Eðlisfræði 1 R (EÐL107G)

Nemendum eru kynntar aðferðir og grundvallarlögmál aflfræði, bylgjufræði og varmafræði til þeirrar hlítar að þeir geti beitt þeim við lausn dæma. 

Námsefni: Hugtök, einingar, tölur, víddir. Vigrar. Gangfræði. Hreyfifræði agna, tregða, kraftar og lögmál Newtons. Núningur. Vinna og orka og varðveisla orkunnar. Skriðþungi, árekstrar. Agnakerfi, massamiðja. Snúningur stjarfhlutar. Hverfiþungi og hverfitregða. Stöðufræði. Þyngd. Storka og straumefni, jafna Bernoullis. Sveiflur: Hreinar, deyfðar og þvingaðar. Bylgjur. Hljóð. Hitastig. Kjörgas. Varmi og fyrsta lögmál varmafræðinnar. Kvikfræði gasa. Óreiða og annað lögmál varmafræðinnar.

Athugið að kennslubókin fyrir námskeiðið er aðgengileg nemendum í gegnum Canvas án endurgjalds.

Verkleg eðlisfræði 1 R (EÐL108G)

Gerðar eru 4 verklegar æfingar, þar sem áhersla er lögð á að kynna nemendum verklag við gagnasöfnun og gagnavinnslu. Viðfangsefnin eru einkum sótt í aflfræði, og þurfa nemendur að skila vinnubókum fyrir allar æfingarnar og einni lokaskýrslu, sem er meira í stíl vísindatímaritsgreinar.

Stærðfræðigreining IA (STÆ101G)

Talnakerfin. Rauntölur og hugtökin efra mark og neðra mark, tvinntölur. Mengi náttúrulegra talna og þrepasannanir. Föll og varpanir. Runur og runumarkgildi. Raðir. Samleitnipróf og skilorðsbundin samleitni raðar. Markgildi og samfelld föll. Helstu eiginleikar samfelldra falla. Hornaföll. Diffrun. Helstu reglur um diffrun. Útgildi. Meðalgildissetningin. Nálgun diffranlegra falla með margliðum. Tegrun. Tengsl tegrunar og diffrunar. Ýmis algeng föll. Ýmsar aðferðir til að reikna út stofnföll. Veldaraðir. Fyrsta stigs diffurjöfnur. Tvinngild föll og annars stigs diffurjöfnur.

Línuleg algebra A (STÆ106G)

Fjallað er um undirstöðuatriði línulegar algebru yfir rauntölurnar með áherslu á fræðilegu hliðina.

Viðfangsefni: Línuleg jöfnuhneppi,fylkjareikningur, Gauss-eyðing og Gauss-Jordan-aðferð.  Vigurrúm og hlutrúm þeirra.  Línulega óháð hlutmengi, grunnar og vídd.  Línulegar varpanir, myndrúm og kjarni.  Depilmargfeldi, lengd og horn.  Rúmmál í margvíðu hnitarúmi og krossfeldi í þrívíðu.  Flatneskjur og stikaframsetning þeirra.  Hornrétt ofanvörp og þverstaðlaðir grunnar.  Aðferð Grams og Schmidts.  Ákveður og andhverfur fylkja.  Eigingildi, eiginvigrar og hornalínugerningur.

Tölvunarfræði 1 (TÖL101G)

Einingar til BS-prófs gilda aðeins fyrir annaðhvort TÖL101G Tölvunarfræði 1 eða TÖL105G Tölvunarfræði 1a.

Forritunarmálið Java verður notað til að kynnast grundvallaratriðum í tölvuforritun. Æfingar í forritasmíð verða á dagskrá allt misserið. Áhersla verður lögð á skipulegar og rökstuddar aðferðir við smíði forrita og góða innri skjölun. Helstu hugtök tengd tölvum og forritun. Klasar, hlutir og aðferðir. Stýrisetningar. Strengir og fylki, aðgerðir og innbyggð föll. Inntaks- og úttaksaðgerðir. Erfðir. Hugtök varðandi hönnun og byggingu kerfa og vinnubrögð við forritun. Ítrun og endurkvæmni. Röðun og leit.

Tölvunarfræði 1a (TÖL105G)

Einingar til BS-prófs gilda aðeins fyrir annaðhvort TÖL101G Tölvunarfræði 1 eða TÖL105G Tölvunarfræði 1a.

Forritun í Python (sniðið að verkfræðilegum og raunvísindalegum útreikningum): Helstu skipanir og setningar (útreikningur, stýri-setningar, innlestur og útskrift), skilgreining og inning falla, gagnatög (tölur, fylki, strengir, rökgildi, færslur), aðgerðir og innbyggð föll, vigur- og fylkjareikningur, skráavinnsla, tölfræðileg úrvinnsla, myndvinnsla. Hlutbundin forritun: klasar, hlutir, smiðir og aðferðir. Hugtök tengd hönnun og smíði tölvukerfa: Forritunarumhverfi, vinnubrögð við forritun, gerð falla- og undirforritasafna og tilheyrandi skjölun, villuleit og prófun forrita.

Eðlisfræði 2 R (EÐL206G)

Markmið: Að kynna nemendum aðferðir og grundvallarlögmál rafsegulfræði og ljósfræði. Námsefni: Hleðsla og rafsvið. Lögmál Gauss. Rafmætti. Þéttar og rafsvarar. Rafstraumur, viðnám, rafrásir. Segulsvið. Lögmál Ampères og Faradays. Span. Rafsveiflur og riðstraumur. Jöfnur Maxwells. Rafsegulbylgjur. Endurkast og ljósbrot. Linsur og speglar. Bylgjuljósfræði.

Mengi og firðrúm (STÆ202G)

Mengjafræði: Vensl; jafngildisvensl og raðvensl. Teljanleg mengi og óteljanleg. Samstétta mengi. Uppbygging talnakerfanna. Frumatriði um firðrúm: Opin mengi og lokuð, samleitnar runur og Cauchy-runur, þéttipunktar. Samfelldni og samfelldni í jöfnum mæli. Samleitni og samleitni í jöfnum mæli. Fallarunur og fallaraðir. Þjöppuð firðrúm. Samhangandi mengi. Fullkomin firðrúm og fullkomnun firðrúms. Fastapunktssetning Banachs; tilvistarsetning um afleiðujöfnu fyrstu raðar. Kennslubækur ákveðnar síðar.

Líkindareikningur og tölfræði (STÆ203G)

Grundvallarhugtök í líkindafræði og tölfræði, stærðfræðileg undirstaða þeirra og beiting með tölfræðihugbúnaðinum R. 

• Líkindi, slembistærðir og væntigildi þeirra
• Mikilvægar líkindadreifingar
• Úrtök, lýsistærðir og úrtaksdreifing lýsistærða
• Metlar og öryggisbil
• Hugmyndafræði tilgátuprófa
• Mikilvæg tilgátupróf
• Línuleg aðhvarfsgreining

Stærðfræðigreining IIA (STÆ207G)

Áhersla er lögð á fræðilega hlið efnisins. Stefnt er að því að nemendur öðlist skilning á grundvallarhugtökum og kunni að beita þeim, bæði í fræðilegu samhengi og í útreikningi. Opin mengi og lokuð. Varpanir, markgildi og samfelldni. Deildanlegar varpanir, hlutafleiður og keðjuregla. Jacobi-fylki. Stiglar og stefnuafleiður. Blandaðar hlutafleiður. Ferlar. Vigursvið og streymi. Sívalningshnit og kúluhnit. Taylor-margliður. Útgildi og flokkun stöðupunkta. Skilyrt útgildi. Fólgin föll og staðbundnar andhverfur. Ferilheildi og mætti vigursviða. Heildun falla af mörgum breytistærðum. Óeiginleg heildi. Setning Greens. Einfaldlega samanhangandi svæði. Breytuskipti í margföldu heildi. Heildun á flötum. Flatarheildi vigursviðs. Setningar Stokes og Gauss.

Inngangur að líkindafræði (STÆ210G)

Þetta er viðbót við námskeiðið "Líkindareikningur og tölfræði" STÆ203G. Farið er ítarlegar í frumatriði líkindafræðinnar með áherslu á skilgreiningar og sannanir. Námskeiðið er undirbúningur fyrir M-námskeiðin tvö í líkindafræði og M-námskeiðin tvö í tölfræði sem kennd eru á víxl annað hvert ár.

Viðfangsefni umfram þau sem koma við sögu í líkindahluta STÆ203G:

Skilgreining Kolmogorovs. Útleiðslur á reglum um samsetta atburði og skilyrt líkindi. Útleiðsla fyrir strjálar og samfelldar stærðir á reglum um væntigildi, dreifni, samdreifni, fylgni, og skilyrt væntigildi og dreifni. Útleiðslur á reglum um Bernoulli-, tvíkosta-, Poisson-, jafnar, veldis-, normlegar og gamma-stærðir. Útleiðsla á halasummureglu væntigildis og útleiðsla á væntigildi strjálu veldisstærðarinnar. Útleiðsla á reglunni um minnisleysi og veldisstærðir. Útleiðsla á dreifingum summu óháðra stærða s.s. tvíkosta-, Poisson-, normlegra og gamma-stærða. Líkinda- og vægisframleiðsluföll.

Verkleg eðlisfræði 2 R (EÐL207G)

Gerðar eru fjórar 4 tíma tilraunir og tvær 3ja tíma, í ljósfræði og almennri rafsegulfræði. Nemendur skila vinnubókum fyrir allar tilraunir og einni formlegri lokaskýrslu um eina 4 tíma tilraun.

Inngangur að skammtafræði (EÐL306G)

Í þessu námskeiði er fjallað um undirstöðuatriði skammtafræðinnar.

Aðdragandi skammtafræðinnar, jafna Schrödingers, líkindatúlkun bylgjufallsins, stöðlun, skriðþungi og óvissulögmál, sístæð ástönd, einvíð skammtakerfi. Jafna Schrödingers í kúluhnitum, vetnisfrumeindin, hverfiþungi og spuni. Einsetulögmál Paulis. Útgeislun og ísog, sjálfgeislun. 

Tvinnfallagreining I (STÆ301G)

Tvinntölur og grannfræði tvinntalnasléttunnar. Runur og raðir af tvinntölum. Deildanleg og fáguð föll. Fallarunur og raðir, sér í lagi veldaraðir. Vegheildun og stofnföll. Veldisvísisfallið og skyld föll. Vafningstölur ferla. Cauchy-setningin, Cauchy-formúlan og afleiðingar. Samsemdarsetning, setning um opna vörpun og hágildissetning. Laurent-raðir, einangraðir sérstöðupunktar og flokkun þeirra. Leifasetningin og leifareikningur. Hornaukasetningin og Rouché-setningin. Tengsl við raunfallagreiningu: Cauchy-Riemann-jöfnurnar, þýð föll og heildisformúlur Poissons og Schwarz. Fáguð föll skilgreind með heildum (t. d. Laplace-ummyndun). Hornrækin vörpun og vörpunarsetning Riemanns.

Algebra (STÆ303G)

Grúpur, dæmi og helstu undirstöðuatriði. Samhverfugrúpur. Mótanir og normlegar hlutgrúpur. Baugar, dæmi og helstu undirstöðuatriði. Heilbaugar. Baugamótanir og íðul. Margliðubaugar og þáttun margliða. Valin viðfangsefni.

Stærðfræðigreining IIIA (STÆ304G)

Námskeiðið er kynning á þremur mikilvægum sviðum hagnýttrar stærðfræði, nánar tiltekið venjulegum diffurjöfnum, Fourier-röðum og hlutafleiðujöfnum. Fræðilegir undirstöðueiginleikar þeirra eru sannaðir og lausnaraðferðir kynntar. 

Viðfangsefni: Venjulegar diffurjöfnur: Línulegar diffurjöfnur af stigi n, Cauchy verkefni, tilvistarsetning Picards, lausn með veldaröðum og jöfnur með sérstöðupunktum. Fourier-raðir: Samleitni í hverjum punkti, í jöfnum mæli og í ferningsmeðaltali, jafna Parsevals.  Hlutafleiðujöfnur: Hitajafnan og bylgjujafnan á endanlegu bili leystar með aðskilnaði breytistærða og Fourier-röðum, lausnir þeirra bornar saman, Dirichlet verkefni fyrir Laplace-jöfnu á rétthyrningi og skifu, Poisson-heildisformúla.

Töluleg greining (STÆ405G)

Einingar til BS-prófs gilda aðeins fyrir annaðhvort REI201G Stærðfræði og reiknifræði eða STÆ405G Töluleg greining.

Undirstöðuhugtök um nálgun og skekkjumat. Lausn línulegra og ólínulegra jöfnuhneppa. PLU-þáttun. Margliðubrúun, splæsibrúun og aðhvarfsgreining. Töluleg nálgun afleiða og heilda. Útgiskun. Töluleg lausn upphafshafsgildisverkefna fyrir venjuleg afleiðujöfnuhneppi. Fjölskrefaaðferðir. Töluleg lausn jaðargildisverkefna fyrir venjulegar afleiðujöfnur.

Gefin er einkunn fyrir skriflegar úrlausnir á forritunarverkefnum og vegur hún 30% af heildareinkunn. Stúdent verður að hafa lágmarkseinkunn 5 bæði fyrir verkefni og lokapróf.

Kennileg töluleg greining (STÆ412G)

Þetta er viðbót við námskeiðið "Töluleg greining" STÆ405G. Farið er ítarlegar og fræðilegar í efnið sem tekið er fyrir í Tölulegri greiningu (STÆ405G) með áherslu á sannanir.

Stærðfræðigreining IV (STÆ401G)

Markmið: Að kynna fyrir nemendum Fourier-greiningu og hlutafleiðujöfnur og hagnýtingu á þeim.

Lýsing: Fourier-raðir og þverstöðluð fallakerfi, jaðargildisverkefni fyrir venjulega afleiðuvirkja, eigingildisverkefni fyrir Sturm-Liouville-virkja, Fourier-ummyndun, bylgjujafnan, varmaleiðnijafnan og Laplace-jafnan leystar á ýmsum svæðum í einni, tveimur og þremur víddum með aðferðum úr fyrri hluta námskeiðsins, aðskilnaður breytistærða, grunnlausn, Green-föll, speglunaraðferðin.

Eðlisfræði rúms og tíma (EÐL205G)

Þörfin á takmörkuðu afstæðiskenningunni (ljósútbreiðsla og lykiltilraunir í sögunni). Takmarkaða afstæðiskenning Einsteins, tímalenging og lengdarstytting. Rúmfræði tímarúmsins (Minkowski rúmið), Lorentzummyndunin og orsakasamhengi. Hreyfifræði, aflfræði og rafsegulfræði í takmörkuðu afstæðiskenningunni.
Stutt kynning á almennu afstæðiskenningunni.

Mál- og tegurfræði (STÆ402M)

Kennt á vormisseri þegar ártal er oddatala.

Málrúm, mál og ytri mál. Lebesgue-málið á Rn. Mælanleg föll, setning um einhalla samleitni, hjálparsetning Fatous. Heildanleg föll, setning Lebesgues um yfirgnæfða samleitni og afleiðingar. Ójöfnur Hölders og Minkowskis, Lp-rúm, málrúma, setningar Tonellis og Fubinis. Tvinnmál. Jordan-liðun og Lebesgue-liðun mála, Radon-Níkodým-setning. Samfelld línuleg föll á Lp-rúmum. Myndmál, innsetningarsetning fyrir Lebesgue-heildið á Rn.

Línuleg algebra II (STÆ401M)

Mótlar og línulegar varpanir. Frjálsir mótlar og fylki. Deildamótlar og stuttar fleygaðar lestir. Nykurmótlar. Endanlega spannaðir mótlar yfir höfuðíðalbaug. Línulegir virkjar á endanlega víðum vigurrúmum.

Galois-fræði (STÆ403M)

Valin efni úr víxlinni algebru.

Viðfangsefni: Kroppar og útvíkkanir þeirra.  Algebrulegar útvíkkanir, normlegar úvíkkanir og aðskiljanlegar útvíkkanir.  Galois-fræði.  Notkunardæmi.  
Noether baugar.  Grunnasetning Hilberts.  Núllstöðvasetning Hilberts.

Aflfræði (EÐL302G)

Markmið: Að kynna nemendum hugtök og aðferðir aflfræðigreiningar, sem beitt er í ýmsum greinum verkfræði og eðlisfræði.

Námsefni: Aflfræði Newtons, línulegar sveiflur, deyfðar og þvingaðar sveiflur. Ólínulegar sveiflur og ringl (chaos). Þyngdarsvið, þyngdarmætti og sjávarfallakraftar. Hnikareikningur, regla Hamiltons, jöfnur Lagrange og Hamiltons, alhnit og skorður. Miðlæg svið, brautir reikistjarna, stöðugleiki hringbrauta. Árekstrar massaagna í viðmiðunarkerfum vinnustofu og massamiðju. Tregðukerfi og önnur viðmiðunarkerfi hreyfingar, gervikraftar. Aflfræði stjarfra hluta, tregðufylki, höfuðásar hverfitregðu, horn Eulers, jöfnur Eulers um áhrif vægis á snúning hlutar, snúðhreyfing og stöðugleiki hennar. Tengdar sveiflur, eigintíðni og eiginhnit sveiflukerfa.

Kjarna- og öreindafræði (EÐL506G)

Markmið: Að kynna nemendum kjarneðlisfræði og öreindafræði nútímans.

Námsefni: Innri gerð kjarnans, kjarnalíkön, geislavirkni, kjarnahvörf, víxlverkun geislunar og efnis, meðferð geislavirkra efna og áhrif geislunar á lifandi vefi, hraðlar og agnanemar. Víxlverkun og flokkun öreinda, viðtekið líkan öreindafræðinnar, sameining víxlverkana, kjarnar og öreindir í stjarneðlisfræði. Þrjár verklegar æfingar.

Skammtafræði 1 (EÐL509M)

Námsefni: Forsendur og formgerð skammtafræðinnar. Einvíð kerfi. Hverfiþungi, spuni, tvístiga kerfi. Ögn í miðlægu mætti, vetnisatómið. Nálgunaraðferðir. Tímaóháður og tímaháður truflanareikningur. Dreififræði.

Samæfingar í stærðfræði (STÆ402G)

Námskeiðið er ætlað nemendum sem lokið hafa að minnsta kosti 120 ECTS einingum. Nemendur sem ekki hafa lokið 120 ECTS einingum og hafa áhuga á að taka námskeiðið þurfa að fá samþykki umsjónarmanns fyrir þátttöku í námskeiðinu.

Hver nemandi velur og kynnir sér tiltekið afmarkað viðfangsefni stærðfræðinnar eða tölfræðinnar og fær leiðbeinanda tengdan því. Viðfangsefni eru ólík milli ára. Listi yfir viðfangsefni er gefinn út í upphafi eða aðdraganda námskeiðsins og einnig geta nemendur stungið upp á viðfangsefnum (að því gefnu að leiðbeinandi finnist). Nemendur skrifa ritgerð um sitt viðfangsefni og undirbúa og halda fyrirlestur um það á nemendaráðstefnu. Meðan á námskeiðinu stendur veita nemendur hvert öðru uppbyggilega endurgjöf bæði hvað varðar ritgerðarskrif og undirbúning á fyrirlestri. Auk þess að kynna eigin verkefni á nemendaráðstefnunni taka nemendur virkan þátt, hlusta á samnemendur sína og spyrja spurninga.

Rafsegulfræði 1 (EÐL401G)

Rafstöðufræði. Jöfnur Laplace og Poissons. Segulstöðufræði. Span. Jöfnur Maxwells. Orka rafsegulsviðs. Setning Poyntings. Rafsegulbylgjur. Sléttar bylgjur í einangrandi og leiðandi efni. Endurkast og brot bylgna. Útgeislun. Dreifing. Dofnun.

Frumeinda- og ljósfræði (EÐL404M)

Markmið: Inngangur að eðlisfræði frum- og sameinda og ljósfræði. Námsefni: Rafeindaskipan frumeinda, lotukerfið, efnatengi og sameindir, snúnings- og titringsstig, víxlverkun ljóss og efnis, samhverfur og valreglur, skautun, geislahol og víxlmælar, litrófsgreining, ljósmögnun, leisar. Þrjár verklegar æfingar.

Almenna afstæðiskenningin (EÐL610M)

Markmið: Að kenna nemendum undirstöðuatriði í afstæðiskenningu Einsteins.

Námsefni: Takmarkaða afstæðiskenningin, fjórvigrar og þinir. Almenna afstæðiskenningin, sveigja tímarúmsins, jafngildislögmálið, jöfnur Einsteins, samanburður við mælingar innan sólkerfisins, þyngdarbylgjur, svarthol, heimsfræði.

Kennarar: Benjamin Knorr og Ziqi Yan, postdocs við Nordita.

Stærðfræðileg eðlisfræði (EÐL612M)

Markmið: Að kynna stærðfræðilegar aðferðir sem nytsamar eru í eðlisfræði og veita þjálfun í beitingu þeirra. Námsefni: Hljóðbylgjur í vökvum og lofttegundum. Spennutensor og þenslutensor, almennar hreyfingarjöfnur fyrir samfellt efni. Jarðskjálftabylgjur. Jöfnur Maxwells og rafsegulbylgjur. Flatar bylgjur, skautun, endurkast og brot. Dreififöll og Fourier-greining. Grunnlausnir og Green-föll hlutafleiðujafna. Bylgjur í einsleitum efnum. Lögmál Huygens og setning Leifs Ásgeirssonar. Tvístur (dispersion. Fasahraði og grúpuhraði. Jöfnur Kramers og Kronigs. Aðferð hins stöðuga fasa. Bylgjur á yfirborði vökva.

Stærðfræðimynstur (TÖL104G)

Yrðingar, umsagnir og rökleiðingar. Mengjareikningur og Boolealgebrur. Þrepun og endurkvæmni. Grunnaðferðir við greiningu reiknirita og talningu. Einföld reiknirit í talnafræði. Vensl, eiginleikar þeirra og framsetning. Tré og net og einföld reiknirit tengd þeim. Strengir, dæmi um mál, stöðuvélar og málskipan.

Dæmatímar
Það eru 7 dæmahópar og nemendur velja sér hóp. Dæmatímar eru tvennskonar:
Venjulegir (5 hópar): 2x40 mín. vikulega, á eftir hverjum er 40 mín. stoðtími 
Hraðferðir (2 hópar): 1x40 mín. vikulega
Sjá nánar í stundaskrá

Nýsköpun, vernd og hagnýting (VON101M)

Almennur inngangur að nýsköpun og helstu tegundum hugverkaréttar, þar sem fjallað verður um: vörumerki og mikilvægi vörumerkjastjórnunar, hönnunarverndar og höfundarréttar, grunnatriði einkaleyfa og beitingu þeirra, viðskiptaleyndarmál og kröfur sem þarf að upfylla til þess að þekking teljist viðskiptarleyndarmál ásamt stuttri umfjöllun um leiðir til að vernda hugbúnaðarlausnir.

Í kjölfarið verður farið í heimsókn til Íslensku Hugverkastofunnar, þar sem nemendur hljóta innsýn í umsóknarferli hugverkaréttinda. Rætt verður um nýsköpunar- og tæknihagnýtingu (e. tech transfer), auk möguleika á opinberum styrkjum og tengslum við fjárfesta. Reynslusögur úr nýsköpunariðnaði verða nýttar til að veita nemendum innsýn í reynslu sprotafyrirtækja og stefnumótun á hugverkum í hugverkarétti.

Nemendur velja eina hugmynd að uppfinningu í byrjun annar, og vinna samhliða fyrirlestrum að þróun hennar. Nemendur skoða t.a.m. hvaða leiðir eru færar til að vernda uppfinninguna hugmyndarinnar og ákveða hvernig hugverkavernd er best að nota, hvernighvaða þjónustu er hægt að nýta sér til að hraða á vexti hennar, hvernig er aðgengi að fjármögnun og setja fram langtímamarkmið.

(með fyrirvara um breytingar)

Aðgerðagreining 2 (IÐN508M)

Í námskeiðinu er nemendum kynnt hvernig gera á skipulega mynd af ákvörðunar- og bestunarverkefnum í aðgerðagreiningu. Að námskeiði loknu eiga nemendur að hafa færni í að setja upp, greina og leysa stærðfræðileg líkön sem standa fyrir raunhæfum verkefnum og hvernig meta eigi lausn þeirra á gagnrýninn hátt. Tekin er fyrir heiltölu og slembin verkefni (e. Integer Programming and Stochastic Programming). Nemendur kynnast líkangerð með Python.

R forritun (MAS102M)

Í námskeiðinu munu nemendur framkvæma hefðbundnar tölfræðiaðferðir á raunverulegum gagnasöfnum. Áhersla verður lögð á fjölbreytu aðhvarfsgreiningu (e. multiple linear regression). Nemendur beita fáguðum aðferðum við myndræna framsetningu sem og sjálfvirka skýrslugerð. Námsmat verður í formi raunhæfra verkefna þar sem nemendur framkvæma ofangreind atriði á raunverulegum gagnasöfnum með það fyrir augum að svara rannsóknarspurningum.

Gervigreind (REI505M)

Fjallað er um hugtök, aðferðir og reiknirit á sviði gervigreindar, með áherslu á studdan og óstuddan lærdóm. Forvinnsla og myndræn framsetning gagna. Mat á gæðum líkana og val á líkönum. Línuleg aðhvarfsgreining, næstu nágrannar, stoðvigravélar, tauganet, ákvarðanatré og safnaðferðir. Djúpur lærdómur. Þyrpingagreining og k-means aðferðin. Nemendur útfæra einföld reiknirit í Python og læra á sérhæfða forritspakka. Námskeiðinu lýkur með hagnýtu verkefni.

Fjölbreytileg nálgun á stærðfræðikennslu í framhaldsskólum (SNU503M)

Námskeiðið verður næst kennt haustið 2024. Það er að öllu jöfnu kennt annað hvert ár.

Á námskeiðinu læra nemar að skipuleggja stærðfræðikennslu í framhaldsskóla þannig að hún sé fjölbreytt og taki mið af þörfum allra nemenda. Áhersla verður lögð á að nemendur kynnist fjölbreyttu námsumhverfi og kennsluháttum sem byggja á rannsóknum á stærðfræðinámi og -kennslu. Í námskeiðinu er fjallað um markmið stærðfræðináms og hvernig þau birtast í námskrám og stefnuritum bæði hér á landi og í nágrannalöndum. Nemendur lesa um og fá tækifæri til að reyna í verki fjölbreyttar leiðir við að meta og greina stærðfræðilega hæfni.
Vinnulag í námskeiðinu felst í fyrirlestrum, verkefnavinnu kynningum, vettvangstengdum viðfangsefnum og gagnrýnni umræðu um viðfangsefni. Áhersla verður lögð á að nemar ræði um áskoranir sem upp geta komið við kennslu og leiti sjálfir leiða við lausn á ýmsum vandamálum sem lúta að stærðfræðinámi og -kennslu.

BS-verkefni (STÆ262L)

Nemendur velja sér verkefni í samráði við einhvern kennara námsbrautar í stærðfræði. Verkefnið er unnið með leiðsögn tveggja manna og skal a.m.k. annar þeirra tilheyra námsbraut í stærðfræði. Námsbraut í stærðfræði þarf að staðfesta áætlun sem nemandi og leiðbeinendur leggja fram í sameiningu. Verkefninu lýkur með samningu ritgerðar og fyrirlestri. Ekki er gefin einkunn fyrir verkefnið en umsjónarmenn stafesta að nemandi hafi  staðist námskröfur.

Upplýsingar um skil á verkefni
Skil eru í maí fyrir júníbrautskráningu
Skil eru í september fyrir októberbrautskráningu
Skil eru í janúar fyrir febrúarbrautskráningu

Í upphafi misseris koma nemandi og leiðbeinandi sér upp tímalínu um skil á verkefni

Skil á fullbúnu verkefni til leiðbeinanda/umsjónarkennara er 10. maí/ september/ janúar

Skil nemanda inn á Skemmu eru í síðasta lagi 30. maí/ september/ janúar og senda þarf staðfestingu um samþykkt skil á nemvon@hi.is

Einkunn frá leiðbeinanda á að hafa borist skrifstofu í síðasta lagi 30. maí/ september/ janúar

Kennileg línuleg tölfræðilíkön (STÆ310M)

Einföld og fjölvíð aðhvarfsgreining, fervikagreining og samvikagreining, ályktanir, dreifni og samdreifni metla, mátpróf með frávika- og áhrifagreiningu, samtíma ályktanir. Almenn líkuleg líkön sem ofanvörp, fervikagreining sem sértilvik, samtíma öryggismörk á samanburðarföll. R notað í verkefnum. Lausnum verkefna er skilað i LaTeX og PDF.

Til viðbótar  er tekið efni eftir vali, t.d. útvíkkuð línuleg líkön (GLM), ólínuleg aðhvarfsgreining og/eða slembiþáttalíkön (random/mixed effects models) og/eða skóreimaaðferðir (bootstrap) o.s.frv.

Nemendur kynna lausnir verkefna, sem áður hefur verið skilað inn í gegnum vefsíðu.

Námskeiðið er kennt þegar ártalið er slétt tala.

Hagnýtt línuleg tölfræðilíkön (STÆ312M)

Í námskeiðinu er fjallað um einfalda og fjölvíða aðhvarfsgreiningu ásamt fervikagreiningu (ANOVA) og samvikagreiningu (ANCOVA). Að auki er farið í tvíkosta aðhvarfsgreiningu (binomial regression) og rætt um hugtök því tengt, svo sem gagnlíkindi (odds) og gagnlíkindahlutfall (odds ratio).
Námskeiðið er framhald af dæmigerðu grunnnámskeiði í tölfræði sem kennd eru á hinum ýmsu sviðum skólans. Farið verður í aðferðir til að meta stika í línulegum líkönum, hvernig smíða má öryggisbil og kanna tilgátur fyrir stikana, hverjar forsendur líkananna eru og hvað hægt sé að gera sé þeim ekki fullnægt. Verkefni eru unnin í tölfræðihugbúnaðinum R.

Töluleg línuleg algebra (STÆ511M)

Ítrekunaraðferðir fyrir jöfnuhneppi.  Ýmsar þáttanir fylkja eins og QR, Cholesky, Jordan, Schur, rófþáttun og sérstöðupunktaþáttun (SVD) og hagnýtingar þeirra.  Strjál Fourierummyndun (DFT) og hröð algrím til framkvæmdar hennar (FFT).  Strjál Kósínusummyndun (DCT) í tvívídd og hagnýtingar í þjöppun hljóðs (MP3, AAC) og mynda (JPEG).  Rýr fylki og framsetning á þeim.

Sérstök áhersla verður lögð á hagnýtingu þeirra efnisatriða sem farið er í og tölulegar aðferðir.

Netafræði (STÆ520M)

Net, netamótanir og netaeinsmótanir. Hlutnet, spannandi hlutnet. Vegir, tengd net. Örvanet. Tvíhlutanet. Euler-net og Hamilton-net; setningar Chvátals, Pósa, Ores og Diracs. Keppnisnet. Tré, spannandi tré, trjáfylkjasetningin, Cayley-setningin. Vegin net, reiknirit Kruskals og Dijkstra. Flæðinet, setning um hámarksflæði og lágmarkssnið, Ford-Fulkerson-reikniritið, Menger-setningin. Spyrðingar, Berge-setningin, giftingarsetning Halls, König-Egerváry-setningin, Kuhn-Munkres-reikniritið. Óaðskiljanleg net, tvítengd net. Lagnet, Euler-formúla, Kuratowski-setningin, nykurnet. Greypingar neta í fleti, Ringel-Youngs-Mayer-setningin. Litanir, litunarsetning Heawoods, Brooks-setningin, litamargliða; leggjalitanir, Vizing-setningin.

Dreififöll (STÆ523M)

Fjallað er um undirstöðuatriði um dreififöll og hagnýtinga um hlutafleiðujöfnur.

Viðfangsefni: Prófunarföll, dreififöll, deildun dreififalla, samleitni runa af dreififöllum, Taylor-liðun í mörgum breytistærðum, staðbinding, dreififöll með þjappaða stoð, margföldun falla og dreififalla, samskeyting varpana og dreififalla, földun dreififalla, grunnlausnir, Fourier-ummyndun, Fourier-raðir, grunnlausnir og Fourier-ummyndun.

Inngangur að rökfræði (STÆ528M)

Röksemdafærslur, sannanir. Samtengingar, fullyrðingareikningur, sannföll og sísönnur. Formleg mál, frumsendur, rökreglur, sísönnusetningin. Magnarar. Mál og kenningar fyrstu stéttar. Mynstur og líkön. Fullkomleikasetningin. Setning Löwenheims og Skolems. Reiknanleiki, rakin föll. Setning Gödels.

Hagnýt Bayesísk tölfræði (STÆ529M)

Markmið: Að kenna nemendum að beita ýmsum aðferðum úr Bayesískri tölfræði fyrir greiningu gagna. Námsefni: Fræðileg undirstaða Bayesískrar ályktunartölfræði, fyrirframdreifingar, gagnadreifingar og eftirádreifingar. Bayesísk ályktunartölfræði fyrir stika í einvíðum og margvíðum líkindadreifingum: tvíkosta-; normal-; Possion; veldis-; margvíð normal-; fjölkostadreifing.  Mat á gæðum líkans og samanburður á líkönum: Bayesísk p-gildi; deviance information criterion (DIC). Bayesísk hermun: Markov keðju Monte Carlo (MCMC) aðferðir; Gibbs sampler; Metropolis-Hastings skref; mat á samleitni. Línuleg líkön: normal línuleg líkön; stigskipt normal línuleg líkön; almenn línuleg líkön. Áhersla á greiningu gagna með forritum eins og Matlab og R.

Fléttufræði (STÆ533M)

Námskeiðið er ætlað nemendum á öðru og þriðja ári. Markmiðið er að kynna nemendum ýmis fléttufræðileg kerfi, aðferðir við talningu og gagnlega eiginleika. Hagnýtingar á þessum kerfum og aðferðum.

Tölulegar lausnir á hlutafleiðujöfnum (STÆ537M)

Markmið námskeiðsins er að kynna aðferðir til tölulegrar úrlausnar á hlutafleiðujöfnum og forritun þeirra. 

Viðfangsefni:

Fleyggerar hlutafleiðujöfnur (varmajafnan), breiðgerar hlutafleiðujöfnur (bylgjujafnan) og sporgerar hlutafleiðujöfnur (Poisson- og Laplace jafnan).  Mismunaaðferðir, samleguaðferðir og bútaaðferðir.  Stöðugleiki lausnaraðferða, CFL skilyrðið og Crank-Nicolson skemað. Ólínulegar hlutafleiðujöfnur og Turing-mynstur.  Samband slembigangs og Poisson/Laplace hlutafleiðujafna.

Formleg mál og reiknanleiki (TÖL301G)

Endanlegar stöðuvélar, regluleg mál og málskipan, staflavélar, samhengisóháð mál og málskipan, Turingvélar, almenn mál og málskipan og helstu eiginleikar þeirra.

Ávarðanleg og listanleg mál, yfirfærsla milli mála, tengsl við ákvörðnarverkefni og sönnun á óleysanleika slíkra verkefna. Flækjustigsflokkarnir P og NP og NP-fullkomleiki. Dæmi um ýmis líkön af reiknanleika.

Reiknirit í lífupplýsingafræði (TÖL504M)

Efni námskeiðsins eru helstu reiknirit sem notuð eru í lífupplýsingafræði. Í upphafi er stutt yfirlit yfir erfðamengjafræði og reiknirit fyrir nemendur af öðrum sviðum. Námskeiðinu er skipt upp í nokkrar einingar og er hverri ætlað að fara yfir einstök verkefni í lífupplýsingafræði sem mótast af rannsóknarverkefnum. Hver eining samanstendur af verkefnislýsingu og aðferðum sem beitt er við úrlausn. Viðfangsefnin verða m.a. mynstraleit, strengjafjarlægð, samröðun gena og erfðamengja, þyrpingagreining, raðgreining og myndun erfðamengja og að lokum aðferðir við úrvinnslu úr háhraðaraðgreiningar gögnum.

Slembiferli (STÆ415M)

Inngangsatriði slembiferla með megináherslu á Markovkeðjur.

Viðfangsefni: Hittitími, stöðuþáttun, óþáttanleiki, lota, endurkvæmni (jákvæð og núll-), hverfulleiki, tenging, endurnýjun, jafnvægi, tíma-viðsnúningur, tenging úr fortíðinni, greinaferli, biðraðir, martingalar, Brownhreyfing.

Grundvöllur líkindafræðinnar (STÆ418M)

Líkindi á grundvelli mál- og tegurfræði.

Viðfangsefni: Líkindi, útvíkkunarsetningar, óhæði, væntigildi. Borel-Cantelli-setningin og 0-1 lögmál Kolmogorovs.  Ójöfnur og hin veiku og sterku lögmál mikils fjölda. Samleitni í hverjum punkti, í líkindum, með líkunum einn, í dreifingu og í heildarviki. Tengiaðferðir. Höfuðmarkgildissetningin. Skilyrt líkindi og væntigildi.

Reiknirit í lífupplýsingafræði (TÖL604M)

Efni námskeiðsins eru helstu reiknirit sem notuð eru í lífupplýsingafræði. Í upphafi er stutt yfirlit yfir erfðamengjafræði og reiknirit fyrir nemendur af öðrum sviðum. Námskeiðinu er skipt upp í nokkrar einingar og er hverri ætlað að fara yfir einstök verkefni í lífupplýsingafræði sem mótast af rannsóknarverkefnum. Hver eining samanstendur af verkefnislýsingu og aðferðum sem beitt er við úrlausn. Viðfangsefnin verða m.a. mynstraleit, strengjafjarlægð, samröðun gena og erfðamengja, þyrpingagreining, raðgreining og myndun erfðamengja og að lokum aðferðir við úrvinnslu úr háhraðaraðgreiningar gögnum.

Stærðfræðileg eðlisfræði (EÐL612M)

Markmið: Að kynna stærðfræðilegar aðferðir sem nytsamar eru í eðlisfræði og veita þjálfun í beitingu þeirra. Námsefni: Hljóðbylgjur í vökvum og lofttegundum. Spennutensor og þenslutensor, almennar hreyfingarjöfnur fyrir samfellt efni. Jarðskjálftabylgjur. Jöfnur Maxwells og rafsegulbylgjur. Flatar bylgjur, skautun, endurkast og brot. Dreififöll og Fourier-greining. Grunnlausnir og Green-föll hlutafleiðujafna. Bylgjur í einsleitum efnum. Lögmál Huygens og setning Leifs Ásgeirssonar. Tvístur (dispersion. Fasahraði og grúpuhraði. Jöfnur Kramers og Kronigs. Aðferð hins stöðuga fasa. Bylgjur á yfirborði vökva.

Aðgerðagreining (IÐN401G)

Í námskeiðinu er nemendum kynnt hvernig gera á skipulega mynd af ákvörðunar- og bestunarverkefnum í aðgerðagreiningu.
Að námskeiði loknu eiga nemendur að hafa færni í að setja upp, greina og leysa stærðfræðileg líkön sem standa fyrir raunhæfum verkefnum og hvernig meta eigi lausn þeirra á gagnrýninn hátt. Tekin eru fyrir línuleg bestun og Simplex aðferðin, auk skyld fræðileg efni.
Námskeiðið kynnir auk þess stærðfræðileg líkön fyrir einstök verkefni; flutningsverkefni, úthlutunarverkefni, netverkefni og heiltölubestun. Nemendur kynnast einnig sérhæfðu forritunarmáli við líkangerð fyrir línulega bestun.

Hagnýt gagnagreining (MAS202M)

Námskeiðið fjallar um tölfræðiúrvinnslu í forritinu R. Gert er ráð fyrir að nemendur hafi grunnþekkingu í tölfræði og tölfræðihugbúnaðnum R. Æskilegt er að nemendur þekki til margbreytu aðhvarfsgreiningar (e. multiple linear regression). Nemendur læra að beita hinum ýmsu tölfræðiaðferðum í R (ss. classification methods, resampling methods, linear model selection og tree-based methods). Námskeiðið er kennt á tólf vikum og verður það á vendikennsluformi þar sem nemendur lesa námsefni og horfa á myndbönd áður en þeir mæta í tíma og fá svo aðstoð með fyrirliggjandi verkefni í tímum.

BS-verkefni (STÆ262L)

Nemendur velja sér verkefni í samráði við einhvern kennara námsbrautar í stærðfræði. Verkefnið er unnið með leiðsögn tveggja manna og skal a.m.k. annar þeirra tilheyra námsbraut í stærðfræði. Námsbraut í stærðfræði þarf að staðfesta áætlun sem nemandi og leiðbeinendur leggja fram í sameiningu. Verkefninu lýkur með samningu ritgerðar og fyrirlestri. Ekki er gefin einkunn fyrir verkefnið en umsjónarmenn stafesta að nemandi hafi  staðist námskröfur.

Upplýsingar um skil á verkefni
Skil eru í maí fyrir júníbrautskráningu
Skil eru í september fyrir októberbrautskráningu
Skil eru í janúar fyrir febrúarbrautskráningu

Í upphafi misseris koma nemandi og leiðbeinandi sér upp tímalínu um skil á verkefni

Skil á fullbúnu verkefni til leiðbeinanda/umsjónarkennara er 10. maí/ september/ janúar

Skil nemanda inn á Skemmu eru í síðasta lagi 30. maí/ september/ janúar og senda þarf staðfestingu um samþykkt skil á nemvon@hi.is

Einkunn frá leiðbeinanda á að hafa borist skrifstofu í síðasta lagi 30. maí/ september/ janúar

Stærðfræðigreining IV (STÆ401G)

Markmið: Að kynna fyrir nemendum Fourier-greiningu og hlutafleiðujöfnur og hagnýtingu á þeim.

Lýsing: Fourier-raðir og þverstöðluð fallakerfi, jaðargildisverkefni fyrir venjulega afleiðuvirkja, eigingildisverkefni fyrir Sturm-Liouville-virkja, Fourier-ummyndun, bylgjujafnan, varmaleiðnijafnan og Laplace-jafnan leystar á ýmsum svæðum í einni, tveimur og þremur víddum með aðferðum úr fyrri hluta námskeiðsins, aðskilnaður breytistærða, grunnlausn, Green-föll, speglunaraðferðin.

Grannfræði (STÆ419M)

Almenn grannfræði: Grannrúm og samfelldar varpanir. Hlutrúm, faldrúm og deildarúm. Samhangandi rúm og þjöppuð rúm. Aðskilnaðarfrumsendur, hjálparsetning Urysohns og firðanleikasetning, algerlega regluleg rúm og þjappanir. 

Útsetningar á endanlegum grúpum (STÆ626M)

Skilgreining á línulegri útsetningu grúpu. Hjálparsetning Schur.
Grúpukennar. Grúpualgebran. Útsetningafræði samhverfugrúpunnar. Notkun útsetningarfræða í grúpufræði:  Setningar Frobeniusar og Burnsides.

Greining reiknirita (TÖL403G)

Aðferðir við hönnun og greiningu á tímaflækju reiknirita. Kynning og greining á reikniritum fyrir röðun, leit, netafræði og fylkjareikning. Torleysanleg vandamál, nálgunaraðferðir og slembin reiknirit.

Heildahagfræði I (Þjóðhagfræði I) (HAG103G)

Markmið námskeiðsins er að veita nemendum innsýn í helstu kenningar og hugtök heildahagfræði. Fjallað verður um lögmál efnahagslífsins og helstu grundvallarkenningar heildahagfræðinnar um þróun hagstærða til skamms og langs tíma ásamt helstu hugtökum í efnahagsumræðu. Áhersla er lögð bæði á fræðilegt inntak og hagnýtt gildi námsefnisins og tengsl þess við ýmis efnahagsmál, sem eru ofarlega á baugi á Íslandi og erlendis. Staðgóð þekking á þjóðhagfræði býr nemendur undir ýmis önnur námskeið, og lífið.

