Macierze
Niech N1 = {1,2,…,n} N2 ={1,2,…,n}
Def.
Macierze o n wierszach i m kolumnach o współczynnikach w zbiorze R nazywamy każdą funkcję A, która każdej parze (i,j), takiej, że i ε N1, j ε N2 przyporządkowuje pewien element aij ε R, tzn.
(i,j) -> aij dla każdego i ε N1, j ε N2
Zapis:$\ \begin{bmatrix} a_{11} & a_{12} \\ a_{21} & a_{22} \\ \end{bmatrix}$ Macierz ma wymiary n x m
Zapis skrótowy: [aij]i,j=1...n [aij]nxm Anx
Rodzaje macierzy:
Kwadratowa – macierz składająca się z równej liczby wierszy i kolumn (Anxm) („A jest macierzą stopnia n”)
Diagonalna – macierz kwadratowa, dla której wszystkie aij dla i ≠ j
Przekątna, na której leża elementy a11, a22,…, anm nazywamy przekątną główną.
Jednostkowa – macierz diagonalna mająca na przekątnej głównej same jedynki
Trójkątna – macierz kwadratowa w której wszystkie elementy nad (pod) główną przekątną są równe zero.
Transponowana – macierzą transponowaną do Anxm nazywamy ATmxn, w której zamieniono miejscami wiersze z kolumnami.
Symetryczna – macierz kwadratowa, w której dla wszystkich i, j zachodzą aij = aji (elementy są symetryczne względem głównej przekątnej)
Skośno-symetryczna – macierz kwadratowa, w której dla wszystkich i ≠ j zachodzi aij = - aji
Zerowa – macierz kwadratowa, w której wszystkie elementy są równe 0
Macierz kwadratową Anxn nazywamy:
Symetryczną , jeśli A = AT
Idempotetną, jeśli A2=A
Inwolutywną, jeśli A2= I (I – macierz jednostkowa)
Ortogonalną, jeśli AT=A-1 ( AT • A = I)
Tw. Jeśli A jest macierzą ortogonalną, to |A| = ±1
Dowód: |A|•|A| = |AT|•|A| = |AT •A| = | I | = 1 zatem |A2|=1 => |A| = ±1
Wyznaczniki
Niech Anxm – dowolna macierz kwadratowa
Def. Wyznacznikiem stopnia n nazywamy taką funkcję, która
-przyporządkowuje każdej macierzy kwadratowej A pewną liczbę ε R |A| (det A)
- spełnia warunki
1) jeśli A=[a]1x1 , to |A| = a
2) jeśli A jest macierzą kwadratową stopnia n>1, to wartość tej funkcji dla macierzy A wynosi
|A| = (-1)1+j aij Mij+…+ (-1)n+janjMnj
|A| = $\sum_{j = 1}^{n}{\left( - 1 \right)1 + j*\text{\ a}\text{ij}*\text{\ M}\text{ij}}$ 1≤ j ≤n , Mij – minor macierzy A
Def. Minorem Mij macierzy kwadratowej A nazywamy wyznacznik stopnia n -1 macierzy powstałej z macierzy A przez skreślenie i-tego wiersza i j-tej kolumny
Metoda obliczania wyznaczników:
Macierz stopnia pierwszego n=1 A=[a], to |A| = a
Macierz stopnia drugiego A=$\left| \begin{matrix} a_{11} & a_{12} \\ a_{21} & a_{22} \\ \end{matrix} \right|$, to |A| = a11 • a22 – a12 • a21
Macierz stopnia trzeciego – schemat Sarrusa
Macierze wyższego stopnia n≥4 = rozwinięcie Laplace’a
Def. Dopełnienie algebraiczne Aij
Aij = (-1)i+j Mij
Rozwinięcie względem i-tego wiersza
|A| = ai1•Ai1 +…+ain•Ain = $\sum_{j = 1}^{n}{a_{\text{ij}} \bullet A_{\text{ij}}}$
Rozwinięcie względem i-tej kolumny
|A| = a1j•A1j +…+anj•Anj = $\sum_{i = 1}^{n}{a_{\text{ij}} \bullet A_{\text{ij}}}$
Dopełnieniem algebraicznym Aij nazywamy iloczyn Aij = ( − 1)i + j * Mij
Własności wyznaczników:
Jeżeli macierz A posiada dwa wiersze (kolumny) równe lub proporcjonalne to |A| = 0
Jeżeli w macierzy przestawimy dwa sąsiednie wiersze (kolumny), to wyznacznik zmieni znak na przeciwny
Jeżeli w macierzy A istnieje wiersz (lub) kolumna złożona z samych zer to |A|=0
Wyznacznik macierzy trójkątnej (diagonalnej) jest równy iloczynowi elementów stojących na głównej przekątnej
Jeżeli w macierzy A do wiersza (kolumny) dodamy inny wiersz (kolumnę) pomnożoną przez dowolną stałą, to wyznacznik nie ulega zmianie
Jeżeli wiersz (kolumna) macierzy A jest sumą dwóch (lub więcej) elementów to wyznacznik tej macierzy jest sumą dwóch (lub więcej) wyznaczników.
|A1,A2,…,Ai+Ai’,…,An| =|A1,A2,…,Ai,…,An|+|A1,A2,…,Ai’,…,An|
Jeżeli wiersz (kolumna) macierzy A zostanie pomnożony przez liczbę K, to wyznacznik macierzy A zwiększy się K razy
K• |A1,A2,…,Ai,…,An| = |A1,A2,…,Ai • K,…,An|
Wyznacznik z macierzy A jest równy wyznacznikowi macierzy AT ( |A| = |AT|)
Działania na macierzach:
Def. Macierze A i B są równe <=> mają te same wymiary oraz odpowiadające sobie elementy macierzy A i B są równe, tzn aij = bij dla każdych ij
1) Dodawanie:
A=[aij]nxm B=[bij]nxm
Sumą macierzy jest C=[cij]nxm , gdzie cij=aij + bij dla każdych i, j
C=A+B
Własności dodawania:
- przemienność – A+B=B+A
- łączność – (A+B)+C=A+(B+C)
- (A+B)T=AT+BT
2) Mnożenie macierzy przez liczbę
Niech dana będzie macierz A=[aij]nxm
Iloczynem macierzy A i liczby kεR nazywamy C=[cij]nxm , gdzie cij =k • aij dla każdych i, j.
Własności:
- rozdzielność mnożenia względem dodawania k • (A+B) = k • A + k • B
- (k+B) • A = k • A + B • A
- k(A+B) = (k*B)A
3) Mnożenie macierzy przez macierz
Def. Macierz Amxl i Bkxn są zgodne, jeżeli liczba kolumn macierzy A jest równa liczbie wierszy macierzy B (l=k)
Niech Amxl i Blxn będą zgodne. Iloczynem macierzy A przez macierz B nazywamy macierz C=[cij]nxm o wymiarach nxm, gdzie:
Cij = $\sum_{k = l}^{k}{a_{\text{ik}}b_{\text{kj}}}$ dla każdych i, j ; ozn. C=A*B
Cij = ai1•b1j + ai2•b2j +…+ ail•blj
Własności iloczynu macierzy:
A•B ≠ B • A – zazwyczaj nie jest przemienne
(A•B) • C = A • (B•C) – łączność
(A+B) • C = AC + BC – rozdzielność mnożenia względem dodawania
A•(B+C) = AB + AC
(A•B)T= BT • AT
|A•B|= |A| •|B| - A i B są kwadratowe – wzór Cauchy’ego
I • A = A • I = A (I – macierz jednostkowa)
k • (A • B) = (k • A) • B = A • (k • B)
4) Odwracanie macierzy
Warunki konieczne i dostateczne, aby macierz A była odwracalna:
- A – macierz kwadratowa
- |A| ≠ 0 (A jest nieosobliwa)
Niech A będzie macierzą kwadratową i nieosobliwą
Def. Macierz Bnxn nazywamy odwrotną do macierzy Anxn, gdy: A•B = B•A = I
Oznaczenie: B = A-1
Własności macierzy odwrotnej:
- istnieje co najwyżej jedna macierz odwrotna do macierzy A
- |A-1| = $\frac{1}{|A|}$
- (A-1)-1 = A
- (A•B)-1 = B-1 • A-1 dla Anxn i Bnxn
- (AT)-1 = (A-1)T
- (k•A)-1 = $\frac{1}{k}$ • A-1
Wyznaczanie macierzy odwrotnej:
Niech Anxn będzie macierzą nieosobliwą
Tworzymy macierz dopełnień algebraicznych (macierz C, gdzie Aij= ( − 1)i + j * Mij)
Transponujemy macierz C
Obliczamy A-1= $\frac{1}{|A|}$ CT
Rząd macierzy
Liniowa niezależność wektorów
Niech dany będzie zbiór k wektorów {x1, x2,…., xk} takich, że xi ε Rn dla każdego i =1,2,…., k tzn.
xi =[xi1,xi2,…,xin]
Niech Õ ε Rn – wektor zerowy w postaci Õ = [0,0,…,0], natomiast + (dodawanie wektorów) oraz • (mnożenie wektorów przez liczbę)
[-1,2,3] + [5,7,3] = [4,9,6]
2*[-1,2,3] = [-2,4,6]
Def. Wektory {x1, x2,…., xk} są liniowo niezależne, jeżeli jedynym rozwiązaniem równości
k1•x1+k2• x2+….+kk• xk = Õ k1, k2… ε R
jest k1=k2=…=kk = 0
Liniowa niezależność wektorów
Wektory {x1, x2,…., xk} nazywamy liniowo zależnymi, jeśli nie są liniowo niezależne, tzn. istnieje taki układ k1, k2…kn ε R spełniający równanie powyżej, w którym ki ≠ 0 dla pewnego i.
Uwagi:
Zbiór wektorów liniowo niezależnych nie może zawierać wektora Õ
Dowolny podzbiór zbioru liniowo niezależnego też jest liniowo niezależny
Zbiór wektorów jest liniowo zależny {x1, x2,…., xk} <=> jeden z nich jest kombinacją liniową pozostałych, tzn. istnieje takie i ,że
xi = k1•x1 +…+ki-1•xi-1+ki+1•xi+1+…+kk•xk dla pewnych k1,…, ki-1, ki+1,…,kk εR
Niech Anxm będzie dowolną macierzą
Def. Rząd wierszowy macierzy A – maksymalna liczba liniowo niezależnych wierszy macierzy A
Oznaczamy - rw(A)
Def. Rząd kolumnowy macierzy A – maksymalna liczba liniowo niezależnych kolumn macierzy A
Oznaczamy – rk(A)
Uwaga: Rząd wierszowy (kolumnowy) macierzy nie może być wiekszy niż liczba wierszy (kolumn) macierzy A
Tw. rw(A) = rk(A)
Def. Rząd macierzy A – rząd wierszowy (kolumnowy)
Oznaczenie r(A) – rząd macierzowy
Obliczanie rzędu macierzy:
I sposób – z def. – badając niezależność wierszy lub kolumn
II sposób – wykorzystując operacje elementarne:
- przestawienie 2 dowolnych wierszy (kolumn)
- przemnożenie dowolnego wiersza (kolumny) przez liczbę ≠ 0
- dodawanie do dowolnego wiersza (kolumny) innego wiersza (kolumny) pomnożonego przez liczbę.
