () = A a + A 3a 3 där i =, k = respektive k = 3. ( ) A = ( ) m ( + m) = m A 3 = m=0 ( ) ( ) m (3 m) 3 = m m=0 och vi ka skriva ( ) 3 0 ( ) ( ) + ( ) 3 + d () = 6 = a + a 3 = a + a = 3 Alltså har vi a = a 3 = och a = a = 3. ( ) = ( ) 3 = Detta att ma ka räka ut atalet av e koefficiet i ågot d i () geom att bara ädra expoete förtjäar ett exempel till.

31 30 TOMAS NILSON Exempel 8. Atag att vi har polyom p av grad 34. Hur måga koefficieter a 7 fis det då i d p ()? Att p är av grad 34 har ige betydelse me p måste aturligtvis vara av mist grad 7. Vi aväder sats 3.5 med k = 7, i =. A 7 = ( ) ( ) m (3 m) 7 = m m=0 Det fis 93 a 7 i d p (). ( 0 ) 3 7 ( ) 7 + ( ) 7 = 93 Eftersom vi ka skriva våra d i () som lijärkombiatioer ka vi se på sats 3.5 m.h.a av matriser. d () A A A a d (). = 0 A A a d () 0 0 A a Vi beteckar matrisera ova med d = Mc. Eftersom M är triagulär och alla diagoalelemete 0 så är M iverterbar och vi ka skriva d = Mc c = M d så ma ka äve här aväda lijär algebra för att bestämma ett iterpolerade polyoms koefficieter. Exempel 9. Bestäm matrise M t.o.m grad = 7. Vi redovisar beräkigara för två positioer. ( ) A = ( ) m ( + m) = 3 + = 0 m A 3 4 = m=0 3 ( ) 3 ( ) m (3 + m) 4 = = 60. m m=0 Vi vet att M är triagulär så vi behöver egetlige bara beräka då k i och får då M = M säger oss t.ex att d 5 () = 0a a a 7. Observera att om vi har polyom av högre grad ä 7 kommer d 5 () iehålla fler termer.

32 DISKRET ANALYS Differespolyom och derivata. Det vi u öskar är e mer geerell metod att bestämma differespolyome d p j (x) och då ska vi udersöka ågot som legat i vasse läge, ämlige deras förhållade till derivata. Vi kostaterade tidigt att högstagradsterme är lika i de båda falle me seda upphör likhete. Atag att vi har ett moom f(x) = x. När vi deriverar får vi f (x) = x som består av e eda term meda d f kommer att bestå av termer. Lyckligtvis ka alla dessa termer beskrivas i form av derivata me för att göra detta behöver vi ågra verktyg. Defiitio 3.5. Differetialoperator δ t ges av t d k δ t = t. k! dx k k= Exempel 30. Låt f(x) = x 3 + x + 3x + 4. Bestäm δ (f) och jämför de med d f. Först bestämmer vi δ (f). och seda d f δ (f) = f + f! = 3x + 4x x + 4 = 3x + 7x + 5 d f (x) = f(x+) f(x) = (x+) 3 +(x+) +3(x+)+4 (x 3 +x +3x+4) = = 3x + 7x + 6. Vi ser att termera av grad och grad överesstämmer meda de kostata termera är olika. Om det u är så att δ t ger t termer i differespolyomet så vill vi kua separera just dessa varför vi behöver e projektiosoperator. Defiitio 3.6. Projektiooperator K,t defiierar vi idirekt. Låt projektiosoperator Π,t : P P t vara t a k x k a k x k då ges K,t av k=0 där I är idetitetsprojektioe. k=0 K,t = I Π,t Meige med K,t är vi ska kua aväda derivata me att vi bara beaktar de t termer som har högst grad. Exempel 3. Låt f(x) = x 5 + x 4 + 3x 3. Då har vi att me f (x) = 5x 4 + 8x 3 + 9x K 4, (f (x)) = 5x 4 + 8x 3

