Modell: en binær symmetrisk kanal. binær: sendes kun 0 eller 1
|
|
- Lilly Haaland
- 5 år siden
- Visninger:
Transkript
1 Modell: en binær symmetrisk kanal binær: sendes kun eller 1 symmetrisk: sannsynlighet av transmisjonsfeil p er samme for som for 1 Teorem. La c Z n 2. Dersom en melding c overføres via en binær symmetrisk kanal hvor sannsynligheten for feil er p, er Vi betrakter meldinger i form av bitstrenger som elementer i Z n 2. F.eks. c = 111 oppfattes som elementet (1,, 1, 1, ) Z 2 = Z 2 Z 2 Z 2 Z 2 Z 2. sannsynligheten for at meldingen r = c + e mottas, p k (1 p) n k, der e er gitt feilmønster med k 1-ere og n k -ere. ( sannsynligheten ) for at meldingen c blir mottatt med k feil, n k p k (1 p) n k Vi betegner sendt melding med c, mottatt melding med r og feil med e. Vi har c + r = e, c + e = r og r + e = c. 1 2 Prinsipp. Koding av meldinger går utpå å legge inn ekstra informasjon i meldingen som kan brukes til å oppdage og eventuelt rette feil i overføringen av meldingen. E : Z m 2 Zn 2, n > m (kodingsfunksjon) D : Z n 2 Zm 2, (dekondingsfunksjon) Eksempel. La oss se på en såkaldt (m +1,m)-blokkode hvor m =8. Da er mengden av meldinger W = Z 8 2 og for hver w = w 1 w 2...w 8 W definerer vi E : Z 8 2 Z9 2 ved at hvor For eksempel har vi E (w 1 w 2...w 8 ) = w 1 w 2...w 8 w 9, 8 w 9 = w i (mod 2). i=1 E (11111) =
2 Eksempel. La oss betrakte blokkoden ((3m, m) for m = 8) gitt på følgende måte. Vi har mengden av meldinger W = Z 8 2 og for hver w = w 1 w 2...w 8 W definerer vi slik at For eksempel, E : Z 8 2 Z24 2 E (w 1 w 2...w 8 ) = w 1 w 2...w 8 w 1 w 2...w 8 w 1 w 2...w 8. E (11111) = Eksempel: melding kodeord (3,2) paritetskontroll kode. melding kodeord (3,1) repetisjons kode 5 6 Hamming metrikk La C Z n 2 være en kodemengde. Definisjon. Anta at u, v Z n 2,n Z+. Da La C Z n 2 være en mangde av kodeord. (Vi sier også atc er en kode.) Definisjon. Anta at u, v Z n 2,n Z+. Da definerer vi vekt av u, betegnes wt (u), er lik antall elementer u i i u som er like 1; vekten av u, betegnet med wt (u), til å være antall 1 ere i u. avstand mellom u og v, betegnes d (u, v), er antall elementer u i,v i, der u i v i,i=1, 2,...,n. Eksempel. For u = 11,v = 1111 har at wt(u) =2,wt(v) = 4ogd(u, v) =2. Lemma. For u, v Z n 2,wt(u + v) wt (u) + wt (v). 7 avstand mellom u og v, betegnet med d (u, v), til å være antall bit hvor u of v er forskjellige. Eksempel. For u = 11,v = 1111 har vi at wt(u) =2,wt(v) = 4ogd(u, v) =2. 8
3 Teorem. Avstandsfunksjonen d : Z n 2 Zn 2 N tilfredsstiller følgende egenskaper: 1. d (u, v) ; Definisjon. For n, k Z + og u Z n 2, definerer vi en kule med radius k og sentrum u ved 2. d (u, v) =hvis og bare hvis u = v; S (u, k) = {v Z n 2 d (u, v) k} 3. d (u, v) = d (v, u) ; 4. d (u, v) d (u, w) + d (w, v). 9 1 Teorem. La E : W C være kodingsfunksjon, der W Z m 2 er en mengde av meldinger og C Z n 2 er en mengde av mulige kodeord, m<n. Alle overføringsfeil med vekt mindre enn eller lik k kan oppdages hvis og bare hvis avstanden mellom kodeord i C ikke er mindre enn k +1. Teorem. La E : W C være kodingsfunksjon, der W Z m 2 er en mengde av meldinger og C Z n 2 er en mengde av mulige kodeord, m<n.alle overføringsfeil med vekt mindre enn eller lik k kan rettes hvis og bare hvis avstanden mellom kodeord ikke er mindre enn 2k
4 Paritet kontroll og generator matriser Vi skal definere E : Z m 2 Zn 2 ved hjelp av matriser slik at I tilfellet av (n, m) kode, 2 m mulige meldinger av lengde m er alle elementer fra Z m 2, mens Zm 2 mulige meldinger av lengde n er elementer fra Z n 2. Da kodering er en injektiv funksjon E : Z m 2 Zn 2 som for hver melding av lengde m definerer kodeord an lengde n som skal overføres. det gir enkel og rask måte å kodere; rask måte å finne nærmeste kodeord for hver mottat ord Definisjon. La G være n k matrise. G presenterer transformasjoner E : Z m 2 Zn 2, definert av (n, m) lineær kode. G kalles generator-matrise eller koderende matrise for denne koden Eksempel. La G = være en (3 6)-matrise over Z Matrisen G kalles generator-matrise og har strukturen G = [I 3 A], hvor I 3 er identitetsmatrisen med 3 3 elementer. Vi bruker G til å definere en kodingsfunksjon E : Z 3 2 Z6 2 ved for hver w Z 3 2. E(w) =w G Eksempel (forts). Eksempelvis får vi E(11) = [ 1 1 ] = [ ] og E(1) = [ 1 ] = [ ]
