Matematiska Discipliner | tränamatte.se

Envariabelanalys

Nivå: Grundläggande

Förkunskapskrav: Matematik 4 eller motsvarande

Envariabelanalys, eller kalkyl, är grunden för matematisk analys och behandlar funktioner av en variabel. Kursen omfattar gränsvärden, derivator, integraler och deras tillämpningar.

Tillämpningsområden

Grundläggande för all teknisk och naturvetenskaplig utbildning. Utgör matematisk grund för fortsatta studier inom fysik, ingenjörsvetenskap och ekonomi.

Funktionsanalys optimering modellering kvantitativ analys

Behövs för vilka jobb

Ingenjör (alla områden), fysiker, ekonom, aktuarie, forskare, datavetare, finansanalytiker, systemmodellerare, produktutvecklare

Karriärvägar

Ingenjörsbranschen (Volvo, ABB, Ericsson), finansvärlden (banker, försäkring), forskning (universitet, institut), konsultbranschen, energisektorn, läkemedelsindustrin

Fortsättningsstudier

Flervariabelanalys, differentialekvationer, numerisk analys, matematisk fysik, teknisk mekanik, elektroteknik, kemiteknik

Kursinnehåll (16 kapitel):

1. Funktioner och grundläggande egenskaper Introduktion till funktioner, definitionsområden och värdemängder.

2. Gränsvärden Gränsvärden, kontinuitet och gränsvärdeslagar.

3. Kontinuitet Kontinuerliga funktioner och diskontinuiteter.

4. Derivata Derivatans definition, deriveringsregler och tillämpningar.

5. Extremvärden Lokala och globala extremvärden, optimering.

6. Kurvanalys Kurvskissning, konkavitet och inflektionspunkter.

7. L'Hôpitals regel L'Hôpitals regel för obestämda former.

8. Integral Bestämda och obestämda integraler, integrationsteknik.

9. Integrationstekniker Partiell integration, substitution och partialbråksuppdelning.

10. Improper integraler Integraler med oändliga gränser eller diskontinuerliga integrander.

11. Logaritmer och exponenter Exponentialfunktioner, logaritmer och deras egenskaper.

12. Trigonometriska funktioner Trigonometriska funktioner och deras derivator/integraler.

13. Taylorserier Taylorserier, Maclaurinserier och approximationer.

14. Areaberäkning och volymer Beräkning av areor mellan kurvor och rotationsvolymer.

15. Parametriska kurvor Parametriska kurvor, båglängd och kurvatur.

16. Numeriska metoder Numeriska approximationer: Newtons metod, trapetsregeln och Simpsons regel.

Tentauppgifter

Gå till Envariabelanalys →

Diskret matematik

Nivå: Medel

Förkunskapskrav: Grundläggande matematik från gymnasiet

Diskret matematik behandlar matematiska strukturer som är fundamentalt diskreta, till skillnad från kontinuerliga. Kursen omfattar mängdlära, kombinatorik, grafteori, logik och algoritmer.

Tillämpningsområden

Grundläggande för studier inom datavetenskap, kryptografi och algoritmisk analys. Utvecklar logiskt resonemang och bevistekniker som är fundamentala för matematisk problemlösning.

Logiskt tänkande problemanalys algoritmdesign bevistekniker

Behövs för vilka jobb

Systemutvecklare, mjukvaruingenjör, kryptograf, dataanalytiker, cybersäkerhetsspecialist, forskare inom datavetenskap, algoritmdesigner, IT-arkitekt

Karriärvägar

Teknikbranschen (Google, Microsoft, Meta), finanssektorn (banker, fintech), cybersäkerhet (Säpo, FOI), spelutveckling, blockchain-utveckling, AI/maskininlärning

Fortsättningsstudier

Algoritmer och datastrukturer, kryptografi, teoretisk datavetenskap, komplexitetsteori, artificiell intelligens, cybersäkerhet

Kursinnehåll (23 kapitel):

