Математика и информатика. Пособие по практическим занятиям и лабораторным работам (PDFDrive)

учебно-методический комплекс
МАТЕМАТИКА
И ИНФОРМАТИКА
Учебная программа дисциплины
Учебное пособие
Пособие по практическим занятиям и лабораторным работам
Электронный
Методические указания по самостоятельной работе

Банк тестовых заданий в системе UniTest
Красноярск
ИПК СФУ
2008
УДК 51+044
ББК 22.1+32.81
М34
Авторы:
А. М. Кытманов, И. В. Баженова, Е. В. Гохвайс, Е. В. Достовалова, А. М. Быковских,
А. А. Кытманов, Р. А. Лукина, А. Е. Николаева, Т. А. Осетрова, О. Г. Проворова,
Т. М. Садыков, В. А. Степаненко, С. Г. Толкач, Л. М. Туранова, О. В. Ходос, А. А. Чешель
Электронный учебно-методический комплекс по дисциплине «Математика и ин-

форматика» подготовлен в рамках инновационной образовательной программы «Ин-
ститут фундаментальной подготовки», реализованной в ФГОУ ВПО СФУ в 2007 г.
Рецензенты:
Красноярский краевой фонд науки;
Экспертная комиссия СФУ по подготовке учебно-методических комплексов дис-
циплин
М34 Математика и информатика. Версия 1.0 [Электронный ресурс] : пособие по прак-
тическим занятиям и лабораторным работам / А. М. Кытманов, И. В. Баженова,
Е. В. Гохвайс и др. – Электрон. дан. (8 Мб). – Красноярск : ИПК СФУ, 2008. – (Мате-
матика и информатика : УМКД № 27-2007 / рук. творч. коллектива
А. М. Кытманов). – 1 электрон. опт. диск (DVD). – Систем. требования : Intel Pentium
(или аналогичный процессор других производителей) 1 ГГц ; 512 Мб оперативной
памяти ; 8 Мб свободного дискового пространства ; привод DVD ; операционная сис-
тема Microsoft Windows 2000 SP 4 / XP SP 2 / Vista (32 бит) ; Adobe Reader 7.0 (или
аналогичный продукт для чтения файлов формата pdf).
ISBN 978-5-7638-1043-1 (комплекса)
ISBN 978-5-7638-1415-6 (пособия)
Номер гос. регистрации в ФГУП НТЦ «Информрегистр» 0320802372
от 22.11.2008 г. (комплекса)
Настоящее издание является частью электронного учебно-методического ком-
плекса по дисциплине «Математика и информатика», включающего учебную про-
грамму, учебное пособие, методические указания по самостоятельной работе, кон-
трольно-измерительные материалы «Математика и информатика. Банк тестовых зада-
ний», наглядное пособие «Математика и информатика. Презентационные материалы».
В пособии представлены задания для практических занятий и лабораторных ра-
бот.
Предназначено для студентов направлений подготовки бакалавров 030100.62
«Философия», 030300.62 «Психология», 030400.62 «История», 030500.62 «Юриспру-
денция», 036000.62 «Журналистика», 030700.62 «Связи с общественностью»,
031000.62 «Филология», 031100.62 «Лингвистика», 031200.62 «Культурология»,
031600.62 «Физическая культура», 040100.62 «Социология», 040200.62 «Социальная
работа», 050700.62 «Педагогика» укрупненных групп 030000 «Гуманитарные науки»,
040000 «Социальные науки», 050000 «Педагогическое образование».
© Сибирский федеральный университет, 2008
Рекомендовано к изданию
Инновационно-методическим управлением СФУ
Редактор Н. Ф. Ткачук
Разработка и оформление электронного образовательного ресурса: Центр технологий элек-
тронного обучения информационно-аналитического департамента СФУ; лаборатория по разработке
мультимедийных электронных образовательных ресурсов при КрЦНИТ
Содержимое ресурса охраняется законом об авторском праве. Несанкционированное копирование и использование данного про-
дукта запрещается. Встречающиеся названия программного обеспечения, изделий, устройств или систем могут являться зарегистрирован-
ными товарными знаками тех или иных фирм.
Подп. к использованию 01.10.2008

Объем 8 Мб
Красноярск: СФУ, 660041, Красноярск, пр. Свободный, 79
Оглавление
ВВЕДЕНИЕ ............................................................. 17

Практические занятия ........................................ 18
Модуль 1. Основные математические
структуры .............................................................. 18
1. Элементы математической логики. Отображения ................ 18
1.1. Задачи ........................................................................................................ 18
1.2. Ответы ....................................................................................................... 22
2. Конечные и бесконечные множества.
Равномощные множества .......................................................... 23
2.1. Задачи ........................................................................................................ 23
2.2. Ответы ....................................................................................................... 24
3. Элементы комбинаторики ........................................................... 24
3.1. Теория ........................................................................................................ 24
3.2. Задачи по комбинаторике ...................................................................... 25
3.3. Ответы ....................................................................................................... 28
4. Графы и алгебраические структуры ....................................... 29
4.1. Примеры .................................................................................................... 29
4.2. Задачи для аудиторной работы ........................................................... 30
4.3. Домашние задачи..................................................................................... 31
5. Действие над матрицами ............................................................ 31
5.1. Примеры .................................................................................................... 31
5.2. Задачи ........................................................................................................ 33
6. Определители и их вычисление ............................................... 34
6.1. Примеры .................................................................................................... 34
6.2. Задачи ........................................................................................................ 36
7. Решение систем линейных алгебраических уравнений....... 36
7.1. Примеры .................................................................................................... 36
7.2. Задачи ........................................................................................................ 39
Модуль 2. Теория вероятностей ....................... 41
8. Предмет теории вероятности. Пространство элементарных
Математика и информатика. Пособие по практическим занятиям и лабораторным работам -3-

ОГЛАВЛЕНИЕ
событий. Алгебра событий. Понятие случайного события.

Классическое и геометрическое
определение вероятности........................................................... 41
8.1. Теория ........................................................................................................ 41
8.2. Примеры .................................................................................................... 43
8.4. Домашние задачи..................................................................................... 45
8.5. Ответы ....................................................................................................... 46
9. Зависимые и независимые события. Условная
вероятность. Теоремы сложения и умножения
вероятностей .................................................................................. 46
9.1. Теория ........................................................................................................ 46
9.2. Примеры .................................................................................................... 48
9.4. Домашние задачи..................................................................................... 51
9.5. Ответы ....................................................................................................... 52
10. Формула полной вероятности. Формула Байеса ................ 52
10.1. Теория ...................................................................................................... 52
10.2. Примеры .................................................................................................. 53
10.3. Задачи для аудиторной работы ......................................................... 55
10.4. Домашние задачи................................................................................... 56
10.5. Ответы ..................................................................................................... 56
11. Схема Бернулли. Дискретные случайные величины.
Функция распределения, ее свойства. Математическое
ожидание и дисперсия дискретной
случайной величины ................................................................... 57
11.1. Теория ...................................................................................................... 57
11.2. Примеры .................................................................................................. 63
11.4. Домашние задачи................................................................................... 75
11.5. Ответы ..................................................................................................... 77
12. Непрерывные случайные величины. Функция
распределения, плотность распределения, их взаимосвязь
и свойства. Математическое ожидание и дисперсия
непрерывной случайной величины ......................................... 79

12.1. Теория ...................................................................................................... 79

12.2. Примеры .................................................................................................. 82
12.4. Домашние задачи................................................................................... 87
12.5. Ответы ..................................................................................................... 88
13. Важнейшие распределения случайных величин ................ 90
13.1. Теория ...................................................................................................... 90
13.2. Примеры .................................................................................................. 93
13.4. Домашние задачи................................................................................... 96
13.4. Ответы ..................................................................................................... 97
14. Предельные теоремы теории вероятностей........................ 98
14.1. Теория ...................................................................................................... 98
14.2. Примеры ................................................................................................ 101
14.4. Домашние задачи................................................................................. 105
14.5. Ответы ................................................................................................... 106
14.6. Приложения .......................................................................................... 106
МОДУЛЬ 3. МАТЕМАТИЧЕСКАЯ
СТАТИСТИКА ...................................................... 109
15. Основы статистического описания. Гистограмма и
полигон частот. Эмпирическое распределение и его
свойства ........................................................................................ 109
15.1. Примеры ................................................................................................ 109
15.2. Задачи .................................................................................................... 112
15.3. Ответы ................................................................................................... 112
16. Точечные оценки. Свойства несмещенности,
состоятельности и эффективности. Выборочная средняя
и выборочная дисперсия ......................................................... 113
16.1. Задачи для аудиторной работы ....................................................... 113
16.2. Домашние задачи................................................................................. 114
16.3. Ответы ................................................................................................... 115
17. Отыскание оценок методом моментов. Оценки
наибольшего правдоподобия и их свойства.
Интервальные оценки. Доверительные интервалы и
области. Интервальные оценки параметров нормального

и биномиального распределений ........................................... 115

17.2. Домашние задачи................................................................................. 116
17.3. Ответы ................................................................................................... 117
18. Статистическая проверка гипотез. Общее понятие о
статистической проверке гипотез. Оптимальный критерий
неймана-пирсона для различения двух простых гипотез.
Функция мощности. Несмещенные критерии. Примеры
критериев ...................................................................................... 117
18.1. Теория .................................................................................................... 117
18.2. Примеры t -критерий для одной выборки ...................................... 119
18.4. Домашние задачи................................................................................. 127
18.5. Ответы ................................................................................................... 128
Приложение ........................................................................................ 129
МОДУЛЬ 4. АНАЛИТИЧЕСКАЯ ГЕОМЕТРИЯ И
ЛИНЕЙНАЯ АЛГЕБРА......................................... 131
19. Векторы. Линейные операции над векторами. Скалярное
произведение векторов и его свойства. Длина вектора и
угол между векторами в координатной форме. Условие
ортогональности двух векторов. Векторное и смешанное
произведение двух векторов .................................................. 131
19.1. Теория .................................................................................................... 131
19.2. Примеры ................................................................................................ 132
19.4. Ответы ................................................................................................... 136
19.5. Домашние задачи................................................................................ 136
19.6. Ответы ................................................................................................... 137
20. Уравнение линий на плоскости. Различные формы
уравнения прямой на плоскости. Угол между прямыми.
Расстояние от точки до прямой ............................................ 137
20.1. Примеры ................................................................................................ 137
20.3. Домашние задачи................................................................................. 139

21. Кривые второго порядка: окружность, эллипс, гипербола,

парабола, их геометрические свойства и уравнения.
Квадратичные формы ............................................................... 141
21.1. Примеры ................................................................................................ 141
21.3. Домашние задачи................................................................................. 143
22. Уравнения плоскости и прямой в пространстве. Угол
между плоскостями. Угол между прямыми. Угол между
прямой и плоскостью ............................................................... 144
22.1. Теория .................................................................................................... 144
22.2. Примеры ................................................................................................ 145
22.4. Домашние задачи................................................................................ 148
22.5. Ответы ................................................................................................... 148
23. Линейные пространства и линейные преобразования.
Собственные числа и собственные векторы и их
нахождение ................................................................................... 149
23.1. Теория .................................................................................................... 149
22.2. Примеры ................................................................................................ 149
23.4. Ответы ................................................................................................... 151
23.5. Домашние задачи................................................................................. 151
23.6. Ответы ................................................................................................... 152
24. Симметрические и ортогональные преобразования.
Приведение квадратичной формы к главным осям ........ 152
24.2. Домашние задачи................................................................................. 153
24.4. Домашние задачи................................................................................. 156
МОДУЛЬ 5. ЭЛЕМЕНТЫ МАТЕМАТИЧЕСКОГО
АНАЛИЗА И ЕГО ПРИЛОЖЕНИЯ ..................... 158
25. Числовые последовательности и их предел. Бесконечно
малые и бесконечно большие последовательности. Число
e. Предел функции и его свойства. Замечательные

