Koodausteoria, Kesä 2014

Koko: px
Aloita esitys sivulta:

Download "Koodausteoria, Kesä 2014"

Transkriptio

1 Koodausteoria, Kesä 2014 Topi Törmä Matemaattisten tieteiden laitos

2 5.6 Alternanttikoodin dekoodaus, kun esiintyy pyyhkiytymiä ja virheitä Joissakin tilanteissa vastaanotetun sanan kirjainta ei saa tulkittua millään tavalla. Tällöin kyseessä on pyyhkiytymä (erasure). Jos pyyhkiytymää merkitään symbolilla, niin tulostusaakkostona on F q { }. Intuitiivisesti ajateltuna pyyhkiytymiä voidaan korjata enemmän kuin virheitä, sillä kyseiset kohdat tiedetään varmasti vääriksi. Seuraava lause, jonka todistus sivuutetaan, antaa rajan virheenkorjauskyvylle pyyhkiytymien esiintyessä. Topi Törmä Matemaattisten tieteiden laitos 2 / 14

3 5.6 Alternanttikoodin dekoodaus, kun esiintyy pyyhkiytymiä ja virheitä Joissakin tilanteissa vastaanotetun sanan kirjainta ei saa tulkittua millään tavalla. Tällöin kyseessä on pyyhkiytymä (erasure). Jos pyyhkiytymää merkitään symbolilla, niin tulostusaakkostona on F q { }. Intuitiivisesti ajateltuna pyyhkiytymiä voidaan korjata enemmän kuin virheitä, sillä kyseiset kohdat tiedetään varmasti vääriksi. Seuraava lause, jonka todistus sivuutetaan, antaa rajan virheenkorjauskyvylle pyyhkiytymien esiintyessä. Lause Jos koodin C minimietäisyys on d, niin se korjaa e 0 pyyhkiytymää ja e 1 virhettä, kun e 0 + 2e 1 d 1. Huomaa, että lauseessa voi olla e 0 + e 1 > d 1 2 d 1 2 = t, missä t on koodin virheenkorjauskyky. Topi Törmä Matemaattisten tieteiden laitos 2 / 14

4 Esitetään seuraavaksi menettely, jolla saavutetaan tämän lauseen mukainen dekoodaus alternanttikoodeille missä Ĥ = A(α, h) = {c F n q cĥt = 0}, h 1 h 2... h n h 1 α 1 h 2 α 2... h n α n... h 1 α1 r 1 h 2 α2 r 1... h n αn r 1 h 1, h 2,..., h n F q m ja alkiot α 1, α 2,..., α n F q m ovat erisuuria. Olkoon c = (c 1,..., c n ) lähetetty sana ja oletetaan, että vastaanotetussa sanassa u = (u 1,..., u n ), u i F q { }, on e 0 pyyhkiytymää ja e 1 virhettä ja että e 0 + 2e 1 r. r n, Topi Törmä Matemaattisten tieteiden laitos 3 / 14

5 Määritellään lisäksi joukot I 0 = {i u i = }, Î 0 = {i I 0 c i 0}, I 1 = {i u i, u i c i }, I = I 0 I 1 ja Î = Î 0 I 1. Topi Törmä Matemaattisten tieteiden laitos 4 / 14

6 Määritellään lisäksi joukot I 0 = {i u i = }, Î 0 = {i I 0 c i 0}, I 1 = {i u i, u i c i }, I = I 0 I 1 ja Î = Î 0 I 1. Muodostetaan ensin pyyhkiytymänpaikantaja σ 0 (x) = i I 0 (1 α i x), Jos I 0 =, niin asetetaan σ 0 (x) = 1. Korvataan sanassa u pyyhkiytymät alkiolla 0, jolloin saadaan sana û = (û 1,..., û n ), missä { u i, kun u i, û i = 0, kun u i =. Topi Törmä Matemaattisten tieteiden laitos 4 / 14

7 Sanassa û on mahdollisesti e 0 + e 1 virhettä (voi olla e 0 + e 1 > r 2 ). Merkitään û = c + ê ja lasketaan syndromit: S = ûĥt = cĥt + êĥt = êĥt = (S 0, S 1,..., S r 1 ). Topi Törmä Matemaattisten tieteiden laitos 5 / 14

8 Sanassa û on mahdollisesti e 0 + e 1 virhettä (voi olla e 0 + e 1 > r 2 ). Merkitään û = c + ê ja lasketaan syndromit: S = ûĥt = cĥt + êĥt = êĥt = (S 0, S 1,..., S r 1 ). Olkoon lisäksi S(x) = r 1 l=0 S lx l. Jos ê = (ê 1,..., ê n ), niin ê i 0 kaikilla i Î ja ê i = 0 muulloin. Määritellään seuraavaksi vektoria û vastaava virhekohtapolynomi ˆσ(x) = i Î (1 α i x) ja virhearvopolynomi ˆω(x) = ˆσ(x) h i ê i (1 α j x) = h i ê i 1 α i x. i Î j Î \{i} i Î Topi Törmä Matemaattisten tieteiden laitos 5 / 14

9 Kuten Lauseessa 5.5.4, nytkin saadaan syt(ˆσ, ˆω) = 1. Polynomi σ 1 (x) = i I 1 (1 α i x) on virheenpaikantaja ja σ 1 (x) ˆσ(x). Kuten Lauseessa 5.5.4, saadaan avainehto ˆσ(x)S(x) ˆω(x) (mod x r ). Topi Törmä Matemaattisten tieteiden laitos 6 / 14

10 Kuten Lauseessa 5.5.4, nytkin saadaan syt(ˆσ, ˆω) = 1. Polynomi σ 1 (x) = i I 1 (1 α i x) on virheenpaikantaja ja σ 1 (x) ˆσ(x). Kuten Lauseessa 5.5.4, saadaan avainehto ˆσ(x)S(x) ˆω(x) (mod x r ). Kertomalla tämä puolittain tulolla i I 0 \Î0 (1 α i x) saadaan σ(x)s(x) ω(x) (mod x r ), (1) missä σ(x) = σ 0 (x)σ 1 (x) ja ω(x) = ˆω(x) i x) = i I 0 \Î0(1 α i Î sillä ê i = 0, kun i / Î. σ(x) h i ê i 1 α i x = i I σ(x) h i ê i 1 α i x, Topi Törmä Matemaattisten tieteiden laitos 6 / 14

11 Määritellään nyt muunnettu syndromipolynomi S 0 (x) asettamalla jolloin yhtälöstä (1) saadaan S 0 (x) σ 0 (x)s(x) (mod x r ), σ 1 (x)s 0 (x) ω(x) (mod x r ). (2) Merkitään µ = r e 0 2 ja ν = r 1 µ, jolloin µ + ν = r 1 sekä deg σ 1 = e 1 ja deg ω e 0 + e 1 1. Topi Törmä Matemaattisten tieteiden laitos 7 / 14

12 Määritellään nyt muunnettu syndromipolynomi S 0 (x) asettamalla jolloin yhtälöstä (1) saadaan S 0 (x) σ 0 (x)s(x) (mod x r ), σ 1 (x)s 0 (x) ω(x) (mod x r ). (2) Merkitään µ = r e 0 2 ja ν = r 1 µ, jolloin µ + ν = r 1 sekä deg σ 1 = e 1 ja deg ω e 0 + e 1 1. Koska oletuksen mukaan e 0 + 2e 1 r, niin e 1 r e 0 2, joten e 1 µ. Lisäksi 2e 0 + 2e 1 r + e 0, joten e 0 + e 1 r + e 0 2 = r r e 0 2 Täten deg ω r 1 µ = ν. r e0 r = r µ. 2 Topi Törmä Matemaattisten tieteiden laitos 7 / 14