Tw1. Operacje elementarne nie zmieniają rzędu macierzy.
Tw2. Istnieje ciąg operacji, których dowolną macierz Anxm przekształca w macierz Bnxm w postaci $B = \begin{bmatrix} I & 0 \\ 0 & 0 \\ \end{bmatrix}$ (I – macierz jednostkowa, 0 – macierz zerowa)
Wniosek r(A) – st (I)
Dowód: r(A) = r(B) – tw. 1 r(B) = st (I)
- aby obliczyć rząd macierzy Anxm wystarczy ją przekształcić do postaci $B = \begin{bmatrix} T & R \\ 0 & 0 \\ \end{bmatrix}$ (T-macierz trójkątna, R- macierz dowolna)
Wówczas również r(A)=st (T)
Własności rzędu macierzy:
1) r(Anxm) ≤ min {m,n}
2) r(A•B) ≤ min {r(A); r(B)}
3) r(AT) = r(A)
4) rząd macierzy zerowej jest równy 0
5) rząd macierzy A jest równy stopniowi największego minora różnego od zera, istniejącego w macierzy A
Uwaga: własność 5 jest III sposobem obliczania rzędu macierzy.
Wniosek:
1) r(In) = n;
2)związek między wyznacznikiem macierzy kwadratowej Anxn a jej rzędem:
r(A)= n <=> |A|≠0 r(A)<n <=> |A| = 0
Zastosowanie rzędu:
Sprawdzanie liniowej niezależności układu wektorów
Określenie liczby rozwiązań układu równań
UKŁADY RÓWNAŃ LINIOWYCH
Def. Układem m równań o n niewiadomych x1, x2,…, xn nazywamy układ równań postaci:
UKŁAD RÓWNAŃ (*) $\left\{ \begin{matrix} a_{11}x_{1} + a_{12}x_{2} + \ldots + a_{1n}x_{n} = b_{1} \\ a_{21}x_{1} + a_{22}x_{2} + \ldots + a_{2n}x_{n} = b_{2} \\ \ldots\ldots. \\ a_{m1}x_{1} + a_{m2}x_{2} + \ldots + a_{\text{mn}}x_{n} = b_{m} \\ \end{matrix} \right.\ $
gdzie: aij , bi ε R dla wszystkich i=1,2,…., m ; j= 1,2…., n
Zapis układu macierzowego: A • x = b (zapis równania powyżej w postaci 3 macierzy o wymiarach m x n)
Def. Rozwiązaniem układu równań (*) jest każdy ciąg wartości (x1,x2,…,xn) spełniający równanie (*)
Zał. m=n
Macierz A jest kwadratowa (Anxn)
Def. Układ (*) nazywamy układem Cramera <=> gdy |A|≠ 0
Tw. Układ Cramera ma dokładnie jedno rozwiązanie:
$$x = \frac{\left| A_{i} \right|}{|A|}\text{\ \ \ \ },\text{\ \ }i = 1,2,\ldots,n$$
Gdzie Ai –macierz powstała z macierzy A przez zastąpienie i-tej kolumny, kolumną wyrazów wolnych.
Zał. m≠n v m=n [lub]
Układ równań (*) może mieć:
- 1 rozwiązanie – układ oznaczony
- Nieskończenie wiele rozwiązań – układ nieoznaczony
- 0 rozwiązań – układ sprzeczny
Niech Amxn – macierz układu równań
Ozn. Ă – macierz powstała z macierzy A przez dopisanie kolumny wyrazów wolnych
Ămx(n+1) – macierz rozszerzona (uzupełniona)
Tw. Kroneckera-Capellego
Układ równań (*) ma co najmniej jedno rozwiązanie <=> r(A)= r(Ă).
Def. Gdy spełniony jest warunek r(A)=r(Ă), to układ równań (*) jest zgodny.
UWAGA: Zawsze r(A)≤r(Ă), więc układ jest sprzeczny (tzn. nie jest zgodny) <=> r(A) < r(Ă).
Rozwiązanie dowolnego układu równań – metoda eliminacji Jordana-Gaussa
Polega na kolejnej eliminacji niewiadomych przy zastosowaniu operacji:
Zmiana kolejności równań
Pomnożenie równania przez dowolna liczbę ≠ 0
Dodanie do równania innego równania pomnożonego przez liczbę
UWAGA – powyższe operacje nie zmieniają rzędu macierzy.
Cel przekształceń – doprowadzenie macierzy do macierzy trójkątnej
Rozwiązanie układu równań – algorytm
Poprzez eliminację Jordana-Gaussa macierz doprowadzamy do macierzy trójkątnej
W oparciu o macierz trójkątną obliczamy rząd A oraz Ă
Jeśli r(A) < r(Ă) to brak rozwiązań
Jeśli r(A) = r(Ă) to pkt 4
Wprowadzamy za (ilość niewiadomych – n) n-r [n minus r] zmiennych parametry
Pozostałe r zmiennych wyznaczamy po kolei począwszy od ostatniego niezerowego wiersza (równania) macierzy trójkątnej
Uwaga – przy pomocy powyższej procedury można rozwiązać układy równań Cramera
UKŁADY RÓWNAŃ JEDNORODNYCH
Def. Układ równań liniowych (*) nazywamy układ równań jednorodnych <=> b1=b2=…=bm=0
A • x = Õ gdzie Õ=$\begin{bmatrix} 0 \\ 0 \\ 0 \\ \end{bmatrix}$
Uwaga – układ równań jednorodnych ma minimum jedno rozwiązanie (x=Õ, tzw. Rozwiązanie trywialne)
Wniosek 1. Jeśli układ równań jednorodnych jest układem Cramera to rozwiązanie trywialne jest jedynym jego rozwiązaniem.
Wniosek 2. W przypadku układu równań jednorodnych r(A)= r(Ă)
Tw. Jeśli x oraz x’ są rozwiązaniem układu równań jednorodnych, to każda kombinacja liniowa k•x + l•x', gdzie k,l ε R również jest rozwiązaniem tego układu.
[ANALIZA MATEMATYCZNA]
CIĄGI LICZBOWE
Def. Ciągiem liczbowym nazywamy każdą funkcję, której dziedziną są liczby naturalne f:N->R
Umowa: Wartości powyższych f. (tzn. f(1), f(2)..) zwykło się oznaczać symbolami a1, a2, …. Tzn. a1=f(1), a2=f(2)
Oznaczenie: (an) lub {an}
Sposoby określania ciągu:
Podanie wartości jego elementów an dla każdego n=1,2…..
Wzór jawny - pozwala obliczyć każdy an w zależności od n: $a_{n} = \frac{1}{n} + 1\ \ ,\text{\ \ }n = 1,2..$
Wzór rekurencyjny – pozwala obliczyć an w zależności od wcześniejszego wyrazu ciągu.
An=2an-1 – an-2-1 , n=1,2…., gdzie a1=-2 , a2=1,5
Rodzaje ciągów
Def. Ciąg (an) nazywamy:
Rosnącym <=> gdy dla każdego n ε N an<an+1
Malejącym <=> gdy dla każdego n ε N an>an+1
Niemalejącym <=> gdy dla każdego n ε N an≤an+1
Nierosnącym <=> gdy dla każdego n ε N an≥an+1
Stałym <=> gdy dla każdego n ε N an=an+1
Def. Ciąg (an) nazywamy monotonicznym, jeśli jest niemalejący lub nierosnący
Def. Ciąg (an) nazywamy ograniczonym z dołu, jeśli istnieje takie c ε R dla którego dla każdego n ε N an≥ c
Def. Ciąg (an) nazywamy ograniczonym z góry jeśli istnieje takie c ε R dla którego dla każdego n ε N an≤ c
Def. Ciąg (an) nazywamy ograniczonym jeśli istnieje takie c ε R+ dla którego dla każdego n ε N |an|≤ c
Tw. Ciąg jest ograniczony, gdy jednocześnie jest ograniczony z góry i z dołu.
Zbieżność ciągów
Def. (granicy Cauchy’ego)
Liczba g ε R nazywa się granicą ciągu (an), jeśli do każdego otoczenia liczby g należą prawie wszystkie wyrazy tego ciągu, tzn.:
granicą ciągu (an) po n zmierzającym do nieskończoności jest liczba g <=> gdy dla każdego
£ [epsilon] > 0 istnieje takie n ε N to dla każdego n>n£ wtedy |an-g|<£ <=> dla każdego £>0 istnieje n£ ε N dla każdego n> n£ i wtedy an ε(g-£, g+£)
Oznaczenie: an = g
Def. Ciąg an ma granicę w ±∞, jeśli: dla każdego M>0 istnieje nmεN dla każego n>nM
an >M <- +∞ an <M <- -∞
an = +∞
Oznaczenie an = +∞ [−∞]
Def. Ciąg (an) jest zbieżny, jeśli posiada granicę skończoną.
Def. Ciąg (an) jest rozbieżny, jeśli nie jest zbieżny, tzn.
an = ±∞
Ciąg (an) nie ma granicy.
TWIERDZENIA O CIĄGACH ZBIEŻNYCH
Ciąg stały jest zbieżny – tzn. jeśli (an) = (a), to an = a
Ciąg zbieżny ma tylko jedną granicę.
Każdy ciąg zbieżny jest ograniczony.
Każdy ciąg monotoniczny i ograniczony jest zbieżny.
