Matematyka wykład

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:

  1. Kwadratowa – macierz składająca się z równej liczby wierszy i kolumn (Anxm) („A jest macierzą stopnia n”)

  2. Diagonalna – macierz kwadratowa, dla której wszystkie aij dla i ≠ j

Przekątna, na której leża elementy a11, a22,…, anm nazywamy przekątną główną.

  1. Jednostkowa – macierz diagonalna mająca na przekątnej głównej same jedynki

  2. Trójkątna – macierz kwadratowa w której wszystkie elementy nad (pod) główną przekątną są równe zero.

  3. Transponowana – macierzą transponowaną do Anxm nazywamy ATmxn, w której zamieniono miejscami wiersze z kolumnami.

  4. Symetryczna – macierz kwadratowa, w której dla wszystkich i, j zachodzą aij = aji (elementy są symetryczne względem głównej przekątnej)

  5. Skośno-symetryczna – macierz kwadratowa, w której dla wszystkich i ≠ j zachodzi aij = - aji

  6. Zerowa – macierz kwadratowa, w której wszystkie elementy są równe 0

Macierz kwadratową Anxn nazywamy:

  1. Symetryczną , jeśli A = AT

  2. Idempotetną, jeśli A2=A

  3. Inwolutywną, jeśli A2= I (I – macierz jednostkowa)

  4. 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:

  1. Macierz stopnia pierwszego n=1 A=[a], to |A| = a

  2. Macierz stopnia drugiego A=$\left| \begin{matrix} a_{11} & a_{12} \\ a_{21} & a_{22} \\ \end{matrix} \right|$, to |A| = a11 a22 – a12 a21

  3. Macierz stopnia trzeciego – schemat Sarrusa

  4. Macierze wyższego stopnia n4 = rozwinięcie Laplace’a

Def. Dopełnienie algebraiczne A­ij

Aij = (-1)i+j Mij

  1. Rozwinięcie względem i-tego wiersza

|A| = ai1Ai1 +…+ainAin = $\sum_{j = 1}^{n}{a_{\text{ij}} \bullet A_{\text{ij}}}$

  1. Rozwinięcie względem i-tej kolumny

|A| = a1jA1j +…+anjAnj = $\sum_{i = 1}^{n}{a_{\text{ij}} \bullet A_{\text{ij}}}$

Dopełnieniem algebraicznym Aij nazywamy iloczyn Aij = ( − 1)i + j * Mij

Własności wyznaczników:

  1. Jeżeli macierz A posiada dwa wiersze (kolumny) równe lub proporcjonalne to |A| = 0

  2. Jeżeli w macierzy przestawimy dwa sąsiednie wiersze (kolumny), to wyznacznik zmieni znak na przeciwny

  3. Jeżeli w macierzy A istnieje wiersz (lub) kolumna złożona z samych zer to |A|=0

  4. Wyznacznik macierzy trójkątnej (diagonalnej) jest równy iloczynowi elementów stojących na głównej przekątnej

  5. Jeżeli w macierzy A do wiersza (kolumny) dodamy inny wiersz (kolumnę) pomnożoną przez dowolną stałą, to wyznacznik nie ulega zmianie

  6. 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|

  1. 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|

  1. 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 = ai1b1j + ai2b2j +…+ ailblj

Własności iloczynu macierzy:

AB B A – zazwyczaj nie jest przemienne

(AB) C = A • (BC) – łączność

(A+B) C = AC + BC – rozdzielność mnożenia względem dodawania

A(B+C) = AB + AC

(AB)T= BT AT

|AB|= |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: AB = BA = 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

- (AB)-1 = B-1 A-1 dla Anxn i Bnxn

- (AT)-1 = (A-1)T

- (kA)-1 = $\frac{1}{k}$ A-1

Wyznaczanie macierzy odwrotnej:

Niech Anxn będzie macierzą nieosobliwą

  1. Tworzymy macierz dopełnień algebraicznych (macierz C, gdzie Aij= ( − 1)i + j * Mij)

  2. Transponujemy macierz C

  3. 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

k1x1+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, k2kn ε R spełniający równanie powyżej, w którym ki 0 dla pewnego i.

