Интегралы
Основные вопросы лекции: первообразная; неопределенный интеграл, его свойства; таблица интегралов; методы интегрирования: разложение, замена переменной, по частям; интегрирование рациональных функций; интегрирование иррациональностей и выражений, содержащих тригонометрические функции, задачи, приводящие к понятию определенного интеграла; интегральная сумма; понятие определенного интеграла, его свойства; определенный интеграл как функция верхнего предела; формула Ньютона Лейбница; применение определенного интеграла к вычислению площадей плоских фигур; вычисление объемов тел и длин дуг кривых; несобственные интегралы с бесконечными пределами и от неограниченных функций, основные понятия дифференциальных уравнений; задача Коши; дифференциальные уравнения с разделяющимися переменными; однородные дифференциальные уравнения 1-го порядка; линейные дифференциальные уравнения 1-го порядка, дифференциальные уравнения 2-го порядка, допускающие понижение порядка; линейные дифференциальные уравнения 2-го порядка с постоянными коэффициентами: однородные и неоднородные.
Функция называется первообразной для функции на промежутке , если в любой точке этого промежутка .
Теорема. Если и – первообразные для функции на некотором промежутке , то найдется такое число , что будет справедливо равенство
= + .
Множество всех первообразных для функции на промежутке называется неопределенным интегралом от функции и обозначается . Таким образом,
= + .
Свойства неопределенного интеграла
1. Производная от неопределенного интеграла равна подынтегральной функции, то есть
.
2. Дифференциал неопределенного интеграла равен подынтегральному выражению, то есть
3. Неопределенный интеграл от дифференциала некоторой функции равен этой функции с точностью до постоянного слагаемого, то есть
,
где – произвольное число.
4. Постоянный множитель можно выносить за знак интеграла, то есть
5. Интеграл от алгебраической суммы двух функций равен такой же сумме интегралов от этих функций, то есть
.
Метод замены переменной
,
где – функция, дифференцируемая на рассматриваемом промежутке.
Метод интегрирования по частям
,
где и – дифференцируемые функции.
Интегрирование рациональных дробей. Простейшими дробями называют дроби вида
и ,
причем квадратный трехчлен не имеет действительных корней.
Рациональную функцию можно разложить в сумму простейших дробей, причем в знаменателе этих дробей могут быть и степени от выражения стоящего в знаменателе.
Для интегралов вида делают замену , а для интегралов в общем случае используются подстановки Эйлера.
При интегрировании тригонометрических выражений в общем случае используется замена переменной , где .
Талица основных интегралов.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
Пусть на отрезке задана функция . Разобьем отрезок наэлементарных отрезков точками . На каждом отрезке разбиения выберем некоторую точку и положим , где . Сумму вида
(1)
будем называть интегральной суммой для функции .на . Для избранного разбиения отрезка на части обозначим через максимальную из длин отрезков , где .
Пусть предел интегральной суммы при стремлении к нулю существует, конечен и не зависит от способа выбора точек и точек . Тогда этот предел называется определенным интегралом от функции на, обозначается , а сама функция называется интегрируемой на отрезке , то есть
= .
Экономический смысл интеграла. Если – производительность труда в момент времени , то есть объем выпускаемой продукции за промежуток . Величина и объем продукции, произведенной за промежуток времени , численно равна площади под графиком функции , описывающей изменение производительности труда с течением времени, на промежутке или .
Достаточное условие существования интеграла. Теорема. Если непрерывна на отрезке , то она интегрируема на этом отрезке.
Свойства определенного интеграла.
1. Постоянный множитель можно выносить за знак интеграла, то есть
,
где – некоторое число.
2. Интеграл от алгебраической суммы двух функций равен такой же сумме интегралов от этих функций, то есть
.
3. Если отрезок интегрирования разбит на части, то интеграл на всем отрезке равен сумме интегралов для каждой из возникших частей, то есть при любых
4. Если на отрезке , где , , то и
.
Следствие. Пусть на отрезке , где , , где и – некоторые числа. Тогда
.
Теорема о среднем. Если функция непрерывна на отрезке , где , то найдется такое значение , что
.
Теорема. Пусть функция непрерывна на отрезке и – любая первообразная для на . Тогда определенный интеграл от функции на равен приращению первообразной на на этом отрезке, то есть
Эта формула называется формулой Ньютона – Лейбница.
Теорема. Пусть функция имеет непрерывную производную на отрезке , и функция непрерывна в каждой точке вида , где .
Тогда имеет место равенство
=.
Эта формула носит название формулы замены переменной в определенном интеграле.