13 Soveltamalla Eukleideen algoritmia Lauseen mukaisesti polynomeihin x r ja S 0 (x) kunnes deg r k (x) ν ja deg r k 1 (x) > ν saadaan σ 1 (x) = b k (0) 1 b k (x) ja ω(x) = b k (0) 1 r k (x) (koska syt(ˆσ, ˆω) = 1, niin syt(σ 1, ω) = 1). Topi Törmä Matemaattisten tieteiden laitos 8 / 14

14 Soveltamalla Eukleideen algoritmia Lauseen mukaisesti polynomeihin x r ja S 0 (x) kunnes saadaan deg r k (x) ν ja deg r k 1 (x) > ν σ 1 (x) = b k (0) 1 b k (x) ja ω(x) = b k (0) 1 r k (x) (koska syt(ˆσ, ˆω) = 1, niin syt(σ 1, ω) = 1). Polynomin σ 1 (x) nollakohdista saadaan nyt joukko I 1 eli virheiden paikat. Tästä saadaan σ(x) = σ 0 (x)σ 1 (x) ja virheiden arvot saadaan Lauseen tapaan jokaisella k I laskemalla ê k = α kω(α 1 k ) h k σ (α 1 k ). Huomaa, että ê k = 0, kun k I 0 \ Î 0. Nämäkin on kuitenkin laskettava, sillä etukäteen ei tiedetä, minkä pyyhkiytymien paikalla pitäisi olla 0. Topi Törmä Matemaattisten tieteiden laitos 8 / 14

15 Dekoodausalgoritmi on siis seuraavanlainen: 1. Määrätään I 0 ja σ 0 (x) = i I 0 (1 α i x). 2. Määrätään û ja lasketaan ûĥt = (S 0,..., S r 1 ) ja S(x) = r 1 S l x l. l=0 3. Lasketaan muunnettu syndromipolynomi S 0 (x) σ 0 (x)s(x) (mod x r ). 4. Ratkaistaan kongruenssista σ 1 (x)s 0 (x) ω(x) (mod x r ), polynomit σ 1 (x) ja ω(x) Eukleideen algoritmin avulla (µ = r e 0 2, ν = r 1 µ). 5. Määrätään virhekohtien joukko I 1 polynomin σ 1 (x) nollakohdista ja lasketaan σ(x) = σ 0 (x)σ 1 (x). 6. Lasketaan jokaisella i I = I 1 I 0 virhearvot ê i = α iω(α 1 i ) h i σ (α 1 i ). 7. Lasketaan c = û ê. Topi Törmä Matemaattisten tieteiden laitos 9 / 14

16 Esimerkki 2 Tarkastellaan [7, 2]-RS-koodia, jonka suunniteltu etäisyys on d = 6. Olkoon α kunnan F 8 primitiivialkio, jolle α 3 + α + 1 = 0. Tarkasteltavan koodin generoijapolynomi on tällöin g(x) = (x α)(x α 2 )(x α 3 )(x α 4 )(x α 5 ). Edellä olevan mukaan e 0 pyyhkiytymää ja e 1 virhettä saadaan korjattua, kun e 0 + 2e 1 5. Dekoodataan sana u = (α 4, α 3, α 6,, α 2, α 4, α 2 ). Topi Törmä Matemaattisten tieteiden laitos 10 / 14

17 Esimerkki 2 Tarkastellaan [7, 2]-RS-koodia, jonka suunniteltu etäisyys on d = 6. Olkoon α kunnan F 8 primitiivialkio, jolle α 3 + α + 1 = 0. Tarkasteltavan koodin generoijapolynomi on tällöin g(x) = (x α)(x α 2 )(x α 3 )(x α 4 )(x α 5 ). Edellä olevan mukaan e 0 pyyhkiytymää ja e 1 virhettä saadaan korjattua, kun e 0 + 2e 1 5. Dekoodataan sana u = (α 4, α 3, α 6,, α 2, α 4, α 2 ). Yleisen alternanttikoodin merkinnöin nyt h i = α i = α i 1, joten 1 α... α 6 1 α 2... α 12 Ĥ = α 5... α 30 Topi Törmä Matemaattisten tieteiden laitos 10 / 14

18 1. Nyt I 0 = {4} ja σ 0 (x) = 1 α 4 x = 1 α 3 x. Topi Törmä Matemaattisten tieteiden laitos 11 / 14

19 1. Nyt I 0 = {4} ja σ 0 (x) = 1 α 4 x = 1 α 3 x. 2. Muodostetaan û = (α 4, α 3, α 6, 0, α 2, α 4, α 2 ) ja vastaava polynomi Tällöin û(x) = α 4 + α 3 x + α 6 x 2 + α 2 x 4 + α 4 x 5 + α 2 x 6. S = ûĥt = (û(α), û(α 2 ), û(α 3 ), û(α 4 ), û(α 5 )) = (1, 1, α 5, α 2, α 4 ) ja syndromipolynomiksi tulee S(x) = 1 + x + α 5 x 2 + α 2 x 3 + α 4 x 4. Topi Törmä Matemaattisten tieteiden laitos 11 / 14

20 1. Nyt I 0 = {4} ja σ 0 (x) = 1 α 4 x = 1 α 3 x. 2. Muodostetaan û = (α 4, α 3, α 6, 0, α 2, α 4, α 2 ) ja vastaava polynomi Tällöin û(x) = α 4 + α 3 x + α 6 x 2 + α 2 x 4 + α 4 x 5 + α 2 x 6. S = ûĥt = (û(α), û(α 2 ), û(α 3 ), û(α 4 ), û(α 5 )) = (1, 1, α 5, α 2, α 4 ) ja syndromipolynomiksi tulee S(x) = 1 + x + α 5 x 2 + α 2 x 3 + α 4 x Muunnettu syndromipolynomi on nyt S 0 (x) = σ 0 (x)s(x) = (1 α 3 x)(1 + x + α 5 x 2 + α 2 x 3 + α 4 x 4 ) 1 + αx + α 2 x 2 + α 4 x 3 + x 4 (mod x 5 ). Topi Törmä Matemaattisten tieteiden laitos 11 / 14

21 4. Ratkaistaan kongruenssista σ 1 (x)s 0 (x) ω(x) (mod x r ) polynomit σ 1 (x) ja ω(x). Nyt µ = = 2 ja ν = 2. Topi Törmä Matemaattisten tieteiden laitos 12 / 14

22 4. Ratkaistaan kongruenssista σ 1 (x)s 0 (x) ω(x) (mod x r ) polynomit σ 1 (x) ja ω(x). Nyt µ = = 2 ja ν = Eukleideen algoritmi antaa x 5 = (x α 4 )S 0 (x) + α 4 x 3 + α 5 x 2 + α 4 x + α 4 = q 1 (x)s 0 (x) + r 1 (x), S 0 (x) = (α 3 x + α 5 )r 1 (x) + α 4 x 2 + α 5 x + α 6 = q 2 (x)r 1 (x) + r 2 (x). Koska deg r 2 2, niin Lauseen mukaan saatiin k = 2 ja i q i (x) r i (x) 1 x + α 4 α 4 x 3 + α 5 x 2 + α 4 x + α 4 2 α 3 x + α 5 α 4 x 2 + α 5 x + α 6 Topi Törmä Matemaattisten tieteiden laitos 12 / 14