5 Eksempel (forts). Ta utgangspunkt i en melding w = w 1 w 2 w 3 Z 3 2. Fra denne får vi et kode ord Eksempel (forts). Mengden av alle sekvenser (kodeord) som kan fås på tilsvarende måte er { }, 111, 111, 111, C = Z , 1111, 1111, Fra dette ser vi at den minste Hamming avstanden mellom elementer i C er 3. Det betyr at vi kan oppdage 2 og rette 1 feil. med 6 siffer. E (w 1 w 2 w 3 ) = w 1 w 2 w 3 w 4 w 5 w 6 Z 6 2 Siden E (w 1 w 2 w 3 ) = [w 1 w 2 w 3 ] = [w 1 w 2 w 3 (w 1 + w 3 )(w 1 + w 2 )(w 2 + w 3 )], får vi w 4 = w 1 +w 3,w 5 = w 1 +w 2,w 6 = w 2 +w 3. Disse ligningene kalles paritetskontrolligningene Eksempel (forts). Siden w = w for alle w Z 3 2, kan paritetskontrolligningene w 4 = w 1 + w 3 w 5 = w 1 + w 2 w 6 = w 2 + w 3 fra forrige lysark skrives om til w 1 +w 3 +w 4 = w 1 +w 2 +w 5 = +w 2 +w 3 +w 6 = eller på matriseform w 1 w 2 w 3 w 4 w 5 w 6 = H (E (w)) T = Eksempel (forts). Fra det forrige lysarket konkluderer vi at en mottatt melding r = r 1 r 2...r 6 er et kodeord (r C) hvisogbare hvis H r T = (Hvis dette er tilfellet tror vi at r = E(w) er mottatt uten feil.) 2 21
6 Eksempel (forts). Anta at vi har mottatt meldingen r = 11. Oppsummering Vi ser da på H r T som kalles syndromet til r. Siden H r T = = 1 er sekvensen r ikke et kodeord. Så vi har oppdaget en feil i overføringen, og vi vil gjerne finne kodeordet i C som er nærmeste til r. La m, n Z +, m<n. Kodering funksjon E : Z m 2 Zn 2 defineres ved hjelp av generatormatrise G slik at E(w) =w G for hver w Z m 2 og kodemengde C = E ( Z m ) 2 Z n 2, der G = [I m A] matrise over Z 2, A er m (n m) matrise og I m er (m m) identitets matrise. Teorien sier da at siden vi får ut første kollonne av H såerdet oppstått enfeiliførstebit. Rettervidennefår vi 111 som er et kodeord. 22 Paritet kontroll matrise H er (n m) n matrise i formen H = [ A T ] I n m. 23 Dersom H tilfredsstiller disse betingelser da dekoderings algoritmen er følgende: Matrise H dekoderer og retter 1 overføringsfeil dersom: 1. Hvis H r T = da regner vi at overføring var uten feil of resultat er første m elementer av r. H inneholder ikke kolonne av -er; Fins ikke to like koloner i H. 2. Hvis H r T er lik i.kolonne av H, da feil skjedde i i.de kolonne av r. Retter i.de element i r og resultat er første m elementer av r. 3. Hvis det var verken første eller andre tilfeller da skjedde flere enn 1 feilunder overføring og det kan ikke rettes. 24
7 Definisjon. En mengde G, G med binær operasjon definert på G kalles gruppe, betegnes (G, ), hvis følgende betingelsene tilfredstilles: For alle a, b G, a b G; For alle a, b, c G, (a b) c = a (b c) ; Det fins e G slik at for alle a G, e a = a e = a ( e kalles identitets element); Definisjon. Hvis en gruppe G er slik at mengde G er endelig, da G betegner antall elementer i G og sies at gruppen G har orden G. Definisjon. La (G, ) være en gruppe og H G. Hvis (H, ) er også engruppedasiesat(h, ) er en delgruppe av (G, ). For hver a G fins b G slik at a b = b a = e ( b kan betegnes a 1 og er et invers element til a). 25 Teorem. Hvis H er ikke tom delmengde av gruppe (G, ), da H er an delgruppe G hvis og bare hvis 1. for alle a, b H, a b H og Komengder 2. for alle a H, a 1 H. Teorem. Anta at G er en gruppe og er ikke tom, endelig delmengde av G. Da H er en delmengde av G hvis og bare hvis H er lukket under operasjonen av G. Definisjon. Hvis H er en delgruppe av G, så for noen a G mengde ah = {ah h H} kalles venstre komengde av H i G og mengde Ha = {ha h H} kalles høyre komengde av H i G
8 Eksempel. For G = (Z 1 2, +) og H = {, 4, 8} har vi flgende komengder: +H = {, 4, 8} = H 1+H = {1, 5, 9} 2+H = {2, 6, 1} 3+H = {3, 7, 11} 4+H = {4, 8, } =+H =8+H = H 28
MAT1120 Repetisjon Kap. 1