Теорема. Пусть функции и имеют непрерывные производные на отрезке . Тогда
.
Эта формула называется формулой интегрирования по частям.
Теорема. Пусть на отрезке заданы непрерывные функции и такие, что . Тогда площадь фигуры, заключенной между кривыми и , на отрезке вычисляется по формуле
Пусть на отрезке задана непрерывная знакопостоянная функция . Тогда объем тела, образованного при вращении вокруг оси абсцисс криволинейной трапеции, ограниченной линиями , и находится по формуле
.
Дифференциальным уравнением называется уравнение, связывающее искомую функцию одной или нескольких переменных, эти переменные и производные различных порядков данной функции.
Дифференциальное уравнение го порядка называется разрешенным относительно старшей производной, если оно имеет вид
.
Решением дифференциального уравнение называется такая функция , которая при подстановке ее в это уравнение обращает его тождество.
Общим решением дифференциального уравнения го порядка называется такое его решение
,
которое является функцией переменных и произвольных независимых постоянных .
Частным решением дифференциального уравнения называется решение, получаемое из общего решения при некоторых конкретных числовых значениях постоянных .
Теорема. Пусть в дифференциальном уравнении
(1)
функция и ее частная производная непрерывны на открытом множестве координатной плоскости. Тогда
1. Для любой точки множества найдется решение уравнения (1), удовлетворяющее условию .
2. Если два решения и уравнения (1) совпадают хотя бы для одного значения , то эти решения совпадают для всех тех значений переменной , для которых они определены.
Дифференциальное уравнение (1) первого порядка называется неполным, если функция явно зависит либо только от, либо только от .
Дифференциальное уравнение первого порядка называется уравнением с разделяющимися переменными, если оно может быть представлено в виде
или в виде
,
где , , – некоторые функции переменной ; – функции переменной .
Дифференциальное уравнение первого порядка называется линейным, если оно имеет вид
,
где и – некоторые (непрерывные) функции переменной .
В случае, когда функция тождественно равна нулю, уравнение называется однородным, в противном случае – неоднородным.
Линейное дифференциальное уравнение второго порядка с постоянными коэффициентами имеет вид
, (2)
где – некоторые действительные числа, – некоторая функция.
Если , то уравнение
(3)
называется однородным, в противном случае при уравнение (2) называется неоднородным.
Теорема. Если и – линейно независимые частные решения уравнения (3), то общее решение этого уравнения является линейной комбинацией этих частных решений, то есть имеет вид
,
Для некоторых действительных чисел и .
Уравнение
(4)
называется характеристическим уравнением уравнения (3).
Теорема.
1. Пусть характеристическое уравнение (4) имеет действительные корни , причем . Тогда общее решение уравнения (3) имеет вид
,
где и – некоторые числа.
2. Если характеристическое уравнение (4) имеет один корень (кратности 2), то общее уравнения (3) имеет вид
,
где и – некоторые числа.
3. Если характеристическое уравнение (4) не имеет действительных корней, то общее решение уравнения (3) имеет вид
,
где ,, и – некоторые числа.
Теорема. Общее решение линейного неоднородного дифференциального уравнения (2) равно сумме общего решения соответствующего однородного уравнения (3) и частного решения исходного неоднородного уравнения (2).
Числовым рядом называется выражение вида
(1)
Числа называются членами ряда, а член - общим членом ряда.
Сумма первых членов ряда называется – й частичной суммой ряда.
Ряд называется сходящимся, если существует конечный предел последовательности его частичных сумм, то есть
Число называется суммой ряда.
Свойства сходящихся рядов.
1. Если ряд (1) сходится и имеет сумму , то и ряд полученный умножением данного ряда на число также сходится и имеет сумму .
2. Если ряды
и
(2)
сходятся и их суммы соответственно равны и , то и ряд представляющий сумму данных рядов также сходится, и его сумма равна .
3. Если ряд сходится, то сходится и ряд, полученный из данного путем отбрасывания или приписывания конечного числа членов.
Теорема (необходимый признак сходимости) Если ряд сходится, то предел его общего члена стремится к нулю, то есть
.
Теорема (признак сравнения). Пусть (1) и (2) – ряды с положительными членами, причем члены первого ряда не превосходят членов второго, то есть при любом
.
Тогда а) если сходится ряд (2), то сходится и ряд (1)
б) если расходится ряд (1), то расходится и ряд (2).
Теорема (предельный признак сравнения). Пусть (1) и (2) – ряды с положительными членами и существует конечный предел отношения их общих членов , то ряды одновременно сходятся, либо расходятся.
