Python i Matematikk R1

Hopp til innhold ifingo . no · R1 Python ArbeidsflyterStart eksperiment Side 27 · Numerisk observatorium

Gå fra matematisk spørsmål til kjørbar kode, forventet output, faglig tolkning og uavhengig kontroll. Ressursen dekker numeriske metoder, funksjoner, grafer, derivasjon, grenseverdier, regresjon, vekstmodeller, vektorer og parameterframstillinger.

Utforsk 120 arbeidsflyterTrekk et kodeoppdrag120 arbeidsflyter 10 observasjonssoner 120+ MathML-uttrykk 0 skjult kjerneinnhold Resultatlinse Kode → kontroll Kodecelle 01 x = np.linspace(...) Kodecelle 02 dy = np.gradient(...) Modell y_hat = a*np.exp(k*x)PASS restledd < toleranse Metode

Fra spørsmål til kontrollspor

1Formuler matematisk mål

Bestem hva Python faktisk skal undersøke.

2Definer data og vilkår

Intervall, domene, enhet og presisjon må være synlige.

3Kjør og tolk

Outputen må oversettes til matematisk språk.

4Kontroller

Bruk teori, restledd, graf eller en alternativ metode.

Læreplan

Digital utforsking i R1

Udir beskriver digitale ferdigheter som å bruke digitale verktøy til å utforske, formulere og løse matematiske problemer, og til å finne, analysere, behandle og presentere informasjon. R1-målene omfatter blant annet numerisk derivasjon, reelle datasett, modeller, vektorer og parameterframstillinger.

Kontrollert 26. juli 2026.

Viktig avgrensning

Kode er ikke konklusjonen

En kjørbar kodeblokk viser metode, men full matematisk kompetanse krever også tolkning, begrunnelse, gyldighetsområde, passende presisjon og uavhengig kontroll.

Python-syntaks står bare i merkede kodeceller. Vanlig matematikk vises med innebygd MathML.

BankenPython-grunnlag og numerisk presisjonFunksjoner, arrayer og datastrømmerGrafer og matematiske representasjonerNumerisk derivasjon og vekstfartGrenseverdier og kontinuitetNullpunkter, likninger og optimeringReelle datasett og regresjonEksponentielle og logistiske modellerVektorer og parameterframstillingerKontroll, feilsøking og dokumentasjonStudioDebug-labFAQ Komplett kode- og metodebank

Finn riktig Python-arbeidsflyt

Søk etter fagbegrep, kode, metode eller forventet output. Filtrer etter observasjonssone og nivå.

Tilfeldig arbeidsflyt Alle observasjonssoner 1. Python-grunnlag og numerisk presisjon 2. Funksjoner, arrayer og datastrømmer 3. Grafer og matematiske representasjoner 4. Numerisk derivasjon og vekstfart 5. Grenseverdier og kontinuitet 6. Nullpunkter, likninger og optimering 7. Reelle datasett og regresjon 8. Eksponentielle og logistiske modeller 9. Vektorer og parameterframstillinger 10. Kontroll, feilsøking og dokumentasjon Alle nivåer Start Presis Avansert

Viser 120 av 120 arbeidsflyter

12 arbeidsflyter

1. Python-grunnlag og numerisk presisjon

Bygg et ryddig arbeidsmiljø, skill mellom eksakte ideer og flyttall, og gjør alle variabler og antakelser synlige før du beregner.

001 Start

Bruk Python som kontrollert kalkulator

Utfør en sammensatt beregning med eksplisitte parenteser og les resultatet som et tall med en matematisk betydning.

19 7 Python-kode Kopier kode

resultat = (3 * 8 - 5) / 7 print(resultat)

Forventet output eller observasjon

Programmet skriver ut omtrent 2.7142857142857144.

Arbeidsflyt i fire trinn

1. Formuler målet: Utfør en sammensatt beregning med eksplisitte parenteser og les resultatet som et tall med en matematisk betydning.
2. Kjør kodeblokken uten å fjerne variabelnavn, kommentarer eller kontrollutskrifter.
3. Sammenlign med forventet resultat: Programmet skriver ut omtrent 2.7142857142857144.
4. Utfør en uavhengig kontroll: Regn uttrykket som brøken 19/7 og sammenlign før du avrunder.

Tolkning og metodevalg

Start med å gjøre datatyper, presisjon og domenekrav synlige. Denne modulen bygger grunnlaget for at resten av analysen skal være etterprøvbar. I denne arbeidsflyten betyr outputen ikke bare et tall eller en graf; den skal oversettes til en matematisk påstand som svarer på oppgaven.

Metodenotat: Velg metoden fordi den passer til problemets struktur, og dokumenter forutsetninger og kontroll.

Hva viser høy kompetanse?