MAT1120 Repetisjon Kap. 1 Kap. 1, avsn. 2.1-2.3 og kap. 3 i Lays bok er for det meste kjent fra MAT1100 og MAT1110. Idag skal vi repetere fra kap. 1 i Lays bok. Det handler bl.a. om : Matriser Vektorer
DetaljerForelesningsnotater SIF 5021 Algebra og tallteori V-02. Et kort innføring med eksempler fra kodeteori
Forelesningsnotater SIF 5021 Algebra og tallteori V-02. Et kort innføring med eksempler fra kodeteori Sverre O. Smalø I forbindelse med elektronisk digital kommunikasjon vil kommunikasjonskanalen av og
DetaljerEuklids algoritmen. p t 2. 2 p t n og b = p s 1. p min(t 2,s 2 )
For å finne største felles divisor (gcd) kan vi begrense oss til N, sidenfor alle a, b Z, harvi gcd(a, b) =gcd( a, b ). I prinsippet, dersom vi vet at a = p t 1 kan vi se at 1 p t 2 2 p t n og b = p s
DetaljerMAT1030 Diskret Matematikk
MAT1030 Diskret Matematikk Plenumsregning 8: Ukeoppgaver Mathias Barra Matematisk institutt, Universitetet i Oslo 6. mars 2009 (Sist oppdatert: 2009-03-06 19:11) Oppgave 5.9 La A = {a, b, c} og B = {p,
DetaljerLineære likningssystemer og matriser
Kapittel 3 Lineære likningssystemer og matriser I dette kapittelet skal vi sette sammen Kapittel 1 og 2. 3.1 Den utvidede matrisen til et likningssystem Vi starter med et lineært likningssystem med m likninger
DetaljerLO118D Forelesning 5 (DM)
LO118D Forelesning 5 (DM) Relasjoner 03.09.2007 1 Relasjoner 2 Ekvivalensrelasjoner 3 Matriser av relasjoner 4 Relasjonsdatabaser Relasjon Relasjoner er en generalisering av funksjoner En relasjon er en
DetaljerMAT1030 Diskret matematikk
MAT30 Diskret matematikk Plenumsregning 6: Ukeoppgaver fra kapittel Roger Antonsen Matematisk Institutt, Universitetet i Oslo. februar 008 Oppgave. Skriv følgende mengder på listeform. (a) Mengden av alle
DetaljerMAT1030 Diskret matematikk
MAT1030 Diskret matematikk Plenumsregning 6: Ukeoppgaver fra kapittel 5 Roger Antonsen Matematisk Institutt, Universitetet i Oslo 21. februar 2008 Oppgave 5.1 Skriv følgende mengder på listeform. (a) Mengden
DetaljerMatriser. Kapittel 4. Definisjoner og notasjon
Kapittel Matriser Vi har lært å løse et lineært ligningssystem ved å sette opp totalmatrisen til systemet gausseliminere den ved hjelp av radoperasjoner på matrisen Vi skal nå se nærmere på egenskaper
Detaljer3.9 Teori og praksis for Minste kvadraters metode.
3.9 Teori og praksis for Minste kvadraters metode. Vi fortsetter med minste kvadraters problem. Nå skal vi se nærmere på noen teoretiske spørsmål, bl.a. hvordan normallikningene utledes. Minner om MK problemstillingen:
DetaljerTeorem 10 (Z n, + n ) er en endelig abelsk gruppe. 8. november 2005 c Vladimir Oleshchuk 35. Teorem 11 (Z n, ) er en endelig abelsk gruppe.
Endelige grupper Teorem 10 (Z n, + n ) er en endelig abelsk gruppe. En gruppe er en mengde S sammen med en binær operasjon definert på S, betegnes (S, ), med følgende egenskaper: 1. a, b S, a b S 2. det
DetaljerLøsningsforslag øving 6
Løsningsforslag øving 6 7 Husk Teorem 79 i notatet: En delmengde U av et vektorrom V er et underrom hvis ) nullvektoren er i U, ) summen av to vektorer i U er i U igjen, og 3) et skalarmultiplum av en
Detaljer4.1 Vektorrom og underrom
4.1 Vektorrom og underrom Vektorrom er en abstraksjon av R n. De kan brukes til å utlede egenskaper, resultater og metoder for tilsynelatende svært ulike klasser av objekter : n-tupler, følger, funksjoner,
DetaljerRekurrens. MAT1030 Diskret matematikk. Rekurrens. Rekurrens. Eksempel. Forelesning 16: Rekurrenslikninger. Dag Normann
MAT1030 Diskret matematikk Forelesning 16: likninger Dag Normann Matematisk Institutt, Universitetet i Oslo INGEN PLENUMSREGNING 6/3 og 7/3 5. mars 008 MAT1030 Diskret matematikk 5. mars 008 Mandag ga
DetaljerMAUMAT644 ALGEBRA vår 2016 Første samling Runar Ile
MAUMAT644 ALGEBRA vår 2016 Første samling Runar Ile 1 Introduksjon: Grupper og ringer Ringer En ring er et sted hvor du kan addere, subtrahere og multiplisere. Hvis du også kan dividere kalles ringen for
DetaljerMAT Onsdag 7. april Lineær uavhengighet (forts. 1.8 Underrom av R n, nullrom, basis MAT Våren UiO. 7.