Działania arytmetyczne na ciągach zbieżnych
Niech an = a i bn = b
(an • ∝ ± β • bn) = ∝ • a ± β • b
an • bn = a • b
$\operatorname{}\frac{a_{n}}{b_{n}} = \frac{a}{b}$ (dla każdego n ε N - bn≠0 i b≠0)
(an)k = ak (k ε N)
$\operatorname{}\sqrt[k]{a_{n}} = \sqrt[k]{a}$ (k ε N)
βan = βa (β > 0)
(o trzech ciągach)
Niech dane będą 3 ciągi (an ),( bn), (cn) takie, że:
Istnieje n0 dla każdego n>n0 wtedy an≤bn≤cn
Ciągi (an)i (cn) są zbieżne oraz an = g = cn
Wówczas ciąg bn też jest zbieżny i bn = g
Uzupełnienie Tw.6
Tw 6a) Niech dane będą ciągi (an), (bn) takie, że:
- istnieje n0 dla każdego n>n0 wtedy an ≤bn
- an = +∞
Wówczas ciąg (bn) też jest rozbieżny do +∞.
Tw 6b) Niech dane będą ciągi (bn), (cn) takie że
- istnieje n0 dla każdego n>n0 wtedy bn ≤cn
- cn = −∞
Wówczas ciąg (bn) też jest rozbieżny do -∞.
Wyrażenia nieoznaczone:
[$\left\lbrack \infty \bullet - \infty \right\rbrack\ ;\left\lbrack 0 \bullet \infty \right\rbrack\ ;\left\lbrack \frac{\infty}{\infty} \right\rbrack;\left\lbrack \frac{0}{0} \right\rbrack;\ {\lbrack\infty}^{0}\rbrack;\ {\lbrack 0}^{0}\rbrack;\lbrack 1^{\infty}\rbrack$
Granice wybranych ciągów
$\operatorname{}{a^{n} = \left\{ \begin{matrix} \text{brak\ \ \ a} \leq - 1 \\ \infty\ \ \ \ \ \ a > 1 \\ 0\ \ \ \ \ \ \ \ \ \left| a \right| < 1 \\ 1\ \ \ \ \ \ \ \ \ \ \ a = 1 \\ \end{matrix} \right.\ }$
$\operatorname{}{\sqrt[n]{a} = 1}$
$\operatorname{}{\sqrt[n]{n} = 1}$
$\operatorname{}{{(1 + \frac{1}{n})}^{n} = e}$
Można udowodnić, że ciąg an=(1+$\frac{1}{n})$n jest rosnący i ograniczony – jest zbieżny (tw.4)
Def. Granicę ciągu an=(1+$\frac{1}{n})$n nazywamy liczbą Eulera i oznaczamy symbolem e≈2,71828 – jest liczbą niewymierną.
Uogólnienia granicy 4):
$\operatorname{}{{(1 + \frac{k}{n})}^{n} =}e^{k}$ (k ε R)
Wniosek: $\operatorname{}{{(1 - \frac{1}{n})}^{n} = \frac{1}{e}}$
Jeśli an = ±∞; to $\operatorname{}{{(1 + \frac{k}{a_{n}})}^{a_{n}} = e^{k}}$ (k ε R)
Jeśli an = 0 to $\operatorname{}{{{(1 + a}_{n})}^{\frac{1}{a_{n}}} = e}$
Def. Liczbę g nazywamy punktem skupienia ciągu (an), jeśli istnieje w (an) podciąg zbieżny do g.
UWAGA: Każdy ciąg zbieżny posiada dokładnie jeden punkt skupienia; jest nim granica tego ciągu (inaczej mówiąc: każda granica jest również punktem skupienia).
SZEREGI LICZBOWE
Niech dany będzie nieskończony ciąg (an)
Def. Przez szereg liczbowy oznaczony symbolem
a1+a2+…+an+… lub $\sum_{n = 1}^{\infty}a_{n}$
rozumiemy ciąg (Sn) sum:
S1=a1 ; S2= a1+a2
Sn= a1+a2+…+an+…
Liczby a1+a2+… nazywamy wyrazami szeregu, zaś S1, S2 – sumami częściowymi (cząstkowymi) szeregu.
Def. Sumą szeregu – S nazywamy granicę S = Sn
Sn= a1+a2+…+an+… lub $S = \sum_{n = 1}^{\infty}a_{n}$
Uwaga: S może być granicą skończoną bądź nieskończoną
Def. Jeśli szereg ma sumę skończoną S, to jest zbieżny.
Def. W przeciwnym wypadku szereg jest rozbieżny (szereg nie ma sumy) Uwaga: rozbieżność może polegać na tym, że S=±∞ lub granica nie istnieje
Tw. Szereg harmoniczny rzędu ∝, tzn $\sum_{n = 1}^{\infty}\frac{1}{n^{\propto}}$ , ∝ >0 jest zbieżny dla ∝ >1 i rozbieżny dla ∝≤ 1
Tw. Jeżeli szeregi $\sum_{n = 1}^{\infty}a_{n}$ oraz $\sum_{n = 1}^{\infty}b_{n}$ są zbieżne, a ich sumy wynoszą odpowiednio A i B to:
$\sum_{n = 1}^{\infty}a_{n} \pm b_{n}$ = $\sum_{n = 1}^{\infty}a_{n}$ ± $\sum_{n = 1}^{\infty}b_{n}$ = A ± B
$\sum_{n = 1}^{\infty}{(k \bullet a_{n}}) = k\ \bullet \sum_{n = 1}^{\infty}a_{n}$= k • A
Tw. (warunek konieczny zbieżności szeregu)
Jeżeli szereg $\sum_{n = 1}^{\infty}a_{n}$ jest zbieżny, to an = 0
SZEREGI O WYRAZACH NIEUJEMNYCH
$\sum_{n = 1}^{\infty}a_{n}$ gdzie an≥0 => Sn≥Sn-1 => (Sn) zbieżny lub rozbieżny do +∞
Kryteria zbieżności szeregów:
Kryterium porównawcze
Kryterium D’Alamberta
Kryterium Cauchy’ego
Szeregi $\sum_{n = 1}^{\infty}a_{n}$ oraz $\sum_{n = 1}^{\infty}b_{n}$ (an,bn≥0)
Istnieje k ε N dla każdego n>k wtedy an≤bn i $\sum_{n = 1}^{\infty}b_{n}$ – zbieżny, to $\sum_{n = 1}^{\infty}a_{n}$ - zbieżny
Istnieje k ε N dla każdego n>k wtedy an≤bn i $\sum_{n = 1}^{\infty}a_{n}$ = +∞ , to $\sum_{n = 1}^{\infty}b_{n}$ - rozbieżny do +∞
Niech dany będzie szereg $\sum_{n = 1}^{\infty}a_{n}$ (an ≥0). Rozważmy ciąg (dn) gdzie dn=$\frac{a_{n + 1}}{a_{n}}$
Jeżeli istnieje granica d = dn oraz:
d>1 to szereg $\sum_{n = 1}^{\infty}a_{n}$ jest rozbieżny
d<1 to szereg $\sum_{n = 1}^{\infty}a_{n}$ jest zbieżny
d=0 – to kryterium nie rozstrzyga – przypadek wątpliwy
Niech dany będzie szereg $\sum_{n = 1}^{\infty}a_{n}$ (an ≥0)
Rozważmy ciąg (cn), gdzie cn=$\sqrt[n]{a_{n}}$
Jeżeli istnieje granica c = cn oraz:
c>1 to szereg $\sum_{n = 1}^{\infty}a_{n}$ jest rozbieżny
c<1 to szereg $\sum_{n = 1}^{\infty}a_{n}$ jest zbieżny
c=0 – to kryterium nie rozstrzyga
FUNKCJE JEDNEJ ZMIENNEJ
Niech będą zbiory X,Y ⊂R
Def. Funkcją f: X->Y nazywamy odwzorowanie zbioru X w Y, które każdemu elementowi x ε X przyporządkowuje jeden element yεY
Zbiór X nazywamy dziedziną , natomiast Y- przeciwdziedziną.
Niech f(x)={yεY; dla każdego xεX f(x)=y} oczywiście f(x) ⊂Y
Def. Zbiór f(x) nazywamy zbiorem wartości funkcji f.
Rodzaje funkcji:
Różnowartościowa (1-1) (iniekcja)
Def. Funkcja f: X->Y nazywa się róznowartościową, jeśli dla każdego x1,,x2 εX i x1,≠x2 => f(x1)≠f(x2)
Lub dla każdego x1,,x2 εX i f(x1)=f(x2)=> x1,=x2
Funkcja „na” (suriekcja)
Def. Funkcja f: X->Y nazywa się suriekcją jeśli dla każdego yεY istnieje xεX wtedy f(x)=y
Każda prosta pozioma w odpowiednim zakresie ma min 1 punkt przecięcia z wykresem.
Uwaga: Fukcja f:X->Y jest „na” jeśli f(x)=Y
Funkcja wzajemnie jednoznaczna (bijekcja)
Def. Funkcja f:X->Y nazywa się bijekcją, jeśli jest róznowartościowa i „na”
Każda prosta pozioma w odpowiednim zakresie ma dokładnie jeden punkt wspólny z wykresem.
Superpozycja (złożenie) funkcji
Niech dane będą funkcje f:X->Y oraz g: Y->Z
Def. Złożeniem funkcji f i g nazywamy odwzorowanie h: X->Z określone wzorem: h(x)=g(f(x))
Oznaczamy h=g₀f lub h(x)=(g₀f)(x)
Uwagi:
Złożenie funkcji f i g istnieje <=> gdy f(x) ⊂Dg
Zwykle g₀f≠f₀g
Funkcja odwrotna
Niech dana będzie funkcja wzajemnie jednoznaczna f:X->Y
Def. Funkcję f-1:Y->X nazywamy funkcją odwrotna do f, jeżeli dla każdego xεX i yεY wtedy y=f(x) <=> x=f-1(y)
Uwagi: 1)Funkcja odwrotna f-1 też jest funkcją wzajemnie jednoznaczną
2)(f-1)-1= f
3) Superpozycje f-1₀f oraz f₀f-1 są funkcjami tożsamościowymi, tzn. dla każdego xεX (f₀f-1)(x)=x oraz yεY (f₀f-1)(y)=y
Przykłady funkcji odwrotnych
a)Niech dana będzie f. f:R->(0,∞) określona wzorem f(x)=ax, gdzie a >0
Funkcją odwrotną do f jest f-1: (0,∞)->R określona wzorem f-1(x)=logax
Funkcje cyklometryczne (kołowe)
Są to funkcje odwrotne do funkcji trygonometrycznych, z dziedzinami ograniczonymi do pewnych przedziałów:
a) f(x)= sin x f:[$\frac{- \pi}{2};\frac{\pi}{2}\rbrack$ -> [-1,1]
Jest różnowartościowa i „na” wiec f ma funkcję odwrotną- funkcję tę nazywamy arcus sinus i oznaczamy arcsinx (arcsinx – spełnia warunek funkcji odwrotnej [można go z powrotem na sinusa])
b)f(x)=cosx f:[0,π] -> [-1,1]
Jest różnowartościowa i „na” wiec f ma funkcję odwrotną- funkcję tę nazywamy arcus cosinus i oznaczamy arccosx (arccosx – spełnia warunek funkcji odwrotnej [można go z powrotem na cosinusa])
c)f(x)=tgx f: ($\frac{- \pi}{2};\frac{\pi}{2})$ -> R
Jest różnowartościowa i „na” wiec f ma funkcję odwrotną- funkcję tę nazywamy arcus tangens i oznaczamy arctgx (arctgx – spełnia warunek funkcji odwrotnej [można go z powrotem na tangensa])
d)f(x)=ctg(x) f:[0,π] -> R
Jest różnowartościowa i „na” wiec f ma funkcję odwrotną- funkcję tę nazywamy arcus cotangens i oznaczamy arcctgx (arcctgx – spełnia warunek funkcji odwrotnej [można go z powrotem na cotangensa])
GRANICA FUNKCJI
Def. Otoczeniem punktu x0 o promieniu ð>0 nazywamy przedział otwarty (x0-ð, x0+ð ) i oznaczamy symbolem U(x0,ð)
Def. Sąsiedztwo punktu x0 o promieniu ð>0 to zbiór (x0-ð, x0+ð ) i oznaczamy symbolem S(x0,ð)
Uwaga: S(x0,ð) = U(x0,ð)
Niech dany będzie dowolny zbiór X⊂R
Def. Punkt x0 jest punkt skupienia zbioru X, jeśli w dowolnym jego S znajduje się choć 1 punkt należący do X.