23 4. Ratkaistaan kongruenssista σ 1 (x)s 0 (x) ω(x) (mod x r ) polynomit σ 1 (x) ja ω(x). Nyt µ = = 2 ja ν = Eukleideen algoritmi antaa x 5 = (x α 4 )S 0 (x) + α 4 x 3 + α 5 x 2 + α 4 x + α 4 = q 1 (x)s 0 (x) + r 1 (x), S 0 (x) = (α 3 x + α 5 )r 1 (x) + α 4 x 2 + α 5 x + α 6 = q 2 (x)r 1 (x) + r 2 (x). Koska deg r 2 2, niin Lauseen mukaan saatiin k = 2 ja i q i (x) r i (x) 1 x + α 4 α 4 x 3 + α 5 x 2 + α 4 x + α 4 2 α 3 x + α 5 α 4 x 2 + α 5 x + α Edelleen b 1 (x) = q 1 (x) = x + α 4 ja b 2 (x) = q 2 (x)b 1 (x) + b 0 (x) = α 3 x 2 + α 4 x + α 6, σ 1 (x) = b 2 (0) 1 b 2 (x) = 1 + α 5 x + α 4 x 2, ω(x) = b 2 (0) 1 r 2 (x) = 1 + α 6 x + α 5 x 2. Topi Törmä Matemaattisten tieteiden laitos 12 / 14

24 5. Kokeilemalla havaitaan, että σ 1 (1) = 1 + α 5 + α 4 = 0 ja σ 1 (α 3 ) = 1 + α 8 + α 10 = 1 + α + α 3 = 0. Koska α i = α i 1 ja 1 1 = 1 = α 1 sekä (α 3 ) 1 = α 4 = α 5, niin virhekohtien joukko on I 1 = {1, 5} ja σ(x) = σ 0 (x)σ 1 (x) = 1 + α 2 x + α 2 x 2 + x 3. Topi Törmä Matemaattisten tieteiden laitos 13 / 14

25 5. Kokeilemalla havaitaan, että σ 1 (1) = 1 + α 5 + α 4 = 0 ja σ 1 (α 3 ) = 1 + α 8 + α 10 = 1 + α + α 3 = 0. Koska α i = α i 1 ja 1 1 = 1 = α 1 sekä (α 3 ) 1 = α 4 = α 5, niin virhekohtien joukko on I 1 = {1, 5} ja σ(x) = σ 0 (x)σ 1 (x) = 1 + α 2 x + α 2 x 2 + x Lasketaan ê i = α iω(α 1 i ) h i σ (α 1, kun i = 1, 4, 5. Tässä i ) σ (x) = α 2 + x 2 ja h i = α i = α i 1, joten ê 1 = 1 + α6 + α 5 α ê 5 = 1 + α2 + α 3 α 2 + α 1 = α 3 ja ê = (α 4, 0, 0, α, α 3, 0, 0). = α 4, ê 4 = 1 + α3 + α 1 α 2 + α 6 = α, Topi Törmä Matemaattisten tieteiden laitos 13 / 14

26 7. Nyt voidaan laskea todennäköisimmin lähetetty sana: c = û ê = (α 4, α 3, α 6, 0, α 2, α 4, α 2 ) ê = (0, α 3, α 6, α, α 5, α 4, α 2 ). Vastaava polynomi on c(x) = α 3 x + α 6 x 2 + αx 3 + α 5 x 4 + α 4 x 5 + α 2 x 6 ja laskemalla havaitaan, että c(α) = c(α 2 ) = = c(α 5 ) = 0, kuten pitääkin. Topi Törmä Matemaattisten tieteiden laitos 14 / 14

Koodausteoria, Kesä 2014

Koodausteoria, Kesä 2014 Koodausteoria, Kesä 2014 Topi Törmä Matemaattisten tieteiden laitos 5.2 BCH-koodin dekoodaus Tarkastellaan t virhettä korjaavaa n-pituista BCH-koodia. Olkoon α primitiivinen n:s ykkösen juuri, c = c(x)

Lisätiedot

Koodausteoria, Kesä 2014

Koodausteoria, Kesä 2014 Koodausteoria, Kesä 2014 Topi Törmä Matemaattisten tieteiden laitos 5 BCH-, RS- ja Goppa-koodit Topi Törmä Matemaattisten tieteiden laitos 2 / 15 5.1 BCH-koodien määrittely Olkoon jälleen F = F q, syt(n,

Lisätiedot

Koodausteoria, Kesä 2014

Koodausteoria, Kesä 2014 Koodausteoria, Kesä 2014 Topi Törmä Matemaattisten tieteiden laitos 3.3 Lineaarisen koodin dekoodaus Oletetaan, että lähetettäessä kanavaan sana c saadaan sana r = c + e, missä e on häiriön aiheuttama

Lisätiedot

Koodausteoria, Kesä 2014

Koodausteoria, Kesä 2014 Koodausteoria, Kesä 2014 Topi Törmä Matemaattisten tieteiden laitos 4.7 Syklisen koodin jälkiesitys Olkoon F = F q ja K = F q m kunnan F laajennuskunta. Määritelmä 4.7.1. Kuntalaajennuksen K/F jälkifunktioksi

Lisätiedot

Koodausteoria, Kesä 2014

Koodausteoria, Kesä 2014 Koodausteoria, Kesä 2014 Topi Törmä Matemaattisten tieteiden laitos 6. Ryöppyvirheitä korjaavat koodit Topi Törmä Matemaattisten tieteiden laitos 2 / 34 6.1 Peruskäsitteitä Aiemmin on implisiittisesti

Lisätiedot

Koodausteoria, Kesä 2014

Koodausteoria, Kesä 2014 Koodausteoria, Kesä 2014 Topi Törmä Matemaattisten tieteiden laitos 3.5 Reedin-Mullerin koodit Olkoon tässä kappaleessa F = F2 = Z2 ja n = 2 m. Määritellään avaruuteen F n kertolasku koordinaateittain:

Lisätiedot

Vapaus. Määritelmä. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee:

Vapaus. Määritelmä. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +

Lisätiedot

Koodausteoria, Kesä 2014

Koodausteoria, Kesä 2014 Koodausteoria, Kesä 2014 Topi Törmä Matemaattisten tieteiden laitos Koodausteoria 10 op Kontaktiopetusta 50 h, 26.5. - 26.6. ma 10-14, ti 10-13, to 10-13 Aloitusviikolla poikkeuksellisesti ke 10-13 torstain

Lisätiedot

Algebra I, harjoitus 5,

Algebra I, harjoitus 5, Algebra I, harjoitus 5, 7.-8.10.2014. 1. 2 Osoita väitteet oikeiksi tai vääriksi. a) (R, ) on ryhmä, kun asetetaan a b = 2(a + b) aina, kun a, b R. (Tässä + on reaalilukujen tavallinen yhteenlasku.) b)

Lisätiedot

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0. Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +

Lisätiedot

Diofantoksen yhtälön ratkaisut

Diofantoksen yhtälön ratkaisut Diofantoksen yhtälön ratkaisut Matias Mäkelä Matemaattisten tieteiden tutkinto-ohjelma Oulun yliopisto Kevät 2017 Sisältö Johdanto 2 1 Suurin yhteinen tekijä 2 2 Eukleideen algoritmi 4 3 Diofantoksen yhtälön