MAT 2 april 2.7 Lineær.8 Underrom MAT 2 Våren 2 UiO 7. april 2 / 23 MAT 2 april 2.7 Lineær.8 Underrom Minner om:.7 Lineær (fortsettelse) Definisjon. To vektorer u og v i R n kalles lineært avhengige dersom
Detaljer15 Hovedprinsippet for vektorrom med et indre produkt
Hovedprinsippet for vektorrom med et indre produkt La oss minne Hovedprinsippet (Seksjon 8.): Alle (endelig dimensjonale dvs. de som har en endelig basis) vektorrom kan beskrives som R n der n dim V. Alle
Detaljer4.1 Vektorrom og underrom
4.1 Vektorrom og underrom Vektorrom er en abstraksjon av R n. De kan brukes til å utlede egenskaper, resultater og metoder for tilsynelatende svært ulike klasser av objekter : n-tupler, følger, funksjoner,
Detaljer4 Matriser TMA4110 høsten 2018
Matriser TMA høsten 8 Nå har vi fått erfaring med å bruke matriser i et par forskjellige sammenhenger Vi har lært å løse et lineært likningssystem ved å sette opp totalmatrisen til systemet og gausseliminere
DetaljerMAT1120 Repetisjon Kap. 1, 2 og 3
MAT1120 Repetisjon Kap. 1, 2 og 3 Kap. 1, avsn. 2.1-2.3 og kap. 3 i Lays bok er for det meste kjent fra MAT1100 og MAT1110. Fra kap. 1 repeterer vi: Matriser Vektorer og lineære kombinasjoner Lineæravbildninger
DetaljerNotat med oppgaver for MAT1140
Notat med oppgaver for MAT1140 1 Injeksjon, surjeksjon Oppgave 1.1. La f : A B være en avbildning. Vis at da er f injektiv hvis og bare hvis følgende holder: for hver mengde C og for hver g, h : C A hvis
DetaljerForelesningsnotat i Diskret matematikk 27. september 2018
Kvadratiske matriser Hvis en matrise A er kvadratisk kan den multipliseres med seg selv. Vi skriver vanligvis A 2 istedenfor AA, A 3 istedenfor AAA, osv. Spesielt er A 1 = A. Enhetsmatriser, også kalt
DetaljerOversikt over lineære kongruenser og lineære diofantiske ligninger
Oversikt over lineære kongruenser og lineære diofantiske ligninger Richard Williamson 3. desember 2014 Oppgave 1 Finn et heltall x slik at 462x 27 (mod 195). Benytt først Euklids algoritme for å finne
DetaljerObligatorisk oppgavesett 1 MAT1120 H16
Obligatorisk oppgavesett MAT0 H6 Innleveringsfrist: torsdag /09 06, innen kl 4.30. Besvarelsen leveres på Matematisk institutt, 7. etasje i N.H. Abels hus. Husk å bruke forsiden som du finner via hjemmesiden.
DetaljerLineære ligningssystemer. Forelesning, TMA4110 Torsdag 17/9. Lineære ligningssystemer (forts.) Eksempler
Lineære ligningssystemer Generell form; m ligninger i n ukjente, m n-system: Forelesning, TMA4110 Torsdag 17/9 Martin Wanvik, IMF MartinWanvik@mathntnuno a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1
DetaljerObligatorisk innleveringsoppgave, løsning Lineær algebra, Våren 2006
Obligatorisk innleveringsoppgave, løsning Lineær algebra, Våren 006 Oppgave I hele oppgaven bruker vi I = 0 0 0 0. 0 0 a) Matrisen A har størrelse og B har størrelse slik at matriseproduktet A B er en
Detaljer4.1 Vektorrom og underrom
4.1 Vektorrom og underrom Vektorrom er en abstraksjon av R n. Kan brukes til å utlede egenskaper, resultater og metoder for tilsynelatende svært ulike klasser av objekter : n-tupler, følger, funksjoner,
DetaljerLineære likningssett.
Lineære likningssett. Forelesningsnotater i matematikk. Lineære likningssystemer. Side 1. 1. Innledning. La x 1, x, x n være n ukjente størrelser. La disse størrelsene være forbundet med m lineære likninger,
DetaljerINF1040 Oppgavesett 6: Lagring og overføring av data
INF1040 Oppgavesett 6: Lagring og overføring av data (Kapittel 1.5 1.8) Husk: De viktigste oppgavetypene i oppgavesettet er Tenk selv -oppgavene. Fasitoppgaver Denne seksjonen inneholder innledende oppgaver
DetaljerMAT1030 Forelesning 17
MAT1030 Forelesning 17 Rekurrenslikninger Roger Antonsen - 18. mars 009 (Sist oppdatert: 009-03-18 19:3) Forelesning 17 Forrige gang ga vi en rekke eksempler på bruk av induksjonsbevis og rekursivt definerte
DetaljerMA1201/MA6201 Høsten 2016
MA121/MA621 Høsten 216 Norges teknisk naturvitenskapelige universitet Institutt for matematikk Med forebehold om feil. Hvis du finner en, ta kontakt med Karin. Kapittel 2.3 1 b) c) d) 1 3 1 1 3 1 A I 2
DetaljerLineær uavhengighet og basis
Lineær uavhengighet og basis NTNU, Institutt for matematiske fag 19. oktober, 2010 Lineær kombinasjon En vektor w sies å være en lineær kombinasjon av vektorer v 1, v 2,..., v k hvis det finnes tall c
DetaljerMAT 1110: Bruk av redusert trappeform
Tom Lindstrøm 10/5, 2006: MAT 1110: Bruk av redusert trappeform I Lays bok brukes den reduserte trappeformen til matriser til å løse en rekke problemer knyttet til ligningssystemer, lineærkombinasjoner,
DetaljerLineære ligningssystemer og gausseliminasjon
Kapittel Lineære ligningssystemer og gausseliminasjon Vi skal lære en metode for å finne og beskrive alle løsninger av systemer av m lineære ligninger med n ukjente. Oppvarming Her er et eksempel på et
DetaljerØvingsforelesning 6. Kombinatorikk, generaliserte permutasjoner, og MP13. TMA4140 Diskret Matematikk. 08. og 10. oktober 2018
Kombinatorikk, generaliserte permutasjoner, og MP13 Øvingsforelesning 6 TMA4140 Diskret Matematikk 08. og 10. oktober 2018 Dagen i dag Per forespørsmål, MP15.4 Trediagram Produktssetningen Permutasjoner
DetaljerLineære ligningssystemer og gausseliminasjon
Kapittel Lineære ligningssystemer og gausseliminasjon Vi skal lære en metode for å finne og beskrive alle løsninger av systemer av m lineære ligninger med n ukjente Oppvarming Her er et eksempel på et
DetaljerGauss-Jordan eliminasjon; redusert echelonform. Forelesning, TMA4110 Fredag 18/9. Reduserte echelonmatriser. Reduserte echelonmatriser (forts.