Uwaga: Punkt skupienia zbioru X moża, ale nie musi należeć do tego zbioru.
Granica funkcji w punkcie
Niech dana będzie funkcja f:X->Y oraz punkt x0 będący punktem skupienia zbioru X
Def. Heinego
Liczba g jest granicą funkcji f:X->Y w punkcie x0, gdy dla każdego ciągu (xn) takiego, że xnεX, xn≠x0 i xn->x0, ciąg wartości funkcji f(xn) dąży do g przy n->∞
Oznaczamy: f(x) = g
Zapis symboliczny: f(x) = g <=> dla każdego xnεX i xn≠x0 to xn$\overset{\rightarrow}{n \rightarrow \infty}$x0 => f(xn) $\overset{\rightarrow}{n \rightarrow \infty}$g
Def. Cauchy’ego
Liczba g jest granicą funkcji f:X->Y w punkcie x0, gdy dla każdej liczby €>0 istnieje liczba ð€ taka, że dla każdego xεX z nierówności 0<|x-x0]< ð€ wynika nierówność |f(x) –g|,€
Uwaga: Def. Heinego i Cauchy’ego są równoważne
Granica jednostronna funkcji w punkcie
Oznaczamy przez S+(x0,ð) = (x0, x0+ð) – sąsiedztwo prawostronne
S-(x0,ð) = (x0-ð, x0) – sąsiedztwo lewostronne punktu x0
Niech dany będzie dowolny zbiór X⊂R
Def. Punkt x0 jest lewostronnym(prawostronnym) punktem skupienia zbioru X, jeśli w dowolnym jego sąsiedztwie lewostronnym(prawostronnym) znajduje się choć jeden punkt należący do X.
Niech dana będzie funkcja f:X->Y oraz punkt x0 będący lewostronnym(prawostronnym) punktem skupienia zbioru X.
Def. Heinego
Liczba g jest lewostronną(prawostronną) granicą funkcją f:X->Y w punkcie x0, , gdy dla każdego ciągu (xn) takiego, że xnεX, xn<x0 (xn<x0) i xn-> x0, ciąg wartości funkcji f(xn) dąży do g przy n->∞
Oznaczenie: f(x)=g (f(x)=g) (symbolicznie …..)
Tw. Funkcja f posiada granicę w punkcie x0 <=> istnieją obie granice jednostronne funkcji f w punkcie x0 i są równe. Wtedy: : f(x)=g = f(x)=g = f(x)=g
3)Granica niewłaściwa funkcji
Niech dana będzie funkcja f:X->Y oraz punkt x0 będący punktem skupienia zbioru X
Def. Heinego
Funkcja f:X->Y ma w punkcie x0 granicę niewłaściwą ∞[-∞], gdy dla każdego ciągu [xn], takiego że xnεX, xn ≠x0 i xn->x0, ciąg wartości funkcji f(xn)dąży do ∞[-∞] przy n->∞
Oznaczenie: f(x)=∞ ; f(x)= − ∞
4) Jednostronna granica niewłaściwa funkcji:
Niech dana będzie funkcja f:X->Y oraz punkt x0 będący lewostronnym(prawostronnym) punktem skupienia zbioru X.
Def. Heinego
Funkcja f: X->Y ma w punkcie x0 lewostronną (prawostronną) granicę niewłaściwą ±∞, gdy dla każdego ciągu (xn) takiego, że xnεX, xn<x0 (xn>x0) i xn->x0, ciąg wartości f(xn) dąży do ±∞ przy n->∞
Oznaczamy: f(x)= ± ∞ (f(x)= ± ∞) (symbolicznie…)
Tw. (o działaniach arytmetycznych na granicach funkcji)
Jeśli f(x)=p oraz g(x)=g to:
[ ∝ •f(x) ± β • g(x)= ∝ •p ± β • g
[f(x) • g(x)]=p • g
$\operatorname{}{\frac{f\left( x \right)}{g(x)} =}\frac{p}{g}$ (dla każdego xεX, g(x)≠0 i g ≠ 0)
Tw. (o 3 funkcjach)
Niech dane będą funkcje f(x), g(x), h(x) określone w pewnym S(x0,ð) punktu x0
Jeśli dla każdego xε(x0,ð) f(x)≤g(x)≤h(x) i f(x)=h(x)=g to g(x)=g
Jeśli dla każdego xε(x0,ð) f(x)≤g(x) i f(x)=∞, to g(x)=∞
Jeśli dla każdego xε(x0,ð) f(x)≤h(x) i h(x) = −∞, to g(x) = −∞
Przykładowe granice:
$\operatorname{}{\frac{\sin x}{x} =}1$,
$\operatorname{}{\frac{a^{x} - 1}{x} =}\text{lna}$, wniosek $\operatorname{}{\frac{e^{x} - 1}{x} =}lne = 1$
$\operatorname{}{{(1 + \frac{1}{x})}^{x} =}e$ ogólnie $\operatorname{}{{(1 + \frac{k}{x})}^{x} =}e^{k}$
$\operatorname{}{{(1 + x)}^{\frac{1}{x}} =}e$ ogólnie $\operatorname{}{{(1 + kx)}^{\frac{1}{x}} =}e^{k}$
CIĄGŁOŚĆ FUNKCJI W PUNKCIE
Niech dana będzie funkcja f:X->R określona w pewnym otoczeniu punktu x0
Def. Funkcja jest ciągła w punkcie x0, jeśli istnieje granica właściwa funkcji f(x) w punkcie x0 i jest ona równa wartości w tym punkcie.
f(x)=f(x) x0εX
Def. Funkcja f jest ciągła lewostronnie (prawostronnie) w punkcie x0 jeśli zachodzi:
f(x)=f(x0) f(x)=f(x0))
Uwaga: Funkcja f jest ciągła w x0 <=> jest jednocześnie lewo i prawostronnie ciągła w x0.
Def. Punkt x0εX jest punktem nieciągłości funkcji f. jeśli f nie jest ciągła w x0.
Def. Funkcja f jest ciągła w zbiorze A⊂X, jeśli f jest ciągła w każdym punkcie tego zbioru (xεA)
Tw. o funkcjach ciągłych
Tw1. Niech funkcje f i g będą określone w (a,b) i ciągłe w punkcie x0ε(a,b). Wówczas funkcje f±g, f•g, $\frac{f}{g}$ (g(x0) ≠0) są ciągłe w x0
Tw.2 Jeśli funkcja f:X->Y jest ciągła w x0εX i funkcja g:Y->Z jest ciągła w yo=f(xo), to funkcja złożona g₀f jest ciągła w x0
Funkcje wielomianowe, wykładnicze, wymierne, logarytmiczne, trygonometryczne, cyklometryczne są ciągłe w swoich dziedzinach.
POCHODNA FUNKCJI
Niech f będzie funkcją określoną w pewnym otoczeniu U(x0,ð) punktu x0, zaś h≠0 taką liczbą, że x0+hεU(x0,ð)
Def. Ilorazem różnicowym funkcji f w punkcie x0 jest iloraz:
$$\frac{f}{g} = \frac{f\left( x \right) - f(x_{0})}{x - x_{0}} = \frac{f\left( x_{0} + x \right) - \ f(x_{0})}{x} = \frac{f\left( x_{0} + h \right) - f(x_{0})}{h}$$
Gdzie x(h)jest przyrostem zmiennej x.
Def. Pochodną funkcji f w punkcie x0 jest granica ilorazu różnicowego (o ile taka granica istnieje)
$$f^{'}\left( x_{0} \right) = \operatorname{}{\frac{f\left( x \right) - \ f(x_{0})}{x - x_{0}} = \operatorname{}\frac{f\left( x_{0} + h \right) - \ f(x_{0})}{h}}$$
Def. Jeśli funkcja f posiada pochodną w x0, to mówimy, że jest różniczkowalna w xo.
Tw. Jeżeli funkcja jest różniczkowalna w x0, to jest w nim ciągła (tw. odwrotne nie jest prawdziwe)
Def. Funkcja f jest różniczkowalna w zbiorze, jeśli jest różniczkowalna w każdym punkcie tego zbioru.