пределы. Непрерывность функции. Свойства

непрерывных функций на отрезке. Точки разрыва .......... 158
25.1. Теория .................................................................................................... 158
25.2. Примеры ................................................................................................ 160
25.4. Домашние задачи................................................................................. 163
25.5. Ответы ................................................................................................... 164
27. Неопределённый интеграл. Методы интегрирования.
Интегрирование различных классов функций ................... 164
27.1. Теория .................................................................................................... 164
27.2. Примеры ................................................................................................ 166
27.4. Домашние задачи................................................................................. 168
27.5. Ответы ................................................................................................... 168
28. Определённый интеграл и его свойства. Интегрируемость
непрерывных и монотонных функций. Приложения
определенного интеграла. Несобственные интегралы ...... 169
28.1. Теория .................................................................................................... 169
28.2. Примеры ................................................................................................ 173
28.4. Домашние задачи................................................................................. 177
28.5. Ответы ................................................................................................... 178
29. Функции двух переменных. Непрерывность и
дифференцируемость. Неявные функции. Касательная
плоскость. Экстремум функции двух переменных ............ 178
29.1. Теория .................................................................................................... 178
29.2. Примеры ................................................................................................ 181
29.4. Домашние задачи................................................................................. 182
29.5. Ответы ................................................................................................... 183
30. Общие сведения о дифференциальных уравнениях.
Линейные дифференциальные уравнения 1-го и 2-го
порядка .......................................................................................... 184
30.1. Теория и примеры ............................................................................... 184
30.2. Задачи .................................................................................................... 191

31. Системы дифференциальных уравнений ........................... 193

31.1. Теория и примеры ............................................................................... 193
31.2. Задачи .................................................................................................... 204
32. Числовые ряды. Сходимость и сумма ряда.
Признаки сходимости рядов. .................................................. 204
32.1. Теория .................................................................................................... 204
32.2. Примеры ................................................................................................ 205
33. Степенные ряды. Радиус и промежуток сходимости.
Ряд фурье..................................................................................... 207
33.1. Теория .................................................................................................... 207
33.2. Примеры ................................................................................................ 208
34. Кратные, криволинейные и поверхностные интегралы.
Элементы теории поля ............................................................. 210
34.1. Теория .................................................................................................... 210
34.2. Примеры ................................................................................................ 211
МОДУЛЬ 6. ДИСПЕРСИОННЫЙ АНАЛИЗ ........ 215
35. Корреляционный анализ. Оценки основных характеристик
многомерного нормального распределения. Проверка
значимости и интервальная оценка парных и частных
коэффициентов корреляции .................................................... 215
35.1. Примеры ................................................................................................ 215
36. Регрессионный анализ. Особенности модели. Выбор
уравнения регрессии, результативной и объясняющей
переменных. Проверка значимости и интервальное
оценивание уравнения и коэффициентов регрессии.
Пошаговый алгоритм регрессионного анализа.
Дисперсионный анализ. Оценка влияния одновременно
действующих факторов.............................................................. 219
Лабораторные работы ....................................... 231

МОДУЛЬ 7. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ

ИНФОРМАТИКИ .................................................. 231
1. Вероятностный и объемный подходы к измерению
информации. Системы счисления ......................................... 231
1.1. Контрольные вопросы ......................................................................... 231
1.2. Задачи и упражнения ............................................................................ 231
2. Кодирование информации........................................................... 233
2.2. Задачи и упражнения ............................................................................ 234
МОДУЛЬ 8. АЛГОРИТМИЗАЦИЯ И
МОДЕЛИРОВАНИЕ .............................................. 238
3. Способы представления информационных моделей............ 238
3.1. Теория ...................................................................................................... 238
3.2. Примеры .................................................................................................. 239
3.3. Задания .................................................................................................... 241
3.5. Задания для самостоятельной работы............................................. 242
4. Основные алгоритмы и способы их представления: блок
схемы, алгоритмический язык ................................................ 243
4.1. Примеры .................................................................................................. 244
4.2. Задачи ...................................................................................................... 246
5. Основные конструкции языка паскаль .................................. 247
5.1. План .......................................................................................................... 247
6. Язык паскаль. структуры данных ........................................... 255
6.1. План .......................................................................................................... 255
6.2. Задачи ...................................................................................................... 260
7. Язык паскаль. Процедуры и функции ............................................. 262
8. Язык паскаль. Работа с файлами ........................................... 267
9. Сортировка данных .................................................................... 273


МОДУЛЬ 9. Современные информационные
технологии .......................................................... 280
10. Текстовой редактор MS Word. Ввод, редактирование,
форматирование документа. Колонки. Списки ................. 280
10.1. Методические указания ...................................................................... 280
10.2. Пункты строки меню ........................................................................... 281
10.3. Панель форматирования ................................................................... 282
10.4. Колонки .................................................................................................. 282
10.5. Задания .................................................................................................. 283
11. MS Word. Работа с таблицами различной сложности ..... 286
12. Текстовый редактор MS Word. Рисунки и изображения в
документах .................................................................................... 293
12.2. Задания .................................................................................................. 295
13. Текстовый редактор MS Word. Композиции рисунков и
специальные средства оформления ..................................... 298
13.2. Задания .................................................................................................. 299
14. Текстовый редактор MS Word. Графические возможности
представления данных. Создание диаграмм ..................... 302
14.2. Задания .................................................................................................. 303
15. Подготовка прикладных документов ................................... 305
15.2. Задания .................................................................................................. 305
16. Верстка газетной полосы ........................................................ 308
16.2. Задания .................................................................................................. 310
17. Деловая документация. Стилевое форматирование ........ 312

17.2. Задания .................................................................................................. 315

18. Шаблоны документов ............................................................... 320
18.2. Задания .................................................................................................. 321
19. Электронные формы ................................................................ 321
19.2. Задания .................................................................................................. 325
20. Обработка больших документов. Сноски. Колонтитулы.
Оглавление. Предметный указатель...................................... 326
20.1. Задания .................................................................................................. 326
21. Создание простейших документов путем слияния .......... 327
21.2. Задания .................................................................................................. 330
22. Настройка на корректное обращение при слиянии. отбор
данных ........................................................................................... 331
22.2. Задания .................................................................................................. 333
23. Ввод и редактирование данных в MS Excel. диаграммы и
графики .......................................................................................... 334
23.2. Задания .................................................................................................. 336
24. MS Excel. Работа с функциями и формулами .................. 338
24.2. Задания .................................................................................................. 340
25. Основы работы с базами данных средствами MS Exсel
......................................................................................................... 342
25.2. Задания .................................................................................................. 346
26. MS Exсel. Создание сводных таблиц .................................... 347
26.2. Задания .................................................................................................. 348
27. Средство разработки электронной презентации MS
powerpoint. Управление презентацией .................................. 349

27.2. Задания .................................................................................................. 352

МОДУЛЬ 10. КОМПЬЮТЕРНЫЕ СЕТИ И
ТЕЛЕКОММУНИКАЦИИ ....................................... 354
28. Основы навигации в сети. URL–адреса. Создание и
организация списка избранное в Internet explorer.
Электронная почта ..................................................................... 354
28.1. Основы навигации в сети .................................................................. 354
28.2. Создание и организация списка ИЗБРАННОЕ в Internet Explorer
.......................................................................................................................... 355
28.3. Электронная почта .............................................................................. 357
29. Поисковые системы. Быстрый поиск. связанные ссылки
......................................................................................................... 360
29.1. Поисковые системы ........................................................................... 360
29.2. Начните искать – это легко ................................................................ 361
29.3. Быстрый поиск .................................................................................... 363
29.4. Связанные ссылки .............................................................................. 363
30. Сохранение и печать WEB-страниц. просмотр
сохраненных документов.......................................................... 364
30.1. Сохранение Web-страниц ................................................................... 364
30.2. Печать Web-страниц ............................................................................ 365
30.3. Предварительный просмотр сохраненных документов ............. 366
30.4. Просмотр сохраненных документов ............................................... 367
30.5. Задания .................................................................................................. 368
31. Создание простого HTML-документа. включение
заголовков и форматирование текста документа ............. 368
31.1. Выравнивание текстов и заголовков .............................................. 371
31.2. Прерывание текста .............................................................................. 371
31.3. Цвет текста ............................................................................................ 371
31.4. Гиперссылки в HTML-документе ...................................................... 372
31.5. Гиперссылки внутри HTML-документа ............................................ 373
32. Включение в HTML-документ списков, таблиц и
изображений ................................................................................. 373
32.1. Маркированный список ...................................................................... 374
32.2. Нумерованный список ........................................................................ 374

32.3. Список определений ........................................................................... 375

32.4. Многоуровневые или вложенные списки ...................................... 375
32.5. Создание таблиц .................................................................................. 376
32.7. Границы таблицы ................................................................................ 377
32.8. Включение изображений в HTML-документ ................................... 378
32.9. Фоновая картинка ................................................................................ 378
33. Создание WEB-страниц в редакторе FrontPage ................ 379
33.1. Редактор FrontPage. Первое знакомство ........................................ 379
33.2. Запуск Редактора ................................................................................. 379
33.3. Приступим к созданию страницы..................................................... 380
33.4. Текст ....................................................................................................... 381
33.5. Вырезание, копирование и вставка текста..................................... 381
33.6. Материал из файлов Microsoft Office ............................................... 381
33.7. Заголовки .............................................................................................. 381
33.8. Полезные советы по созданию Web-сайта .................................... 383
СПИСОК ЛИТЕРАТУРЫ ....................................... 521
или равносильным неравенством ................................................. 119

Плоскость............................................................................................ 144
Предел последовательности и функции....................................... 158
Непрерывность функции ................................................................. 158
МОДУЛЬ 11. СПЕЦИАЛИЗИРОВАННЫЕ
ПРОФЕССИОНАЛЬНО-ОРИЕНТИРОВАННЫЕ
ПРОГРАММНЫЕ СРЕДСТВА .............................. 384
34. СРЕДСТВА РАБОТЫ С РАСТРОВОЙ ГРАФИКОЙ.
СРЕДСТВА СОЗДАНИЯ, ОБРАБОТКИ И КАТАЛОГИЗАЦИИ
ИЗОБРАЖЕНИЙ ............................................................................ 384
35. ГРАФИЧЕСКИЙ РЕДАКТОР ADОBE Photoshop.
ИНСТРУМЕНТЫ И ПАЛИТРЫ ................................................... 387
36. ПРИЕМЫ ОБРАБОТКИ ИЗОБРАЖЕНИЙ: ДИНАМИЧЕСКИЙ
ДИАПАЗОН, ГАММА–КОРРЕКЦИЯ ............................................ 389
37. РЕТУШЬ ИЗОБРАЖЕНИЯ. ФИЛЬТРЫ .................................... 390