Теорема (признак Даламбера). Пусть дан ряд (1) с положительными членами и существует предел
.
Тогда, если , то ряд сходится; если , то ряд расходится; если , то вопрос о сходимости ряда остается нерешенным.
Ряды с членами произвольного знака
Знакочередующиеся ряды. Под знакочередующимся рядом понимается ряд в котором члены попеременно то положительны то отрицательны
Теорема. (Признак Лейбница). Если члены знакочередующегося ряда убывают по абсолютной величине и предел его общего члена при равен нулю, ряд сходится, а его сумма не превосходит первого члена.
Если ряд, составленный из абсолютных величин членов данного ряда (1) сходится, то сходится и данный ряд.
Ряд называется условно сходящимся, если сам ряд сходится, а ряд, составленный из абсолютных величин его членов, расходится.
Ряд называется абсолютно сходящимся, если сходится как сам ряд, так и ряд, составленный из абсолютных величин его членов.
Степенным рядом называется ряд вида
(3)
Совокупность тех значений , при которых степенной ряд (3) сходится, называется областью сходимости степенного ряда.
Теорема Абеля. 1). Если степенной ряд сходится при значении (отличном от нуля), то он сходится и, притом абсолютно, при всех значениях таких, что . 2). Если степенной ряд расходится при , то он расходится при всех значениях таких, что .
1. ,
2. .
Тогда областью сходимости степенного ряда будет интервал .
На любом отрезке , целиком принадлежащем интервалу сходимости , функция является непрерывной, а следовательно, степенной ряд можно почленно интегрировать на этом отрезке.
Кроме того, в интервале сходимости степенной ряд можно почленно дифференцировать. При этом после
Имеют место следующие разложения элементарных функций.
Случайные события
Основные вопросы лекции: случайные события; случайные величины, описательный подход к понятию случайной величины, дискретные случайные величины, случайные величины общего вида, функция распределения, распределение случайных величиныи числовые характеристики.
Числовые характеристики случайных величин
Рассмотрим основные характеристики дискретной случайной величины при конечном числе значений.
Каждому значению дискретной случайной величины отвечает его вероятность. Как отмечалось выше, последовательность таких пар образует ряд распределения дискретной случайной величины:
где , , i= 1,…, n, .
Если случайная дискретная величина является случайной альтернативной величиной, т.е. задается двумя значениями 0 и 1 и соответствующими им вероятностями исходов q = 1 – ри р, то ряд распределения принимает форму:
,
где 0 ≤ p ≤ 1, p + q = 1.
На основе ряда распределения можно определить среднее значение случайной дискретной величины как меру, которая объединяет значения случайной дискретной величины и их вероятности. Среднее значение есть взвешенная средняя всех возможных значений случайной величины, роль весов (частот) играют вероятности.
Ожидаемое среднее значение случайной величины называется математическим ожиданием М(Х) (оценкой, которую ожидают получить).
Математическое ожидание случайной дискретной величины X (т.е. принимающей только конечное или счетное множество значений x1, x2,…, хп соответственно с вероятностями р1, p2,…, рп) равно сумме произведений значений случайной величины на соответствующие им вероятности:
. (1)
Свойства математического ожидания случайной дискретной величины
Математическое ожидание случайной дискретной величины обладает следующими свойствами:
1. M(C) = С,
где С – постоянная величина.
2. М (С·Х) = С·М(Х),
где С – постоянная величина.
3. М (Х1 ± Х2 ±…± Хn) = М(Х1) ± М(Х2) ±…± М(Хn). (2)
4. Для конечного числа пнезависимых случайных величин:
М (Х1∙ Х2∙…∙Хn)= М(Х1) ∙М(Х2) ∙…∙М(Хn). (3)
5. М (Х–C) = М(Х) – C.
Следствие. Математическое ожидание отклонения значений случайной величины X от ее математического ожидания равно нулю:
М [Х – М(Х)] = 0. (4)
6. Математическое ожидание среднего арифметического значения п одинаково распределенных взаимно независимых случайных величин равно математическому ожиданию каждой из величин:
. (5)
Случайные дискретные величины называются одинаково распределенными, если у них одинаковые ряды распределения, а следовательно, и одинаковые числовые характеристики.
Пусть Х1, Х2,…, Хn – одинаково распределенные случайные величины, математические ожидания каждой из которых одинаковы и равны а. Тогда математическое ожидание их суммы равно nаи математическое ожидание средней арифметической равно а:
.