Def. n-ta pochodną funkcji f jest funkcja fn(x) = (f(n−1)(x))
Działania na pochodnych:
[c•f(x)]’=c • f’(x)
[f(x) ± g(x) ]’ = f’(x) ± g’(x)
[f(x) • g(x)]’ = f’(x)g(x) + g’(x)f(x)
$\left\lbrack \frac{f\left( x \right)}{g\left( x \right)} \right\rbrack^{'} = \frac{f^{'}\left( x \right)g\left( x \right) - \ g^{'}\left( x \right)f(x)}{{\lbrack g\left( x \right)\rbrack}^{2}}$
[f(g(x))]′ = f′[g(x)]•g′(x) , jeśli funkcja f ma pochodną w punkcie g(x) , a funkcja g w x
Zastosowanie pochodnych:
Obliczanie granic funkcji
Badanie przebiegu zmienności funkcji
Twierdzenie de l’Hospotala
Niech f,g: X->R będą różniczkowalne w pewnym sąsiedztwie S(x0,ð) punktu x0, będącym punktem skupienia zbioru X. Jeżeli spełnione są warunki:
Dla każdego xεS(x0,ð) g(x)≠0 i g’(x)≠0
f(x) = 0 i g(x) = 0
$\operatorname{}{\frac{f'\left( x \right)}{g^{'}(x)} = A}$
To: $\operatorname{}{\frac{f\left( x \right)}{g(x)} = A}$
Uwaga warunek 2 można zastąpić:
f(x) = ±∞ i g(x) = ±∞
Monotoniczność funkcji
Def. Funkcję f nazywamy:
Rosnącą ((niemalejącą)) w zbiorze A⊂ Df , jeśli dla każdego x1,x2 ε A i x1<x2 =>f(x1)<f(x2) ((f(x1)≤f(x2)))
Malejącą ((nierosnącą)) w zbiorze A⊂Df , jeśli dla każdego x1,x2 ε A i x1<x2 =>f(x1)>f(x2) ((f(x1)≥f(x2)))
Stała w zbiorze A⊂Df , jeśli istnieje c ε R dla każdego x ε A i wtedy f(x) =c
Def. Funkcję która jest niemalejącą lub nierosnącą nazywamy monotoniczną.
Tw. (warunek wystarczający monotoniczności funkcji)
Niech f będzie różniczkowalna w Ac= Df
Wówczas:
a) jeśli dla każdego x ε A f’(x)>0 [f’(x)≥0], to f jest rosnąca w A [niemalejąca]
b) jeśli dla każdego x ε A f(x)’<0 [f’(x)≤0], to f jest malejąca w A [nierosnąca]
c)jeśli dla każdego x ε A f’(x)=0 to f jest stała.
Ekstrema funkcji
Def. Funkcja f posiada w punkcie x0 ε Df max ((min)) globalne jeśli dla każdego x ε D f(x0)≥f(x) ((f(x0)≤f(x)))
Def. Funkcja f posiada w punkcie x0 ε Df max ((min)) lokalne jeśli istnieje pewne sąsiedztwo S(x0, ð) c=Df punktu x0 takie, że: dla każdego x ε S(x0, ð) f(x0)≥f(x) ((f(x0)≤f(x)))
WARUNKI KONIECZNE I DOSTATECZNE ISTNIENIA EKSTREMUM (lokalnego)
War. Konieczny:
Tw. Fermata
Jeżeli funkcja f posiada w x0 ε Df ekstremum lokalne i istnieje f’(x0), to f’(x0)=0
Uwaga: Warunek ten nie jest wystarczający (twierdzenie odwrotne nie zachodzi)
Wniosek 1 Jeżeli f jest różniczkowalna w całej swojej dziedzinie, to ekstremów należy szukać wśród rozwiązań równania f’(x)=0
Rozwiązania te są punktami stacjonarnymi (podejrzane o bycie ekstremum)
Wniosek 2: Jeżeli nie istnieje pochodna f’(x0) dla x0 ε Df to punkt ten może być ekstremum (mimo, że nie zostawienie wskazany jako rozwiązanie równania f’(x)=0)
Warunki wystarczające na istnienie ekstremum:
Jeżeli funkcja f jest ciągła w x0 ε Df i ma pochodną w pewnym sąsiedztwie S(x0,ð) oraz: dla każdego x ε S-(x0, ð) f’(x)>0 [f’(x)<0] i dla każdego x ε S+(x0, ð) f’(x)<0 [f’(x)>0] to funkcja ma w x0 maksimum [min] lokalne.
Jeżeli funkcja f ma w pewnym otoczeniu U (x0,ð) drugą pochodna ciągłą, a ponadto f’(x0)=0 i f’’(x0)<0 [f’’(x0)>0] to funkcja ma w x0 maksimum [minimum] lokalne.
Wklęsłość i wypukłość funkcji
Def. Różniczkowalna funkcja f(x) jest w przedziale (a,b) wklęsła [wypukła], jeśli dla każdego x,x0 ε(a,b) x0≠x f(x) < [>] f(x0)+f’(x0)•(x-x0)
y= f(x0)+f’(x0)•(x-x0) – równanie stycznej
Wniosek: Jeżeli funkcja f(x) jest wklęsła [wypukła], to jej wykres leży pod [nad] każdą styczną do niej poprowadzoną.
Kryterium badania wklęsłości/wypukłości
Tw. Niech f(x) ma w (a,b) drugą pochodną. Jeśli dla każdego x ε(a,b) f’’(x)< [>] 0 to f(x) jest wklęsła [wypukła] w (a,b)
Punkt przegięcia wykresu funkcji
Def. Punkt (x0, f(x0)) jest punktem przegięcia wykresu funkcji jeśli istnieje liczba ð>0 taka, że w S-(x0, ð) funkcja f(x) jest wypukła (wklęsła), a w S+(x0, ð) wklęsła (wypukła)
Warunek konieczny i wystarczający istnienia punktu przegięcia.
Niech f(a,b) ->R ma w (a,b) drugą pochodną.
Tw. Warunkiem koniecznym na to, aby punkt (x0, f(x0)) był punktem przegięcia funkcji f(x) jest, aby f’’(x0)=0. (UWAGA twierdzenie odwrotne nie zachodzi).
Tw. Warunkiem wystarczającym na to aby punkt (x0, f(x0)) był punktem przegięcia funkcji f(x) jest, aby f’’(x0) i f’’(x) była innego znaku w pewnym S-(x0, ð) a innego w S+(x0, ð)
Asymptoty wykresu funkcji
Asymptoty pionowe
Def. Prostą o równaniu x=a jest asymptotą pionową lewo[prawo]stronną wykresu funkcji f, określonej w S- [S+] punktu x0=a, jeśli f(x) = ±∞ [f(x) = ±∞]
Def. Prosta x=a jest asymptotą pionową obustronną, jeśli jest jednocześnie asymptotą lewo i prawostronną
Asymptoty poziome
Def. Prosta y=k jest asymptotą poziomą lewo[prawo]stronną wykresu funkcji f, określonej dla xε(−∞,a) [xε(b,+∞)] dla aεR, jeśli [bεR] jeśli f(x) = k [f(x) = k]
Def. Prosta o równaniu y=k jest asymptotą poziomą obustronną wykresu funkcji f, jeśli jest jednocześnie asymptotą poziomą lewo i prawostronną.
Asymptoty ukośne
Def. Prosta y=mx+k jest asymptotą ukośną lewo[prawostronną] wykresu funkcji f, określonej dla xε(−∞,a) [xε(b,+∞)] dla pewnego aεR [bεR], jeśli $\operatorname{}{\frac{f\left( x \right)}{x} = m}$ [$\operatorname{}{\frac{f\left( x \right)}{x} = m}\rbrack$ oraz (f(x) − mx)=k [(f(x) − mx)=k]
Def. Prosta y=mx+k jest asymptotą ukośną obustronną wykresu funkcji jeśli jest asymptotą ukośną lewo i prawostronną funkcji.
Uwaga asymptoty poziome są szczególnym przypadkiem asymptot ukośnych.
Schemat badania przebiegu zmienności funkcji
I Analiza funkcji f(x)
Wyznaczanie dziedziny
Obliczenie granic na krańcach dziedziny
Wyznaczenie asymptot
Wyznaczenie punktu przecięcia wykresu funkcji z osiami
II Analiza pierwszej pochodnej f’(x)
Obliczenie f’(x) i wyznaczenie jej dziedziny (tzn. zbioru, w którym jest różniczkowalna)
Wyznaczenie punktów stacjonarnych (f’(x)=0 – warunek konieczny istnienia ekstremum)
Określenie przedziałów monotoniczności funkcji f(x) (f’(x)>0; f’(x)<0)
Wyznaczenie ekstremów lokalnych (I warunek wystarczający istnienia ekstremum)
III Analiza drugiej pochodnej f”(x)
Obliczenie f”(x) i wyznaczenie jej dziedziny
Wyznaczenie f”(x)=0 –warunek konieczny istnienia punktów przegięcia
Określenie przedziałów wklęsłości (wypukłości) f”(x)>0; f”(x)<0
Wyznaczenie punktów przegięcia
II warunek wystarczający istnienia ekstremów
IV Sporządzenie tabeli przebiegu zmienności funkcji
V Sporządzenie wykresu funkcji
FUNKCJE WIELU ZMIENNYCH
Iloczyn kartezjański zbiorów:
Iloczynem kartezjańskim zbiorów A i B jest zbiór wszystkich par uporządkowanych (a,b) takich, że a ε A i b ε B oznaczamy AxB. Tzn. AxB={(a,b);a ε A; b ε B}
Def. Iloczynem kartezjańskim zbiorów A1,A2,…,Ak jest zbiór A1xA2x…xAk ={(a1,a2,…,ak);ai ε Ai, i=1,2,…,k}
Uwaga: Jeśli A1xA2x…xAk =AxAx…xA oznaczamy Ak
Funkcje wielu zmiennych (x_ = wektor x)
Niech Dc=Rk
Def. Jeśli każdemu punktowi x_=(x1,x2,…,xk)ε D przyporządkowujemy dokładnie jedną liczbę y ε R, to mówimy, że określona została funkcja k zmiennych. Oznaczamy y=f(x_) , y=f(x1,x2,…,xk).
Zbiór D nazywamy dziedzina funkcji f.
Funkcja produkcji Cobba – Douglasa
Y=A•x1∝ • x2β (0<∝, β<1 ; A>0; x1,x2>0; x1-zasoby kapitału, x2-nakłady pracy żywej, y – poziom produkcji [w ujęciu klasycznym ∝ + β = 1]
Granica funkcji wielu zmiennych
Niech f:D->R, gdzie D⊂Rk. Niech x0_ ε Rk – punkt skupienia zbioru D.