1. Grundläggande mängdlära Introduktion till mängder, element, operationer och grundläggande mängdlära.

2. Kombinatorik och räkneregler Permutationer, kombinationer och variationer inom diskret matematik.

3. Matematisk logik Propositionell logik, sanningstavlor, logiska operatorer och bevis.

4. Predikatlogik Kvantifikatorer, predikat och logisk slutledning i första ordningens logik.

5. Relationer Binära relationer, egenskaper som reflexivitet, symmetri och transitivitet.

6. Funktioner Definitioner av funktioner, injektiva, surjektiva och bijektiva funktioner.

7. Grundläggande grafteori Grafer, noder, kanter och grundläggande grafegenskaper.

8. Träd och skogar Träd som speciella grafer, rötade träd och trädegenskaper.

9. Kortaste väg algoritmer Dijkstras algoritm och andra algoritmer för kortaste väg i grafer.

10. Matematisk induktion Bevistekniker med matematisk induktion och stark induktion.

11. Rekursion och rekurrensrelationer Rekursiva definitioner och lösning av rekurrensrelationer.

12. Modulär aritmetik Kongruenser, modulär aritmetik och tillämpningar inom kryptografi.

13. Partiella ordningar Partiellt ordnade mängder, Hasse-diagram och lattices.

14. Boolesk algebra Booleska funktioner, De Morgans lagar och digitalkretsar.

15. Färgning av grafer Kromatiska tal, färgningsalgoritmer och tillämpningar.

16. Matchning i grafer Perfekt matchning, maximala matchningar och bipartita grafer.

17. Nätverksflöden Maximala flöden, min-cut max-flow teoremet och Ford-Fulkerson.

18. Automater och formella språk Ändliga automater, reguljära uttryck och formella språk.

19. Komplexitetsteori Tidskomplexitet, P och NP, reduktioner och NP-kompletta problem.

20. Kryptografi RSA-kryptering, primtalstest och diskreta logaritmer.

21. Kodningsteori Felkorrigerande koder, Hamming-koder och informationsteori.

22. Generatingsfunktioner Ordinära och exponentiella generatingsfunktioner för kombinatoriska problem.

23. Probabilistiska metoder Användning av sannolikhet för att bevisa existens i diskret matematik.

Tentauppgifter

Gå till Diskret matematik →

Linjär algebra

Nivå: Medel

Förkunskapskrav: Envariabelanalys eller parallell läsning

Linjär algebra studerar vektorrum och linjära avbildningar mellan sådana rum. Kursen behandlar matriser, determinanter, egenvärden och geometriska tolkningar.

Tillämpningsområden

Central för studier inom matematik, fysik och ingenjörsvetenskap. Behandlar vektorrum och linjära transformationer som används inom geometri och tillämpade områden.

Abstrakt tänkande rumslig visualisering systemlösning dataanalys

Behövs för vilka jobb

Datavetare, AI-ingenjör, grafikprogrammerare, robotikingenjör, kvantanalytiker, statistiker, 3D-modellerare, signalbehandlare, bildigenkänning-specialist

Karriärvägar

Teknikjättar (Apple, Google, Tesla), spelindustrin (Unity, Epic Games), AI/ML (DeepMind, OpenAI), finanssektorn (quantitative analysis), rymd/försvar (SpaceX, SAAB), medicinsk teknik

Fortsättningsstudier

Numerisk linjär algebra, abstrakt algebra, funktionalanalys, matematisk optimering, datorseende, maskininlärning, signalbehandling, kvantfysik

Kursinnehåll (18 kapitel):

1. Vektorer i planet och rummet Introduktion till vektorer, vektoroperationer och geometrisk tolkning.

2. Skalärprodukt och vektorprodukt Skalärprodukt, vektorprodukt och deras geometriska betydelse.

3. Linjer och plan i rummet Parametriska ekvationer för linjer och planekvationer.

4. Matriser och matrisoperationer Introduktion till matriser, addition, multiplikation och elementära operationer.

5. Matrismultiplikation Detaljerad genomgång av matrismultiplikation med steg-för-steg beräkningar och praktiska exempel.

6. Determinanter Beräkning av determinanter och deras egenskaper.

7. Inversa matriser Inverterbarhet, beräkning av inversa matriser och tillämpningar.

8. Linjära ekvationssystem Lösning av linjära ekvationssystem med Gausselimination och matrismetoder.

9. Gauss-eliminering Systematisk metod för att lösa linjära ekvationssystem genom stegvis elimination med elementära radoperationer.

10. Vektorrum Definition av vektorrum, underrum och linjär kombination.

11. Linjärt beroende och oberoende Linjärt beroende, oberoende och deras betydelse för vektorrum.

12. Bas och dimension Bas för vektorrum, dimension och koordinater relativt en bas.

13. Linjära avbildningar Definition och egenskaper hos linjära avbildningar.

14. Kärna och bild Kärna och bild för linjära avbildningar, dimensionssatsen.

15. Egenvärden och egenvektorer Egenvärden, egenvektorer och deras beräkning.

16. Diagonalisering Diagonalisering av matriser och dess tillämpningar.

17. Ortogonalitet och ortogonala projektioner Ortogonala vektorer, ortogonala komplement och projektioner.

18. Gram-Schmidt-processen Ortogonalisering och ortonormalisering av vektorer.

Tentauppgifter

Gå till Linjär algebra →

Sannolikhetsteori och statistik

Nivå: Medel

Förkunskapskrav: Envariabelanalys

Kursen behandlar grundläggande sannolikhetsteori, statistiska metoder och deras tillämpningar. Omfattar beskrivande statistik, hypotestestning och regressionsanalys.