Lisätiedot

Ominaisarvot ja ominaisvektorit 140 / 170

Ominaisarvot ja ominaisvektorit 140 / 170 Ominaisarvot ja ominaisvektorit 140 / 170 Seuraavissa luvuissa matriisit ja vektori ajatellaan kompleksisiksi, ts. kertojakuntana oletetaan olevan aina kompleksilukujoukko C Huomaa, että reaalilukujoukko

Lisätiedot

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0. Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +

Lisätiedot

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos: 8 Kanta Tässä luvussa tarkastellaan aliavaruuden virittäjävektoreita, jotka muodostavat lineaarisesti riippumattoman jonon. Merkintöjen helpottamiseksi oletetaan luvussa koko ajan, että W on vektoreiden

Lisätiedot

Laajennetut Preparata-koodit

Laajennetut Preparata-koodit Laajennetut Preparata-koodit Pro gradu -tutkielma Petri Eklund 1512717 Matemaattisten tieteiden laitos Oulun yliopisto Kevät 2016 Sisältö 1 Esitietoja 1.1 Yleistä.................................. 1.2

Lisätiedot

Polynomien suurin yhteinen tekijä ja kongruenssi

Polynomien suurin yhteinen tekijä ja kongruenssi Polynomien suurin yhteinen tekijä ja kongruenssi Pro gradu -tutkielma Outi Aksela 2117470 Matemaattisten tieteiden laitos Oulun yliopisto Syksy 2016 Sisältö Johdanto 2 1 Renkaat 3 1.1 Rengas...............................

Lisätiedot

Ominaisvektoreiden lineaarinen riippumattomuus

Ominaisvektoreiden lineaarinen riippumattomuus Ominaisvektoreiden lineaarinen riippumattomuus Lause 17 Oletetaan, että A on n n -matriisi. Oletetaan, että λ 1,..., λ m ovat matriisin A eri ominaisarvoja, ja oletetaan, että v 1,..., v m ovat jotkin

Lisätiedot

Latinalaiset neliöt ja taikaneliöt

Latinalaiset neliöt ja taikaneliöt Latinalaiset neliöt ja taikaneliöt LuK-tutkielma Aku-Petteri Niemi Matemaattisten tieteiden tutkinto-ohjelma Oulun yliopisto Kevät 2018 Sisältö Johdanto 2 1 Latinalaiset neliöt 3 1.1 Latinalainen neliö.........................

Lisätiedot

Ristitulolle saadaan toinen muistisääntö determinantin avulla. Vektoreiden v ja w ristitulo saadaan laskemalla determinantti

Ristitulolle saadaan toinen muistisääntö determinantin avulla. Vektoreiden v ja w ristitulo saadaan laskemalla determinantti 14 Ristitulo Avaruuden R 3 vektoreille voidaan määritellä pistetulon lisäksi niin kutsuttu ristitulo. Pistetulosta poiketen ristitulon tulos ei ole reaaliluku vaan avaruuden R 3 vektori. Ristitulosta on

Lisätiedot

802328A LUKUTEORIAN PERUSTEET OSA III BASICS OF NUMBER THEORY PART III. Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO

802328A LUKUTEORIAN PERUSTEET OSA III BASICS OF NUMBER THEORY PART III. Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO 8038A LUKUTEORIAN PERUSTEET OSA III BASICS OF NUMBER THEORY PART III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 016 Sisältö 1 Irrationaaliluvuista Antiikin lukuja 6.1 Kolmio- neliö- ja tetraedriluvut...................

Lisätiedot

Lukuteorian kertausta

Lukuteorian kertausta Lukuteorian kertausta Jakoalgoritmi Jos a, b Z ja b 0, niin on olemassa sellaiset yksikäsitteiset kokonaisluvut q ja r, että a = qb+r, missä 0 r < b. Esimerkki 1: Jos a = 60 ja b = 11, niin 60 = 5 11 +

Lisätiedot

Kuvaus. Määritelmä. LM2, Kesä /160

Kuvaus. Määritelmä. LM2, Kesä /160 Kuvaus Määritelmä Oletetaan, että X ja Y ovat joukkoja. Kuvaus eli funktio joukosta X joukkoon Y on sääntö, joka liittää jokaiseen joukon X alkioon täsmälleen yhden alkion, joka kuuluu joukkoon Y. Merkintä

Lisätiedot

802328A LUKUTEORIAN PERUSTEET OSA III BASICS OF NUMBER THEORY PART III

802328A LUKUTEORIAN PERUSTEET OSA III BASICS OF NUMBER THEORY PART III 802328A LUKUTEORIAN PERUSTEET OSA III BASICS OF NUMBER THEORY PART III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LUKUTEORIA 1 / 77 Irrationaaliluvuista Määritelmä 1 Luku α C \ Q on

Lisätiedot

1 Lineaariavaruus eli Vektoriavaruus

1 Lineaariavaruus eli Vektoriavaruus 1 Lineaariavaruus eli Vektoriavaruus 1.1 Määritelmä ja esimerkkejä Olkoon K kunta, jonka nolla-alkio on 0 ja ykkösalkio on 1 sekä V epätyhjä joukko. Oletetaan, että joukossa V on määritelty laskutoimitus

Lisätiedot

Johdatus matemaattiseen päättelyyn

Johdatus matemaattiseen päättelyyn Johdatus matemaattiseen päättelyyn Maarit Järvenpää Oulun yliopisto Matemaattisten tieteiden laitos Syyslukukausi 2015 1 Merkintöjä 2 Todistamisesta 2 3 Joukko-oppia Tässä luvussa tarkastellaan joukko-opin

Lisätiedot

Ortogonaalisen kannan etsiminen

Ortogonaalisen kannan etsiminen Ortogonaalisen kannan etsiminen Lause 94 (Gramin-Schmidtin menetelmä) Oletetaan, että B = ( v 1,..., v n ) on sisätuloavaruuden V kanta. Merkitään V k = span( v 1,..., v k ) ja w 1 = v 1 w 2 = v 2 v 2,

Lisätiedot

Numeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28

Numeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28 Numeeriset menetelmät TIEA381 Luento 5 Kirsi Valjus Jyväskylän yliopisto Luento 5 () Numeeriset menetelmät 3.4.2013 1 / 28 Luennon 5 sisältö Luku 4: Ominaisarvotehtävistä Potenssiinkorotusmenetelmä QR-menetelmä

Lisätiedot

Koodausteoria, Kesä 2014

Koodausteoria, Kesä 2014 Koodausteoria, Kesä 2014 Topi Törmä Matemaattisten tieteiden laitos 3. Lineaariset koodit Topi Törmä Matemaattisten tieteiden laitos 2 / 22 3.1 Lineaarisen koodin määrittely Olkoon F äärellinen kunta.

Lisätiedot

Jarkko Peltomäki. Aliryhmän sentralisaattori ja normalisaattori

Jarkko Peltomäki. Aliryhmän sentralisaattori ja normalisaattori Jarkko Peltomäki Aliryhmän sentralisaattori ja normalisaattori Matematiikan aine Turun yliopisto Syyskuu 2009 Sisältö 1 Johdanto 2 2 Määritelmiä ja perusominaisuuksia 3 2.1 Aliryhmän sentralisaattori ja

Lisätiedot

(d) 29 4 (mod 7) (e) ( ) 49 (mod 10) (f) (mod 9)

(d) 29 4 (mod 7) (e) ( ) 49 (mod 10) (f) (mod 9) 1. Pätevätkö seuraavat kongruenssiyhtälöt? (a) 40 13 (mod 9) (b) 211 12 (mod 2) (c) 126 46 (mod 3) Ratkaisu. (a) Kyllä, sillä 40 = 4 9+4 ja 13 = 9+4. (b) Ei, sillä 211 on pariton ja 12 parillinen. (c)

Lisätiedot

(0 desimaalia, 2 merkitsevää numeroa).