Def. Heinego
Liczba g jest granicą funkcji w x0_ i oznaczamy (xw-wektor x) f(xw) = g <=> gdy dla każdego xn_ ε D i xn_≠x0_ xn(w) = x0(w) => f(xn(w)) = g
Ciągłość funkcji wielu zmiennych
Niech f:D->R, gdzie D⊂Rk
Def. Funkcja f jest ciągła w punkcie x0_εD, jeśli ma w tym punkcie granice równą wartości funkcji w tym punkcie, tzn. f(xw) = f(x0(w))
Def. Funkcja f jest ciągła w zbiorze Ac=D jeśli jest ciągła w każdym punkcie zbioru A
Pochodna funkcji wielu zmiennych
Niech f:D->R, gdzie D⊂Rk jest zbiorem otwartym
Def. Pochodną kierunkową funkcji w punkcie x0_εD w kierunku niezerowego wektora a_εRk jest granica (o ile istnieje) f’a_(x0_) =$\operatorname{}\frac{f\left( x_{0\left( w \right)} + t \bullet a_{\left( w \right)} \right) - f(x_{0\left( w \right)})}{t}$
Interpretacja: Pochodna kierunkowa funkcji f w punkcie x0_ w kierunku wektora a_ określa szybkość zmiany wartości funkcji f, gdy argument zbliża się do punktu x0_ z kierunku wektora a_.
Niech dane będą wektory:
e1_=[1,0,…,0] ε Rk
e2_=[0,1,…,0] ε Rk
ek_=[0,0,…,1] ε Rk
Def. Pochodną cząstkową pierwszego rzędu względem i –tej zmiennej („i-tą pochodną cząstkową”) jest pochodna kierunkowa, w kierunku wektora ei_ i oznaczamy $\frac{\text{ðf}}{\eth x_{i}}$ tzn.
$$\frac{\text{ðf}}{\eth x_{i}}\ \left( x_{0\left( w \right)} \right) = \ f^{'e_{i\left( w \right)}}\left( x_{0\left( w \right)} \right) = \operatorname{}\frac{f\left( x_{0\left( w \right)} + t \bullet e_{i\left( w \right)} \right) - f(x_{0\left( w \right)})}{t}$$
Uwaga: Aby wyznaczyć i-tą pochodną cząstkową funkcji f, wszystkie zmienne poza xi traktujemy jako stałe, a liczymy zwykła pochodną funkcji jednej zmiennej (względem zmiennej xi)
Interpretacja $\frac{\text{ðf}}{\eth x_{i}}\ \left( x_{0\left( w \right)} \right)$ informuje o ile zmieni się wartość funkcji f, gdy zmienna xi wzrośnie o jednostkę (ceteris paribus)
Def. Funkcja f jest różniczkowalna w punkcie x0_ jeśli ma pochodną cząstkową względem wszystkich współrzędnych punktu x0_
Pochodne cząstkowe drugiego rzędu
$$\frac{\eth^{2}f}{\eth x_{i}x_{j}} = \frac{\eth}{\eth x_{i}}\ \left( \frac{\text{ðf}}{\eth x_{j}} \right)$$
Def. Macierzą Hessa (hesjanem) nazywamy macierz pochodnych cząstkowych 2 rzędu
$$H\left( x_{(w)} \right) = \frac{\eth^{2}f}{\eth x^{2}} = \ \begin{bmatrix}
\begin{matrix}
\frac{\text{ðf}}{\eth{x_{1}}^{2}} & \frac{\text{ðf}}{\eth x_{1}\eth x_{2}} \\
\frac{\text{ðf}}{\eth x_{2}\eth x_{1}} & \frac{\text{ðf}}{\eth{x_{2}}^{2}} \\
\end{matrix}\text{\ \ }\begin{matrix}
\ldots & \frac{\text{ðf}}{\eth x_{1}\eth x_{k}} \\
\ldots & \frac{\text{ðf}}{\eth x_{2}\eth x_{k}} \\
\end{matrix} \\
\begin{matrix}
\ldots & \ldots \\
\frac{\text{ðf}}{\eth x_{k}\eth x_{1}} & \frac{\text{ðf}}{\eth x_{k}\eth x_{2}} \\
\end{matrix}\text{\ \ }\begin{matrix}
\ldots & \ldots \\
\ldots & \frac{\text{ðf}}{\eth{x_{k}}^{2}} \\
\end{matrix} \\
\end{bmatrix}$$
Def. Pochodna cząstkowa $\frac{\eth^{2}f}{\eth{x^{2}}_{i}}$ jest pochodną czystą, zaś pochodne $\frac{\eth^{2}f}{\eth x_{i}x_{j}}$ (i≠j)-pochodne mieszane
Tw. Jeżeli w punkcie x0_ pochodne cząstkowe mieszane funkcji f(x1,x2) są ciągłe to są równe.
$$\frac{\eth^{2}f}{\eth x_{1}x_{2}} = \frac{\eth^{2}f}{\eth x_{2}x_{1}}$$
Ekstrema funkcji wielu zmiennych
Niech f: D->R, D⊂Rk
Def. Funkcja f ma w punkcie x0_ ε D max [min] lokalne jeśli istnieje pewne S(x0_,ð)c=D punktu x0_ takie że dla każdego x ε S(x0_,ð) , f(x0_)≥f(x0_) [f(x0_)≥f(x0_)]
Tw. (warunek konieczny istnienia ekstremum)
Niech funkcja f będzie różniczkowalna w punkcie x0_ jeżeli f posiada ekstremum lokalne w punkcie x0_ to: $\frac{\text{ðf}}{\text{ðx}}\ \left( x_{0\left( w \right)} \right)$=Õ
A= $\begin{bmatrix} \begin{matrix} a_{11} & a_{12} \\ a_{21} & a_{22} \\ \end{matrix}\text{\ \ }\begin{matrix} \ldots & a_{1k} \\ \ldots & a_{2k} \\ \end{matrix} \\ \begin{matrix} \ldots & \ldots \\ a_{k1} & a_{k2} \\ \end{matrix}\text{\ \ }\begin{matrix} \ldots & \ldots \\ \ldots & a_{\text{kk}} \\ \end{matrix} \\ \end{bmatrix}$
Oznaczmy minory główne
|H1|=|a11| |H2| =$\left| \begin{matrix} a_{11} & a_{12} \\ a_{21} & a_{22} \\ \end{matrix} \right|$ |H3| = $\left| \begin{matrix} \begin{matrix} a_{11} & a_{12} \\ a_{21} & a_{22} \\ \end{matrix}\text{\ \ }\begin{matrix} \ldots & a_{1k} \\ \ldots & a_{2k} \\ \end{matrix} \\ \begin{matrix} \ldots & \ldots \\ a_{k1} & a_{k2} \\ \end{matrix}\text{\ \ }\begin{matrix} \ldots & \ldots \\ \ldots & a_{\text{kk}} \\ \end{matrix} \\ \end{matrix} \right|$
Def. Macierz A jest dodatnio [nieujemnie] określona, jeśli dla każdego i=1,2…,k , |Hi|>0 [≥]
Def. Macierz A jest ujemnie [niedodatnio] określona, jeśli dla każdego i=1,2…,k , (-1)i • |Hi|>0 [≥]
Tzn. |H1|<0, |H2|>0, |H3|<0….
Tw. (warunek dostateczny istnienia ekstremum)
Niech f – dwukrotnie różniczkowalna w punkcie stacjonarnym x0_
Jeśli macierz Hessa w punkcie x0_ jest dodatnio [ujemnie] określona, to w punkcie x0_ f posiada minimum [maksimum] lokalne.
Jeśli macierz Hessa w punkcie x0_ jest nieokreślona (tzn. nie jest ani nieujemnie ani niedodatnio określona), to w punkcie x0_ nie istnieje ekstremum lokalne.
Ekstremum warunkowe funkcji wielu zmiennych
Niech f, g : D-> R , D⊂Rk Ponadto A={ x_ ε D, g(x_) =0}
Def. Funkcja f ma w punkcie x0_ε D lokalne max [min] warunkowe, jeśli istnieje pewne S(x0_,ð) takie, że dla każdego x_ε S(x0_,ð)∩A i x_εD to f(x0_)≥f(x_) [≤]
Do wyznaczenia ekstremów warunkowych wykorzystamy regułę Lagrange’a:
Tworzymy funkcje Lagrange’a:
L(x1,x2,..,xk,λ) = f(x1,x2,..,xk) + λ • g(x1,x2,..,xk)
Punkty, w których f może mieć lokalne ekstrema warunkowe znajdujemy z warunków:
$\frac{\text{ðL}}{\text{ð\ }x_{1}} = 0$ $\frac{\text{ðL}}{\text{ð\ }x_{1}} = 0 = \ldots = \ \frac{\text{ðL}}{\text{ð\ }x_{k}} = \frac{\text{ðL}}{\text{ð\ λ}}$
Wyznaczamy rozszerzoną macierz Hessa
$$H\left( x_{(w)} \right) = \ \begin{bmatrix}
\begin{matrix}
\frac{\eth^{2}L}{\eth\lambda^{2}} & \frac{\eth^{2}L}{\text{ðλð}x_{1}} \\
\frac{\eth^{2}L}{\eth x_{1}\text{ðλ}} & \frac{\eth^{2}L}{\eth{x_{1}}^{2}} \\
\end{matrix}\text{\ \ }\begin{matrix}
\ldots & \frac{\eth^{2}L}{\text{ðλð}x_{k}} \\
\ldots & \frac{\eth^{2}L}{\eth x_{1}\eth x_{k}} \\
\end{matrix} \\
\begin{matrix}
\frac{\eth^{2}L}{\eth x_{2}\eth x_{\lambda}} & \frac{\eth^{2}L}{\eth x_{2}\eth x_{1}} \\
\frac{\eth^{2}L}{\eth x_{k}\text{ðλ}} & \frac{\eth^{2}L}{\eth x_{k}\eth_{1}} \\
\end{matrix}\text{\ \ }\begin{matrix}
\ldots & \frac{\eth^{2}L}{\eth x_{2}\eth x_{k}} \\
\ldots & \frac{\eth^{2}L}{\eth{x_{k}}^{2}} \\
\end{matrix} \\
\end{bmatrix}$$
Analizujemy minory główne od H3_:
$$H_{3\left( w \right)} = \left| \begin{matrix}
\begin{matrix}
\frac{\eth^{2}L}{\eth\lambda^{2}} & \frac{\eth^{2}L}{\text{ðλð}x_{1}} \\
\frac{\eth^{2}L}{\eth x_{1}\text{ðλ}} & \frac{\eth^{2}L}{\eth{x_{1}}^{2}} \\
\end{matrix}\text{\ \ }\begin{matrix}
& \frac{\eth^{2}L}{\text{ðλð}x_{k}} \\
& \frac{\eth^{2}L}{\eth x_{1}\eth x_{k}} \\
\end{matrix} \\
\begin{matrix}
& \\
\frac{\eth^{2}L}{\eth x_{k}\text{ðλ}} & \frac{\eth^{2}L}{\eth x_{k}\eth_{1}} \\
\end{matrix}\text{\ \ }\begin{matrix}
& \\
& \frac{\eth^{2}L}{\eth{x_{k}}^{2}} \\
\end{matrix} \\
\end{matrix} \right|$$
Tw. (warunek wystarczający istnienia ekstremum warunkowego)
Warunkiem wystarczającym istnienia maksimum warunkowego jest, aby minory z punktu 4 miały znaki naprzemienne, począwszy od „+”
Warunek wystarczający istnienia minimum warunkowego jest, aby minory z punktu 4 były ujemne
CAŁKI
Całka nieoznaczona
Def. niech f: (a,b) ->R Funkcja F: (a,b) -> R jest funkcją pierwotną funkcji f(x), jeśli dla każdego x ε (a,b) F’(x)=f(x)
Def. Rodziną wszystkich funkcji pierwotnych f(x) jest całka nieoznaczona funkcji f i oznaczamy: ∫x dx zatem: ∫f(x)dx = F(x) + c gdzie F’(x)=f(x)
Obliczanie całek nieoznaczonych – tablice całek elementarnych
Własności całek:
∫(f(x)±g(x))dx = ∫f(x)dx ± ∫g(x)dx
∫(a •f(x))dx = a • ∫f(x)dx
Inne techniki całkowania
Całkowanie przez cześci
∫(f(x)•g′(x))dx = f(x)g(x) − ∫f′(x)•g(x)dx
Całkowanie przez podstawienie
∫f(g(x)) • g′(x)dx = ∫f(t)dt
Tw. Każda funkcja ciągła w przedziale ma f pierwotna (tzn. jest całkowalna)
Uwaga: Nie oznacza to że całkowanie w zbiorze f. elementarnych zawsze daje się wykonać (tzn. ze całka z funkcji elementarnych jest zawsze funkcja elementarna) np. ∫e−x2 ; ∫sinx2
Całka oznaczona:
∫abf(x)dx = liczba
Niech f:[a,b] -> R będzie funkcją ograniczoną
Def. Zbiór punktów Pn={x0,x1,…,xn} takich, że: a=x0<x1<…<xn=b jest podziałem przedziału [a,b]
Niech xi= xi – xi-1
Def. Średnią podziału Pn jest liczba ðn=max{x1, x2,… xn}
Def. Ciąg przedziałów (Pn) przedziału [a.b] jest normalnym ciągiem przedziałów jeśli ðn= 0
Niech ξ1, ξ2,.., ξn będą dowolnymi liczbami takimi, że ξi ε [xi-1,xi] dla każdego i=1,2…,n
Def. Sumą całkowalną jest liczba:
σn=$\sum_{i = 1}^{n}{f\left( \xi_{i} \right)x_{i}}$ = f(ξ1) • x1 + f(ξ2) • x2 +…+ f(ξn) • xn
Def. Całka oznaczona Riemana
Jeżeli dla każdego normalnego ciągu przedziałów (Pn) przedziału domkniętego [a,b], każdy ciąg sum całkowalnych (σn) zmierza do tej samej granicy właściwej (niezależnie do wyboru punktów ξ1) to wówczas granica ta jest całką oznaczoną Riemana
∫abf(x)dx = σn
Def. Liczby a i b są dolną i górną granicą całkowania.