38. МОНТАЖ ИЗОБРАЖЕНИЙ ......................................................... 392

39. СРЕДСТВА РАБОТЫ С ВЕКТОРНОЙ ГРАФИКОЙ. ............. 395
ГРАФИЧЕСКИЙ РЕДАКТОР CorelDraw.......................................... 395
40. РАБОТА С ГРАФИКОЙ И ТЕКСТОМ ...................................... 397
41. ИЗДАТЕЛЬСКАЯ СИСТЕМА PageMaker. РАБОТА С
ТЕКСТОМ: ЗАДАНИЕ АТРИБУТОВ ФОРМАТИРОВАНИЯ
СИМВОЛОВ, ВЫБОР ГАРНИТУРЫ И КЕГЛЯ. ВЫБОР
ИНТЕРЛИНЬЯЖА .......................................................................... 407
42. ФОРМАТИРОВАНИЕ АБЗАЦЕВ. ВАРИАНТЫ ВЫКЛЮЧКИ 414
ТЕКСТОВ. ПОЗИЦИИ ТАБУЛЯЦИИ И ОТСТУПЫ........................ 414
УПРАВЛЕНИЕ РАСПРЕДЕЛЕНИЕМ СТРОК И АБЗАЦЕВ ПО
СТРАНИЦАМ .................................................................................. 414
43. РАЗРАБОТКА СИСТЕМЫ СТИЛЕЙ. КОНЦЕПЦИИ.
ПРЕИМУЩЕСТВА РАБОТЫ СО СТИЛЯМИ. ПРИМЕНЕНИЕ
СТИЛЕЙ .......................................................................................... 425
44. ИМПОРТ ТЕКСТА В PageMaker. ТЕКСТОВЫЕ БЛОКИ,
МАТЕРИАЛЫ, СЦЕПЛЕНИЕ ТЕКСТОВЫХ БЛОКОВ,
ГРАНИЦЫ ТЕКСТОВЫХ БЛОКОВ. ИМПОРТИРОВАНИЕ
ТЕКСТА В ФОРМАТЕ MS Word ................................................ 432
45. РИСОВАНИЕ СРЕДСТВАМИ PageMaker. РАЗМЕЩЕНИЕ
ИЗОБРАЖЕНИЙ ............................................................................ 441
46. ВЕРСТКА СТРАНИЦ: ЗАДАНИЕ РАЗМЕРОВ И
ОРИЕНТАЦИИ СТРАНИЦЫ, ОБОРОТНАЯ ПЕЧАТЬ.
УСТАНОВКА ПОЛЕЙ И ПОЛЯ ПОДШИВКИ ........................... 464
47. ТОЧНОЕ РАЗМЕЩЕНИЕ ТЕКСТА И ГРАФИКИ.
СПЕЦИАЛЬНЫЕ ЭФФЕКТЫ: ОФОРМЛЕНИЕ ЗАГОЛОВКОВ,
ОБТЕКАНИЕ И ЗАПОЛНЕНИЕ ТЕКСТОМ, БУКВИЦЫ,
НАКЛОН И ДРУГИЕ ИСКАЖЕНИЯ ШРИФТОВ ...................... 480
48. СУБД Access. СОЗДАНИЕ ТАБЛИЦ. ...................................... 488
ПРИЕМЫ РАБОТЫ С ТАБЛИЦАМИ. ............................................. 488

49. ЗАПРОСЫ НА ВЫБОРКУ, ЗАПОЛНЕНИЕ БЛАНКА

ЗАПРОСА ПО ОБРАЗЦУ, ВЫЧИСЛЕНИЯ В ЗАПРОСАХ.
ИТОГОВЫЕ ЗАПРОСЫ ................................................................ 491
50. СОЗДАНИЕ ФОРМ, СТРУКТУРА ФОРМ, СОЗДАНИЕ
НАДПИСЕЙ В ФОРМАХ. ОТЧЕТЫ, СТРУКТУРА ОТЧЕТА .. 495
51. СПРАВОЧНО-ПРАВОВАЯ СИСТЕМА ...................................... 503
КОНСУЛЬТАНТПЛЮС. ПОИСКОВЫЕ ВОЗМОЖНОСТИ
СИСТЕМЫ. РАБОТА СО СПИСКОМ ДОКУМЕНТОВ. СПС
Гарант............................................................................................. 503
52. ЭЛЕКТРОННЫЕ СЛОВАРИ. ЭЛЕКТРОННЫЕ ПЕРЕВОДЧИКИ
......................................................................................................... 510
МОДУЛЬ 12. ОСНОВЫ ЗАЩИТЫ ИНФОРМАЦИИ
............................................................................. 513
53. КОМПЬЮТЕРНЫЕ ВИРУСЫ И МЕТОДЫ ЗАЩИТЫ ОТ НИХ
......................................................................................................... 513
54. ПРАВОВЫЕ СПОСОБЫ ЗАЩИТЫ ИНФОРМАЦИИ ............. 518

ВВЕДЕНИЕ
Стремительная математизация и компьютеризация практически всех

областей знания требует перестройки системы математического образования
в высшей школе. Математическое образование следует рассматривать как
важнейшую составляющую фундаментальной подготовки бакалавра. Обу-
словлено это тем, что математика является не только мощным средством ре-
шения прикладных задач и универсальным языком науки, но также и элемен-
том общей культуры.
Образование бакалавра в области математики и информатики должно
основываться на фундаментальных понятиях этих наук.
Фундаментальность подготовки в области математики и информатики
включает в себя достаточную общность математических понятий и конст-
рукций, обеспечивающую широкий спектр их применимости, точность фор-
мулировок математических свойств изучаемых объектов, логическую стро-
гость изложения математики и информатики, опирающуюся на адекватный
современный математический язык.
Пособие определяет общий объем знаний, а не последовательность
изучения тем курса. Построение соответствующих курсов должно прово-
диться так, чтобы у студента сложилось целостное представление об основ-
ных этапах становления современной математики и информатики и их струк-
туре, об основных математических понятиях и методах, о роли и месте мате-
матики и информатики в различных сферах человеческой деятельности.
Студент должен иметь представление о значительном числе математи-
ческих понятий, что даст ему возможность корректного применения матема-
тики и информатики в практической деятельности и позволит достаточно
безболезненно повышать свою квалификацию.
Каждое практическое занятие и лабораторная работа содержит необхо-
димую теорию, разобранные задачи и работы, аудиторные задачи, задачи для
домашней работы, лабораторные работы, которые необходимо выполнить в
компьютерном классе.

ПРАКТИЧЕСКИЕ ЗАНЯТИЯ
3 МОДУЛЬ 1. ОСНОВНЫЕ МАТЕМАТИЧЕСКИЕ

СТРУКТУРЫ
1. Элементы математической логики.

Отображения
Основы теории и примеры даны в главе 1 учебного пособия «Матема-

тика и информатика».
1.1. Задачи
1.1. Даны три следующие посылки: а) Если целое число оканчивается

на 0 или 2, то оно делится на 2. б) Данное число делится на 2. в) Данное чис-
ло не оканчивается на 0. Вытекает ли из этих посылок логическое следствие,
что число оканчивается на 2?
1.2. Сделать непосредственные умозаключения (превращение, обраще-

ние и противопоставление предикату) из суждений: а) Ни одно простое не-
распространенное предложение не имеет второстепенных членов. б) Некото-
рые подлежащие выражаются именами существительными. в) Ни один уче-
ник нашего класса не является шахматистом. г) Некоторые спортсмены –
юниоры.
1.3. Проверить, являются ли приведенные ниже категорические силло-

гизмы правильными, а заключение – истинным суждением.
а) Все рыбы плавают. б) Все ягоды – плоды.

Это животное плавает. Арбуз – ягода.
Это животное – рыба. Арбуз – плод.
в) Во всех городах за полярным кругом бывают белые ночи.

Санкт-Петербург не находится за полярным кругом.
В Санкт-Петербурге не бывает белых ночей.
г) Чистый воздух полезен для дыхания человека.
В этой комнате чистый воздух.
Воздух этой комнаты полезен для дыхания человека.
1.4. Определить вид умозаключения.

а) Все, что способствует эффективному обучению детей, полезно.
Новаторство способствует эффективному обучению детей.

МОДУЛЬ 1. ОСНОВНЫЕ МАТЕМАТИЧЕСКИЕ СТРУКТУРЫ
1. Элементы математической логики. Отображения
Новые методы обучения – новаторство.
Метод российского педагога Шаталова – новый метод обучения.
Метод российского педагога Шаталова полезен.
б) Все летучие мыши – представители отряда рукокрылых.
Все представители отряда рукокрылых – животные.
Все животные обладают обменом веществ.
Все летучие мыши обладают обменом веществ.
в) Все, что способствует прогрессу общества, полезно.
Подлинное искусство способствует прогрессу общества.
Значит, подлинное искусство полезно.
Опера Н. А. Римского-Корсакова “Царская невеста” – подлинное
искусство.
Опера Н. А. Римского-Корсакова “Царская невеста” полезна.
г) Все, что требует мужества и героизма, есть подвиг.
Первый полет человека в космос требовал мужества и героизма.
Первый полет человека в космос есть подвиг.
Подвиги бессмертны.
Первый полет человека в космос есть подвиг.
Первый полет человека в космос бессмертен.
1.5. Определить вид умозаключения, написать формулу, проверить, яв-

ляется ли она законом логики.
а) Если весна наступила, то в фермерском хозяйстве предстоит много работ.
Весна не наступила.
В фермерском хозяйстве не предстоит много работ.
б) Если на заводе повысится производительность труда, то возрастет рента-
бельность производства.
Если возрастет рентабельность производства, то снизится себестои-
мость произведенной продукции.
Если на заводе повысится производительность труда, то на нем снизит-
ся себестоимость произведенной продукции.
в) Если подземная вода в местах обнажения выходит наружу, то образуется
родничок.
Подземная вода в местах обнажения вышла наружу.
Образовался родничок.
г) Если магнит нагреть, то он размагнитится.
Магнит размагнитился
Магнит нагрели.
д) “Если жизнь тебя обманет, не печалься, не сердись” (А. С. Пушкин).
Жизнь тебя обманула.
Ты не печалься, не сердись.
е) Постройте условно-категорическое умозаключение, первой посылкой ко-
торого является следующее высказывание И. В. Гете, процитированное Ю. П.
Азаровым в книге “Искусство воспитывать” (М., 1985): “Если хочешь, чтобы
твои наставления влияли действительно благотворно на твоих учеников, пре-

достерегай их от бесполезных знаний и ложных правил”.
ж) Придумайте умозаключение, построенное по формуле
((a→b) ^ b ) →a.
1.6. Постройте условно-категорическое умозаключение на основе сле-
дующих пословиц русского народа':
Не узнав горя, не узнаешь и радости.
Бояться несчастья – и счастья не будет (вариант: не видать).
Что с возу упало, то пропало.
Люди рады лету, пчела рада цвету.
На красный цветок и пчела летит.
От одного порченого яблока целый воз загнивает.
Куда один баран, туда и все стадо.
В умной беседе ума набраться, в глупой – свой растерять.
Напряталась матка от деток – напрячутся и детки от матки.
Где дым, там и огонь. Огонь без дыму не живет.
Кто о ком за глаза худо говорит, тот того боится.
Неправдой нажитое впрок не пойдет.
Неправедное богатство прахом пойдет.
1.7. Постройте условно-категорическое умозаключение на основе сле-

дующего сложного суждения: “Попробуй-ка научить сострадать, если чело-
век с детства не страдал, если боится даже самой малой боли, пустякового
неудобства и если его всю жизнь предохраняли от сострадания” (С. Алексе-
ев).
Первая условная посылка этого умозаключения такая: “Если человек с
детства не страдал, боится даже самой малой боли, пустякового неудобства,
его всю жизнь предохраняли от сострадания, то попробуй-ка научить этого
человека сострадать”.
Формула этой посылки;
( a ^b^c^d)→е. Сформулируйте вторую посылку и заключе-
ние.
1.8. Определите вид умозаключения, напишите формулу, проверьте,

является ли она законом логики.
а) Водоемы бывают пресные или соленые.
Это озеро – пресный водоем.
Это озеро не является соленым водоемом.
б) Светофор светит красным, или желтым, или зеленым цветом.
Сейчас светофор не светит ни красным, ни зеленым цветом.
Сейчас светофор светит желтым цветом.
в) У человека различают следующие виды памяти: двигательную, эмоцио-
нальную, образную, словесно-логическую.
Ведущее место у человека, как правило, занимает словесно-логическая память.

