Matematika 2 GTK

Egy szelő egyenes meredeksége a differenciahányados.

A deriválás úgy működik, hogy függvények grafikonjának meredekségét vizsgálja, mégpedig azzal, hogy megnézi, milyen meredek érintő húzható a függvény grafikonjához. Ha az érintő "fölfele megy" akkor a függvény grafikonja is "fölfele megy" vagyis a függvény növekszik. Hogyha pedig az érintő "lefele megy" akkor a függvény grafikonja is "lefele megy" tehát a függvény csökken. Egy függvény érintő egyenesének meredeksége a differenciálhányados.

Konstans deriváltja, polinomok deriválási szabálya. Az exponenciális és logaritmus függvények deriválása. Trigonometrikus függvények deriváltjai.

Függvény konstansszorosának, két függvény összegének, szorzatának és hányadosának deriválási szabályai. Összetett függvények deriválási szabálya.

A lánc-szabály az összetett függvények deriválási szabálya.

A sinh és cosh hiperbolikus függvények közt fennálló azonosságok.

A cosh, sinh és tanh függvények deriváltjai.

A cosh, sinh és tanh függvények inverzfüggvényei.

Az arcosh, arsinh és artanh függvények deriváltjai.

A függvény érintője egy olyan egyenes, amely egy függvényt pontosan egy pontban érint.

Egy függvény elaszticitása azt mondja meg, hogyha 1%-kal növeljük az x-et, akkor hány százalékkal változik a függvény értéke.

A kétváltozós függvények úgy működnek, hogy két valós számhoz rendelnek hozzá egy harmadik valós számot.

A vegyes másodrendű deriváltak mindig egyenlők, ha a függvény kétszer folytonosan deriválható.

A kétváltozós függvényeket x és y szerint is tudjuk deriválni. Ezeket a különböző változók szerinti deriváltakat parciális deriváltaknak nevezzük.

Egy általános módszer, amivel kétváltozós függvények szélsőértékeit és nyeregpontjait lehet meghatározni

Az elsőrendű parciális deriváltakat nullával egyenlővé téve egy egyenletrendszert kapunk. Ennek az egyenletrendszernek a megoldásai a stacionárius pontok.

Az elsőrendű parciális deriváltakat nullával egyenlővé téve egy egyenletrendszert kapunk. Ennek az egyenletrendszernek a megoldásai a stacionárius pontok.

 másodrendű deriváltakból képzett mátrix, amely segít eldönteni, hogy a függvénynek a stacionárius pontokban minimuma, maximuma, vagy éppen nyeregpontja van-e.

A sík azon pontjainak összességét, amelyekben az $f$ függvény ugyanazt a konstans értéket veszi fel, az $f$ függvény szintvonalának nevezzük.

Az érintősík képlete nagyon hasonlít az egyváltozós függvényeknél az érintő egyenletére, csak most x és y szerint is deriválni kell. Lépésről lépésre megoldunk néhány feladatot a kétváltozós függvények érintősíkjával kapcsolatban. Az első lépés mindig a parciális deriváltak kiszámolása, aztán ezekbe a parciális deriváltakba behelyettesítjük az érintési pont koordinátát. Ezek után még kiszámoljuk a függvényértéket is az érintési pontban és már jöhet is az érintősík egyenletének a képlete.

Az iránymenti derivált azt jelenti, hogyha a kétváltozós függvény grafikonjának egy pontjában áll egy hagymászó, és elindul egy v irányban, akkor ebben az irányban milyen meredeken emelkedik a felület. Az iránymenti derivált kiszámolása nagyon egyszerű. Azzal kell kezdeni, hogy a P pontban kiszámoljuk a deriváltvektort. Ezek után a v irányba mutató vektorból egységnyi hosszú vektort csinálunk úgy, hogy elosztjuk a saját hosszával. Az így keletkező e vektort skalárisan megszorozzuk a deriváltvektorral és meg is van az iránymenti derivált.

A függvényeket két nagy típusba sorolhatjuk, az explicit és az implicit függvények csoportjába. Az explicit függvények azok, amelyek egy konkrét képlettel vannak megadva, míg az implicit függvények valamilyen egyenlet formájában adhatók meg. 

 A függvényeket két nagy típusba sorolhatjuk, az explicit és az implicit függvények csoportjába. Az explicit függvények azok, amelyek egy konkrét képlettel vannak megadva, míg az implicit függvények valamilyen egyenlet formájában adhatók meg. Az implicit függvények deriválására egy nagyon egyszerű képletet alkothatunk a parciális deriválás segítségével.