Def. Jeżeli istnieje całka oznaczona ∫abf(x)dx to mówimy że funkcja f jest całkowalna w przedziale [a,b] w sensie Riemana
Uwaga: Całka oznaczona jest liczbą
Interpretacja geometryczna
Niech f – funkcja ciągła w [a,b] przyjmująca w [a,b] wartości ujemne (dla każdego xε[a,b] f(x)≥0) [niedodatnie (dla każdego xε[a,b] f(x)≤0]
Wówczas całka oznaczona ∫abf(x)dx = P gdzie P jest polem obszaru ograniczonego wykresem funkcji y=f(x), osią OX orazn prostymi x=a i x=b
Tw. Funkcja f(x) jest całkowalna w sensie Riemana w [a,b] jeżeli spełniony jest jeden z następujących warunków:
Funkcja f jest ciagła w [a,b]
Funkcja f jest ograniczona w przedziale [a,b] i posiada w tym przedziale max skończoną liczbę punktów nieciągłości
Funkcja f jest monotoniczna i ograniczona w [a,b]
Wniosek Funkcja nie musi być ciągła, aby być całkowalną w sensie Riemana
Tw. Funkcja nieograniczona w [a,b] jest w [a,b] niecałkowalna w sensie Riemana
Uwaga: Powyższe stwierdzenie nie zachodzi w druga stronę (np. funkcja Dirichleta – nie jest całkowalna)
Tw. Jeżeli f(x) i g(x) są całkowalne w [a,b], to ∝ • f(x) ± β • g(x) (∝, β ε R) jest także całkowalna w [a,b]:
∫ab(∝ • f(x) ± β • g(x))dx = ∝ • ∫abf(x)dx ± β • ∫abg(x)dx
Tw. Jeżeli f(x) i g(x) są całkowalne w [a,b] to również ich iloczyn f(x)•g(x) jest funkcją całkowalna w [a,b]
Uwaga zwykle ∫ab(f(x) • g(x))dx ≠ ∫abf(x)dx • ∫abg(x)dx
Tw. (Newtona – Leibniza)
Jeżeli f(x) jest ciągła w [a,b], natomiast F(x) jest dowolną funkcją pierwotną funkcji f(x) to wówczas
∫abf(x)dx = F(b) − F(a) = [F(x)]ab − F(x)|ab
Tw. Jeżeli f(x) jest całkowalna w [a,b] oraz c ε (a,b), to: ∫abf(x)dx = ∫acf(x)dx + ∫cbf(x)dx
Uwaga: Pojęcie całki ograniczonej można rozszerzyć do sytuacji gdy dolna granica całkowania jest większa od górnej ∫abf(x)dx = − ∫abf(x)dx a<b oraz sytuacji ∫abf(x)dx = 0
Zastosowanie całki oznaczonej – obliczenie pola figur płaskich
Całka niewłaściwa (w przedziale nieograniczonym)
Przedział nieograniczony z jednej strony
Niech f:[a,+∞) -> R [f:[-∞,b) -> R]
Def. Jeśli funkcja f jest całkowalna w każdym przedziale [a,k], [[h,b]]gdzie k>a [h<b], to calkę niewłaściwą funkcji f od a do ∞ [od -∞ do b] definiujemy wzorem:
∫a∞f(x)dx = ∫akf(x)dx [∫−∞bf(x)dx = ∫hbf(x)dx]
O ile występująca tu granica istnieje i jest skończona.
Obliczanie całek niewłaściwych
∫a∞f(x)dx = ∫akf(x)dx = F(k) − F(a) ∖ n∫−∞bf(x)dx = ∫hbf(x)dx = F(b) − F(h)
Przedział obustronnie nieograniczony z obu stron
Niech f: R->R
Def. Jeżeli funkcja f jest całkowalna w każdym domkniętym przedziale, to całkę niewłaściwą funkcji f od -∞ do + ∞ definiujemy jako sumę dwóch całek niewłaściwych w przedziałach (- ∞, c], [c,+∞) (gdzie c –dowolna liczba), o ile obie te całki są zbieżne
∫−∞∞f(x)dx = ∫−∞cf(x)dx + ∫c∞f(x)dx
RACHUNEK PRAWDOPODOBIEŃSTWA
Elementy teorii mnogości:
Niech dany będzie zbiór A
Def. Mocą zbioru skończonego A jest liczba jego elementów. Ozn à (powinny być 2 linie nad A)
Def. Dwa zbiory A i B (nie muszą być skończone) są równoliczne (równej mocy) jeśli istnieje wzajemnie jednoznaczne odwzorowanie zbioru A w zbiór B.
Ã=B(z taka sama falka)
Wniosek Dwa skończone zbiory A i B są równoliczne <=>gdy składają się z tej samej liczby elementów
Oznaczenie Moc zbioru liczb naturalnych oznaczamy λ0 (alef 0)
Def. Każdy zbiór równej mocy ze zbiorem liczb naturalnych jest zbiorem przeliczalnym
Wniosek Zbiór A jest przeliczalny <=> istnieje wzajemne jednoznaczne odwzorowanie zbioru A w zbiór N
Tw. Zbiór jest przeliczalny <=> jego elementy można ustawić w ciąg nieskończony.
Przykłady zbiorów przeliczalnych
- zbiór liczb naturalnych
- zbiór liczb całkowitych
- zbiór liczb parzystych (nieparzystych)
- zbiór liczba wymiernych
Uwaga Istnieją zbiory, które nie są ani skończone, ani przeliczalne – są one nieprzeliczalne.
Przykłady zbiorów nieprzeliczalnych
- zbiór liczb rzeczywistych
- zbiór liczb niewymiernych
- zbiór liczb rzeczywistych z dowolnego przedziału (a,b) a≠b
Def. Zbiór B zawiera się w A (jest podzbiorem A), co zapisujemy B⊂A, jeśli każdy element jest też elementem A, tzn: B⊂A <=> (xεB =>xεA)
Ozn. Rodzinę podzbiorów A oznaczamy 2A
Tw. Gdy A jest zbiorem skończonym, to rodzina jego wszystkich podzbiorów (tzn 2A) składa się z 2A podzbiorów, tzn ich moc jest równa.
Elementy rachunku prawdopodobieństwa
Przestrzeń probabilistyczna
Def. Doświadczenie losowe to doświadczenie (zjawisko) którego wyników nie można (teoretycznie lub praktycznie) przewidzieć.
Np.
D1-rzut kostką
D2- strzelanie do tarczy tak długo aż nastąpi trafienie
D3- obserwacja czy wybrana sztuka w partii towaru jest wadliwa
D4-pomiar prędkości przyjeżdżającego samochodu
Do opisu doświadczenia losowego przyjmuje się przestrzeń probabilistyczną
Def. Przestrzeń probabilistyczna to układ (Ω,S,P), gdzie :
Ω- zbiór zdarzeń elementarnych, S – zbiór zdarzeń losowych, P – prawdopodobieństwo
Zbiór zdarzeń elementarnych – zbiór wszystkich wyników doświadczenia losowego –jest pojęciem pierwotnym (niedefiniowalnym)
Ozn. Zdarzenia elementarne (elementy Ω) –ώ
Zbiór zdarzeń losowych S – dowolna rodzina podzbiorów Ω spełniająca warunki:
Ω ε S
Jeśli AεS to A’εS (A’= Ω\A)
Jeśli A1, A2, A3,… ε S to A1∪ A2∪A3∪ ε S
Uwaga z warunków 1-3 wynika:
Zbiór pusty ε S
Jeśli AεS i BεS, to A∩B=S
Jeśli AεS i BεS, to A\BεS
Najczęściej za zbiór zdarzeń losowych przyjmuje się rodzinę wszystkich podzbiorów Ω
Def. Elementy zbioru S – zdarzenia losowe
Wniosek: Istnieje bezpośrednie przełożenie między zdarzeniami a zbiorami np.