Ведущее место у человека, как правило, не занимают ни двигательная,
ни эмоциональная, ни образная память.
г) Иммунитет бывает или естественный, или искусственный.
Естественный иммунитет бывает или врожденный, или приобретен-
ный.
Иммунитет бывает или врожденный, или приобретенный, или искусст-
венный.
д) Придумайте умозаключения, построенные по таким формулам:
((a ύ b)^ b) → a ;
((а ύ b) ^ a ) → b.
е) В “Словаре античности” (М., 1989) в статье “Шерсть” написано:
“Шерсть. Служила в античности основным текстильным сырьем. Большую
часть шерсти давали овцы, хотя использовалась также козья и верблюжья
шерсть. Для производства разнообразных видов тканей разводились овцы
различных пород. Шерсть получали путем стрижки пинцетными ножница-
ми, реже – выщипыванием”.
Постройте два разделительно-категорических умозаключения, исполь-
зуя этот материал: а) на основании видов шерсти; б) на основании способов
получения шерсти.
ж) Правильно ли построено следующее разделительно-категорическое
умозаключение? Если оно построено неправильно, то укажите, какая до-
пущена ошибка.
Ученик в переводе предложения ошибся или из-за незнания грамматики
языка, или из-за отсутствия знаний о многозначности смысла переводимых слов.
Этот ученик ошибся в переводе предложения из-за незнания грам-
матики языка.
Этот ученик не ошибался в переводе из-за отсутствия знаний о много-
значности смысла переводимых слов.
1.9. Определите вид дилеммы на примере, взятом из романа американского

писателя Г. Мелвилла “Моби Дик, или Белый кит”, напишите ее формулу.
Несколько лет назад китобойцы одного корабля, охотившись на Белого ки-
та, потерпели крушение. Вступив в бой с китом, все члены экипажа погибли, за
исключением капитана. Капитан собирает новую команду китобойцев. Измучен-
ные долгим плаванием, оставшись без продуктов, китобойцы, наконец, встре-
чают Белого кита, который заманивает их во льды. Перед капитаном стоит ди-
лемма:
Если мы будем преследовать кита и далее, то мы, обессилев, можем по-

гибнуть во льдах.
А если мы повернем назад, то Белый кит будет нападать на другие кораб-
ли.
Но мы можем его преследовать или повернуть назад.
Мы можем погибнуть во льдах, или погибнут другие экипажи.

1.10. В романе “Перстень Борджа” Джеймс X. Чейз описывает такую си-

туацию. Чтобы пленникам выбраться из поместья Каленберга, есть четыре пу-
ти: идти на восток, или на юг, или на север или на запад. Это полилемма, со-
стоящая из четырех альтернатив. Постройте эту полилемму, которой соответ-
ствует формула:
((а→b)6(с→d)^(е→f)^(m→n)^(a ύ c ύ e ύ m)) → (b ύ d ύ f ύ n).
Каленберг, открыв карту своего поместья, комментирует “Подход с
востока перегораживает горный хребет. Вы не альпинисты, я бы не совето-
вал двигаться в этом направлении. Должен предупредить, что зулусы –
опытные скалолазы и быстро догонят вас. Не рекомендовал бы и юг. На карте
показана река, подходы к ней сильно заболочены, там полно крокодилов и
змей. Северная дорога относительно проста. Вы с ней хорошо знакомы. Од-
нако двадцать моих зулусов постоянно патрулируют этот участок... Они
впустили вас, исполняя мое указание, но едва ли позволят вам уйти. Значит,
остается лишь западная граница. Пройти туда трудно, но возможно. Там нет
воды, и хорошая тропа ведет к шоссе на Мейнвилль. До него сто двадцать
миль, придется спешить. Зулус, конечно, может догнать бегущую лошадь, но
у вас в запасе три часа... В четыре утра вас освободят”.
Они выбрали южную границу, так решив стоящую перед ним полилем-
му: “Шли по узкой тропе, Гэрри решил, как перехитрит зулусов. Выбери они
западный маршрут, исход охоты зависел бы от того, кто быстрее – они или зу-
лусы, но преследователи могли обогнать лошадь. Идти на восток гибельно.
Никто не умел лазить по горам. Северная дорога усиленно охранялась.
Оставалась лишь южная граница... болота, крокодилы, змеи, но зулусы
вряд ли подумают, что они выбрали этот путь”.
1.11. Найдите в художественной литературе дилеммы и трилеммы во-

енного и мирного времени. Опишите ситуацию, в которой происходит дейст-
вие, затем четко сформулируйте дилемму (трилемму), проанализируйте, ка-
кую из альтернатив выбрал человек и каким оказался результат его выбора.
1.2. Ответы
1.1. Нет, не вытекает.

1.3. а) Не является. б) Является. в) Не является. г) Является.
1.5. а) Не является. б) Является. в) Является. г) Не является.
д) Является. е) Если магнит нагреть, то он размагнитится.
Магнит не размагнитился.
Магнит не нагрели.
1.7. Вторая посылка: “Человек с детства не страдал, если боится
даже самой малой боли”. Заключение: “Такого человека сложно нау-
чить сострадать”.
1.8. а–г) Является. ж) Правильно.

2. Конечные и бесконечные множества. Равномощные множества
1 2. Конечные и бесконечные множества.

Равномощные множества
2.1. Задачи
2.1. Старейший математик среди шахматистов и старейший шахматист

среди математиков – это один и тот же человек или (возможно) разные?
2.2. Лучший математик среди шахматистов и лучший шахматист среди
математиков – это один и тот же человек или (вообще говоря) разные?
2.3. Каждый десятый математик – шахматист, а каждый восьмой шах-
матист – математик. Кого больше – математиков или шахматистов – и во
сколько раз?
2.4. Существуют ли такие множества A,B и C, что А ∩ В≠ ∅ , А ∩ C= ∅ и
(А ∩ В)-C≠ ∅ ?
2.5. Докажите, что если какое-то равенство, содержащее переменные
для множеств и операции объединения, пересечения и дополнения, неверно,
то можно найти контрпример к нему, в котором множества пусты или состо-
ят из одного элемента.
2.6. Сколько различных выражений для множеств можно составить из
переменных A, B с помощью (многократно используемых) операций объеди-
нения, пересечения и разности? (Два выражения считаются одинаковыми,
если они равны при любых значениях переменных.) Тот же вопрос для трёх
множеств и для n множеств.
2.7. Сколько существует подмножеств у n-элементного множества?
2.8. Пусть множество A содержит n элементов, а его подмноже-

ство B содержит k элементов. Сколько существует множеств C, для
которых B ⊆ C ⊆ A?
2.9. Множество U содержит 2п элементов. В нём выделено k подмно-
жеств, причём ни одно из них не является подмножеством другого. Каково мо-
жет быть максимальное значение числа k? (Указание. Максимум достигается,
когда все подмножества имеют по n элементов. В самом деле, представим себе,
что мы начинаем с пустого множества и добавляем по одному элементу, пока
не получится множество U. В ходе такого процесса может появиться не более
одного выделенного множества; с другой стороны, можно подсчитать матема-
тическое ожидание числа выделенных множеств по линейности; вероятность
пройти через данное множество Z ⊆ U минимальна, когда Z содержит n элемен-
тов, поскольку все множества данного размера равновероятны.)
2.10. Каких подмножеств больше у 100-элементного множества: под-

2. Конечные и бесконечные множества. Равномощные множества
множеств мощности 32 или подмножеств мощности 68?
2.11. Докажите, что число последовательностей из нулей и единиц дли-
ны n, в которых число единиц равно k, равно числу k-элементных подмно-
жеств n-элементного множества.
2.2. Ответы
2.1. Один и тот же. 2.2. Вообще говоря, разные. 2.3. Математиков
больше в 1,25 раза. 2.4. Да. 2.6. Восемь. 2.7. 2n 2.8. 2|A\B| 2.9. (2n)!/(n!)2 2.10. Их
одинаковое количество.
1 3. Элементы комбинаторики
3.1. Теория
Принцип умножения. Пусть необходимо выполнить одно за другим

какие-то k действий. Если первое действие можно выполнить n1 способа-
ми, после чего второе действие можно выполнить n2 способами, после
чего третье действие можно выполнить n3 способами, и так далее до k-
го действия, которое можно выполнить nk способами, то все k действий
вместе могут быть выполнены n1 n2 n3 . . . nk способами.
Принцип сложения. Если два действия взаимно исключают друг дру-
га, причем одно из них можно выполнить m способами, а другое –
n способами, то какое-либо одно из них можно выполнить m+n способами.
Перестановки. Число перестановок из n элементов равно n!
Перестановки с повторениями.
n n!
P n1 , n2 , ... nk =
n !n ! ... n !
1 2 k
Размещения. Число размещений из п элементов по m

m n!
A n
=
(n − m)!
Сочетания. Число сочетаний из п элементов по m

m n!
С n
=
(n − m)! m!
Сочетания с повторениями. Число сочетаний из п элементов по m

с повторениями
m m
С =С .
n n+m−1

3. Элементы комбинаторики
Для решения задач на размещение объектов множества вы теперь
имеете в своем распоряжении принципы умножения и сложения и несколько
формул. Но не следует ожидать, что все задачи можно решить непосредст-
венным применением какой-либо формулы. Гибкость необходима в любой
ситуации. Определенная задача требует применения формул, принципов ум-
ножения или сложения, некоторых специальных приемов или сочетания всех
этих средств.
1!
= = 1
720 6!
2!
= = 2
5 040 7!
3! = 6
= 40 320 8!
4! = 24
= 362 880 9!
5!
= = 120
3 628 10!
800
Примеры разобраны в главе 3 учебного пособия «Математика и
информатика».
3.2. Задачи по комбинаторике
Для решения следующих задач используйте принципы умножения

и сложения
3.1. Сколькими способами могут восемь человек стать в очередь к те-
атральной кассе?
3.2. Позывные радиостанции должны начинаться с буквы W. Скольким
радиостанциям можно присвоить различные позывные, если позывные со-
стоят из 3 латинских букв, причем эти буквы могут повторяться? Если по-
зывные состоят из 4 букв, которые не повторяются?
3.3. В автомашине 7 мест. Сколькими способами 7 человек могут усесть-
ся в эту машину, если занять место водителя могут только 3 из них?
3.4. В классе 30 одноместных парт. Сколькими способами можно рас-
садить на них 6 школьников?
3.5. У нас есть 3 письма, каждое из которых мы можем послать по 6
различным адресам. Сколькими способами можно осуществить рассылку пи-
сем, если никакие 2 письма нельзя посылать по 1 адресу? Сколькими спосо-
бами можно разослать письма, если по 1 адресу разрешается посылать более
одного письма?
3.6. Сколько существует пятизначных чисел? Сколько среди них таких,
которые начинаются цифрой 2 и оканчиваются цифрой 4? Которые не содер-
жат цифры 5? Которые делятся на 5?
3.7. Сколько пятизначных чисел можно составить из цифр 1, 2, 4, 6, 7,
8, если никакую цифру не использовать более одного раза? Сколько среди
этих чисел будет четных? Сколько нечетных?

3.8. Из цифр 1, 2, 3, 4, 5 составляются всевозможные числа, каждое из
которых содержит не менее трех цифр. Сколько таких чисел можно соста-
вить, если повторения цифр в числах запрещены?
3.9. 5 мальчиков и 5 девочек рассаживаются в ряд на 10 подряд распо-
ложенных мест, причем мальчики садятся на нечетные места, а девочки на
четные. Сколькими способами они могут это сделать?
3.10. Сколькими способами 3 различных подарка A, В и С можно вы-
дать каким-то 3 из 15 лиц, если никто не должен получить более 1 подарка?
Если подарок A должно получить вполне определенное лицо?
3.11. Энциклопедия состоит из 9 томов – с 1-го по 9-й. Сколькими спо-
собами ее можно поставить на полке в беспорядке, т. е. так, чтобы тома не
следовали один за другим в порядке их номеров?
3.12. Сколькими различными способами из 8 книг можно отобрать не-
сколько, но не менее 1?
3.13. Сколько сигналов можно поднять на мачте, имея 4 флага различ-
ных цветов, если каждый сигнал должен состоять не менее чем из 2 флагов?
3.14. В забеге участвуют 5 мальчиков. Сколькими способами могут
распределиться два первых места?
Для решения следующих задач используйте формулы для переста-