Gauss-Jordan eliminasjon; redusert echelonform Forelesning, TMA4110 Fredag 18/9 Martin Wanvik, IMF MartinWanvik@mathntnuno En matrise vil normalt være radekvivalent med flere echelonmatriser; med andre
DetaljerMAT1030 Forelesning 22
MAT1030 Forelesning 22 Grafteori Roger Antonsen - 21. april 2009 (Sist oppdatert: 2009-04-21 15:13) Introduksjon Introduksjon Vi skal nå over til kapittel 10 & grafteori. Grafer fins overalt rundt oss!
DetaljerMAT1030 Diskret matematikk
MAT1030 Diskret matematikk Plenumsregning 3: Ukeoppgaver fra kapittel 2 & 3 Roger Antonsen Matematisk Institutt, Universitetet i Oslo 31. januar 2008 Oppgave 2.7 - Horners metode (a) 7216 8 : 7 8+2 58
DetaljerMAT1030 Forelesning 13
MAT1030 Forelesning 13 Funksjoner Roger Antonsen - 4. mars 2009 (Sist oppdatert: 2009-03-06 18:57) Kapittel 6: Funksjoner Opphenting Forrige forelesning snakket vi veldig grundig om relasjoner Vi snakket
DetaljerRang og Vektorrom. Magnus B. Botnan NTNU. 4. august, 2015
Rang og Vektorrom Magnus B. Botnan NTNU 4. august, 2015 Lineær Uavhengighet La v (1),..., v (m) være vektorer av samme størrelse. Vi sier at vektorene er lineært avhengige hvis det finnes konstanter c
DetaljerLO118D Forelesning 9 (DM)
LO118D Forelesning 9 (DM) Grafteori 26.09.2007 1 Introduksjon 2 Veier og sykler 3 Hamiltonsykler og omreisende handelsmenn Graf, urettet Definisjon En graf (eller urettet graf) G består av en mengde V
DetaljerIntroduksjon. MAT1030 Diskret Matematikk. Introduksjon. En graf. Forelesning 22: Grafteori. Roger Antonsen
MAT1030 Diskret Matematikk Forelesning 22: Grafteori Roger Antonsen Institutt for informatikk, Universitetet i Oslo Introduksjon 21. april 2009 (Sist oppdatert: 2009-04-21 15:13) MAT1030 Diskret Matematikk
DetaljerIntroduksjon. MAT1030 Diskret matematikk. Søkealgoritmer for grafer. En graf
Introduksjon MAT13 Diskret matematikk Forelesning 21: Grafteori Roger Antonsen Matematisk Institutt, Universitetet i Oslo 9. april 28 Vi skal nå over til kapittel 1 & grafteori. Grafer fins overalt rundt
DetaljerMAT1030 Diskret matematikk
MAT1030 Diskret matematikk Forelesning 21: Grafteori Roger Antonsen Matematisk Institutt, Universitetet i Oslo 9. april 2008 Introduksjon Vi skal nå over til kapittel 10 & grafteori. Grafer fins overalt
DetaljerNotat om Peanos aksiomer for MAT1140
Notat om Peanos aksiomer for MAT1140 1 Tall Hva er egentlig tall? Tanken her, er ikke å si hva tall er, hva deres interne struktur muligens kan være, men å si hva vi kan gjøre med dem, sett utenifra. Vi
DetaljerI dette kapittelet skal vi studerer noen matematiske objekter som kalles matriser. Disse kan blant annet brukes for å løse lineære likningssystemer.
Kapittel 2 Matriser I dette kapittelet skal vi studerer noen matematiske objekter som kalles matriser. Disse kan blant annet brukes for å løse lineære likningssystemer. 2.1 Definisjoner og regneoperasjoner
DetaljerLøsningsforslag til 3. oblogatoriske oppgave i Diskret Matematikk. Høsten 2018
Løsningsforslag til 3. oblogatoriske oppgave i Diskret Matematikk Oppgave 1. ( 9 3 ) = 9 8 7 3 2 1 = 3 4 7 = 84 Høsten 2018 {1, 5, 9}, {1, 6, 8}, {2, 4, 9}, { 2, 5, 8}, {2, 6, 7}, {3, 4, 8}, {3, 5, 7},
DetaljerSIGNERT DOMINASJON OG RETTEDE MATROIDESYSTEMER
SIGNERT DOMINASJON OG RETTEDE MATROIDESYSTEMER Matematisk institutt Binære monotone systemer Grunnelementer i modell: X i = I(ite komponent virker), i = 1, 2, 3 φ(x) = I(Systemet virker) = X 1 X 2 + X
DetaljerMAT1030 Plenumsregning 3
MAT1030 Plenumsregning 3 Ukeoppgaver Mathias Barra - 30. januar 2009 (Sist oppdatert: 2009-02-02 14:26) Plenumsregning 3 Oppgave 2.7 - Horners metode (a) 7216 8 : 7 8+2 58 8+1 465 8+6 3726. Svar: 3726
Detaljer7 Ordnede ringer, hele tall, induksjon
Notat 07 for MAT1140 7 Ordnede ringer, hele tall, induksjon Definition 7.1. La R være utstyrt med addisjon og multiplikasjon slik at vi har å gjøre med en kommutativ ring. Anta videre at R er utstyrt med
DetaljerMAT1030 Diskret Matematikk
MAT1030 Diskret Matematikk Forelesning 21: Mer kombinatorikk Roger Antonsen Institutt for informatikk, Universitetet i Oslo 15. april 2009 (Sist oppdatert: 2009-04-15 00:05) Kapittel 9: Mer kombinatorikk
DetaljerMAT1030 Diskret Matematikk
MAT1030 Diskret Matematikk Forelesning 13: Funksjoner Roger Antonsen Institutt for informatikk, Universitetet i Oslo 4. mars 2009 (Sist oppdatert: 2009-03-06 18:57) Kapittel 6: Funksjoner MAT1030 Diskret
Detaljer4.1 Vektorrom og underrom
4.1 Vektorrom og underrom Vektorrom er en abstraksjon av R n. De kan brukes til å utlede egenskaper, resultater og metoder for tilsynelatende svært ulike klasser av objekter : n-tupler, følger, funksjoner,
DetaljerMAT1030 Forelesning 22
MAT1030 Forelesning 22 Grafteori Dag Normann - 14. april 2010 (Sist oppdatert: 2010-04-14 12:45) Kombinatorikk Oppsummering av regneprinsipper Ordnet utvalg med repetisjon: n r Ordnet utvalg uten repetisjon:
DetaljerKombinatorikk. MAT1030 Diskret Matematikk. Oppsummering av regneprinsipper
MAT1030 Diskret Matematikk Forelesning 22: Grafteori Dag Normann Matematisk Institutt, Universitetet i Oslo Kombinatorikk 14. april 2010 (Sist oppdatert: 2010-04-14 12:43) MAT1030 Diskret Matematikk 14.