Stærðfræðigreining IA (STÆ101G)

Talnakerfin. Rauntölur og hugtökin efra mark og neðra mark, tvinntölur. Mengi náttúrulegra talna og þrepasannanir. Föll og varpanir. Runur og runumarkgildi. Raðir. Samleitnipróf og skilorðsbundin samleitni raðar. Markgildi og samfelld föll. Helstu eiginleikar samfelldra falla. Hornaföll. Diffrun. Helstu reglur um diffrun. Útgildi. Meðalgildissetningin. Nálgun diffranlegra falla með margliðum. Tegrun. Tengsl tegrunar og diffrunar. Ýmis algeng föll. Ýmsar aðferðir til að reikna út stofnföll. Veldaraðir. Fyrsta stigs diffurjöfnur. Tvinngild föll og annars stigs diffurjöfnur.

Línuleg algebra A (STÆ106G)

Fjallað er um undirstöðuatriði línulegar algebru yfir rauntölurnar með áherslu á fræðilegu hliðina.

Viðfangsefni: Línuleg jöfnuhneppi,fylkjareikningur, Gauss-eyðing og Gauss-Jordan-aðferð.  Vigurrúm og hlutrúm þeirra.  Línulega óháð hlutmengi, grunnar og vídd.  Línulegar varpanir, myndrúm og kjarni.  Depilmargfeldi, lengd og horn.  Rúmmál í margvíðu hnitarúmi og krossfeldi í þrívíðu.  Flatneskjur og stikaframsetning þeirra.  Hornrétt ofanvörp og þverstaðlaðir grunnar.  Aðferð Grams og Schmidts.  Ákveður og andhverfur fylkja.  Eigingildi, eiginvigrar og hornalínugerningur.

Tölvunarfræði 1 (TÖL101G)

Einingar til BS-prófs gilda aðeins fyrir annaðhvort TÖL101G Tölvunarfræði 1 eða TÖL105G Tölvunarfræði 1a.

Forritunarmálið Java verður notað til að kynnast grundvallaratriðum í tölvuforritun. Æfingar í forritasmíð verða á dagskrá allt misserið. Áhersla verður lögð á skipulegar og rökstuddar aðferðir við smíði forrita og góða innri skjölun. Helstu hugtök tengd tölvum og forritun. Klasar, hlutir og aðferðir. Stýrisetningar. Strengir og fylki, aðgerðir og innbyggð föll. Inntaks- og úttaksaðgerðir. Erfðir. Hugtök varðandi hönnun og byggingu kerfa og vinnubrögð við forritun. Ítrun og endurkvæmni. Röðun og leit.

Tölvunarfræði 1a (TÖL105G)

Einingar til BS-prófs gilda aðeins fyrir annaðhvort TÖL101G Tölvunarfræði 1 eða TÖL105G Tölvunarfræði 1a.

Forritun í Python (sniðið að verkfræðilegum og raunvísindalegum útreikningum): Helstu skipanir og setningar (útreikningur, stýri-setningar, innlestur og útskrift), skilgreining og inning falla, gagnatög (tölur, fylki, strengir, rökgildi, færslur), aðgerðir og innbyggð föll, vigur- og fylkjareikningur, skráavinnsla, tölfræðileg úrvinnsla, myndvinnsla. Hlutbundin forritun: klasar, hlutir, smiðir og aðferðir. Hugtök tengd hönnun og smíði tölvukerfa: Forritunarumhverfi, vinnubrögð við forritun, gerð falla- og undirforritasafna og tilheyrandi skjölun, villuleit og prófun forrita.

Eindahagfræði II (Rekstrarhagfræði II) (HAG201G)

Námskeiðið er framhald af Inngangur að hagfræði/Rekstrarhagfræði I. Áhersla er lögð á nemar öðlist bæði víðtækari og dýpri þekkingu á kenningum hagfræðinnar. Það verður gert með því að gera frekari grein fyrir helstu kenningum í rekstrarhagfræði og sýna hvernig nota megi fræðin til að fjalla skipulega um margvísleg mál.

Mengi og firðrúm (STÆ202G)

Mengjafræði: Vensl; jafngildisvensl og raðvensl. Teljanleg mengi og óteljanleg. Samstétta mengi. Uppbygging talnakerfanna. Frumatriði um firðrúm: Opin mengi og lokuð, samleitnar runur og Cauchy-runur, þéttipunktar. Samfelldni og samfelldni í jöfnum mæli. Samleitni og samleitni í jöfnum mæli. Fallarunur og fallaraðir. Þjöppuð firðrúm. Samhangandi mengi. Fullkomin firðrúm og fullkomnun firðrúms. Fastapunktssetning Banachs; tilvistarsetning um afleiðujöfnu fyrstu raðar. Kennslubækur ákveðnar síðar.

Líkindareikningur og tölfræði (STÆ203G)

Grundvallarhugtök í líkindafræði og tölfræði, stærðfræðileg undirstaða þeirra og beiting með tölfræðihugbúnaðinum R. 

• Líkindi, slembistærðir og væntigildi þeirra
• Mikilvægar líkindadreifingar
• Úrtök, lýsistærðir og úrtaksdreifing lýsistærða
• Metlar og öryggisbil
• Hugmyndafræði tilgátuprófa
• Mikilvæg tilgátupróf
• Línuleg aðhvarfsgreining

Stærðfræðigreining IIA (STÆ207G)

Áhersla er lögð á fræðilega hlið efnisins. Stefnt er að því að nemendur öðlist skilning á grundvallarhugtökum og kunni að beita þeim, bæði í fræðilegu samhengi og í útreikningi. Opin mengi og lokuð. Varpanir, markgildi og samfelldni. Deildanlegar varpanir, hlutafleiður og keðjuregla. Jacobi-fylki. Stiglar og stefnuafleiður. Blandaðar hlutafleiður. Ferlar. Vigursvið og streymi. Sívalningshnit og kúluhnit. Taylor-margliður. Útgildi og flokkun stöðupunkta. Skilyrt útgildi. Fólgin föll og staðbundnar andhverfur. Ferilheildi og mætti vigursviða. Heildun falla af mörgum breytistærðum. Óeiginleg heildi. Setning Greens. Einfaldlega samanhangandi svæði. Breytuskipti í margföldu heildi. Heildun á flötum. Flatarheildi vigursviðs. Setningar Stokes og Gauss.

Inngangur að líkindafræði (STÆ210G)

Þetta er viðbót við námskeiðið "Líkindareikningur og tölfræði" STÆ203G. Farið er ítarlegar í frumatriði líkindafræðinnar með áherslu á skilgreiningar og sannanir. Námskeiðið er undirbúningur fyrir M-námskeiðin tvö í líkindafræði og M-námskeiðin tvö í tölfræði sem kennd eru á víxl annað hvert ár.

Viðfangsefni umfram þau sem koma við sögu í líkindahluta STÆ203G:

Skilgreining Kolmogorovs. Útleiðslur á reglum um samsetta atburði og skilyrt líkindi. Útleiðsla fyrir strjálar og samfelldar stærðir á reglum um væntigildi, dreifni, samdreifni, fylgni, og skilyrt væntigildi og dreifni. Útleiðslur á reglum um Bernoulli-, tvíkosta-, Poisson-, jafnar, veldis-, normlegar og gamma-stærðir. Útleiðsla á halasummureglu væntigildis og útleiðsla á væntigildi strjálu veldisstærðarinnar. Útleiðsla á reglunni um minnisleysi og veldisstærðir. Útleiðsla á dreifingum summu óháðra stærða s.s. tvíkosta-, Poisson-, normlegra og gamma-stærða. Líkinda- og vægisframleiðsluföll.

Tvinnfallagreining I (STÆ301G)

Tvinntölur og grannfræði tvinntalnasléttunnar. Runur og raðir af tvinntölum. Deildanleg og fáguð föll. Fallarunur og raðir, sér í lagi veldaraðir. Vegheildun og stofnföll. Veldisvísisfallið og skyld föll. Vafningstölur ferla. Cauchy-setningin, Cauchy-formúlan og afleiðingar. Samsemdarsetning, setning um opna vörpun og hágildissetning. Laurent-raðir, einangraðir sérstöðupunktar og flokkun þeirra. Leifasetningin og leifareikningur. Hornaukasetningin og Rouché-setningin. Tengsl við raunfallagreiningu: Cauchy-Riemann-jöfnurnar, þýð föll og heildisformúlur Poissons og Schwarz. Fáguð föll skilgreind með heildum (t. d. Laplace-ummyndun). Hornrækin vörpun og vörpunarsetning Riemanns.

Algebra (STÆ303G)

Grúpur, dæmi og helstu undirstöðuatriði. Samhverfugrúpur. Mótanir og normlegar hlutgrúpur. Baugar, dæmi og helstu undirstöðuatriði. Heilbaugar. Baugamótanir og íðul. Margliðubaugar og þáttun margliða. Valin viðfangsefni.

Stærðfræðigreining IIIA (STÆ304G)

Námskeiðið er kynning á þremur mikilvægum sviðum hagnýttrar stærðfræði, nánar tiltekið venjulegum diffurjöfnum, Fourier-röðum og hlutafleiðujöfnum. Fræðilegir undirstöðueiginleikar þeirra eru sannaðir og lausnaraðferðir kynntar. 

Viðfangsefni: Venjulegar diffurjöfnur: Línulegar diffurjöfnur af stigi n, Cauchy verkefni, tilvistarsetning Picards, lausn með veldaröðum og jöfnur með sérstöðupunktum. Fourier-raðir: Samleitni í hverjum punkti, í jöfnum mæli og í ferningsmeðaltali, jafna Parsevals.  Hlutafleiðujöfnur: Hitajafnan og bylgjujafnan á endanlegu bili leystar með aðskilnaði breytistærða og Fourier-röðum, lausnir þeirra bornar saman, Dirichlet verkefni fyrir Laplace-jöfnu á rétthyrningi og skifu, Poisson-heildisformúla.

Kennileg línuleg tölfræðilíkön (STÆ310M)

Einföld og fjölvíð aðhvarfsgreining, fervikagreining og samvikagreining, ályktanir, dreifni og samdreifni metla, mátpróf með frávika- og áhrifagreiningu, samtíma ályktanir. Almenn líkuleg líkön sem ofanvörp, fervikagreining sem sértilvik, samtíma öryggismörk á samanburðarföll. R notað í verkefnum. Lausnum verkefna er skilað i LaTeX og PDF.

Til viðbótar  er tekið efni eftir vali, t.d. útvíkkuð línuleg líkön (GLM), ólínuleg aðhvarfsgreining og/eða slembiþáttalíkön (random/mixed effects models) og/eða skóreimaaðferðir (bootstrap) o.s.frv.

Nemendur kynna lausnir verkefna, sem áður hefur verið skilað inn í gegnum vefsíðu.

Námskeiðið er kennt þegar ártalið er slétt tala.

Hagnýtt línuleg tölfræðilíkön (STÆ312M)

Í námskeiðinu er fjallað um einfalda og fjölvíða aðhvarfsgreiningu ásamt fervikagreiningu (ANOVA) og samvikagreiningu (ANCOVA). Að auki er farið í tvíkosta aðhvarfsgreiningu (binomial regression) og rætt um hugtök því tengt, svo sem gagnlíkindi (odds) og gagnlíkindahlutfall (odds ratio).
Námskeiðið er framhald af dæmigerðu grunnnámskeiði í tölfræði sem kennd eru á hinum ýmsu sviðum skólans. Farið verður í aðferðir til að meta stika í línulegum líkönum, hvernig smíða má öryggisbil og kanna tilgátur fyrir stikana, hverjar forsendur líkananna eru og hvað hægt sé að gera sé þeim ekki fullnægt. Verkefni eru unnin í tölfræðihugbúnaðinum R.

Grundvöllur tölfræðinnar (STÆ313M)

Sennileiki, tæmandi stærð, tæmanleikareglan, þvælistiki, skilyrðingarreglan, óbreytileikareglan, sennileikafræði. Tilgátupróf, einfaldar og samsettar tilgátur, Neyman-Pearson-setningin, styrkleiki, UMP-próf, óbreytileg próf. Umröðunarpróf, sætispróf. Bilmat, öryggisbil, öryggisstig, öryggissvæði. Punktmat, bjagi, meðalferskekkja. Verkefnum er skilað með notkun LaTeX og gilda 20% af lokaeinkunn.

Töluleg greining (STÆ405G)

Einingar til BS-prófs gilda aðeins fyrir annaðhvort REI201G Stærðfræði og reiknifræði eða STÆ405G Töluleg greining.

Undirstöðuhugtök um nálgun og skekkjumat. Lausn línulegra og ólínulegra jöfnuhneppa. PLU-þáttun. Margliðubrúun, splæsibrúun og aðhvarfsgreining. Töluleg nálgun afleiða og heilda. Útgiskun. Töluleg lausn upphafshafsgildisverkefna fyrir venjuleg afleiðujöfnuhneppi. Fjölskrefaaðferðir. Töluleg lausn jaðargildisverkefna fyrir venjulegar afleiðujöfnur.

Gefin er einkunn fyrir skriflegar úrlausnir á forritunarverkefnum og vegur hún 30% af heildareinkunn. Stúdent verður að hafa lágmarkseinkunn 5 bæði fyrir verkefni og lokapróf.

Kennileg töluleg greining (STÆ412G)

Þetta er viðbót við námskeiðið "Töluleg greining" STÆ405G. Farið er ítarlegar og fræðilegar í efnið sem tekið er fyrir í Tölulegri greiningu (STÆ405G) með áherslu á sannanir.

Aðgerðagreining (IÐN401G)

Í námskeiðinu er nemendum kynnt hvernig gera á skipulega mynd af ákvörðunar- og bestunarverkefnum í aðgerðagreiningu.
Að námskeiði loknu eiga nemendur að hafa færni í að setja upp, greina og leysa stærðfræðileg líkön sem standa fyrir raunhæfum verkefnum og hvernig meta eigi lausn þeirra á gagnrýninn hátt. Tekin eru fyrir línuleg bestun og Simplex aðferðin, auk skyld fræðileg efni.
Námskeiðið kynnir auk þess stærðfræðileg líkön fyrir einstök verkefni; flutningsverkefni, úthlutunarverkefni, netverkefni og heiltölubestun. Nemendur kynnast einnig sérhæfðu forritunarmáli við líkangerð fyrir línulega bestun.

Slembiferli (STÆ415M)

Inngangsatriði slembiferla með megináherslu á Markovkeðjur.

Viðfangsefni: Hittitími, stöðuþáttun, óþáttanleiki, lota, endurkvæmni (jákvæð og núll-), hverfulleiki, tenging, endurnýjun, jafnvægi, tíma-viðsnúningur, tenging úr fortíðinni, greinaferli, biðraðir, martingalar, Brownhreyfing.

Línuleg algebra II (STÆ401M)

Mótlar og línulegar varpanir. Frjálsir mótlar og fylki. Deildamótlar og stuttar fleygaðar lestir. Nykurmótlar. Endanlega spannaðir mótlar yfir höfuðíðalbaug. Línulegir virkjar á endanlega víðum vigurrúmum.

Galois-fræði (STÆ403M)

Valin efni úr víxlinni algebru.

Viðfangsefni: Kroppar og útvíkkanir þeirra.  Algebrulegar útvíkkanir, normlegar úvíkkanir og aðskiljanlegar útvíkkanir.  Galois-fræði.  Notkunardæmi.  
Noether baugar.  Grunnasetning Hilberts.  Núllstöðvasetning Hilberts.

Mál- og tegurfræði (STÆ402M)

Kennt á vormisseri þegar ártal er oddatala.

Málrúm, mál og ytri mál. Lebesgue-málið á Rn. Mælanleg föll, setning um einhalla samleitni, hjálparsetning Fatous. Heildanleg föll, setning Lebesgues um yfirgnæfða samleitni og afleiðingar. Ójöfnur Hölders og Minkowskis, Lp-rúm, málrúma, setningar Tonellis og Fubinis. Tvinnmál. Jordan-liðun og Lebesgue-liðun mála, Radon-Níkodým-setning. Samfelld línuleg föll á Lp-rúmum. Myndmál, innsetningarsetning fyrir Lebesgue-heildið á Rn.

Grundvöllur líkindafræðinnar (STÆ418M)

Líkindi á grundvelli mál- og tegurfræði.

Viðfangsefni: Líkindi, útvíkkunarsetningar, óhæði, væntigildi. Borel-Cantelli-setningin og 0-1 lögmál Kolmogorovs.  Ójöfnur og hin veiku og sterku lögmál mikils fjölda. Samleitni í hverjum punkti, í líkindum, með líkunum einn, í dreifingu og í heildarviki. Tengiaðferðir. Höfuðmarkgildissetningin. Skilyrt líkindi og væntigildi.

Grannfræði (STÆ419M)

Almenn grannfræði: Grannrúm og samfelldar varpanir. Hlutrúm, faldrúm og deildarúm. Samhangandi rúm og þjöppuð rúm. Aðskilnaðarfrumsendur, hjálparsetning Urysohns og firðanleikasetning, algerlega regluleg rúm og þjappanir. 

Netafræði (STÆ520M)

Net, netamótanir og netaeinsmótanir. Hlutnet, spannandi hlutnet. Vegir, tengd net. Örvanet. Tvíhlutanet. Euler-net og Hamilton-net; setningar Chvátals, Pósa, Ores og Diracs. Keppnisnet. Tré, spannandi tré, trjáfylkjasetningin, Cayley-setningin. Vegin net, reiknirit Kruskals og Dijkstra. Flæðinet, setning um hámarksflæði og lágmarkssnið, Ford-Fulkerson-reikniritið, Menger-setningin. Spyrðingar, Berge-setningin, giftingarsetning Halls, König-Egerváry-setningin, Kuhn-Munkres-reikniritið. Óaðskiljanleg net, tvítengd net. Lagnet, Euler-formúla, Kuratowski-setningin, nykurnet. Greypingar neta í fleti, Ringel-Youngs-Mayer-setningin. Litanir, litunarsetning Heawoods, Brooks-setningin, litamargliða; leggjalitanir, Vizing-setningin.

Samæfingar í stærðfræði (STÆ402G)

Námskeiðið er ætlað nemendum sem lokið hafa að minnsta kosti 120 ECTS einingum. Nemendur sem ekki hafa lokið 120 ECTS einingum og hafa áhuga á að taka námskeiðið þurfa að fá samþykki umsjónarmanns fyrir þátttöku í námskeiðinu.

Hver nemandi velur og kynnir sér tiltekið afmarkað viðfangsefni stærðfræðinnar eða tölfræðinnar og fær leiðbeinanda tengdan því. Viðfangsefni eru ólík milli ára. Listi yfir viðfangsefni er gefinn út í upphafi eða aðdraganda námskeiðsins og einnig geta nemendur stungið upp á viðfangsefnum (að því gefnu að leiðbeinandi finnist). Nemendur skrifa ritgerð um sitt viðfangsefni og undirbúa og halda fyrirlestur um það á nemendaráðstefnu. Meðan á námskeiðinu stendur veita nemendur hvert öðru uppbyggilega endurgjöf bæði hvað varðar ritgerðarskrif og undirbúning á fyrirlestri. Auk þess að kynna eigin verkefni á nemendaráðstefnunni taka nemendur virkan þátt, hlusta á samnemendur sína og spyrja spurninga.

Stærðfræðimynstur (TÖL104G)

Yrðingar, umsagnir og rökleiðingar. Mengjareikningur og Boolealgebrur. Þrepun og endurkvæmni. Grunnaðferðir við greiningu reiknirita og talningu. Einföld reiknirit í talnafræði. Vensl, eiginleikar þeirra og framsetning. Tré og net og einföld reiknirit tengd þeim. Strengir, dæmi um mál, stöðuvélar og málskipan.

Dæmatímar
Það eru 7 dæmahópar og nemendur velja sér hóp. Dæmatímar eru tvennskonar:
Venjulegir (5 hópar): 2x40 mín. vikulega, á eftir hverjum er 40 mín. stoðtími 
Hraðferðir (2 hópar): 1x40 mín. vikulega
Sjá nánar í stundaskrá

Nýsköpun, vernd og hagnýting (VON101M)

Almennur inngangur að nýsköpun og helstu tegundum hugverkaréttar, þar sem fjallað verður um: vörumerki og mikilvægi vörumerkjastjórnunar, hönnunarverndar og höfundarréttar, grunnatriði einkaleyfa og beitingu þeirra, viðskiptaleyndarmál og kröfur sem þarf að upfylla til þess að þekking teljist viðskiptarleyndarmál ásamt stuttri umfjöllun um leiðir til að vernda hugbúnaðarlausnir.

Í kjölfarið verður farið í heimsókn til Íslensku Hugverkastofunnar, þar sem nemendur hljóta innsýn í umsóknarferli hugverkaréttinda. Rætt verður um nýsköpunar- og tæknihagnýtingu (e. tech transfer), auk möguleika á opinberum styrkjum og tengslum við fjárfesta. Reynslusögur úr nýsköpunariðnaði verða nýttar til að veita nemendum innsýn í reynslu sprotafyrirtækja og stefnumótun á hugverkum í hugverkarétti.

Nemendur velja eina hugmynd að uppfinningu í byrjun annar, og vinna samhliða fyrirlestrum að þróun hennar. Nemendur skoða t.a.m. hvaða leiðir eru færar til að vernda uppfinninguna hugmyndarinnar og ákveða hvernig hugverkavernd er best að nota, hvernighvaða þjónustu er hægt að nýta sér til að hraða á vexti hennar, hvernig er aðgengi að fjármögnun og setja fram langtímamarkmið.

(með fyrirvara um breytingar)

Aðgerðagreining 2 (IÐN508M)

Í námskeiðinu er nemendum kynnt hvernig gera á skipulega mynd af ákvörðunar- og bestunarverkefnum í aðgerðagreiningu. Að námskeiði loknu eiga nemendur að hafa færni í að setja upp, greina og leysa stærðfræðileg líkön sem standa fyrir raunhæfum verkefnum og hvernig meta eigi lausn þeirra á gagnrýninn hátt. Tekin er fyrir heiltölu og slembin verkefni (e. Integer Programming and Stochastic Programming). Nemendur kynnast líkangerð með Python.

R forritun (MAS102M)

Í námskeiðinu munu nemendur framkvæma hefðbundnar tölfræðiaðferðir á raunverulegum gagnasöfnum. Áhersla verður lögð á fjölbreytu aðhvarfsgreiningu (e. multiple linear regression). Nemendur beita fáguðum aðferðum við myndræna framsetningu sem og sjálfvirka skýrslugerð. Námsmat verður í formi raunhæfra verkefna þar sem nemendur framkvæma ofangreind atriði á raunverulegum gagnasöfnum með það fyrir augum að svara rannsóknarspurningum.

Gervigreind (REI505M)

Fjallað er um hugtök, aðferðir og reiknirit á sviði gervigreindar, með áherslu á studdan og óstuddan lærdóm. Forvinnsla og myndræn framsetning gagna. Mat á gæðum líkana og val á líkönum. Línuleg aðhvarfsgreining, næstu nágrannar, stoðvigravélar, tauganet, ákvarðanatré og safnaðferðir. Djúpur lærdómur. Þyrpingagreining og k-means aðferðin. Nemendur útfæra einföld reiknirit í Python og læra á sérhæfða forritspakka. Námskeiðinu lýkur með hagnýtu verkefni.

Fjölbreytileg nálgun á stærðfræðikennslu í framhaldsskólum (SNU503M)

Námskeiðið verður næst kennt haustið 2024. Það er að öllu jöfnu kennt annað hvert ár.

Á námskeiðinu læra nemar að skipuleggja stærðfræðikennslu í framhaldsskóla þannig að hún sé fjölbreytt og taki mið af þörfum allra nemenda. Áhersla verður lögð á að nemendur kynnist fjölbreyttu námsumhverfi og kennsluháttum sem byggja á rannsóknum á stærðfræðinámi og -kennslu. Í námskeiðinu er fjallað um markmið stærðfræðináms og hvernig þau birtast í námskrám og stefnuritum bæði hér á landi og í nágrannalöndum. Nemendur lesa um og fá tækifæri til að reyna í verki fjölbreyttar leiðir við að meta og greina stærðfræðilega hæfni.
Vinnulag í námskeiðinu felst í fyrirlestrum, verkefnavinnu kynningum, vettvangstengdum viðfangsefnum og gagnrýnni umræðu um viðfangsefni. Áhersla verður lögð á að nemar ræði um áskoranir sem upp geta komið við kennslu og leiti sjálfir leiða við lausn á ýmsum vandamálum sem lúta að stærðfræðinámi og -kennslu.

BS-verkefni (STÆ262L)

Nemendur velja sér verkefni í samráði við einhvern kennara námsbrautar í stærðfræði. Verkefnið er unnið með leiðsögn tveggja manna og skal a.m.k. annar þeirra tilheyra námsbraut í stærðfræði. Námsbraut í stærðfræði þarf að staðfesta áætlun sem nemandi og leiðbeinendur leggja fram í sameiningu. Verkefninu lýkur með samningu ritgerðar og fyrirlestri. Ekki er gefin einkunn fyrir verkefnið en umsjónarmenn stafesta að nemandi hafi  staðist námskröfur.

Upplýsingar um skil á verkefni
Skil eru í maí fyrir júníbrautskráningu
Skil eru í september fyrir októberbrautskráningu
Skil eru í janúar fyrir febrúarbrautskráningu

Í upphafi misseris koma nemandi og leiðbeinandi sér upp tímalínu um skil á verkefni

Skil á fullbúnu verkefni til leiðbeinanda/umsjónarkennara er 10. maí/ september/ janúar

Skil nemanda inn á Skemmu eru í síðasta lagi 30. maí/ september/ janúar og senda þarf staðfestingu um samþykkt skil á nemvon@hi.is

Einkunn frá leiðbeinanda á að hafa borist skrifstofu í síðasta lagi 30. maí/ september/ janúar

Kennileg línuleg tölfræðilíkön (STÆ310M)

Einföld og fjölvíð aðhvarfsgreining, fervikagreining og samvikagreining, ályktanir, dreifni og samdreifni metla, mátpróf með frávika- og áhrifagreiningu, samtíma ályktanir. Almenn líkuleg líkön sem ofanvörp, fervikagreining sem sértilvik, samtíma öryggismörk á samanburðarföll. R notað í verkefnum. Lausnum verkefna er skilað i LaTeX og PDF.

Til viðbótar  er tekið efni eftir vali, t.d. útvíkkuð línuleg líkön (GLM), ólínuleg aðhvarfsgreining og/eða slembiþáttalíkön (random/mixed effects models) og/eða skóreimaaðferðir (bootstrap) o.s.frv.

Nemendur kynna lausnir verkefna, sem áður hefur verið skilað inn í gegnum vefsíðu.

Námskeiðið er kennt þegar ártalið er slétt tala.

Hagnýtt línuleg tölfræðilíkön (STÆ312M)

Í námskeiðinu er fjallað um einfalda og fjölvíða aðhvarfsgreiningu ásamt fervikagreiningu (ANOVA) og samvikagreiningu (ANCOVA). Að auki er farið í tvíkosta aðhvarfsgreiningu (binomial regression) og rætt um hugtök því tengt, svo sem gagnlíkindi (odds) og gagnlíkindahlutfall (odds ratio).
Námskeiðið er framhald af dæmigerðu grunnnámskeiði í tölfræði sem kennd eru á hinum ýmsu sviðum skólans. Farið verður í aðferðir til að meta stika í línulegum líkönum, hvernig smíða má öryggisbil og kanna tilgátur fyrir stikana, hverjar forsendur líkananna eru og hvað hægt sé að gera sé þeim ekki fullnægt. Verkefni eru unnin í tölfræðihugbúnaðinum R.

Töluleg línuleg algebra (STÆ511M)

Ítrekunaraðferðir fyrir jöfnuhneppi.  Ýmsar þáttanir fylkja eins og QR, Cholesky, Jordan, Schur, rófþáttun og sérstöðupunktaþáttun (SVD) og hagnýtingar þeirra.  Strjál Fourierummyndun (DFT) og hröð algrím til framkvæmdar hennar (FFT).  Strjál Kósínusummyndun (DCT) í tvívídd og hagnýtingar í þjöppun hljóðs (MP3, AAC) og mynda (JPEG).  Rýr fylki og framsetning á þeim.

Sérstök áhersla verður lögð á hagnýtingu þeirra efnisatriða sem farið er í og tölulegar aðferðir.

Netafræði (STÆ520M)

Net, netamótanir og netaeinsmótanir. Hlutnet, spannandi hlutnet. Vegir, tengd net. Örvanet. Tvíhlutanet. Euler-net og Hamilton-net; setningar Chvátals, Pósa, Ores og Diracs. Keppnisnet. Tré, spannandi tré, trjáfylkjasetningin, Cayley-setningin. Vegin net, reiknirit Kruskals og Dijkstra. Flæðinet, setning um hámarksflæði og lágmarkssnið, Ford-Fulkerson-reikniritið, Menger-setningin. Spyrðingar, Berge-setningin, giftingarsetning Halls, König-Egerváry-setningin, Kuhn-Munkres-reikniritið. Óaðskiljanleg net, tvítengd net. Lagnet, Euler-formúla, Kuratowski-setningin, nykurnet. Greypingar neta í fleti, Ringel-Youngs-Mayer-setningin. Litanir, litunarsetning Heawoods, Brooks-setningin, litamargliða; leggjalitanir, Vizing-setningin.

Dreififöll (STÆ523M)

Fjallað er um undirstöðuatriði um dreififöll og hagnýtinga um hlutafleiðujöfnur.

Viðfangsefni: Prófunarföll, dreififöll, deildun dreififalla, samleitni runa af dreififöllum, Taylor-liðun í mörgum breytistærðum, staðbinding, dreififöll með þjappaða stoð, margföldun falla og dreififalla, samskeyting varpana og dreififalla, földun dreififalla, grunnlausnir, Fourier-ummyndun, Fourier-raðir, grunnlausnir og Fourier-ummyndun.

Inngangur að rökfræði (STÆ528M)

Röksemdafærslur, sannanir. Samtengingar, fullyrðingareikningur, sannföll og sísönnur. Formleg mál, frumsendur, rökreglur, sísönnusetningin. Magnarar. Mál og kenningar fyrstu stéttar. Mynstur og líkön. Fullkomleikasetningin. Setning Löwenheims og Skolems. Reiknanleiki, rakin föll. Setning Gödels.

Hagnýt Bayesísk tölfræði (STÆ529M)

Markmið: Að kenna nemendum að beita ýmsum aðferðum úr Bayesískri tölfræði fyrir greiningu gagna. Námsefni: Fræðileg undirstaða Bayesískrar ályktunartölfræði, fyrirframdreifingar, gagnadreifingar og eftirádreifingar. Bayesísk ályktunartölfræði fyrir stika í einvíðum og margvíðum líkindadreifingum: tvíkosta-; normal-; Possion; veldis-; margvíð normal-; fjölkostadreifing.  Mat á gæðum líkans og samanburður á líkönum: Bayesísk p-gildi; deviance information criterion (DIC). Bayesísk hermun: Markov keðju Monte Carlo (MCMC) aðferðir; Gibbs sampler; Metropolis-Hastings skref; mat á samleitni. Línuleg líkön: normal línuleg líkön; stigskipt normal línuleg líkön; almenn línuleg líkön. Áhersla á greiningu gagna með forritum eins og Matlab og R.

Fléttufræði (STÆ533M)

Námskeiðið er ætlað nemendum á öðru og þriðja ári. Markmiðið er að kynna nemendum ýmis fléttufræðileg kerfi, aðferðir við talningu og gagnlega eiginleika. Hagnýtingar á þessum kerfum og aðferðum.

Tölulegar lausnir á hlutafleiðujöfnum (STÆ537M)

Markmið námskeiðsins er að kynna aðferðir til tölulegrar úrlausnar á hlutafleiðujöfnum og forritun þeirra. 

Viðfangsefni:

Fleyggerar hlutafleiðujöfnur (varmajafnan), breiðgerar hlutafleiðujöfnur (bylgjujafnan) og sporgerar hlutafleiðujöfnur (Poisson- og Laplace jafnan).  Mismunaaðferðir, samleguaðferðir og bútaaðferðir.  Stöðugleiki lausnaraðferða, CFL skilyrðið og Crank-Nicolson skemað. Ólínulegar hlutafleiðujöfnur og Turing-mynstur.  Samband slembigangs og Poisson/Laplace hlutafleiðujafna.

Formleg mál og reiknanleiki (TÖL301G)

Endanlegar stöðuvélar, regluleg mál og málskipan, staflavélar, samhengisóháð mál og málskipan, Turingvélar, almenn mál og málskipan og helstu eiginleikar þeirra.

Ávarðanleg og listanleg mál, yfirfærsla milli mála, tengsl við ákvörðnarverkefni og sönnun á óleysanleika slíkra verkefna. Flækjustigsflokkarnir P og NP og NP-fullkomleiki. Dæmi um ýmis líkön af reiknanleika.

Reiknirit í lífupplýsingafræði (TÖL504M)

Efni námskeiðsins eru helstu reiknirit sem notuð eru í lífupplýsingafræði. Í upphafi er stutt yfirlit yfir erfðamengjafræði og reiknirit fyrir nemendur af öðrum sviðum. Námskeiðinu er skipt upp í nokkrar einingar og er hverri ætlað að fara yfir einstök verkefni í lífupplýsingafræði sem mótast af rannsóknarverkefnum. Hver eining samanstendur af verkefnislýsingu og aðferðum sem beitt er við úrlausn. Viðfangsefnin verða m.a. mynstraleit, strengjafjarlægð, samröðun gena og erfðamengja, þyrpingagreining, raðgreining og myndun erfðamengja og að lokum aðferðir við úrvinnslu úr háhraðaraðgreiningar gögnum.

Reiknirit í lífupplýsingafræði (TÖL604M)

Efni námskeiðsins eru helstu reiknirit sem notuð eru í lífupplýsingafræði. Í upphafi er stutt yfirlit yfir erfðamengjafræði og reiknirit fyrir nemendur af öðrum sviðum. Námskeiðinu er skipt upp í nokkrar einingar og er hverri ætlað að fara yfir einstök verkefni í lífupplýsingafræði sem mótast af rannsóknarverkefnum. Hver eining samanstendur af verkefnislýsingu og aðferðum sem beitt er við úrlausn. Viðfangsefnin verða m.a. mynstraleit, strengjafjarlægð, samröðun gena og erfðamengja, þyrpingagreining, raðgreining og myndun erfðamengja og að lokum aðferðir við úrvinnslu úr háhraðaraðgreiningar gögnum.

Stærðfræðileg eðlisfræði (EÐL612M)

Markmið: Að kynna stærðfræðilegar aðferðir sem nytsamar eru í eðlisfræði og veita þjálfun í beitingu þeirra. Námsefni: Hljóðbylgjur í vökvum og lofttegundum. Spennutensor og þenslutensor, almennar hreyfingarjöfnur fyrir samfellt efni. Jarðskjálftabylgjur. Jöfnur Maxwells og rafsegulbylgjur. Flatar bylgjur, skautun, endurkast og brot. Dreififöll og Fourier-greining. Grunnlausnir og Green-föll hlutafleiðujafna. Bylgjur í einsleitum efnum. Lögmál Huygens og setning Leifs Ásgeirssonar. Tvístur (dispersion. Fasahraði og grúpuhraði. Jöfnur Kramers og Kronigs. Aðferð hins stöðuga fasa. Bylgjur á yfirborði vökva.

Aðgerðagreining (IÐN401G)

Í námskeiðinu er nemendum kynnt hvernig gera á skipulega mynd af ákvörðunar- og bestunarverkefnum í aðgerðagreiningu.
Að námskeiði loknu eiga nemendur að hafa færni í að setja upp, greina og leysa stærðfræðileg líkön sem standa fyrir raunhæfum verkefnum og hvernig meta eigi lausn þeirra á gagnrýninn hátt. Tekin eru fyrir línuleg bestun og Simplex aðferðin, auk skyld fræðileg efni.
Námskeiðið kynnir auk þess stærðfræðileg líkön fyrir einstök verkefni; flutningsverkefni, úthlutunarverkefni, netverkefni og heiltölubestun. Nemendur kynnast einnig sérhæfðu forritunarmáli við líkangerð fyrir línulega bestun.

Hagnýt gagnagreining (MAS202M)

Námskeiðið fjallar um tölfræðiúrvinnslu í forritinu R. Gert er ráð fyrir að nemendur hafi grunnþekkingu í tölfræði og tölfræðihugbúnaðnum R. Æskilegt er að nemendur þekki til margbreytu aðhvarfsgreiningar (e. multiple linear regression). Nemendur læra að beita hinum ýmsu tölfræðiaðferðum í R (ss. classification methods, resampling methods, linear model selection og tree-based methods). Námskeiðið er kennt á tólf vikum og verður það á vendikennsluformi þar sem nemendur lesa námsefni og horfa á myndbönd áður en þeir mæta í tíma og fá svo aðstoð með fyrirliggjandi verkefni í tímum.

BS-verkefni (STÆ262L)

Nemendur velja sér verkefni í samráði við einhvern kennara námsbrautar í stærðfræði. Verkefnið er unnið með leiðsögn tveggja manna og skal a.m.k. annar þeirra tilheyra námsbraut í stærðfræði. Námsbraut í stærðfræði þarf að staðfesta áætlun sem nemandi og leiðbeinendur leggja fram í sameiningu. Verkefninu lýkur með samningu ritgerðar og fyrirlestri. Ekki er gefin einkunn fyrir verkefnið en umsjónarmenn stafesta að nemandi hafi  staðist námskröfur.

Upplýsingar um skil á verkefni
Skil eru í maí fyrir júníbrautskráningu
Skil eru í september fyrir októberbrautskráningu
Skil eru í janúar fyrir febrúarbrautskráningu

Í upphafi misseris koma nemandi og leiðbeinandi sér upp tímalínu um skil á verkefni

Skil á fullbúnu verkefni til leiðbeinanda/umsjónarkennara er 10. maí/ september/ janúar

Skil nemanda inn á Skemmu eru í síðasta lagi 30. maí/ september/ janúar og senda þarf staðfestingu um samþykkt skil á nemvon@hi.is

Einkunn frá leiðbeinanda á að hafa borist skrifstofu í síðasta lagi 30. maí/ september/ janúar

Stærðfræðigreining IV (STÆ401G)

Markmið: Að kynna fyrir nemendum Fourier-greiningu og hlutafleiðujöfnur og hagnýtingu á þeim.

Lýsing: Fourier-raðir og þverstöðluð fallakerfi, jaðargildisverkefni fyrir venjulega afleiðuvirkja, eigingildisverkefni fyrir Sturm-Liouville-virkja, Fourier-ummyndun, bylgjujafnan, varmaleiðnijafnan og Laplace-jafnan leystar á ýmsum svæðum í einni, tveimur og þremur víddum með aðferðum úr fyrri hluta námskeiðsins, aðskilnaður breytistærða, grunnlausn, Green-föll, speglunaraðferðin.

Grannfræði (STÆ419M)

Almenn grannfræði: Grannrúm og samfelldar varpanir. Hlutrúm, faldrúm og deildarúm. Samhangandi rúm og þjöppuð rúm. Aðskilnaðarfrumsendur, hjálparsetning Urysohns og firðanleikasetning, algerlega regluleg rúm og þjappanir. 

Útsetningar á endanlegum grúpum (STÆ626M)

Skilgreining á línulegri útsetningu grúpu. Hjálparsetning Schur.
Grúpukennar. Grúpualgebran. Útsetningafræði samhverfugrúpunnar. Notkun útsetningarfræða í grúpufræði:  Setningar Frobeniusar og Burnsides.

Greining reiknirita (TÖL403G)

Aðferðir við hönnun og greiningu á tímaflækju reiknirita. Kynning og greining á reikniritum fyrir röðun, leit, netafræði og fylkjareikning. Torleysanleg vandamál, nálgunaraðferðir og slembin reiknirit.

Verkleg eðlisfræði 1 R (EÐL108G)

Gerðar eru 4 verklegar æfingar, þar sem áhersla er lögð á að kynna nemendum verklag við gagnasöfnun og gagnavinnslu. Viðfangsefnin eru einkum sótt í aflfræði, og þurfa nemendur að skila vinnubókum fyrir allar æfingarnar og einni lokaskýrslu, sem er meira í stíl vísindatímaritsgreinar.

Eðlisfræði 1 R (EÐL107G)

Nemendum eru kynntar aðferðir og grundvallarlögmál aflfræði, bylgjufræði og varmafræði til þeirrar hlítar að þeir geti beitt þeim við lausn dæma. 

Námsefni: Hugtök, einingar, tölur, víddir. Vigrar. Gangfræði. Hreyfifræði agna, tregða, kraftar og lögmál Newtons. Núningur. Vinna og orka og varðveisla orkunnar. Skriðþungi, árekstrar. Agnakerfi, massamiðja. Snúningur stjarfhlutar. Hverfiþungi og hverfitregða. Stöðufræði. Þyngd. Storka og straumefni, jafna Bernoullis. Sveiflur: Hreinar, deyfðar og þvingaðar. Bylgjur. Hljóð. Hitastig. Kjörgas. Varmi og fyrsta lögmál varmafræðinnar. Kvikfræði gasa. Óreiða og annað lögmál varmafræðinnar.

Athugið að kennslubókin fyrir námskeiðið er aðgengileg nemendum í gegnum Canvas án endurgjalds.

Stærðfræðigreining IA (STÆ101G)

Talnakerfin. Rauntölur og hugtökin efra mark og neðra mark, tvinntölur. Mengi náttúrulegra talna og þrepasannanir. Föll og varpanir. Runur og runumarkgildi. Raðir. Samleitnipróf og skilorðsbundin samleitni raðar. Markgildi og samfelld föll. Helstu eiginleikar samfelldra falla. Hornaföll. Diffrun. Helstu reglur um diffrun. Útgildi. Meðalgildissetningin. Nálgun diffranlegra falla með margliðum. Tegrun. Tengsl tegrunar og diffrunar. Ýmis algeng föll. Ýmsar aðferðir til að reikna út stofnföll. Veldaraðir. Fyrsta stigs diffurjöfnur. Tvinngild föll og annars stigs diffurjöfnur.

Línuleg algebra A (STÆ106G)

Fjallað er um undirstöðuatriði línulegar algebru yfir rauntölurnar með áherslu á fræðilegu hliðina.

Viðfangsefni: Línuleg jöfnuhneppi,fylkjareikningur, Gauss-eyðing og Gauss-Jordan-aðferð.  Vigurrúm og hlutrúm þeirra.  Línulega óháð hlutmengi, grunnar og vídd.  Línulegar varpanir, myndrúm og kjarni.  Depilmargfeldi, lengd og horn.  Rúmmál í margvíðu hnitarúmi og krossfeldi í þrívíðu.  Flatneskjur og stikaframsetning þeirra.  Hornrétt ofanvörp og þverstaðlaðir grunnar.  Aðferð Grams og Schmidts.  Ákveður og andhverfur fylkja.  Eigingildi, eiginvigrar og hornalínugerningur.

Tölvunarfræði 1 (TÖL101G)

Einingar til BS-prófs gilda aðeins fyrir annaðhvort TÖL101G Tölvunarfræði 1 eða TÖL105G Tölvunarfræði 1a.

Forritunarmálið Java verður notað til að kynnast grundvallaratriðum í tölvuforritun. Æfingar í forritasmíð verða á dagskrá allt misserið. Áhersla verður lögð á skipulegar og rökstuddar aðferðir við smíði forrita og góða innri skjölun. Helstu hugtök tengd tölvum og forritun. Klasar, hlutir og aðferðir. Stýrisetningar. Strengir og fylki, aðgerðir og innbyggð föll. Inntaks- og úttaksaðgerðir. Erfðir. Hugtök varðandi hönnun og byggingu kerfa og vinnubrögð við forritun. Ítrun og endurkvæmni. Röðun og leit.

Tölvunarfræði 1a (TÖL105G)

Einingar til BS-prófs gilda aðeins fyrir annaðhvort TÖL101G Tölvunarfræði 1 eða TÖL105G Tölvunarfræði 1a.