A deriváltvektor azt jelenti, hogy egy többváltozós függvény parciális deriváltjait beletesszük egy vektorba. A deriváltvektort szokás gradiensvektornak is nevezni, és az f(x,y) kétváltozós függvény gradiensvektorát úgy jelöljük, hogy grad(f(x,y)). A gradiensvektor elnevezés onnan ered, hogy éppen a gradiens vektor irányában emelkedik mindig a legjobban a kétváltozós függvény grafikonja, ami egy felület. A deriváltvektort vagy gardiensvektort egy úgynevezett nabla szimbólummal is szokás jelölni. Ez egy csúcsára állított háromszög és a nabla operátor azt csinálja, hogy egy függvény parciális deriváltjait bepakolja egy vektorba. Ezt nem csak az f(x,y) kétváltozós függvénnyel lehet megtenni, hanem az f(x,y,z) háromváltozós függvénnyel is, vagy akár általánosan egy n változós függvénnyel. A nabla operátort alkalmazva erre a függvényre egy n koordinátás vektort kapunk, aminek a koordinátái a különböző parciális deriváltak lesznek. 

A deriváltvektor azt jelenti, hogy egy többváltozós függvény parciális deriváltjait beletesszük egy vektorba. A deriváltvektort szokás gradiensvektornak is nevezni, és az f(x,y) kétváltozós függvény gradiensvektorát úgy jelöljük, hogy grad(f(x,y)). A gradiensvektor elnevezés onnan ered, hogy éppen a gradiens vektor irányában emelkedik mindig a legjobban a kétváltozós függvény grafikonja, ami egy felület. A deriváltvektort vagy gardiensvektort egy úgynevezett nabla szimbólummal is szokás jelölni. Ez egy csúcsára állított háromszög és a nabla operátor azt csinálja, hogy egy függvény parciális deriváltjait bepakolja egy vektorba. Ezt nem csak az f(x,y) kétváltozós függvénnyel lehet megtenni, hanem az f(x,y,z) háromváltozós függvénnyel is, vagy akár általánosan egy n változós függvénnyel. A nabla operátort alkalmazva erre a függvényre egy n koordinátás vektort kapunk, aminek a koordinátái a különböző parciális deriváltak lesznek. 

Az iránymenti derivált azt jelenti, hogyha a kétváltozós függvény grafikonjának egy pontjában áll egy hagymászó, és elindul egy v irányban, akkor ebben az irányban milyen meredeken emelkedik a felület. Az iránymenti derivált kiszámolása nagyon egyszerű. Azzal kell kezdeni, hogy a P pontban kiszámoljuk a deriváltvektort. Ezek után a v irányba mutató vektorból egységnyi hosszú vektort csinálunk úgy, hogy elosztjuk a saját hosszával. Az így keletkező e vektort skalárisan megszorozzuk a deriváltvektorral és meg is van az iránymenti derivált.

Ahogy már láttuk, az iránymenti derivált azt jelenti, hogyha a kétváltozós függvény grafikonjának egy pontjában áll egy hagymászó, és elindul egy v irányban, akkor ebben az irányban milyen meredeken emelkedik a felület. Ahogy a v irányt változtatjuk, az iránymenti derivált értéke is változik. És van egy olyan v irány, ahol az iránymenti derivált maximális. Ezt az irányt nevezzük gradiens iránynak és ez mindig megegyezik a deriváltvektor irányával. Vagyis egy P pontban a függvény iránymenti deriváltja éppen abban az irányban a legnagyobb, ami a P ponthoz tartozó deriváltvektor iránya. A dolog egy egyszerű skaláris szorzattal könnyedén kijön. És az is kiderül, hogy melyik az az irány, amely mentén az iránymenti derivált éppen nulla. Ez a gradiens irányra merőleges irány, amit szintvonal iránynak nevezünk.

Az érintősík képlete nagyon hasonlít az egyváltozós függvényeknél az érintő egyenletére, csak most x és y szerint is deriválni kell. Lépésről lépésre megoldunk néhány feladatot a kétváltozós függvények érintősíkjával kapcsolatban. Az első lépés mindig a parciális deriváltak kiszámolása, aztán ezekbe a parciális deriváltakba behelyettesítjük az érintési pont koordinátát. Ezek után még kiszámoljuk a függvényértéket is az érintési pontban és már jöhet is az érintősík egyenletének a képlete.

A függvényeket két nagy típusba sorolhatjuk, az explicit és az implicit függvények csoportjába. Az explicit függvények azok, amelyek egy konkrét képlettel vannak megadva, míg az implicit függvények valamilyen egyenlet formájában adhatók meg. 

 A függvényeket két nagy típusba sorolhatjuk, az explicit és az implicit függvények csoportjába. Az explicit függvények azok, amelyek egy konkrét képlettel vannak megadva, míg az implicit függvények valamilyen egyenlet formájában adhatók meg. Az implicit függvények deriválására egy nagyon egyszerű képletet alkothatunk a parciális deriválás segítségével.

