- •1.Графики и свойства основных элементарных функций.
- •2.Предел функции
- •3.Основные теоремы о пределах. Асимптоты графика функции
- •4.Непрерывность функции в точке и на интервале.
- •6.Производная и дифференциал.
- •7. Основные теоремы о дифференцируемых функциях: теорема Ферма, Ролля, Лагранжа.
- •8. Функция нескольких переменных и их непрерывность.
- •9 Производные функций нескольких переменных.
- •10. Дифференциалы функции нескольких переменных.
- •11. Поиск экстремума функции одной переменной.
- •12. Поиск экстремума функции нескольких переменных.
- •13 Неопределенный интеграл, основные теоремы.
- •14. Определенный интеграл, основные теоремы.
- •15.Методы интегрирования: Интегрирование методом замены переменных, Интегрирование по частям, Интегрирование рациональных функций.
- •16.Прямая линия на плоскости.
- •17.Эллипс.
- •18.Гипербола.
- •19.Парабола.
- •20.Прямая и плоскость в пространстве
- •21. Системы линейных уравнений.
- •22.Матрицы, классификация.
- •23.Операции над матрицами
- •24.Определители, свойства. Теорема Лапласа.
- •25.Обратная матрица
- •26.N- мерный вектор и векторное пространство
- •27. Системы векторов, операции над ними.
- •28. Ранг матрицы
- •29. Линейные операторы и матрицы
- •30. Собственные векторы линейных операторов
- •31.Решение системы линейных уравнений с помощью определителей. Формулы Крамера.
- •32. Решиение системы матричной формы
- •33. Метод Гаусса.
- •34.Сущность и условия применения теории вероятностей.
- •35. Основные понятия тв.
- •36. Вероятностное пространство
- •37. Элементы комбинаторного анализа
- •38. Непосредственный подсчет вероятностей.
- •39. Теоремы сложения вероятностей.
- •40.Теоремы умножения вероятностей.
- •41.Формула полной вероятности.
- •42. Теорема Байеса
- •43. Формула Бернулли
- •44.Случайные величины. Способы их описания.
- •45.Основные числовые характеристики дискрет. Случ. Величин.
- •46. Числовые характеристики непрерывных случайных величин
- •47.Осн. Законы распределения вероятностей случ. Величин.
- •48. Числовые характеристики системы двух случайных величин. Зависимые и независимые случайные величины
30. Собственные векторы линейных операторов
Вектор Х , не равный нулю, называется собственным вектором матрицы А, если найдется такое число λ, что АХ = λХ.
Число λ называется собственным значением матрицы А, соответствующим вектору Х.
Уравнение
называется характеристическим уравнением матрицы А.
31.Решение системы линейных уравнений с помощью определителей. Формулы Крамера.
Метод Крамера
Теорема Крамера. Пусть Δ – определитель матрицы системы А, а Δj – определитель матрицы, полученный из матрицы заменой j-го столбца столбцом свободных членов. Тогда если Δ не равен нулю, то система имеет единственное решение, определённое по формулам Крамера:
где j=1..n.
32. Решиение системы матричной формы
Система m линейных уравнений с n переменными имеет вид:
где aij, bi (i =1..m; j =1..n) – произвольные числа, называемые соответственно коэффициентами при переменных и свободными членами уравнений.
Решением системы (1) называется такая совокупность n чисел (x1=k1, x2=k2, … xn=kn), при подстановке которых в (1) каждое уравнение системы обращается в верное равенство.
Система уравнений называется совместной, если она имеет хотя бы одно решение, и несовместной, если она не имеет решений.
Совместная система, называется определенной,
если она имеет единственное решение, и
неопределенной, если она имеет более одного
решения.
Запишем систему (1) в матричной форме. Обозначим: где А – матрица коэффициентов при переменных, или матрица системы, Х – матрица-столбец переменных; В – матрица-столбец свободных членов.Систему (1) можно записать в виде: АХ=В.
33. Метод Гаусса.
Метод Гаусса – метод последовательного исключения переменных – заключается в том, что с помощью элементарных преобразований система уравнений приводится к равносильной системе ступенчатого или треугольного вида.
Рассмотрим матрицу:
эта матрица называется расширенной матрицей системы (1), так как в нее кроме матрицы системы А, дополнительно включен столбец свободных членов.
34.Сущность и условия применения теории вероятностей.
35. Основные понятия тв.
В теории вероятностей испытанием принято называть эксперимент, который (хотя бы теоретически) может быть произведён в одних и тех же условиях неограниченное число раз.
Результат или исход каждого испытания назовём событием. Событие является основным понятием теории вероятностей. Будем обозначать события буквами А, В, С.
Виды событий:
достоверное событие - событие, которое в результате опыта обязательно произойдет.
невозможное событие - событие, которое в результате опыта не может произойти.
случайное событие - событие, которое может произойти в данном опыте, а может и не произойти.
Виды событий
Случайные события A1,A2,…,An образуют полную группу событий, если в результате испытания непременно должно появиться хотя бы одно из них .
Случайные события A1,A2,…,An называются несовместными, если появление одного из них исключает появление других событий в одном и том же испытании.
Случайные события A1,A2,…,An называются единственно возможными, если в результате испытаний происходит какое-либо одно и только одно из этих событий.
Равновозможные события - несколько событий в данном опыте, ни одно из которых не является объективно более возможным, чем другое.
Классическое определение вероятности основано на понятии равновозможности событий.
Равновозможность событий означает, что нет оснований предпочесть какое-либо одно из них другим.
Рассмотрим испытание, в результате которого может произойти событие A. Каждый исход, при котором осуществляется событие A, называется благоприятным событию A.
Вероятностью события A (обозначают P(A)) называется отношение числа исходов, благоприятных событию A (обозначают k), к числу всех исходов испытания – N т.е. P(A)= k/ N.
Из классического определения вероятности вытекают следующие ее свойства:
Вероятность любого события заключена между нулем и единицей.
Вероятность достоверного события равна единице.
Вероятность невозможного события равна нулю
Статистическое определения вероятности
Пусть произведена серия из N испытаний, в каждом из которых могло появиться или не появиться событие А. Тогда абсолютной частотой (или частотой) F называется число появлений события А, а относительной частотой (или частостью) f(A)—отношение абсолютной частоты к общему числу испытаний: f(A)= F/N.
f(А)P(A) при N