33 3 TOMAS NILSON Vi har u verktyg för att kua udersöka släktskape mella derivata och differespolyom och börjar med att se på fallet med två termer. Lemma 3.6. Låt f vara polyom av grad. Då gäller att d f = K, (δ (f)) + R där R består av de termer som har lägre grad ä grad(f ). Bevis. Vi behöver bara se på de två termer som har högst grad i f eftersom de övriga hamar i R. Låt f(x) = a x + a x. d f (x) = a (x + ) + a (x + ) ( a x + a x ) = (( ) ( ) ( ) ( ) = a x + x + x + + )x 0 x + 0 (( ) ( ) ( ) + a x + x + + )x 0 x = 0 (( ) ( ) ( ) = a x + )x + a x + R = ( = a x ( ) + a x + ( )a x + R = K, f + f ) + R! Vår iakttagelse rörade δ t i exempel 30 var alltså ige tillfällighet me vi vill gära kua bestämma de två högstagradstermera i godtyckligt differespolyom d f i. Sats 3.7. Låt f vara polyom av grad. Då gäller att ( d f i = K i, f (i) + i f ) (i+) + R där R består av de termer som har lägre grad ä grad(f (i+) ). Bevis. Vi gör ett iduktiosbevis. Av lemma 3.6 vet vi att satse stämmer då i = eftersom ( d f = K, f + f ) + R = K, (f + f ) + R Atag att satse stämmer för i, d.v.s ( d f i = K i, f (i) + i f ) (i+) + R

34 Vi ska då visa att de gäller för d f i+. ( )) d f i+ = K (i+), (δ d f i + R = DISKRET ANALYS 33 K (i+), (( D +! D ) ( f (i) + i f (i+) = K (i+), ( f (i+) + i f (i+) )) + R = + f (i+) + i f ) (i+3) + R = 4 ( = K (i+), f (i+) + (i + ) f (i+)! ) + R vilket var vad vi ville visa. Av iduktiosaxiomet följer då att satse är sa för alla positiva heltal i. Exempel 3. Låt f(x) = x 4 + 3x 3 x +. Bestäm d f 3(x). Vi aväder sats 3.7 som säger ( () d f 3(x) = K 4 3, f (3) + 3 f ) (4) + R Vi deriverar f (x) = 4x 3 + 9x 4x f (x) = x + 8x 4 f (3) (x) = 4x + 8 f (4) (x) = 4 isättig i () ger ( d f 3(x) = K, 4x ) + R = 4x R Eftersom grad(f (4) ) = 0 har vi att R = 0 och vi ka skriva d f 3(x) = 4x + 54 Reda med sats 3.5 kude vi bestämma koefficiet a ur d (). Frå sats 3.7 ka vi gå vidare och göra detta möjligt äve för adra x. Först måste vi dock kua separera a och a i d. Följd 3.8. Låt p var polyom av grad. Då gäller att d p (x) =!a x + ( )! a + ( )!a Bevis. Låt polyom p = j=0 a jx j. Observera att vi här bara behöver se på de två termer som har högst grad. Sätt i = i sats 3.7, då får vi ( d p (x) = K, f ( ) + ( ) f ) () =!a x + ( )!a + ( )! a.

35 34 TOMAS NILSON Observatio 8. Ofta vill vi bestämma a ur d () varför vi i Följd 3.8 sätter x =, vi får då för polyom p av grad d p ( + )! () = ( )!a + a. Vi ka också betrakta detta som de två lägsta termera i ågot d i (). Tag i = och vi får d p i () = i!a (i + )! i + a i+ + G där G om ite 0 består av termer a i+,..., a. Amärkig. Obs 8 ger här samma resultat som sats 3.5 me i form av ett kort uttryck som bara beror av differesrad i. Exempel 33. Bestäm polyom p som iterpolerar följde f i differestabelle. x = 3 f(x) = e π d = e π e d = π e + Vi ka iterpolera med adragradspolyom. Obs 8 ger d () =!a + 0 a = π e + d () =!a + 3! a + 0 a = e 3 8e 3π 5 (π e + ) =. Ä så läge ka vi bara bestämma de båda högstagradstermera med de här metode varför vi bestämmer a 0 m.h.a följd 3.9 som ger a 0 = p(0) = p() d () + d () = (e ) + (π e + ) = π 3e + 3. Vi har då att. p(x) = π e + x + 8e 3π 5 x + π 3e + 3 När ma studerar differespolyom aar ma iblad likheter som iehåller e mix av talföljder, biomialkoefficieter och fakultetsuttryck och dessa ka vara svåra att visa. Vi ska se på ett sådat exempel som vi ite kude visa mekaiskt. Samtidigt får vi e idetitet som ka komma till avädig i likade situatioer. Exempel 34. Visa att ( ) ( ) i i (i + ) i+ i i+ + 0 ( ) ( ) i i (i ) i+ + ( ) i i+ = i (i + )! Vi aväder två tidigare resultat för att visa detta. Först ser vi på obs 8, där står d p i () = i!a (i + )! i + a i+ + G