Az f(x) függvény primitív függvényének jele F(x) és azt tudja, hogy ha deriváljuk, akkor visszakapjuk f(x)-et. Egy függvény primitív függvényeinek halmazát nevezzük a függvény határozatlan integráljának.

Polinomok integrálása. Törtfüggvény integrálása. Exponenciális függvények integrálása. Trigonometrikus függvények integrálása.

Polinomok, törtfüggvény, exponenciális függvények, trigonometrikus függvények integráljainak lineáris helyettesítései.

Integráláskor a konstans szorzó kivihető.

Összeget külön-külön is integrálhatunk.

Ha a szorzás elvégezhető, akkor végezzük el, és utána integráljunk.

Szorzat integrálásának egy speciális esete, amikor a függvény n-edik hatványon van és meg van szorozva a deriváltjával.

Összetett függvényeket általában akkor tudunk integrálni, ha azok meg vannak szorozva a belső függvényük deriváltjával. Van is erre egy remek kis képlet.

Próbálkozzunk a tört földarabolásával és utána integráljunk.

Törtek integrálásának egy speciális esete, amikor a tört számlálója a nevező deriváltja.

A Newton-Leibniz formula egy egyszerűen használható képlet a határozott integrál kiszámításához. Ez a tétel az egész matematika történetének egyik legfontosabb tétele. Egy Newton nevű angol fizikus és egy Leibniz nevű német filozófus egyszerre találta ki az 1600-as évek végén.

Végtelenbe nyúló tartományok területének kiszámolása egy fontos függvénnyel.

Folytonosnak nevezzük azokat a valószínűségi változókat, amik folytonos mennyiségeket mérnek, ilyen például az idő, a távolság.

Diszkrétnek nevezzük azokat a valószínűségi változókat, amik megszámlálhatóan sok értéket vesznek fel.

Az X valószínűségi változó eloszlásfüggvénye F(x). F(x)=P(x<X) Vagyis minden x számhoz hozzárendeli annak a valószínűségét, hogy X<x. Nos ez elég izgi..

A sűrűségfüggvény a görbe alatti területekkel írja le egy esemény valószínűségét.

Az eloszlásfüggvény határértéke minusz végtelenben 0, plusz végtelenben 1, monoton nő és balról folytonos.

A sűrűségfüggvény integrálja minusz végtelentől plusz végtelenig 1, és nem negatív.

Három nagyon fontos összefüggés eloszlásfüggvény és sűrűségfüggvény között.

Az $X$ valószínűségi változó $F(x)$ eloszlásfüggvényéből úgy kapjuk meg az $f(x)$ sűrűségfüggvényét, hogy az $F(x)$ eloszlásfüggvényt deriváljuk. Fordítva pedig integrálni kell.

A valószínűségi változó értékeinek valószínűségekkel súlyozott átlaga. De valójában ez rém egyszerű, nézzünk rá néhány példát.

A szórás azt mutatja meg, hogy a várható érték körül milyen nagy ingadozásra számíthatunk.

Folytonos valószínűségi változók esetén a várható értéket egy integrálás segítségével számítjuk.

Folytonos valószínűségi változó esetén a szórást ugyanúgy kell számolni, mint diszkrét valószínűségi változó esetén:

A Markov egyenlőtlenség arról szól, hogy az X valószínűségi változó a várható értéknél nem lehet sokkal nagyobb.

A Csebisev egyenlőtlenség azt írja le, hogy az X valószínűségi változó várható értéktől való eltérése nem lehet túl nagy.

Ha egy esemény bekövetkezésének elméleti valószínűsége $p$, akkor minél többször végezzük el a kísérletet, a relatív gyakoriság és az elméleti valószínűség eltérése annál kisebb lesz.

A hipergeometriai eloszlás egy diszkrét eloszlás, ahol N darab elem közül kiválasztunk n darab elemet visszatevés nélkül. Az összes elem között K darab selejtes található. Az eloszlás annak valószínűségét írja le, hogy a kiválasztott elemek között éppen k darab selejtes van.

A binomiális eloszlás egy diszkrét eloszlás, ahol egy esemény bekövetkezésének a valószínűsége p és egymástól függetlenül elvégzünk n darab kísérletet, ahol a kísérletek mindegyikében az esemény vagy bekövetkezik vagy nem. Az eloszlás annak valószínűségét írja le, hogy az esemény éppen k-szor következik be.

A Poisson eloszlás egy diszkrét eloszlás, ahol egy esemény bekövetkezésének a várható előfordulása lambda darab. Az eloszlás annak valószínűségét írja le, hogy az esemény éppen k-szor következik be.

Az eltelt idők és a távolságok eloszlása.

Ez egy folytonos eloszlás, ahol egy esemény bekövetkezésének valószínűsége valamely intervallumon konstans.

Mennyiségek eloszlása.