Forritun í Python (sniðið að verkfræðilegum og raunvísindalegum útreikningum): Helstu skipanir og setningar (útreikningur, stýri-setningar, innlestur og útskrift), skilgreining og inning falla, gagnatög (tölur, fylki, strengir, rökgildi, færslur), aðgerðir og innbyggð föll, vigur- og fylkjareikningur, skráavinnsla, tölfræðileg úrvinnsla, myndvinnsla. Hlutbundin forritun: klasar, hlutir, smiðir og aðferðir. Hugtök tengd hönnun og smíði tölvukerfa: Forritunarumhverfi, vinnubrögð við forritun, gerð falla- og undirforritasafna og tilheyrandi skjölun, villuleit og prófun forrita.

Verkleg eðlisfræði 2 R (EÐL207G)

Gerðar eru fjórar 4 tíma tilraunir og tvær 3ja tíma, í ljósfræði og almennri rafsegulfræði. Nemendur skila vinnubókum fyrir allar tilraunir og einni formlegri lokaskýrslu um eina 4 tíma tilraun.

Eðlisfræði 2 R (EÐL206G)

Markmið: Að kynna nemendum aðferðir og grundvallarlögmál rafsegulfræði og ljósfræði. Námsefni: Hleðsla og rafsvið. Lögmál Gauss. Rafmætti. Þéttar og rafsvarar. Rafstraumur, viðnám, rafrásir. Segulsvið. Lögmál Ampères og Faradays. Span. Rafsveiflur og riðstraumur. Jöfnur Maxwells. Rafsegulbylgjur. Endurkast og ljósbrot. Linsur og speglar. Bylgjuljósfræði.

Mengi og firðrúm (STÆ202G)

Mengjafræði: Vensl; jafngildisvensl og raðvensl. Teljanleg mengi og óteljanleg. Samstétta mengi. Uppbygging talnakerfanna. Frumatriði um firðrúm: Opin mengi og lokuð, samleitnar runur og Cauchy-runur, þéttipunktar. Samfelldni og samfelldni í jöfnum mæli. Samleitni og samleitni í jöfnum mæli. Fallarunur og fallaraðir. Þjöppuð firðrúm. Samhangandi mengi. Fullkomin firðrúm og fullkomnun firðrúms. Fastapunktssetning Banachs; tilvistarsetning um afleiðujöfnu fyrstu raðar. Kennslubækur ákveðnar síðar.

Líkindareikningur og tölfræði (STÆ203G)

Grundvallarhugtök í líkindafræði og tölfræði, stærðfræðileg undirstaða þeirra og beiting með tölfræðihugbúnaðinum R. 

• Líkindi, slembistærðir og væntigildi þeirra
• Mikilvægar líkindadreifingar
• Úrtök, lýsistærðir og úrtaksdreifing lýsistærða
• Metlar og öryggisbil
• Hugmyndafræði tilgátuprófa
• Mikilvæg tilgátupróf
• Línuleg aðhvarfsgreining

Stærðfræðigreining IIA (STÆ207G)

Áhersla er lögð á fræðilega hlið efnisins. Stefnt er að því að nemendur öðlist skilning á grundvallarhugtökum og kunni að beita þeim, bæði í fræðilegu samhengi og í útreikningi. Opin mengi og lokuð. Varpanir, markgildi og samfelldni. Deildanlegar varpanir, hlutafleiður og keðjuregla. Jacobi-fylki. Stiglar og stefnuafleiður. Blandaðar hlutafleiður. Ferlar. Vigursvið og streymi. Sívalningshnit og kúluhnit. Taylor-margliður. Útgildi og flokkun stöðupunkta. Skilyrt útgildi. Fólgin föll og staðbundnar andhverfur. Ferilheildi og mætti vigursviða. Heildun falla af mörgum breytistærðum. Óeiginleg heildi. Setning Greens. Einfaldlega samanhangandi svæði. Breytuskipti í margföldu heildi. Heildun á flötum. Flatarheildi vigursviðs. Setningar Stokes og Gauss.

Inngangur að líkindafræði (STÆ210G)

Þetta er viðbót við námskeiðið "Líkindareikningur og tölfræði" STÆ203G. Farið er ítarlegar í frumatriði líkindafræðinnar með áherslu á skilgreiningar og sannanir. Námskeiðið er undirbúningur fyrir M-námskeiðin tvö í líkindafræði og M-námskeiðin tvö í tölfræði sem kennd eru á víxl annað hvert ár.

Viðfangsefni umfram þau sem koma við sögu í líkindahluta STÆ203G:

Skilgreining Kolmogorovs. Útleiðslur á reglum um samsetta atburði og skilyrt líkindi. Útleiðsla fyrir strjálar og samfelldar stærðir á reglum um væntigildi, dreifni, samdreifni, fylgni, og skilyrt væntigildi og dreifni. Útleiðslur á reglum um Bernoulli-, tvíkosta-, Poisson-, jafnar, veldis-, normlegar og gamma-stærðir. Útleiðsla á halasummureglu væntigildis og útleiðsla á væntigildi strjálu veldisstærðarinnar. Útleiðsla á reglunni um minnisleysi og veldisstærðir. Útleiðsla á dreifingum summu óháðra stærða s.s. tvíkosta-, Poisson-, normlegra og gamma-stærða. Líkinda- og vægisframleiðsluföll.

Tvinnfallagreining I (STÆ301G)

Tvinntölur og grannfræði tvinntalnasléttunnar. Runur og raðir af tvinntölum. Deildanleg og fáguð föll. Fallarunur og raðir, sér í lagi veldaraðir. Vegheildun og stofnföll. Veldisvísisfallið og skyld föll. Vafningstölur ferla. Cauchy-setningin, Cauchy-formúlan og afleiðingar. Samsemdarsetning, setning um opna vörpun og hágildissetning. Laurent-raðir, einangraðir sérstöðupunktar og flokkun þeirra. Leifasetningin og leifareikningur. Hornaukasetningin og Rouché-setningin. Tengsl við raunfallagreiningu: Cauchy-Riemann-jöfnurnar, þýð föll og heildisformúlur Poissons og Schwarz. Fáguð föll skilgreind með heildum (t. d. Laplace-ummyndun). Hornrækin vörpun og vörpunarsetning Riemanns.

Algebra (STÆ303G)

Grúpur, dæmi og helstu undirstöðuatriði. Samhverfugrúpur. Mótanir og normlegar hlutgrúpur. Baugar, dæmi og helstu undirstöðuatriði. Heilbaugar. Baugamótanir og íðul. Margliðubaugar og þáttun margliða. Valin viðfangsefni.

Stærðfræðigreining IIIA (STÆ304G)

Námskeiðið er kynning á þremur mikilvægum sviðum hagnýttrar stærðfræði, nánar tiltekið venjulegum diffurjöfnum, Fourier-röðum og hlutafleiðujöfnum. Fræðilegir undirstöðueiginleikar þeirra eru sannaðir og lausnaraðferðir kynntar. 

Viðfangsefni: Venjulegar diffurjöfnur: Línulegar diffurjöfnur af stigi n, Cauchy verkefni, tilvistarsetning Picards, lausn með veldaröðum og jöfnur með sérstöðupunktum. Fourier-raðir: Samleitni í hverjum punkti, í jöfnum mæli og í ferningsmeðaltali, jafna Parsevals.  Hlutafleiðujöfnur: Hitajafnan og bylgjujafnan á endanlegu bili leystar með aðskilnaði breytistærða og Fourier-röðum, lausnir þeirra bornar saman, Dirichlet verkefni fyrir Laplace-jöfnu á rétthyrningi og skifu, Poisson-heildisformúla.

Töluleg greining (STÆ405G)

Einingar til BS-prófs gilda aðeins fyrir annaðhvort REI201G Stærðfræði og reiknifræði eða STÆ405G Töluleg greining.

Undirstöðuhugtök um nálgun og skekkjumat. Lausn línulegra og ólínulegra jöfnuhneppa. PLU-þáttun. Margliðubrúun, splæsibrúun og aðhvarfsgreining. Töluleg nálgun afleiða og heilda. Útgiskun. Töluleg lausn upphafshafsgildisverkefna fyrir venjuleg afleiðujöfnuhneppi. Fjölskrefaaðferðir. Töluleg lausn jaðargildisverkefna fyrir venjulegar afleiðujöfnur.

Gefin er einkunn fyrir skriflegar úrlausnir á forritunarverkefnum og vegur hún 30% af heildareinkunn. Stúdent verður að hafa lágmarkseinkunn 5 bæði fyrir verkefni og lokapróf.

Almenn jarðeðlisfræði (JEÐ201G)

Námskeiðið er inngangur að jarðeðlisfræði hinnar föstu jarðar. Fjallað er um byggingu jarðar, lögun hennar og snúning, þyngdarsvið og þyngdarmælingar, flóðkrafta, segulsvið, segulsviðsmælingar og bergsegulmagn, jarðskjálfta, jarðskjálftamælingar og jarðskjálftabylgjur, bylgjubrots- og endurkastsmælingar auk varmaleiðni og hita í iðrum jarðar. Rannsóknir í jarðeðlisfræði á Íslandi verða kynntar.
Verklegar æfingar fara fram innan og utanhúss á formi vikulegra dæmatíma og þjálfunar í notkun jarðeðlisfræðilegra mælitækja. Nemendur skrifa einnig ritgerð um valið efni í jarðeðlisfræði.

Mál- og tegurfræði (STÆ402M)

Kennt á vormisseri þegar ártal er oddatala.

Málrúm, mál og ytri mál. Lebesgue-málið á Rn. Mælanleg föll, setning um einhalla samleitni, hjálparsetning Fatous. Heildanleg föll, setning Lebesgues um yfirgnæfða samleitni og afleiðingar. Ójöfnur Hölders og Minkowskis, Lp-rúm, málrúma, setningar Tonellis og Fubinis. Tvinnmál. Jordan-liðun og Lebesgue-liðun mála, Radon-Níkodým-setning. Samfelld línuleg föll á Lp-rúmum. Myndmál, innsetningarsetning fyrir Lebesgue-heildið á Rn.

Stærðfræðigreining IV (STÆ401G)

Markmið: Að kynna fyrir nemendum Fourier-greiningu og hlutafleiðujöfnur og hagnýtingu á þeim.

Lýsing: Fourier-raðir og þverstöðluð fallakerfi, jaðargildisverkefni fyrir venjulega afleiðuvirkja, eigingildisverkefni fyrir Sturm-Liouville-virkja, Fourier-ummyndun, bylgjujafnan, varmaleiðnijafnan og Laplace-jafnan leystar á ýmsum svæðum í einni, tveimur og þremur víddum með aðferðum úr fyrri hluta námskeiðsins, aðskilnaður breytistærða, grunnlausn, Green-föll, speglunaraðferðin.

Kennileg töluleg greining (STÆ412G)

Þetta er viðbót við námskeiðið "Töluleg greining" STÆ405G. Farið er ítarlegar og fræðilegar í efnið sem tekið er fyrir í Tölulegri greiningu (STÆ405G) með áherslu á sannanir.

Línuleg algebra II (STÆ401M)

Mótlar og línulegar varpanir. Frjálsir mótlar og fylki. Deildamótlar og stuttar fleygaðar lestir. Nykurmótlar. Endanlega spannaðir mótlar yfir höfuðíðalbaug. Línulegir virkjar á endanlega víðum vigurrúmum.

Galois-fræði (STÆ403M)

Valin efni úr víxlinni algebru.

Viðfangsefni: Kroppar og útvíkkanir þeirra.  Algebrulegar útvíkkanir, normlegar úvíkkanir og aðskiljanlegar útvíkkanir.  Galois-fræði.  Notkunardæmi.  
Noether baugar.  Grunnasetning Hilberts.  Núllstöðvasetning Hilberts.

Aflfræði og varmaflutningur í samfelldum efnum (JEÐ503M)

Markmið:   Að kynna aflfræði samfelldra efna, vökvaaflfræði og varmaflutning og beitingu fræðanna á vandamál í eðlisfræði og jarðeðlisfræði. I. Spenna og aflögun, spennusvið, spennutensor, sveiging platna, efniseiginleikar, líkön: Fjaðrandi efni, seigt efni, plastískt efni.- II. Seigir vökvar, lagstreymi, iðustreymi, samfellujafna, jafna Navier-Stokes.- III. Varmaflutningur: Varmaleiðing, hræring vatns, varmaburður og jarðhiti. Dæmi tekin úr ýmsum greinum eðlisfræði, einkum jarðeðlisfræði.

Kennslusýn:  Til að standa sig vel í námskeiðinu þurfa nemendur að taka virkan þátt í umræðum, mæta í fyrirlestra, halda sjálf nemendafyrirlestra og skila verkefnum sem sett eru fyrir. Nemendur öðlast þekkingu í fyrirlestrunum en það er nauðsynlegt að gera verkefnin til að skilja og þjálfa notkun hugtakanna. Verkefnin eru samþættuð textanum í kennslubókinni og því er ráðlagt að gera æfingarnar þegar textinn er lesinn. Kennari munu reyna að gera hugtök og tungutak aðgengilegt, en það er ætlast til að nemendur læri sjálfstætt og spyrji spurninga ef eitthvað er óljóst eða óskýrt. Til að bæta námskeiðið og innihald þess er óskað eftir að nemendur taki þátt í kennslukönnunum, bæði miðmisseriskönnun og í lok annar.

Varmafræði og efnahvörf (VÉL303G)

Markmið: Að nemendur öðlist grunnþekkingu á varmafræði og skilning á helstu hugtökum hennar. Einnig að nemendur kunni skil á mismunandi formum orku, hvort sem er í orkuflutningi eða umbreytingu úr einu formi í annað og að nemendur kunni skil á ferlum í útreikningi á efnahvörfum og orkuummyndun tengdum þeim.

Námsefni:

• Grunnhugtök og stærðfræðiaðferðir í varmafræði.
• Núllta lögmál varmafræðinnar. 
• Vinna, varmi og fyrsta lögmál varmafræðinnar.
• Kjörgas, raungas, ástandsjöfnur og ástandsmyndir.
• Óreiða og annað lögmál varmafræðinnar.
• Óreiða og hámarksvinna.
• Kynning á vinnuhringjum (Otto, Diesel, Brayton, Stirling og gufuvinnuhringjum), kælivélum og varmadælum.
• Varmafræðileg mætti, Maxwell-vensl.
• Varma- og hraðafræði efnahvarfa. 
• Jafnvægisskilyrði.
• Efnajafnvægi: sýru-basa, fellingar-, komplex- og afoxunar.
• Efnablöndur, efnahvörf og efnalausnir.
• Sjálfgeng efnahvörf, óreiða og fríorka – jafna van t' Hoff
• Þriðja lögmál varmafræðinnar.

Varmafræði og inngangur að safneðlisfræði (EFN307G)

Grunnhugtök og stærðfræðilegar aðferðir í varmafræði, lögmál varmafræðinnar, varmafræðileg mætti, Maxwell vensl, jafnvægi, fasabreytingar, tölfræðileg varmafræði, kjörgas og raungas sameinda, eðlisvarmi, slembigangur og sveim, Bose og Fermi kjörgös.

Allt skriflegt efni er á ensku. Námskeiðið er kennt í 14 vikur.

Inngangur að skammtafræði (EÐL306G)

Í þessu námskeiði er fjallað um undirstöðuatriði skammtafræðinnar.

Aðdragandi skammtafræðinnar, jafna Schrödingers, líkindatúlkun bylgjufallsins, stöðlun, skriðþungi og óvissulögmál, sístæð ástönd, einvíð skammtakerfi. Jafna Schrödingers í kúluhnitum, vetnisfrumeindin, hverfiþungi og spuni. Einsetulögmál Paulis. Útgeislun og ísog, sjálfgeislun. 

Aflfræði (EÐL302G)

Markmið: Að kynna nemendum hugtök og aðferðir aflfræðigreiningar, sem beitt er í ýmsum greinum verkfræði og eðlisfræði.

Námsefni: Aflfræði Newtons, línulegar sveiflur, deyfðar og þvingaðar sveiflur. Ólínulegar sveiflur og ringl (chaos). Þyngdarsvið, þyngdarmætti og sjávarfallakraftar. Hnikareikningur, regla Hamiltons, jöfnur Lagrange og Hamiltons, alhnit og skorður. Miðlæg svið, brautir reikistjarna, stöðugleiki hringbrauta. Árekstrar massaagna í viðmiðunarkerfum vinnustofu og massamiðju. Tregðukerfi og önnur viðmiðunarkerfi hreyfingar, gervikraftar. Aflfræði stjarfra hluta, tregðufylki, höfuðásar hverfitregðu, horn Eulers, jöfnur Eulers um áhrif vægis á snúning hlutar, snúðhreyfing og stöðugleiki hennar. Tengdar sveiflur, eigintíðni og eiginhnit sveiflukerfa.

Samæfingar í stærðfræði (STÆ402G)

Námskeiðið er ætlað nemendum sem lokið hafa að minnsta kosti 120 ECTS einingum. Nemendur sem ekki hafa lokið 120 ECTS einingum og hafa áhuga á að taka námskeiðið þurfa að fá samþykki umsjónarmanns fyrir þátttöku í námskeiðinu.

Hver nemandi velur og kynnir sér tiltekið afmarkað viðfangsefni stærðfræðinnar eða tölfræðinnar og fær leiðbeinanda tengdan því. Viðfangsefni eru ólík milli ára. Listi yfir viðfangsefni er gefinn út í upphafi eða aðdraganda námskeiðsins og einnig geta nemendur stungið upp á viðfangsefnum (að því gefnu að leiðbeinandi finnist). Nemendur skrifa ritgerð um sitt viðfangsefni og undirbúa og halda fyrirlestur um það á nemendaráðstefnu. Meðan á námskeiðinu stendur veita nemendur hvert öðru uppbyggilega endurgjöf bæði hvað varðar ritgerðarskrif og undirbúning á fyrirlestri. Auk þess að kynna eigin verkefni á nemendaráðstefnunni taka nemendur virkan þátt, hlusta á samnemendur sína og spyrja spurninga.

Almenna afstæðiskenningin (EÐL610M)

Markmið: Að kenna nemendum undirstöðuatriði í afstæðiskenningu Einsteins.

Námsefni: Takmarkaða afstæðiskenningin, fjórvigrar og þinir. Almenna afstæðiskenningin, sveigja tímarúmsins, jafngildislögmálið, jöfnur Einsteins, samanburður við mælingar innan sólkerfisins, þyngdarbylgjur, svarthol, heimsfræði.

Kennarar: Benjamin Knorr og Ziqi Yan, postdocs við Nordita.

Rafsegulfræði 1 (EÐL401G)

Rafstöðufræði. Jöfnur Laplace og Poissons. Segulstöðufræði. Span. Jöfnur Maxwells. Orka rafsegulsviðs. Setning Poyntings. Rafsegulbylgjur. Sléttar bylgjur í einangrandi og leiðandi efni. Endurkast og brot bylgna. Útgeislun. Dreifing. Dofnun.

Stærðfræðileg eðlisfræði (EÐL612M)

Markmið: Að kynna stærðfræðilegar aðferðir sem nytsamar eru í eðlisfræði og veita þjálfun í beitingu þeirra. Námsefni: Hljóðbylgjur í vökvum og lofttegundum. Spennutensor og þenslutensor, almennar hreyfingarjöfnur fyrir samfellt efni. Jarðskjálftabylgjur. Jöfnur Maxwells og rafsegulbylgjur. Flatar bylgjur, skautun, endurkast og brot. Dreififöll og Fourier-greining. Grunnlausnir og Green-föll hlutafleiðujafna. Bylgjur í einsleitum efnum. Lögmál Huygens og setning Leifs Ásgeirssonar. Tvístur (dispersion. Fasahraði og grúpuhraði. Jöfnur Kramers og Kronigs. Aðferð hins stöðuga fasa. Bylgjur á yfirborði vökva.

Jarðskjálftafræði (JEÐ505M)

Spennu- og aflögunarþinir, öldulíkingar fyrir P-og S-bylgjur. Rúmbylgjur og leiddar bylgjur. Helstu jarðskjálftabylgjur: P-, S-, Rayleigh- og Love-bylgjur. Frjálsar sveiflur jarðar. Gerð og eiginleikar jarðskjálftamæla. Upptök jarðskjálfta: Brotlausn, vægi, stærð, orka, tíðniróf, áhrif. Dýpi jarðskjálfta, dreifing þeirra um jörðina og samband við jarðfræði. Jarðskjálftabylgjur og innri gerð jarðarinnar.

Námskeiðið er ýmist kennt með hefðbundnum hætti (fyrirlestrar, heimadæmi, verkefni) eða sem lesnámskeið þar sem nemendur kynna sér efnið og gera því skil skriflega og í umræðutímum.

Grunnvatnsfræði (JEÐ502M)

Sjö vikna námskeið (kennt fyrri 7 vikur haustmisseris). Námskeiðið verður kennt ef þátttaka er nægileg. Námskeiðið kann að verða kennt sem lesnámskeið

Grunnvatn í jörðu, vatn í jarðvegi, gerðir og eiginleikar vatnsleiðara (poruhluti, heldni, gæfni, forðastuðlar, opnir, lokaðir og lekir vatnsleiðarar, einsleitir vatnsleiðarar, stefnuóháð og stefnuháð lekt).  Eiginleikar grunnvatnsflæðis, lögmál Darcy, grunnvatnsmætti, lektarstuðull, vatnsleiðni, innri lekt.  Lektarstuðull í bæði einsleitum og stefnuháðum vatnsleiðurum, straumlínur og straumlínunet, stöðugt og óstöðugt flæði um opna, lokaða og leka vatnsleiðara.  Almennar flæðijöfnur grunnvatns.   Grunnvatnsflæði að borholum, niðurdáttur, dæluprófanir, eiginleikar vatnsleiðara út frá dæluprófunum, nýting grunnvatnsborholna, ferskvatnslinsur og jarðsjór, flutningur efna með grunnvatni, gæði grunnvatns, mengun.  Dæmi um grunnvatn og nýtingu þess á Íslandi, reiknilíkön af grunnvatnsflæði.  Nemendur vinna þverfaglegt verkefni um grunnvatn og nýtingu þess.

Aflfræði veðurs (EÐL515M)

Fjallað verður um jöfnur þær sem liggja til grundvallar ástandi og breytingum í lofthjúpnum og þeim beitt til að lýsa stórum og smáum veðrakerfum, þrýstivindi, hvirfilvindi, sólfarsvindi, vindbreytingum með hæð við jörðu og í háloftum, uppstreymi og úrkomu. Þyngdarbylgjur og Rossby-bylgjur. Nærþrýstivindakerfi, iðujafna, lóðstreymisjafna og þrýstispájafna. Nærþrýstivindakerfi við fjöll.

Tektóník (JAR315G)

Strúktúrjarðfræði og jarðskorpuhreyfingar í heiminum, með sérstakri áherslu á hreyfingar á Íslandi. Rúmfræði jarðfræðilegra strúktúra, bæði flata og lína.
Æfingar í notkun hvolfvörpunar. Frumstrúktúrar og vefta í bergi. Hnígandi aflögun, fellingar og fellingamyndun. Flekakenningin, afstæðar og algildar flekahreyfingar, líkanreikningar. Fjaðrandi hegðun bergs í jarðskorpunni og möttli jarðar. Brotahreyfingar í stökkri jarðskorpu, sprungur og misgengi. Flekaskil og aflögun umhverfis þau, fráreksbelti, hjáreksbelti. Jarðskjálftar og misgengishreyfingar, brotlausnir skjálfta. Mælingar á jarðskorpuhreyfingum, GPS-landmælingar, InSAR-mælingar, hæðar- og hallamælingar.
Rannsóknarverkefni, sprungur á virku sprungusvæði eru kortlagðar.

Fyrirlestrar og umræður eru tvisvar í viku, dæma- og verkefnatímar einu sinni í viku. Nemendur skila úrlausnum verkefna í stuttum skýrslum. Unnið er rannsóknarverkefni þar sem nemendur fara út í tvo daga og kortleggja sprungur og sprungutengd fyrirbrigði með GPS-tækjum og skila skýrslu um það.

Síðustu 10 vikur námskeiðsins eru fyrirlestrar sameiginlegir með námskeiðinu Current Crustal Movements.

Stærðfræðimynstur (TÖL104G)

Yrðingar, umsagnir og rökleiðingar. Mengjareikningur og Boolealgebrur. Þrepun og endurkvæmni. Grunnaðferðir við greiningu reiknirita og talningu. Einföld reiknirit í talnafræði. Vensl, eiginleikar þeirra og framsetning. Tré og net og einföld reiknirit tengd þeim. Strengir, dæmi um mál, stöðuvélar og málskipan.

Dæmatímar
Það eru 7 dæmahópar og nemendur velja sér hóp. Dæmatímar eru tvennskonar:
Venjulegir (5 hópar): 2x40 mín. vikulega, á eftir hverjum er 40 mín. stoðtími 
Hraðferðir (2 hópar): 1x40 mín. vikulega
Sjá nánar í stundaskrá

Nýsköpun, vernd og hagnýting (VON101M)

Almennur inngangur að nýsköpun og helstu tegundum hugverkaréttar, þar sem fjallað verður um: vörumerki og mikilvægi vörumerkjastjórnunar, hönnunarverndar og höfundarréttar, grunnatriði einkaleyfa og beitingu þeirra, viðskiptaleyndarmál og kröfur sem þarf að upfylla til þess að þekking teljist viðskiptarleyndarmál ásamt stuttri umfjöllun um leiðir til að vernda hugbúnaðarlausnir.

Í kjölfarið verður farið í heimsókn til Íslensku Hugverkastofunnar, þar sem nemendur hljóta innsýn í umsóknarferli hugverkaréttinda. Rætt verður um nýsköpunar- og tæknihagnýtingu (e. tech transfer), auk möguleika á opinberum styrkjum og tengslum við fjárfesta. Reynslusögur úr nýsköpunariðnaði verða nýttar til að veita nemendum innsýn í reynslu sprotafyrirtækja og stefnumótun á hugverkum í hugverkarétti.

Nemendur velja eina hugmynd að uppfinningu í byrjun annar, og vinna samhliða fyrirlestrum að þróun hennar. Nemendur skoða t.a.m. hvaða leiðir eru færar til að vernda uppfinninguna hugmyndarinnar og ákveða hvernig hugverkavernd er best að nota, hvernighvaða þjónustu er hægt að nýta sér til að hraða á vexti hennar, hvernig er aðgengi að fjármögnun og setja fram langtímamarkmið.

(með fyrirvara um breytingar)

Aðgerðagreining 2 (IÐN508M)

Í námskeiðinu er nemendum kynnt hvernig gera á skipulega mynd af ákvörðunar- og bestunarverkefnum í aðgerðagreiningu. Að námskeiði loknu eiga nemendur að hafa færni í að setja upp, greina og leysa stærðfræðileg líkön sem standa fyrir raunhæfum verkefnum og hvernig meta eigi lausn þeirra á gagnrýninn hátt. Tekin er fyrir heiltölu og slembin verkefni (e. Integer Programming and Stochastic Programming). Nemendur kynnast líkangerð með Python.

R forritun (MAS102M)

Í námskeiðinu munu nemendur framkvæma hefðbundnar tölfræðiaðferðir á raunverulegum gagnasöfnum. Áhersla verður lögð á fjölbreytu aðhvarfsgreiningu (e. multiple linear regression). Nemendur beita fáguðum aðferðum við myndræna framsetningu sem og sjálfvirka skýrslugerð. Námsmat verður í formi raunhæfra verkefna þar sem nemendur framkvæma ofangreind atriði á raunverulegum gagnasöfnum með það fyrir augum að svara rannsóknarspurningum.

Gervigreind (REI505M)

Fjallað er um hugtök, aðferðir og reiknirit á sviði gervigreindar, með áherslu á studdan og óstuddan lærdóm. Forvinnsla og myndræn framsetning gagna. Mat á gæðum líkana og val á líkönum. Línuleg aðhvarfsgreining, næstu nágrannar, stoðvigravélar, tauganet, ákvarðanatré og safnaðferðir. Djúpur lærdómur. Þyrpingagreining og k-means aðferðin. Nemendur útfæra einföld reiknirit í Python og læra á sérhæfða forritspakka. Námskeiðinu lýkur með hagnýtu verkefni.

Fjölbreytileg nálgun á stærðfræðikennslu í framhaldsskólum (SNU503M)

Námskeiðið verður næst kennt haustið 2024. Það er að öllu jöfnu kennt annað hvert ár.

Á námskeiðinu læra nemar að skipuleggja stærðfræðikennslu í framhaldsskóla þannig að hún sé fjölbreytt og taki mið af þörfum allra nemenda. Áhersla verður lögð á að nemendur kynnist fjölbreyttu námsumhverfi og kennsluháttum sem byggja á rannsóknum á stærðfræðinámi og -kennslu. Í námskeiðinu er fjallað um markmið stærðfræðináms og hvernig þau birtast í námskrám og stefnuritum bæði hér á landi og í nágrannalöndum. Nemendur lesa um og fá tækifæri til að reyna í verki fjölbreyttar leiðir við að meta og greina stærðfræðilega hæfni.
Vinnulag í námskeiðinu felst í fyrirlestrum, verkefnavinnu kynningum, vettvangstengdum viðfangsefnum og gagnrýnni umræðu um viðfangsefni. Áhersla verður lögð á að nemar ræði um áskoranir sem upp geta komið við kennslu og leiti sjálfir leiða við lausn á ýmsum vandamálum sem lúta að stærðfræðinámi og -kennslu.

BS-verkefni (STÆ262L)

Nemendur velja sér verkefni í samráði við einhvern kennara námsbrautar í stærðfræði. Verkefnið er unnið með leiðsögn tveggja manna og skal a.m.k. annar þeirra tilheyra námsbraut í stærðfræði. Námsbraut í stærðfræði þarf að staðfesta áætlun sem nemandi og leiðbeinendur leggja fram í sameiningu. Verkefninu lýkur með samningu ritgerðar og fyrirlestri. Ekki er gefin einkunn fyrir verkefnið en umsjónarmenn stafesta að nemandi hafi  staðist námskröfur.

Upplýsingar um skil á verkefni
Skil eru í maí fyrir júníbrautskráningu
Skil eru í september fyrir októberbrautskráningu
Skil eru í janúar fyrir febrúarbrautskráningu

Í upphafi misseris koma nemandi og leiðbeinandi sér upp tímalínu um skil á verkefni

Skil á fullbúnu verkefni til leiðbeinanda/umsjónarkennara er 10. maí/ september/ janúar

Skil nemanda inn á Skemmu eru í síðasta lagi 30. maí/ september/ janúar og senda þarf staðfestingu um samþykkt skil á nemvon@hi.is

Einkunn frá leiðbeinanda á að hafa borist skrifstofu í síðasta lagi 30. maí/ september/ janúar

Kennileg línuleg tölfræðilíkön (STÆ310M)

Einföld og fjölvíð aðhvarfsgreining, fervikagreining og samvikagreining, ályktanir, dreifni og samdreifni metla, mátpróf með frávika- og áhrifagreiningu, samtíma ályktanir. Almenn líkuleg líkön sem ofanvörp, fervikagreining sem sértilvik, samtíma öryggismörk á samanburðarföll. R notað í verkefnum. Lausnum verkefna er skilað i LaTeX og PDF.

Til viðbótar  er tekið efni eftir vali, t.d. útvíkkuð línuleg líkön (GLM), ólínuleg aðhvarfsgreining og/eða slembiþáttalíkön (random/mixed effects models) og/eða skóreimaaðferðir (bootstrap) o.s.frv.

Nemendur kynna lausnir verkefna, sem áður hefur verið skilað inn í gegnum vefsíðu.

Námskeiðið er kennt þegar ártalið er slétt tala.

Hagnýtt línuleg tölfræðilíkön (STÆ312M)

Í námskeiðinu er fjallað um einfalda og fjölvíða aðhvarfsgreiningu ásamt fervikagreiningu (ANOVA) og samvikagreiningu (ANCOVA). Að auki er farið í tvíkosta aðhvarfsgreiningu (binomial regression) og rætt um hugtök því tengt, svo sem gagnlíkindi (odds) og gagnlíkindahlutfall (odds ratio).
Námskeiðið er framhald af dæmigerðu grunnnámskeiði í tölfræði sem kennd eru á hinum ýmsu sviðum skólans. Farið verður í aðferðir til að meta stika í línulegum líkönum, hvernig smíða má öryggisbil og kanna tilgátur fyrir stikana, hverjar forsendur líkananna eru og hvað hægt sé að gera sé þeim ekki fullnægt. Verkefni eru unnin í tölfræðihugbúnaðinum R.

Töluleg línuleg algebra (STÆ511M)

Ítrekunaraðferðir fyrir jöfnuhneppi.  Ýmsar þáttanir fylkja eins og QR, Cholesky, Jordan, Schur, rófþáttun og sérstöðupunktaþáttun (SVD) og hagnýtingar þeirra.  Strjál Fourierummyndun (DFT) og hröð algrím til framkvæmdar hennar (FFT).  Strjál Kósínusummyndun (DCT) í tvívídd og hagnýtingar í þjöppun hljóðs (MP3, AAC) og mynda (JPEG).  Rýr fylki og framsetning á þeim.

Sérstök áhersla verður lögð á hagnýtingu þeirra efnisatriða sem farið er í og tölulegar aðferðir.

Netafræði (STÆ520M)

Net, netamótanir og netaeinsmótanir. Hlutnet, spannandi hlutnet. Vegir, tengd net. Örvanet. Tvíhlutanet. Euler-net og Hamilton-net; setningar Chvátals, Pósa, Ores og Diracs. Keppnisnet. Tré, spannandi tré, trjáfylkjasetningin, Cayley-setningin. Vegin net, reiknirit Kruskals og Dijkstra. Flæðinet, setning um hámarksflæði og lágmarkssnið, Ford-Fulkerson-reikniritið, Menger-setningin. Spyrðingar, Berge-setningin, giftingarsetning Halls, König-Egerváry-setningin, Kuhn-Munkres-reikniritið. Óaðskiljanleg net, tvítengd net. Lagnet, Euler-formúla, Kuratowski-setningin, nykurnet. Greypingar neta í fleti, Ringel-Youngs-Mayer-setningin. Litanir, litunarsetning Heawoods, Brooks-setningin, litamargliða; leggjalitanir, Vizing-setningin.

Dreififöll (STÆ523M)

Fjallað er um undirstöðuatriði um dreififöll og hagnýtinga um hlutafleiðujöfnur.

Viðfangsefni: Prófunarföll, dreififöll, deildun dreififalla, samleitni runa af dreififöllum, Taylor-liðun í mörgum breytistærðum, staðbinding, dreififöll með þjappaða stoð, margföldun falla og dreififalla, samskeyting varpana og dreififalla, földun dreififalla, grunnlausnir, Fourier-ummyndun, Fourier-raðir, grunnlausnir og Fourier-ummyndun.

Inngangur að rökfræði (STÆ528M)

Röksemdafærslur, sannanir. Samtengingar, fullyrðingareikningur, sannföll og sísönnur. Formleg mál, frumsendur, rökreglur, sísönnusetningin. Magnarar. Mál og kenningar fyrstu stéttar. Mynstur og líkön. Fullkomleikasetningin. Setning Löwenheims og Skolems. Reiknanleiki, rakin föll. Setning Gödels.

Hagnýt Bayesísk tölfræði (STÆ529M)

Markmið: Að kenna nemendum að beita ýmsum aðferðum úr Bayesískri tölfræði fyrir greiningu gagna. Námsefni: Fræðileg undirstaða Bayesískrar ályktunartölfræði, fyrirframdreifingar, gagnadreifingar og eftirádreifingar. Bayesísk ályktunartölfræði fyrir stika í einvíðum og margvíðum líkindadreifingum: tvíkosta-; normal-; Possion; veldis-; margvíð normal-; fjölkostadreifing.  Mat á gæðum líkans og samanburður á líkönum: Bayesísk p-gildi; deviance information criterion (DIC). Bayesísk hermun: Markov keðju Monte Carlo (MCMC) aðferðir; Gibbs sampler; Metropolis-Hastings skref; mat á samleitni. Línuleg líkön: normal línuleg líkön; stigskipt normal línuleg líkön; almenn línuleg líkön. Áhersla á greiningu gagna með forritum eins og Matlab og R.

Fléttufræði (STÆ533M)

Námskeiðið er ætlað nemendum á öðru og þriðja ári. Markmiðið er að kynna nemendum ýmis fléttufræðileg kerfi, aðferðir við talningu og gagnlega eiginleika. Hagnýtingar á þessum kerfum og aðferðum.

Tölulegar lausnir á hlutafleiðujöfnum (STÆ537M)

Markmið námskeiðsins er að kynna aðferðir til tölulegrar úrlausnar á hlutafleiðujöfnum og forritun þeirra. 

Viðfangsefni:

Fleyggerar hlutafleiðujöfnur (varmajafnan), breiðgerar hlutafleiðujöfnur (bylgjujafnan) og sporgerar hlutafleiðujöfnur (Poisson- og Laplace jafnan).  Mismunaaðferðir, samleguaðferðir og bútaaðferðir.  Stöðugleiki lausnaraðferða, CFL skilyrðið og Crank-Nicolson skemað. Ólínulegar hlutafleiðujöfnur og Turing-mynstur.  Samband slembigangs og Poisson/Laplace hlutafleiðujafna.

Formleg mál og reiknanleiki (TÖL301G)

Endanlegar stöðuvélar, regluleg mál og málskipan, staflavélar, samhengisóháð mál og málskipan, Turingvélar, almenn mál og málskipan og helstu eiginleikar þeirra.

Ávarðanleg og listanleg mál, yfirfærsla milli mála, tengsl við ákvörðnarverkefni og sönnun á óleysanleika slíkra verkefna. Flækjustigsflokkarnir P og NP og NP-fullkomleiki. Dæmi um ýmis líkön af reiknanleika.

Reiknirit í lífupplýsingafræði (TÖL504M)

Efni námskeiðsins eru helstu reiknirit sem notuð eru í lífupplýsingafræði. Í upphafi er stutt yfirlit yfir erfðamengjafræði og reiknirit fyrir nemendur af öðrum sviðum. Námskeiðinu er skipt upp í nokkrar einingar og er hverri ætlað að fara yfir einstök verkefni í lífupplýsingafræði sem mótast af rannsóknarverkefnum. Hver eining samanstendur af verkefnislýsingu og aðferðum sem beitt er við úrlausn. Viðfangsefnin verða m.a. mynstraleit, strengjafjarlægð, samröðun gena og erfðamengja, þyrpingagreining, raðgreining og myndun erfðamengja og að lokum aðferðir við úrvinnslu úr háhraðaraðgreiningar gögnum.

Eðlisfræði lofthjúps jarðar (EÐL401M)

Námskeiðið er að jafnaði kennt annað hvert ár, þegar ár er oddatala.

Námsefni:

Varmafræði, kraftar og hreyfingar í andrúmsloftinu.  Stöðugleiki loftmassa, úrkomumyndun og skýjafræði.  Stór og smá veðrakerfi.  Úrkomu-, vinda- og hitafar.  Veðurfarssveiflur. Veður- og veðurfarsspár.  Víxlverkun andrúmslofts og yfirborðs jarðar. Nemendur vinna með veðurgögn og kanna samhengi breytistærða og breytileika veðurs í tíma og/eða rúmi.

Grundvöllur líkindafræðinnar (STÆ418M)

Líkindi á grundvelli mál- og tegurfræði.

Viðfangsefni: Líkindi, útvíkkunarsetningar, óhæði, væntigildi. Borel-Cantelli-setningin og 0-1 lögmál Kolmogorovs.  Ójöfnur og hin veiku og sterku lögmál mikils fjölda. Samleitni í hverjum punkti, í líkindum, með líkunum einn, í dreifingu og í heildarviki. Tengiaðferðir. Höfuðmarkgildissetningin. Skilyrt líkindi og væntigildi.

Rafsegulfræði 1 (EÐL401G)

Rafstöðufræði. Jöfnur Laplace og Poissons. Segulstöðufræði. Span. Jöfnur Maxwells. Orka rafsegulsviðs. Setning Poyntings. Rafsegulbylgjur. Sléttar bylgjur í einangrandi og leiðandi efni. Endurkast og brot bylgna. Útgeislun. Dreifing. Dofnun.

Almenn haffræði 1 (JAR414M)

Markmið námskeiðs er að nemendur öðlist yfirsýn á undirstöðum almennrar haffræði, gerð hafsbotns, eðlis- og efna- og lífefnafræði sjávar.  Ennfremur hvernig samspil þessara þátta mótar aðstæðurnar í höfunum. Viðfangsefnið er skipting lands og sjávar, heimshöfin, stærð og landfræðileg einkenni, botnlögun. Tæki og aðferðir í hafrannsóknum. Eðliseiginleikar sjávar, selta. Ljós og hljóð í hafinu. Breytingar eiginleika vegna sveims og strauma. Orkubúskapur og vatnshagur. Dreifing sjávarhita og seltu, sjógerðir og hita-seltuhringrásin. Ágrip af stöðu- og hreyfifræði hafsins. Efnafræði sjávar: Jarðefnafræðileg hringrás, aðalefni, snefilefni og uppleystar lofttegundir í sjó. Næringarsölt í sjó og tengsl þeirra við kolefni og súrefni. Áhrif eðlis- og efnafræðilegra eiginleika á frjósemi hafsvæða.  Hafið við Ísland.

Verklegar æfingar ná yfir dæmaæfingar, skýringar dæma, úrvinnslu og túlkun haffræðilegra gagna og heimsókn í Hafrannsóknarstofnun og í rannsóknaskip.

Slembiferli (STÆ415M)

Inngangsatriði slembiferla með megináherslu á Markovkeðjur.

Viðfangsefni: Hittitími, stöðuþáttun, óþáttanleiki, lota, endurkvæmni (jákvæð og núll-), hverfulleiki, tenging, endurnýjun, jafnvægi, tíma-viðsnúningur, tenging úr fortíðinni, greinaferli, biðraðir, martingalar, Brownhreyfing.

Reiknirit í lífupplýsingafræði (TÖL604M)

Efni námskeiðsins eru helstu reiknirit sem notuð eru í lífupplýsingafræði. Í upphafi er stutt yfirlit yfir erfðamengjafræði og reiknirit fyrir nemendur af öðrum sviðum. Námskeiðinu er skipt upp í nokkrar einingar og er hverri ætlað að fara yfir einstök verkefni í lífupplýsingafræði sem mótast af rannsóknarverkefnum. Hver eining samanstendur af verkefnislýsingu og aðferðum sem beitt er við úrlausn. Viðfangsefnin verða m.a. mynstraleit, strengjafjarlægð, samröðun gena og erfðamengja, þyrpingagreining, raðgreining og myndun erfðamengja og að lokum aðferðir við úrvinnslu úr háhraðaraðgreiningar gögnum.

Stærðfræðileg eðlisfræði (EÐL612M)

Markmið: Að kynna stærðfræðilegar aðferðir sem nytsamar eru í eðlisfræði og veita þjálfun í beitingu þeirra. Námsefni: Hljóðbylgjur í vökvum og lofttegundum. Spennutensor og þenslutensor, almennar hreyfingarjöfnur fyrir samfellt efni. Jarðskjálftabylgjur. Jöfnur Maxwells og rafsegulbylgjur. Flatar bylgjur, skautun, endurkast og brot. Dreififöll og Fourier-greining. Grunnlausnir og Green-föll hlutafleiðujafna. Bylgjur í einsleitum efnum. Lögmál Huygens og setning Leifs Ásgeirssonar. Tvístur (dispersion. Fasahraði og grúpuhraði. Jöfnur Kramers og Kronigs. Aðferð hins stöðuga fasa. Bylgjur á yfirborði vökva.