новок и размещений
3.15. Сколько слов можно образовать из букв слова фрагмент, если
слова должны состоять: (а) из 8 букв, (б) из 7 букв, (в) из 3 букв?
3.16. Студенту необходимо сдать 4 экзамена в течение 10 дней. Сколь-
кими способами можно составить ему расписание экзаменов?
3.17. Доказать, что число трехбуквенных слов, которые можно образо-
вать из букв, составляющих слово «гипотенуза», равно числу всех возмож-
ных перестановок букв, составляющих слово «призма».
3.18. Сколько существует различных автомобильных номеров, которые
состоят из 5 цифр, если первая из них не равна нулю? Если номер состоит из
одной буквы, за которой следуют 4 цифры, отличные от нуля?
3.19. Три дороги соединяют города А и В, четыре дороги соединяют В
и С. Сколькими способами можно совершить поездку из А в С через В и вер-
нуться в А также через В?
3.20. Сколькими способами можно расставить на полке 7 книг, если:
а) 2 определенные книги должны всегда стоять рядом,
б) эти 2 книги не должны стоять рядом?
3.21. Сколько 5-буквенных слов можно образовать, используя для этого
10 различных букв, если:
а) никакую букву нельзя использовать в одном слове более одного раза,
б) повторения букв разрешены. Сколько в последнем случае встретится
слов, в которых на самом деле есть повторения?
3.22. Сколько различных трехбуквенных слов можно образовать,
используя буквы, составляющие вашу фамилию, причем эти слова

должны начинаться и оканчиваться согласными, а в середине должна
стоять гласная буква?
Для решения следующих задач используйте формулы для сочетаний

3.23. Сколькими способами из 8 человек можно избрать комиссию, со-
стоящую из 5 членов?
3.24. Подрядчику нужны 4 плотника, а к нему с предложением своих
услуг обратились 10. Сколькими способами он может выбрать среди них 4?
3.25. Компания из 20 мужчин разделяется на три группы, в первую из
которых входят 3 человека, во вторую — 5 и в третью — 12. Сколькими спо-
собами они могут это сделать? (Ответ записать в виде произведения сомно-
жителей, не вычисляя его.)
3.26. Сколькими способами можно отобрать несколько фруктов из
7 яблок, 4 лимонов и 9 апельсинов? (Фрукты одного вида считаем не-
различимыми.)
3.27. Сколькими способами из 9 книг можно отобрать 4? Сколькими
способами это можно сделать, если в число отобранных должна входить не-
кая определенная книга? Сколькими способами можно отобрать 4 книги так,
чтобы определенная книга не входила в их число?
3.28. Колода карт содержит 52 различные карты. Сдача карт одному
игроку состоит из 5 карт, порядок которых не важен. Запишите число всех
возможных сдач одному игроку, используя факториалы.
3.29. Колода карт содержит 13 карт пиковой масти, 13 треф, 13 бубен
и 13 червей. Сколькими способами можно сдать одному игроку 5 пик, 4
черви, 2 трефы и 2 пики? (Ответ записать в виде произведения сомножите-
лей, не вычисляя его.)
3.30. Сколькими способами из 5 супружеских пар можно отобрать че-
тырех человек, если:
а) в число отобранных должны входить 2 мужчин и 2 женщины;
б) никакая супружеская пара не должна входить в это число?
новок и сочетаний
3.31. Сколькими способами некто может выбрать 3 подарка из 10 раз-
личных предметов?
332. Сколькими способами можно распределить 15 различных предме-
тов между тремя лицами, обозначенными А, В и С, если А должен получить
2 предмета, B – 3 предмета и С – 10 предметов?
3.33. Сколько четырехбуквенных слов можно образовать из букв слова
сапфир? Сколько среди них таких, которые не содержат буквы р? Сколько
таких, которые начинаются с буквы с и оканчиваются буквой р?
3.34. Сколько пятибуквенных слов, каждое из которых состоит из 3 со-
гласных и 2 гласных, можно образовать из букв русского алфавита, состав-
ляющих слово уравнение?

3.35. Сколько слов, состоящих из 2 гласных и 2 согласных, можно об-
разовать из букв слова функция?
3.36. Для участия в команде тренер отбирает 5 мальчиков из 10. Сколь-
кими способами он может сформировать команду, если (а) 2 определенных
мальчика должны войти в команду, (б) нет никаких ограничений?
3.37. В течение 10 недель студенты сдают 10 экзаменов, в том числе 2
по математике. Сколькими способами можно распределить экзамены по не-
делям так, чтобы экзамены по математике не следовали один за другим?
3.38. У филателиста есть 8 разных канадских марок и 10 разных марок
США. Сколькими способами он может отобрать 3 канадские и 3 американ-
ские марки и наклеить их в альбом на 6 пронумерованных мест?

новок и сочетаний с повторениями
3.39. Найти число перестановок, образованных из всех букв слова
комиссия.
3.40. Сколько различных перестановок можно образовать изо всех
букв слова перестановка? Сколько из них начинается с буквы п и окан-
чивается буквой а?
3.41. Найти число всех возможных перестановок букв слова зоология.
Сколько среди них таких, в которых три буквы о стоят рядом? Сколько та-
ких, в которых в точности две буквы о стоят рядом?
3.42. Найти число различных способов, которыми можно выписать в
один ряд 6 плюсов и 4 минуса.
3.43. Сколькими способами можно расположить в один ряд три крас-
ных мяча, четыре черных мяча и три белых мяча так, чтобы мячи, лежащие
на краях, были одного цвета?
Для решения следующих задач используйте бином Ньютона

3.44. Найдите число всевозможных подмножеств множества из 10 эле-
ментов (включая само это множество и пустое множество, не содержащее ни
одного элемента).
3.3. Ответы
3.1. 8! 3.2. 262; 23·24·25. 3.3. 6!·3!/2. 3.4. 30!/24! 3.5. 6!/3! 3.6. 9·104;
1000; 8·94; 16000. 3.7. 6!; 240 нечетных, остальные четные. 3.8. 5!/2! + 2·5!
3.9.(5!)2 3.10) 13·14·15; 13·14. 3.11. 9!-1. 3.12. 255. 3.13. 10. 3.14. 20. 3.15.
a) 8! б) 8! в) 8!/5! 3.16. 10!/6! 3.18. 90000. 3.19. 144. 3.20. a) 2·6! б) 7!-2·6!
3.21. a) 10!/5! б) 105, из них 105 -10!/5! с повторениями. 3.23. 8!/(3! ·5!). 3.24.
10!/(4! ·6!). 3.25. 20!/(3! ·5! ·12!). 3.26. 399. 3.27. 9!/(4! ·5!). 3.28. 52!/(5! ·47!).
3.29. (13!)4/((2!) 2 ·4! ·5! ·8! ·9! ·(11!)2). 3.30. 5!

4. Графы и алгебраические структуры

4.1. Примеры
Пример 4.1. Применение математической индукции покажем на сле-

дующем примере. Надо определить сумму п первых нечетных чисел:
1 + 3 + 5 + 7 + ... + (2n – 1).
Решение. Обозначив эту сумму через S(n), положим п = 1, 2, 3, 4, 5; то-
гда будем иметь
S(1) = 1,
S (2) = 1+3 =4,
S(3) =1+3+5=9,
S(4) =1+3+5+7=16,
S (5) = 1 + 3 + 5 + 7 + 9 = 25.
Мы наблюдаем интересную закономерность: при п = 1, 2, 3, 4, 5 сумма

n последовательных четных чисел равна п2. Но заключение по аналогии, что
это имеет место при любом п, сделать нельзя, ибо оно может оказаться оши-
бочным. Применим метод математической индукции, т. е. предположим, что
для какого-то числа п наша формула верна, и попытаемся доказать, что тогда
она верна и для следующего числа п + 1. Итак, мы полагаем, что S (n) = 1 + 3
+ 5 + ... + (2n – 1) = n2. Вычислим
S (п +1)= 1+3+5 +...+(2n-1)+(2n+1).
Но по предположению сумма п первых слагаемых равна п2, следовательно,
S (n + 1) = n2 + (2 п + 1) = (n + I)2.
Итак, предположив, что S (п) = n2 , мы доказали, что S(n + 1) = (n + 1)2.
Но выше мы проверили, что эта формула верна для п = 1,2, 3, 4, 5, следова-
тельно, она будет верна и для п = 6, и для п = 7 и т. д. Формула считается до-
казанной для любого числа слагаемых.
Пример 4.2. Задана симметрическая матрица Q неотрицательных чи-

сел. Нарисовать на плоскости граф G(V, X), имеющий заданную матицу Q
своей матрицей смежности. Найти матрицу инцидентности R графа G.
⎛1 1 0 1⎞
⎜ ⎟
⎜1 2 2 1⎟
Q=⎜
0 2 2 1⎟
⎜ ⎟
⎜1 1 1 0 ⎟⎠
⎝
Решение. Плоский граф, имеющий заданную матрицу Q своей матри-

цей смежности, имеет следующий вид:
Составим матрицу инцидентности:
1 2 3 4 5 6 7 8 9 10 11
⎛1 1 0 0 0 0 0 0 0 0 1⎞
⎜ ⎟
0 1 1 1 1 1 0 0 0 1 0⎟
В итоге R = ⎜⎜
0 0 0 0 1 1 1 1 1 0 0⎟
⎜ ⎟
⎜0 0 0 0 0 0 0 0 1 1 1 ⎟⎠
⎝
4.2. Задачи для аудиторной работы
4.1. С помощью метода математической индукции вычислить сумму

1/(1·2) + 1/(2·3) + 1/(3·4) + …+1/(n (n+1)).
4.2. С помощью метода математической индукции доказать, что сумма

квадратов первых n чисел натурального ряда равна
.
4.3. Доказать, что
4.4. С помощью метода математической индукции доказать, что сумма

кубов первых n чисел натурального ряда равна

4.3. Домашние задачи
4.5. С помощью метода математической индукции вычислить сумму

4.6. С помощью метода математической индукции доказать тождество

4.7. Доказать, что сумма кубов трех последовательных натуральных
чисел делится на 9.
4.8. Доказать, что n плоскостей, проходящих через одну точку так, что
никакие три из них не проходят через одну прямую, делят пространство на n(n-
1)+2 частей.
5. Действие над матрицами

5.1. Примеры
Пример 5.1. Пусть заданы многочлен f ( x) = x 2 + 2 x − 3 и матрица

⎛1 − 2 3⎞
⎜ ⎟
A = ⎜ 2 − 1 4 ⎟ . Вычислить f (A).
⎜ ⎟
⎜0
⎝ 3 2 ⎟⎠
Решение. Так как f ( x) = x 2 + 2 x − 3x 0 , следовательно, f ( A) = A 2 + 2 A − 3E.

⎛1 − 2 3⎞ ⎛ 1 − 2 3⎞
⎜ ⎟ ⎜ ⎟
A2 = ⎜ 2 −1 4⎟ ⋅ ⎜ 2 −1 4⎟ =
⎜ ⎟ ⎜ ⎟
⎜0 3 2 ⎟⎠ ⎜⎝ 0 3 2 ⎟⎠
⎝
⎛ 1 ⋅1 + (−2) ⋅ 2 + 3 ⋅ 0 1 ⋅ (−2) + (−2) ⋅ (−1) + 3 ⋅ 3 1⋅ 3 + (−2) ⋅ 4 + 3 ⋅ 2 ⎞
⎜ ⎟
= ⎜ 2 ⋅1 + (−1) ⋅ 2 + 4 ⋅ 0 2 ⋅ (−2) + (−1) ⋅ (−1) + 4 ⋅ 3 2 ⋅ 3 + (−1) ⋅ 4 + 4 ⋅ 2 ⎟ =
⎜ ⎟
⎜ 0 ⋅1 + 3 ⋅ 2 + 2 ⋅ 0 0 ⋅ (−2) + 3 ⋅ (−1) + 2 ⋅ 3 0 ⋅ 3 + 3 ⋅ 4 + 2 ⋅ 2 ⎟⎠
⎝
⎛− 3 9 1 ⎞
⎜ ⎟
= 0 9 10 ⎟
⎜
⎜ ⎟
⎜ 6 3 16 ⎟
⎝ ⎠
⎛ 2 − 4 6⎞ ⎛3 0 0⎞
⎜ ⎟ ⎜ ⎟
2 ⋅ A = ⎜ 4 − 2 8 ⎟; 3 ⋅ A0 = 3 ⋅ E = ⎜ 0 3 0 ⎟;
⎜ ⎟ ⎜ ⎟
⎜0 6 4 ⎟ ⎜ 0 0 3⎟
⎝ ⎠ ⎝ ⎠
⎛− 4 5 7 ⎞
⎜ ⎟
2
f ( A) = A + 2 A − 3E = 4 4 18 ⎟.
⎜
⎜ ⎟
⎜ 6 9 17 ⎟
⎝ ⎠
⎛1 2⎞
Пример 5.2. Для матрицы A = ⎜⎜ ⎟ найти перестановочную или ком-
⎟
⎝ 3 4⎠
мутативную матрицу.
⎛b b ⎞
Решение. Искомую матрицу обозначим B = ⎜ 11 12 ⎟ . Найдем C = AB
⎜b b ⎟
⎝ 21 22 ⎠
и D = BA.
⎛ 1⋅ b + 2⋅b 1⋅ b + 2 ⋅ b ⎞
C =⎜ 11 21 12 22 ⎟ .
⎜3⋅ b + 4 ⋅b 3⋅b + 4 ⋅b ⎟
⎝ 11 21 12 22 ⎠
⎛ b ⋅1 + b ⋅ 3 b ⋅ 2 + b ⋅ 4 ⎞
D = ⎜ 11 12 11 12 ⎟ .
⎜ b ⋅1 + b ⋅ 3 b ⋅ 2 + b ⋅ 4 ⎟
⎝ 21 22 21 22 ⎠
Для того, чтобы выполнялось равенство C = D, необходимо, чтобы бы-
ли равны соответствующие элементы, т. е.
⎧ b + 2b = b + 3b
⎪ 11 21 11 12
b
⎪⎪ 12 + 2b = 2b + 4b
⎨
22 11 12
⎪ 3b11 + 4b21 = b21 + 3b22
⎪3b + 4b = 2b + 4b
⎪⎩ 12 22 21 22