• Koden er kjørbar og har tydelige variabelnavn.
• Matematisk uttrykk, kode og output skilles tydelig.
• Intervall, steglengde, toleranse eller modellvilkår er oppgitt når det er relevant.
• Resultatet er kontrollert med en annen metode eller kjent teori.
• Konklusjonen svarer med enhet, domene og passende presisjon.

Svakt mønster

Koden kjøres og outputen kopieres uten å forklare metode, variabler, intervall, presisjon eller hvorfor resultatet er relevant for «Bruk Python som kontrollert kalkulator».

Reparasjon

Navngi variablene, oppgi metode og vilkår, vis forventet output, og bruk kontrollsporet: Regn uttrykket som brøken 19/7 og sammenlign før du avrunder.

Dokumentasjonssetning

Jeg brukte Python til å utfør en sammensatt beregning med eksplisitte parenteser og les resultatet som et tall med en matematisk betydning. Outputen ble tolket opp mot den matematiske modellen, og resultatet ble kontrollert ved at jeg regn uttrykket som brøken 19/7 og sammenlign før du avrunder.

002 Start

Skill mellom heltall og flyttall

Forstå forskjellen mellom heltallsdivisjon og vanlig divisjon slik at du ikke mister informasjon i en R1-beregning.

{ 3 , 7 2 } Python-kode Kopier kode

a = 7 b = 2 print(a // b) print(a / b)

Forventet output eller observasjon

Første linje er 3, andre linje er 3.5.

Arbeidsflyt i fire trinn

1. Formuler målet: Forstå forskjellen mellom heltallsdivisjon og vanlig divisjon slik at du ikke mister informasjon i en R1-beregning.
2. Kjør kodeblokken uten å fjerne variabelnavn, kommentarer eller kontrollutskrifter.
3. Sammenlign med forventet resultat: Første linje er 3, andre linje er 3.5.
4. Utfør en uavhengig kontroll: Forklar hvorfor 7 delt på 2 ikke kan erstattes av 3 i en videre modell.

Tolkning og metodevalg

Start med å gjøre datatyper, presisjon og domenekrav synlige. Denne modulen bygger grunnlaget for at resten av analysen skal være etterprøvbar. I denne arbeidsflyten betyr outputen ikke bare et tall eller en graf; den skal oversettes til en matematisk påstand som svarer på oppgaven.

Metodenotat: Velg metoden fordi den passer til problemets struktur, og dokumenter forutsetninger og kontroll.

Hva viser høy kompetanse?

• Koden er kjørbar og har tydelige variabelnavn.
• Matematisk uttrykk, kode og output skilles tydelig.
• Intervall, steglengde, toleranse eller modellvilkår er oppgitt når det er relevant.
• Resultatet er kontrollert med en annen metode eller kjent teori.
• Konklusjonen svarer med enhet, domene og passende presisjon.

Svakt mønster

Koden kjøres og outputen kopieres uten å forklare metode, variabler, intervall, presisjon eller hvorfor resultatet er relevant for «Skill mellom heltall og flyttall».

Reparasjon

Navngi variablene, oppgi metode og vilkår, vis forventet output, og bruk kontrollsporet: Forklar hvorfor 7 delt på 2 ikke kan erstattes av 3 i en videre modell.

Dokumentasjonssetning

Jeg brukte Python til å forstå forskjellen mellom heltallsdivisjon og vanlig divisjon slik at du ikke mister informasjon i en r1-beregning. Outputen ble tolket opp mot den matematiske modellen, og resultatet ble kontrollert ved at jeg forklar hvorfor 7 delt på 2 ikke kan erstattes av 3 i en videre modell.

003 Start

Beregn rot og potens med math

Koble en numerisk Python-verdi til den eksakte matematiske formen av en rot.

4 ⁢ 3 Python-kode Kopier kode

import math verdi = math.sqrt(48) print(verdi) print(4 * math.sqrt(3))

Forventet output eller observasjon

De to utskriftene er numerisk like, omtrent 6.928203230275509.

Arbeidsflyt i fire trinn

1. Formuler målet: Koble en numerisk Python-verdi til den eksakte matematiske formen av en rot.
2. Kjør kodeblokken uten å fjerne variabelnavn, kommentarer eller kontrollutskrifter.
3. Sammenlign med forventet resultat: De to utskriftene er numerisk like, omtrent 6.928203230275509.
4. Utfør en uavhengig kontroll: Faktoriser 48 som 16 ganger 3 og begrunn den eksakte formen.

Tolkning og metodevalg

Start med å gjøre datatyper, presisjon og domenekrav synlige. Denne modulen bygger grunnlaget for at resten av analysen skal være etterprøvbar. I denne arbeidsflyten betyr outputen ikke bare et tall eller en graf; den skal oversettes til en matematisk påstand som svarer på oppgaven.

Metodenotat: Velg metoden fordi den passer til problemets struktur, og dokumenter forutsetninger og kontroll. …