Uwagi:

  1. Zbiór wektorów liniowo niezależnych nie może zawierać wektora Õ

  2. Dowolny podzbiór zbioru liniowo niezależnego też jest liniowo niezależny

  3. Zbiór wektorów jest liniowo zależny {x1, x2,…., xk} <=> jeden z nich jest kombinacją liniową pozostałych, tzn. istnieje takie i ,że

xi = k1x1 +…+ki-1xi-1+ki+1xi+1+…+kkxk 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(AB) 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:

  1. Sprawdzanie liniowej niezależności układu wektorów

  2. 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 (*)

  1. 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.

  1. Zał. mn 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:

  1. Zmiana kolejności równań

  2. Pomnożenie równania przez dowolna liczbę 0

  3. 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

  1. Poprzez eliminację Jordana-Gaussa macierz doprowadzamy do macierzy trójkątnej

  2. W oparciu o macierz trójkątną obliczamy rząd A oraz Ă

  3. Jeśli r(A) < r(Ă) to brak rozwiązań

Jeśli r(A) = r(Ă) to pkt 4

  1. Wprowadzamy za (ilość niewiadomych – n) n-r [n minus r] zmiennych parametry

  2. 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 kx + lx', 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:

  1. Podanie wartości jego elementów an dla każdego n=1,2…..

  2. Wzór jawny - pozwala obliczyć każdy an w zależności od n: $a_{n} = \frac{1}{n} + 1\ \ ,\text{\ \ }n = 1,2..$

  3. 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:

  1. Rosnącym <=> gdy dla każdego n ε N an<an+1

  2. Malejącym <=> gdy dla każdego n ε N an>an+1

  3. Niemalejącym <=> gdy dla każdego n ε N anan+1

  4. Nierosnącym <=> gdy dla każdego n ε N anan+1

  5. 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 (a) 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.

  1. an = ±∞

  2. Ciąg (an) nie ma granicy.

TWIERDZENIA O CIĄGACH ZBIEŻNYCH

  1. Ciąg stały jest zbieżny – tzn. jeśli (an) = (a), to an = a

  2. Ciąg zbieżny ma tylko jedną granicę.

  3. Każdy ciąg zbieżny jest ograniczony.

  4. Każdy ciąg monotoniczny i ograniczony jest zbieżny.

  5. Działania arytmetyczne na ciągach zbieżnych

Niech an = a i bn = b

  1. (an • ∝ ± β • bn) = ∝ • a ± β • b

  2. an • bn = a • b

  3. $\operatorname{}\frac{a_{n}}{b_{n}} = \frac{a}{b}$ (dla każdego n ε N - bn0 i b0)

  4. (an)k = ak (k ε N)

  5. $\operatorname{}\sqrt[k]{a_{n}} = \sqrt[k]{a}$ (k ε N)

  6. βan = βa (β > 0)

  1. (o trzech ciągach)

Niech dane będą 3 ciągi (an ),( bn), (cn) takie, że:

  1. Istnieje n0 dla każdego n>n0 wtedy anbn­cn

  2. 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

  1. $\operatorname{}{a^{n} = \left\{ \begin{matrix} \text{brak\ \ \ a} \leq - 1 \\ \infty\ \ \ \ \ \ a > 1 \\ 0\ \ \ \ \ \ \ \ \ \left| a \right| < 1 \\ 1\ \ \ \ \ \ \ \ \ \ \ a = 1 \\ \end{matrix} \right.\ }$

  2. $\operatorname{}{\sqrt[n]{a} = 1}$

  3. $\operatorname{}{\sqrt[n]{n} = 1}$

  4. $\operatorname{}{{(1 + \frac{1}{n})}^{n} = e}$

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 e2,71828 – jest liczbą niewymierną.