Ожидаемое среднее значение функции случайной величиныожидаемое среднее значение можно вычислять как функцию случайной величины. Пусть h(X) – функция случайной величины X. Ожидаемое значение функции дискретной случайной величины:
(6)
Функция h(X) может быть любой, например X 2,3Х 4, logX. Разберем простой пример, когда h(X) – линейная функция от X, т.е. h(X)= аХ+ b, где а, b – числовые параметры.
Ожидаемый ежемесячный доход от продаж продукции составляет 5400 условных денежных единиц. Для линейной функции случайной величины вычисления M[(h(x)] можно упростить, так как из свойств математического ожидания следует, что
M (аХ+ b) = аM(Х) + b,
где a, b – числовые параметры.
Формула (5) подходит для любых случайных величин как дискретных, так и непрерывных.
Дисперсия дискретной случайной величины
Дисперсия случайной величины есть математическое ожидание квадрата отклонения значений случайной величины от ее математического ожидания.
σ2 = D(X) = M{[X – M(X)] 2} = [xi – M(X)] 2P(xi). (7)
Вероятности значений случайной величины играют роль весов (частот) при вычислении ожидаемых значений квадратов отклонений дискретной случайной величины от средней. По формуле (7) дисперсия вычисляется путем вычитания математического ожидания из каждого значения случайной величины, затем возведения в квадрат результатов, умножения их на вероятности Р(хi) и сложения результатов для всех хi.
Для примера 3.1 (о рекламных объявлениях, размещаемых в газете в определенный день) дисперсия вычисляется так:
σ2 = [xi–M(X)] 2P(xi) = (0–2,3) 2 + (1–2,3) 2 + (2–2,3) 2 + (3–2,3) 2+ (4–2,3) 2 + (5 – 2,3) 2 = 2,01.
Свойства дисперсии дискретной случайной величины
Дисперсия дискретной случайной величины обладает следующими свойствами.
1. D(C) = 0,
где C – постоянная величина.
2. D(C∙X)= C∙D(X),
где C – постоянный множитель.
3. Для конечного числа nнезависимых случайных величин:
D (X1 ± Х2±…±Xn) = D(X1) + D(X2)+ … +D(Xn). (8)
4. Если Х1, Х2,…, Хn – одинаково распределенные независимые случайные величины, дисперсия каждой из которых равна σ2 (Хi), то дисперсия их суммы равна пσ2, а дисперсия средней арифметической равна σ2/п:
σ2/п. (9)
Для вычисления дисперсии проще пользоваться другой формулой, полученной путем несложных математических выкладок:
D(X) = M[X – M(X)] 2 =M[X2 – 2M(X) X+ M(X) 2] =
M(X) 2 –2M(X) M(X) + [M(X)] 2 = M(X2) – [M(X)] 2 = M (X 2) – М 2 (Х).
Таким образом, σ2 = D(X) = M(X2) – М2 (Х). (10)
Дисперсия линейной функции случайной величины
Для случайной величины, заданной линейной функцией аХ+b, имеем
D(a∙X+ b)= a2∙D(X)=a2∙σ2. (11)
По формуле (11) найдем дисперсию ожидаемого дохода для примера 3. Доход задан функцией 2Х-8000. Находим M(X2)=50002∙0,2 + 60002∙0,3 + 70002∙0,2 + 80002∙0,2 + 90002∙0,1 =4 650 000. М(Х)=6700. Отсюда дисперсия D(X)=M(X2) – [М(Х)] 2=46 500 000 – 67002=1 610 000. Используя формулу (11), вычислим дисперсию ожидаемого дохода: D(Х) = σ2 = 22∙1 610 000 = 6 440 000. Среднее квадратическое отклонение дохода равно
Испытания Бернулли – это последовательность n идентичных испытаний, удовлетворяющих следующим условиям:
1. Каждое испытание имеет два исхода: успех и неуспех – взаимно несовместные и противоположные события.
2 Вероятность успеха р остается постоянной от испытания к испытанию. Вероятность неуспеха q = 1-р.
3. Все n испытаний – независимы. Вероятность наступления события в любом из испытаний не зависит от результатов других испытаний.
Успех и неуспех – статистические термины. Например, когда имеют дело с производственным процессом, то исход испытания «деталь дефектная» определяют как успех. Успех относится к появлению определенного события – «деталь дефектная», а неуспех относится к непоявлению события. Определим случайную величину как биномиальную, если для нее мы рассчитываем число успехов и неуспехов в последовательности n испытаний Бернулли.
Случайная величина, для которой вычисляется число успехов в n повторных испытаниях, где р – вероятность успеха в любом из заданных испытаний, a q = (1-р) – соответствующая вероятность неуспеха, подчиняется закону биномиального распределения с параметрами n и р.