Aðgerðagreining (IÐN401G)

Í námskeiðinu er nemendum kynnt hvernig gera á skipulega mynd af ákvörðunar- og bestunarverkefnum í aðgerðagreiningu.
Að námskeiði loknu eiga nemendur að hafa færni í að setja upp, greina og leysa stærðfræðileg líkön sem standa fyrir raunhæfum verkefnum og hvernig meta eigi lausn þeirra á gagnrýninn hátt. Tekin eru fyrir línuleg bestun og Simplex aðferðin, auk skyld fræðileg efni.
Námskeiðið kynnir auk þess stærðfræðileg líkön fyrir einstök verkefni; flutningsverkefni, úthlutunarverkefni, netverkefni og heiltölubestun. Nemendur kynnast einnig sérhæfðu forritunarmáli við líkangerð fyrir línulega bestun.

Hagnýt gagnagreining (MAS202M)

Námskeiðið fjallar um tölfræðiúrvinnslu í forritinu R. Gert er ráð fyrir að nemendur hafi grunnþekkingu í tölfræði og tölfræðihugbúnaðnum R. Æskilegt er að nemendur þekki til margbreytu aðhvarfsgreiningar (e. multiple linear regression). Nemendur læra að beita hinum ýmsu tölfræðiaðferðum í R (ss. classification methods, resampling methods, linear model selection og tree-based methods). Námskeiðið er kennt á tólf vikum og verður það á vendikennsluformi þar sem nemendur lesa námsefni og horfa á myndbönd áður en þeir mæta í tíma og fá svo aðstoð með fyrirliggjandi verkefni í tímum.

BS-verkefni (STÆ262L)

Nemendur velja sér verkefni í samráði við einhvern kennara námsbrautar í stærðfræði. Verkefnið er unnið með leiðsögn tveggja manna og skal a.m.k. annar þeirra tilheyra námsbraut í stærðfræði. Námsbraut í stærðfræði þarf að staðfesta áætlun sem nemandi og leiðbeinendur leggja fram í sameiningu. Verkefninu lýkur með samningu ritgerðar og fyrirlestri. Ekki er gefin einkunn fyrir verkefnið en umsjónarmenn stafesta að nemandi hafi  staðist námskröfur.

Upplýsingar um skil á verkefni
Skil eru í maí fyrir júníbrautskráningu
Skil eru í september fyrir októberbrautskráningu
Skil eru í janúar fyrir febrúarbrautskráningu

Í upphafi misseris koma nemandi og leiðbeinandi sér upp tímalínu um skil á verkefni

Skil á fullbúnu verkefni til leiðbeinanda/umsjónarkennara er 10. maí/ september/ janúar

Skil nemanda inn á Skemmu eru í síðasta lagi 30. maí/ september/ janúar og senda þarf staðfestingu um samþykkt skil á nemvon@hi.is

Einkunn frá leiðbeinanda á að hafa borist skrifstofu í síðasta lagi 30. maí/ september/ janúar

Stærðfræðigreining IV (STÆ401G)

Markmið: Að kynna fyrir nemendum Fourier-greiningu og hlutafleiðujöfnur og hagnýtingu á þeim.

Lýsing: Fourier-raðir og þverstöðluð fallakerfi, jaðargildisverkefni fyrir venjulega afleiðuvirkja, eigingildisverkefni fyrir Sturm-Liouville-virkja, Fourier-ummyndun, bylgjujafnan, varmaleiðnijafnan og Laplace-jafnan leystar á ýmsum svæðum í einni, tveimur og þremur víddum með aðferðum úr fyrri hluta námskeiðsins, aðskilnaður breytistærða, grunnlausn, Green-föll, speglunaraðferðin.

Grannfræði (STÆ419M)

Almenn grannfræði: Grannrúm og samfelldar varpanir. Hlutrúm, faldrúm og deildarúm. Samhangandi rúm og þjöppuð rúm. Aðskilnaðarfrumsendur, hjálparsetning Urysohns og firðanleikasetning, algerlega regluleg rúm og þjappanir. 

Útsetningar á endanlegum grúpum (STÆ626M)

Skilgreining á línulegri útsetningu grúpu. Hjálparsetning Schur.
Grúpukennar. Grúpualgebran. Útsetningafræði samhverfugrúpunnar. Notkun útsetningarfræða í grúpufræði:  Setningar Frobeniusar og Burnsides.

Greining reiknirita (TÖL403G)

Aðferðir við hönnun og greiningu á tímaflækju reiknirita. Kynning og greining á reikniritum fyrir röðun, leit, netafræði og fylkjareikning. Torleysanleg vandamál, nálgunaraðferðir og slembin reiknirit.

Tölvunarfræði 1 (TÖL101G)

Einingar til BS-prófs gilda aðeins fyrir annaðhvort TÖL101G Tölvunarfræði 1 eða TÖL105G Tölvunarfræði 1a.

Forritunarmálið Java verður notað til að kynnast grundvallaratriðum í tölvuforritun. Æfingar í forritasmíð verða á dagskrá allt misserið. Áhersla verður lögð á skipulegar og rökstuddar aðferðir við smíði forrita og góða innri skjölun. Helstu hugtök tengd tölvum og forritun. Klasar, hlutir og aðferðir. Stýrisetningar. Strengir og fylki, aðgerðir og innbyggð föll. Inntaks- og úttaksaðgerðir. Erfðir. Hugtök varðandi hönnun og byggingu kerfa og vinnubrögð við forritun. Ítrun og endurkvæmni. Röðun og leit.

Stærðfræðimynstur (TÖL104G)

Yrðingar, umsagnir og rökleiðingar. Mengjareikningur og Boolealgebrur. Þrepun og endurkvæmni. Grunnaðferðir við greiningu reiknirita og talningu. Einföld reiknirit í talnafræði. Vensl, eiginleikar þeirra og framsetning. Tré og net og einföld reiknirit tengd þeim. Strengir, dæmi um mál, stöðuvélar og málskipan.

Dæmatímar
Það eru 7 dæmahópar og nemendur velja sér hóp. Dæmatímar eru tvennskonar:
Venjulegir (5 hópar): 2x40 mín. vikulega, á eftir hverjum er 40 mín. stoðtími 
Hraðferðir (2 hópar): 1x40 mín. vikulega
Sjá nánar í stundaskrá

Stærðfræðigreining IA (STÆ101G)

Talnakerfin. Rauntölur og hugtökin efra mark og neðra mark, tvinntölur. Mengi náttúrulegra talna og þrepasannanir. Föll og varpanir. Runur og runumarkgildi. Raðir. Samleitnipróf og skilorðsbundin samleitni raðar. Markgildi og samfelld föll. Helstu eiginleikar samfelldra falla. Hornaföll. Diffrun. Helstu reglur um diffrun. Útgildi. Meðalgildissetningin. Nálgun diffranlegra falla með margliðum. Tegrun. Tengsl tegrunar og diffrunar. Ýmis algeng föll. Ýmsar aðferðir til að reikna út stofnföll. Veldaraðir. Fyrsta stigs diffurjöfnur. Tvinngild föll og annars stigs diffurjöfnur.

Línuleg algebra A (STÆ106G)

Fjallað er um undirstöðuatriði línulegar algebru yfir rauntölurnar með áherslu á fræðilegu hliðina.

Viðfangsefni: Línuleg jöfnuhneppi,fylkjareikningur, Gauss-eyðing og Gauss-Jordan-aðferð.  Vigurrúm og hlutrúm þeirra.  Línulega óháð hlutmengi, grunnar og vídd.  Línulegar varpanir, myndrúm og kjarni.  Depilmargfeldi, lengd og horn.  Rúmmál í margvíðu hnitarúmi og krossfeldi í þrívíðu.  Flatneskjur og stikaframsetning þeirra.  Hornrétt ofanvörp og þverstaðlaðir grunnar.  Aðferð Grams og Schmidts.  Ákveður og andhverfur fylkja.  Eigingildi, eiginvigrar og hornalínugerningur.

Tölvunarfræði 2 (TÖL203G)

Námskeiðið mun nota forritunarmálið Java. Fjallað er um gagnaskipan, reiknirit og huglæg gagnatög. Meðal gagnaskipana, sem farið er yfir, eru listar, hlaðar, biðraðir, forgangsbiðraðir, tré, tvítré, tvíleitartré og hrúgur auk viðkomandi reiknirita. Kynnt verða ýmis leitar- og röðunarreiknirit. Reiknirit eru greind, hvað þau taka langan tíma í vinnslu og hve mikið minnisrými. Forritunarverkefni, sem nota áðurnefnda gagnaskipan og reiknirit, eru leyst í Java. Mörg lítil forritunarverkefni verða í námskeiðinu.

Mengi og firðrúm (STÆ202G)

Mengjafræði: Vensl; jafngildisvensl og raðvensl. Teljanleg mengi og óteljanleg. Samstétta mengi. Uppbygging talnakerfanna. Frumatriði um firðrúm: Opin mengi og lokuð, samleitnar runur og Cauchy-runur, þéttipunktar. Samfelldni og samfelldni í jöfnum mæli. Samleitni og samleitni í jöfnum mæli. Fallarunur og fallaraðir. Þjöppuð firðrúm. Samhangandi mengi. Fullkomin firðrúm og fullkomnun firðrúms. Fastapunktssetning Banachs; tilvistarsetning um afleiðujöfnu fyrstu raðar. Kennslubækur ákveðnar síðar.

Líkindareikningur og tölfræði (STÆ203G)

Grundvallarhugtök í líkindafræði og tölfræði, stærðfræðileg undirstaða þeirra og beiting með tölfræðihugbúnaðinum R. 

• Líkindi, slembistærðir og væntigildi þeirra
• Mikilvægar líkindadreifingar
• Úrtök, lýsistærðir og úrtaksdreifing lýsistærða
• Metlar og öryggisbil
• Hugmyndafræði tilgátuprófa
• Mikilvæg tilgátupróf
• Línuleg aðhvarfsgreining

Stærðfræðigreining IIA (STÆ207G)

Áhersla er lögð á fræðilega hlið efnisins. Stefnt er að því að nemendur öðlist skilning á grundvallarhugtökum og kunni að beita þeim, bæði í fræðilegu samhengi og í útreikningi. Opin mengi og lokuð. Varpanir, markgildi og samfelldni. Deildanlegar varpanir, hlutafleiður og keðjuregla. Jacobi-fylki. Stiglar og stefnuafleiður. Blandaðar hlutafleiður. Ferlar. Vigursvið og streymi. Sívalningshnit og kúluhnit. Taylor-margliður. Útgildi og flokkun stöðupunkta. Skilyrt útgildi. Fólgin föll og staðbundnar andhverfur. Ferilheildi og mætti vigursviða. Heildun falla af mörgum breytistærðum. Óeiginleg heildi. Setning Greens. Einfaldlega samanhangandi svæði. Breytuskipti í margföldu heildi. Heildun á flötum. Flatarheildi vigursviðs. Setningar Stokes og Gauss.

Inngangur að líkindafræði (STÆ210G)

Þetta er viðbót við námskeiðið "Líkindareikningur og tölfræði" STÆ203G. Farið er ítarlegar í frumatriði líkindafræðinnar með áherslu á skilgreiningar og sannanir. Námskeiðið er undirbúningur fyrir M-námskeiðin tvö í líkindafræði og M-námskeiðin tvö í tölfræði sem kennd eru á víxl annað hvert ár.

Viðfangsefni umfram þau sem koma við sögu í líkindahluta STÆ203G:

Skilgreining Kolmogorovs. Útleiðslur á reglum um samsetta atburði og skilyrt líkindi. Útleiðsla fyrir strjálar og samfelldar stærðir á reglum um væntigildi, dreifni, samdreifni, fylgni, og skilyrt væntigildi og dreifni. Útleiðslur á reglum um Bernoulli-, tvíkosta-, Poisson-, jafnar, veldis-, normlegar og gamma-stærðir. Útleiðsla á halasummureglu væntigildis og útleiðsla á væntigildi strjálu veldisstærðarinnar. Útleiðsla á reglunni um minnisleysi og veldisstærðir. Útleiðsla á dreifingum summu óháðra stærða s.s. tvíkosta-, Poisson-, normlegra og gamma-stærða. Líkinda- og vægisframleiðsluföll.

Netafræði (STÆ520M)

Net, netamótanir og netaeinsmótanir. Hlutnet, spannandi hlutnet. Vegir, tengd net. Örvanet. Tvíhlutanet. Euler-net og Hamilton-net; setningar Chvátals, Pósa, Ores og Diracs. Keppnisnet. Tré, spannandi tré, trjáfylkjasetningin, Cayley-setningin. Vegin net, reiknirit Kruskals og Dijkstra. Flæðinet, setning um hámarksflæði og lágmarkssnið, Ford-Fulkerson-reikniritið, Menger-setningin. Spyrðingar, Berge-setningin, giftingarsetning Halls, König-Egerváry-setningin, Kuhn-Munkres-reikniritið. Óaðskiljanleg net, tvítengd net. Lagnet, Euler-formúla, Kuratowski-setningin, nykurnet. Greypingar neta í fleti, Ringel-Youngs-Mayer-setningin. Litanir, litunarsetning Heawoods, Brooks-setningin, litamargliða; leggjalitanir, Vizing-setningin.

Fléttufræði (STÆ533M)

Námskeiðið er ætlað nemendum á öðru og þriðja ári. Markmiðið er að kynna nemendum ýmis fléttufræðileg kerfi, aðferðir við talningu og gagnlega eiginleika. Hagnýtingar á þessum kerfum og aðferðum.

Tvinnfallagreining I (STÆ301G)

Tvinntölur og grannfræði tvinntalnasléttunnar. Runur og raðir af tvinntölum. Deildanleg og fáguð föll. Fallarunur og raðir, sér í lagi veldaraðir. Vegheildun og stofnföll. Veldisvísisfallið og skyld föll. Vafningstölur ferla. Cauchy-setningin, Cauchy-formúlan og afleiðingar. Samsemdarsetning, setning um opna vörpun og hágildissetning. Laurent-raðir, einangraðir sérstöðupunktar og flokkun þeirra. Leifasetningin og leifareikningur. Hornaukasetningin og Rouché-setningin. Tengsl við raunfallagreiningu: Cauchy-Riemann-jöfnurnar, þýð föll og heildisformúlur Poissons og Schwarz. Fáguð föll skilgreind með heildum (t. d. Laplace-ummyndun). Hornrækin vörpun og vörpunarsetning Riemanns.

Algebra (STÆ303G)

Grúpur, dæmi og helstu undirstöðuatriði. Samhverfugrúpur. Mótanir og normlegar hlutgrúpur. Baugar, dæmi og helstu undirstöðuatriði. Heilbaugar. Baugamótanir og íðul. Margliðubaugar og þáttun margliða. Valin viðfangsefni.

Stærðfræðigreining IIIA (STÆ304G)

Námskeiðið er kynning á þremur mikilvægum sviðum hagnýttrar stærðfræði, nánar tiltekið venjulegum diffurjöfnum, Fourier-röðum og hlutafleiðujöfnum. Fræðilegir undirstöðueiginleikar þeirra eru sannaðir og lausnaraðferðir kynntar. 

Viðfangsefni: Venjulegar diffurjöfnur: Línulegar diffurjöfnur af stigi n, Cauchy verkefni, tilvistarsetning Picards, lausn með veldaröðum og jöfnur með sérstöðupunktum. Fourier-raðir: Samleitni í hverjum punkti, í jöfnum mæli og í ferningsmeðaltali, jafna Parsevals.  Hlutafleiðujöfnur: Hitajafnan og bylgjujafnan á endanlegu bili leystar með aðskilnaði breytistærða og Fourier-röðum, lausnir þeirra bornar saman, Dirichlet verkefni fyrir Laplace-jöfnu á rétthyrningi og skifu, Poisson-heildisformúla.

Töluleg greining (STÆ405G)

Einingar til BS-prófs gilda aðeins fyrir annaðhvort REI201G Stærðfræði og reiknifræði eða STÆ405G Töluleg greining.

Undirstöðuhugtök um nálgun og skekkjumat. Lausn línulegra og ólínulegra jöfnuhneppa. PLU-þáttun. Margliðubrúun, splæsibrúun og aðhvarfsgreining. Töluleg nálgun afleiða og heilda. Útgiskun. Töluleg lausn upphafshafsgildisverkefna fyrir venjuleg afleiðujöfnuhneppi. Fjölskrefaaðferðir. Töluleg lausn jaðargildisverkefna fyrir venjulegar afleiðujöfnur.

Gefin er einkunn fyrir skriflegar úrlausnir á forritunarverkefnum og vegur hún 30% af heildareinkunn. Stúdent verður að hafa lágmarkseinkunn 5 bæði fyrir verkefni og lokapróf.

Kennileg töluleg greining (STÆ412G)

Þetta er viðbót við námskeiðið "Töluleg greining" STÆ405G. Farið er ítarlegar og fræðilegar í efnið sem tekið er fyrir í Tölulegri greiningu (STÆ405G) með áherslu á sannanir.

Mál- og tegurfræði (STÆ402M)

Kennt á vormisseri þegar ártal er oddatala.

Málrúm, mál og ytri mál. Lebesgue-málið á Rn. Mælanleg föll, setning um einhalla samleitni, hjálparsetning Fatous. Heildanleg föll, setning Lebesgues um yfirgnæfða samleitni og afleiðingar. Ójöfnur Hölders og Minkowskis, Lp-rúm, málrúma, setningar Tonellis og Fubinis. Tvinnmál. Jordan-liðun og Lebesgue-liðun mála, Radon-Níkodým-setning. Samfelld línuleg föll á Lp-rúmum. Myndmál, innsetningarsetning fyrir Lebesgue-heildið á Rn.

Slembiferli (STÆ415M)

Inngangsatriði slembiferla með megináherslu á Markovkeðjur.

Viðfangsefni: Hittitími, stöðuþáttun, óþáttanleiki, lota, endurkvæmni (jákvæð og núll-), hverfulleiki, tenging, endurnýjun, jafnvægi, tíma-viðsnúningur, tenging úr fortíðinni, greinaferli, biðraðir, martingalar, Brownhreyfing.

Grundvöllur líkindafræðinnar (STÆ418M)

Líkindi á grundvelli mál- og tegurfræði.

Viðfangsefni: Líkindi, útvíkkunarsetningar, óhæði, væntigildi. Borel-Cantelli-setningin og 0-1 lögmál Kolmogorovs.  Ójöfnur og hin veiku og sterku lögmál mikils fjölda. Samleitni í hverjum punkti, í líkindum, með líkunum einn, í dreifingu og í heildarviki. Tengiaðferðir. Höfuðmarkgildissetningin. Skilyrt líkindi og væntigildi.

Galois-fræði (STÆ403M)

Valin efni úr víxlinni algebru.

Viðfangsefni: Kroppar og útvíkkanir þeirra.  Algebrulegar útvíkkanir, normlegar úvíkkanir og aðskiljanlegar útvíkkanir.  Galois-fræði.  Notkunardæmi.  
Noether baugar.  Grunnasetning Hilberts.  Núllstöðvasetning Hilberts.

Línuleg algebra II (STÆ401M)

Mótlar og línulegar varpanir. Frjálsir mótlar og fylki. Deildamótlar og stuttar fleygaðar lestir. Nykurmótlar. Endanlega spannaðir mótlar yfir höfuðíðalbaug. Línulegir virkjar á endanlega víðum vigurrúmum.

Hagnýtt línuleg tölfræðilíkön (STÆ312M)

Í námskeiðinu er fjallað um einfalda og fjölvíða aðhvarfsgreiningu ásamt fervikagreiningu (ANOVA) og samvikagreiningu (ANCOVA). Að auki er farið í tvíkosta aðhvarfsgreiningu (binomial regression) og rætt um hugtök því tengt, svo sem gagnlíkindi (odds) og gagnlíkindahlutfall (odds ratio).
Námskeiðið er framhald af dæmigerðu grunnnámskeiði í tölfræði sem kennd eru á hinum ýmsu sviðum skólans. Farið verður í aðferðir til að meta stika í línulegum líkönum, hvernig smíða má öryggisbil og kanna tilgátur fyrir stikana, hverjar forsendur líkananna eru og hvað hægt sé að gera sé þeim ekki fullnægt. Verkefni eru unnin í tölfræðihugbúnaðinum R.

Grundvöllur tölfræðinnar (STÆ313M)

Sennileiki, tæmandi stærð, tæmanleikareglan, þvælistiki, skilyrðingarreglan, óbreytileikareglan, sennileikafræði. Tilgátupróf, einfaldar og samsettar tilgátur, Neyman-Pearson-setningin, styrkleiki, UMP-próf, óbreytileg próf. Umröðunarpróf, sætispróf. Bilmat, öryggisbil, öryggisstig, öryggissvæði. Punktmat, bjagi, meðalferskekkja. Verkefnum er skilað með notkun LaTeX og gilda 20% af lokaeinkunn.

Línuleg fellagreining (STÆ507M)

Kennt þegar ártal er oddatala.

Banach-rúm og Hilbert-rúm og helztu eiginleikar þeirra. Tvírúm Banach-rúma. Földun falla. Fourier-færslan á LBanach-rúm og Hilbert-rúm og helztu eiginleikar þeirra. Tvírúm Banach-rúma. Földun falla. Fourier-færslan á L 1(R) og eiginleikar hennar, setning Plancherels um Fourier-færsluna á L2(R). Jafnsamfelldni, setning Arzelàs og Ascolis, nálgunarsetningar Stones og Weierstrass. Línulegir virkjar á Hilbert-rúmi, sér í lagi þjappaðir virkjar; hlutrúm og fyllirúm. Rófsetning um þjappaða og sjálfoka virkja á Hilbert-rúmi. Setning Hahns og Banachs. Setning Baires og aðalsetningarnar þrjár um takmörkun í jöfnum mæli, um opna vörpun og um lokað varprit.

Samæfingar í stærðfræði (STÆ402G)

Námskeiðið er ætlað nemendum sem lokið hafa að minnsta kosti 120 ECTS einingum. Nemendur sem ekki hafa lokið 120 ECTS einingum og hafa áhuga á að taka námskeiðið þurfa að fá samþykki umsjónarmanns fyrir þátttöku í námskeiðinu.

Hver nemandi velur og kynnir sér tiltekið afmarkað viðfangsefni stærðfræðinnar eða tölfræðinnar og fær leiðbeinanda tengdan því. Viðfangsefni eru ólík milli ára. Listi yfir viðfangsefni er gefinn út í upphafi eða aðdraganda námskeiðsins og einnig geta nemendur stungið upp á viðfangsefnum (að því gefnu að leiðbeinandi finnist). Nemendur skrifa ritgerð um sitt viðfangsefni og undirbúa og halda fyrirlestur um það á nemendaráðstefnu. Meðan á námskeiðinu stendur veita nemendur hvert öðru uppbyggilega endurgjöf bæði hvað varðar ritgerðarskrif og undirbúning á fyrirlestri. Auk þess að kynna eigin verkefni á nemendaráðstefnunni taka nemendur virkan þátt, hlusta á samnemendur sína og spyrja spurninga.

Grannfræði (STÆ419M)

Almenn grannfræði: Grannrúm og samfelldar varpanir. Hlutrúm, faldrúm og deildarúm. Samhangandi rúm og þjöppuð rúm. Aðskilnaðarfrumsendur, hjálparsetning Urysohns og firðanleikasetning, algerlega regluleg rúm og þjappanir. 

Greining á frammistöðu tölvukerfa (REI503M)

Kennt að jafnaði annað hvert ár.

Námskeiðið fjallar um gerð líkana af tölvu- og samskiptakerfum auk mælinga á frammistöðu. Stór dreifð tölvukerfi afgreiða þjónustubeiðnir (t.d. vefsíðufyrirspurnir) samhliða til að lágmarka svartíma og hámarka ánægju notenda. Aðrir mælikvarðar á frammistöðu eru afköst (afgreiddar beiðnir á tímaeiningu) og uppfylling samkomulags um þjónustustig. Meðal námsefnis eru stærðfræðilegar aðferðir til að meta og skilja slík kerfi, bæði veikleika þeirra og styrkleika, til dæmis varðandi hönnun, verkröðunaraðferðir og rekstrarstefnur. Umfjöllunin byggir á aðferðum aðgerðagreiningar, sér í lagi biðraðafræði og Markov-ferlum (fyrirfram þekking á þessum aðferðum er ekki krafa).

Eindregið er mælt með mætingu í tíma.

Nýsköpun, vernd og hagnýting (VON101M)

Almennur inngangur að nýsköpun og helstu tegundum hugverkaréttar, þar sem fjallað verður um: vörumerki og mikilvægi vörumerkjastjórnunar, hönnunarverndar og höfundarréttar, grunnatriði einkaleyfa og beitingu þeirra, viðskiptaleyndarmál og kröfur sem þarf að upfylla til þess að þekking teljist viðskiptarleyndarmál ásamt stuttri umfjöllun um leiðir til að vernda hugbúnaðarlausnir.

Í kjölfarið verður farið í heimsókn til Íslensku Hugverkastofunnar, þar sem nemendur hljóta innsýn í umsóknarferli hugverkaréttinda. Rætt verður um nýsköpunar- og tæknihagnýtingu (e. tech transfer), auk möguleika á opinberum styrkjum og tengslum við fjárfesta. Reynslusögur úr nýsköpunariðnaði verða nýttar til að veita nemendum innsýn í reynslu sprotafyrirtækja og stefnumótun á hugverkum í hugverkarétti.

Nemendur velja eina hugmynd að uppfinningu í byrjun annar, og vinna samhliða fyrirlestrum að þróun hennar. Nemendur skoða t.a.m. hvaða leiðir eru færar til að vernda uppfinninguna hugmyndarinnar og ákveða hvernig hugverkavernd er best að nota, hvernighvaða þjónustu er hægt að nýta sér til að hraða á vexti hennar, hvernig er aðgengi að fjármögnun og setja fram langtímamarkmið.

(með fyrirvara um breytingar)

Aðgerðagreining 2 (IÐN508M)

Í námskeiðinu er nemendum kynnt hvernig gera á skipulega mynd af ákvörðunar- og bestunarverkefnum í aðgerðagreiningu. Að námskeiði loknu eiga nemendur að hafa færni í að setja upp, greina og leysa stærðfræðileg líkön sem standa fyrir raunhæfum verkefnum og hvernig meta eigi lausn þeirra á gagnrýninn hátt. Tekin er fyrir heiltölu og slembin verkefni (e. Integer Programming and Stochastic Programming). Nemendur kynnast líkangerð með Python.

R forritun (MAS102M)

Í námskeiðinu munu nemendur framkvæma hefðbundnar tölfræðiaðferðir á raunverulegum gagnasöfnum. Áhersla verður lögð á fjölbreytu aðhvarfsgreiningu (e. multiple linear regression). Nemendur beita fáguðum aðferðum við myndræna framsetningu sem og sjálfvirka skýrslugerð. Námsmat verður í formi raunhæfra verkefna þar sem nemendur framkvæma ofangreind atriði á raunverulegum gagnasöfnum með það fyrir augum að svara rannsóknarspurningum.

Gervigreind (REI505M)

Fjallað er um hugtök, aðferðir og reiknirit á sviði gervigreindar, með áherslu á studdan og óstuddan lærdóm. Forvinnsla og myndræn framsetning gagna. Mat á gæðum líkana og val á líkönum. Línuleg aðhvarfsgreining, næstu nágrannar, stoðvigravélar, tauganet, ákvarðanatré og safnaðferðir. Djúpur lærdómur. Þyrpingagreining og k-means aðferðin. Nemendur útfæra einföld reiknirit í Python og læra á sérhæfða forritspakka. Námskeiðinu lýkur með hagnýtu verkefni.

Fjölbreytileg nálgun á stærðfræðikennslu í framhaldsskólum (SNU503M)

Námskeiðið verður næst kennt haustið 2024. Það er að öllu jöfnu kennt annað hvert ár.

Á námskeiðinu læra nemar að skipuleggja stærðfræðikennslu í framhaldsskóla þannig að hún sé fjölbreytt og taki mið af þörfum allra nemenda. Áhersla verður lögð á að nemendur kynnist fjölbreyttu námsumhverfi og kennsluháttum sem byggja á rannsóknum á stærðfræðinámi og -kennslu. Í námskeiðinu er fjallað um markmið stærðfræðináms og hvernig þau birtast í námskrám og stefnuritum bæði hér á landi og í nágrannalöndum. Nemendur lesa um og fá tækifæri til að reyna í verki fjölbreyttar leiðir við að meta og greina stærðfræðilega hæfni.
Vinnulag í námskeiðinu felst í fyrirlestrum, verkefnavinnu kynningum, vettvangstengdum viðfangsefnum og gagnrýnni umræðu um viðfangsefni. Áhersla verður lögð á að nemar ræði um áskoranir sem upp geta komið við kennslu og leiti sjálfir leiða við lausn á ýmsum vandamálum sem lúta að stærðfræðinámi og -kennslu.

BS-verkefni (STÆ262L)

Nemendur velja sér verkefni í samráði við einhvern kennara námsbrautar í stærðfræði. Verkefnið er unnið með leiðsögn tveggja manna og skal a.m.k. annar þeirra tilheyra námsbraut í stærðfræði. Námsbraut í stærðfræði þarf að staðfesta áætlun sem nemandi og leiðbeinendur leggja fram í sameiningu. Verkefninu lýkur með samningu ritgerðar og fyrirlestri. Ekki er gefin einkunn fyrir verkefnið en umsjónarmenn stafesta að nemandi hafi  staðist námskröfur.

Upplýsingar um skil á verkefni
Skil eru í maí fyrir júníbrautskráningu
Skil eru í september fyrir októberbrautskráningu
Skil eru í janúar fyrir febrúarbrautskráningu

Í upphafi misseris koma nemandi og leiðbeinandi sér upp tímalínu um skil á verkefni

Skil á fullbúnu verkefni til leiðbeinanda/umsjónarkennara er 10. maí/ september/ janúar

Skil nemanda inn á Skemmu eru í síðasta lagi 30. maí/ september/ janúar og senda þarf staðfestingu um samþykkt skil á nemvon@hi.is

Einkunn frá leiðbeinanda á að hafa borist skrifstofu í síðasta lagi 30. maí/ september/ janúar

Kennileg línuleg tölfræðilíkön (STÆ310M)

Einföld og fjölvíð aðhvarfsgreining, fervikagreining og samvikagreining, ályktanir, dreifni og samdreifni metla, mátpróf með frávika- og áhrifagreiningu, samtíma ályktanir. Almenn líkuleg líkön sem ofanvörp, fervikagreining sem sértilvik, samtíma öryggismörk á samanburðarföll. R notað í verkefnum. Lausnum verkefna er skilað i LaTeX og PDF.

Til viðbótar  er tekið efni eftir vali, t.d. útvíkkuð línuleg líkön (GLM), ólínuleg aðhvarfsgreining og/eða slembiþáttalíkön (random/mixed effects models) og/eða skóreimaaðferðir (bootstrap) o.s.frv.

Nemendur kynna lausnir verkefna, sem áður hefur verið skilað inn í gegnum vefsíðu.

Námskeiðið er kennt þegar ártalið er slétt tala.

Hagnýtt línuleg tölfræðilíkön (STÆ312M)

Í námskeiðinu er fjallað um einfalda og fjölvíða aðhvarfsgreiningu ásamt fervikagreiningu (ANOVA) og samvikagreiningu (ANCOVA). Að auki er farið í tvíkosta aðhvarfsgreiningu (binomial regression) og rætt um hugtök því tengt, svo sem gagnlíkindi (odds) og gagnlíkindahlutfall (odds ratio).
Námskeiðið er framhald af dæmigerðu grunnnámskeiði í tölfræði sem kennd eru á hinum ýmsu sviðum skólans. Farið verður í aðferðir til að meta stika í línulegum líkönum, hvernig smíða má öryggisbil og kanna tilgátur fyrir stikana, hverjar forsendur líkananna eru og hvað hægt sé að gera sé þeim ekki fullnægt. Verkefni eru unnin í tölfræðihugbúnaðinum R.

Töluleg línuleg algebra (STÆ511M)

Ítrekunaraðferðir fyrir jöfnuhneppi.  Ýmsar þáttanir fylkja eins og QR, Cholesky, Jordan, Schur, rófþáttun og sérstöðupunktaþáttun (SVD) og hagnýtingar þeirra.  Strjál Fourierummyndun (DFT) og hröð algrím til framkvæmdar hennar (FFT).  Strjál Kósínusummyndun (DCT) í tvívídd og hagnýtingar í þjöppun hljóðs (MP3, AAC) og mynda (JPEG).  Rýr fylki og framsetning á þeim.

Sérstök áhersla verður lögð á hagnýtingu þeirra efnisatriða sem farið er í og tölulegar aðferðir.

Netafræði (STÆ520M)

Net, netamótanir og netaeinsmótanir. Hlutnet, spannandi hlutnet. Vegir, tengd net. Örvanet. Tvíhlutanet. Euler-net og Hamilton-net; setningar Chvátals, Pósa, Ores og Diracs. Keppnisnet. Tré, spannandi tré, trjáfylkjasetningin, Cayley-setningin. Vegin net, reiknirit Kruskals og Dijkstra. Flæðinet, setning um hámarksflæði og lágmarkssnið, Ford-Fulkerson-reikniritið, Menger-setningin. Spyrðingar, Berge-setningin, giftingarsetning Halls, König-Egerváry-setningin, Kuhn-Munkres-reikniritið. Óaðskiljanleg net, tvítengd net. Lagnet, Euler-formúla, Kuratowski-setningin, nykurnet. Greypingar neta í fleti, Ringel-Youngs-Mayer-setningin. Litanir, litunarsetning Heawoods, Brooks-setningin, litamargliða; leggjalitanir, Vizing-setningin.

Dreififöll (STÆ523M)

Fjallað er um undirstöðuatriði um dreififöll og hagnýtinga um hlutafleiðujöfnur.

Viðfangsefni: Prófunarföll, dreififöll, deildun dreififalla, samleitni runa af dreififöllum, Taylor-liðun í mörgum breytistærðum, staðbinding, dreififöll með þjappaða stoð, margföldun falla og dreififalla, samskeyting varpana og dreififalla, földun dreififalla, grunnlausnir, Fourier-ummyndun, Fourier-raðir, grunnlausnir og Fourier-ummyndun.

Inngangur að rökfræði (STÆ528M)

Röksemdafærslur, sannanir. Samtengingar, fullyrðingareikningur, sannföll og sísönnur. Formleg mál, frumsendur, rökreglur, sísönnusetningin. Magnarar. Mál og kenningar fyrstu stéttar. Mynstur og líkön. Fullkomleikasetningin. Setning Löwenheims og Skolems. Reiknanleiki, rakin föll. Setning Gödels.

Hagnýt Bayesísk tölfræði (STÆ529M)

Markmið: Að kenna nemendum að beita ýmsum aðferðum úr Bayesískri tölfræði fyrir greiningu gagna. Námsefni: Fræðileg undirstaða Bayesískrar ályktunartölfræði, fyrirframdreifingar, gagnadreifingar og eftirádreifingar. Bayesísk ályktunartölfræði fyrir stika í einvíðum og margvíðum líkindadreifingum: tvíkosta-; normal-; Possion; veldis-; margvíð normal-; fjölkostadreifing.  Mat á gæðum líkans og samanburður á líkönum: Bayesísk p-gildi; deviance information criterion (DIC). Bayesísk hermun: Markov keðju Monte Carlo (MCMC) aðferðir; Gibbs sampler; Metropolis-Hastings skref; mat á samleitni. Línuleg líkön: normal línuleg líkön; stigskipt normal línuleg líkön; almenn línuleg líkön. Áhersla á greiningu gagna með forritum eins og Matlab og R.

Fléttufræði (STÆ533M)

Námskeiðið er ætlað nemendum á öðru og þriðja ári. Markmiðið er að kynna nemendum ýmis fléttufræðileg kerfi, aðferðir við talningu og gagnlega eiginleika. Hagnýtingar á þessum kerfum og aðferðum.

Tölulegar lausnir á hlutafleiðujöfnum (STÆ537M)

Markmið námskeiðsins er að kynna aðferðir til tölulegrar úrlausnar á hlutafleiðujöfnum og forritun þeirra. 

Viðfangsefni:

Fleyggerar hlutafleiðujöfnur (varmajafnan), breiðgerar hlutafleiðujöfnur (bylgjujafnan) og sporgerar hlutafleiðujöfnur (Poisson- og Laplace jafnan).  Mismunaaðferðir, samleguaðferðir og bútaaðferðir.  Stöðugleiki lausnaraðferða, CFL skilyrðið og Crank-Nicolson skemað. Ólínulegar hlutafleiðujöfnur og Turing-mynstur.  Samband slembigangs og Poisson/Laplace hlutafleiðujafna.

Formleg mál og reiknanleiki (TÖL301G)

Endanlegar stöðuvélar, regluleg mál og málskipan, staflavélar, samhengisóháð mál og málskipan, Turingvélar, almenn mál og málskipan og helstu eiginleikar þeirra.

Ávarðanleg og listanleg mál, yfirfærsla milli mála, tengsl við ákvörðnarverkefni og sönnun á óleysanleika slíkra verkefna. Flækjustigsflokkarnir P og NP og NP-fullkomleiki. Dæmi um ýmis líkön af reiknanleika.

Reiknirit í lífupplýsingafræði (TÖL504M)

Efni námskeiðsins eru helstu reiknirit sem notuð eru í lífupplýsingafræði. Í upphafi er stutt yfirlit yfir erfðamengjafræði og reiknirit fyrir nemendur af öðrum sviðum. Námskeiðinu er skipt upp í nokkrar einingar og er hverri ætlað að fara yfir einstök verkefni í lífupplýsingafræði sem mótast af rannsóknarverkefnum. Hver eining samanstendur af verkefnislýsingu og aðferðum sem beitt er við úrlausn. Viðfangsefnin verða m.a. mynstraleit, strengjafjarlægð, samröðun gena og erfðamengja, þyrpingagreining, raðgreining og myndun erfðamengja og að lokum aðferðir við úrvinnslu úr háhraðaraðgreiningar gögnum.

Reiknirit í lífupplýsingafræði (TÖL604M)

Efni námskeiðsins eru helstu reiknirit sem notuð eru í lífupplýsingafræði. Í upphafi er stutt yfirlit yfir erfðamengjafræði og reiknirit fyrir nemendur af öðrum sviðum. Námskeiðinu er skipt upp í nokkrar einingar og er hverri ætlað að fara yfir einstök verkefni í lífupplýsingafræði sem mótast af rannsóknarverkefnum. Hver eining samanstendur af verkefnislýsingu og aðferðum sem beitt er við úrlausn. Viðfangsefnin verða m.a. mynstraleit, strengjafjarlægð, samröðun gena og erfðamengja, þyrpingagreining, raðgreining og myndun erfðamengja og að lokum aðferðir við úrvinnslu úr háhraðaraðgreiningar gögnum.

Stærðfræðileg eðlisfræði (EÐL612M)

Markmið: Að kynna stærðfræðilegar aðferðir sem nytsamar eru í eðlisfræði og veita þjálfun í beitingu þeirra. Námsefni: Hljóðbylgjur í vökvum og lofttegundum. Spennutensor og þenslutensor, almennar hreyfingarjöfnur fyrir samfellt efni. Jarðskjálftabylgjur. Jöfnur Maxwells og rafsegulbylgjur. Flatar bylgjur, skautun, endurkast og brot. Dreififöll og Fourier-greining. Grunnlausnir og Green-föll hlutafleiðujafna. Bylgjur í einsleitum efnum. Lögmál Huygens og setning Leifs Ásgeirssonar. Tvístur (dispersion. Fasahraði og grúpuhraði. Jöfnur Kramers og Kronigs. Aðferð hins stöðuga fasa. Bylgjur á yfirborði vökva.

Aðgerðagreining (IÐN401G)

Í námskeiðinu er nemendum kynnt hvernig gera á skipulega mynd af ákvörðunar- og bestunarverkefnum í aðgerðagreiningu.
Að námskeiði loknu eiga nemendur að hafa færni í að setja upp, greina og leysa stærðfræðileg líkön sem standa fyrir raunhæfum verkefnum og hvernig meta eigi lausn þeirra á gagnrýninn hátt. Tekin eru fyrir línuleg bestun og Simplex aðferðin, auk skyld fræðileg efni.
Námskeiðið kynnir auk þess stærðfræðileg líkön fyrir einstök verkefni; flutningsverkefni, úthlutunarverkefni, netverkefni og heiltölubestun. Nemendur kynnast einnig sérhæfðu forritunarmáli við líkangerð fyrir línulega bestun.

Hagnýt gagnagreining (MAS202M)

Námskeiðið fjallar um tölfræðiúrvinnslu í forritinu R. Gert er ráð fyrir að nemendur hafi grunnþekkingu í tölfræði og tölfræðihugbúnaðnum R. Æskilegt er að nemendur þekki til margbreytu aðhvarfsgreiningar (e. multiple linear regression). Nemendur læra að beita hinum ýmsu tölfræðiaðferðum í R (ss. classification methods, resampling methods, linear model selection og tree-based methods). Námskeiðið er kennt á tólf vikum og verður það á vendikennsluformi þar sem nemendur lesa námsefni og horfa á myndbönd áður en þeir mæta í tíma og fá svo aðstoð með fyrirliggjandi verkefni í tímum.

BS-verkefni (STÆ262L)

Nemendur velja sér verkefni í samráði við einhvern kennara námsbrautar í stærðfræði. Verkefnið er unnið með leiðsögn tveggja manna og skal a.m.k. annar þeirra tilheyra námsbraut í stærðfræði. Námsbraut í stærðfræði þarf að staðfesta áætlun sem nemandi og leiðbeinendur leggja fram í sameiningu. Verkefninu lýkur með samningu ritgerðar og fyrirlestri. Ekki er gefin einkunn fyrir verkefnið en umsjónarmenn stafesta að nemandi hafi  staðist námskröfur.

Upplýsingar um skil á verkefni
Skil eru í maí fyrir júníbrautskráningu
Skil eru í september fyrir októberbrautskráningu
Skil eru í janúar fyrir febrúarbrautskráningu

Í upphafi misseris koma nemandi og leiðbeinandi sér upp tímalínu um skil á verkefni

Skil á fullbúnu verkefni til leiðbeinanda/umsjónarkennara er 10. maí/ september/ janúar

Skil nemanda inn á Skemmu eru í síðasta lagi 30. maí/ september/ janúar og senda þarf staðfestingu um samþykkt skil á nemvon@hi.is

Einkunn frá leiðbeinanda á að hafa borist skrifstofu í síðasta lagi 30. maí/ september/ janúar

Stærðfræðigreining IV (STÆ401G)

Markmið: Að kynna fyrir nemendum Fourier-greiningu og hlutafleiðujöfnur og hagnýtingu á þeim.

Lýsing: Fourier-raðir og þverstöðluð fallakerfi, jaðargildisverkefni fyrir venjulega afleiðuvirkja, eigingildisverkefni fyrir Sturm-Liouville-virkja, Fourier-ummyndun, bylgjujafnan, varmaleiðnijafnan og Laplace-jafnan leystar á ýmsum svæðum í einni, tveimur og þremur víddum með aðferðum úr fyrri hluta námskeiðsins, aðskilnaður breytistærða, grunnlausn, Green-föll, speglunaraðferðin.

Grannfræði (STÆ419M)

Almenn grannfræði: Grannrúm og samfelldar varpanir. Hlutrúm, faldrúm og deildarúm. Samhangandi rúm og þjöppuð rúm. Aðskilnaðarfrumsendur, hjálparsetning Urysohns og firðanleikasetning, algerlega regluleg rúm og þjappanir. 

Útsetningar á endanlegum grúpum (STÆ626M)

Skilgreining á línulegri útsetningu grúpu. Hjálparsetning Schur.
Grúpukennar. Grúpualgebran. Útsetningafræði samhverfugrúpunnar. Notkun útsetningarfræða í grúpufræði:  Setningar Frobeniusar og Burnsides.

Greining reiknirita (TÖL403G)

Aðferðir við hönnun og greiningu á tímaflækju reiknirita. Kynning og greining á reikniritum fyrir röðun, leit, netafræði og fylkjareikning. Torleysanleg vandamál, nálgunaraðferðir og slembin reiknirit.