DetaljerMAT1030 Diskret Matematikk
MAT1030 Diskret Matematikk Forelesning 22: Grafteori Dag Normann Matematisk Institutt, Universitetet i Oslo 14. april 2010 (Sist oppdatert: 2010-04-14 12:42) Kombinatorikk MAT1030 Diskret Matematikk 14.
DetaljerRepetisjon. MAT1030 Diskret Matematikk. Oppsummering. Oppsummering. Forelesning 15: Rekursjon og induksjon. Roger Antonsen
MAT1030 Diskret Matematikk Forelesning 15: og induksjon Roger Antonsen Institutt for informatikk, Universitetet i Oslo Repetisjon 11. mars 2009 (Sist oppdatert: 2009-03-10 20:38) MAT1030 Diskret Matematikk
DetaljerMAT1120 Notat 1 Tillegg til avsnitt 4.4
MAT1120 Notat 1 Tillegg til avsnitt 4.4 Vi tar utgangspunkt i Teorem 8 fra avsn. 4.4 i boka. For ordens skyld gjentar vi teoremet her: Teorem 8 [Avsn. 4.4]: Anta at B = {b 1,..., b n } er en (ordnet) basis
DetaljerHint til oppgavene. Uke 34. Uke 35. Fullstendige løsningsforslag finnes på emnesidene for 2017.
Hint til oppgavene Fullstendige løsningsforslag finnes på emnesidene for 2017. Uke 34 Oppgave 1, 2, 3 og 4 kan alle løses ved å tegne sannhetstabeller, men i flere tilfeller kan man like gjerne manipulere
DetaljerMAT1030 Diskret Matematikk
MAT1030 Diskret Matematikk Forelesning 26: Trær Roger Antonsen Institutt for informatikk, Universitetet i Oslo 5. mai 2009 (Sist oppdatert: 2009-05-06 22:27) Forelesning 26 MAT1030 Diskret Matematikk 5.
DetaljerAnordning og fremgangsmåte for kanalkoding og -dekoding i et kommunikasjonssystem som anvender low-density parity-check-koder
1 Anordning og fremgangsmåte for kanalkoding og -dekoding i et kommunikasjonssystem som anvender low-density parity-check-koder BAKGRUNN FOR OPPFINNELSEN 5 1. Oppfinnelsens område 10 Den foreliggende oppfinnelsen
DetaljerMatriser En matrise er en rektangulær oppstilling av tall og betegnes med en stor bokstav, f.eks. A, B, C,.. Eksempler:
Matriser En matrise er en rektangulær oppstilling av tall og betegnes med en stor bokstav, f.eks. A, B, C,.. Eksempler: Tallene i en matrise kalles elementer. En matrise har rader (vannrett, horisontalt)
DetaljerForelesning 22 MA0003, Mandag 5/11-2012 Invertible matriser Lay: 2.2
Forelesning 22 M0003, Mandag 5/-202 Invertible matriser Lay: 2.2 Invertible matriser og ligningssystemet x b Ligninger på formen ax b, a 0 kan løses ved å dividere med a på begge sider av ligninger, noe
DetaljerMAT Oblig 1. Halvard Sutterud. 22. september 2016
MAT1110 - Oblig 1 Halvard Sutterud 22. september 2016 Sammendrag I dette prosjektet skal vi se på anvendelsen av lineær algebra til å generere rangeringer av nettsider i et web basert på antall hyperlinker
DetaljerØvingsforelesning 5. Binær-, oktal-, desimal- og heksidesimaletall, litt mer tallteori og kombinatorikk. TMA4140 Diskret Matematikk
Binær-, oktal-, desimal- og heksidesimaletall, litt mer tallteori og kombinatorikk Øvingsforelesning 5 TMA4140 Diskret Matematikk 1. og 3. oktober 2018 Dagen i dag Repetere binære, oktale osv. heltallsrepresentasjoner,
DetaljerEn relasjon på en mengde A er en delmengde R A A = A 2. Vi har satt navn på visse egenskaper relasjoner som oppstår i anvendelser ofte kan ha.