36 DISKRET ANALYS 35 Det står att det fis (i+)! koefficieter a i+ i d i (). Vi ser u på sats 3.5 som säger att atal a k i d p i (), d.v.s Ai k av Vi sätter i k = i + A i i+ = m=0 A i k = i m=0 ( ) i (i + m) k m för i k ges i ( ) i ( ) m (i + m) i+ = m ( ) ( ) ( ) ( ) i i i i = (i + ) i+ i i+ + (i ) i+ + ( ) i i+ 0 i Vi har beräkat samma sak med vår obs 8 och sats 3.5 varvid vi fått höger repektive väster led i vår likhet. V.Ä.K.V. Efter dea utsvävig återgår vi till våra jämförelser av derivata och differespolyom. Vi har klarat av två termer och u vill vi på samma sätt kua bestämma tre termer ur differespolyom. Lemma 3.9. Låt f vara polyom av grad. Då gäller att d f = K,3 (δ 3 (f)) + R där R iehåller de termer som har grad lägre ä grad(f (3) ). Ma visar detta som ma visar Lemma 3.6 fast med e term till. Vi utelämar beviset här. Sats 3.0. Låt f vara polyom. Då gäller d f i = K i,3 ( f (i) + i f (i+)! + i(3i + ) f ) (i+) + R 4! där R består av de termer som har lägre grad ä grad(f (i+) ). Vi visar ite detta här. Bevismetode är likada som för sats 3.7 fast med e term till. Exempel 35. Låt f(x) = x 5 + 3x 4 x 3 + x 5x +. Bestäm d f 3(x). Då f är ett femtegradspolyom ka vi spara e hel del arbete geom att aväda sats 3.0 som i detta fall säger ( (3) d f 3(x) = K,3 f (3) + 3 f ) (4) + 3(3 3 + )f(5) + R. 4!

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Föreläsning 2: Punktskattningar

Föreläsning 2: Punktskattningar Föreläsig : Puktskattigar Joha Thim joha.thim@liu.se 7 augusti 08 Repetitio Stickprov Defiitio. Låt de stokastiska variablera X, X,..., X vara oberoede och ha samma fördeligsfuktio F. Ett stickprov x,

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

LINJÄR ALGEBRA II LEKTION 4

LINJÄR ALGEBRA II LEKTION 4 LINJÄR ALGEBRA II LEKTION 4 JOHAN ASPLUND Iehåll Egevärde, egevektorer och egerum 2 Diagoaliserig 3 Uppgifter 2 5:4-5a) 2 Extrauppgift frå dugga 2 52:8 4 52:3 4 Extrauppgift frå teta 4 Egevärde, egevektorer

Läs mer

Tenta i MVE025/MVE295, Komplex (matematisk) analys, F2 och TM2/Kf2

Tenta i MVE025/MVE295, Komplex (matematisk) analys, F2 och TM2/Kf2 Teta i MVE5/MVE95, Komplex (matematisk) aalys, F och TM/Kf 6, 8.3-.3 Hjälpmedel: Formelblad som delas ut av tetamesvaktera Telefovakt: Mattias Leartsso, 3-535 Betygsgräser: -9 (U), -9 (3), 3-39 (4), 4-5

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

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

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

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

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

Svar till tentan

Svar till tentan UPPSALA UNIVERSITET Matematiska istitutioe Sigstam, Styf Prov i matematik ES, K, KadKemi, STS, X ENVARIABELANALYS 0-03- Svar till teta 0-03-. Del A ( x Bestäm e ekvatio för tagete till kurva y = f (x =

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

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

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

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

Minsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera

Minsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera Matematisk statistik slumpes matematik Saolikhetsteori hur beskriver ma slumpe? Statistikteori vilka slutsatser ka ma dra av ett datamaterial? Statistikteori översikt Puktskattig Hur gör ma e bra gissig

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

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

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

(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

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

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

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

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

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

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

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

Digital signalbehandling Alternativa sätt att se på faltning

Digital signalbehandling Alternativa sätt att se på faltning Istitutioe för data- oc elektrotekik 2-2- Digital sigalbeadlig Alterativa sätt att se på faltig Faltig ka uppfattas som ett kostigt begrepp me adlar i grude ite om aat ä att utgåede frå e isigal x [],

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

Problem 2 löses endast om Du hade färre än 15 poäng på duggan som gavs arctanx sin x. x(1 cosx) lim. cost.