Stærðfræðigreining IA (STÆ101G)

Talnakerfin. Rauntölur og hugtökin efra mark og neðra mark, tvinntölur. Mengi náttúrulegra talna og þrepasannanir. Föll og varpanir. Runur og runumarkgildi. Raðir. Samleitnipróf og skilorðsbundin samleitni raðar. Markgildi og samfelld föll. Helstu eiginleikar samfelldra falla. Hornaföll. Diffrun. Helstu reglur um diffrun. Útgildi. Meðalgildissetningin. Nálgun diffranlegra falla með margliðum. Tegrun. Tengsl tegrunar og diffrunar. Ýmis algeng föll. Ýmsar aðferðir til að reikna út stofnföll. Veldaraðir. Fyrsta stigs diffurjöfnur. Tvinngild föll og annars stigs diffurjöfnur.

Línuleg algebra A (STÆ106G)

Fjallað er um undirstöðuatriði línulegar algebru yfir rauntölurnar með áherslu á fræðilegu hliðina.

Viðfangsefni: Línuleg jöfnuhneppi,fylkjareikningur, Gauss-eyðing og Gauss-Jordan-aðferð.  Vigurrúm og hlutrúm þeirra.  Línulega óháð hlutmengi, grunnar og vídd.  Línulegar varpanir, myndrúm og kjarni.  Depilmargfeldi, lengd og horn.  Rúmmál í margvíðu hnitarúmi og krossfeldi í þrívíðu.  Flatneskjur og stikaframsetning þeirra.  Hornrétt ofanvörp og þverstaðlaðir grunnar.  Aðferð Grams og Schmidts.  Ákveður og andhverfur fylkja.  Eigingildi, eiginvigrar og hornalínugerningur.

Eðlisfræði 1 R (EÐL107G)

Nemendum eru kynntar aðferðir og grundvallarlögmál aflfræði, bylgjufræði og varmafræði til þeirrar hlítar að þeir geti beitt þeim við lausn dæma. 

Námsefni: Hugtök, einingar, tölur, víddir. Vigrar. Gangfræði. Hreyfifræði agna, tregða, kraftar og lögmál Newtons. Núningur. Vinna og orka og varðveisla orkunnar. Skriðþungi, árekstrar. Agnakerfi, massamiðja. Snúningur stjarfhlutar. Hverfiþungi og hverfitregða. Stöðufræði. Þyngd. Storka og straumefni, jafna Bernoullis. Sveiflur: Hreinar, deyfðar og þvingaðar. Bylgjur. Hljóð. Hitastig. Kjörgas. Varmi og fyrsta lögmál varmafræðinnar. Kvikfræði gasa. Óreiða og annað lögmál varmafræðinnar.

Athugið að kennslubókin fyrir námskeiðið er aðgengileg nemendum í gegnum Canvas án endurgjalds.

Tölvunarfræði 1 (TÖL101G)

Einingar til BS-prófs gilda aðeins fyrir annaðhvort TÖL101G Tölvunarfræði 1 eða TÖL105G Tölvunarfræði 1a.

Forritunarmálið Java verður notað til að kynnast grundvallaratriðum í tölvuforritun. Æfingar í forritasmíð verða á dagskrá allt misserið. Áhersla verður lögð á skipulegar og rökstuddar aðferðir við smíði forrita og góða innri skjölun. Helstu hugtök tengd tölvum og forritun. Klasar, hlutir og aðferðir. Stýrisetningar. Strengir og fylki, aðgerðir og innbyggð föll. Inntaks- og úttaksaðgerðir. Erfðir. Hugtök varðandi hönnun og byggingu kerfa og vinnubrögð við forritun. Ítrun og endurkvæmni. Röðun og leit.

Stærðfræðimynstur (TÖL104G)

Yrðingar, umsagnir og rökleiðingar. Mengjareikningur og Boolealgebrur. Þrepun og endurkvæmni. Grunnaðferðir við greiningu reiknirita og talningu. Einföld reiknirit í talnafræði. Vensl, eiginleikar þeirra og framsetning. Tré og net og einföld reiknirit tengd þeim. Strengir, dæmi um mál, stöðuvélar og málskipan.

Dæmatímar
Það eru 7 dæmahópar og nemendur velja sér hóp. Dæmatímar eru tvennskonar:
Venjulegir (5 hópar): 2x40 mín. vikulega, á eftir hverjum er 40 mín. stoðtími 
Hraðferðir (2 hópar): 1x40 mín. vikulega
Sjá nánar í stundaskrá

Tölvunarfræði 1a (TÖL105G)

Einingar til BS-prófs gilda aðeins fyrir annaðhvort TÖL101G Tölvunarfræði 1 eða TÖL105G Tölvunarfræði 1a.

Forritun í Python (sniðið að verkfræðilegum og raunvísindalegum útreikningum): Helstu skipanir og setningar (útreikningur, stýri-setningar, innlestur og útskrift), skilgreining og inning falla, gagnatög (tölur, fylki, strengir, rökgildi, færslur), aðgerðir og innbyggð föll, vigur- og fylkjareikningur, skráavinnsla, tölfræðileg úrvinnsla, myndvinnsla. Hlutbundin forritun: klasar, hlutir, smiðir og aðferðir. Hugtök tengd hönnun og smíði tölvukerfa: Forritunarumhverfi, vinnubrögð við forritun, gerð falla- og undirforritasafna og tilheyrandi skjölun, villuleit og prófun forrita.

Mengi og firðrúm (STÆ202G)

Mengjafræði: Vensl; jafngildisvensl og raðvensl. Teljanleg mengi og óteljanleg. Samstétta mengi. Uppbygging talnakerfanna. Frumatriði um firðrúm: Opin mengi og lokuð, samleitnar runur og Cauchy-runur, þéttipunktar. Samfelldni og samfelldni í jöfnum mæli. Samleitni og samleitni í jöfnum mæli. Fallarunur og fallaraðir. Þjöppuð firðrúm. Samhangandi mengi. Fullkomin firðrúm og fullkomnun firðrúms. Fastapunktssetning Banachs; tilvistarsetning um afleiðujöfnu fyrstu raðar. Kennslubækur ákveðnar síðar.

Líkindareikningur og tölfræði (STÆ203G)

Grundvallarhugtök í líkindafræði og tölfræði, stærðfræðileg undirstaða þeirra og beiting með tölfræðihugbúnaðinum R. 

• Líkindi, slembistærðir og væntigildi þeirra
• Mikilvægar líkindadreifingar
• Úrtök, lýsistærðir og úrtaksdreifing lýsistærða
• Metlar og öryggisbil
• Hugmyndafræði tilgátuprófa
• Mikilvæg tilgátupróf
• Línuleg aðhvarfsgreining

Stærðfræðigreining IIA (STÆ207G)

Áhersla er lögð á fræðilega hlið efnisins. Stefnt er að því að nemendur öðlist skilning á grundvallarhugtökum og kunni að beita þeim, bæði í fræðilegu samhengi og í útreikningi. Opin mengi og lokuð. Varpanir, markgildi og samfelldni. Deildanlegar varpanir, hlutafleiður og keðjuregla. Jacobi-fylki. Stiglar og stefnuafleiður. Blandaðar hlutafleiður. Ferlar. Vigursvið og streymi. Sívalningshnit og kúluhnit. Taylor-margliður. Útgildi og flokkun stöðupunkta. Skilyrt útgildi. Fólgin föll og staðbundnar andhverfur. Ferilheildi og mætti vigursviða. Heildun falla af mörgum breytistærðum. Óeiginleg heildi. Setning Greens. Einfaldlega samanhangandi svæði. Breytuskipti í margföldu heildi. Heildun á flötum. Flatarheildi vigursviðs. Setningar Stokes og Gauss.

Inngangur að líkindafræði (STÆ210G)

Þetta er viðbót við námskeiðið "Líkindareikningur og tölfræði" STÆ203G. Farið er ítarlegar í frumatriði líkindafræðinnar með áherslu á skilgreiningar og sannanir. Námskeiðið er undirbúningur fyrir M-námskeiðin tvö í líkindafræði og M-námskeiðin tvö í tölfræði sem kennd eru á víxl annað hvert ár.

Viðfangsefni umfram þau sem koma við sögu í líkindahluta STÆ203G:

Skilgreining Kolmogorovs. Útleiðslur á reglum um samsetta atburði og skilyrt líkindi. Útleiðsla fyrir strjálar og samfelldar stærðir á reglum um væntigildi, dreifni, samdreifni, fylgni, og skilyrt væntigildi og dreifni. Útleiðslur á reglum um Bernoulli-, tvíkosta-, Poisson-, jafnar, veldis-, normlegar og gamma-stærðir. Útleiðsla á halasummureglu væntigildis og útleiðsla á væntigildi strjálu veldisstærðarinnar. Útleiðsla á reglunni um minnisleysi og veldisstærðir. Útleiðsla á dreifingum summu óháðra stærða s.s. tvíkosta-, Poisson-, normlegra og gamma-stærða. Líkinda- og vægisframleiðsluföll.

Eðlisfræði 2 R (EÐL206G)

Markmið: Að kynna nemendum aðferðir og grundvallarlögmál rafsegulfræði og ljósfræði. Námsefni: Hleðsla og rafsvið. Lögmál Gauss. Rafmætti. Þéttar og rafsvarar. Rafstraumur, viðnám, rafrásir. Segulsvið. Lögmál Ampères og Faradays. Span. Rafsveiflur og riðstraumur. Jöfnur Maxwells. Rafsegulbylgjur. Endurkast og ljósbrot. Linsur og speglar. Bylgjuljósfræði.

Tölvunarfræði 2 (TÖL203G)

Námskeiðið mun nota forritunarmálið Java. Fjallað er um gagnaskipan, reiknirit og huglæg gagnatög. Meðal gagnaskipana, sem farið er yfir, eru listar, hlaðar, biðraðir, forgangsbiðraðir, tré, tvítré, tvíleitartré og hrúgur auk viðkomandi reiknirita. Kynnt verða ýmis leitar- og röðunarreiknirit. Reiknirit eru greind, hvað þau taka langan tíma í vinnslu og hve mikið minnisrými. Forritunarverkefni, sem nota áðurnefnda gagnaskipan og reiknirit, eru leyst í Java. Mörg lítil forritunarverkefni verða í námskeiðinu.

Tvinnfallagreining I (STÆ301G)

Tvinntölur og grannfræði tvinntalnasléttunnar. Runur og raðir af tvinntölum. Deildanleg og fáguð föll. Fallarunur og raðir, sér í lagi veldaraðir. Vegheildun og stofnföll. Veldisvísisfallið og skyld föll. Vafningstölur ferla. Cauchy-setningin, Cauchy-formúlan og afleiðingar. Samsemdarsetning, setning um opna vörpun og hágildissetning. Laurent-raðir, einangraðir sérstöðupunktar og flokkun þeirra. Leifasetningin og leifareikningur. Hornaukasetningin og Rouché-setningin. Tengsl við raunfallagreiningu: Cauchy-Riemann-jöfnurnar, þýð föll og heildisformúlur Poissons og Schwarz. Fáguð föll skilgreind með heildum (t. d. Laplace-ummyndun). Hornrækin vörpun og vörpunarsetning Riemanns.

Algebra (STÆ303G)

Grúpur, dæmi og helstu undirstöðuatriði. Samhverfugrúpur. Mótanir og normlegar hlutgrúpur. Baugar, dæmi og helstu undirstöðuatriði. Heilbaugar. Baugamótanir og íðul. Margliðubaugar og þáttun margliða. Valin viðfangsefni.

Stærðfræðigreining IIIA (STÆ304G)

Námskeiðið er kynning á þremur mikilvægum sviðum hagnýttrar stærðfræði, nánar tiltekið venjulegum diffurjöfnum, Fourier-röðum og hlutafleiðujöfnum. Fræðilegir undirstöðueiginleikar þeirra eru sannaðir og lausnaraðferðir kynntar. 

Viðfangsefni: Venjulegar diffurjöfnur: Línulegar diffurjöfnur af stigi n, Cauchy verkefni, tilvistarsetning Picards, lausn með veldaröðum og jöfnur með sérstöðupunktum. Fourier-raðir: Samleitni í hverjum punkti, í jöfnum mæli og í ferningsmeðaltali, jafna Parsevals.  Hlutafleiðujöfnur: Hitajafnan og bylgjujafnan á endanlegu bili leystar með aðskilnaði breytistærða og Fourier-röðum, lausnir þeirra bornar saman, Dirichlet verkefni fyrir Laplace-jöfnu á rétthyrningi og skifu, Poisson-heildisformúla.

Netafræði (STÆ520M)

Net, netamótanir og netaeinsmótanir. Hlutnet, spannandi hlutnet. Vegir, tengd net. Örvanet. Tvíhlutanet. Euler-net og Hamilton-net; setningar Chvátals, Pósa, Ores og Diracs. Keppnisnet. Tré, spannandi tré, trjáfylkjasetningin, Cayley-setningin. Vegin net, reiknirit Kruskals og Dijkstra. Flæðinet, setning um hámarksflæði og lágmarkssnið, Ford-Fulkerson-reikniritið, Menger-setningin. Spyrðingar, Berge-setningin, giftingarsetning Halls, König-Egerváry-setningin, Kuhn-Munkres-reikniritið. Óaðskiljanleg net, tvítengd net. Lagnet, Euler-formúla, Kuratowski-setningin, nykurnet. Greypingar neta í fleti, Ringel-Youngs-Mayer-setningin. Litanir, litunarsetning Heawoods, Brooks-setningin, litamargliða; leggjalitanir, Vizing-setningin.

Fléttufræði (STÆ533M)

Námskeiðið er ætlað nemendum á öðru og þriðja ári. Markmiðið er að kynna nemendum ýmis fléttufræðileg kerfi, aðferðir við talningu og gagnlega eiginleika. Hagnýtingar á þessum kerfum og aðferðum.

Töluleg greining (STÆ405G)

Einingar til BS-prófs gilda aðeins fyrir annaðhvort REI201G Stærðfræði og reiknifræði eða STÆ405G Töluleg greining.

Undirstöðuhugtök um nálgun og skekkjumat. Lausn línulegra og ólínulegra jöfnuhneppa. PLU-þáttun. Margliðubrúun, splæsibrúun og aðhvarfsgreining. Töluleg nálgun afleiða og heilda. Útgiskun. Töluleg lausn upphafshafsgildisverkefna fyrir venjuleg afleiðujöfnuhneppi. Fjölskrefaaðferðir. Töluleg lausn jaðargildisverkefna fyrir venjulegar afleiðujöfnur.

Gefin er einkunn fyrir skriflegar úrlausnir á forritunarverkefnum og vegur hún 30% af heildareinkunn. Stúdent verður að hafa lágmarkseinkunn 5 bæði fyrir verkefni og lokapróf.

Kennileg töluleg greining (STÆ412G)

Þetta er viðbót við námskeiðið "Töluleg greining" STÆ405G. Farið er ítarlegar og fræðilegar í efnið sem tekið er fyrir í Tölulegri greiningu (STÆ405G) með áherslu á sannanir.

Mál- og tegurfræði (STÆ402M)

Kennt á vormisseri þegar ártal er oddatala.

Málrúm, mál og ytri mál. Lebesgue-málið á Rn. Mælanleg föll, setning um einhalla samleitni, hjálparsetning Fatous. Heildanleg föll, setning Lebesgues um yfirgnæfða samleitni og afleiðingar. Ójöfnur Hölders og Minkowskis, Lp-rúm, málrúma, setningar Tonellis og Fubinis. Tvinnmál. Jordan-liðun og Lebesgue-liðun mála, Radon-Níkodým-setning. Samfelld línuleg föll á Lp-rúmum. Myndmál, innsetningarsetning fyrir Lebesgue-heildið á Rn.

Grannfræði (STÆ419M)

Almenn grannfræði: Grannrúm og samfelldar varpanir. Hlutrúm, faldrúm og deildarúm. Samhangandi rúm og þjöppuð rúm. Aðskilnaðarfrumsendur, hjálparsetning Urysohns og firðanleikasetning, algerlega regluleg rúm og þjappanir. 

Línuleg algebra II (STÆ401M)

Mótlar og línulegar varpanir. Frjálsir mótlar og fylki. Deildamótlar og stuttar fleygaðar lestir. Nykurmótlar. Endanlega spannaðir mótlar yfir höfuðíðalbaug. Línulegir virkjar á endanlega víðum vigurrúmum.

Galois-fræði (STÆ403M)

Valin efni úr víxlinni algebru.

Viðfangsefni: Kroppar og útvíkkanir þeirra.  Algebrulegar útvíkkanir, normlegar úvíkkanir og aðskiljanlegar útvíkkanir.  Galois-fræði.  Notkunardæmi.  
Noether baugar.  Grunnasetning Hilberts.  Núllstöðvasetning Hilberts.

Línuleg fellagreining (STÆ507M)

Kennt þegar ártal er oddatala.

Banach-rúm og Hilbert-rúm og helztu eiginleikar þeirra. Tvírúm Banach-rúma. Földun falla. Fourier-færslan á LBanach-rúm og Hilbert-rúm og helztu eiginleikar þeirra. Tvírúm Banach-rúma. Földun falla. Fourier-færslan á L 1(R) og eiginleikar hennar, setning Plancherels um Fourier-færsluna á L2(R). Jafnsamfelldni, setning Arzelàs og Ascolis, nálgunarsetningar Stones og Weierstrass. Línulegir virkjar á Hilbert-rúmi, sér í lagi þjappaðir virkjar; hlutrúm og fyllirúm. Rófsetning um þjappaða og sjálfoka virkja á Hilbert-rúmi. Setning Hahns og Banachs. Setning Baires og aðalsetningarnar þrjár um takmörkun í jöfnum mæli, um opna vörpun og um lokað varprit.

Samæfingar í stærðfræði (STÆ402G)

Námskeiðið er ætlað nemendum sem lokið hafa að minnsta kosti 120 ECTS einingum. Nemendur sem ekki hafa lokið 120 ECTS einingum og hafa áhuga á að taka námskeiðið þurfa að fá samþykki umsjónarmanns fyrir þátttöku í námskeiðinu.

Hver nemandi velur og kynnir sér tiltekið afmarkað viðfangsefni stærðfræðinnar eða tölfræðinnar og fær leiðbeinanda tengdan því. Viðfangsefni eru ólík milli ára. Listi yfir viðfangsefni er gefinn út í upphafi eða aðdraganda námskeiðsins og einnig geta nemendur stungið upp á viðfangsefnum (að því gefnu að leiðbeinandi finnist). Nemendur skrifa ritgerð um sitt viðfangsefni og undirbúa og halda fyrirlestur um það á nemendaráðstefnu. Meðan á námskeiðinu stendur veita nemendur hvert öðru uppbyggilega endurgjöf bæði hvað varðar ritgerðarskrif og undirbúning á fyrirlestri. Auk þess að kynna eigin verkefni á nemendaráðstefnunni taka nemendur virkan þátt, hlusta á samnemendur sína og spyrja spurninga.

Nýsköpun, vernd og hagnýting (VON101M)

Almennur inngangur að nýsköpun og helstu tegundum hugverkaréttar, þar sem fjallað verður um: vörumerki og mikilvægi vörumerkjastjórnunar, hönnunarverndar og höfundarréttar, grunnatriði einkaleyfa og beitingu þeirra, viðskiptaleyndarmál og kröfur sem þarf að upfylla til þess að þekking teljist viðskiptarleyndarmál ásamt stuttri umfjöllun um leiðir til að vernda hugbúnaðarlausnir.

Í kjölfarið verður farið í heimsókn til Íslensku Hugverkastofunnar, þar sem nemendur hljóta innsýn í umsóknarferli hugverkaréttinda. Rætt verður um nýsköpunar- og tæknihagnýtingu (e. tech transfer), auk möguleika á opinberum styrkjum og tengslum við fjárfesta. Reynslusögur úr nýsköpunariðnaði verða nýttar til að veita nemendum innsýn í reynslu sprotafyrirtækja og stefnumótun á hugverkum í hugverkarétti.

Nemendur velja eina hugmynd að uppfinningu í byrjun annar, og vinna samhliða fyrirlestrum að þróun hennar. Nemendur skoða t.a.m. hvaða leiðir eru færar til að vernda uppfinninguna hugmyndarinnar og ákveða hvernig hugverkavernd er best að nota, hvernighvaða þjónustu er hægt að nýta sér til að hraða á vexti hennar, hvernig er aðgengi að fjármögnun og setja fram langtímamarkmið.

(með fyrirvara um breytingar)

Aðgerðagreining 2 (IÐN508M)

Í námskeiðinu er nemendum kynnt hvernig gera á skipulega mynd af ákvörðunar- og bestunarverkefnum í aðgerðagreiningu. Að námskeiði loknu eiga nemendur að hafa færni í að setja upp, greina og leysa stærðfræðileg líkön sem standa fyrir raunhæfum verkefnum og hvernig meta eigi lausn þeirra á gagnrýninn hátt. Tekin er fyrir heiltölu og slembin verkefni (e. Integer Programming and Stochastic Programming). Nemendur kynnast líkangerð með Python.

R forritun (MAS102M)

Í námskeiðinu munu nemendur framkvæma hefðbundnar tölfræðiaðferðir á raunverulegum gagnasöfnum. Áhersla verður lögð á fjölbreytu aðhvarfsgreiningu (e. multiple linear regression). Nemendur beita fáguðum aðferðum við myndræna framsetningu sem og sjálfvirka skýrslugerð. Námsmat verður í formi raunhæfra verkefna þar sem nemendur framkvæma ofangreind atriði á raunverulegum gagnasöfnum með það fyrir augum að svara rannsóknarspurningum.

Gervigreind (REI505M)

Fjallað er um hugtök, aðferðir og reiknirit á sviði gervigreindar, með áherslu á studdan og óstuddan lærdóm. Forvinnsla og myndræn framsetning gagna. Mat á gæðum líkana og val á líkönum. Línuleg aðhvarfsgreining, næstu nágrannar, stoðvigravélar, tauganet, ákvarðanatré og safnaðferðir. Djúpur lærdómur. Þyrpingagreining og k-means aðferðin. Nemendur útfæra einföld reiknirit í Python og læra á sérhæfða forritspakka. Námskeiðinu lýkur með hagnýtu verkefni.

Fjölbreytileg nálgun á stærðfræðikennslu í framhaldsskólum (SNU503M)

Námskeiðið verður næst kennt haustið 2024. Það er að öllu jöfnu kennt annað hvert ár.

Á námskeiðinu læra nemar að skipuleggja stærðfræðikennslu í framhaldsskóla þannig að hún sé fjölbreytt og taki mið af þörfum allra nemenda. Áhersla verður lögð á að nemendur kynnist fjölbreyttu námsumhverfi og kennsluháttum sem byggja á rannsóknum á stærðfræðinámi og -kennslu. Í námskeiðinu er fjallað um markmið stærðfræðináms og hvernig þau birtast í námskrám og stefnuritum bæði hér á landi og í nágrannalöndum. Nemendur lesa um og fá tækifæri til að reyna í verki fjölbreyttar leiðir við að meta og greina stærðfræðilega hæfni.
Vinnulag í námskeiðinu felst í fyrirlestrum, verkefnavinnu kynningum, vettvangstengdum viðfangsefnum og gagnrýnni umræðu um viðfangsefni. Áhersla verður lögð á að nemar ræði um áskoranir sem upp geta komið við kennslu og leiti sjálfir leiða við lausn á ýmsum vandamálum sem lúta að stærðfræðinámi og -kennslu.

BS-verkefni (STÆ262L)

Nemendur velja sér verkefni í samráði við einhvern kennara námsbrautar í stærðfræði. Verkefnið er unnið með leiðsögn tveggja manna og skal a.m.k. annar þeirra tilheyra námsbraut í stærðfræði. Námsbraut í stærðfræði þarf að staðfesta áætlun sem nemandi og leiðbeinendur leggja fram í sameiningu. Verkefninu lýkur með samningu ritgerðar og fyrirlestri. Ekki er gefin einkunn fyrir verkefnið en umsjónarmenn stafesta að nemandi hafi  staðist námskröfur.

Upplýsingar um skil á verkefni
Skil eru í maí fyrir júníbrautskráningu
Skil eru í september fyrir októberbrautskráningu
Skil eru í janúar fyrir febrúarbrautskráningu

Í upphafi misseris koma nemandi og leiðbeinandi sér upp tímalínu um skil á verkefni

Skil á fullbúnu verkefni til leiðbeinanda/umsjónarkennara er 10. maí/ september/ janúar

Skil nemanda inn á Skemmu eru í síðasta lagi 30. maí/ september/ janúar og senda þarf staðfestingu um samþykkt skil á nemvon@hi.is

Einkunn frá leiðbeinanda á að hafa borist skrifstofu í síðasta lagi 30. maí/ september/ janúar

Kennileg línuleg tölfræðilíkön (STÆ310M)

Einföld og fjölvíð aðhvarfsgreining, fervikagreining og samvikagreining, ályktanir, dreifni og samdreifni metla, mátpróf með frávika- og áhrifagreiningu, samtíma ályktanir. Almenn líkuleg líkön sem ofanvörp, fervikagreining sem sértilvik, samtíma öryggismörk á samanburðarföll. R notað í verkefnum. Lausnum verkefna er skilað i LaTeX og PDF.

Til viðbótar  er tekið efni eftir vali, t.d. útvíkkuð línuleg líkön (GLM), ólínuleg aðhvarfsgreining og/eða slembiþáttalíkön (random/mixed effects models) og/eða skóreimaaðferðir (bootstrap) o.s.frv.

Nemendur kynna lausnir verkefna, sem áður hefur verið skilað inn í gegnum vefsíðu.

Námskeiðið er kennt þegar ártalið er slétt tala.

Hagnýtt línuleg tölfræðilíkön (STÆ312M)

Í námskeiðinu er fjallað um einfalda og fjölvíða aðhvarfsgreiningu ásamt fervikagreiningu (ANOVA) og samvikagreiningu (ANCOVA). Að auki er farið í tvíkosta aðhvarfsgreiningu (binomial regression) og rætt um hugtök því tengt, svo sem gagnlíkindi (odds) og gagnlíkindahlutfall (odds ratio).
Námskeiðið er framhald af dæmigerðu grunnnámskeiði í tölfræði sem kennd eru á hinum ýmsu sviðum skólans. Farið verður í aðferðir til að meta stika í línulegum líkönum, hvernig smíða má öryggisbil og kanna tilgátur fyrir stikana, hverjar forsendur líkananna eru og hvað hægt sé að gera sé þeim ekki fullnægt. Verkefni eru unnin í tölfræðihugbúnaðinum R.

Töluleg línuleg algebra (STÆ511M)

Ítrekunaraðferðir fyrir jöfnuhneppi.  Ýmsar þáttanir fylkja eins og QR, Cholesky, Jordan, Schur, rófþáttun og sérstöðupunktaþáttun (SVD) og hagnýtingar þeirra.  Strjál Fourierummyndun (DFT) og hröð algrím til framkvæmdar hennar (FFT).  Strjál Kósínusummyndun (DCT) í tvívídd og hagnýtingar í þjöppun hljóðs (MP3, AAC) og mynda (JPEG).  Rýr fylki og framsetning á þeim.

Sérstök áhersla verður lögð á hagnýtingu þeirra efnisatriða sem farið er í og tölulegar aðferðir.

Netafræði (STÆ520M)

Net, netamótanir og netaeinsmótanir. Hlutnet, spannandi hlutnet. Vegir, tengd net. Örvanet. Tvíhlutanet. Euler-net og Hamilton-net; setningar Chvátals, Pósa, Ores og Diracs. Keppnisnet. Tré, spannandi tré, trjáfylkjasetningin, Cayley-setningin. Vegin net, reiknirit Kruskals og Dijkstra. Flæðinet, setning um hámarksflæði og lágmarkssnið, Ford-Fulkerson-reikniritið, Menger-setningin. Spyrðingar, Berge-setningin, giftingarsetning Halls, König-Egerváry-setningin, Kuhn-Munkres-reikniritið. Óaðskiljanleg net, tvítengd net. Lagnet, Euler-formúla, Kuratowski-setningin, nykurnet. Greypingar neta í fleti, Ringel-Youngs-Mayer-setningin. Litanir, litunarsetning Heawoods, Brooks-setningin, litamargliða; leggjalitanir, Vizing-setningin.

Dreififöll (STÆ523M)

Fjallað er um undirstöðuatriði um dreififöll og hagnýtinga um hlutafleiðujöfnur.

Viðfangsefni: Prófunarföll, dreififöll, deildun dreififalla, samleitni runa af dreififöllum, Taylor-liðun í mörgum breytistærðum, staðbinding, dreififöll með þjappaða stoð, margföldun falla og dreififalla, samskeyting varpana og dreififalla, földun dreififalla, grunnlausnir, Fourier-ummyndun, Fourier-raðir, grunnlausnir og Fourier-ummyndun.

Inngangur að rökfræði (STÆ528M)

Röksemdafærslur, sannanir. Samtengingar, fullyrðingareikningur, sannföll og sísönnur. Formleg mál, frumsendur, rökreglur, sísönnusetningin. Magnarar. Mál og kenningar fyrstu stéttar. Mynstur og líkön. Fullkomleikasetningin. Setning Löwenheims og Skolems. Reiknanleiki, rakin föll. Setning Gödels.

Hagnýt Bayesísk tölfræði (STÆ529M)

Markmið: Að kenna nemendum að beita ýmsum aðferðum úr Bayesískri tölfræði fyrir greiningu gagna. Námsefni: Fræðileg undirstaða Bayesískrar ályktunartölfræði, fyrirframdreifingar, gagnadreifingar og eftirádreifingar. Bayesísk ályktunartölfræði fyrir stika í einvíðum og margvíðum líkindadreifingum: tvíkosta-; normal-; Possion; veldis-; margvíð normal-; fjölkostadreifing.  Mat á gæðum líkans og samanburður á líkönum: Bayesísk p-gildi; deviance information criterion (DIC). Bayesísk hermun: Markov keðju Monte Carlo (MCMC) aðferðir; Gibbs sampler; Metropolis-Hastings skref; mat á samleitni. Línuleg líkön: normal línuleg líkön; stigskipt normal línuleg líkön; almenn línuleg líkön. Áhersla á greiningu gagna með forritum eins og Matlab og R.

Fléttufræði (STÆ533M)

Námskeiðið er ætlað nemendum á öðru og þriðja ári. Markmiðið er að kynna nemendum ýmis fléttufræðileg kerfi, aðferðir við talningu og gagnlega eiginleika. Hagnýtingar á þessum kerfum og aðferðum.

Tölulegar lausnir á hlutafleiðujöfnum (STÆ537M)

Markmið námskeiðsins er að kynna aðferðir til tölulegrar úrlausnar á hlutafleiðujöfnum og forritun þeirra. 

Viðfangsefni:

Fleyggerar hlutafleiðujöfnur (varmajafnan), breiðgerar hlutafleiðujöfnur (bylgjujafnan) og sporgerar hlutafleiðujöfnur (Poisson- og Laplace jafnan).  Mismunaaðferðir, samleguaðferðir og bútaaðferðir.  Stöðugleiki lausnaraðferða, CFL skilyrðið og Crank-Nicolson skemað. Ólínulegar hlutafleiðujöfnur og Turing-mynstur.  Samband slembigangs og Poisson/Laplace hlutafleiðujafna.

Formleg mál og reiknanleiki (TÖL301G)

Endanlegar stöðuvélar, regluleg mál og málskipan, staflavélar, samhengisóháð mál og málskipan, Turingvélar, almenn mál og málskipan og helstu eiginleikar þeirra.

Ávarðanleg og listanleg mál, yfirfærsla milli mála, tengsl við ákvörðnarverkefni og sönnun á óleysanleika slíkra verkefna. Flækjustigsflokkarnir P og NP og NP-fullkomleiki. Dæmi um ýmis líkön af reiknanleika.

Reiknirit í lífupplýsingafræði (TÖL504M)

Efni námskeiðsins eru helstu reiknirit sem notuð eru í lífupplýsingafræði. Í upphafi er stutt yfirlit yfir erfðamengjafræði og reiknirit fyrir nemendur af öðrum sviðum. Námskeiðinu er skipt upp í nokkrar einingar og er hverri ætlað að fara yfir einstök verkefni í lífupplýsingafræði sem mótast af rannsóknarverkefnum. Hver eining samanstendur af verkefnislýsingu og aðferðum sem beitt er við úrlausn. Viðfangsefnin verða m.a. mynstraleit, strengjafjarlægð, samröðun gena og erfðamengja, þyrpingagreining, raðgreining og myndun erfðamengja og að lokum aðferðir við úrvinnslu úr háhraðaraðgreiningar gögnum.

Slembiferli (STÆ415M)

Inngangsatriði slembiferla með megináherslu á Markovkeðjur.

Viðfangsefni: Hittitími, stöðuþáttun, óþáttanleiki, lota, endurkvæmni (jákvæð og núll-), hverfulleiki, tenging, endurnýjun, jafnvægi, tíma-viðsnúningur, tenging úr fortíðinni, greinaferli, biðraðir, martingalar, Brownhreyfing.

Grundvöllur líkindafræðinnar (STÆ418M)

Líkindi á grundvelli mál- og tegurfræði.

Viðfangsefni: Líkindi, útvíkkunarsetningar, óhæði, væntigildi. Borel-Cantelli-setningin og 0-1 lögmál Kolmogorovs.  Ójöfnur og hin veiku og sterku lögmál mikils fjölda. Samleitni í hverjum punkti, í líkindum, með líkunum einn, í dreifingu og í heildarviki. Tengiaðferðir. Höfuðmarkgildissetningin. Skilyrt líkindi og væntigildi.

Reiknirit í lífupplýsingafræði (TÖL604M)

Efni námskeiðsins eru helstu reiknirit sem notuð eru í lífupplýsingafræði. Í upphafi er stutt yfirlit yfir erfðamengjafræði og reiknirit fyrir nemendur af öðrum sviðum. Námskeiðinu er skipt upp í nokkrar einingar og er hverri ætlað að fara yfir einstök verkefni í lífupplýsingafræði sem mótast af rannsóknarverkefnum. Hver eining samanstendur af verkefnislýsingu og aðferðum sem beitt er við úrlausn. Viðfangsefnin verða m.a. mynstraleit, strengjafjarlægð, samröðun gena og erfðamengja, þyrpingagreining, raðgreining og myndun erfðamengja og að lokum aðferðir við úrvinnslu úr háhraðaraðgreiningar gögnum.

Stærðfræðileg eðlisfræði (EÐL612M)

Markmið: Að kynna stærðfræðilegar aðferðir sem nytsamar eru í eðlisfræði og veita þjálfun í beitingu þeirra. Námsefni: Hljóðbylgjur í vökvum og lofttegundum. Spennutensor og þenslutensor, almennar hreyfingarjöfnur fyrir samfellt efni. Jarðskjálftabylgjur. Jöfnur Maxwells og rafsegulbylgjur. Flatar bylgjur, skautun, endurkast og brot. Dreififöll og Fourier-greining. Grunnlausnir og Green-föll hlutafleiðujafna. Bylgjur í einsleitum efnum. Lögmál Huygens og setning Leifs Ásgeirssonar. Tvístur (dispersion. Fasahraði og grúpuhraði. Jöfnur Kramers og Kronigs. Aðferð hins stöðuga fasa. Bylgjur á yfirborði vökva.

Aðgerðagreining (IÐN401G)

Í námskeiðinu er nemendum kynnt hvernig gera á skipulega mynd af ákvörðunar- og bestunarverkefnum í aðgerðagreiningu.
Að námskeiði loknu eiga nemendur að hafa færni í að setja upp, greina og leysa stærðfræðileg líkön sem standa fyrir raunhæfum verkefnum og hvernig meta eigi lausn þeirra á gagnrýninn hátt. Tekin eru fyrir línuleg bestun og Simplex aðferðin, auk skyld fræðileg efni.
Námskeiðið kynnir auk þess stærðfræðileg líkön fyrir einstök verkefni; flutningsverkefni, úthlutunarverkefni, netverkefni og heiltölubestun. Nemendur kynnast einnig sérhæfðu forritunarmáli við líkangerð fyrir línulega bestun.

Hagnýt gagnagreining (MAS202M)

Námskeiðið fjallar um tölfræðiúrvinnslu í forritinu R. Gert er ráð fyrir að nemendur hafi grunnþekkingu í tölfræði og tölfræðihugbúnaðnum R. Æskilegt er að nemendur þekki til margbreytu aðhvarfsgreiningar (e. multiple linear regression). Nemendur læra að beita hinum ýmsu tölfræðiaðferðum í R (ss. classification methods, resampling methods, linear model selection og tree-based methods). Námskeiðið er kennt á tólf vikum og verður það á vendikennsluformi þar sem nemendur lesa námsefni og horfa á myndbönd áður en þeir mæta í tíma og fá svo aðstoð með fyrirliggjandi verkefni í tímum.

BS-verkefni (STÆ262L)

Nemendur velja sér verkefni í samráði við einhvern kennara námsbrautar í stærðfræði. Verkefnið er unnið með leiðsögn tveggja manna og skal a.m.k. annar þeirra tilheyra námsbraut í stærðfræði. Námsbraut í stærðfræði þarf að staðfesta áætlun sem nemandi og leiðbeinendur leggja fram í sameiningu. Verkefninu lýkur með samningu ritgerðar og fyrirlestri. Ekki er gefin einkunn fyrir verkefnið en umsjónarmenn stafesta að nemandi hafi  staðist námskröfur.

Upplýsingar um skil á verkefni
Skil eru í maí fyrir júníbrautskráningu
Skil eru í september fyrir októberbrautskráningu
Skil eru í janúar fyrir febrúarbrautskráningu

Í upphafi misseris koma nemandi og leiðbeinandi sér upp tímalínu um skil á verkefni

Skil á fullbúnu verkefni til leiðbeinanda/umsjónarkennara er 10. maí/ september/ janúar

Skil nemanda inn á Skemmu eru í síðasta lagi 30. maí/ september/ janúar og senda þarf staðfestingu um samþykkt skil á nemvon@hi.is

Einkunn frá leiðbeinanda á að hafa borist skrifstofu í síðasta lagi 30. maí/ september/ janúar

Stærðfræðigreining IV (STÆ401G)

Markmið: Að kynna fyrir nemendum Fourier-greiningu og hlutafleiðujöfnur og hagnýtingu á þeim.

Lýsing: Fourier-raðir og þverstöðluð fallakerfi, jaðargildisverkefni fyrir venjulega afleiðuvirkja, eigingildisverkefni fyrir Sturm-Liouville-virkja, Fourier-ummyndun, bylgjujafnan, varmaleiðnijafnan og Laplace-jafnan leystar á ýmsum svæðum í einni, tveimur og þremur víddum með aðferðum úr fyrri hluta námskeiðsins, aðskilnaður breytistærða, grunnlausn, Green-föll, speglunaraðferðin.

Grannfræði (STÆ419M)

Almenn grannfræði: Grannrúm og samfelldar varpanir. Hlutrúm, faldrúm og deildarúm. Samhangandi rúm og þjöppuð rúm. Aðskilnaðarfrumsendur, hjálparsetning Urysohns og firðanleikasetning, algerlega regluleg rúm og þjappanir. 

Útsetningar á endanlegum grúpum (STÆ626M)

Skilgreining á línulegri útsetningu grúpu. Hjálparsetning Schur.
Grúpukennar. Grúpualgebran. Útsetningafræði samhverfugrúpunnar. Notkun útsetningarfræða í grúpufræði:  Setningar Frobeniusar og Burnsides.

Greining reiknirita (TÖL403G)

Aðferðir við hönnun og greiningu á tímaflækju reiknirita. Kynning og greining á reikniritum fyrir röðun, leit, netafræði og fylkjareikning. Torleysanleg vandamál, nálgunaraðferðir og slembin reiknirit.

Tölvunarfræði 1a (TÖL105G)

Einingar til BS-prófs gilda aðeins fyrir annaðhvort TÖL101G Tölvunarfræði 1 eða TÖL105G Tölvunarfræði 1a.

Forritun í Python (sniðið að verkfræðilegum og raunvísindalegum útreikningum): Helstu skipanir og setningar (útreikningur, stýri-setningar, innlestur og útskrift), skilgreining og inning falla, gagnatög (tölur, fylki, strengir, rökgildi, færslur), aðgerðir og innbyggð föll, vigur- og fylkjareikningur, skráavinnsla, tölfræðileg úrvinnsla, myndvinnsla. Hlutbundin forritun: klasar, hlutir, smiðir og aðferðir. Hugtök tengd hönnun og smíði tölvukerfa: Forritunarumhverfi, vinnubrögð við forritun, gerð falla- og undirforritasafna og tilheyrandi skjölun, villuleit og prófun forrita.

Fjármálahagfræði I (HAG106G)

Markmiðið námskeiðsins er annars vegar að kynna nemendur fyrir grunnatriðum fjármála og fjármálahagfræði og hins vegar að þjálfa færni þeirra í því að leysa raunhæf verkefni á þessu sviði. Farið er yfir, vexti og vaxtaútreikninga, mismunandi tegundir fjármálagerninga, virkini og tegundir fjármálamarkaða og kenningar um skilvirkni markaða. Aðferðir við að meta virði fjármálagerninga með tilliti til tímavirðis og óvissu. Þá verður áhersla á að kynna nemendum fyrir innlendum fjármálamörkuðumi og virkni þeirra. Nemendur öðlist skilning á fórnarskiptum áhættu og ávöxtunar, s.s. með aðstoð CAPM líkansins. Loks er fjallað um samval eigna byggt á Markowitz líkaninu og áhættu með hliðsjón af nytjaföllum.

Stærðfræðigreining IA (STÆ101G)

Talnakerfin. Rauntölur og hugtökin efra mark og neðra mark, tvinntölur. Mengi náttúrulegra talna og þrepasannanir. Föll og varpanir. Runur og runumarkgildi. Raðir. Samleitnipróf og skilorðsbundin samleitni raðar. Markgildi og samfelld föll. Helstu eiginleikar samfelldra falla. Hornaföll. Diffrun. Helstu reglur um diffrun. Útgildi. Meðalgildissetningin. Nálgun diffranlegra falla með margliðum. Tegrun. Tengsl tegrunar og diffrunar. Ýmis algeng föll. Ýmsar aðferðir til að reikna út stofnföll. Veldaraðir. Fyrsta stigs diffurjöfnur. Tvinngild föll og annars stigs diffurjöfnur.

Línuleg algebra A (STÆ106G)

Fjallað er um undirstöðuatriði línulegar algebru yfir rauntölurnar með áherslu á fræðilegu hliðina.

Viðfangsefni: Línuleg jöfnuhneppi,fylkjareikningur, Gauss-eyðing og Gauss-Jordan-aðferð.  Vigurrúm og hlutrúm þeirra.  Línulega óháð hlutmengi, grunnar og vídd.  Línulegar varpanir, myndrúm og kjarni.  Depilmargfeldi, lengd og horn.  Rúmmál í margvíðu hnitarúmi og krossfeldi í þrívíðu.  Flatneskjur og stikaframsetning þeirra.  Hornrétt ofanvörp og þverstaðlaðir grunnar.  Aðferð Grams og Schmidts.  Ákveður og andhverfur fylkja.  Eigingildi, eiginvigrar og hornalínugerningur.

Fjármálahagfræði II (HAG208G)

Markmið námskeiðsins er þríþætt. Í fyrsta lagi að kynna fyrir nemendum grunnatriði reikningsskila og fjárhagsbókhalds þannig að þeir verði þokkalega læsir á ársreikninga fyrirtækja. Í öðru lagi að nemendur geti greint og metið upplýsingar og helstu verðkennitölur úr ársreikningum fyrirtækja og túlkað þær fyrir þeim sem þurfa á þessum upplýsingum að halda. Í þriðja lagi að nýta upplýsingar úr ársreikningum til þess að framkvæma verðmat á viðkomandi útgáfuaðila sem er byggt á sjóðstreymi.