Forelesning 12 Relasjoner, Dag Normann - 20. februar 2008 Oppsummering En relasjon på en mengde A er en delmengde R A A = A 2. Vi har satt navn på visse egenskaper relasjoner som oppstår i anvendelser
DetaljerRepetisjon og mer motivasjon. MAT1030 Diskret matematikk. Repetisjon og mer motivasjon
Repetisjon og mer motivasjon MAT030 Diskret matematikk Forelesning 22: Grafteori Roger Antonsen Matematisk Institutt, Universitetet i Oslo 4. april 2008 Først litt repetisjon En graf består av noder og
DetaljerOppsummering. MAT1030 Diskret matematikk. Ekvivalensrelasjoner. Oppsummering. Definisjon. Merk
Oppsummering MAT1030 Diskret matematikk Forelesning 12: Relasjoner, Dag Normann Matematisk Institutt, Universitetet i Oslo 20. februar 2008 En relasjon på en mengde A er en delmengde R A A = A 2. Vi har
Detaljerb) 17 går ikke opp i 84 siden vi får en rest på 16 når 84 deles med 17 c) 17 går opp i 357 siden
Avsnitt. Oppgave Diskret matematikk - Høgskolen i Oslo Løsningsforslag for en del oppgaver fra boken Discrete Mathematics and Its Applications Forfatter: Kenneth H. Rosen a) 7 går opp i 68 siden 68 7 b)
DetaljerLøsningsforslag Øving 9 TMA4140 Diskret matematikk Høsten 2008. i for i = 0, 1, 2, 3, 4, og så er W 4 svaret. 0 1 0 0
Løsningsforslag Øving 9 TMA4140 Diskret matematikk Høsten 2008 8.4.27 Vi beregner matrisene W i for i = 0, 1, 2, 3, 4, og så er W 4 svaret. a) W 0 = W 1 = W 2 = 1 0 0 0 1 1 0 0 b) W 0 = c) W 0 = d) W 0
DetaljerMengder, relasjoner og funksjoner
MAT1030 Diskret Matematikk Forelesning 15: og induksjon Dag Normann Matematisk Institutt, Universitetet i Oslo Mengder, relasjoner og funksjoner 9. mars 2010 (Sist oppdatert: 2010-03-09 14:18) MAT1030
DetaljerHomogene lineære ligningssystem, Matriseoperasjoner
Homogene lineære ligningssystem, Matriseoperasjoner E.Malinnikova, NTNU, Institutt for matematiske fag September 22, 2010 Antall løsninger til et lineær ligningssystem Teorem Et lineært ligningssytem har
DetaljerForelesning 25. MAT1030 Diskret Matematikk. Litt repetisjon. Litt repetisjon. Forelesning 25: Trær. Dag Normann
MAT1030 Diskret Matematikk Forelesning 25: Trær Dag Normann Matematisk Institutt, Universitetet i Oslo Forelesning 25 27. april 2010 (Sist oppdatert: 2010-04-27 14:16) MAT1030 Diskret Matematikk 27. april
DetaljerMAT1030 Forelesning 25
MAT1030 Forelesning 25 Trær Dag Normann - 27. april 2010 (Sist oppdatert: 2010-04-27 14:16) Forelesning 25 Litt repetisjon Vi har snakket om grafer og trær. Av begreper vi så på var følgende: Eulerstier
DetaljerMAT1030 Forelesning 13
MAT1030 Forelesning 13 Funksjoner Dag Normann - 2. mars 2010 (Sist oppdatert: 2010-03-02 14:15) Kapittel 6: Funksjoner Forrige uke Forrige forelesning snakket vi om relasjoner. Vi snakket om ekvivalensrelasjoner
DetaljerMAT1030 Diskret Matematikk
MAT3 Diskret Matematikk Forelesning 2: Mer kombinatorikk Dag Normann Matematisk Institutt, Universitetet i Oslo 3. april 2 (Sist oppdatert: 2-4-3 4:3) Kapittel 9: Mer kombinatorikk MAT3 Diskret Matematikk
DetaljerUNIVERSITETET I BERGEN
BOKMÅL UNIVERSITETET I BERGEN Det matematisk-naturvitenskapelige fakultet Eksamen i emnet MAT220/MAUMAT44 - Algebra Fredag. juni 204, kl. 09-4 Tillatte hjelpemidler: Kalkulator i samsvar med fakultetets
DetaljerKapittel 6: Funksjoner
MAT1030 Diskret Matematikk Forelesning 13: Funksjoner Dag Normann Matematisk Institutt, Universitetet i Oslo Kapittel 6: Funksjoner 2. mars 2010 (Sist oppdatert: 2010-03-02 14:14) MAT1030 Diskret Matematikk
DetaljerGrublegruppe 19. sept. 2011: Algebra I
Grublegruppe 19. sept. 2011: Algebra I Ivar Staurseth ivarsta@math.uio.no Innledning, definisjoner Vi har så langt jobbet med mengder, X, hvor vi har hatt et avstandsbegrep og hvor vi har vært i stand
DetaljerRekker (eng: series, summations)
Rekker (eng: series, summations) En rekke er summen av leddene i en følge. Gitt følgen a 0, a 1, a,, a n,, a N Da blir den tilsvarende rekken a 0 + a 1 + a + + a n + + a N Bokstaven n er en summasjonsindeks.