Uogólnienia granicy 4):

  1. $\operatorname{}{{(1 + \frac{k}{n})}^{n} =}e^{k}$ (k ε R)

Wniosek: $\operatorname{}{{(1 - \frac{1}{n})}^{n} = \frac{1}{e}}$

  1. Jeśli an = ±∞; to $\operatorname{}{{(1 + \frac{k}{a_{n}})}^{a_{n}} = e^{k}}$ (k ε R)

  2. 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:

  1. $\sum_{n = 1}^{\infty}a_{n} \pm b_{n}$ = $\sum_{n = 1}^{\infty}a_{n}$ ± $\sum_{n = 1}^{\infty}b_{n}$ = A ± B

  2. $\sum_{n = 1}^{\infty}{(k \bullet a_{n}}) = k\ \bullet \sum_{n = 1}^{\infty}a_{n}$= 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 an0 => SnSn-1 => (Sn) zbieżny lub rozbieżny do +

Kryteria zbieżności szeregów:

  1. Kryterium porównawcze

  2. Kryterium D’Alamberta

  3. Kryterium Cauchy’ego

  1. Szeregi $\sum_{n = 1}^{\infty}a_{n}$ oraz $\sum_{n = 1}^{\infty}b_{n}$ (an,bn≥0)

  1. Istnieje k ε N dla każdego n>k wtedy anbn i $\sum_{n = 1}^{\infty}b_{n}$ – zbieżny, to $\sum_{n = 1}^{\infty}a_{n}$ - zbieżny

  2. Istnieje k ε N dla każdego n>k wtedy anbn i $\sum_{n = 1}^{\infty}a_{n}$ = +∞ , to $\sum_{n = 1}^{\infty}b_{n}$ - rozbieżny do +

  1. 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

  1. 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:

  1. 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

  1. 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

  1. 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:

  1. Złożenie funkcji f i g istnieje <=> gdy f(x) ⊂Dg

  2. Zwykle g₀ff₀g

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 (x­-ð, x­+ð ) i oznaczamy symbolem U(x0,ð)

Def. Sąsiedztwo punktu x0 o promieniu ð>0 to zbiór (x­-ð, x­+ð ) i oznaczamy symbolem S(x­0,ð)

Uwaga: S(x­0,ð) = U(x0,ð)

Niech dany będzie dowolny zbiór XR

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.

  1. 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, xnx0 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 xnx0 to x$\overset{\rightarrow}{n \rightarrow \infty}$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 XR

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, x<x0 (x<x0) i x-> 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:

  1. [ ∝ •f(x) ± β • g(x)= ∝ •p ± β • g

  2. [f(x) • g(x)]=p • g

  3. $\operatorname{}{\frac{f\left( x \right)}{g(x)} =}\frac{p}{g}$ (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

  1. Jeśli dla każdego xε(x0,ð) f(x)g(x)≤h(x) i f(x)=h(x)=g to g(x)=g

  2. Jeśli dla każdego xε(x0,ð) f(x)g(x) i f(x)=∞, to g(x)=∞

  3. 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 AX, 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, fg, $\frac{f}{g}$ (g(x) ≠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 x 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:

  1. [cf(x)]’=c  •  f’(x)

  2. [f(x) ± g(x) ]’ = f’(x) ± g’(x)

  3. [f(x)  •  g(x)]’ = f’(x)g(x) + g’(x)f(x)

  4. $\left\lbrack \frac{f\left( x \right)}{g\left( x \right)} \right\rbrack^{'} = \frac{f^{'}\left( x \right)g\left( x \right) - \ g^{'}\left( x \right)f(x)}{{\lbrack g\left( x \right)\rbrack}^{2}}$

  5. [f(g(x))] = f[g(x)]•g(x) , jeśli funkcja f ma pochodną w punkcie g(x) , a funkcja g w x

Zastosowanie pochodnych:

  1. Obliczanie granic funkcji

  2. 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:

  1. Dla każdego xεS(x0,ð) g(x)≠0 i g’(x)0

  2. f(x) = 0 i g(x) = 0

  3. $\operatorname{}{\frac{f'\left( x \right)}{g^{'}(x)} = A}$

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:

  1. Rosnącą ((niemalejącą)) w zbiorze A Df , jeśli dla każdego x1,x2 ε A i x1<x2 =>f(x)<f(x2) ((f(x1)f(x2)))

  2. Malejącą ((nierosnącą)) w zbiorze ADf , jeśli dla każdego x1,x2 ε A i x1<x2 =>f(x)>f(x2) ((f(x1)f(x2)))

  3. Stała w zbiorze ADf , 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=D 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:

  1. Jeżeli funkcja f jest ciągła w x0 ε D­ 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.

  2. 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.