Mengi og firðrúm (STÆ202G)

Mengjafræði: Vensl; jafngildisvensl og raðvensl. Teljanleg mengi og óteljanleg. Samstétta mengi. Uppbygging talnakerfanna. Frumatriði um firðrúm: Opin mengi og lokuð, samleitnar runur og Cauchy-runur, þéttipunktar. Samfelldni og samfelldni í jöfnum mæli. Samleitni og samleitni í jöfnum mæli. Fallarunur og fallaraðir. Þjöppuð firðrúm. Samhangandi mengi. Fullkomin firðrúm og fullkomnun firðrúms. Fastapunktssetning Banachs; tilvistarsetning um afleiðujöfnu fyrstu raðar. Kennslubækur ákveðnar síðar.

Líkindareikningur og tölfræði (STÆ203G)

Grundvallarhugtök í líkindafræði og tölfræði, stærðfræðileg undirstaða þeirra og beiting með tölfræðihugbúnaðinum R. 

• Líkindi, slembistærðir og væntigildi þeirra
• Mikilvægar líkindadreifingar
• Úrtök, lýsistærðir og úrtaksdreifing lýsistærða
• Metlar og öryggisbil
• Hugmyndafræði tilgátuprófa
• Mikilvæg tilgátupróf
• Línuleg aðhvarfsgreining

Stærðfræðigreining IIA (STÆ207G)

Áhersla er lögð á fræðilega hlið efnisins. Stefnt er að því að nemendur öðlist skilning á grundvallarhugtökum og kunni að beita þeim, bæði í fræðilegu samhengi og í útreikningi. Opin mengi og lokuð. Varpanir, markgildi og samfelldni. Deildanlegar varpanir, hlutafleiður og keðjuregla. Jacobi-fylki. Stiglar og stefnuafleiður. Blandaðar hlutafleiður. Ferlar. Vigursvið og streymi. Sívalningshnit og kúluhnit. Taylor-margliður. Útgildi og flokkun stöðupunkta. Skilyrt útgildi. Fólgin föll og staðbundnar andhverfur. Ferilheildi og mætti vigursviða. Heildun falla af mörgum breytistærðum. Óeiginleg heildi. Setning Greens. Einfaldlega samanhangandi svæði. Breytuskipti í margföldu heildi. Heildun á flötum. Flatarheildi vigursviðs. Setningar Stokes og Gauss.

Inngangur að líkindafræði (STÆ210G)

Þetta er viðbót við námskeiðið "Líkindareikningur og tölfræði" STÆ203G. Farið er ítarlegar í frumatriði líkindafræðinnar með áherslu á skilgreiningar og sannanir. Námskeiðið er undirbúningur fyrir M-námskeiðin tvö í líkindafræði og M-námskeiðin tvö í tölfræði sem kennd eru á víxl annað hvert ár.

Viðfangsefni umfram þau sem koma við sögu í líkindahluta STÆ203G:

Skilgreining Kolmogorovs. Útleiðslur á reglum um samsetta atburði og skilyrt líkindi. Útleiðsla fyrir strjálar og samfelldar stærðir á reglum um væntigildi, dreifni, samdreifni, fylgni, og skilyrt væntigildi og dreifni. Útleiðslur á reglum um Bernoulli-, tvíkosta-, Poisson-, jafnar, veldis-, normlegar og gamma-stærðir. Útleiðsla á halasummureglu væntigildis og útleiðsla á væntigildi strjálu veldisstærðarinnar. Útleiðsla á reglunni um minnisleysi og veldisstærðir. Útleiðsla á dreifingum summu óháðra stærða s.s. tvíkosta-, Poisson-, normlegra og gamma-stærða. Líkinda- og vægisframleiðsluföll.

Hagnýtt línuleg tölfræðilíkön (STÆ312M)

Í námskeiðinu er fjallað um einfalda og fjölvíða aðhvarfsgreiningu ásamt fervikagreiningu (ANOVA) og samvikagreiningu (ANCOVA). Að auki er farið í tvíkosta aðhvarfsgreiningu (binomial regression) og rætt um hugtök því tengt, svo sem gagnlíkindi (odds) og gagnlíkindahlutfall (odds ratio).
Námskeiðið er framhald af dæmigerðu grunnnámskeiði í tölfræði sem kennd eru á hinum ýmsu sviðum skólans. Farið verður í aðferðir til að meta stika í línulegum líkönum, hvernig smíða má öryggisbil og kanna tilgátur fyrir stikana, hverjar forsendur líkananna eru og hvað hægt sé að gera sé þeim ekki fullnægt. Verkefni eru unnin í tölfræðihugbúnaðinum R.

Grundvöllur tölfræðinnar (STÆ313M)

Sennileiki, tæmandi stærð, tæmanleikareglan, þvælistiki, skilyrðingarreglan, óbreytileikareglan, sennileikafræði. Tilgátupróf, einfaldar og samsettar tilgátur, Neyman-Pearson-setningin, styrkleiki, UMP-próf, óbreytileg próf. Umröðunarpróf, sætispróf. Bilmat, öryggisbil, öryggisstig, öryggissvæði. Punktmat, bjagi, meðalferskekkja. Verkefnum er skilað með notkun LaTeX og gilda 20% af lokaeinkunn.

Tvinnfallagreining I (STÆ301G)

Tvinntölur og grannfræði tvinntalnasléttunnar. Runur og raðir af tvinntölum. Deildanleg og fáguð föll. Fallarunur og raðir, sér í lagi veldaraðir. Vegheildun og stofnföll. Veldisvísisfallið og skyld föll. Vafningstölur ferla. Cauchy-setningin, Cauchy-formúlan og afleiðingar. Samsemdarsetning, setning um opna vörpun og hágildissetning. Laurent-raðir, einangraðir sérstöðupunktar og flokkun þeirra. Leifasetningin og leifareikningur. Hornaukasetningin og Rouché-setningin. Tengsl við raunfallagreiningu: Cauchy-Riemann-jöfnurnar, þýð föll og heildisformúlur Poissons og Schwarz. Fáguð föll skilgreind með heildum (t. d. Laplace-ummyndun). Hornrækin vörpun og vörpunarsetning Riemanns.

Algebra (STÆ303G)

Grúpur, dæmi og helstu undirstöðuatriði. Samhverfugrúpur. Mótanir og normlegar hlutgrúpur. Baugar, dæmi og helstu undirstöðuatriði. Heilbaugar. Baugamótanir og íðul. Margliðubaugar og þáttun margliða. Valin viðfangsefni.

Stærðfræðigreining IIIA (STÆ304G)

Námskeiðið er kynning á þremur mikilvægum sviðum hagnýttrar stærðfræði, nánar tiltekið venjulegum diffurjöfnum, Fourier-röðum og hlutafleiðujöfnum. Fræðilegir undirstöðueiginleikar þeirra eru sannaðir og lausnaraðferðir kynntar. 

Viðfangsefni: Venjulegar diffurjöfnur: Línulegar diffurjöfnur af stigi n, Cauchy verkefni, tilvistarsetning Picards, lausn með veldaröðum og jöfnur með sérstöðupunktum. Fourier-raðir: Samleitni í hverjum punkti, í jöfnum mæli og í ferningsmeðaltali, jafna Parsevals.  Hlutafleiðujöfnur: Hitajafnan og bylgjujafnan á endanlegu bili leystar með aðskilnaði breytistærða og Fourier-röðum, lausnir þeirra bornar saman, Dirichlet verkefni fyrir Laplace-jöfnu á rétthyrningi og skifu, Poisson-heildisformúla.

Alhæfð línuleg tölfræðilíkön (STÆ421M)

Almenn línuleg aðhvarfsgreiningarlíkön. Veldisfjölskyldulíkön með aukadreifni. Poisson ferli og tölfræðipróf fyrir aukadreifni. Lifunaraðhvarfsgreiningarlíkön. Ólínuleg þættir og fallagrunnar. Stikabundin, hálfstikabundin og óstikabundin sennileikaföll. Hlutasennileikaföll. Almenn línuleg aðhvarfsgreining í R.

Slembiferli (STÆ415M)

Inngangsatriði slembiferla með megináherslu á Markovkeðjur.

Viðfangsefni: Hittitími, stöðuþáttun, óþáttanleiki, lota, endurkvæmni (jákvæð og núll-), hverfulleiki, tenging, endurnýjun, jafnvægi, tíma-viðsnúningur, tenging úr fortíðinni, greinaferli, biðraðir, martingalar, Brownhreyfing.

Mál- og tegurfræði (STÆ402M)

Kennt á vormisseri þegar ártal er oddatala.

Málrúm, mál og ytri mál. Lebesgue-málið á Rn. Mælanleg föll, setning um einhalla samleitni, hjálparsetning Fatous. Heildanleg föll, setning Lebesgues um yfirgnæfða samleitni og afleiðingar. Ójöfnur Hölders og Minkowskis, Lp-rúm, málrúma, setningar Tonellis og Fubinis. Tvinnmál. Jordan-liðun og Lebesgue-liðun mála, Radon-Níkodým-setning. Samfelld línuleg föll á Lp-rúmum. Myndmál, innsetningarsetning fyrir Lebesgue-heildið á Rn.

Grundvöllur líkindafræðinnar (STÆ418M)

Líkindi á grundvelli mál- og tegurfræði.

Viðfangsefni: Líkindi, útvíkkunarsetningar, óhæði, væntigildi. Borel-Cantelli-setningin og 0-1 lögmál Kolmogorovs.  Ójöfnur og hin veiku og sterku lögmál mikils fjölda. Samleitni í hverjum punkti, í líkindum, með líkunum einn, í dreifingu og í heildarviki. Tengiaðferðir. Höfuðmarkgildissetningin. Skilyrt líkindi og væntigildi.

Skaðatryggingastærðfræði (STÆ414G)

Á námskeiðinu verður farið yfir nokkra mikilvæga þætti skaðatrygginga og endurtrygginga. Líkön fyrir fjölda krafa, Poisson ferli, blandað Poisson ferli og endurnýjunarferli. Slembin líkön fyrir áhættu í skaðatryggingum, einkum samsett Poisson líkön, samsett blönduð Poisson-líkön og endurnýjunarlíkön. Cramer-Lundberg líkanið og endurnýjunarlíkanið sem grunnáhættulíkön. Aðferðir til að nálga dreifingar áhættulíkana. Dreifingar fyrir litlar og stórar kröfur og eiginleikar þeirra. Reglur um útreikning iðgjalds fyrir heildarkröfufjárhæð skuldasafns. Reynslumat: útreikningur iðgjalds í tryggingasamningum. Endurtryggingasamningar og eiginleikar þeirra. Bayesískar aðferðir í samhengi skaðatrygginga, einkum Bayesískir metlar og línulegir Bayesískir metlar til að reikna út iðgjald í tryggingasamningum.

Líftryggingastærðfræði (STÆ413G)

Greiðsluflæði; kenningar um dánartíðni; yfirlit yfir helstu tegundir trygginga; meginreglan um jafngildi, væntanlegir varasjóðir og diffurjöfnur fyrir þá; kostnaður; almennar Markov keðjur fyrir líftryggingar beit á örorkutryggingar og fjöllíftryggingar; hagnaður og kaupauki; vörur byggðar á markaðsgengi.

Fjármálagerningar (VIÐ503G)

Í námskeiðinu er fjallað um vaxtamarkaði og hvernig eingreiðsluvaxtaferlar eru leiddir út. Verðlagning mismunandi tegunda skuldabréfa er skoðuð og farið er yfir eiginleika og áhættu helstu skuldabréfa á markaði með áherslu á íslenskan vaxtamarkað. Verðlagning afleiðna er því næst skoðuð og hverjir eru helstu eiginleikar þeirra. Sérstaklega eru skoðaðir framvirkir samningar, skiptasamningar og valréttir. Farið er yfir tilgang og eðli afleiðuviðskipta og hverjir helstu áhættuþættirnir eru.

Hagnýt Bayesísk tölfræði (STÆ529M)

Markmið: Að kenna nemendum að beita ýmsum aðferðum úr Bayesískri tölfræði fyrir greiningu gagna. Námsefni: Fræðileg undirstaða Bayesískrar ályktunartölfræði, fyrirframdreifingar, gagnadreifingar og eftirádreifingar. Bayesísk ályktunartölfræði fyrir stika í einvíðum og margvíðum líkindadreifingum: tvíkosta-; normal-; Possion; veldis-; margvíð normal-; fjölkostadreifing.  Mat á gæðum líkans og samanburður á líkönum: Bayesísk p-gildi; deviance information criterion (DIC). Bayesísk hermun: Markov keðju Monte Carlo (MCMC) aðferðir; Gibbs sampler; Metropolis-Hastings skref; mat á samleitni. Línuleg líkön: normal línuleg líkön; stigskipt normal línuleg líkön; almenn línuleg líkön. Áhersla á greiningu gagna með forritum eins og Matlab og R.

Kennileg línuleg tölfræðilíkön (STÆ310M)

Einföld og fjölvíð aðhvarfsgreining, fervikagreining og samvikagreining, ályktanir, dreifni og samdreifni metla, mátpróf með frávika- og áhrifagreiningu, samtíma ályktanir. Almenn líkuleg líkön sem ofanvörp, fervikagreining sem sértilvik, samtíma öryggismörk á samanburðarföll. R notað í verkefnum. Lausnum verkefna er skilað i LaTeX og PDF.

Til viðbótar  er tekið efni eftir vali, t.d. útvíkkuð línuleg líkön (GLM), ólínuleg aðhvarfsgreining og/eða slembiþáttalíkön (random/mixed effects models) og/eða skóreimaaðferðir (bootstrap) o.s.frv.

Nemendur kynna lausnir verkefna, sem áður hefur verið skilað inn í gegnum vefsíðu.

Námskeiðið er kennt þegar ártalið er slétt tala.

Lögfræði B - þættir úr fjármálalögfræði (VIÐ601G)

Í námskeiðinu er fjallað um löggjöf og lagaleg viðfangsefni sem snerta fjármálamarkaði, fjármál fyrirtækja og rekstur þeirra. 
Fjallað verður um lagaumhverfi fjármálafyrirtækja, löggjöf um verðbréfaviðskipti, ábyrgð sem hvílir á sérfræðingum, auðgunarbrot, lögfræðileg viðfangsefni sem tengjast kaupum og sölum fyrirtækja, áreiðanleikakannanir o.fl. Þá verður fjallað um samninga og skjöl sem reynir á á fjármálamarkaði, þar á meðal lánasamninga, kaupsamninga, og hluthafasamninga.

Töluleg greining (STÆ405G)

Einingar til BS-prófs gilda aðeins fyrir annaðhvort REI201G Stærðfræði og reiknifræði eða STÆ405G Töluleg greining.

Undirstöðuhugtök um nálgun og skekkjumat. Lausn línulegra og ólínulegra jöfnuhneppa. PLU-þáttun. Margliðubrúun, splæsibrúun og aðhvarfsgreining. Töluleg nálgun afleiða og heilda. Útgiskun. Töluleg lausn upphafshafsgildisverkefna fyrir venjuleg afleiðujöfnuhneppi. Fjölskrefaaðferðir. Töluleg lausn jaðargildisverkefna fyrir venjulegar afleiðujöfnur.

Gefin er einkunn fyrir skriflegar úrlausnir á forritunarverkefnum og vegur hún 30% af heildareinkunn. Stúdent verður að hafa lágmarkseinkunn 5 bæði fyrir verkefni og lokapróf.

Kennileg töluleg greining (STÆ412G)

Þetta er viðbót við námskeiðið "Töluleg greining" STÆ405G. Farið er ítarlegar og fræðilegar í efnið sem tekið er fyrir í Tölulegri greiningu (STÆ405G) með áherslu á sannanir.

Samæfingar í stærðfræði (STÆ402G)

Námskeiðið er ætlað nemendum sem lokið hafa að minnsta kosti 120 ECTS einingum. Nemendur sem ekki hafa lokið 120 ECTS einingum og hafa áhuga á að taka námskeiðið þurfa að fá samþykki umsjónarmanns fyrir þátttöku í námskeiðinu.

Hver nemandi velur og kynnir sér tiltekið afmarkað viðfangsefni stærðfræðinnar eða tölfræðinnar og fær leiðbeinanda tengdan því. Viðfangsefni eru ólík milli ára. Listi yfir viðfangsefni er gefinn út í upphafi eða aðdraganda námskeiðsins og einnig geta nemendur stungið upp á viðfangsefnum (að því gefnu að leiðbeinandi finnist). Nemendur skrifa ritgerð um sitt viðfangsefni og undirbúa og halda fyrirlestur um það á nemendaráðstefnu. Meðan á námskeiðinu stendur veita nemendur hvert öðru uppbyggilega endurgjöf bæði hvað varðar ritgerðarskrif og undirbúning á fyrirlestri. Auk þess að kynna eigin verkefni á nemendaráðstefnunni taka nemendur virkan þátt, hlusta á samnemendur sína og spyrja spurninga.

Inngangur að fjárhagsbókhaldi (VIÐ103G)

Námskeiðinu er ætlað að gera nemendur læsa á ársreikninga hlutafélaga. Eðli og tilgangur fjárhagsbókhalds og reikningsskila verða í forgrunni. Kynntar verða þær meginforsendur og grundvallarreglur er reikningsskil byggja á. Sérstök áhersla verður lögð á samhengið milli einstakra kafla í ársreikningnum.
Stefnt er að því að nemendur geti greint mikilvægar upplýsingar í ársreikningi hlutafélags og túlkað þær fyrir þeim sem þurfa á þessum upplýsingum að halda.

Rekstrarhagfræði I (VIÐ105G)

Markmið námskeiðsins er að kenna nemendum grunnatriði í hagrænni hugsun og meginkenningum í rekstrarhagfræði þannig að þeir kunni skil á helstu hugtökum og notkun. Framboð, eftirspurn og teygni. Neytendahagfræði. Markaðir, skilvirkni og velferð. Skattkerfi og áhrif skattlagningar. Ytri áhrif, samgæði og auðlindir. Ósamhverfar upplýsingar, freistnivandi og hrakval. Kostnaður við framleiðslu, samkeppni, fákeppni, einokun. Vinnumarkaður, mismunun og tekjuskipting. Verkaskipting og verslun.

Ársreikningagerð A (VIÐ505M)

Námskeiðið er ætlað nemendum á fjármála- eða reikningshaldskjörsviði. Markmið námskeiðsins er að nemendur öðlist þekkingu og skilning á atriðum sem stjórnendur fyrirtækja þurfa að tileinka sér til að geta lagt fram ársreikning samkvæmt viðurkenndum reikningsskilaaðferðum. Í námskeiðinu verður fjallað um helstu reglur í reikningshaldi sem gilda samkvæmt alþjóðlegum reikningsskilastöðlum og ákvæðum íslenskra laga. Farið verður yfir: formkröfur reikningsskila, rekstrarreikning, efnahagsreikning og sjóðstreymi. Meðferð tekna og kostnaðar, meðhöndlun birgða, viðskiptakröfur, varanlega rekstrarfjármuni, óefnislegar eignir, tekjuskatt, virðisrýrnunarpróf, bókun áhættufjármuna og skulda, skammtímaskuldir, langtímalán og eiginfjárliði. Verkefni verða lögð fyrir.

Einstaklingsskattaréttur (VIÐ501G)

Á námskeiðinu verður farið yfir meginreglur ísl. skattalaga um skattskylda aðila og skattskyldar tekjur þar á meðal hvaða gjöld heimilt er að draga frá þeim. Sérstök áhersla verður lögð á uppgjör tekjuskattsstofna hjá einstaklingum og sjálfstætt starfandi með úrlausnum á dæmum og raunhæfum verkefnum. Kynnt verður gerð skattframtals einstaklinga og hjóna svo og atvinnurekstrarframtals. Fjallað verður um ákvörðun hvers konar bóta og afslátta frá skatti. Farið verður yfir grundvallarreglur réttarfars í skattamálum, endurákvarðanir á sköttum og afleiðingar af vísvitandi röngum skattskilum. Veitt verður innsýn í meginreglur laga um virðisaukaskatt og tryggingagjald. Að námskeiðinu loknu er við það miðað að námsmaður geti talið fram fyrir einstaklinga og lítil fyrirtæki svo og kært skattákvörðun ef hún er röng að hans mati.

Hagverkfræði (IÐN502G)

Markmið námskeiðsins er að gera nemendur færa um:

1. Að skilja helstu hugtök bókhalds, kostnaðarreiknings og fjárfestingarfræði.

2. Að nota aðferðir til að meta hagkvæmni verktæknilegra kosta.

3. Að gera reiknilíkan til að meta arðsemi fjárfestinga, virði fyrirtækja og verðleggja hlutabréf og skuldabréf.

Meðal námsefnis er  bókhald, kostnaðarreikningar, greining á fjárstreymi, fjárfestingarfræði, mælikvarðar á arðsemi, þar á meðal núvirði og innri vextir, og gerð  arðsemilíkana. Námskeiðinu lýkur með hópverkefnum þar sem nemendur æfa arðsemimat verkefna.

Fjármálamarkaðir (VIÐ505G)

Í siðmenntuðum ríkjum mynda fjármálastofnanir stoðkerfi efnahagslífsins. Hlutverk þeirra er að styðja fólk og fyrirtæki í allri framleiðslu þeirra og framkvæmdum, sem og að liðsinna í áhættustjórnun, áhættu, sem fólk og fyrirtæki tekst á hendur. Afar mikilvægt er að öðlast skilning á tilgangi og innri virkni fjármálafyrirtækja, til þess að geta séð fyrir um hegðun þeirra og framþróun. Þannig má öðlast færni við að draga ályktanir um áhrif þessara stofnana á raunhagkerfið sjálft frá einum tíma til annars, í einu landi eða öðru. Þetta námskeið miðar af því að kynna fjármálafræði (e. theory of finance) í gegnum sögu fjármálastofnana og fjármálaþjónustu, svo sem banka, greiðslumiðlunar, tryggingafélaga, seðlabanka, verðbréfamarkaða og afleiðumarkaða. Farið verður yfir styrkleika þessara stofnana sem og ófullkomleika, til að varpa ljósi á það, hvert þessar stofnanir stefna til framtíðar. Íslenska bankahrunið býður upp á ótal dæmi, sem dreginn verður lærdómur af í gegnum allt námskeiðið.

Gagnasafnsfræði (TÖL303G)

Gagnasöfn og gagnasafnskerfi. Einindavenslalíkanið. Töflulíkanið og töflualgebra. SQL fyrirspurnarmálið. Hagkvæmni geymsluaðferða og úrvinnsluaðferða. Fallákveður, lyklar og staðalskipulag gagna í venslalíkaninu. Bestun fyrirspurna. Hreyfingar, samhliða vinnsla hreyfinga og læsingar. Endurbygging gagnasafna. Öryggi gagnasafna og aðgangsheimildir. Vöruhús gagna.

Lögfræði A - almenn viðskiptalögfræði (VIÐ302G)

Í námskeiðinu er farið yfir atriði í íslenskri lögfræði m.a. helstu réttarheimildir, uppbyggingu á íslensku réttarkerfi og stjórnsýslu. Þá verður farið yfir réttarsvið sem horfa ber til í daglegum viðskiptum.

Tilgangur námskeiðsins er að undirbúa nemendur undir viðfangsefni sem líkleg eru til þess að verða á vegi þeirra í störfum í viðskiptalífinu. Lögð er áhersla að nemendur fái kynningu á lögfræðinni til að geta betur greint lögfræðileg úrlausnarefni og tekið á þeim áður en þau verða að lögfræðilegum vandamálum.

Helstu viðfangsefni til umfjöllunar eru: Réttarheimildir, stjórnsýsluréttur, samningar, tilurð þeirra, túlkun og gildi, helstu reglur um lausfjárkaup og úrræði samningsaðila vegna galla og annarra vanefnda ásamt fullnustugerðum. Fjallað verður um gjaldþrotaskipti, kröfurétt, félaga- og samkeppnisrétt og persónuvernd.

Nýsköpun, vernd og hagnýting (VON101M)

Almennur inngangur að nýsköpun og helstu tegundum hugverkaréttar, þar sem fjallað verður um: vörumerki og mikilvægi vörumerkjastjórnunar, hönnunarverndar og höfundarréttar, grunnatriði einkaleyfa og beitingu þeirra, viðskiptaleyndarmál og kröfur sem þarf að upfylla til þess að þekking teljist viðskiptarleyndarmál ásamt stuttri umfjöllun um leiðir til að vernda hugbúnaðarlausnir.

Í kjölfarið verður farið í heimsókn til Íslensku Hugverkastofunnar, þar sem nemendur hljóta innsýn í umsóknarferli hugverkaréttinda. Rætt verður um nýsköpunar- og tæknihagnýtingu (e. tech transfer), auk möguleika á opinberum styrkjum og tengslum við fjárfesta. Reynslusögur úr nýsköpunariðnaði verða nýttar til að veita nemendum innsýn í reynslu sprotafyrirtækja og stefnumótun á hugverkum í hugverkarétti.

Nemendur velja eina hugmynd að uppfinningu í byrjun annar, og vinna samhliða fyrirlestrum að þróun hennar. Nemendur skoða t.a.m. hvaða leiðir eru færar til að vernda uppfinninguna hugmyndarinnar og ákveða hvernig hugverkavernd er best að nota, hvernighvaða þjónustu er hægt að nýta sér til að hraða á vexti hennar, hvernig er aðgengi að fjármögnun og setja fram langtímamarkmið.

(með fyrirvara um breytingar)

Aðgerðagreining 2 (IÐN508M)

Í námskeiðinu er nemendum kynnt hvernig gera á skipulega mynd af ákvörðunar- og bestunarverkefnum í aðgerðagreiningu. Að námskeiði loknu eiga nemendur að hafa færni í að setja upp, greina og leysa stærðfræðileg líkön sem standa fyrir raunhæfum verkefnum og hvernig meta eigi lausn þeirra á gagnrýninn hátt. Tekin er fyrir heiltölu og slembin verkefni (e. Integer Programming and Stochastic Programming). Nemendur kynnast líkangerð með Python.

R forritun (MAS102M)

Í námskeiðinu munu nemendur framkvæma hefðbundnar tölfræðiaðferðir á raunverulegum gagnasöfnum. Áhersla verður lögð á fjölbreytu aðhvarfsgreiningu (e. multiple linear regression). Nemendur beita fáguðum aðferðum við myndræna framsetningu sem og sjálfvirka skýrslugerð. Námsmat verður í formi raunhæfra verkefna þar sem nemendur framkvæma ofangreind atriði á raunverulegum gagnasöfnum með það fyrir augum að svara rannsóknarspurningum.

Gervigreind (REI505M)

Fjallað er um hugtök, aðferðir og reiknirit á sviði gervigreindar, með áherslu á studdan og óstuddan lærdóm. Forvinnsla og myndræn framsetning gagna. Mat á gæðum líkana og val á líkönum. Línuleg aðhvarfsgreining, næstu nágrannar, stoðvigravélar, tauganet, ákvarðanatré og safnaðferðir. Djúpur lærdómur. Þyrpingagreining og k-means aðferðin. Nemendur útfæra einföld reiknirit í Python og læra á sérhæfða forritspakka. Námskeiðinu lýkur með hagnýtu verkefni.

Fjölbreytileg nálgun á stærðfræðikennslu í framhaldsskólum (SNU503M)

Námskeiðið verður næst kennt haustið 2024. Það er að öllu jöfnu kennt annað hvert ár.

Á námskeiðinu læra nemar að skipuleggja stærðfræðikennslu í framhaldsskóla þannig að hún sé fjölbreytt og taki mið af þörfum allra nemenda. Áhersla verður lögð á að nemendur kynnist fjölbreyttu námsumhverfi og kennsluháttum sem byggja á rannsóknum á stærðfræðinámi og -kennslu. Í námskeiðinu er fjallað um markmið stærðfræðináms og hvernig þau birtast í námskrám og stefnuritum bæði hér á landi og í nágrannalöndum. Nemendur lesa um og fá tækifæri til að reyna í verki fjölbreyttar leiðir við að meta og greina stærðfræðilega hæfni.
Vinnulag í námskeiðinu felst í fyrirlestrum, verkefnavinnu kynningum, vettvangstengdum viðfangsefnum og gagnrýnni umræðu um viðfangsefni. Áhersla verður lögð á að nemar ræði um áskoranir sem upp geta komið við kennslu og leiti sjálfir leiða við lausn á ýmsum vandamálum sem lúta að stærðfræðinámi og -kennslu.

BS-verkefni (STÆ262L)

Nemendur velja sér verkefni í samráði við einhvern kennara námsbrautar í stærðfræði. Verkefnið er unnið með leiðsögn tveggja manna og skal a.m.k. annar þeirra tilheyra námsbraut í stærðfræði. Námsbraut í stærðfræði þarf að staðfesta áætlun sem nemandi og leiðbeinendur leggja fram í sameiningu. Verkefninu lýkur með samningu ritgerðar og fyrirlestri. Ekki er gefin einkunn fyrir verkefnið en umsjónarmenn stafesta að nemandi hafi  staðist námskröfur.

Upplýsingar um skil á verkefni
Skil eru í maí fyrir júníbrautskráningu
Skil eru í september fyrir októberbrautskráningu
Skil eru í janúar fyrir febrúarbrautskráningu

Í upphafi misseris koma nemandi og leiðbeinandi sér upp tímalínu um skil á verkefni

Skil á fullbúnu verkefni til leiðbeinanda/umsjónarkennara er 10. maí/ september/ janúar

Skil nemanda inn á Skemmu eru í síðasta lagi 30. maí/ september/ janúar og senda þarf staðfestingu um samþykkt skil á nemvon@hi.is

Einkunn frá leiðbeinanda á að hafa borist skrifstofu í síðasta lagi 30. maí/ september/ janúar

Kennileg línuleg tölfræðilíkön (STÆ310M)

Einföld og fjölvíð aðhvarfsgreining, fervikagreining og samvikagreining, ályktanir, dreifni og samdreifni metla, mátpróf með frávika- og áhrifagreiningu, samtíma ályktanir. Almenn líkuleg líkön sem ofanvörp, fervikagreining sem sértilvik, samtíma öryggismörk á samanburðarföll. R notað í verkefnum. Lausnum verkefna er skilað i LaTeX og PDF.

Til viðbótar  er tekið efni eftir vali, t.d. útvíkkuð línuleg líkön (GLM), ólínuleg aðhvarfsgreining og/eða slembiþáttalíkön (random/mixed effects models) og/eða skóreimaaðferðir (bootstrap) o.s.frv.

Nemendur kynna lausnir verkefna, sem áður hefur verið skilað inn í gegnum vefsíðu.

Námskeiðið er kennt þegar ártalið er slétt tala.

Hagnýtt línuleg tölfræðilíkön (STÆ312M)

Í námskeiðinu er fjallað um einfalda og fjölvíða aðhvarfsgreiningu ásamt fervikagreiningu (ANOVA) og samvikagreiningu (ANCOVA). Að auki er farið í tvíkosta aðhvarfsgreiningu (binomial regression) og rætt um hugtök því tengt, svo sem gagnlíkindi (odds) og gagnlíkindahlutfall (odds ratio).
Námskeiðið er framhald af dæmigerðu grunnnámskeiði í tölfræði sem kennd eru á hinum ýmsu sviðum skólans. Farið verður í aðferðir til að meta stika í línulegum líkönum, hvernig smíða má öryggisbil og kanna tilgátur fyrir stikana, hverjar forsendur líkananna eru og hvað hægt sé að gera sé þeim ekki fullnægt. Verkefni eru unnin í tölfræðihugbúnaðinum R.

Töluleg línuleg algebra (STÆ511M)

Ítrekunaraðferðir fyrir jöfnuhneppi.  Ýmsar þáttanir fylkja eins og QR, Cholesky, Jordan, Schur, rófþáttun og sérstöðupunktaþáttun (SVD) og hagnýtingar þeirra.  Strjál Fourierummyndun (DFT) og hröð algrím til framkvæmdar hennar (FFT).  Strjál Kósínusummyndun (DCT) í tvívídd og hagnýtingar í þjöppun hljóðs (MP3, AAC) og mynda (JPEG).  Rýr fylki og framsetning á þeim.

Sérstök áhersla verður lögð á hagnýtingu þeirra efnisatriða sem farið er í og tölulegar aðferðir.

Netafræði (STÆ520M)

Net, netamótanir og netaeinsmótanir. Hlutnet, spannandi hlutnet. Vegir, tengd net. Örvanet. Tvíhlutanet. Euler-net og Hamilton-net; setningar Chvátals, Pósa, Ores og Diracs. Keppnisnet. Tré, spannandi tré, trjáfylkjasetningin, Cayley-setningin. Vegin net, reiknirit Kruskals og Dijkstra. Flæðinet, setning um hámarksflæði og lágmarkssnið, Ford-Fulkerson-reikniritið, Menger-setningin. Spyrðingar, Berge-setningin, giftingarsetning Halls, König-Egerváry-setningin, Kuhn-Munkres-reikniritið. Óaðskiljanleg net, tvítengd net. Lagnet, Euler-formúla, Kuratowski-setningin, nykurnet. Greypingar neta í fleti, Ringel-Youngs-Mayer-setningin. Litanir, litunarsetning Heawoods, Brooks-setningin, litamargliða; leggjalitanir, Vizing-setningin.

Dreififöll (STÆ523M)

Fjallað er um undirstöðuatriði um dreififöll og hagnýtinga um hlutafleiðujöfnur.

Viðfangsefni: Prófunarföll, dreififöll, deildun dreififalla, samleitni runa af dreififöllum, Taylor-liðun í mörgum breytistærðum, staðbinding, dreififöll með þjappaða stoð, margföldun falla og dreififalla, samskeyting varpana og dreififalla, földun dreififalla, grunnlausnir, Fourier-ummyndun, Fourier-raðir, grunnlausnir og Fourier-ummyndun.

Inngangur að rökfræði (STÆ528M)

Röksemdafærslur, sannanir. Samtengingar, fullyrðingareikningur, sannföll og sísönnur. Formleg mál, frumsendur, rökreglur, sísönnusetningin. Magnarar. Mál og kenningar fyrstu stéttar. Mynstur og líkön. Fullkomleikasetningin. Setning Löwenheims og Skolems. Reiknanleiki, rakin föll. Setning Gödels.

Hagnýt Bayesísk tölfræði (STÆ529M)

Markmið: Að kenna nemendum að beita ýmsum aðferðum úr Bayesískri tölfræði fyrir greiningu gagna. Námsefni: Fræðileg undirstaða Bayesískrar ályktunartölfræði, fyrirframdreifingar, gagnadreifingar og eftirádreifingar. Bayesísk ályktunartölfræði fyrir stika í einvíðum og margvíðum líkindadreifingum: tvíkosta-; normal-; Possion; veldis-; margvíð normal-; fjölkostadreifing.  Mat á gæðum líkans og samanburður á líkönum: Bayesísk p-gildi; deviance information criterion (DIC). Bayesísk hermun: Markov keðju Monte Carlo (MCMC) aðferðir; Gibbs sampler; Metropolis-Hastings skref; mat á samleitni. Línuleg líkön: normal línuleg líkön; stigskipt normal línuleg líkön; almenn línuleg líkön. Áhersla á greiningu gagna með forritum eins og Matlab og R.

Fléttufræði (STÆ533M)

Námskeiðið er ætlað nemendum á öðru og þriðja ári. Markmiðið er að kynna nemendum ýmis fléttufræðileg kerfi, aðferðir við talningu og gagnlega eiginleika. Hagnýtingar á þessum kerfum og aðferðum.

Tölulegar lausnir á hlutafleiðujöfnum (STÆ537M)

Markmið námskeiðsins er að kynna aðferðir til tölulegrar úrlausnar á hlutafleiðujöfnum og forritun þeirra. 

Viðfangsefni:

Fleyggerar hlutafleiðujöfnur (varmajafnan), breiðgerar hlutafleiðujöfnur (bylgjujafnan) og sporgerar hlutafleiðujöfnur (Poisson- og Laplace jafnan).  Mismunaaðferðir, samleguaðferðir og bútaaðferðir.  Stöðugleiki lausnaraðferða, CFL skilyrðið og Crank-Nicolson skemað. Ólínulegar hlutafleiðujöfnur og Turing-mynstur.  Samband slembigangs og Poisson/Laplace hlutafleiðujafna.

Formleg mál og reiknanleiki (TÖL301G)

Endanlegar stöðuvélar, regluleg mál og málskipan, staflavélar, samhengisóháð mál og málskipan, Turingvélar, almenn mál og málskipan og helstu eiginleikar þeirra.

Ávarðanleg og listanleg mál, yfirfærsla milli mála, tengsl við ákvörðnarverkefni og sönnun á óleysanleika slíkra verkefna. Flækjustigsflokkarnir P og NP og NP-fullkomleiki. Dæmi um ýmis líkön af reiknanleika.

Reiknirit í lífupplýsingafræði (TÖL504M)

Efni námskeiðsins eru helstu reiknirit sem notuð eru í lífupplýsingafræði. Í upphafi er stutt yfirlit yfir erfðamengjafræði og reiknirit fyrir nemendur af öðrum sviðum. Námskeiðinu er skipt upp í nokkrar einingar og er hverri ætlað að fara yfir einstök verkefni í lífupplýsingafræði sem mótast af rannsóknarverkefnum. Hver eining samanstendur af verkefnislýsingu og aðferðum sem beitt er við úrlausn. Viðfangsefnin verða m.a. mynstraleit, strengjafjarlægð, samröðun gena og erfðamengja, þyrpingagreining, raðgreining og myndun erfðamengja og að lokum aðferðir við úrvinnslu úr háhraðaraðgreiningar gögnum.

Rekstrarbókhald (VIÐ204G)

Kynning á rekstrarbókhaldi. Kynnt verða fjölmörg kostnaðarhugtök og kostnaðargreining (núllpunktsgreining). Farið yfir helstu aðferðir við bókun framleiðslukostnaðar og skiptingu óbeins kostnaðar. Munurinn á rekstrarreikningi út frá aðferð fjárhagsbókhalds og með framlegðarútreikningi. Áætlanagerð, staðalbókhald og frávikagreining. Frammistöðumat deilda og afurða og skipting kostnaðar. Að námskeiðinu loknu eiga nemendur að hafa góðan skilning á mikilvægi rekstrarbókhalds við ákvarðanatöku um rekstur fyrirtækja.

Eindahagfræði II (Rekstrarhagfræði II) (HAG201G)

Námskeiðið er framhald af Inngangur að hagfræði/Rekstrarhagfræði I. Áhersla er lögð á nemar öðlist bæði víðtækari og dýpri þekkingu á kenningum hagfræðinnar. Það verður gert með því að gera frekari grein fyrir helstu kenningum í rekstrarhagfræði og sýna hvernig nota megi fræðin til að fjalla skipulega um margvísleg mál.

Stærðfræði fyrir eðlisfræðinga II (EÐL408G)

Python verkfæri tengd gagnaúrvinnslu og gerð grafa. Diffurjöfnur og notkun þeirra við lýsingu eðlisfræðilegra kerfa. Hlutafleiðjöfnur og jaðargildisverkni. Sértæk stærðfræðiföll og tengsla þeirra við mikilvæg eðlisfræðileg kerfi. Áhersla er lögð á hagnýtingar og lausnir verkefna.

Stýring fjármálasafna (VIÐ604G)

Fjallað verður um þá aðferðafræði sem liggur að baki ákvarðanatöku fjárfesta og fyrirtækja við myndun og stýringu eigna- og skuldasafna. Áhættustýring fyrirtækja verður einnig tekin fyrir.

Námskeiðið er kennt á ensku

Reikningsskil (VIÐ401G)

Námskeiðið er framhald af Inngangi að fjárhagsbókhaldi. Lögð er áhersla á færslutæknileg atriði í bókhaldi og við lokun uppgjörstímabils, niðurfærsla viðskiptakrafna, afskriftir varanlegra rekstrarfjármuna, viðskiptavild og aðrar óefnislegar eignir, birgðamatsaðferðir, afföll og yfirverð á skuldabréfum, ábyrgðarskuldbindingar, tekjuskattsskuldbinding o.fl. Flokkun áhættufjármuna og peningalegra eigna. Sjóðstreymi. Fyrirmæli laga um ársreikninga verða skoðuð rækilega og höfð hliðsjón af alþjóðlegum reikningsskilastöðlum, IFRS. Útreikningur tekjuskatts er tekinn til meðferðar. Lögð verða verkefni fyrir nemendur í því skyni að gera þá færa um að semja tiltölulega einfaldan ársreikning. Skilaskylt heimaverkefni.

Stýring fjármálasafna (VIÐ604G)

Fjallað verður um þá aðferðafræði sem liggur að baki ákvarðanatöku fjárfesta og fyrirtækja við myndun og stýringu eigna- og skuldasafna. Áhættustýring fyrirtækja verður einnig tekin fyrir.

Námskeiðið er kennt á ensku

Grundvöllur líkindafræðinnar (STÆ418M)

Líkindi á grundvelli mál- og tegurfræði.

Viðfangsefni: Líkindi, útvíkkunarsetningar, óhæði, væntigildi. Borel-Cantelli-setningin og 0-1 lögmál Kolmogorovs.  Ójöfnur og hin veiku og sterku lögmál mikils fjölda. Samleitni í hverjum punkti, í líkindum, með líkunum einn, í dreifingu og í heildarviki. Tengiaðferðir. Höfuðmarkgildissetningin. Skilyrt líkindi og væntigildi.

Mál- og tegurfræði (STÆ402M)

Kennt á vormisseri þegar ártal er oddatala.

Málrúm, mál og ytri mál. Lebesgue-málið á Rn. Mælanleg föll, setning um einhalla samleitni, hjálparsetning Fatous. Heildanleg föll, setning Lebesgues um yfirgnæfða samleitni og afleiðingar. Ójöfnur Hölders og Minkowskis, Lp-rúm, málrúma, setningar Tonellis og Fubinis. Tvinnmál. Jordan-liðun og Lebesgue-liðun mála, Radon-Níkodým-setning. Samfelld línuleg föll á Lp-rúmum. Myndmál, innsetningarsetning fyrir Lebesgue-heildið á Rn.

Fjármál II (VIÐ402G)

Góðir stjórnarhættir og sérstaklega vönduð fjármálastjórnun hafa úrslitaáhrif á  rekstrarárangur fyrirtækja. Fjármál II er framhald af Fjármálum I þar sem meginviðfangsefnið er fyrirtækið sjálft og hvernig það er rekið í fjármálalegu tilliti.  Þá er farið yfir hvað eru góðir stjórnarhættir, hvernig hvatarnir liggja innan fyrirtækja og hvaða áhrif þeir kunna að hafa á fjárhagslega afkomu félagsins.  Meginviðfangsefni námskeiðsins er fjármálastjórnun, þ.e. fjármagnsskipan félagsins, skammtíma fjármögnun og langtímafjármögnun, gerð fjármögnunaráætlana, arðgreiðslur til hluthafa,  fjárfestingarákvarðanir félagsins, hlutskipti og hegðan þess á fjármálamarkaðnum sjálfum.  Þá verður einnig farið yfir þær ákvarðanir sem stjórnendur standa frammi fyrir þegar verulegir fjárhagserfiðleikar eiga sér stað.

Ársreikningagerð B (VIÐ604M)

Námskeiðið er beint framhald af námskeiðinu Ársreikningagerð A, sem kennt er á haustmisseri. Reiknað er með að nemendum þessa námskeiðs sé fullkunnugt efni fyrra námskeiðsins.
Í námskeiðinu verður fjallað um gildandi reglur í reikningshaldi samkvæmt IFRS og ákvæðum íslenskra laga. Umfjöllunarefni:  sjóðstreymi, tekjuskattur, hagnaður á hlut, fjármálagerningar, tekjuskráning, skuldbindingar, fjármögnunarleigusamningar, fastafjármunir til sölu og aflagður rekstur, fjárfestingaeignir, skuldbindingar, upplýsingar í ársreikningi og tengdir aðilar.

Verkefni verða lögð fyrir og er skilaskylda á þeim.
Áskilinn réttur til breytingar á námskeiðslýsingu.

