Eksamenssett.no
  • Python-lærebok
  • GeoGebra-lærebok
  • Ressurser
  • Hoderegning
Eksamenssett.no

Komplett samling av eksamensoppgaver og løsninger for norsk skole.

Lærebok
PersonvernVilkår

© 2025 Eksamenssett.no · Alle rettigheter forbeholdt

Deler av innholdet er utviklet med hjelp av AI-verktøy

Eksamenssett.no
  • Python-lærebok
  • GeoGebra-lærebok
  • Ressurser
  • Hoderegning

Innholdsfortegnelse

  • 1.1

    Kommentarer, print() og feilmeldinger

    3 øvelser8 min
  • 1.2

    Variabeltyper og datatyper

    1 øvelser12 min
  • 1.3

    Regneoperatorer

    4 øvelser15 min
  • 1.4

    Input fra bruker

    3 øvelser10 min
  • 1.5

    If-setninger og logiske operatorer

    5 øvelser15 min
  • 1.6

    Funksjoner

    6 øvelser20 min
  • 1.7

    Lister og listeoperasjoner

    2 øvelser12 min
  • 1.8

    While-løkker

    4 øvelser15 min
  • 1.9

    For-løkker og range()

    5 øvelser18 min
  • 1.10

    and, or og elif

    1 øvelser10 min
  • 1.11

    Bibliotek import og random-modulen

    5 øvelser15 min
  • 2.1

    Variabler og print

    4 øvelser15 min
  • 2.2

    Input og beregninger

    4 øvelser15 min
  • 2.3

    If-setninger

    4 øvelser18 min
  • 2.4

    Løkker

    4 øvelser18 min
  • 2.5

    Prosjekt - Enkel kalkulator

    3 øvelser25 min
  • 3.1

    Funksjoner

    5 øvelser20 min
  • 3.2

    Lister

    5 øvelser18 min
  • 3.3

    Statistikk med lister

    5 øvelser22 min
  • 3.4

    Prosjekt - Dataanalyse

    4 øvelser30 min
  • 4.1

    Repetisjon og funksjoner

    5 øvelser20 min
  • 4.2

    Matematisk modellering

    5 øvelser25 min
  • 4.3

    Løse likninger numerisk

    5 øvelser25 min
  • 4.4

    Prosjekt - Modellering

    4 øvelser35 min
  • 5.1

    Prosentregning

    4 øvelser18 min
  • 5.2

    Økonomi og budsjett

    4 øvelser20 min
  • 5.3

    Lån og renter

    5 øvelser22 min
  • 5.4

    Prosjekt - Økonomiplanlegger

    3 øvelser30 min
  • 6.1

    Funksjoner i Python

    5 øvelser20 min
  • 6.2

    Polynomer og nullpunkter

    5 øvelser22 min
  • 6.3

    Halveringsmetoden

    5 øvelser25 min
  • 6.4

    Prosjekt - Funksjonsanalyse

    4 øvelser30 min
  • 7.1

    Statistiske mål

    5 øvelser20 min
  • 7.2

    Standardavvik

    5 øvelser22 min
  • 7.3

    Simulering

    5 øvelser25 min
  • 7.4

    Prosjekt - Statistisk analyse

    4 øvelser35 min
  • 8.1

    Kombinatorikk

    5 øvelser22 min
  • 8.2

    Binomialfordeling

    5 øvelser25 min
  • 8.3

    Simulering av forsøk

    5 øvelser25 min
  • 8.4

    Prosjekt - Monte Carlo

    4 øvelser35 min
  • 9.1

    Numerisk derivasjon

    5 øvelser25 min
  • 9.2

    Ekstremalpunkter

    5 øvelser25 min
  • 9.3

    Newtons metode

    5 øvelser28 min
  • 9.4

    Prosjekt - Optimering

    4 øvelser35 min
  • 10.1

    Normalfordeling

    5 øvelser25 min
  • 10.2

    Konfidensintervall

    5 øvelser28 min
  • 10.3

    Hypotesetesting

    5 øvelser30 min
  • 10.4

    Prosjekt - Statistisk inferens

    4 øvelser40 min
  • 11.1

    Numerisk integrasjon

    5 øvelser25 min
  • 11.2

    Trapesmetoden og Simpson

    5 øvelser28 min
  • 11.3

    Rekursive følger

    5 øvelser30 min
  • 11.4

    Prosjekt - Arealer og volum

    4 øvelser40 min

Bruk ← → piltaster for navigasjon

Total fremgang
0%
9.3: Øvelser bestått0 av 0

0% fullført

Lærebok/Kapittel 9.3

Kapittel 9.3

R1

Newtons metode

Bruk derivasjon til å finne nullpunkter av funksjoner med Newtons metode.