  3. Wklęsłość i wypukłość funkcji

Def. Różniczkowalna funkcja f(x) jest w przedziale (a,b) wklęsła [wypukła], jeśli dla każdego x,x0 ε(a,b) x0x 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)

  1. 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)

  1. Asymptoty wykresu funkcji

  1. 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

  1. 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.

  1. 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)

  1. Wyznaczanie dziedziny

  2. Obliczenie granic na krańcach dziedziny

  3. Wyznaczenie asymptot

  4. Wyznaczenie punktu przecięcia wykresu funkcji z osiami

II Analiza pierwszej pochodnej f’(x)

  1. Obliczenie f’(x) i wyznaczenie jej dziedziny (tzn. zbioru, w którym jest różniczkowalna)

  2. Wyznaczenie punktów stacjonarnych (f’(x)=0 – warunek konieczny istnienia ekstremum)

  3. Określenie przedziałów monotoniczności funkcji f(x) (f’(x)>0; f’(x)<0)

  4. Wyznaczenie ekstremów lokalnych (I warunek wystarczający istnienia ekstremum)

III Analiza drugiej pochodnej f”(x)

  1. Obliczenie f”(x) i wyznaczenie jej dziedziny

  2. Wyznaczenie f”(x)=0 –warunek konieczny istnienia punktów przegięcia

  3. Określenie przedziałów wklęsłości (wypukłości) f”(x)>0; f”(x)<0

  4. Wyznaczenie punktów przegięcia

  5. 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=Ax1 • 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 DRk. 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 DRk

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 DRk 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 $\frac{\eth^{2}f}{\eth x_{i}x_{j}}$ (ij)-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, DRk

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: $\frac{\text{ðf}}{\text{ðx}}\ \left( x_{0\left( w \right)} \right)$

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_

  1. Jeśli macierz Hessa w punkcie x0_ jest dodatnio [ujemnie] określona, to w punkcie x0_ f posiada minimum [maksimum] lokalne.

  2. 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 , DRk 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:

  1. Tworzymy funkcje Lagrange’a:

L(x1,x2,..,x,λ) = f(x1,x2,..,x) + λ • g(x1,x2,..,x)

  1. Punkty, w których f może mieć lokalne ekstrema warunkowe znajdujemy z warunków:

$\frac{\text{ðL}}{\text{ð\ }x_{1}} = 0$ $\frac{\text{ðL}}{\text{ð\ }x_{1}} = 0 = \ldots = \ \frac{\text{ðL}}{\text{ð\ }x_{k}} = \frac{\text{ðL}}{\text{ð\ λ}}$

  1. Wyznaczamy rozszerzoną macierz Hessa


$$H\left( x_{(w)} \right) = \ \begin{bmatrix} \begin{matrix} \frac{\eth^{2}L}{\eth\lambda^{2}} & \frac{\eth^{2}L}{\text{ðλð}x_{1}} \\ \frac{\eth^{2}L}{\eth x_{1}\text{ðλ}} & \frac{\eth^{2}L}{\eth{x_{1}}^{2}} \\ \end{matrix}\text{\ \ }\begin{matrix} \ldots & \frac{\eth^{2}L}{\text{ðλð}x_{k}} \\ \ldots & \frac{\eth^{2}L}{\eth x_{1}\eth x_{k}} \\ \end{matrix} \\ \begin{matrix} \frac{\eth^{2}L}{\eth x_{2}\eth x_{\lambda}} & \frac{\eth^{2}L}{\eth x_{2}\eth x_{1}} \\ \frac{\eth^{2}L}{\eth x_{k}\text{ðλ}} & \frac{\eth^{2}L}{\eth x_{k}\eth_{1}} \\ \end{matrix}\text{\ \ }\begin{matrix} \ldots & \frac{\eth^{2}L}{\eth x_{2}\eth x_{k}} \\ \ldots & \frac{\eth^{2}L}{\eth{x_{k}}^{2}} \\ \end{matrix} \\ \end{bmatrix}$$

  1. 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)

  1. Warunkiem wystarczającym istnienia maksimum warunkowego jest, aby minory z punktu 4 miały znaki naprzemienne, począwszy od „+”

  2. 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:

  1. (f(xg(x))dx =  ∫f(x)dx ±  ∫g(x)dx

  2. (a •f(x))dx =  a • ∫f(x)dx

Inne techniki całkowania

  1. Całkowanie przez cześci


(f(x)•g′(x))dx =  f(x)g(x) − ∫f(x)•g(x)dx

  1. 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. ex2 ; 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 x= 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 ξ) 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:

  1. Funkcja f jest ciagła w [a,b]

  2. Funkcja f jest ograniczona w przedziale [a,b] i posiada w tym przedziale max skończoną liczbę punktów nieciągłości

  3. 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 zwykleab(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 górnejabf(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)

  1. 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:

af(x)dx = ∫akf(x)dx [−∞bf(x)dx = ∫hbf(x)dx]

O ile występująca tu granica istnieje i jest skończona.