(0 desimaalia, 2 merkitsevää numeroa). NUMEERISET MENETELMÄT DEMOVASTAUKSET SYKSY 20.. (a) Absoluuttinen virhe: ε x x ˆx /7 0.4 /7 4/00 /700 0.004286. Suhteellinen virhe: ρ x x ˆx x /700 /7 /00 0.00 0.%. (b) Kahden desimaalin tarkkuus x ˆx

Lisätiedot

ei ole muita välikuntia.

ei ole muita välikuntia. ALGEBRA II 41 Lause 4.15. F q m on polynomin x qm x hajoamiskunta kunnan F q suhteen. Todistus. Olkoon α kunnan F q m primitiivialkio. Nyt F qm =< α > muodostuu täsmälleen polynomin x qm 1 1nollakohdistajatäten

Lisätiedot

Miten osoitetaan joukot samoiksi?

Miten osoitetaan joukot samoiksi? Miten osoitetaan joukot samoiksi? Määritelmä 1 Joukot A ja B ovat samat, jos A B ja B A. Tällöin merkitään A = B. Kun todistetaan, että A = B, on päättelyssä kaksi vaihetta: (i) osoitetaan, että A B, ts.

Lisätiedot

Ominaisarvo ja ominaisvektori

Ominaisarvo ja ominaisvektori Ominaisarvo ja ominaisvektori Määritelmä Oletetaan, että A on n n -neliömatriisi. Reaaliluku λ on matriisin ominaisarvo, jos on olemassa sellainen vektori v R n, että v 0 ja A v = λ v. Vektoria v, joka

Lisätiedot

802320A LINEAARIALGEBRA OSA I

802320A LINEAARIALGEBRA OSA I 802320A LINEAARIALGEBRA OSA I Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 72 Määritelmä ja esimerkkejä Olkoon K kunta, jonka nolla-alkio on 0 ja ykkösalkio on 1 sekä

Lisätiedot

HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia. HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 8 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I. Mitkä seuraavista funktioista F, F, F ja F 4 ovat kertymäfunktioita? Mitkä

Lisätiedot

Koska ovat negatiiviset. Keskihajontoja ei pystytä laskemaan mutta pätee ¾.

Koska ovat negatiiviset. Keskihajontoja ei pystytä laskemaan mutta pätee ¾. 24.11.2006 1. Oletetaan, että kaksiulotteinen satunnaismuuttuja µ noudattaa kaksiulotteista normaalijakaumaa. Oletetaan lisäksi, että satunnaismuuttujan regressiofunktio satunnaismuuttujan suhteen on ݵ

Lisätiedot

LUKUTEORIA A. Harjoitustehtäviä, kevät 2013. (c) Osoita, että jos. niin. a c ja b c ja a b, niin. niin. (e) Osoita, että

LUKUTEORIA A. Harjoitustehtäviä, kevät 2013. (c) Osoita, että jos. niin. a c ja b c ja a b, niin. niin. (e) Osoita, että LUKUTEORIA A Harjoitustehtäviä, kevät 2013 1. Olkoot a, b, c Z, p P ja k, n Z +. (a) Osoita, että jos niin Osoita, että jos niin (c) Osoita, että jos niin (d) Osoita, että (e) Osoita, että a bc ja a c,

Lisätiedot

Tehtävä 1. Arvioi mitkä seuraavista väitteistä pitävät paikkansa. Vihje: voit aloittaa kokeilemalla sopivia lukuarvoja.

Tehtävä 1. Arvioi mitkä seuraavista väitteistä pitävät paikkansa. Vihje: voit aloittaa kokeilemalla sopivia lukuarvoja. Tehtävä 1 Arvioi mitkä seuraavista väitteistä pitävät paikkansa. Vihje: voit aloittaa kokeilemalla sopivia lukuarvoja. 1 Jos 1 < y < 3, niin kaikilla x pätee x y x 1. 2 Jos x 1 < 2 ja y 1 < 3, niin x y

Lisätiedot

ja λ 2 = 2x 1r 0 x 2 + 2x 1r 0 x 2

ja λ 2 = 2x 1r 0 x 2 + 2x 1r 0 x 2 Johdatus diskreettiin matematiikkaan Harjoitus 4, 7.10.2015 1. Olkoot c 0, c 1 R siten, että polynomilla r 2 c 1 r c 0 on kaksinkertainen juuri. Määritä rekursioyhtälön x n+2 = c 1 x n+1 + c 0 x n, n N,

Lisätiedot

Lineaarikuvauksen R n R m matriisi

Lineaarikuvauksen R n R m matriisi Lineaarikuvauksen R n R m matriisi Lauseessa 21 osoitettiin, että jokaista m n -matriisia A vastaa lineaarikuvaus L A : R n R m, jolla L A ( v) = A v kaikilla v R n. Osoitetaan seuraavaksi käänteinen tulos:

Lisätiedot

MS-C1350 Osittaisdifferentiaaliyhtälöt Harjoitukset 5, syksy Mallivastaukset

MS-C1350 Osittaisdifferentiaaliyhtälöt Harjoitukset 5, syksy Mallivastaukset MS-C350 Osittaisdifferentiaaliyhtälöt Haroitukset 5, syksy 207. Oletetaan, että a > 0 a funktio u on yhtälön u a u = 0 ratkaisu. a Osoita, että funktio vx, t = u x, t toteuttaa yhtälön a v = 0. b Osoita,

Lisätiedot

Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit

Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit Antti Rasila 2016 Ominaisarvot ja ominaisvektorit 1/5 Määritelmä Skalaari λ C on matriisin A C n n ominaisarvo ja vektori v C n sitä

Lisätiedot

ja jäännösluokkien joukkoa

ja jäännösluokkien joukkoa 3. Polynomien jäännösluokkarenkaat Olkoon F kunta, ja olkoon m F[x]. Polynomeille f, g F [x] määritellään kongruenssi(-relaatio) asettamalla g f mod m : m g f g = f + m h jollekin h F [x]. Kongruenssi

Lisätiedot

Similaarisuus. Määritelmä. Huom.