Все возможные исходы данного эксперимента называются элементарными событиями, а множества составленные из них – событиями. Таким образом можно разбить все множество исходов на благоприятствующие данному событию (то есть входящие в него) и не благоприятствующие. Множество всех исходов обозначают , а события – заглавными латинскими буквами.
Классическое определение вероятности. Вероятностью события называется отношение числа всех исходов на число благоприятствующих событию исходов и обозначают , то есть
,
где – число всех исходов эксперимента, -число благоприятствующих событию исходов. Это так называемая классическая схема.
Пусть некоторый эксперимент повторяется раз.
Схема Бернулли имеет место при соблюдении трех условий.
1. Каждое повторение имеет два исхода.
2. Повторения независимы.
3. Вероятность появления события постоянна и не меняется при повторениях.
Тогда вероятность появления события раз при испытаниях можно найти по формуле
,
где – число сочетаний из элементов по, .
Если события такие, что
1. попарно не пересекаются, то есть .при
2. ,
то говорят что они образуют полную группу событий.
Теорема (формула полной вероятности). Если – полная группа событий и , то
.
Теорема (формула Байеса) Если – полная группа событий и , то
,
Случайной величиной называют любую числовую функцию заданную на множестве . Случайные величины делятся на дискретные и непрерывные.
Дискретной случайной величиной называется случайная величина принимающая не более чем счетное число значений. Дискретную случайную величину удобно задавать в виде таблицы
где – вероятность того, что случайная величина примет значение при.
Математическим ожиданием дискретной случайной величины называется число = .
Свойства математического ожидания
1.
2.
3. .
Дисперсией дискретной случайной величины называется число
Свойства дисперсии
1.
2.
3. .
Среднеквадратическим отклонением называется число .
Функцией распределения случайной величины называют функцию .
Свойства функции распределения
1. .
2. Функция непрерывна слева.
3. Функция монотонно возрастает.
Случайная величина называется непрерывной, если непрерывна ее функция распределения. Плотностью распределения случайной величины называют функцию, удовлетворяющую следующим условиям
1.
2.
3.
Для непрерывных случайных величин математическое ожидание определяется как число . Для дисперсии формула остается прежней.
На практике чаще всего встречаются следующие виды распределений
1.Биномиальное, где случайная величина принимает значения с вероятностями .
2.Геометрическое, где случайная величина принимает значения с вероятностями
3.Нормальное, где плотность распределения имеет вид
4.Равномерное, где плотность распределения имеет вид
Литература
1. Высшая математика для экономистов: Учебник для вузов / Под ред. Н.Ш. Кремера. – М.: ЮНИТИ, 2003.
2.Е.С. Кочетков, С.О. Смерчинская Теория вероятностей в задачах и упражнениях / М. ИНФРА-М 2005.
3. Высшая математика для экономистов: Практикум / Под ред. Н.Ш. Кремера. – М.: ЮНИТИ, 2004.Ч1, 2
4. Гмурман В.Е. Руководство к решению задач по теории вероятностей и математической статистике. М., Высшая школа, 1977
5. Гмурман В.Е. Теория вероятностей и математическая статистика. М., Высшая школа, 1977
6. М.С. Красс Математика для экономических специальностей: Учебник/ М. ИНФРА-М 1998.
7. Выгодский М.Я. Справочник по высшей математике. – М., 2000.
8.Берман Г.Н. Сборник задач по курсу математического анализа. – М.: Наука, 1971.
9.А.К. Казашев Сборник задач по высшей математике для экономистов – Алматы - 2002 г.
10.Пискунов Н.С. Дифференциальное и интегральное исчисление. – М.: Наука, 1985, Т1,2.
11.П.Е. Данко, А.Г. Попов, Т.Я. Кожевников Высшая математика в упражнениях и задачах/ М. ОНИКС-2005.
12.И.А. Зайцев Высшая математика/ М. Высшая школа-1991 г.
13.Головина Л.И. Линейная алгебра и некоторые ее приложения. – М.: Наука, 1985.
14.Замков О.О., Толстопятенко А.В., Черемных Ю.Н. Математические методы анализа экономики. – М.: ДИС, 1997.
15.Карасев А.И., Аксютина З.М., Савельева Т.И. Курс высшей математики для экономических вузов. – М.: Высшая школа, 1982 – Ч 1, 2.
16.Колесников А.Н. Краткий курс математики для экономистов. – М.: Инфра-М, 1997.
17.В.С. Шипацев Задачник по высшей математике-М. Высшая школа, 2005 г.