Tillämpningsområden

Grundläggande för forskningsmetodik inom naturvetenskap och samhällsvetenskap. Behandlar statistisk inferens och hypotesprövning som används i empiriska studier.

Dataanalys riskbedömning forskningsmetodik beslutsstöd

Behövs för vilka jobb

Dataanalytiker, statistiker, aktuarie, marknadsanalytiker, epidemiolog, biostatistiker, riskanalytiker, kvalitetsingenjör, A/B-test specialist, forskare

Karriärvägar

Tech (Google Analytics, Meta), farma (AstraZeneca, Roche), finans (försäkring, banker), konsult (BCG, McKinsey), government (SCB, Folkhälsomyndigheten), gaming/betting

Fortsättningsstudier

Matematisk statistik, bayesiansk statistik, tidserieanalys, experimentdesign, biostatistik, ekonometri, maskininlärning, datavetenskapliga metoder

Kursinnehåll (23 kapitel):

1. Grundläggande sannolikhetsteori Introduktion till sannolikhetsbegreppet, händelser och grundläggande sannolikhetsregler.

2. Kombinatorik och räkneregler Permutationer, kombinationer och variationer för beräkning av sannolikheter.

3. Betingad sannolikhet Betingad sannolikhet, oberoende händelser och Bayes sats.

4. Diskreta slumpvariabler Definition av slumpvariabler, sannolikhetsfunktioner och väntevärden för diskreta fördelningar.

5. Binomialfördelning Binomialfördelning, dess egenskaper och tillämpningar vid upprepade Bernoulli-försök.

6. Poissonfördelning Poissonfördelning som approximation av binomialfördelning och för sällsynta händelser.

7. Kontinuerliga slumpvariabler Täthetsfunktioner, fördelningsfunktioner och väntevärden för kontinuerliga fördelningar.

8. Normalfördelning Normalfördelning, standardnormalfördelning och centrala gränsvärdessatsen.

9. Centrala gränsvärdessatsen Centrala gränsvärdessatsen och dess tillämpningar för approximationer av fördelningar.

10. Beskrivande statistik Lägesmått, spridningsmått och grafisk presentation av data.

11. Stickprovsfördelningar Fördelning av stickprovsmedelvärden och standardfel.

12. Konfidensintervall Konstruktion och tolkning av konfidensintervall för populationsparametrar.

13. Hypotesprövning Formulering av hypoteser, teststatistik och signifikansprövning.

14. t-test och z-test Test för medelvärden med z-test och t-test för olika situationer.

15. Chi-två test Chi-två test för goodness-of-fit och oberoende i kontingenstabell.

16. ANOVA Envägs variansanalys för jämförelse av flera gruppers medelvärden.

17. Korrelation och regression Linjär korrelation, regressionsanalys och minsta kvadratmetoden.

18. Icke-parametriska test Rangordningstest och andra icke-parametriska metoder när normalfördelning inte gäller.

19. Bayes' teorem Fördjupning av Bayes' teorem med tillämpningar inom diagnostik och beslutsfattande.

20. Bayesiansk statistik Introduktion till bayesiansk inferens, MCMC och jämförelse med frekventistisk statistik.

21. Experimentdesign Planering av experiment, randomisering, blocking och power-analys.

22. Survivalanalys Analys av tid-till-händelse data med censurering, Kaplan-Meier och Cox-regression.

23. Tidsserieanalys Analys av tidsseriedata, stationäritet, ARIMA-modeller och prognostisering.

Tentauppgifter

Gå till Sannolikhetsteori och statistik →

Flervariabelanalys

Nivå: Avancerad

Förkunskapskrav: Envariabelanalys och linjär algebra

Flervariabelanalys utvidgar envariabelanalysen till funktioner av flera variabler. Kursen omfattar partiella derivator, multipla integraler och vektoranalys.

Tillämpningsområden

Utvidgar envariabelanalysen till funktioner av flera variabler. Nödvändig för fördjupade studier inom fysik, termodynamik och matematisk optimering.