⎧ 2b −3b =0
⎪ 21 12
⎪⎪2b −2b −3b =0
⎨ 22 11 12
⎪3b11+3b21−3b22 =0
⎪
⎪⎩ 3b12 −2b21=0
⎧ 3
⎪⎪ b21 = b12
⎨
2
⎪b = b + 3 b
⎪⎩ 22 11 2 12
3 3
Обозначим b = x, b = y , тогда b = y, b = x + y.
11 12 21 2 22 2
⎛ x y ⎞
⎜ ⎟
Матрица B имеет вид ⎜ 3 3 ⎟.
⎜ y x + 2 y⎟
⎝2 ⎠
Следовательно, для заданной матрицы A существует множество комму-
⎛ x y ⎞
⎜ ⎟
тативных матриц вида ⎜ 3 3 ⎟ , где (x,y) – произвольная пара чисел.
⎜ y x + y
⎝2 2 ⎟⎠
5.2. Задачи
5.1. Составить матрицу, элементы которой вычисляются по формуле

aij = i ⋅ j, i = 1,4; j = 1,5. 5.2.
⎛ −1 3 0⎞
⎜ ⎟
Для матрицы A = ⎜ 7 − 6 1 ⎟ вычислить матрицу A4 с помощью
⎜ ⎟
⎜ 2
⎝ 4 1 ⎟⎠
наименьшего числа операций.
⎛ −1 3 0⎞
⎜ ⎟
5.3. Дан многочлен f ( x) = 2 x 2 − 3x + 7 и матрица A = ⎜ 7 − 6 1⎟ .
⎜ ⎟
⎜ 2
⎝ 4 1 ⎟⎠
Вычислить f (A) .
⎛ −1 3 0⎞ ⎛ 2 1 − 2⎞
⎜ ⎟ ⎜ ⎟
5.4. Даны матрицы A = ⎜ 7 −6 1⎟ и B = ⎜ 1 −3 0 ⎟
⎜ ⎟ ⎜ ⎟
⎜ 2
⎝ 4 1 ⎟⎠ ⎜− 4
⎝ 4 1 ⎟
⎠
Определить, являются ли они перестановочными.
⎛ 2 − 4⎞
5.5. Для матрицы A = ⎜⎜ ⎟ найти перестановочную матрицу.
⎟
⎝ 3 5 ⎠

6. Определители и их вычисление

6.1. Примеры
2 −4 5
Пример 6.1. Вычислить определитель 7 − 8 3 тремя способами:
−4 5 7
1. Непосредственно по определению;
2. По определению, предварительно путем преобразования получив
несколько нулевых элементов;
3. Разложением по строке или столбцу.
Решение.
2 −4 5
1. 7 −8 3 =
−4 5 7
= (2 ⋅ (−8) ⋅ 7 + 7 ⋅ 5 ⋅ 5 + (−4) ⋅ (−4) ⋅ 3) − ((−4) ⋅ (−8) ⋅ 5 + (−4) ⋅ 7 ⋅ 7 + 5 ⋅ 3 ⋅ 2) = 117.
2 −4 5
2. 7 −8 3 =
−4 5 7
[ко 2-й строке прибавим 1-ю, умноженную на (-2); к 3-й строке прибавим 1-
ю, умноженную на 2]
2 −4 5
= 3 0 −7 =
0 − 3 17
= (2 ⋅ 0 ⋅17 + 3 ⋅ (−3) ⋅ 5 + (−4) ⋅ (−7) ⋅ 0) − (5 ⋅ 0 ⋅ 0 + (−4) ⋅ 3 ⋅17 + 2 ⋅ (−3) ⋅ (−7)) = 117.
2 −4 5
3. 7 −8 3 =
−4 5 7
[Вычисление определителя путем разложения удобно производить по той
строке (столбцу), в которой все элементы, кроме одного, равны нулю. Такую
строку (столбец) легко получить, если в ней находится элемент, равный еди-
нице с любым знаком или кратный всем остальным элементам строки
(столбца). Этому условию не удовлетворяет ни один элемент определителя,

однако, если ко 2-му столбцу прибавить 1-й, мы получим такой элемент]
2 −2 5
= 7 −1 3 =
−4 1 7
[ко 2-й строке прибавим 3-ю строку, к 1-й строке прибавим 3-ю, умноженную на 2]
− 6 0 19
= 3 0 10 =
−4 1 7
[выполняем разложение по 2-му столбцу]

− 6 19
= 0 ⋅ A + 0 ⋅ A + 1⋅ A = 1⋅ (−1)3 + 2 ⋅ = 117.
12 22 32 3 0
3 1 −1 2
−5 1 3 −4
Пример 6.2. Вычислить определитель 4-го порядка .
2 3 1 −1
1 −5 3 −3
Решение.
3 1 −1 2
−5 1 3 −4
=
2 3 1 −1
1 −5 3 −3
[ко 2-й строке прибавим 1-ю, умноженную на (-1); к 3-й строке прибавим 1-
ю, умноженную на (-3), к 3-й строке прибавим 1-ю, умноженную на 5]
3 1 −1 2
−8 4 − 6
−8 0 4 −6
= = 1⋅ (−1)1 + 2 ⋅ − 7 4 − 7 =
−7 0 4 −7
16 − 2 7
16 0 −2 7
[общий множитель второго столбца вынесем за знак определителя]
−8 2 −6
= (−2) ⋅ − 7 2 − 7 =
16 − 1 7
[к 1-й строке прибавим 3-ю, умноженную на 2; ко 2-й строке прибавим 3-ю,
умноженную на 2]

− 24 0 8
24 8
= (−2) ⋅ 25 0 7 = (−2) ⋅ (−1) ⋅ (−1) 3 + 2 ⋅ =
25 7
16 −1 7
[от 2-й строки отнимем 1-ю]
24 8
= (−2) ⋅ = (−2) ⋅ (24 ⋅ (−1) − 8 ⋅1) = 64 .
1 −1
6.2. Задачи
6.1. Вычислить определители:

2 −3 7
1. 4 3 −5 ;
−8 6 5
1 −7 4 5
2 −3 3 4
2. ;
6 −7 5 −3
3 5 −7 9
−2 5 0 −1 3
1 0 3 7 −2
3. 3 −1 0 5 −5 .
2 6 −4 1 2
0 −3 −1 2 3
7. Решение систем линейных алгебраических уравнений

7.1. Примеры
Пример 7.1. Решить систему линейных алгебраических уравнений

⎧ x + 3x − x = 2
⎪ 1 2 3
⎪
⎨ 12 x − x + 4x = 9
⎪ 2 3
x
⎪⎩ 1 + 2 x − 3 x = −3
2 3
методом Гаусса.
Решение.
Составим расширенную матрицу системы из коэффициентов при неиз-
вестных и свободных членов уравнений:
⎛1 3 −1 2 ⎞
⎜ ⎟
⎜2 −1 4 9 ⎟ .
⎜ ⎟
⎜1
⎝ 2 − 3 − 3 ⎟⎠
Исключение неизвестных будем производить, преобразуя данную матрицу:
⎛1 3 −1 2 ⎞ ⎛1 3 −1 2 ⎞ ⎛1 3 −12 ⎞ ⎛1 3 −1 2 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜2 −1 4 9 ⎟ ≈ ⎜ 0 − 7 6 5 ⎟ ≈ ⎜0 1 2 5 ⎟ ≈ ⎜0 1 2 5 ⎟≈
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜1 2 − 3 − 3 ⎟⎠ ⎜⎝ 0 − 1 − 2 − 5 ⎟ ⎜0 − 7 6 5 ⎟⎠ ⎜⎝ 0 0 20 40 ⎟
⎝ ⎠ ⎝ ⎠
⎛1 3 −12 ⎞ ⎛ 1 3 0 4 ⎞ ⎛ 1 0 0 1 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
≈ ⎜0 1 2 5 ≈ 0 1 0 1 ⎟ ≈ ⎜0 1 0 1
⎟ ⎜ ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜0 0 1 2 ⎟⎠ ⎜⎝ 0 0 1 2 ⎟⎠ ⎜⎝ 0 0 1 2 ⎟
⎝ ⎠
[были выполнены следующие действия: 1) ко 2-й строке прибавлена 1-я, ум-
ноженная на (-2); к 3-й строке прибавлена 1-я, умноженная на (-1); 2) 3-я
строка, умноженная на (-1), и 2-я переставлены относительно друг друга; 3) к
3-й строке прибавлена 2-я, умноженная на 7; 4) 3-я строка поделена на 20; 5)
ко 2-й строке прибавлена 3-я, умноженная на (-2); к 1-й строке прибавлена 3-
я; 6) к 1-й строке прибавлена 2-я, умноженная на (-3).]
Следовательно, решение заданной системы имеет вид

⎧ x =1
⎪ 1
⎪
⎨ x2 = 1 .
⎪
⎪⎩ x3 = 2
Пример 7.2. Решить систему линейных алгебраических уравнений

⎧ x − x + 2x = 5
⎪ 1 2 3
⎪
⎨ 2 x + x + x = 7 методом Крамера.
⎪ 1 2 3
⎪⎩ x1 + 2 x2 + 3x3 = 10

Решение.
Составим и вычислим определители системы Δ, Δ1 , Δ 2 , Δ 3 :
1 −1 2 1 −1 2 1 −1 1
−1 1
Δ = 2 1 1 = 3 0 3 = 3 0 0 = 3 ⋅ (−1) 2 + 1 ⋅ =
3 1
1 2 3 0 3 1 0 3 1
= −3 ⋅ ((−1) ⋅1 − 3 ⋅1) = 12 ≠ 0.
[Были выполнены следующие действия: 1) ко 2-й строке прибавлена 1-я; к 3-
й строке прибавлена 1-я, умноженная на (-1); 2) к 3-му столбцу прибавлен 1-
й, умноженный на (-1); 3) выполнено разложение по 2-й строке.]
5 −1 2 0 −1 0
12 3
Δ = 7 1 1 = 12 1 3 = (−1) ⋅ (−1)1 + 2 ⋅ = 12 ⋅ 7 − 16 ⋅ 3 = 24.
1 20 7
10 2 3 20 2 7
[Были выполнены следующие действия: 1) к 1-му столбцу прибавлен 2-й,
умноженный на 5; к 3-му столбцу прибавлен 2-й, умноженный на 2; 2) вы-
полнено разложение по 1-й строке.]
1 5 2 1 0 0
−3 −3 1 1
Δ = 2 7 1 = 2 − 3 − 3 = 1⋅ (−1)1 + 1 ⋅ = (−3) ⋅ =
2 5 1 5 1
1 10 3 1 5 1
= (−3) ⋅ (1⋅1 − 5 ⋅1) = 12.
[Были выполнены следующие действия: 1) ко 2-му столбцу прибавлен 1-й,
умноженный на (-5); к 3-му столбцу прибавлен 1-й, умноженный на (-2); 2)
выполнено разложение по 1-й строке.]
1 −1 5 1 0 0
3 −3 1 −3
Δ = 2 1 7 = 2 3 − 3 = 1⋅ (−1)1 + 1 ⋅ = 3⋅ =
3 3 5 1 5
1 2 10 1 3 5
= 3 ⋅ (1⋅ 5 − 1⋅ (−3)) = 24.
[Были выполнены следующие действия: 1) ко 2-му столбцу прибавлен 1-й; к
3-му столбцу прибавлен 1-й, умноженный на (-5); 2) выполнено разложение
по 1-й строке.]
Следовательно, решение заданной системы имеет вид