Stærðfræði fyrir eðlisfræðinga I (STÆ211G)

Python verkfæri tengd gagnaúrvinnslu og gerð grafa. Stærðfræðihugtök eins og vigrar, fylki, diffurvirkjar í þremur víddum, ummyndanir á milli hnitakerfa, hlutafleiðujöfnur og Fourier raðir og tengsl þeirra við efnistök grunnnámskeiða í eðlisvísindum. Áhersla er lögð á hagnýtingar og lausnir verkefna.

Reiknirit í lífupplýsingafræði (TÖL604M)

Efni námskeiðsins eru helstu reiknirit sem notuð eru í lífupplýsingafræði. Í upphafi er stutt yfirlit yfir erfðamengjafræði og reiknirit fyrir nemendur af öðrum sviðum. Námskeiðinu er skipt upp í nokkrar einingar og er hverri ætlað að fara yfir einstök verkefni í lífupplýsingafræði sem mótast af rannsóknarverkefnum. Hver eining samanstendur af verkefnislýsingu og aðferðum sem beitt er við úrlausn. Viðfangsefnin verða m.a. mynstraleit, strengjafjarlægð, samröðun gena og erfðamengja, þyrpingagreining, raðgreining og myndun erfðamengja og að lokum aðferðir við úrvinnslu úr háhraðaraðgreiningar gögnum.

Stærðfræðileg eðlisfræði (EÐL612M)

Markmið: Að kynna stærðfræðilegar aðferðir sem nytsamar eru í eðlisfræði og veita þjálfun í beitingu þeirra. Námsefni: Hljóðbylgjur í vökvum og lofttegundum. Spennutensor og þenslutensor, almennar hreyfingarjöfnur fyrir samfellt efni. Jarðskjálftabylgjur. Jöfnur Maxwells og rafsegulbylgjur. Flatar bylgjur, skautun, endurkast og brot. Dreififöll og Fourier-greining. Grunnlausnir og Green-föll hlutafleiðujafna. Bylgjur í einsleitum efnum. Lögmál Huygens og setning Leifs Ásgeirssonar. Tvístur (dispersion. Fasahraði og grúpuhraði. Jöfnur Kramers og Kronigs. Aðferð hins stöðuga fasa. Bylgjur á yfirborði vökva.

Aðgerðagreining (IÐN401G)

Í námskeiðinu er nemendum kynnt hvernig gera á skipulega mynd af ákvörðunar- og bestunarverkefnum í aðgerðagreiningu.
Að námskeiði loknu eiga nemendur að hafa færni í að setja upp, greina og leysa stærðfræðileg líkön sem standa fyrir raunhæfum verkefnum og hvernig meta eigi lausn þeirra á gagnrýninn hátt. Tekin eru fyrir línuleg bestun og Simplex aðferðin, auk skyld fræðileg efni.
Námskeiðið kynnir auk þess stærðfræðileg líkön fyrir einstök verkefni; flutningsverkefni, úthlutunarverkefni, netverkefni og heiltölubestun. Nemendur kynnast einnig sérhæfðu forritunarmáli við líkangerð fyrir línulega bestun.

Hagnýt gagnagreining (MAS202M)

Námskeiðið fjallar um tölfræðiúrvinnslu í forritinu R. Gert er ráð fyrir að nemendur hafi grunnþekkingu í tölfræði og tölfræðihugbúnaðnum R. Æskilegt er að nemendur þekki til margbreytu aðhvarfsgreiningar (e. multiple linear regression). Nemendur læra að beita hinum ýmsu tölfræðiaðferðum í R (ss. classification methods, resampling methods, linear model selection og tree-based methods). Námskeiðið er kennt á tólf vikum og verður það á vendikennsluformi þar sem nemendur lesa námsefni og horfa á myndbönd áður en þeir mæta í tíma og fá svo aðstoð með fyrirliggjandi verkefni í tímum.

BS-verkefni (STÆ262L)

Nemendur velja sér verkefni í samráði við einhvern kennara námsbrautar í stærðfræði. Verkefnið er unnið með leiðsögn tveggja manna og skal a.m.k. annar þeirra tilheyra námsbraut í stærðfræði. Námsbraut í stærðfræði þarf að staðfesta áætlun sem nemandi og leiðbeinendur leggja fram í sameiningu. Verkefninu lýkur með samningu ritgerðar og fyrirlestri. Ekki er gefin einkunn fyrir verkefnið en umsjónarmenn stafesta að nemandi hafi  staðist námskröfur.

Upplýsingar um skil á verkefni
Skil eru í maí fyrir júníbrautskráningu
Skil eru í september fyrir októberbrautskráningu
Skil eru í janúar fyrir febrúarbrautskráningu

Í upphafi misseris koma nemandi og leiðbeinandi sér upp tímalínu um skil á verkefni

Skil á fullbúnu verkefni til leiðbeinanda/umsjónarkennara er 10. maí/ september/ janúar

Skil nemanda inn á Skemmu eru í síðasta lagi 30. maí/ september/ janúar og senda þarf staðfestingu um samþykkt skil á nemvon@hi.is

Einkunn frá leiðbeinanda á að hafa borist skrifstofu í síðasta lagi 30. maí/ september/ janúar

Stærðfræðigreining IV (STÆ401G)

Markmið: Að kynna fyrir nemendum Fourier-greiningu og hlutafleiðujöfnur og hagnýtingu á þeim.

Lýsing: Fourier-raðir og þverstöðluð fallakerfi, jaðargildisverkefni fyrir venjulega afleiðuvirkja, eigingildisverkefni fyrir Sturm-Liouville-virkja, Fourier-ummyndun, bylgjujafnan, varmaleiðnijafnan og Laplace-jafnan leystar á ýmsum svæðum í einni, tveimur og þremur víddum með aðferðum úr fyrri hluta námskeiðsins, aðskilnaður breytistærða, grunnlausn, Green-föll, speglunaraðferðin.

Grannfræði (STÆ419M)

Almenn grannfræði: Grannrúm og samfelldar varpanir. Hlutrúm, faldrúm og deildarúm. Samhangandi rúm og þjöppuð rúm. Aðskilnaðarfrumsendur, hjálparsetning Urysohns og firðanleikasetning, algerlega regluleg rúm og þjappanir. 

Útsetningar á endanlegum grúpum (STÆ626M)

Skilgreining á línulegri útsetningu grúpu. Hjálparsetning Schur.
Grúpukennar. Grúpualgebran. Útsetningafræði samhverfugrúpunnar. Notkun útsetningarfræða í grúpufræði:  Setningar Frobeniusar og Burnsides.

Greining reiknirita (TÖL403G)

Aðferðir við hönnun og greiningu á tímaflækju reiknirita. Kynning og greining á reikniritum fyrir röðun, leit, netafræði og fylkjareikning. Torleysanleg vandamál, nálgunaraðferðir og slembin reiknirit.

Tölvunarfræði 1 (TÖL101G)

Einingar til BS-prófs gilda aðeins fyrir annaðhvort TÖL101G Tölvunarfræði 1 eða TÖL105G Tölvunarfræði 1a.

Forritunarmálið Java verður notað til að kynnast grundvallaratriðum í tölvuforritun. Æfingar í forritasmíð verða á dagskrá allt misserið. Áhersla verður lögð á skipulegar og rökstuddar aðferðir við smíði forrita og góða innri skjölun. Helstu hugtök tengd tölvum og forritun. Klasar, hlutir og aðferðir. Stýrisetningar. Strengir og fylki, aðgerðir og innbyggð föll. Inntaks- og úttaksaðgerðir. Erfðir. Hugtök varðandi hönnun og byggingu kerfa og vinnubrögð við forritun. Ítrun og endurkvæmni. Röðun og leit.

Stærðfræðimynstur (TÖL104G)

Yrðingar, umsagnir og rökleiðingar. Mengjareikningur og Boolealgebrur. Þrepun og endurkvæmni. Grunnaðferðir við greiningu reiknirita og talningu. Einföld reiknirit í talnafræði. Vensl, eiginleikar þeirra og framsetning. Tré og net og einföld reiknirit tengd þeim. Strengir, dæmi um mál, stöðuvélar og málskipan.

Dæmatímar
Það eru 7 dæmahópar og nemendur velja sér hóp. Dæmatímar eru tvennskonar:
Venjulegir (5 hópar): 2x40 mín. vikulega, á eftir hverjum er 40 mín. stoðtími 
Hraðferðir (2 hópar): 1x40 mín. vikulega
Sjá nánar í stundaskrá

Stærðfræðigreining IA (STÆ101G)

Talnakerfin. Rauntölur og hugtökin efra mark og neðra mark, tvinntölur. Mengi náttúrulegra talna og þrepasannanir. Föll og varpanir. Runur og runumarkgildi. Raðir. Samleitnipróf og skilorðsbundin samleitni raðar. Markgildi og samfelld föll. Helstu eiginleikar samfelldra falla. Hornaföll. Diffrun. Helstu reglur um diffrun. Útgildi. Meðalgildissetningin. Nálgun diffranlegra falla með margliðum. Tegrun. Tengsl tegrunar og diffrunar. Ýmis algeng föll. Ýmsar aðferðir til að reikna út stofnföll. Veldaraðir. Fyrsta stigs diffurjöfnur. Tvinngild föll og annars stigs diffurjöfnur.

Línuleg algebra A (STÆ106G)

Fjallað er um undirstöðuatriði línulegar algebru yfir rauntölurnar með áherslu á fræðilegu hliðina.

Viðfangsefni: Línuleg jöfnuhneppi,fylkjareikningur, Gauss-eyðing og Gauss-Jordan-aðferð.  Vigurrúm og hlutrúm þeirra.  Línulega óháð hlutmengi, grunnar og vídd.  Línulegar varpanir, myndrúm og kjarni.  Depilmargfeldi, lengd og horn.  Rúmmál í margvíðu hnitarúmi og krossfeldi í þrívíðu.  Flatneskjur og stikaframsetning þeirra.  Hornrétt ofanvörp og þverstaðlaðir grunnar.  Aðferð Grams og Schmidts.  Ákveður og andhverfur fylkja.  Eigingildi, eiginvigrar og hornalínugerningur.

Tölvunarfræði 2 (TÖL203G)

Námskeiðið mun nota forritunarmálið Java. Fjallað er um gagnaskipan, reiknirit og huglæg gagnatög. Meðal gagnaskipana, sem farið er yfir, eru listar, hlaðar, biðraðir, forgangsbiðraðir, tré, tvítré, tvíleitartré og hrúgur auk viðkomandi reiknirita. Kynnt verða ýmis leitar- og röðunarreiknirit. Reiknirit eru greind, hvað þau taka langan tíma í vinnslu og hve mikið minnisrými. Forritunarverkefni, sem nota áðurnefnda gagnaskipan og reiknirit, eru leyst í Java. Mörg lítil forritunarverkefni verða í námskeiðinu.

Mengi og firðrúm (STÆ202G)

Mengjafræði: Vensl; jafngildisvensl og raðvensl. Teljanleg mengi og óteljanleg. Samstétta mengi. Uppbygging talnakerfanna. Frumatriði um firðrúm: Opin mengi og lokuð, samleitnar runur og Cauchy-runur, þéttipunktar. Samfelldni og samfelldni í jöfnum mæli. Samleitni og samleitni í jöfnum mæli. Fallarunur og fallaraðir. Þjöppuð firðrúm. Samhangandi mengi. Fullkomin firðrúm og fullkomnun firðrúms. Fastapunktssetning Banachs; tilvistarsetning um afleiðujöfnu fyrstu raðar. Kennslubækur ákveðnar síðar.

Líkindareikningur og tölfræði (STÆ203G)

Grundvallarhugtök í líkindafræði og tölfræði, stærðfræðileg undirstaða þeirra og beiting með tölfræðihugbúnaðinum R. 

• Líkindi, slembistærðir og væntigildi þeirra
• Mikilvægar líkindadreifingar
• Úrtök, lýsistærðir og úrtaksdreifing lýsistærða
• Metlar og öryggisbil
• Hugmyndafræði tilgátuprófa
• Mikilvæg tilgátupróf
• Línuleg aðhvarfsgreining

Stærðfræðigreining IIA (STÆ207G)

Áhersla er lögð á fræðilega hlið efnisins. Stefnt er að því að nemendur öðlist skilning á grundvallarhugtökum og kunni að beita þeim, bæði í fræðilegu samhengi og í útreikningi. Opin mengi og lokuð. Varpanir, markgildi og samfelldni. Deildanlegar varpanir, hlutafleiður og keðjuregla. Jacobi-fylki. Stiglar og stefnuafleiður. Blandaðar hlutafleiður. Ferlar. Vigursvið og streymi. Sívalningshnit og kúluhnit. Taylor-margliður. Útgildi og flokkun stöðupunkta. Skilyrt útgildi. Fólgin föll og staðbundnar andhverfur. Ferilheildi og mætti vigursviða. Heildun falla af mörgum breytistærðum. Óeiginleg heildi. Setning Greens. Einfaldlega samanhangandi svæði. Breytuskipti í margföldu heildi. Heildun á flötum. Flatarheildi vigursviðs. Setningar Stokes og Gauss.

Inngangur að líkindafræði (STÆ210G)

Þetta er viðbót við námskeiðið "Líkindareikningur og tölfræði" STÆ203G. Farið er ítarlegar í frumatriði líkindafræðinnar með áherslu á skilgreiningar og sannanir. Námskeiðið er undirbúningur fyrir M-námskeiðin tvö í líkindafræði og M-námskeiðin tvö í tölfræði sem kennd eru á víxl annað hvert ár.

Viðfangsefni umfram þau sem koma við sögu í líkindahluta STÆ203G:

Skilgreining Kolmogorovs. Útleiðslur á reglum um samsetta atburði og skilyrt líkindi. Útleiðsla fyrir strjálar og samfelldar stærðir á reglum um væntigildi, dreifni, samdreifni, fylgni, og skilyrt væntigildi og dreifni. Útleiðslur á reglum um Bernoulli-, tvíkosta-, Poisson-, jafnar, veldis-, normlegar og gamma-stærðir. Útleiðsla á halasummureglu væntigildis og útleiðsla á væntigildi strjálu veldisstærðarinnar. Útleiðsla á reglunni um minnisleysi og veldisstærðir. Útleiðsla á dreifingum summu óháðra stærða s.s. tvíkosta-, Poisson-, normlegra og gamma-stærða. Líkinda- og vægisframleiðsluföll.

Hagnýtt línuleg tölfræðilíkön (STÆ312M)

Í námskeiðinu er fjallað um einfalda og fjölvíða aðhvarfsgreiningu ásamt fervikagreiningu (ANOVA) og samvikagreiningu (ANCOVA). Að auki er farið í tvíkosta aðhvarfsgreiningu (binomial regression) og rætt um hugtök því tengt, svo sem gagnlíkindi (odds) og gagnlíkindahlutfall (odds ratio).
Námskeiðið er framhald af dæmigerðu grunnnámskeiði í tölfræði sem kennd eru á hinum ýmsu sviðum skólans. Farið verður í aðferðir til að meta stika í línulegum líkönum, hvernig smíða má öryggisbil og kanna tilgátur fyrir stikana, hverjar forsendur líkananna eru og hvað hægt sé að gera sé þeim ekki fullnægt. Verkefni eru unnin í tölfræðihugbúnaðinum R.

Tvinnfallagreining I (STÆ301G)

Tvinntölur og grannfræði tvinntalnasléttunnar. Runur og raðir af tvinntölum. Deildanleg og fáguð föll. Fallarunur og raðir, sér í lagi veldaraðir. Vegheildun og stofnföll. Veldisvísisfallið og skyld föll. Vafningstölur ferla. Cauchy-setningin, Cauchy-formúlan og afleiðingar. Samsemdarsetning, setning um opna vörpun og hágildissetning. Laurent-raðir, einangraðir sérstöðupunktar og flokkun þeirra. Leifasetningin og leifareikningur. Hornaukasetningin og Rouché-setningin. Tengsl við raunfallagreiningu: Cauchy-Riemann-jöfnurnar, þýð föll og heildisformúlur Poissons og Schwarz. Fáguð föll skilgreind með heildum (t. d. Laplace-ummyndun). Hornrækin vörpun og vörpunarsetning Riemanns.

Algebra (STÆ303G)

Grúpur, dæmi og helstu undirstöðuatriði. Samhverfugrúpur. Mótanir og normlegar hlutgrúpur. Baugar, dæmi og helstu undirstöðuatriði. Heilbaugar. Baugamótanir og íðul. Margliðubaugar og þáttun margliða. Valin viðfangsefni.

Stærðfræðigreining IIIA (STÆ304G)

Námskeiðið er kynning á þremur mikilvægum sviðum hagnýttrar stærðfræði, nánar tiltekið venjulegum diffurjöfnum, Fourier-röðum og hlutafleiðujöfnum. Fræðilegir undirstöðueiginleikar þeirra eru sannaðir og lausnaraðferðir kynntar. 

Viðfangsefni: Venjulegar diffurjöfnur: Línulegar diffurjöfnur af stigi n, Cauchy verkefni, tilvistarsetning Picards, lausn með veldaröðum og jöfnur með sérstöðupunktum. Fourier-raðir: Samleitni í hverjum punkti, í jöfnum mæli og í ferningsmeðaltali, jafna Parsevals.  Hlutafleiðujöfnur: Hitajafnan og bylgjujafnan á endanlegu bili leystar með aðskilnaði breytistærða og Fourier-röðum, lausnir þeirra bornar saman, Dirichlet verkefni fyrir Laplace-jöfnu á rétthyrningi og skifu, Poisson-heildisformúla.

Slembiferli (STÆ415M)

Inngangsatriði slembiferla með megináherslu á Markovkeðjur.

Viðfangsefni: Hittitími, stöðuþáttun, óþáttanleiki, lota, endurkvæmni (jákvæð og núll-), hverfulleiki, tenging, endurnýjun, jafnvægi, tíma-viðsnúningur, tenging úr fortíðinni, greinaferli, biðraðir, martingalar, Brownhreyfing.

Töluleg greining (STÆ405G)

Einingar til BS-prófs gilda aðeins fyrir annaðhvort REI201G Stærðfræði og reiknifræði eða STÆ405G Töluleg greining.

Undirstöðuhugtök um nálgun og skekkjumat. Lausn línulegra og ólínulegra jöfnuhneppa. PLU-þáttun. Margliðubrúun, splæsibrúun og aðhvarfsgreining. Töluleg nálgun afleiða og heilda. Útgiskun. Töluleg lausn upphafshafsgildisverkefna fyrir venjuleg afleiðujöfnuhneppi. Fjölskrefaaðferðir. Töluleg lausn jaðargildisverkefna fyrir venjulegar afleiðujöfnur.

Gefin er einkunn fyrir skriflegar úrlausnir á forritunarverkefnum og vegur hún 30% af heildareinkunn. Stúdent verður að hafa lágmarkseinkunn 5 bæði fyrir verkefni og lokapróf.

Kennileg töluleg greining (STÆ412G)

Þetta er viðbót við námskeiðið "Töluleg greining" STÆ405G. Farið er ítarlegar og fræðilegar í efnið sem tekið er fyrir í Tölulegri greiningu (STÆ405G) með áherslu á sannanir.

Aðgerðagreining (IÐN401G)

Í námskeiðinu er nemendum kynnt hvernig gera á skipulega mynd af ákvörðunar- og bestunarverkefnum í aðgerðagreiningu.
Að námskeiði loknu eiga nemendur að hafa færni í að setja upp, greina og leysa stærðfræðileg líkön sem standa fyrir raunhæfum verkefnum og hvernig meta eigi lausn þeirra á gagnrýninn hátt. Tekin eru fyrir línuleg bestun og Simplex aðferðin, auk skyld fræðileg efni.
Námskeiðið kynnir auk þess stærðfræðileg líkön fyrir einstök verkefni; flutningsverkefni, úthlutunarverkefni, netverkefni og heiltölubestun. Nemendur kynnast einnig sérhæfðu forritunarmáli við líkangerð fyrir línulega bestun.

Mál- og tegurfræði (STÆ402M)

Kennt á vormisseri þegar ártal er oddatala.

Málrúm, mál og ytri mál. Lebesgue-málið á Rn. Mælanleg föll, setning um einhalla samleitni, hjálparsetning Fatous. Heildanleg föll, setning Lebesgues um yfirgnæfða samleitni og afleiðingar. Ójöfnur Hölders og Minkowskis, Lp-rúm, málrúma, setningar Tonellis og Fubinis. Tvinnmál. Jordan-liðun og Lebesgue-liðun mála, Radon-Níkodým-setning. Samfelld línuleg föll á Lp-rúmum. Myndmál, innsetningarsetning fyrir Lebesgue-heildið á Rn.

Grundvöllur líkindafræðinnar (STÆ418M)

Líkindi á grundvelli mál- og tegurfræði.

Viðfangsefni: Líkindi, útvíkkunarsetningar, óhæði, væntigildi. Borel-Cantelli-setningin og 0-1 lögmál Kolmogorovs.  Ójöfnur og hin veiku og sterku lögmál mikils fjölda. Samleitni í hverjum punkti, í líkindum, með líkunum einn, í dreifingu og í heildarviki. Tengiaðferðir. Höfuðmarkgildissetningin. Skilyrt líkindi og væntigildi.

Línuleg algebra II (STÆ401M)

Mótlar og línulegar varpanir. Frjálsir mótlar og fylki. Deildamótlar og stuttar fleygaðar lestir. Nykurmótlar. Endanlega spannaðir mótlar yfir höfuðíðalbaug. Línulegir virkjar á endanlega víðum vigurrúmum.

Galois-fræði (STÆ403M)

Valin efni úr víxlinni algebru.

Viðfangsefni: Kroppar og útvíkkanir þeirra.  Algebrulegar útvíkkanir, normlegar úvíkkanir og aðskiljanlegar útvíkkanir.  Galois-fræði.  Notkunardæmi.  
Noether baugar.  Grunnasetning Hilberts.  Núllstöðvasetning Hilberts.

Kennileg línuleg tölfræðilíkön (STÆ310M)

Einföld og fjölvíð aðhvarfsgreining, fervikagreining og samvikagreining, ályktanir, dreifni og samdreifni metla, mátpróf með frávika- og áhrifagreiningu, samtíma ályktanir. Almenn líkuleg líkön sem ofanvörp, fervikagreining sem sértilvik, samtíma öryggismörk á samanburðarföll. R notað í verkefnum. Lausnum verkefna er skilað i LaTeX og PDF.

Til viðbótar  er tekið efni eftir vali, t.d. útvíkkuð línuleg líkön (GLM), ólínuleg aðhvarfsgreining og/eða slembiþáttalíkön (random/mixed effects models) og/eða skóreimaaðferðir (bootstrap) o.s.frv.

Nemendur kynna lausnir verkefna, sem áður hefur verið skilað inn í gegnum vefsíðu.

Námskeiðið er kennt þegar ártalið er slétt tala.

Grundvöllur tölfræðinnar (STÆ313M)

Sennileiki, tæmandi stærð, tæmanleikareglan, þvælistiki, skilyrðingarreglan, óbreytileikareglan, sennileikafræði. Tilgátupróf, einfaldar og samsettar tilgátur, Neyman-Pearson-setningin, styrkleiki, UMP-próf, óbreytileg próf. Umröðunarpróf, sætispróf. Bilmat, öryggisbil, öryggisstig, öryggissvæði. Punktmat, bjagi, meðalferskekkja. Verkefnum er skilað með notkun LaTeX og gilda 20% af lokaeinkunn.

Hagnýt Bayesísk tölfræði (STÆ529M)

Markmið: Að kenna nemendum að beita ýmsum aðferðum úr Bayesískri tölfræði fyrir greiningu gagna. Námsefni: Fræðileg undirstaða Bayesískrar ályktunartölfræði, fyrirframdreifingar, gagnadreifingar og eftirádreifingar. Bayesísk ályktunartölfræði fyrir stika í einvíðum og margvíðum líkindadreifingum: tvíkosta-; normal-; Possion; veldis-; margvíð normal-; fjölkostadreifing.  Mat á gæðum líkans og samanburður á líkönum: Bayesísk p-gildi; deviance information criterion (DIC). Bayesísk hermun: Markov keðju Monte Carlo (MCMC) aðferðir; Gibbs sampler; Metropolis-Hastings skref; mat á samleitni. Línuleg líkön: normal línuleg líkön; stigskipt normal línuleg líkön; almenn línuleg líkön. Áhersla á greiningu gagna með forritum eins og Matlab og R.

Samæfingar í stærðfræði (STÆ402G)

Námskeiðið er ætlað nemendum sem lokið hafa að minnsta kosti 120 ECTS einingum. Nemendur sem ekki hafa lokið 120 ECTS einingum og hafa áhuga á að taka námskeiðið þurfa að fá samþykki umsjónarmanns fyrir þátttöku í námskeiðinu.

Hver nemandi velur og kynnir sér tiltekið afmarkað viðfangsefni stærðfræðinnar eða tölfræðinnar og fær leiðbeinanda tengdan því. Viðfangsefni eru ólík milli ára. Listi yfir viðfangsefni er gefinn út í upphafi eða aðdraganda námskeiðsins og einnig geta nemendur stungið upp á viðfangsefnum (að því gefnu að leiðbeinandi finnist). Nemendur skrifa ritgerð um sitt viðfangsefni og undirbúa og halda fyrirlestur um það á nemendaráðstefnu. Meðan á námskeiðinu stendur veita nemendur hvert öðru uppbyggilega endurgjöf bæði hvað varðar ritgerðarskrif og undirbúning á fyrirlestri. Auk þess að kynna eigin verkefni á nemendaráðstefnunni taka nemendur virkan þátt, hlusta á samnemendur sína og spyrja spurninga.

Nýsköpun, vernd og hagnýting (VON101M)

Almennur inngangur að nýsköpun og helstu tegundum hugverkaréttar, þar sem fjallað verður um: vörumerki og mikilvægi vörumerkjastjórnunar, hönnunarverndar og höfundarréttar, grunnatriði einkaleyfa og beitingu þeirra, viðskiptaleyndarmál og kröfur sem þarf að upfylla til þess að þekking teljist viðskiptarleyndarmál ásamt stuttri umfjöllun um leiðir til að vernda hugbúnaðarlausnir.

Í kjölfarið verður farið í heimsókn til Íslensku Hugverkastofunnar, þar sem nemendur hljóta innsýn í umsóknarferli hugverkaréttinda. Rætt verður um nýsköpunar- og tæknihagnýtingu (e. tech transfer), auk möguleika á opinberum styrkjum og tengslum við fjárfesta. Reynslusögur úr nýsköpunariðnaði verða nýttar til að veita nemendum innsýn í reynslu sprotafyrirtækja og stefnumótun á hugverkum í hugverkarétti.

Nemendur velja eina hugmynd að uppfinningu í byrjun annar, og vinna samhliða fyrirlestrum að þróun hennar. Nemendur skoða t.a.m. hvaða leiðir eru færar til að vernda uppfinninguna hugmyndarinnar og ákveða hvernig hugverkavernd er best að nota, hvernighvaða þjónustu er hægt að nýta sér til að hraða á vexti hennar, hvernig er aðgengi að fjármögnun og setja fram langtímamarkmið.

(með fyrirvara um breytingar)

Aðgerðagreining 2 (IÐN508M)

Í námskeiðinu er nemendum kynnt hvernig gera á skipulega mynd af ákvörðunar- og bestunarverkefnum í aðgerðagreiningu. Að námskeiði loknu eiga nemendur að hafa færni í að setja upp, greina og leysa stærðfræðileg líkön sem standa fyrir raunhæfum verkefnum og hvernig meta eigi lausn þeirra á gagnrýninn hátt. Tekin er fyrir heiltölu og slembin verkefni (e. Integer Programming and Stochastic Programming). Nemendur kynnast líkangerð með Python.

R forritun (MAS102M)

Í námskeiðinu munu nemendur framkvæma hefðbundnar tölfræðiaðferðir á raunverulegum gagnasöfnum. Áhersla verður lögð á fjölbreytu aðhvarfsgreiningu (e. multiple linear regression). Nemendur beita fáguðum aðferðum við myndræna framsetningu sem og sjálfvirka skýrslugerð. Námsmat verður í formi raunhæfra verkefna þar sem nemendur framkvæma ofangreind atriði á raunverulegum gagnasöfnum með það fyrir augum að svara rannsóknarspurningum.

Gervigreind (REI505M)

Fjallað er um hugtök, aðferðir og reiknirit á sviði gervigreindar, með áherslu á studdan og óstuddan lærdóm. Forvinnsla og myndræn framsetning gagna. Mat á gæðum líkana og val á líkönum. Línuleg aðhvarfsgreining, næstu nágrannar, stoðvigravélar, tauganet, ákvarðanatré og safnaðferðir. Djúpur lærdómur. Þyrpingagreining og k-means aðferðin. Nemendur útfæra einföld reiknirit í Python og læra á sérhæfða forritspakka. Námskeiðinu lýkur með hagnýtu verkefni.

Fjölbreytileg nálgun á stærðfræðikennslu í framhaldsskólum (SNU503M)

Námskeiðið verður næst kennt haustið 2024. Það er að öllu jöfnu kennt annað hvert ár.

Á námskeiðinu læra nemar að skipuleggja stærðfræðikennslu í framhaldsskóla þannig að hún sé fjölbreytt og taki mið af þörfum allra nemenda. Áhersla verður lögð á að nemendur kynnist fjölbreyttu námsumhverfi og kennsluháttum sem byggja á rannsóknum á stærðfræðinámi og -kennslu. Í námskeiðinu er fjallað um markmið stærðfræðináms og hvernig þau birtast í námskrám og stefnuritum bæði hér á landi og í nágrannalöndum. Nemendur lesa um og fá tækifæri til að reyna í verki fjölbreyttar leiðir við að meta og greina stærðfræðilega hæfni.
Vinnulag í námskeiðinu felst í fyrirlestrum, verkefnavinnu kynningum, vettvangstengdum viðfangsefnum og gagnrýnni umræðu um viðfangsefni. Áhersla verður lögð á að nemar ræði um áskoranir sem upp geta komið við kennslu og leiti sjálfir leiða við lausn á ýmsum vandamálum sem lúta að stærðfræðinámi og -kennslu.

BS-verkefni (STÆ262L)

Nemendur velja sér verkefni í samráði við einhvern kennara námsbrautar í stærðfræði. Verkefnið er unnið með leiðsögn tveggja manna og skal a.m.k. annar þeirra tilheyra námsbraut í stærðfræði. Námsbraut í stærðfræði þarf að staðfesta áætlun sem nemandi og leiðbeinendur leggja fram í sameiningu. Verkefninu lýkur með samningu ritgerðar og fyrirlestri. Ekki er gefin einkunn fyrir verkefnið en umsjónarmenn stafesta að nemandi hafi  staðist námskröfur.

Upplýsingar um skil á verkefni
Skil eru í maí fyrir júníbrautskráningu
Skil eru í september fyrir októberbrautskráningu
Skil eru í janúar fyrir febrúarbrautskráningu

Í upphafi misseris koma nemandi og leiðbeinandi sér upp tímalínu um skil á verkefni

Skil á fullbúnu verkefni til leiðbeinanda/umsjónarkennara er 10. maí/ september/ janúar

Skil nemanda inn á Skemmu eru í síðasta lagi 30. maí/ september/ janúar og senda þarf staðfestingu um samþykkt skil á nemvon@hi.is

Einkunn frá leiðbeinanda á að hafa borist skrifstofu í síðasta lagi 30. maí/ september/ janúar

Kennileg línuleg tölfræðilíkön (STÆ310M)

Einföld og fjölvíð aðhvarfsgreining, fervikagreining og samvikagreining, ályktanir, dreifni og samdreifni metla, mátpróf með frávika- og áhrifagreiningu, samtíma ályktanir. Almenn líkuleg líkön sem ofanvörp, fervikagreining sem sértilvik, samtíma öryggismörk á samanburðarföll. R notað í verkefnum. Lausnum verkefna er skilað i LaTeX og PDF.

Til viðbótar  er tekið efni eftir vali, t.d. útvíkkuð línuleg líkön (GLM), ólínuleg aðhvarfsgreining og/eða slembiþáttalíkön (random/mixed effects models) og/eða skóreimaaðferðir (bootstrap) o.s.frv.

Nemendur kynna lausnir verkefna, sem áður hefur verið skilað inn í gegnum vefsíðu.

Námskeiðið er kennt þegar ártalið er slétt tala.

Hagnýtt línuleg tölfræðilíkön (STÆ312M)

Í námskeiðinu er fjallað um einfalda og fjölvíða aðhvarfsgreiningu ásamt fervikagreiningu (ANOVA) og samvikagreiningu (ANCOVA). Að auki er farið í tvíkosta aðhvarfsgreiningu (binomial regression) og rætt um hugtök því tengt, svo sem gagnlíkindi (odds) og gagnlíkindahlutfall (odds ratio).
Námskeiðið er framhald af dæmigerðu grunnnámskeiði í tölfræði sem kennd eru á hinum ýmsu sviðum skólans. Farið verður í aðferðir til að meta stika í línulegum líkönum, hvernig smíða má öryggisbil og kanna tilgátur fyrir stikana, hverjar forsendur líkananna eru og hvað hægt sé að gera sé þeim ekki fullnægt. Verkefni eru unnin í tölfræðihugbúnaðinum R.

Töluleg línuleg algebra (STÆ511M)

Ítrekunaraðferðir fyrir jöfnuhneppi.  Ýmsar þáttanir fylkja eins og QR, Cholesky, Jordan, Schur, rófþáttun og sérstöðupunktaþáttun (SVD) og hagnýtingar þeirra.  Strjál Fourierummyndun (DFT) og hröð algrím til framkvæmdar hennar (FFT).  Strjál Kósínusummyndun (DCT) í tvívídd og hagnýtingar í þjöppun hljóðs (MP3, AAC) og mynda (JPEG).  Rýr fylki og framsetning á þeim.

Sérstök áhersla verður lögð á hagnýtingu þeirra efnisatriða sem farið er í og tölulegar aðferðir.

Netafræði (STÆ520M)

Net, netamótanir og netaeinsmótanir. Hlutnet, spannandi hlutnet. Vegir, tengd net. Örvanet. Tvíhlutanet. Euler-net og Hamilton-net; setningar Chvátals, Pósa, Ores og Diracs. Keppnisnet. Tré, spannandi tré, trjáfylkjasetningin, Cayley-setningin. Vegin net, reiknirit Kruskals og Dijkstra. Flæðinet, setning um hámarksflæði og lágmarkssnið, Ford-Fulkerson-reikniritið, Menger-setningin. Spyrðingar, Berge-setningin, giftingarsetning Halls, König-Egerváry-setningin, Kuhn-Munkres-reikniritið. Óaðskiljanleg net, tvítengd net. Lagnet, Euler-formúla, Kuratowski-setningin, nykurnet. Greypingar neta í fleti, Ringel-Youngs-Mayer-setningin. Litanir, litunarsetning Heawoods, Brooks-setningin, litamargliða; leggjalitanir, Vizing-setningin.

Dreififöll (STÆ523M)

Fjallað er um undirstöðuatriði um dreififöll og hagnýtinga um hlutafleiðujöfnur.

Viðfangsefni: Prófunarföll, dreififöll, deildun dreififalla, samleitni runa af dreififöllum, Taylor-liðun í mörgum breytistærðum, staðbinding, dreififöll með þjappaða stoð, margföldun falla og dreififalla, samskeyting varpana og dreififalla, földun dreififalla, grunnlausnir, Fourier-ummyndun, Fourier-raðir, grunnlausnir og Fourier-ummyndun.

Inngangur að rökfræði (STÆ528M)

Röksemdafærslur, sannanir. Samtengingar, fullyrðingareikningur, sannföll og sísönnur. Formleg mál, frumsendur, rökreglur, sísönnusetningin. Magnarar. Mál og kenningar fyrstu stéttar. Mynstur og líkön. Fullkomleikasetningin. Setning Löwenheims og Skolems. Reiknanleiki, rakin föll. Setning Gödels.

Hagnýt Bayesísk tölfræði (STÆ529M)

Markmið: Að kenna nemendum að beita ýmsum aðferðum úr Bayesískri tölfræði fyrir greiningu gagna. Námsefni: Fræðileg undirstaða Bayesískrar ályktunartölfræði, fyrirframdreifingar, gagnadreifingar og eftirádreifingar. Bayesísk ályktunartölfræði fyrir stika í einvíðum og margvíðum líkindadreifingum: tvíkosta-; normal-; Possion; veldis-; margvíð normal-; fjölkostadreifing.  Mat á gæðum líkans og samanburður á líkönum: Bayesísk p-gildi; deviance information criterion (DIC). Bayesísk hermun: Markov keðju Monte Carlo (MCMC) aðferðir; Gibbs sampler; Metropolis-Hastings skref; mat á samleitni. Línuleg líkön: normal línuleg líkön; stigskipt normal línuleg líkön; almenn línuleg líkön. Áhersla á greiningu gagna með forritum eins og Matlab og R.

Fléttufræði (STÆ533M)

Námskeiðið er ætlað nemendum á öðru og þriðja ári. Markmiðið er að kynna nemendum ýmis fléttufræðileg kerfi, aðferðir við talningu og gagnlega eiginleika. Hagnýtingar á þessum kerfum og aðferðum.

Tölulegar lausnir á hlutafleiðujöfnum (STÆ537M)

Markmið námskeiðsins er að kynna aðferðir til tölulegrar úrlausnar á hlutafleiðujöfnum og forritun þeirra. 

Viðfangsefni:

Fleyggerar hlutafleiðujöfnur (varmajafnan), breiðgerar hlutafleiðujöfnur (bylgjujafnan) og sporgerar hlutafleiðujöfnur (Poisson- og Laplace jafnan).  Mismunaaðferðir, samleguaðferðir og bútaaðferðir.  Stöðugleiki lausnaraðferða, CFL skilyrðið og Crank-Nicolson skemað. Ólínulegar hlutafleiðujöfnur og Turing-mynstur.  Samband slembigangs og Poisson/Laplace hlutafleiðujafna.

Formleg mál og reiknanleiki (TÖL301G)

Endanlegar stöðuvélar, regluleg mál og málskipan, staflavélar, samhengisóháð mál og málskipan, Turingvélar, almenn mál og málskipan og helstu eiginleikar þeirra.

Ávarðanleg og listanleg mál, yfirfærsla milli mála, tengsl við ákvörðnarverkefni og sönnun á óleysanleika slíkra verkefna. Flækjustigsflokkarnir P og NP og NP-fullkomleiki. Dæmi um ýmis líkön af reiknanleika.

Reiknirit í lífupplýsingafræði (TÖL504M)

Efni námskeiðsins eru helstu reiknirit sem notuð eru í lífupplýsingafræði. Í upphafi er stutt yfirlit yfir erfðamengjafræði og reiknirit fyrir nemendur af öðrum sviðum. Námskeiðinu er skipt upp í nokkrar einingar og er hverri ætlað að fara yfir einstök verkefni í lífupplýsingafræði sem mótast af rannsóknarverkefnum. Hver eining samanstendur af verkefnislýsingu og aðferðum sem beitt er við úrlausn. Viðfangsefnin verða m.a. mynstraleit, strengjafjarlægð, samröðun gena og erfðamengja, þyrpingagreining, raðgreining og myndun erfðamengja og að lokum aðferðir við úrvinnslu úr háhraðaraðgreiningar gögnum.

Reiknirit í lífupplýsingafræði (TÖL604M)

Efni námskeiðsins eru helstu reiknirit sem notuð eru í lífupplýsingafræði. Í upphafi er stutt yfirlit yfir erfðamengjafræði og reiknirit fyrir nemendur af öðrum sviðum. Námskeiðinu er skipt upp í nokkrar einingar og er hverri ætlað að fara yfir einstök verkefni í lífupplýsingafræði sem mótast af rannsóknarverkefnum. Hver eining samanstendur af verkefnislýsingu og aðferðum sem beitt er við úrlausn. Viðfangsefnin verða m.a. mynstraleit, strengjafjarlægð, samröðun gena og erfðamengja, þyrpingagreining, raðgreining og myndun erfðamengja og að lokum aðferðir við úrvinnslu úr háhraðaraðgreiningar gögnum.

Stærðfræðileg eðlisfræði (EÐL612M)

Markmið: Að kynna stærðfræðilegar aðferðir sem nytsamar eru í eðlisfræði og veita þjálfun í beitingu þeirra. Námsefni: Hljóðbylgjur í vökvum og lofttegundum. Spennutensor og þenslutensor, almennar hreyfingarjöfnur fyrir samfellt efni. Jarðskjálftabylgjur. Jöfnur Maxwells og rafsegulbylgjur. Flatar bylgjur, skautun, endurkast og brot. Dreififöll og Fourier-greining. Grunnlausnir og Green-föll hlutafleiðujafna. Bylgjur í einsleitum efnum. Lögmál Huygens og setning Leifs Ásgeirssonar. Tvístur (dispersion. Fasahraði og grúpuhraði. Jöfnur Kramers og Kronigs. Aðferð hins stöðuga fasa. Bylgjur á yfirborði vökva.

Aðgerðagreining (IÐN401G)

Í námskeiðinu er nemendum kynnt hvernig gera á skipulega mynd af ákvörðunar- og bestunarverkefnum í aðgerðagreiningu.
Að námskeiði loknu eiga nemendur að hafa færni í að setja upp, greina og leysa stærðfræðileg líkön sem standa fyrir raunhæfum verkefnum og hvernig meta eigi lausn þeirra á gagnrýninn hátt. Tekin eru fyrir línuleg bestun og Simplex aðferðin, auk skyld fræðileg efni.
Námskeiðið kynnir auk þess stærðfræðileg líkön fyrir einstök verkefni; flutningsverkefni, úthlutunarverkefni, netverkefni og heiltölubestun. Nemendur kynnast einnig sérhæfðu forritunarmáli við líkangerð fyrir línulega bestun.

Hagnýt gagnagreining (MAS202M)

Námskeiðið fjallar um tölfræðiúrvinnslu í forritinu R. Gert er ráð fyrir að nemendur hafi grunnþekkingu í tölfræði og tölfræðihugbúnaðnum R. Æskilegt er að nemendur þekki til margbreytu aðhvarfsgreiningar (e. multiple linear regression). Nemendur læra að beita hinum ýmsu tölfræðiaðferðum í R (ss. classification methods, resampling methods, linear model selection og tree-based methods). Námskeiðið er kennt á tólf vikum og verður það á vendikennsluformi þar sem nemendur lesa námsefni og horfa á myndbönd áður en þeir mæta í tíma og fá svo aðstoð með fyrirliggjandi verkefni í tímum.

BS-verkefni (STÆ262L)

Nemendur velja sér verkefni í samráði við einhvern kennara námsbrautar í stærðfræði. Verkefnið er unnið með leiðsögn tveggja manna og skal a.m.k. annar þeirra tilheyra námsbraut í stærðfræði. Námsbraut í stærðfræði þarf að staðfesta áætlun sem nemandi og leiðbeinendur leggja fram í sameiningu. Verkefninu lýkur með samningu ritgerðar og fyrirlestri. Ekki er gefin einkunn fyrir verkefnið en umsjónarmenn stafesta að nemandi hafi  staðist námskröfur.

Upplýsingar um skil á verkefni
Skil eru í maí fyrir júníbrautskráningu
Skil eru í september fyrir októberbrautskráningu
Skil eru í janúar fyrir febrúarbrautskráningu

Í upphafi misseris koma nemandi og leiðbeinandi sér upp tímalínu um skil á verkefni

Skil á fullbúnu verkefni til leiðbeinanda/umsjónarkennara er 10. maí/ september/ janúar

Skil nemanda inn á Skemmu eru í síðasta lagi 30. maí/ september/ janúar og senda þarf staðfestingu um samþykkt skil á nemvon@hi.is

Einkunn frá leiðbeinanda á að hafa borist skrifstofu í síðasta lagi 30. maí/ september/ janúar

Stærðfræðigreining IV (STÆ401G)

Markmið: Að kynna fyrir nemendum Fourier-greiningu og hlutafleiðujöfnur og hagnýtingu á þeim.