DetaljerMAT1030 Diskret Matematikk
MAT1030 Diskret Matematikk Forelesning 25: Trær Dag Normann Matematisk Institutt, Universitetet i Oslo 27. april 2010 (Sist oppdatert: 2010-04-27 14:15) Forelesning 25 MAT1030 Diskret Matematikk 27. april
DetaljerØvingsforelesning 7. Resten av kombinatorikk, litt modulusregning, rekurrenser og induksjon og MP13 eller MP18. TMA4140 Diskret Matematikk
Resten av kombinatorikk, litt modulusregning, rekurrenser og induksjon og MP13 eller MP18 Øvingsforelesning 7 TMA4140 Diskret Matematikk 15. og 17. oktober 2018 Dagen i dag Generaliserte permutasjoner
DetaljerLO118D Forelesning 4 (DM)
LO118D Forelesning 4 (DM) Mer funksjoner + følger 28.08.2007 1 Funksjoner 2 Følger og strenger Funksjoner En funksjon f fra X til Y sies å være en-til-en (injektiv) hvis det for hver y Y er maksimalt én
DetaljerKONTROLLSTRUKTURER. MAT1030 Diskret matematikk. Kontrollstrukturer. Kontrollstrukturer. Eksempel (Ubegrenset while-løkke)
KONTROLLSTRUKTURER MAT1030 Diskret matematikk Forelesning 2: Flere pseudokoder. Representasjoner av tall. Dag Normann Matematisk Institutt, Universitetet i Oslo 16. januar 2008 Mandag innførte vi pseudokoder
DetaljerEn rekke av definisjoner i algebra
En rekke av definisjoner i algebra Martin Strand, martin.strand@math.ntnu.no 11. november 2010 Definisjonene som er gitt her, kommer i MA2201 Algebra og MA3201 Ringer og moduler. Forhåpentligvis blir det
DetaljerJulenøtter til gruppe 5&7! (IKKE eksamensrelevant, bare for gøy gjerne i romjulen)
Julenøtter til gruppe 5&7! (IKKE eksamensrelevant, bare for gøy gjerne i romjulen) Dette er smakebiter på ting som dukker opp i videregående emner (MAT2400 og MAT2200). Del I og II kan gjøres uavhengig
DetaljerForelesning 2. Flere pseudokoder. Representasjoner av tall. Dag Normann januar 2008 KONTROLLSTRUKTURER. Kontrollstrukturer. Kontrollstrukturer
Forelesning 2 Flere pseudokoder. Representasjoner av tall. Dag Normann - 16. januar 2008 KONTROLLSTRUKTURER Mandag innførte vi pseudokoder og kontrollstrukturer. Vi hadde tre typer grunn-instruksjoner:
DetaljerR for alle a A. (, så er a, En relasjon R på en mengde A er en Ekvivalensrelasjon hvis den er refleksiv, symmetrisk og transitiv.
Repetisjon fra siste uke: Relasjoner En relasjon R på en mengde A er en delmengde av produktmengden A A. La R være en relasjon på en mengde A. R er refleksiv hvis R er symmetrisk hvis R er antisymmetrisk
DetaljerMA1201/MA6201 Høsten 2016
MA/MA6 Høsten 6 Norges teknisk naturvitenskapelige universitet Institutt for matematikk Med forebehold om feil Hvis du finner en, ta kontakt med Karin Kapittel 4 8 Vi benevner matrisen vi skal frem til
Detaljer12 Lineære transformasjoner
2 Lineære transformasjoner 2 Funksjoner Definisjon 2 En funksjon ( a function) f : A B er en regel, som tilordner en entydig bestemt verdi f (a) B til ethvert element a A Mengden A kalles domenet til f
DetaljerMatriser En matrise er en rektangulær oppstilling av tall og betegnes med en stor bokstav, f.eks. A, B, C,.. Eksempler:
Matriser En matrise er en rektangulær oppstilling av tall og betegnes med en stor bokstav, f.eks. A, B, C,.. Eksempler: Tallene i en matrise kalles matriseelementer eller bare elementer. En matrise har
DetaljerLineære ligningssystem og matriser
Lineære ligningssystem og matriser E.Malinnikova, NTNU, Institutt for matematiske fag September 15, 2009 Lineære ligningssystem Vi har et ligningssystem av m ligninger med n ukjente x 1,..., x n som kan
DetaljerGrådige algoritmer. Lars Vidar Magnusson Kapittel 16. Aktivitetvelgingsproblemet Huffmankoder
Grådige Algoritmer Lars Vidar Magnusson 12.3.2014 Kapittel 16 Grådige algoritmer Aktivitetvelgingsproblemet Huffmankoder Ideen bak Grådige Algoritmer Ideen bak grådige algoritmer er å løse optimaliseringsproblem
DetaljerMatriseoperasjoner. E.Malinnikova, NTNU, Institutt for matematiske fag. September 22, 2009
Matriseoperasjoner E.Malinnikova, NTNU, Institutt for matematiske fag September 22, 2009 Addisjon av matriser Hvis A = [a ij ] og B = [b ij ] er matriser med samme størrelse, så er summen A + B matrisen
Detaljer7) Radix-sortering sekvensielt kode og effekten av cache
) Radix-sortering sekvensielt kode og effekten av cache Dels er denne gjennomgangen av vanlig Radix-sortering viktig for å forstå en senere parallell versjon. Dels viser den effekten vi akkurat så tilfeldig
DetaljerLøsningsforslag oblig. innlevering 1
Løsningsforslag oblig. innlevering 1 IN1150 Logiske metoder Høsten 2017 Oppgave 1 - Mengdelære (10 poeng) a) Ut fra opplysningene under, angi hvilke mengder A og B er. A B = {1, 2, 3, 4, 5, 6} A B = {2,
DetaljerRepetisjon: Om avsn og kap. 3 i Lay
Repetisjon: Om avsn. 2.1-2.4 og kap. 3 i Lay Matrisemultiplikasjon. La A = [a ij ] være en m n matrise og B = [b kl ] være en n p matrise. ] Skriv B = [b 1 b 2 b p. Produktet AB er m p matrisen definert
DetaljerAksiom 3.1 (Likhet av mengder). La A og B være mengder. Da er A og B like hvis og bare hvis de har akkurat de samme elementene.
Notat 3 for MAT1140 3 Mengder 3.1 Mengder definert ved en egenskap Det matematiske begrepet mengde har sin opprinnelse i vår intuisjon om samlinger. Objekter kan samles sammen til et nytt objekt kalt mengde.
Detaljer