⎧ Δ 24
⎪x = 1 = =2
⎪ 1 Δ 12
⎪ Δ
⎪
⎨ x2 =
2 = 12 = 1 .
⎪ Δ 12
⎪ Δ 24
⎪x = 3 = =2
⎪⎩ 3 Δ 12
Пример 7.3. Исследовать систему линейных алгебраических уравнений
⎧ x − 3x + 2 x = 1
⎪ 1 2 3
⎪
⎨ 2 x1 + x2 − 4 x3 = 5
⎪
⎪⎩5 x1 − 8 x2 + 2 x3 = 8
на совместность.
Решение.
Составим основную матрицу системы и определим ее ранг, приведя к
треугольному виду:
⎛1 −3 2 ⎞ ⎛1 − 3 − 2⎞ ⎛1 − 3 − 2⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
A = ⎜2 1 − 4⎟ ≈ ⎜0 7 − 8⎟ ≈ ⎜0 7 − 8⎟ .
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜5
⎝ − 8 2 ⎟⎠ ⎜⎝ 0 7 − 8 ⎟⎠ ⎜⎝ 0 0 0 ⎟⎠
Следовательно, r = 2 .
Составим расширенную матрицу системы и определим ее ранг, приве-
дя к треугольному виду:
⎛1 −3 1⎞ ⎛ 1 − 3 2 1⎞ ⎛ 1 − 3 2 1 ⎞
2
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
A = ⎜2 1 − 4 5⎟ ≈ ⎜ 0 7 − 8 3⎟ ≈ ⎜ 0 7 − 8 3 ⎟ .
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜5 − 8 2 8 ⎟⎠ ⎜⎝ 0 7 − 8 3 ⎟⎠ ⎜⎝ 0 0 0 0 ⎟⎠
⎝
Следовательно, r = 2 .
Получили r = r , значит, система совместна. Так как ранг A мень-
ше числа неизвестных, следовательно, система имеет бесконечное
множество решений.
7.2. Задачи
7.1. Определить, является ли система линейных алгебраических

уравнений
⎧ x − 5x − 8x + x = 3
⎪ 1 2 3 4
⎪⎪3x1 + x2 − 3x3 − 5 x4 = 1
⎨
⎪ x1 − 7 x3 + 2 x4 = −5
⎪ 11x + 20 x − 9 x = 2
⎪⎩ 2 3 4

совместной.
7.2. Решить систему линейных алгебраических уравнений
⎧ x + 2 x + 5 x = −9
⎪ 1 2 3
⎪
⎨ x1 − x2 + 3 x3 = 2
⎪
⎪⎩ 3 x1 − 6 x2 − x3 = 25
методом Гаусса.
7.3. Решить систему линейных алгебраических уравнений
⎧ 2x − x + x = 0
⎪ 1 2 3
⎪
⎨3x1 + 2 x2 − 5 x3 = 1
⎪
⎪⎩ x1 + 3x2 − 2 x3 = 4
методом Крамера.

4 МОДУЛЬ 2. ТЕОРИЯ ВЕРОЯТНОСТЕЙ
8. Предмет теории вероятности.

Пространство элементарных событий. Алгебра событий.
Понятие случайного события.
Классическое и геометрическое определение вероятности
8.1. Теория
Случайные события. Действия над случайными событиями
Определение 8.1. Событие называется случайным, если при некото-

ром комплексе условий оно может либо произойти, либо не произойти.
События обозначаются, как правило, заглавными буквами латинского
алфавита A , B , C , ….
Определение 8.2. Событие называется достоверным, если в рассмат-
риваемом испытании оно обязательно произойдет; достоверное событие
обозначается через Ω .
Определение 8.3. Событие называется невозможным, если в рас-
сматриваемом испытании оно произойти не может; невозможное собы-
тие обозначается через Ø.
Определение 8.4. Два события называются несовместными, если по-
явление одного из них в некотором испытании исключает появление другого.
В противном случае события называются совместными.
Определение 8.5. События A1 , A2 , …, An называются попарно-
несовместными, если любые два из них несовместны.
Определение 8.6. События A1 , A2 , …, An образуют полную группу со-
бытий для данного испытания, если они попарно несовместны и в результа-
те испытания произойдет одно и только одно из этих событий.
Определение 8.7. Несколько событий в данном опыте называются
равновозможными, если ни одно из них не является объективно более воз-
можным, чем другие (т. е. все события имеют равные «шансы»).
Определение 8.8. Суммой A + B случайных событий A и B называется
событие, состоящее в том, что произошло хотя бы одно из них.
Определение 8.9. Произведением AB событий A и B называется со-
бытие, состоящее в том, что произошли оба события.
Определение 8.10. Разностью A − B событий A и B называется
событие, состоящее в том, что произошло событие A , но не про-
изошло событие B .
Определение 8.11. Противоположным событием для события A яв-
ляется событие A , которое происходит тогда и только тогда, когда не
происходит событие A .
Операции над событиями обладают свойствами, аналогичными свойст-

МОДУЛЬ 2. ТЕОРИЯ ВЕРОЯТНОСТЕЙ
8. Предмет теории вероятности. Пространство элементарных событий. Алгебра событий. Понятие случайного события.
вам операций над множествами и высказываниями, а именно:

1. Ø = Ω ; Ω=Ø; A = A;
2. A + B = B + A , A ⋅ B = B ⋅ A (коммутативность);
3. ( A + B ) + C = A + ( B + C ) , ( A ⋅ B ) ⋅ C = A ⋅ ( B ⋅ C ) (ассоциативность);
4. A ⋅ ( B + C ) = A ⋅ B + A ⋅ C , A + B ⋅ C = ( A + B ) ⋅ ( A + C ) (дистрибутивность);
5. A ⋅ B = A + B , A + B = A ⋅ B (аналог законов де Моргана);
6. A + A = A , A⋅ A = A ;
7. A + Ω = Ω , A ⋅ Ω = A ;
8. A + A = Ω , A ⋅ A = Ø;
9. A − B = A ⋅ B .
Классическое определение вероятности
Вероятность события численно характеризует степень возможности

его появления в рассматриваемом опыте.
Определение 8.12. Пусть имеется множество случайных событий E1 ,
E 2 , …, En , обладающих двумя свойствами:
а) при всяком испытании произойдет одно и только одно из этих n
событий;
б) все события равновозможны.
Такие события называются элементарными.
Если событие A является суммой m элементарных событий, то его ве-
m
роятностью называется дробь , где n – число всех элементарных собы-
n
тий. Вероятность события A обозначают P( A) :
m
P ( A) = .
n
Такое определение вероятности называется классическим.
Те элементарные события, при которых интересующее нас событие A
наступает, называются благориятствующими событию A .
Из классического определения следуют свойства вероятности:
0 ≤ P( A) ≤ 1 ; P (Ø ) = 0 ; P (Ω) = 1 P ( A) = 1 − P ( A) ; P ( A + B ) = P ( A) + P ( B ) .
Геометрическое определение вероятности
Обобщением понятия «классической вероятности» на случай опытов с

бесконечным (вообще говоря, несчетным) числом исходов является понятие
«геометрической вероятности». К этому понятию приводят задачи на подсчет
вероятности попадания точки в некую область (отрезок, часть плоскости,
часть тела и т. д.).
Пусть на плоскости имеется фигура F , содержащая фигуру f . Испы-
тание заключается в том, что в фигуру F наугад бросается точка. Здесь чис-
ло исходов бесконечно (у фигуры F бесконечно много точек), при том все

исходы имеют одинаковые шансы осуществиться. Определим A как собы-

тие, заключающиеся в том, что брошенная точка попала в фигуру f . Тогда
вероятность события A (геометрическая вероятность) определяется сле-
дующим образом:
Sf
P( A) = ,
SF
где и S f – площадь фигур F и f соответственно.

SF
Аналогично определяется геометрическая вероятность на прямой и в
пространстве, только вместо площадей фигур в формуле для вероятности на-
до поставить соответственно длины и объемы.
8.2. Примеры
Пример 8.1. В урне содержится 5 белых и 4 черных шара, различаю-

щихся только цветом.
1) Вынимается наудачу один шар. Найти вероятность того, что
он белый.
2) Вынимается наудачу два шара. Найти вероятность того, что
а) оба шара белые;
б) хотя бы один из них черный.
Решение.
1) Перенумеруем шары. Пространство элементарных событий можно
записать в виде Ω = {Б1 , Б 2 , Б3 , Б4 , Б5 ,Ч 1 ,Ч 2 ,Ч 3 ,Ч 4 } . Пусть событие A = {появле-
ние белого шара}, тогда А = {Б1 , Б 2 , Б3 , Б 4 , Б5 } . Так как все элементарные ис-
ходы равновозможны, то по классическому определению вероятности
m 5
P ( A) = = .
n 9
2) При вынимании двух шаров возможны такие исходы: (Б1 ,Ч1 ) ,
( Б 2 , Б 3 ) , ( Б 3 , Б 2 ) , (Ч 4 , Б 5 ) и т.д. Число всех случаев равно n = A92 = 9 ⋅ 8 = 72 .
а) Исходами, благоприятствующими наступлению события B = {появ-

ление двух белых шаров}, являются ( Б 1 , Б 2 ) , ( Б1 , Б3 ) , ( Б3 , Б5 ) , ( Б3 , Б1 ) и т. д.
m 20 5
Числот аких случаев m = A52 = 5 ⋅ 4 = 20 . Поэтому P( B) = = = .
n 72 18
б) Исходами, благоприятствующими наступлению события C = {появ-
ление хотя бы одного черного шара}, являются ( Б 1 , Ч 1 ) , ( Б1 , Ч 2 ) , (Б3 ,Ч 3 ) ,
(Ч 3 , Б1 ) , (Ч 1 , Ч 2 ) , (Ч 3 ,Ч 4 ) и т.д. Число таких случаев равно
m = A92 − A52 = 72 − 20 = 52 (в 20 случаях из 72 появляются два белых шара, по-
этому в остальных случаях хотя бы
Этот же результат можно получить иначе. Так как С = В , то