Problem 2 löses endast om Du hade färre än 15 poäng på duggan som gavs arctanx sin x. x(1 cosx) lim. cost. UPPSALA UNIVERSITET Matematiska istitutioe Abrahamsso 7-6796 Prov i matematik IT, W, lärarprogrammet Evariabelaalys, hp 9-6-4 Skrivtid: : 5: Tillåta hjälpmedel: Mauella skrivdo Varje uppgift är värd maimalt

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

Egna funktioner. Vad är sin? sin är namnet på en av många inbyggda funktioner i Ada (och den återfinns i paketet Ada.Numerics.Elementary_Functions)

Egna funktioner. Vad är sin? sin är namnet på en av många inbyggda funktioner i Ada (och den återfinns i paketet Ada.Numerics.Elementary_Functions) - 1 - Vad är si? si är amet på e av måga ibyggda fuktioer i Ada (och de återfis i paketet Ada.Numerics.Elemetary_Fuctios) si är deklarerad att ta emot e parameter (eller ett argumet) av typ Float (mätt

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

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. 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

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

Andra ordningens lineära differensekvationer

Andra ordningens lineära differensekvationer Adra ordiges lieära differesekvatioer Differese Differese f H + L - f HL mäter hur mycket f :s värde förädras då argumetet förädras med de mista ehete. Låt oss betecka ämda differes med H Df L HL. Eftersom

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

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

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

F10 ESTIMATION (NCT )

F10 ESTIMATION (NCT ) Stat. teori gk, ht 2006, JW F10 ESTIMATION (NCT 8.1-8.3) Ordlista till NCT Iferece Parameter Estimator Estimate Ubiased Bias Efficiecy Cofidece iterval Cofidece level (Studet s) t distributio Slutledig,

Läs mer

TAMS79: Föreläsning 9 Approximationer och stokastiska processer

TAMS79: Föreläsning 9 Approximationer och stokastiska processer TAMS79: Föreläsig 9 Approximatioer och stokastiska processer Joha Thim 18 ovember 2018 9.1 Biomialfördelig Vi har reda stött på dea fördelig flera gåger. Situatioe är att ett slumpförsök har två möjliga

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

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

Jag läser kursen på. Halvfart Helfart

Jag läser kursen på. Halvfart Helfart KOD: Kurskod: PC106/PC145 Kurs 6: Persolighet, hälsa och socialpsykologi (15 hp) Datum: 3/8 014 Hel- och halvfart VT 14 Provmomet: Socialpsykologi + Metod Tillåta hjälpmedel: Miiräkare Asvarig lärare:

Läs mer

MS-A0409 Grundkurs i diskret matematik Sammanfattning, del I

MS-A0409 Grundkurs i diskret matematik Sammanfattning, del I MS-A0409 Gudkus i disket matematik Sammafattig, del I G. Gipebeg 1 Mägde och logik 2 Relatioe och fuktioe Aalto-uivesitetet 15 maj 2014 3 Kombiatoik etc. G. Gipebeg Aalto-uivesitetet MS-A0409 Gudkus i

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

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

Sannolikhetslära. c 2015 Eric Järpe Högskolan i Halmstad

Sannolikhetslära. c 2015 Eric Järpe Högskolan i Halmstad Saolikhetslära c 201 Eric Järpe Högskola i Halmstad Saolikhetslära hadlar om att mäta hur saolikt (dvs hur ofta ) ma ka förväta sig att ågot iträffar. Därför sorterar saolikhetslära uder de matematiska

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

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

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

. Mängden av alla möjliga tillstånd E k kallas tillståndsrummet.

. Mängden av alla möjliga tillstånd E k kallas tillståndsrummet. Stokastiska rocesser Defiitio E stokastisk rocess är e mägd familj av stokastiska variabler Xt arameter t är oftast me ite alltid e tidsvariabel rocesse kallas diskret om Xt är e diskret s v för varje

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

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

a) Beräkna E (W ). (2 p)

a) Beräkna E (W ). (2 p) Avd. Matematisk statistik TENTAMEN I SF19 och SF191 SANNOLIKHETSTEORI OCH STATISTIK, TISDAGEN DEN 13:E MARS 18 KL 8. 13.. Examiator: Björ-Olof Skytt, 8 79 86 49. Tillåta hjälpmedel: Formel- och tabellsamlig

Läs mer

Enkel slumpvandring. Sven Erick Alm. 9 april 2002 (modifierad 8 mars 2006) 2 Apan och stupet 3 2.1 Passagesannolikheter... 3 2.2 Passagetider...