Lýsing: Fourier-raðir og þverstöðluð fallakerfi, jaðargildisverkefni fyrir venjulega afleiðuvirkja, eigingildisverkefni fyrir Sturm-Liouville-virkja, Fourier-ummyndun, bylgjujafnan, varmaleiðnijafnan og Laplace-jafnan leystar á ýmsum svæðum í einni, tveimur og þremur víddum með aðferðum úr fyrri hluta námskeiðsins, aðskilnaður breytistærða, grunnlausn, Green-föll, speglunaraðferðin.

Grannfræði (STÆ419M)

Almenn grannfræði: Grannrúm og samfelldar varpanir. Hlutrúm, faldrúm og deildarúm. Samhangandi rúm og þjöppuð rúm. Aðskilnaðarfrumsendur, hjálparsetning Urysohns og firðanleikasetning, algerlega regluleg rúm og þjappanir. 

Útsetningar á endanlegum grúpum (STÆ626M)

Skilgreining á línulegri útsetningu grúpu. Hjálparsetning Schur.
Grúpukennar. Grúpualgebran. Útsetningafræði samhverfugrúpunnar. Notkun útsetningarfræða í grúpufræði:  Setningar Frobeniusar og Burnsides.

Greining reiknirita (TÖL403G)

Aðferðir við hönnun og greiningu á tímaflækju reiknirita. Kynning og greining á reikniritum fyrir röðun, leit, netafræði og fylkjareikning. Torleysanleg vandamál, nálgunaraðferðir og slembin reiknirit.

Tölvunarfræði 1 (TÖL101G)

Einingar til BS-prófs gilda aðeins fyrir annaðhvort TÖL101G Tölvunarfræði 1 eða TÖL105G Tölvunarfræði 1a.

Forritunarmálið Java verður notað til að kynnast grundvallaratriðum í tölvuforritun. Æfingar í forritasmíð verða á dagskrá allt misserið. Áhersla verður lögð á skipulegar og rökstuddar aðferðir við smíði forrita og góða innri skjölun. Helstu hugtök tengd tölvum og forritun. Klasar, hlutir og aðferðir. Stýrisetningar. Strengir og fylki, aðgerðir og innbyggð föll. Inntaks- og úttaksaðgerðir. Erfðir. Hugtök varðandi hönnun og byggingu kerfa og vinnubrögð við forritun. Ítrun og endurkvæmni. Röðun og leit.

Stærðfræðimynstur (TÖL104G)

Yrðingar, umsagnir og rökleiðingar. Mengjareikningur og Boolealgebrur. Þrepun og endurkvæmni. Grunnaðferðir við greiningu reiknirita og talningu. Einföld reiknirit í talnafræði. Vensl, eiginleikar þeirra og framsetning. Tré og net og einföld reiknirit tengd þeim. Strengir, dæmi um mál, stöðuvélar og málskipan.

Dæmatímar
Það eru 7 dæmahópar og nemendur velja sér hóp. Dæmatímar eru tvennskonar:
Venjulegir (5 hópar): 2x40 mín. vikulega, á eftir hverjum er 40 mín. stoðtími 
Hraðferðir (2 hópar): 1x40 mín. vikulega
Sjá nánar í stundaskrá

Stærðfræðigreining IA (STÆ101G)

Talnakerfin. Rauntölur og hugtökin efra mark og neðra mark, tvinntölur. Mengi náttúrulegra talna og þrepasannanir. Föll og varpanir. Runur og runumarkgildi. Raðir. Samleitnipróf og skilorðsbundin samleitni raðar. Markgildi og samfelld föll. Helstu eiginleikar samfelldra falla. Hornaföll. Diffrun. Helstu reglur um diffrun. Útgildi. Meðalgildissetningin. Nálgun diffranlegra falla með margliðum. Tegrun. Tengsl tegrunar og diffrunar. Ýmis algeng föll. Ýmsar aðferðir til að reikna út stofnföll. Veldaraðir. Fyrsta stigs diffurjöfnur. Tvinngild föll og annars stigs diffurjöfnur.

Línuleg algebra A (STÆ106G)

Fjallað er um undirstöðuatriði línulegar algebru yfir rauntölurnar með áherslu á fræðilegu hliðina.

Viðfangsefni: Línuleg jöfnuhneppi,fylkjareikningur, Gauss-eyðing og Gauss-Jordan-aðferð.  Vigurrúm og hlutrúm þeirra.  Línulega óháð hlutmengi, grunnar og vídd.  Línulegar varpanir, myndrúm og kjarni.  Depilmargfeldi, lengd og horn.  Rúmmál í margvíðu hnitarúmi og krossfeldi í þrívíðu.  Flatneskjur og stikaframsetning þeirra.  Hornrétt ofanvörp og þverstaðlaðir grunnar.  Aðferð Grams og Schmidts.  Ákveður og andhverfur fylkja.  Eigingildi, eiginvigrar og hornalínugerningur.

Tölvunarfræði 2 (TÖL203G)

Námskeiðið mun nota forritunarmálið Java. Fjallað er um gagnaskipan, reiknirit og huglæg gagnatög. Meðal gagnaskipana, sem farið er yfir, eru listar, hlaðar, biðraðir, forgangsbiðraðir, tré, tvítré, tvíleitartré og hrúgur auk viðkomandi reiknirita. Kynnt verða ýmis leitar- og röðunarreiknirit. Reiknirit eru greind, hvað þau taka langan tíma í vinnslu og hve mikið minnisrými. Forritunarverkefni, sem nota áðurnefnda gagnaskipan og reiknirit, eru leyst í Java. Mörg lítil forritunarverkefni verða í námskeiðinu.

Mengi og firðrúm (STÆ202G)

Mengjafræði: Vensl; jafngildisvensl og raðvensl. Teljanleg mengi og óteljanleg. Samstétta mengi. Uppbygging talnakerfanna. Frumatriði um firðrúm: Opin mengi og lokuð, samleitnar runur og Cauchy-runur, þéttipunktar. Samfelldni og samfelldni í jöfnum mæli. Samleitni og samleitni í jöfnum mæli. Fallarunur og fallaraðir. Þjöppuð firðrúm. Samhangandi mengi. Fullkomin firðrúm og fullkomnun firðrúms. Fastapunktssetning Banachs; tilvistarsetning um afleiðujöfnu fyrstu raðar. Kennslubækur ákveðnar síðar.

Líkindareikningur og tölfræði (STÆ203G)

Grundvallarhugtök í líkindafræði og tölfræði, stærðfræðileg undirstaða þeirra og beiting með tölfræðihugbúnaðinum R. 

• Líkindi, slembistærðir og væntigildi þeirra
• Mikilvægar líkindadreifingar
• Úrtök, lýsistærðir og úrtaksdreifing lýsistærða
• Metlar og öryggisbil
• Hugmyndafræði tilgátuprófa
• Mikilvæg tilgátupróf
• Línuleg aðhvarfsgreining

Stærðfræðigreining IIA (STÆ207G)

Áhersla er lögð á fræðilega hlið efnisins. Stefnt er að því að nemendur öðlist skilning á grundvallarhugtökum og kunni að beita þeim, bæði í fræðilegu samhengi og í útreikningi. Opin mengi og lokuð. Varpanir, markgildi og samfelldni. Deildanlegar varpanir, hlutafleiður og keðjuregla. Jacobi-fylki. Stiglar og stefnuafleiður. Blandaðar hlutafleiður. Ferlar. Vigursvið og streymi. Sívalningshnit og kúluhnit. Taylor-margliður. Útgildi og flokkun stöðupunkta. Skilyrt útgildi. Fólgin föll og staðbundnar andhverfur. Ferilheildi og mætti vigursviða. Heildun falla af mörgum breytistærðum. Óeiginleg heildi. Setning Greens. Einfaldlega samanhangandi svæði. Breytuskipti í margföldu heildi. Heildun á flötum. Flatarheildi vigursviðs. Setningar Stokes og Gauss.

Inngangur að líkindafræði (STÆ210G)

Þetta er viðbót við námskeiðið "Líkindareikningur og tölfræði" STÆ203G. Farið er ítarlegar í frumatriði líkindafræðinnar með áherslu á skilgreiningar og sannanir. Námskeiðið er undirbúningur fyrir M-námskeiðin tvö í líkindafræði og M-námskeiðin tvö í tölfræði sem kennd eru á víxl annað hvert ár.

Viðfangsefni umfram þau sem koma við sögu í líkindahluta STÆ203G:

Skilgreining Kolmogorovs. Útleiðslur á reglum um samsetta atburði og skilyrt líkindi. Útleiðsla fyrir strjálar og samfelldar stærðir á reglum um væntigildi, dreifni, samdreifni, fylgni, og skilyrt væntigildi og dreifni. Útleiðslur á reglum um Bernoulli-, tvíkosta-, Poisson-, jafnar, veldis-, normlegar og gamma-stærðir. Útleiðsla á halasummureglu væntigildis og útleiðsla á væntigildi strjálu veldisstærðarinnar. Útleiðsla á reglunni um minnisleysi og veldisstærðir. Útleiðsla á dreifingum summu óháðra stærða s.s. tvíkosta-, Poisson-, normlegra og gamma-stærða. Líkinda- og vægisframleiðsluföll.

Tvinnfallagreining I (STÆ301G)

Tvinntölur og grannfræði tvinntalnasléttunnar. Runur og raðir af tvinntölum. Deildanleg og fáguð föll. Fallarunur og raðir, sér í lagi veldaraðir. Vegheildun og stofnföll. Veldisvísisfallið og skyld föll. Vafningstölur ferla. Cauchy-setningin, Cauchy-formúlan og afleiðingar. Samsemdarsetning, setning um opna vörpun og hágildissetning. Laurent-raðir, einangraðir sérstöðupunktar og flokkun þeirra. Leifasetningin og leifareikningur. Hornaukasetningin og Rouché-setningin. Tengsl við raunfallagreiningu: Cauchy-Riemann-jöfnurnar, þýð föll og heildisformúlur Poissons og Schwarz. Fáguð föll skilgreind með heildum (t. d. Laplace-ummyndun). Hornrækin vörpun og vörpunarsetning Riemanns.

Algebra (STÆ303G)

Grúpur, dæmi og helstu undirstöðuatriði. Samhverfugrúpur. Mótanir og normlegar hlutgrúpur. Baugar, dæmi og helstu undirstöðuatriði. Heilbaugar. Baugamótanir og íðul. Margliðubaugar og þáttun margliða. Valin viðfangsefni.

Stærðfræðigreining IIIA (STÆ304G)

Námskeiðið er kynning á þremur mikilvægum sviðum hagnýttrar stærðfræði, nánar tiltekið venjulegum diffurjöfnum, Fourier-röðum og hlutafleiðujöfnum. Fræðilegir undirstöðueiginleikar þeirra eru sannaðir og lausnaraðferðir kynntar. 

Viðfangsefni: Venjulegar diffurjöfnur: Línulegar diffurjöfnur af stigi n, Cauchy verkefni, tilvistarsetning Picards, lausn með veldaröðum og jöfnur með sérstöðupunktum. Fourier-raðir: Samleitni í hverjum punkti, í jöfnum mæli og í ferningsmeðaltali, jafna Parsevals.  Hlutafleiðujöfnur: Hitajafnan og bylgjujafnan á endanlegu bili leystar með aðskilnaði breytistærða og Fourier-röðum, lausnir þeirra bornar saman, Dirichlet verkefni fyrir Laplace-jöfnu á rétthyrningi og skifu, Poisson-heildisformúla.

Gagnasafnsfræði (TÖL303G)

Gagnasöfn og gagnasafnskerfi. Einindavenslalíkanið. Töflulíkanið og töflualgebra. SQL fyrirspurnarmálið. Hagkvæmni geymsluaðferða og úrvinnsluaðferða. Fallákveður, lyklar og staðalskipulag gagna í venslalíkaninu. Bestun fyrirspurna. Hreyfingar, samhliða vinnsla hreyfinga og læsingar. Endurbygging gagnasafna. Öryggi gagnasafna og aðgangsheimildir. Vöruhús gagna.

Forritunarmál (TÖL304G)

Helstu gerðir forritunarmála kynntar. Bálkmótuð mál, listavinnslumál, hlutbundin forritun. Lýsing forritunarmála, þýðendur og túlkar. Uppbygging bálkmótaðra mála. Einingaforritun. Föll og undirforrit, viðföng og samskipti. Minnismeðhöndlun, ruslasöfnun. Forritunarmálin Scheme, CAML, Java, Morpho, C++ og Haskell verða skoðuð. Hlutbundin forritunarmál. Hlutir og erfðir. Listavinnsla og fallsforritun. Lýsing forritunarmála. Málfræði, uppbygging þýðenda. Áhersla er lögð á einingaforritun (einkum fjölnota einingar), listavinnslu, fallsforritun, og bálkmótun.

Töluleg greining (STÆ405G)

Einingar til BS-prófs gilda aðeins fyrir annaðhvort REI201G Stærðfræði og reiknifræði eða STÆ405G Töluleg greining.

Undirstöðuhugtök um nálgun og skekkjumat. Lausn línulegra og ólínulegra jöfnuhneppa. PLU-þáttun. Margliðubrúun, splæsibrúun og aðhvarfsgreining. Töluleg nálgun afleiða og heilda. Útgiskun. Töluleg lausn upphafshafsgildisverkefna fyrir venjuleg afleiðujöfnuhneppi. Fjölskrefaaðferðir. Töluleg lausn jaðargildisverkefna fyrir venjulegar afleiðujöfnur.

Gefin er einkunn fyrir skriflegar úrlausnir á forritunarverkefnum og vegur hún 30% af heildareinkunn. Stúdent verður að hafa lágmarkseinkunn 5 bæði fyrir verkefni og lokapróf.

Kennileg töluleg greining (STÆ412G)

Þetta er viðbót við námskeiðið "Töluleg greining" STÆ405G. Farið er ítarlegar og fræðilegar í efnið sem tekið er fyrir í Tölulegri greiningu (STÆ405G) með áherslu á sannanir.

Greining reiknirita (TÖL403G)

Aðferðir við hönnun og greiningu á tímaflækju reiknirita. Kynning og greining á reikniritum fyrir röðun, leit, netafræði og fylkjareikning. Torleysanleg vandamál, nálgunaraðferðir og slembin reiknirit.

Galois-fræði (STÆ403M)

Valin efni úr víxlinni algebru.

Viðfangsefni: Kroppar og útvíkkanir þeirra.  Algebrulegar útvíkkanir, normlegar úvíkkanir og aðskiljanlegar útvíkkanir.  Galois-fræði.  Notkunardæmi.  
Noether baugar.  Grunnasetning Hilberts.  Núllstöðvasetning Hilberts.

Línuleg algebra II (STÆ401M)

Mótlar og línulegar varpanir. Frjálsir mótlar og fylki. Deildamótlar og stuttar fleygaðar lestir. Nykurmótlar. Endanlega spannaðir mótlar yfir höfuðíðalbaug. Línulegir virkjar á endanlega víðum vigurrúmum.

Mál- og tegurfræði (STÆ402M)

Kennt á vormisseri þegar ártal er oddatala.

Málrúm, mál og ytri mál. Lebesgue-málið á Rn. Mælanleg föll, setning um einhalla samleitni, hjálparsetning Fatous. Heildanleg föll, setning Lebesgues um yfirgnæfða samleitni og afleiðingar. Ójöfnur Hölders og Minkowskis, Lp-rúm, málrúma, setningar Tonellis og Fubinis. Tvinnmál. Jordan-liðun og Lebesgue-liðun mála, Radon-Níkodým-setning. Samfelld línuleg föll á Lp-rúmum. Myndmál, innsetningarsetning fyrir Lebesgue-heildið á Rn.

Grannfræði (STÆ419M)

Almenn grannfræði: Grannrúm og samfelldar varpanir. Hlutrúm, faldrúm og deildarúm. Samhangandi rúm og þjöppuð rúm. Aðskilnaðarfrumsendur, hjálparsetning Urysohns og firðanleikasetning, algerlega regluleg rúm og þjappanir. 

Gervigreind (REI505M)

Fjallað er um hugtök, aðferðir og reiknirit á sviði gervigreindar, með áherslu á studdan og óstuddan lærdóm. Forvinnsla og myndræn framsetning gagna. Mat á gæðum líkana og val á líkönum. Línuleg aðhvarfsgreining, næstu nágrannar, stoðvigravélar, tauganet, ákvarðanatré og safnaðferðir. Djúpur lærdómur. Þyrpingagreining og k-means aðferðin. Nemendur útfæra einföld reiknirit í Python og læra á sérhæfða forritspakka. Námskeiðinu lýkur með hagnýtu verkefni.

Netafræði (STÆ520M)

Net, netamótanir og netaeinsmótanir. Hlutnet, spannandi hlutnet. Vegir, tengd net. Örvanet. Tvíhlutanet. Euler-net og Hamilton-net; setningar Chvátals, Pósa, Ores og Diracs. Keppnisnet. Tré, spannandi tré, trjáfylkjasetningin, Cayley-setningin. Vegin net, reiknirit Kruskals og Dijkstra. Flæðinet, setning um hámarksflæði og lágmarkssnið, Ford-Fulkerson-reikniritið, Menger-setningin. Spyrðingar, Berge-setningin, giftingarsetning Halls, König-Egerváry-setningin, Kuhn-Munkres-reikniritið. Óaðskiljanleg net, tvítengd net. Lagnet, Euler-formúla, Kuratowski-setningin, nykurnet. Greypingar neta í fleti, Ringel-Youngs-Mayer-setningin. Litanir, litunarsetning Heawoods, Brooks-setningin, litamargliða; leggjalitanir, Vizing-setningin.

Fléttufræði (STÆ533M)

Námskeiðið er ætlað nemendum á öðru og þriðja ári. Markmiðið er að kynna nemendum ýmis fléttufræðileg kerfi, aðferðir við talningu og gagnlega eiginleika. Hagnýtingar á þessum kerfum og aðferðum.

Formleg mál og reiknanleiki (TÖL301G)

Endanlegar stöðuvélar, regluleg mál og málskipan, staflavélar, samhengisóháð mál og málskipan, Turingvélar, almenn mál og málskipan og helstu eiginleikar þeirra.

Ávarðanleg og listanleg mál, yfirfærsla milli mála, tengsl við ákvörðnarverkefni og sönnun á óleysanleika slíkra verkefna. Flækjustigsflokkarnir P og NP og NP-fullkomleiki. Dæmi um ýmis líkön af reiknanleika.

Samæfingar í stærðfræði (STÆ402G)

Námskeiðið er ætlað nemendum sem lokið hafa að minnsta kosti 120 ECTS einingum. Nemendur sem ekki hafa lokið 120 ECTS einingum og hafa áhuga á að taka námskeiðið þurfa að fá samþykki umsjónarmanns fyrir þátttöku í námskeiðinu.

Hver nemandi velur og kynnir sér tiltekið afmarkað viðfangsefni stærðfræðinnar eða tölfræðinnar og fær leiðbeinanda tengdan því. Viðfangsefni eru ólík milli ára. Listi yfir viðfangsefni er gefinn út í upphafi eða aðdraganda námskeiðsins og einnig geta nemendur stungið upp á viðfangsefnum (að því gefnu að leiðbeinandi finnist). Nemendur skrifa ritgerð um sitt viðfangsefni og undirbúa og halda fyrirlestur um það á nemendaráðstefnu. Meðan á námskeiðinu stendur veita nemendur hvert öðru uppbyggilega endurgjöf bæði hvað varðar ritgerðarskrif og undirbúning á fyrirlestri. Auk þess að kynna eigin verkefni á nemendaráðstefnunni taka nemendur virkan þátt, hlusta á samnemendur sína og spyrja spurninga.

Þróun hugbúnaðar (HBV401G)

Í þessu námskeiði stíga nemendur skrefið frá því að forrita sjálfir lítil forrit til að leysa vel skilgreind afmörkuð verkefni yfir í að vinna í hópi með öðrum að gerð stærri forritakerfa sem uppfylla stundum óljósar kröfur viðskiptavina. Námskeiðið fjallar um ýmsar grunnhugmyndir hugbúnaðarverkfræði til að fást við slík stærri kerfi, svo sem lipur hugbúnaðarferli, hugbúnaðarferli byggð á áætlunum, þarfaverkfræði, mat á vinnumagni, hlutbundna greiningu og hönnun, högun hugbúnaðar og þróun byggða á prófunum. Notkun þessara hugtaka er æfð í hópvinnuverkefnum þar sem nemendur þróa kerfi sem eru samsett úr minni þáttum og forrituð í Java.

Stýrikerfi (TÖL401G)

Innihald námskeiðsins nær yfir hugtök um stýrikerfi tölva. 

Auk grunn undirstöðu í vélbúnaðarbyggingum tölva og almennri uppbyggingu stýrikerfa verður farið yfir helstu hugtök um ferla (processes) og þræði (threads) ásamt stjórnun þeirra, meginreglur um tímasetningar og tímasetninga fyrir reiknirit, samskipti og samstillingu milli ferla og vandamál sem tengjast sjálfheldu, meginreglur í minnisstjórnun þar á meðal sýndarminni og reiknirit fyrir síðuskipti, skjalakerfi og útfærslu þeirra, sem og stjórnun á geymslu gagna.

Ef tíminn leyfir þá verður fjallað um meginreglur er varða vernd og öryggi og þætti er snúa að dreifingu (t.d. hugtök dreifðra kerfa og dreifðra skjalkerfa). Í þessu námskeiði eru almenn hugtök kynnt sem notuð eru við innleiðingu stýrikerfa og sem forritunarhönnuður þarf að þekkja við hönnun á notendahugbúnaði. 

Í námskeiðinu er ekki fjallað um smáatriði er varða útfærslu stýrikerfa. Þar sem við á eru stýrikerfi eins og Microsoft Windows og POSIX-samhæft UNIX-líkt kerfi (t.d. Linux) notuð sem tilviksrannsókn við útfærslu og stýrikerfisköll. Notkun á stýrikerfis þjónustu innan forritunarmála (t.d. C, C++ og Java) er sýnd á grundvelli forritunar viðmóta (API), sem ríkjandi kerfis bókasöfn (system libraries) bjóða upp á.

Greining á frammistöðu tölvukerfa (REI503M)

Kennt að jafnaði annað hvert ár.

Námskeiðið fjallar um gerð líkana af tölvu- og samskiptakerfum auk mælinga á frammistöðu. Stór dreifð tölvukerfi afgreiða þjónustubeiðnir (t.d. vefsíðufyrirspurnir) samhliða til að lágmarka svartíma og hámarka ánægju notenda. Aðrir mælikvarðar á frammistöðu eru afköst (afgreiddar beiðnir á tímaeiningu) og uppfylling samkomulags um þjónustustig. Meðal námsefnis eru stærðfræðilegar aðferðir til að meta og skilja slík kerfi, bæði veikleika þeirra og styrkleika, til dæmis varðandi hönnun, verkröðunaraðferðir og rekstrarstefnur. Umfjöllunin byggir á aðferðum aðgerðagreiningar, sér í lagi biðraðafræði og Markov-ferlum (fyrirfram þekking á þessum aðferðum er ekki krafa).

Eindregið er mælt með mætingu í tíma.

Nýsköpun, vernd og hagnýting (VON101M)

Almennur inngangur að nýsköpun og helstu tegundum hugverkaréttar, þar sem fjallað verður um: vörumerki og mikilvægi vörumerkjastjórnunar, hönnunarverndar og höfundarréttar, grunnatriði einkaleyfa og beitingu þeirra, viðskiptaleyndarmál og kröfur sem þarf að upfylla til þess að þekking teljist viðskiptarleyndarmál ásamt stuttri umfjöllun um leiðir til að vernda hugbúnaðarlausnir.

Í kjölfarið verður farið í heimsókn til Íslensku Hugverkastofunnar, þar sem nemendur hljóta innsýn í umsóknarferli hugverkaréttinda. Rætt verður um nýsköpunar- og tæknihagnýtingu (e. tech transfer), auk möguleika á opinberum styrkjum og tengslum við fjárfesta. Reynslusögur úr nýsköpunariðnaði verða nýttar til að veita nemendum innsýn í reynslu sprotafyrirtækja og stefnumótun á hugverkum í hugverkarétti.

Nemendur velja eina hugmynd að uppfinningu í byrjun annar, og vinna samhliða fyrirlestrum að þróun hennar. Nemendur skoða t.a.m. hvaða leiðir eru færar til að vernda uppfinninguna hugmyndarinnar og ákveða hvernig hugverkavernd er best að nota, hvernighvaða þjónustu er hægt að nýta sér til að hraða á vexti hennar, hvernig er aðgengi að fjármögnun og setja fram langtímamarkmið.

(með fyrirvara um breytingar)

Aðgerðagreining 2 (IÐN508M)

Í námskeiðinu er nemendum kynnt hvernig gera á skipulega mynd af ákvörðunar- og bestunarverkefnum í aðgerðagreiningu. Að námskeiði loknu eiga nemendur að hafa færni í að setja upp, greina og leysa stærðfræðileg líkön sem standa fyrir raunhæfum verkefnum og hvernig meta eigi lausn þeirra á gagnrýninn hátt. Tekin er fyrir heiltölu og slembin verkefni (e. Integer Programming and Stochastic Programming). Nemendur kynnast líkangerð með Python.

R forritun (MAS102M)

Í námskeiðinu munu nemendur framkvæma hefðbundnar tölfræðiaðferðir á raunverulegum gagnasöfnum. Áhersla verður lögð á fjölbreytu aðhvarfsgreiningu (e. multiple linear regression). Nemendur beita fáguðum aðferðum við myndræna framsetningu sem og sjálfvirka skýrslugerð. Námsmat verður í formi raunhæfra verkefna þar sem nemendur framkvæma ofangreind atriði á raunverulegum gagnasöfnum með það fyrir augum að svara rannsóknarspurningum.

Gervigreind (REI505M)

Fjallað er um hugtök, aðferðir og reiknirit á sviði gervigreindar, með áherslu á studdan og óstuddan lærdóm. Forvinnsla og myndræn framsetning gagna. Mat á gæðum líkana og val á líkönum. Línuleg aðhvarfsgreining, næstu nágrannar, stoðvigravélar, tauganet, ákvarðanatré og safnaðferðir. Djúpur lærdómur. Þyrpingagreining og k-means aðferðin. Nemendur útfæra einföld reiknirit í Python og læra á sérhæfða forritspakka. Námskeiðinu lýkur með hagnýtu verkefni.

Fjölbreytileg nálgun á stærðfræðikennslu í framhaldsskólum (SNU503M)

Námskeiðið verður næst kennt haustið 2024. Það er að öllu jöfnu kennt annað hvert ár.

Á námskeiðinu læra nemar að skipuleggja stærðfræðikennslu í framhaldsskóla þannig að hún sé fjölbreytt og taki mið af þörfum allra nemenda. Áhersla verður lögð á að nemendur kynnist fjölbreyttu námsumhverfi og kennsluháttum sem byggja á rannsóknum á stærðfræðinámi og -kennslu. Í námskeiðinu er fjallað um markmið stærðfræðináms og hvernig þau birtast í námskrám og stefnuritum bæði hér á landi og í nágrannalöndum. Nemendur lesa um og fá tækifæri til að reyna í verki fjölbreyttar leiðir við að meta og greina stærðfræðilega hæfni.
Vinnulag í námskeiðinu felst í fyrirlestrum, verkefnavinnu kynningum, vettvangstengdum viðfangsefnum og gagnrýnni umræðu um viðfangsefni. Áhersla verður lögð á að nemar ræði um áskoranir sem upp geta komið við kennslu og leiti sjálfir leiða við lausn á ýmsum vandamálum sem lúta að stærðfræðinámi og -kennslu.

BS-verkefni (STÆ262L)

Nemendur velja sér verkefni í samráði við einhvern kennara námsbrautar í stærðfræði. Verkefnið er unnið með leiðsögn tveggja manna og skal a.m.k. annar þeirra tilheyra námsbraut í stærðfræði. Námsbraut í stærðfræði þarf að staðfesta áætlun sem nemandi og leiðbeinendur leggja fram í sameiningu. Verkefninu lýkur með samningu ritgerðar og fyrirlestri. Ekki er gefin einkunn fyrir verkefnið en umsjónarmenn stafesta að nemandi hafi  staðist námskröfur.

Upplýsingar um skil á verkefni
Skil eru í maí fyrir júníbrautskráningu
Skil eru í september fyrir októberbrautskráningu
Skil eru í janúar fyrir febrúarbrautskráningu

Í upphafi misseris koma nemandi og leiðbeinandi sér upp tímalínu um skil á verkefni

Skil á fullbúnu verkefni til leiðbeinanda/umsjónarkennara er 10. maí/ september/ janúar

Skil nemanda inn á Skemmu eru í síðasta lagi 30. maí/ september/ janúar og senda þarf staðfestingu um samþykkt skil á nemvon@hi.is

Einkunn frá leiðbeinanda á að hafa borist skrifstofu í síðasta lagi 30. maí/ september/ janúar

Kennileg línuleg tölfræðilíkön (STÆ310M)

Einföld og fjölvíð aðhvarfsgreining, fervikagreining og samvikagreining, ályktanir, dreifni og samdreifni metla, mátpróf með frávika- og áhrifagreiningu, samtíma ályktanir. Almenn líkuleg líkön sem ofanvörp, fervikagreining sem sértilvik, samtíma öryggismörk á samanburðarföll. R notað í verkefnum. Lausnum verkefna er skilað i LaTeX og PDF.

Til viðbótar  er tekið efni eftir vali, t.d. útvíkkuð línuleg líkön (GLM), ólínuleg aðhvarfsgreining og/eða slembiþáttalíkön (random/mixed effects models) og/eða skóreimaaðferðir (bootstrap) o.s.frv.

Nemendur kynna lausnir verkefna, sem áður hefur verið skilað inn í gegnum vefsíðu.

Námskeiðið er kennt þegar ártalið er slétt tala.

Hagnýtt línuleg tölfræðilíkön (STÆ312M)

Í námskeiðinu er fjallað um einfalda og fjölvíða aðhvarfsgreiningu ásamt fervikagreiningu (ANOVA) og samvikagreiningu (ANCOVA). Að auki er farið í tvíkosta aðhvarfsgreiningu (binomial regression) og rætt um hugtök því tengt, svo sem gagnlíkindi (odds) og gagnlíkindahlutfall (odds ratio).
Námskeiðið er framhald af dæmigerðu grunnnámskeiði í tölfræði sem kennd eru á hinum ýmsu sviðum skólans. Farið verður í aðferðir til að meta stika í línulegum líkönum, hvernig smíða má öryggisbil og kanna tilgátur fyrir stikana, hverjar forsendur líkananna eru og hvað hægt sé að gera sé þeim ekki fullnægt. Verkefni eru unnin í tölfræðihugbúnaðinum R.

Töluleg línuleg algebra (STÆ511M)

Ítrekunaraðferðir fyrir jöfnuhneppi.  Ýmsar þáttanir fylkja eins og QR, Cholesky, Jordan, Schur, rófþáttun og sérstöðupunktaþáttun (SVD) og hagnýtingar þeirra.  Strjál Fourierummyndun (DFT) og hröð algrím til framkvæmdar hennar (FFT).  Strjál Kósínusummyndun (DCT) í tvívídd og hagnýtingar í þjöppun hljóðs (MP3, AAC) og mynda (JPEG).  Rýr fylki og framsetning á þeim.

Sérstök áhersla verður lögð á hagnýtingu þeirra efnisatriða sem farið er í og tölulegar aðferðir.

Netafræði (STÆ520M)

Net, netamótanir og netaeinsmótanir. Hlutnet, spannandi hlutnet. Vegir, tengd net. Örvanet. Tvíhlutanet. Euler-net og Hamilton-net; setningar Chvátals, Pósa, Ores og Diracs. Keppnisnet. Tré, spannandi tré, trjáfylkjasetningin, Cayley-setningin. Vegin net, reiknirit Kruskals og Dijkstra. Flæðinet, setning um hámarksflæði og lágmarkssnið, Ford-Fulkerson-reikniritið, Menger-setningin. Spyrðingar, Berge-setningin, giftingarsetning Halls, König-Egerváry-setningin, Kuhn-Munkres-reikniritið. Óaðskiljanleg net, tvítengd net. Lagnet, Euler-formúla, Kuratowski-setningin, nykurnet. Greypingar neta í fleti, Ringel-Youngs-Mayer-setningin. Litanir, litunarsetning Heawoods, Brooks-setningin, litamargliða; leggjalitanir, Vizing-setningin.

Dreififöll (STÆ523M)

Fjallað er um undirstöðuatriði um dreififöll og hagnýtinga um hlutafleiðujöfnur.

Viðfangsefni: Prófunarföll, dreififöll, deildun dreififalla, samleitni runa af dreififöllum, Taylor-liðun í mörgum breytistærðum, staðbinding, dreififöll með þjappaða stoð, margföldun falla og dreififalla, samskeyting varpana og dreififalla, földun dreififalla, grunnlausnir, Fourier-ummyndun, Fourier-raðir, grunnlausnir og Fourier-ummyndun.

Inngangur að rökfræði (STÆ528M)

Röksemdafærslur, sannanir. Samtengingar, fullyrðingareikningur, sannföll og sísönnur. Formleg mál, frumsendur, rökreglur, sísönnusetningin. Magnarar. Mál og kenningar fyrstu stéttar. Mynstur og líkön. Fullkomleikasetningin. Setning Löwenheims og Skolems. Reiknanleiki, rakin föll. Setning Gödels.

Hagnýt Bayesísk tölfræði (STÆ529M)

Markmið: Að kenna nemendum að beita ýmsum aðferðum úr Bayesískri tölfræði fyrir greiningu gagna. Námsefni: Fræðileg undirstaða Bayesískrar ályktunartölfræði, fyrirframdreifingar, gagnadreifingar og eftirádreifingar. Bayesísk ályktunartölfræði fyrir stika í einvíðum og margvíðum líkindadreifingum: tvíkosta-; normal-; Possion; veldis-; margvíð normal-; fjölkostadreifing.  Mat á gæðum líkans og samanburður á líkönum: Bayesísk p-gildi; deviance information criterion (DIC). Bayesísk hermun: Markov keðju Monte Carlo (MCMC) aðferðir; Gibbs sampler; Metropolis-Hastings skref; mat á samleitni. Línuleg líkön: normal línuleg líkön; stigskipt normal línuleg líkön; almenn línuleg líkön. Áhersla á greiningu gagna með forritum eins og Matlab og R.

Fléttufræði (STÆ533M)

Námskeiðið er ætlað nemendum á öðru og þriðja ári. Markmiðið er að kynna nemendum ýmis fléttufræðileg kerfi, aðferðir við talningu og gagnlega eiginleika. Hagnýtingar á þessum kerfum og aðferðum.

Tölulegar lausnir á hlutafleiðujöfnum (STÆ537M)

Markmið námskeiðsins er að kynna aðferðir til tölulegrar úrlausnar á hlutafleiðujöfnum og forritun þeirra. 

Viðfangsefni:

Fleyggerar hlutafleiðujöfnur (varmajafnan), breiðgerar hlutafleiðujöfnur (bylgjujafnan) og sporgerar hlutafleiðujöfnur (Poisson- og Laplace jafnan).  Mismunaaðferðir, samleguaðferðir og bútaaðferðir.  Stöðugleiki lausnaraðferða, CFL skilyrðið og Crank-Nicolson skemað. Ólínulegar hlutafleiðujöfnur og Turing-mynstur.  Samband slembigangs og Poisson/Laplace hlutafleiðujafna.

Formleg mál og reiknanleiki (TÖL301G)

Endanlegar stöðuvélar, regluleg mál og málskipan, staflavélar, samhengisóháð mál og málskipan, Turingvélar, almenn mál og málskipan og helstu eiginleikar þeirra.

Ávarðanleg og listanleg mál, yfirfærsla milli mála, tengsl við ákvörðnarverkefni og sönnun á óleysanleika slíkra verkefna. Flækjustigsflokkarnir P og NP og NP-fullkomleiki. Dæmi um ýmis líkön af reiknanleika.

Reiknirit í lífupplýsingafræði (TÖL504M)

Efni námskeiðsins eru helstu reiknirit sem notuð eru í lífupplýsingafræði. Í upphafi er stutt yfirlit yfir erfðamengjafræði og reiknirit fyrir nemendur af öðrum sviðum. Námskeiðinu er skipt upp í nokkrar einingar og er hverri ætlað að fara yfir einstök verkefni í lífupplýsingafræði sem mótast af rannsóknarverkefnum. Hver eining samanstendur af verkefnislýsingu og aðferðum sem beitt er við úrlausn. Viðfangsefnin verða m.a. mynstraleit, strengjafjarlægð, samröðun gena og erfðamengja, þyrpingagreining, raðgreining og myndun erfðamengja og að lokum aðferðir við úrvinnslu úr háhraðaraðgreiningar gögnum.

Slembiferli (STÆ415M)

Inngangsatriði slembiferla með megináherslu á Markovkeðjur.

Viðfangsefni: Hittitími, stöðuþáttun, óþáttanleiki, lota, endurkvæmni (jákvæð og núll-), hverfulleiki, tenging, endurnýjun, jafnvægi, tíma-viðsnúningur, tenging úr fortíðinni, greinaferli, biðraðir, martingalar, Brownhreyfing.

Grundvöllur líkindafræðinnar (STÆ418M)

Líkindi á grundvelli mál- og tegurfræði.

Viðfangsefni: Líkindi, útvíkkunarsetningar, óhæði, væntigildi. Borel-Cantelli-setningin og 0-1 lögmál Kolmogorovs.  Ójöfnur og hin veiku og sterku lögmál mikils fjölda. Samleitni í hverjum punkti, í líkindum, með líkunum einn, í dreifingu og í heildarviki. Tengiaðferðir. Höfuðmarkgildissetningin. Skilyrt líkindi og væntigildi.

Reiknirit í lífupplýsingafræði (TÖL604M)

Efni námskeiðsins eru helstu reiknirit sem notuð eru í lífupplýsingafræði. Í upphafi er stutt yfirlit yfir erfðamengjafræði og reiknirit fyrir nemendur af öðrum sviðum. Námskeiðinu er skipt upp í nokkrar einingar og er hverri ætlað að fara yfir einstök verkefni í lífupplýsingafræði sem mótast af rannsóknarverkefnum. Hver eining samanstendur af verkefnislýsingu og aðferðum sem beitt er við úrlausn. Viðfangsefnin verða m.a. mynstraleit, strengjafjarlægð, samröðun gena og erfðamengja, þyrpingagreining, raðgreining og myndun erfðamengja og að lokum aðferðir við úrvinnslu úr háhraðaraðgreiningar gögnum.

Stærðfræðileg eðlisfræði (EÐL612M)

Markmið: Að kynna stærðfræðilegar aðferðir sem nytsamar eru í eðlisfræði og veita þjálfun í beitingu þeirra. Námsefni: Hljóðbylgjur í vökvum og lofttegundum. Spennutensor og þenslutensor, almennar hreyfingarjöfnur fyrir samfellt efni. Jarðskjálftabylgjur. Jöfnur Maxwells og rafsegulbylgjur. Flatar bylgjur, skautun, endurkast og brot. Dreififöll og Fourier-greining. Grunnlausnir og Green-föll hlutafleiðujafna. Bylgjur í einsleitum efnum. Lögmál Huygens og setning Leifs Ásgeirssonar. Tvístur (dispersion. Fasahraði og grúpuhraði. Jöfnur Kramers og Kronigs. Aðferð hins stöðuga fasa. Bylgjur á yfirborði vökva.

Aðgerðagreining (IÐN401G)

Í námskeiðinu er nemendum kynnt hvernig gera á skipulega mynd af ákvörðunar- og bestunarverkefnum í aðgerðagreiningu.
Að námskeiði loknu eiga nemendur að hafa færni í að setja upp, greina og leysa stærðfræðileg líkön sem standa fyrir raunhæfum verkefnum og hvernig meta eigi lausn þeirra á gagnrýninn hátt. Tekin eru fyrir línuleg bestun og Simplex aðferðin, auk skyld fræðileg efni.
Námskeiðið kynnir auk þess stærðfræðileg líkön fyrir einstök verkefni; flutningsverkefni, úthlutunarverkefni, netverkefni og heiltölubestun. Nemendur kynnast einnig sérhæfðu forritunarmáli við líkangerð fyrir línulega bestun.

Hagnýt gagnagreining (MAS202M)

Námskeiðið fjallar um tölfræðiúrvinnslu í forritinu R. Gert er ráð fyrir að nemendur hafi grunnþekkingu í tölfræði og tölfræðihugbúnaðnum R. Æskilegt er að nemendur þekki til margbreytu aðhvarfsgreiningar (e. multiple linear regression). Nemendur læra að beita hinum ýmsu tölfræðiaðferðum í R (ss. classification methods, resampling methods, linear model selection og tree-based methods). Námskeiðið er kennt á tólf vikum og verður það á vendikennsluformi þar sem nemendur lesa námsefni og horfa á myndbönd áður en þeir mæta í tíma og fá svo aðstoð með fyrirliggjandi verkefni í tímum.

BS-verkefni (STÆ262L)

Nemendur velja sér verkefni í samráði við einhvern kennara námsbrautar í stærðfræði. Verkefnið er unnið með leiðsögn tveggja manna og skal a.m.k. annar þeirra tilheyra námsbraut í stærðfræði. Námsbraut í stærðfræði þarf að staðfesta áætlun sem nemandi og leiðbeinendur leggja fram í sameiningu. Verkefninu lýkur með samningu ritgerðar og fyrirlestri. Ekki er gefin einkunn fyrir verkefnið en umsjónarmenn stafesta að nemandi hafi  staðist námskröfur.

Upplýsingar um skil á verkefni
Skil eru í maí fyrir júníbrautskráningu
Skil eru í september fyrir októberbrautskráningu
Skil eru í janúar fyrir febrúarbrautskráningu

Í upphafi misseris koma nemandi og leiðbeinandi sér upp tímalínu um skil á verkefni

Skil á fullbúnu verkefni til leiðbeinanda/umsjónarkennara er 10. maí/ september/ janúar

Skil nemanda inn á Skemmu eru í síðasta lagi 30. maí/ september/ janúar og senda þarf staðfestingu um samþykkt skil á nemvon@hi.is

Einkunn frá leiðbeinanda á að hafa borist skrifstofu í síðasta lagi 30. maí/ september/ janúar

Stærðfræðigreining IV (STÆ401G)

Markmið: Að kynna fyrir nemendum Fourier-greiningu og hlutafleiðujöfnur og hagnýtingu á þeim.

Lýsing: Fourier-raðir og þverstöðluð fallakerfi, jaðargildisverkefni fyrir venjulega afleiðuvirkja, eigingildisverkefni fyrir Sturm-Liouville-virkja, Fourier-ummyndun, bylgjujafnan, varmaleiðnijafnan og Laplace-jafnan leystar á ýmsum svæðum í einni, tveimur og þremur víddum með aðferðum úr fyrri hluta námskeiðsins, aðskilnaður breytistærða, grunnlausn, Green-föll, speglunaraðferðin.

Grannfræði (STÆ419M)

Almenn grannfræði: Grannrúm og samfelldar varpanir. Hlutrúm, faldrúm og deildarúm. Samhangandi rúm og þjöppuð rúm. Aðskilnaðarfrumsendur, hjálparsetning Urysohns og firðanleikasetning, algerlega regluleg rúm og þjappanir. 

Útsetningar á endanlegum grúpum (STÆ626M)

Skilgreining á línulegri útsetningu grúpu. Hjálparsetning Schur.
Grúpukennar. Grúpualgebran. Útsetningafræði samhverfugrúpunnar. Notkun útsetningarfræða í grúpufræði:  Setningar Frobeniusar og Burnsides.

Greining reiknirita (TÖL403G)

Aðferðir við hönnun og greiningu á tímaflækju reiknirita. Kynning og greining á reikniritum fyrir röðun, leit, netafræði og fylkjareikning. Torleysanleg vandamál, nálgunaraðferðir og slembin reiknirit.