Similaarisuus. Määritelmä. Huom. Similaarisuus Määritelmä Neliömatriisi A M n n on similaarinen neliömatriisin B M n n kanssa, jos on olemassa kääntyvä matriisi P M n n, jolle pätee Tällöin merkitään A B. Huom. Havaitaan, että P 1 AP

Lisätiedot

Shorin algoritmin matematiikkaa Edvard Fagerholm

Shorin algoritmin matematiikkaa Edvard Fagerholm Edvard Fagerholm 1 Määritelmiä Määritelmä 1 Ryhmä G on syklinen, jos a G s.e. G = a. Määritelmä 2 Olkoon G ryhmä. Tällöin alkion a G kertaluku ord(a) on pienin luku n N \ {0}, jolla a n = 1. Jos lukua

Lisätiedot

Salausmenetelmät. Veikko Keränen, Jouko Teeriaho (RAMK, 2006)

Salausmenetelmät. Veikko Keränen, Jouko Teeriaho (RAMK, 2006) Salausmenetelmät Veikko Keränen, Jouko Teeriaho (RAMK, 2006) LUKUTEORIAA JA ALGORITMEJA 3. Kongruenssit à 3.1 Jakojäännös ja kongruenssi Määritelmä 3.1 Kaksi lukua a ja b ovat keskenään kongruentteja (tai

Lisätiedot

a ord 13 (a)

a ord 13 (a) JOHDATUS LUKUTEORIAAN (syksy 2017) HARJOITUS 4, MALLIRATKAISUT Tehtävä 1. Etsi asteet ord p (a) luvuille a 1, 2,..., p 1 kun p = 13 ja kun p = 17. (ii) Mitkä jäännösluokat ovat primitiivisiä juuria (mod

Lisätiedot

2017 = = = = = = 26 1

2017 = = = = = = 26 1 JOHDATUS LUKUTEORIAAN (syksy 2017) HARJOITUS 2, MALLIRATKAISUT Tehtävä 1. Sovella Eukleiden algoritmia ja (i) etsi s.y.t(2017, 753) (ii) etsi kaikki kokonaislukuratkaisut yhtälölle 405x + 141y = 12. Ratkaisu

Lisätiedot

TOOLS. Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO TOOLS 1 / 28

TOOLS. Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO TOOLS 1 / 28 TOOLS Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO 2018 TOOLS 1 / 28 Merkintöjä ja algebrallisia rakenteita Lukujoukkoja N = {0, 1, 2,..., GOOGOL 10,...} = {ei-negatiiviset kokonaisluvut}. TOOLS

Lisätiedot

Todistus. Eliminoidaan Euleideen algoritmissa jakojäännökset alhaaltaylöspäin.

Todistus. Eliminoidaan Euleideen algoritmissa jakojäännökset alhaaltaylöspäin. 18 ALGEBRA II missä r n (x) =syt(f(x),g(x)). Lause 2.7. Olkoot f(x),g(x) K[x]. Silloin syt(f(x),g(x)) = a(x)f(x)+b(x)g(x), joillakin a(x),b(x) K[x]. Todistus. Eliminoidaan Euleideen algoritmissa jakojäännökset

Lisätiedot

7. Olemassaolo ja yksikäsitteisyys Galois n kunta GF(q) = F q, jossa on q alkiota, määriteltiin jäännösluokkarenkaaksi

7. Olemassaolo ja yksikäsitteisyys Galois n kunta GF(q) = F q, jossa on q alkiota, määriteltiin jäännösluokkarenkaaksi 7. Olemassaolo ja yksikäsitteisyys Galois n kunta GF(q) = F q, jossa on q alkiota, määriteltiin jäännösluokkarenkaaksi Z p [x]/(m), missä m on polynomirenkaan Z p [x] jaoton polynomi (ks. määritelmä 3.19).

Lisätiedot

Kokonaislukuoptimointi

Kokonaislukuoptimointi Kokonaislukuoptimointi Algebrallisen geometrian sovelluksia Sisältö Taustaa algebrallisesta geometriasta Gröbnerin kanta Buchbergerin algoritmi Kokonaislukuoptimointi Käypyysongelma Algoritmi ratkaisun

Lisätiedot

x j x k Tällöin L j (x k ) = 0, kun k j, ja L j (x j ) = 1. Alkuperäiselle interpolaatio-ongelmalle saadaan nyt ratkaisu

x j x k Tällöin L j (x k ) = 0, kun k j, ja L j (x j ) = 1. Alkuperäiselle interpolaatio-ongelmalle saadaan nyt ratkaisu 2 Interpolointi Olkoon annettuna n+1 eri pistettä x 0, x 1, x n R ja n+1 lukua y 0, y 1,, y n Interpoloinnissa etsitään funktiota P, joka annetuissa pisteissä x 0,, x n saa annetut arvot y 0,, y n, (21)

Lisätiedot

Kanta ja Kannan-vaihto

Kanta ja Kannan-vaihto ja Kannan-vaihto 1 Olkoon L vektoriavaruus. Äärellinen joukko L:n vektoreita V = { v 1, v 2,..., v n } on kanta, jos (1) Jokainen L:n vektori voidaan lausua v-vektoreiden lineaarikombinaationa. (Ts. Span(V

Lisätiedot

Johdatus diskreettiin matematiikkaan Harjoitus 5, Ratkaise rekursioyhtälö

Johdatus diskreettiin matematiikkaan Harjoitus 5, Ratkaise rekursioyhtälö Johdatus diskreettiin matematiikkaan Harjoitus 5, 14.10.2015 1. Ratkaise rekursioyhtälö x n+4 2x n+2 + x n 16( 1) n, n N, alkuarvoilla x 1 2, x 2 14, x 3 18 ja x 4 42. Ratkaisu. Vastaavan homogeenisen

Lisätiedot

7 Vapaus. 7.1 Vapauden määritelmä

7 Vapaus. 7.1 Vapauden määritelmä 7 Vapaus Kuten edellisen luvun lopussa mainittiin, seuraavaksi pyritään ratkaisemaan, onko annetussa aliavaruuden virittäjäjoukossa tarpeettomia vektoreita Jos tällaisia ei ole, virittäjäjoukkoa kutsutaan

Lisätiedot

Seurauksia. Seuraus. Seuraus. Jos asteen n polynomilla P on n erisuurta nollakohtaa x 1, x 2,..., x n, niin P on muotoa

Seurauksia. Seuraus. Seuraus. Jos asteen n polynomilla P on n erisuurta nollakohtaa x 1, x 2,..., x n, niin P on muotoa Seurauksia Seuraus Jos asteen n polynomilla P on n erisuurta nollakohtaa x 1, x 2,..., x n, niin P on muotoa P(x) = a n (x x 1 )(x x 2 )... (x x n ). Seuraus Astetta n olevalla polynomilla voi olla enintään

Lisätiedot

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisinormi, häiriöalttius Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Matriisinormi Matriisinormi Matriiseille

Lisätiedot

Matematiikan tukikurssi, kurssikerta 3

Matematiikan tukikurssi, kurssikerta 3 Matematiikan tukikurssi, kurssikerta 3 1 Epäyhtälöitä Aivan aluksi lienee syytä esittää luvun itseisarvon määritelmä: { x kun x 0 x = x kun x < 0 Siispä esimerkiksi 10 = 10 ja 10 = 10. Seuraavaksi listaus

Lisätiedot

Epälineaaristen yhtälöiden ratkaisumenetelmät

Epälineaaristen yhtälöiden ratkaisumenetelmät Epälineaaristen yhtälöiden ratkaisumenetelmät Keijo Ruotsalainen Division of Mathematics Perusoletus Lause 3.1 Olkoon f : [a, b] R jatkuva funktio siten, että f(a)f(b) < 0. Tällöin funktiolla on ainakin

Lisätiedot

LUKUTEORIA johdantoa

LUKUTEORIA johdantoa LUKUTEORIA johdantoa LUKUTEORIA JA TODISTAMINEN, MAA11 Lukuteorian tehtävä: Lukuteoria tutkii kokonaislukuja, niiden ominaisuuksia ja niiden välisiä suhteita. Kokonaislukujen maailma näyttää yksinkertaiselta,