Obliczanie całek niewłaściwych


af(x)dx = ∫akf(x)dx = F(k) − F(a) ∖ n−∞bf(x)dx = ∫hbf(x)dx = F(b) − F(h)

  1. 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 + ∫cf(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) ab

Def. Zbiór B zawiera się w A (jest podzbiorem A), co zapisujemy BA, jeśli każdy element jest też elementem A, tzn: BA <=> (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:

  1. Ω ε S

  2. Jeśli AεS to A’εS (A’= Ω\A)

  3. Jeśli A1, A2, A3,… ε S to A1 A2A3 ε S

Uwaga z warunków 1-3 wynika:

  1. Zbiór pusty ε S

  2. Jeśli AεS i BεS, to AB=S

  3. 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 AB 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 AB – zachodzą oba zdarzenia A i B

- zależność AB – 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 AiAj (ij) wtedy P(A 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(AB) = P(A)+P(B)-P(AB)

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(aX ≤ 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:

  1. −∞f(x)dx = 1

  2. P(aXb) = F(b) − F(a) = ∫abf(x)dx

  3. Dla każdego a εR P(X=a) = F(x) − F(a) = 0

  4. P(aX < b)=P(aXb) = P(a<X<b) = ∫abf(x)dx

Wniosek:

Dystrybuanta zmiennej losowej ciągłej spełnia warunek F(x)=P(Xx)

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:

  1. Dystrybuanta zmiennej losowej określa jej rozkład prawdopodobieństwa (na mocy warunku: pi=P(X=xi)= F(x) − F(x1)

  2. Jeśli znamy rozkład prawdopodobieństwa dyskretnej zmiennej losowej X, to możemy obliczyć jej dystrybuantę:

F(x)=$\sum_{x_{i} < x}^{}p_{i}$

Wniosek: p1+p­+….=1

  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.

  1. 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:

  1. Zmienna dyskretna $\text{Var}\ \left( X \right) = \sum_{i = 1}^{+ \infty}{(x_{i}}{- \text{EX})}^{2} \bullet p_{i}$

  2. 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:

  1. E(c)=c, Var(c)=0 gdzie c –stała

  2. E(c  •  X)=c E(X) , Var(c  •  X)=c2   •  Var(X)

  3. Var(X+c)= Var(X)

  4. E(X+Y)= E(X)+E(Y)

Ponadto, jeśli zmienne X I Y są niezależne to:

  1. E(X • Y)= E(X) E(Y)

  2. 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 (1p).

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 (1p).

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


Wyszukiwarka

Podobne podstrony:
Matematyka wykład 1
Matematyka Wykład 1 10 14
mat, Politechnika Lubelska, Studia, Studia, Sprawozdania, studia, Matematyka, MATEMATYKA WYKŁADY
Fizyka Matematyczna Wykłady
Analiza matematyczna Wykłady, GRANICE FUNKCJI
matematyka wykłady
Statystyka matematyczna, Wykład 9
Analiza matematyczna Wykłady, CIAGI LICZBOWE
Analiza matematyczna wykład(1)(1)
Analiza matematyczna. Wykłady CAŁKI NIEOZNACZONE
29 04 07r matematyka, wykład
matematyka wykłady z równan różniczkowych
Matematyka 2 wykład
Statystyka matematyczna - wyklad 1, Studia materiały
Analiza matematyczna. Wykłady GRANICE FUNKCJI
Matematyka wyklad
tablice-matematyczne, Matematyka wykład
Analiza matematyczna, Analiza matematyczna - wykład, Ściąga z wykładów
Matematyka - Wykład 1, Studia, ZiIP, SEMESTR II, Matematyka

więcej podobnych podstron