-zbiór pusty to zdarzenie niemożliwe
-zbiór Ω to zdarzenie pewne
-suma zbiorów A∪B oznacza, ze zachodzi min. Jedno ze zdarzeń A lub B
- różnica zbiorów A\B oznacza, że zachodzi zdarzenie A i nie zachodzi B
- A’ (A’= Ω\A) to zdarzenie przeciwne do A
- iloczyn A∩B – zachodzą oba zdarzenia A i B
- zależność A∩B – zbiór pusty- zdarzenia A i B się wykluczają
- zależność Bc=A – zdarzenie B pociąga za sobą A (z zajścia B wynika, że zajdzie A)
3) Def.1 – Prawdopodobieństwo – dowolna funkcja P określona na zbiorze zdarzeń losowych S o wartościach rzeczywistych (tzn P:S->R) spełniająca warunki:
- dla każdego AεS P(A) ≥0
-P(Ω) =1
- dla każdego A1,A2,..εS i Ai∩Aj (i≠j) wtedy P(A1∪ A2∪...) = P(A1)+P(A2)+ …
Liczba P(A) – prawdopodobieństwo zdarzenia A
- jeżeli Bc=A , to P(B) ≤P(A)
-dla każdego AεS P(A)≤1
- dla każdego AεS P(A’) = 1 – P(A)
-prawdopodobieństwo zbioru pustego = 0
- dla każdego A,BεS P(A∪B) = P(A)+P(B)-P(A∩B)
Def. 2 (klasyczna)
Jeśli:
K1) Ω składa się ze skończonej liczby zdarzeń elementarnych ώ1, ώ2,…, ώn
K2) zdarzenia elementarne są jednakowo prawdopodobne (dla każdego i,j P(ώi) = P(ώj) ), to prawdopodobieństwo dowolnego AεS składającego się z k zdarzeń elementarnych wyraża się P(A) =$\frac{k}{n}$
Inaczej: prawdopodobieństwo zdarzenia A jest równe stosunkowi liczby zdarzeń elementarnych sprzyjających A do liczby wszystkich zdarzeń elementarnych (P(A) = $\frac{\text{moc\ A}}{\Omega}$
Zmienne losowe i ich rozkłady
Idea – zdarzeniom losowym przyporządkowujemy liczby
Niech dana będzie przestrzeń probabilistyczna (Ω, S,P)
Def. Zmienną losową jest dowolna funkcja X: Ω->R taka, że dla cεR zbiór: Ac={ώε Ω; X(ώ)<c} należy do zbioru zdarzeń losowych S (AcεS)
Uwaga: Jeśli S jest rodziną wszystkich podzbiorów zbioru Ω , to warunek Acε S jest zawsze spełniony.
Ozn. Przez P(X<C) rozumiemy P(Ac)
Dystrybuanta zmiennej losowej X jest funkcja F określoną wzorem F(x) = P(X<x), dla każdego x ε R
Własności dystrybuanty F:
- F jest funkcja niemalejąca i lewostronnie ciągłą
- F(x) = 0 i F(x) = 1
- dla każdego a,b ε R P(a≤X ≤ b) = F(b) – F(a)
- dla każdego aεR P(X=a)= F(x) − F(a)
Podział zmiennych losowych:
1-skokowe(dyskretne) -przyjmuje skończoną (lub przeliczalna) liczbę wartości
2-ciągłe -przyjmuje dowolne wartości w pewnym przedziale (a,b) (nieprzeliczalna liczba wartości)
Def. Zmienna losowa X jest ciągła, jeśli jej dystrybuantę można przedstawić jako: F(x)=∫−∞xf(t)dt dla każdego xεR, gdzie f jest nieujemną funkcją rzeczywistą, całkowalną w R
Funkcja F jest funkcją gęstości prawdopodobieństwa zmiennej losowej X
Tw. Dystrybuanta zmiennej losowej ciągłej jest funkcja ciągłą
Własności funkcji gęstości prawdopodobieństwa f:
∫−∞∞f(x)dx = 1
P(a≤X≤b) = F(b) − F(a) = ∫abf(x)dx
Dla każdego a εR P(X=a) = F(x) − F(a) = 0
P(a≤X < b)=P(a≤X≤b) = P(a<X<b) = ∫abf(x)dx
Wniosek:
Dystrybuanta zmiennej losowej ciągłej spełnia warunek F(x)=P(X≤x)
Tw. Każda nieujemna funkcja f spełniająca warunek 1) jest gęstością prawdopodobieństwa pewnej zmiennej losowej.
Rozkład zmiennej losowej
Matematyczny opis zmiennej losowej X:Ω->R na określeniu zbioru wszystkich wartości (wariantów)tej zmiennej oraz określeniu prawdopodobieństwa pojawienia się tych wariantów.
Def. Rozkładem dyskretnej zmiennej losowej X jest zbiór par {(xi , pi); i=1,2..}, gdzie pi=P(X=xi) jest prawdopodobieństwem zajścia wariantu xi.
Uwagi:
Dystrybuanta zmiennej losowej określa jej rozkład prawdopodobieństwa (na mocy warunku: pi=P(X=xi)= F(x) − F(x1)
Jeśli znamy rozkład prawdopodobieństwa dyskretnej zmiennej losowej X, to możemy obliczyć jej dystrybuantę:
F(x)=$\sum_{x_{i} < x}^{}p_{i}$
Wniosek: p1+p2+….=1
W przypadku ciągłej zmiennej losowej X powyższa definicja nie ma sensu bo pi=P(X=xi)=0.
Rozkład prawdopodobieństwa zmiennej losowej ciągłej określamy przez podanie dystrybuanty lub funkcji gęstości prawdopodobieństwa.
Parametry rozkładu zmiennej losowej:
Idea –rozkład zmiennej losowej zawiera pełną informację o zachowaniu się tej zmiennej. Parametry rozkładu charakteryzują tylko pewne własności tej zmiennej.
Wartość oczekiwana (średnia) – EX- określa poziom zmiennej losowej, wokół której skupia się największa liczba wyników
Obliczanie:
a) zmienna dyskretna $EX = \sum_{i = 1}^{+ \infty}{x_{i}p_{i}}$
b)zmienna ciągła EX = ∫−∞=∞x • f(x)dx
2) wariancja – Var(X) (V(X), σ2(X) ) – określa rozrzut wartości zmiennej losowej wokół wartości oczekiwanej:
Var(X)=E[(X-EX)2]=EX2-(EX)2
Obliczanie:
Zmienna dyskretna $\text{Var}\ \left( X \right) = \sum_{i = 1}^{+ \infty}{(x_{i}}{- \text{EX})}^{2} \bullet p_{i}$
Zmienna ciągła Var (X) = ∫−∞+∞(X − EX)2 • f(x)dx
Def. Parametr σ(X)=$\sqrt{\text{Var}(X)}$ jest odchyleniem standardowym zmiennej losowej X.
Uwaga: Aby zmienna ciągła miała wartość oczekiwaną/wariancję, to odpowiednie całki (niewłaściwe) muszą być zbieżne
Własności wartości oczekiwanej wariancji:
E(c)=c, Var(c)=0 gdzie c –stała
E(c • X)=c • E(X) , Var(c • X)=c2 • Var(X)
Var(X+c)= Var(X)
E(X+Y)= E(X)+E(Y)
Ponadto, jeśli zmienne X I Y są niezależne to:
E(X • Y)= E(X) • E(Y)
Var(X±Y)=Var(X)±Var(Y)
Def. Zmienną losową X, dla której EX=0 oraz Var(X)=1 nazywamy zmienną losową standaryzowaną.
Podstawowe rozkłady prawdopodobieństwa
1) Rozkłady zmiennych dyskretnych:
a) Rozkład zerojedynkowy
Zmienna losowa X ma rozkład zerojedynkowy z parametrem p, jeśli przyjmuje tylko dwie wartości:
1; z prawdopodobieństwem p, 0 z prawdopodobieństwem 1–p.
Parametry rozkładu zerojedynkowego:
EX p, Var(X ) p (1p).
Rozkład dwumianowy (Bernoullego)
Zmienna losowa X ma rozkład dwumianowy z parametrami n oraz p,
jeśli przyjmuje wartości k 0,1, 2,..., n z prawdopodobieństwami
danymi wzorami:$P_{k} = P\left( X = k \right) = \left( \frac{n}{k} \right) \bullet p^{k} \bullet ({1 - p)}^{n - k}$ dla k=0,1,2…n.
Parametry rozkładu dwumianowego:
EX p, Var(X ) p (1p).
Rozkład Poissona
Zmienna losowa X ma rozkład Poissona z parametrem 0, jeśli przyjmuje wartości k 0,1, 2,..., z prawdopodobieństwami danymi wzorami: $p_{k} = P\left( X = k \right) = \frac{\lambda^{k}}{k!}\ \bullet e^{- \lambda}$
Parametry rozkładu Poissona:
EX , Var(X ) .
2) Rozkłady zmiennych ciągłych:
a) Rozkład jednostajny
Zmienna losowa X ma rozkład jednostajny w przedziale (a,b), jeśli jej
gęstość f ma postać: $f\left( x \right) = \left\{ \begin{matrix} \frac{1}{b - a}\ dla\ x\varepsilon\ (a,b) \\ 0\ dla\ x \notin (a,b) \\ \end{matrix} \right.\ $
Parametry rozkładu jednostkowego:
$EX = \frac{a + b}{2}$ , Var(X)=$\frac{{(a - b)}^{2}}{12}$
b) Rozkład normalny (Gaussa)
Zmienna losowa X ma rozkład normalny z parametrami m oraz 0
(ozn. N (m,σ2)), jeśli jej gęstość f ma postać: $f\left( x \right) = \frac{1}{\sigma\sqrt{2\pi}} \bullet e^{\frac{- {(x - m)}^{2}}{\sigma^{2}}}$ , xε R
Parametry rozkładu normalnego: EX=m ; Var(X)=σ2
Wniosek. Funkcja gęstości rozkładu normalnego standaryzowanego N(0,1) ma postać:
$f\left( x \right) = \frac{1}{\sqrt{2\pi}} \bullet e^{\frac{- x^{2}}{\sigma^{2}}}$ , xε R