Lisätiedot

MS-A0402 Diskreetin matematiikan perusteet Esimerkkejä ym., osa II

MS-A0402 Diskreetin matematiikan perusteet Esimerkkejä ym., osa II MS-A040 Diskreetin matematiikan perusteet Esimerkkejä ym., osa II G. Gripenberg Aalto-yliopisto. huhtikuuta 0 G. Gripenberg (Aalto-yliopisto) MS-A040 Diskreetin matematiikan perusteet Esimerkkejä. ym.,

Lisätiedot

Johdatus matemaattiseen päättelyyn

Johdatus matemaattiseen päättelyyn Johdatus matemaattiseen päättelyyn Maarit Järvenpää Oulun yliopisto Matemaattisten tieteiden laitos Syyslukukausi 2015 1 Merkintöjä 2 Todistamisesta 3 Joukko-oppia 4 Funktioista Funktio eli kuvaus on matematiikan

Lisätiedot

MS-A0402 Diskreetin matematiikan perusteet Esimerkkejä ym., osa II

MS-A0402 Diskreetin matematiikan perusteet Esimerkkejä ym., osa II MS-A040 Diskreetin matematiikan perusteet Esimerkkejä ym., osa II G. Gripenberg Aalto-yliopisto. huhtikuuta 0 Modulaariaritmetiikka Eukleideen algoritmi RSA-algoritmi Ryhmät ja permutaatiot Ryhmät Permutaatiot

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Differentiaaliyhtälöt, osa 1 Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 20 R. Kangaslampi Matriisihajotelmista

Lisätiedot

33. pohjoismainen matematiikkakilpailu 2019 Ratkaisut

33. pohjoismainen matematiikkakilpailu 2019 Ratkaisut 33. pohjoismainen matematiikkakilpailu 2019 Ratkaisut 1. Kutsutaan (eri) positiivisten kokonaislukujen joukkoa merkitykselliseksi, jos sen jokaisen äärellisen epätyhjän osajoukon aritmeettinen ja geometrinen

Lisätiedot

{ 2v + 2h + m = 8 v + 3h + m = 7,5 2v + 3m = 7, mistä laskemmalla yhtälöt puolittain yhteen saadaan 5v + 5h + 5m = 22,5 v +

{ 2v + 2h + m = 8 v + 3h + m = 7,5 2v + 3m = 7, mistä laskemmalla yhtälöt puolittain yhteen saadaan 5v + 5h + 5m = 22,5 v + 9. 0. ÄÙ ÓÒ Ñ Ø Ñ Ø ÐÔ ÐÙÒ Ð Ù ÐÔ ÐÙÒ Ö Ø ÙØ 009 È ÖÙ Ö P. Olkoon vadelmien hinta v e, herukoiden h e ja mustikoiden m e rasialta. Oletukset voidaan tällöin kirjoittaa yhtälöryhmäksi v + h + m = 8 v +

Lisätiedot

Tenttiin valmentavia harjoituksia

Tenttiin valmentavia harjoituksia Tenttiin valmentavia harjoituksia Alla olevissa harjoituksissa suluissa oleva sivunumero viittaa Juha Partasen kurssimonisteen siihen sivuun, jolta löytyy apua tehtävän ratkaisuun. Funktiot Harjoitus.

Lisätiedot

Näihin harjoitustehtäviin liittyvä teoria löytyy Adamsista: Ad6, Ad5, 4: 12.8, ; Ad3: 13.8,

Näihin harjoitustehtäviin liittyvä teoria löytyy Adamsista: Ad6, Ad5, 4: 12.8, ; Ad3: 13.8, TKK, Matematiikan laitos Gripenberg/Harhanen Mat-1.432 Matematiikan peruskurssi K2 Harjoitus 4, (A=alku-, L=loppuviikko, T= taulutehtävä, P= palautettava tehtävä, W= verkkotehtävä ) 12 16.2.2007, viikko

Lisätiedot

Numeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35

Numeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35 Numeeriset menetelmät TIEA381 Luento 8 Kirsi Valjus Jyväskylän yliopisto Luento 8 () Numeeriset menetelmät 11.4.2013 1 / 35 Luennon 8 sisältö Interpolointi ja approksimointi Funktion approksimointi Tasainen

Lisätiedot

Diskreetin satunnaismuuttujan odotusarvo, keskihajonta ja varianssi

Diskreetin satunnaismuuttujan odotusarvo, keskihajonta ja varianssi TOD.NÄK JA TILASTOT, MAA0 Diskreetin satunnaismuuttujan odotusarvo, keskihajonta ja varianssi Kuten tilastojakaumia voitiin esittää tunnuslukujen (keskiarvo, moodi, mediaani, jne.) avulla, niin vastaavasti

Lisätiedot

Havainnollistuksia: Merkitään w = ( 4, 3) ja v = ( 3, 2). Tällöin. w w = ( 4) 2 + ( 3) 2 = 25 = 5. v = ( 3) = 13. v = v.

Havainnollistuksia: Merkitään w = ( 4, 3) ja v = ( 3, 2). Tällöin. w w = ( 4) 2 + ( 3) 2 = 25 = 5. v = ( 3) = 13. v = v. Havainnollistuksia: Merkitään w = ( 4, 3) ja v = ( 3, 2). Tällöin w = w w = ( 4) 2 + ( 3) 2 = 25 = 5 v = v v = ( 3) 2 + 2 2 = 13. w =5 3 2 v = 13 4 3 LM1, Kesä 2014 76/102 Normin ominaisuuksia I Lause

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 4 Jatkuvuus Jatkuvan funktion määritelmä Tarkastellaan funktiota f x) jossakin tietyssä pisteessä x 0. Tämä funktio on tässä pisteessä joko jatkuva tai epäjatkuva. Jatkuvuuden

Lisätiedot

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5. 2. MS-A4/A6 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 5.9.25 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x + x 2

Lisätiedot

2. Teoriaharjoitukset

2. Teoriaharjoitukset 2. Teoriaharjoitukset Demotehtävät 2.1 Todista Gauss-Markovin lause. Ratkaisu. Oletetaan että luentokalvojen standardioletukset (i)-(v) ovat voimassa. Huomaa että Gauss-Markovin lause ei vaadi virhetermien

Lisätiedot

0 kun x < 0, 1/3 kun 0 x < 1/4, 7/11 kun 1/4 x < 6/7, 1 kun x 1, 1 kun x 6/7,

0 kun x < 0, 1/3 kun 0 x < 1/4, 7/11 kun 1/4 x < 6/7, 1 kun x 1, 1 kun x 6/7, HY / Matematiikan ja tilastotieteen laitos Todennäköisyyslaskenta II, syksy 07 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I. Mitkä seuraavista funktioista F, F, F ja F 4 ovat kertymäfunktioita? Mitkä niistä

Lisätiedot

Surjektion käsitteen avulla kuvauksia voidaan luokitella sen mukaan, kuvautuuko kaikille maalin alkioille jokin alkio vai ei.

Surjektion käsitteen avulla kuvauksia voidaan luokitella sen mukaan, kuvautuuko kaikille maalin alkioille jokin alkio vai ei. 5.5 Surjektio Surjektion käsitteen avulla kuvauksia voidaan luokitella sen mukaan, kuvautuuko kaikille maalin alkioille jokin alkio vai ei. Määritelmä 5.5.1. Kuvaus f : X æ Y on surjektio, jos jokaisella

Lisätiedot

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus.