Enkel slumpvandring. Sven Erick Alm. 9 april 2002 (modifierad 8 mars 2006) 2 Apan och stupet 3 2.1 Passagesannolikheter... 3 2.2 Passagetider... Ekel slumpvadrig Sve Erick Alm 9 april 2002 (modifierad 8 mars 2006) Iehåll 1 Iledig 2 2 Apa och stupet 3 2.1 Passagesaolikheter............................... 3 2.2 Passagetider....................................

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

Armin Halilovic: EXTRA ÖVNINGAR

Armin Halilovic: EXTRA ÖVNINGAR Stokastiska rocesser Defiitio E stokastisk rocess är e mägd (familj) av stokastiska variabler X(t) arameter t är oftast (me ite alltid) e tidsvariabel rocesse kallas diskret om X(t) är e diskret s v för

Läs mer

Inledande kombinatorik LCB 2001

Inledande kombinatorik LCB 2001 Iledade kombiatorik LCB 2001 Ersätter Grimaldi 1.1 1.4, 3.1 (delvis) 1 Additios- och multiplikatiospricipera Kombiatorik hadlar om koste att räka atalet av saker och tig. Hur måga gåger geomlöpes e viss

Läs mer

Funktionsteori Datorlaboration 1

Funktionsteori Datorlaboration 1 Fuktiosteori Datorlaboratio 1 Fuktiosteori vt1 2013 Rekursiosekvatioer och komplex aalys Syftet med datorövige Öviges ädamål är att ge ett smakprov på hur ett datoralgebrasystem ka avädas för att att lösa

Läs mer

Grafisk analys av en skalär rekursion

Grafisk analys av en skalär rekursion Grafisk aalys av e skalär rekursio Aders Källé MatematikCetrum LTH aderskalle@gmail.om Sammafattig Här ska vi tittärmare på vad som häder med lösigara på rekursiosformler på forme +1 = f( ) då. Metode

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

FUNKTIONSLÄRA. Christian Gottlieb

FUNKTIONSLÄRA. Christian Gottlieb FUNKTIONSLÄRA Christia Gottlieb Matematiska istitutioe Stockholms uiversitet 2002 Iehåll 1. Komplexa tal och vektorer i plaet 1 Tillämpigar på trigoometriska formler 7 2. Geometriska serier 8 3. Biomialsatse

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

EGENRUM, ALGEBRAISK- OCH GEOMETRISK MULTIPLICITET

EGENRUM, ALGEBRAISK- OCH GEOMETRISK MULTIPLICITET EGENRUM, ALGEBRAISK- OCH GEOMETRISK MULTIPLICITET INLEDNING Ett polyom ( i variabel λ ) av grad är ett uttryc på forme P( λ) a λ + aλ + aλ + a, där a Polyomets ollställe är lösigar ( rötter) till evatioe

Läs mer

Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT ) Ordlista till NCT

Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT ) Ordlista till NCT Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT 10.1-10.3) Ordlista till NCT Hypothesis testig Null hypothesis Alterative hypothesis Simple / composite Oe-sided /two-sided Reject Test statistic Type

Läs mer

Tentamen 19 mars, 8:00 12:00, Q22, Q26

Tentamen 19 mars, 8:00 12:00, Q22, Q26 Avdelige för elektriska eergisystem EG225 DRIFT OCH PLANERING AV ELPRODUKTION Vårtermie 25 Tetame 9 mars, 8: 2:, Q22, Q26 Istruktioer Skriv alla svar på det bifogade svarsbladet. Det är valfritt att också

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

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

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

Viktigt! Glöm inte att skriva Tentamenskod på alla blad du lämnar in.

Viktigt! Glöm inte att skriva Tentamenskod på alla blad du lämnar in. Statistisk försöksplaerig Provmomet: Ladokkod: Tetame ges för: Skriftlig tetame 3,0 hp 51SF01 DTEIN14h 4,5 högskolepoäg TetamesKod: Tetamesdatum: 5 ovember 015 Tid: 9.00-13.00 Hjälpmedel: Miiräkare Totalt

Läs mer