Hva er Newtons metode?

Newtons metode er en kraftig måte å finne nullpunkter på - altså punkter hvor f(x) = 0. Metoden bruker den deriverte til å "gjette" seg fram til løsningen.

Newtons formel:

xny = x - f(x) / f'(x)

Vi starter med et gjett (x) og regner ut en bedre tilnærming (xny). Dette gjentas til vi har funnet nullpunktet.

Hvordan virker det?
Forestill deg at du står på grafen til funksjonen. Newtons metode trekker en tangent (stigningstall = f'(x)) og finner hvor denne tangenten krysser x-aksen. Dette gir en bedre tilnærming til nullpunktet.
Eksempel: Finn nullpunkt for f(x) = x² - 2
PythonAuto-lagret
Loading...

Vi søker nullpunktet til f(x) = x² - 2, som er det samme som å løse x² = 2, altså finne √2. Newtons metode finner svaret med fantastisk presisjon på bare noen få iterasjoner!

Implementere Newtons metode

La oss lage en generell funksjon som bruker Newtons metode til å finne nullpunkter:

Eksempel: Generell Newton-funksjon
PythonAuto-lagret
Loading...
Tips
Valg av startverdi er viktig! Hvis du starter for langt fra nullpunktet, kan metoden konvergere til et annet nullpunkt eller ikke konvergere i det hele tatt.
Oppgave 9.7: Finn kubikkrot

Bruk Newtons metode til å finne ∛10 (kubikkroten av 10).

a

Lag en funksjon g(x) = x³ - 10. Nullpunktet er ∛10.

b

Bruk newton-funksjonen med startverdi x = 2.

c

Sjekk svaret ved å regne ut x³.

Medium
PythonAuto-lagret
Loading...
Oppgave 9.8: Løs ligning

Løs ligningen `x³ - 2x - 5 = 0` med Newtons metode.

a

Lag funksjonen h(x) = x³ - 2x - 5.

b

Prøv startverdi x = 2 og finn nullpunktet.

c

Sjekk ved å sette x-verdien inn i ligningen.

Medium
PythonAuto-lagret
Loading...
Oppgave 9.9: Finn skjæringspunkt

Finn skjæringspunktet mellom funksjonene f(x) = x² og g(x) = 2x + 1. Hint: Skjæringspunktet er der f(x) = g(x), altså der f(x) - g(x) = 0.

a

Lag en funksjon h(x) = x² - 2x - 1.

b

Bruk Newtons metode med startverdi x = 3 for å finne det positive skjæringspunktet.

c

Hva er y-verdien i dette punktet?

Vanskelig
PythonAuto-lagret
Loading...

Oppsummering

✓Newtons metode finner nullpunkter: xny = x - f(x) / f'(x)

✓Metoden konvergerer raskt når startverdien er god

✓Kan brukes til å finne røtter (√x, ∛x) og løse ligninger

✓Itererer til løsningen er god nok (f(x) ≈ 0)

Forrige kapittel

9.2: Ekstremalpunkter

Finn maksimum- og minimumspunkter til funksjoner.

Neste kapittel

9.4: Prosjekt - Optimering

Løs optimeringsproblemer med derivasjon og Python.

Tips: Bruk ← og → piltaster for å navigere

Eksamenssett.no

Komplett samling av eksamensoppgaver og løsninger for norsk skole.

Lærebok
PersonvernVilkår

© 2025 Eksamenssett.no · Alle rettigheter forbeholdt

Deler av innholdet er utviklet med hjelp av AI-verktøy