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus. 1 Lineaarikuvaus 1.1 Määritelmä Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V W on lineaarinen, jos (a) L(v + w) = L(v) + L(w); (b) L(λv) = λl(v) aina, kun v, w V ja λ K. Termejä:

Lisätiedot

Epälineaaristen yhtälöiden ratkaisumenetelmät

Epälineaaristen yhtälöiden ratkaisumenetelmät Epälineaaristen yhtälöiden ratkaisumenetelmät Keijo Ruotsalainen Division of Mathematics Perusoletus Lause 3.1 Olkoon f : [a, b] R jatkuva funktio siten, että f(a)f(b) < 0. Tällöin funktiolla on ainakin

Lisätiedot

Dihedraalinen ryhmä Pro gradu Elisa Sonntag Matemaattisten tieteiden laitos Oulun yliopisto 2013

Dihedraalinen ryhmä Pro gradu Elisa Sonntag Matemaattisten tieteiden laitos Oulun yliopisto 2013 Dihedraalinen ryhmä Pro gradu Elisa Sonntag Matemaattisten tieteiden laitos Oulun yliopisto 2013 Sisältö Johdanto 2 1 Ryhmä 3 2 Symmetrinen ryhmä 6 3 Symmetriaryhmä 10 4 Dihedraalinen ryhmä 19 Lähdeluettelo

Lisätiedot

Differentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle /

Differentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle / MS-A8 Differentiaali- ja integraalilaskenta, V/7 Differentiaali- ja integraalilaskenta Ratkaisut 5. viikolle / 9..5. Integroimismenetelmät Tehtävä : Laske osittaisintegroinnin avulla a) π x sin(x) dx,

Lisätiedot

[E : F ]=[E : K][K : F ].

[E : F ]=[E : K][K : F ]. ALGEBRA II 35 Lause 4.4 (Astelukulause). Olkoot E/K/Fäärellisiä kuntalaajennuksia. Silloin [E : F ]=[E : K][K : F ]. Todistus. Olkoon {α 1,...,α n } kanta laajennukselle E/K ja {β 1,...,β m } kanta laajennukselle

Lisätiedot

Lineaarialgebra ja matriisilaskenta I, HY Kurssikoe Ratkaisuehdotus. 1. (35 pistettä)

Lineaarialgebra ja matriisilaskenta I, HY Kurssikoe Ratkaisuehdotus. 1. (35 pistettä) Lineaarialgebra ja matriisilaskenta I, HY Kurssikoe 26.10.2017 Ratkaisuehdotus 1. (35 pistettä) (a) Seuraavat matriisit on saatu eräistä yhtälöryhmistä alkeisrivitoimituksilla. Kuinka monta ratkaisua yhtälöryhmällä

Lisätiedot

Tampere University of Technology

Tampere University of Technology Tampere University of Technology EDE- Introduction to Finite Element Method. Exercise 3 Autumn 3.. Solve the deflection curve v(x) exactly for the beam shown y,v q v = q z, xxxx x E I z Integroidaan yhtälö

Lisätiedot

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141 Lineaarialgebra ja matriisilaskenta II LM2, Kesä 2012 1/141 Kertausta: avaruuden R n vektorit Määritelmä Oletetaan, että n {1, 2, 3,...}. Avaruuden R n alkiot ovat jonoja, joissa on n kappaletta reaalilukuja.

Lisätiedot

HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2015 Harjoitus 1 Ratkaisut palautettava viimeistään maanantaina klo

HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2015 Harjoitus 1 Ratkaisut palautettava viimeistään maanantaina klo HY / Avoin yliopisto Lineaarialgebra ja matriisilaskenta II, kesä 2015 Harjoitus 1 Ratkaisut palautettava viimeistään maanantaina 10.8.2015 klo 16.15. Tehtäväsarja I Tutustu lukuun 15, jossa vektoriavaruuden

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi A. Lepistö alepisto@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2016 M. Hirvensalo V. Junnila A. Lepistö

Lisätiedot

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5. 2. MS-A000 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2..205 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x x 2 =

Lisätiedot

802655S KETJUMURTOLUVUT OSA II CONTINUED FRACTIONS PART II

802655S KETJUMURTOLUVUT OSA II CONTINUED FRACTIONS PART II 802655S KETJUMURTOLUVUT OSA II CONTINUED FRACTIONS PART II Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO KEVÄT 2017 Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN 802655S KETJUMURTOLUVUT YLIOPISTO OSA

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 1 1 Matemaattisesta päättelystä Matemaattisen analyysin kurssin (kuten minkä tahansa matematiikan kurssin) seuraamista helpottaa huomattavasti, jos opiskelija ymmärtää

Lisätiedot

R 1 = Q 2 R 2 + R 3,. (2.1) R l 2 = Q l 1 R l 1 + R l,

R 1 = Q 2 R 2 + R 3,. (2.1) R l 2 = Q l 1 R l 1 + R l, 2. Laajennettu Eukleideen algoritmi Määritelmä 2.1. Olkoot F kunta ja A, B, C, D F [x]. Sanotaan, että C jakaa A:n (tai C on A:n jakaja), jos on olemassa K F [x] siten, että A = K C; tällöin merkitään

Lisätiedot

w + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1.

w + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1. Kotitehtävät, tammikuu 2011 Vaikeampi sarja 1. Ratkaise yhtälöryhmä w + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1. Ratkaisu. Yhtälöryhmän ratkaisut (w, x, y, z)

Lisätiedot

Tekijä Pitkä Matematiikka 11 ratkaisut luku 2

Tekijä Pitkä Matematiikka 11 ratkaisut luku 2 Tekijä Pitkä matematiikka 11 0..017 170 a) Koska 8 = 4 7, luku 8 on jaollinen luvulla 4. b) Koska 104 = 4 6, luku 104 on jaollinen luvulla 4. c) Koska 4 0 = 80 < 8 ja 4 1 = 84 > 8, luku 8 ei ole jaollinen

Lisätiedot

Numeeriset menetelmät

Numeeriset menetelmät Numeeriset menetelmät Luento 6 To 22.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 6 To 22.9.2011 p. 1/38 p. 1/38 Ominaisarvotehtävät Monet sovellukset johtavat ominaisarvotehtäviin Yksi

Lisätiedot

802320A LINEAARIALGEBRA OSA III

802320A LINEAARIALGEBRA OSA III 802320A LINEAARIALGEBRA OSA III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 56 Määritelmä Määritelmä 1 Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V

Lisätiedot

Matriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?

Matriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on? Harjoitus 1, kevät 007 1. Olkoon [ ] cos α sin α A(α) =. sin α cos α Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?. Olkoon a x y A = 0 b z, 0 0 c missä a, b, c 0. Määrää käänteismatriisi

Lisätiedot

Epäyhtälöt ovat yksi matemaatikon voimakkaimmista

Epäyhtälöt ovat yksi matemaatikon voimakkaimmista 6 Epäyhtälöitä Epäyhtälöt ovat yksi matemaatikon voimakkaimmista työvälineistä. Yhtälö a = b kertoo sen, että kaksi ehkä näennäisesti erilaista asiaa ovat samoja. Epäyhtälö a b saattaa antaa keinon analysoida

Lisätiedot

Algebra I, harjoitus 8,

Algebra I, harjoitus 8, Algebra I, harjoitus 8, 4.-5.11.2014. 1. Olkoon G ryhmä ja H sen normaali aliryhmä. Todista, että tällöin G/H on ryhmä, kun määritellään laskutoimitus joukossa G/H asettamalla aina, kun x, y G (lauseen

Lisätiedot