Multidimensionell analys optimering fysikalisk modellering visualisering

Behövs för vilka jobb

Fysiker, ingenjör (termodynamik, strömningsmekanik), meteorolog, oceanograf, ekonometriker, optimeringsspecialist, forskare, CFD-analytiker, klimatmodellerare

Karriärvägar

Energibranschen (vindkraft, kärnkraft), rymd/flyg (Airbus, Boeing), väder/klimat (SMHI, ECMWF), olja/gas, konsultfirmor (McKinsey, BCG), forskning, finansiell modellering

Fortsättningsstudier

Differentialekvationer, fysik (termodynamik, elektromagnetism), strömningsmekanik, värmeteori, matematisk optimering, numeriska metoder, kvantfysik

Kursinnehåll (15 kapitel):

1. Funktioner av flera variabler Introduktion till funktioner som beror på flera variabler och visualisering i rymden.

2. Gränsvärden och kontinuitet Gränsvärden för funktioner av flera variabler och kontinuitetsbegreppet.

3. Partiella derivator Partiella derivator och deras tolkning som lutningar i olika riktningar.

4. Kedjeregeln Kedjeregeln för funktioner av flera variabler och sammansatta funktioner.

5. Riktningsderivator Derivator i godtyckliga riktningar och gradienten som vektor.

6. Tangentplan och linjär approximation Tangentplan till ytor och linjär approximation av funktioner.

7. Extremvärden Lokala och globala extremvärden för funktioner av flera variabler.

8. Optimering med bivillkor Lagranges multiplikatormetod för optimering med bivillkor.

9. Dubbel- och trippelintegraler Integration över områden i planet och rymden.

10. Koordinattransformationer Cylindriska och sfäriska koordinater för integration.

11. Vektorfält Introduktion till vektorfält och deras egenskaper.

12. Linjeintegraler Integration längs kurvor i planet och rymden.

13. Greens sats Greens sats som kopplar linjeintegraler och dubbelintegraler.

14. Ytintegraler Integration över ytor i rymden och flödesintegraler.

15. Stokes sats och divergenssatsen De fundamentala satserna för vektoranalys.

Tentauppgifter

Gå till Flervariabelanalys →

Matematisk logik

Nivå: Avancerad

Förkunskapskrav: Diskret matematik

Matematisk logik studerar formella system för resonemang och bevis. Kursen omfattar propositionslogik, predikatlogik, bevisteori och grundläggande modellteori.

Tillämpningsområden

Studerar formella system för matematiskt resonemang. Grundläggande för teoretisk datavetenskap och formell verifiering av matematiska bevis.

Formellt resonemang bevistekniker logisk analys abstrakt tänkande

Behövs för vilka jobb

Forskare (matematik, filosofi), AI-forskare, formell verifiering-specialist, kompilatorutvecklare, kryptograf, akademiker, logik-programmerare, säkerhetsanalytiker

Karriärvägar

Forskning (universitet, institut), tech R&D (Microsoft Research, Google DeepMind), säkerhetskritiska sistem (flyg, kärnkraft), kompilator/språkutveckling, akademiska karriärer

Fortsättningsstudier

Bevisteori, modellteori, mängdteori, beräkningsteori, kategoriteori, programverifiering, teoretisk datavetenskap, filosofi (logik), matematikfilosofi

Kursinnehåll (15 kapitel):

1. Propositionslogik Grundläggande logiska operatorer, sanningstabeller och logiska ekvivalenser.

2. Logiska ekvivalenser De Morgans lagar, distributivitet och andra viktiga logiska ekvivalenser.

3. Predikatlogik Kvantifikatorer, predikat och logisk slutledning i första ordningens logik.

4. Slutledningsregler Modus ponens, modus tollens och andra formella slutledningsregler.

5. Naturlig deduktion Formella bevis med naturlig deduktion och bevisträd.

6. Boolesk algebra Booleska funktioner, förenkling av uttryck och digitala kretsar.

7. Matematisk induktion Bevistekniker med matematisk induktion och stark induktion.

8. Rekursion och definition Rekursiva definitioner och strukturell induktion.

9. Modallogik Modaloperatorer för nödvändighet och möjlighet, Kripke-semantik.

10. Temporallogik Logik för resonemang om tid, LTL och CTL.

11. Beskrivningslogik Logiska system för kunskapsrepresentation och ontologier.

12. Intuitionistisk logik Konstruktiv logik utan lagen om uteslutet tredje.

13. Logisk programmering Prolog, Horn-klausuler och logikbaserad programmering.

14. Automatisk bevisföring Resolution, tableauxmetoden och automatiserade bevisverktyg.

15. Formell verifiering Verifiering av programkorrekthet med logiska metoder.

Tentauppgifter

Gå till Matematisk logik →