5 13
P (C ) = 1 − P ( B ) = 1 − = .
18 18
Пример 8.2. В коробке 5 синих, 4 красных и 3 зеленых карандаша.
Наудачу вынимают 3 карандаша. Какова вероятность того, что:
а) все они одного цвета;
б) все они разных цветов;
в) среди них 2 синих и 1 зеленый карандаш.
Решение. Сначала заметим, что число способов выбрать 3 карандаша из
12 n = C123 = 220 .
а) Выбрать 3 синих карандаша из 5 можно С53 способами, 3 крас-
ных карандаша из 4 можно С43 способами, 3 зеленых карандаша из 3
можно С33 способами.
По правилу сложения общее число случаев, благоприятствующих на-
ступлению события A = {три карандаша, вынутых из коробки, одного цвета},
m 15 3
m = C 53 + C 43 + C 33 = 15 . Отсюда P ( A) = = = .
n 220 44
б) Пусть событие B = {три вынутых карандаша разных цветов}. Число
исходов, благоприятствующих наступлению события B , по правилу умноже-
m 60 3
ния m = C51 ⋅ C 41 ⋅ C 31 = 5 ⋅ 4 ⋅ 3 = 60 . Поэтому P ( A) = = = .
n 220 11
в) Пусть событие C = {из трех выбранных карандашей 2 синих и 1 зе-
леный}. Выбрать 2 синих карандаша из 5 синих можно С52 способами, а 1 зе-
леный из 3 зеленых – С31 способами. Отсюда по правилу умножения имеем
m 30 3
m = C52 ⋅ C31 = 30 . Поэтому P (С ) = = = .
n 220 22
Пример 8.3. Дано шесть карточек с буквами Н, М, И, Я, Л, О. Найти
вероятность того, что:
а) получится слово ЛОМ, если наугад одна за другой выбираются три
карточки и располагаются в ряд по мере появления;
б) получится слово МОЛНИЯ, если наугад одна за другой выбираются
шесть карточек и располагаются в ряд в порядке появления.
Решение.
а) Из шести данных букв можно составить n = A63 = 120 трехбуквенных
«слов» (НИЛ, ОЛЯ, ОНИ, ЛЯМ МИЛ и т.д.). Слово ЛОМ при этом появится
лишь один раз, т. е. т = 1 . Поэтому вероятность появления слова ЛОМ (собы-
m 1
тие A ) P ( A) = = .
n 120
б) Шестибуквенные «слова» отличаются друг от друга лишь порядком
расположения букв. Их число равно числу перестановок из 6 букв, т.
е. n = P6 = 6! . Очевидно, что m = 1 . Тогда вероятность появления слова МОЛ-
m 1 1
НИЯ (событие B ), P( B) = = = .
n 6! 720

8.1. Код домофона состоит из 8 цифр, которые могут повторяться. Какова

вероятность того, что, случайно набирая цифры, можно угадать нужный код?
8.2. Восемь друзей распределяют места за круглым столом по жребию. Ка-
кова вероятность того, что два из них, а именно A и B , будут сидеть рядом?
8.3. Двое друзей A и B стоят в очереди из 8 человек. Найти вероят-
ность того, что:
а) A и B стоят рядом;
б) между A и B стоят два человека.
8.4. На 5 карточках написано по одной цифре из набора 1, 2, 3, 4, 5.
Наугад выбираются 2 карточки. Какова вероятность того, что число на вто-
рой карточке больше, чем на первой?
8.5. Из колоды в 36 карт извлекаются наудачу 4 карты. Какова вероят-
ность событий:
A = {все извлеченные карты пиковой масти},
B = {среди этих четырех карт окажется хотя бы один король}?
8.6. Из 40 вопросов, входящих в экзаменационные билеты, студент зна-
ет 30. Найти вероятность того, что среди трех наугад выбранных вопросов
студент знает:
а) 3 вопроса;
б) 2 вопроса;
в) 1 вопрос.
8.7. На отрезок AB длины α наудачу нанесена точка C . Найти вероят-
α
ность того, что меньший из отрезков AC и CB имеет длину, большую чем .
6
8.8. Противник в течение часа делает один десятиминутный налет на
участок шоссе. В течение этого же часа нужно преодолеть этот опасный уча-
сток шоссе. С какой вероятностью можно избежать налета, если время пре-
одоления опасного участка пять минут?
8.9. Какова вероятность того, что корни уравнения x 2 + px + q = 0 будут

действительными, если коэффициенты p и q уравнения выбираются науда-
чу из отрезка [0;1]?
8.10. В некоторой точке C линии AB длины L произошел разрыв. Ка-
кова вероятность того, что точка C удалена от точки A на расстояние не
меньше l?
8.11. В круг радиуса r наудачу брошена точка. Какова вероятность того,
что эта точка окажется внутри вписанного в круг правильного треугольника?
8.12. На пол, покрытый кафельной плиткой со стороной a = 6 см, слу-
чайно падает монета радиуса r = 2 см. Найти вероятность того, что монета
целиком окажется внутри квадрата.

8.13. На отрезке [0;3] наудачу выбраны два числа x и y . Найти веро-

ятность того, что эти числа удовлетворяют неравенствам x2 ≤ 3 y ≤ 3x .
8.14. В сигнализатор поступают сигналы от двух устройств, причем
поступление каждого из сигналов не зависит друг от друга и равновозможно
в любой промежуток времени длительностью 3 часа. Сигнализатор срабаты-
вает, если интервал между моментами поступления сигналов менее 0,15 ч.
Найти вероятность того, что сигнализатор сработает в течение 3 часов, если
каждое из устройств пошлет по одному сигналу.
8.15. Минное заграждение состоит из мин, расположенных в одну ли-
нию на расстоянии 50 м одна от другой. Ширина корабля 20 м. Какова веро-
ятность того, что корабль благополучно пройдет через заграждение?
8.16. В шар вписан куб. Найти вероятность того, что выбранная науда-
чу внутри шара точка окажется внутри куба.
8.5. Ответы
2 1 5 1
8.1. 10 −8 . 8.2. . 8.3. а) , б) . 8.4. . 8.5. ≈ 0,21×10−2 , ≈ 0,39 .
7 4 28 2
2 1 l
8.6. а) ≈ 0,41, б) ≈ 0,44 , в) ≈ 0,14 . 8.7. . 8.8. ≈ 0,77 . 8.9. . 8.10. 1 − .
3 12 L
1 1
8.11. ≈ 0,41. 8.12. . 8.13. . 8.14. ≈ 0,1 . 8.15. 0,6 . 8.16. ≈ 0,37 .
9 6
9. Зависимые и независимые события.

2
Условная вероятность. Теоремы сложения

и умножения вероятностей
9.1. Теория
Определение 9.1. Пусть A и B – некоторые события, причем P( B) > 0 .

Условной вероятностью события A при условии B (обозначается PB ( A) или
P( A | B) ) называется вероятность события A при условии, что событие B
произошло.
Эта вероятность находится по формуле
P ( AB )
PB ( A) = .
P( B)
Аналогично определяется условная вероятность события B при условии A :

P ( AB )
PA ( B ) =
P ( A) , ( P ( A) ≠ 0 ).
Из этих формул следует
Теорема 9.1 (правило умножения вероятностей). Вероятность про-

9. Зависимые и независимые события. Условная вероятность. Теоремы сложения и умножения вероятностей
изведения двух событий равна произведению вероятности одного из них на

условную вероятность другого при условии, что первое событие произошло:
P ( AB ) = P ( A ) ⋅ PA ( B ) или P ( AB ) = P ( B ) ⋅ PB ( A ) .
Понятие условной вероятности, так же как и правило умножения веро-

ятностей, естественным образом обобщается на случай произвольного числа
событий. А именно в случае n событий имеем
P( A1 ⋅ A2 ⋅ A3 ⋅ ... ⋅ An ) = P( A1 ) ⋅ PA1 ( A2 ) ⋅ PA1 A2 ( A3 ) ⋅ ... ⋅ PA1 A2 ... An −1 ( An ).
Независимые события
Определение 9.2. Два события A и B называются независимыми, если

вероятность каждого из них не зависит от того, произошло или не про-
изошло другое событие, т. е.
P ( A) = PB ( A) = PB ( A)
;
P ( B ) = PA ( B) = PA ( B )
.
Для независимых событий правило умножения вероятностей при-
нимает вид
P ( AB ) = P ( A) ⋅ P ( B ).
Эта формула часто используется в качестве определения независимых

событий.
Определение 9.3. События A1 , A2 ,…, An называются независи-
мыми (или независимыми в совокупности), если вероятность каждого
из них не зависит от осуществления или неосуществления любого чис-
ла остальных событий.
В случае n независимых событий имеем
P( A1 ⋅ A2 ⋅ ... ⋅ An ) = P( A1 ) ⋅ P( A2 ) ⋅ ... ⋅ P( An ).
Определение 9.4. События A1 , A2 ,…, An называются попарно-

независимыми, если любые два события Ai и Aj ( i ≠ j ) из этого набора
независимы.
Независимые события A1 , A2 ,…, An являются попарно-независимыми.
Обратное, вообще говоря, неверно.
Вероятность суммы совместных событий
Теорема 9.2. Вероятность суммы двух совместных событий есть

сумма их вероятностей минус вероятность их произведения, т. е.
P ( A + B ) = P ( A) + P ( B ) − P ( AB )
Для трех событий A , B и C имеем

P ( A + B + C ) = P ( A) + P ( B ) + P (C ) − P ( AB ) − P ( AC ) − P ( BC ) + P ( ABC ) .
В случае трех и большего числа событий для нахождения вероятности

суммы S этих событий проще найти вероятность противоположного собы-
тия S , а затем воспользоваться равенством P( S ) = 1 − P( S ).
9.2. Примеры
Пример 9.1. Брошены две игральные кости. Найти вероятность того,

что на первой кости выпало 2 очка при условии, что сумма очков, выпавших
на двух костях, меньше 6.
Решим задачу двумя способами.
1. Пусть событие A = {на первой кости выпало 2 очка}, событие
B = {сумма очков, выпавших на дух костях, меньше 6}. Событие B состоит из
10 элементарных событий:
B = {(1,1), (1,2, ), ( 2,1), (1,3), (3,1)(1,4), ( 4,1), ( 2,2), ( 2,3), (3,2)} .
Событие A , определяемое условием B (это значит, что исходы, благо-

приятствующие событию A , отбираются среди исходов, составляющих со-
бытие B ), состоит из трех элементарных исходов опыта: (2,1) , (2,2) , (2,3) ,.
3
Поэтому искомая вероятность равна PB ( A) = .
10
2. Пространство элементарных событий состоит из 36 элементов:
Ω = {(1,1), (1,2),..., (6,6)} . Для вычисления вероятности PB ( A) воспользуемся фор-
P ( AB )
мулой PB ( A) = . Так как
P( B)
A = {( 2,1), ( 2,2), (2,3), ( 2,4), (2,5), ( 2,6)} ,
B = {(1,1), (1,2, ), ( 2,1), (1,3), (3,1)(1,4), ( 4,1), ( 2,2), ( 2,3), (3,2)} ,
то AB = {( 2,1), (2,2), (2,3)} .

6 10
По классическому определению вероятности P ( A) = , P( B) = ,
36 36
3
P( AB) = . Поэтому
36
3
P( AB) 36 3
PB ( A) = = = .
P ( B) 10 10
36
Пример 9.2. В урне находится 4 шара: красный, синий, черный и трех-
цветный (красно–сине–черный). Из урны извлекают один шар. Исследовать на
независимость события: К = {извлеченный шар имеет красный цвет}, С = {из-
влеченный шар имеет синий цвет}, Ч = {извлеченный шар имеет черный цвет}.

Решение. Множество возможных исходов таково: Ω = {К; С; Ч; КСЧ},

где буква К означает, что извлечен шар красного цвета и т. д.
2 1
Очевидно, что P ( K ) = = P(С ) = P(Ч ) = .
4 2
Событиям К ⋅ С , К ⋅ Ч , С ⋅ Ч благоприятствует лишь один исход – это
1
шар КСЧ (имеет все три цвета). Значит, P( К ⋅ С ) = = P ( К ) ⋅ P (С ) ,
4
1 1 1 1
P( К ⋅ Ч ) = = ⋅ = P ( К ) ⋅ P (Ч ) , P (С ⋅ Ч ) = = P (С ) ⋅ P (Ч ) . Следовательно, события
4 2 2 4
К и С, К и Ч, С и Ч независимы. Тем не менее события К, С, Ч не являются
1
независимыми в совокупности. Действительно, P( К ⋅ С ⋅ Ч ) = ,
4
1 1 1 1
а P ( К ) ⋅ P (С ) ⋅ P (Ч ) = ⋅ ⋅ = , т. е. P( К ⋅ С ⋅ Ч ) ≠ P ( К ) ⋅ P (С ) ⋅ P(Ч ) .
2 2 2 8
Пример 9.3. Из букв А, С, Н, Н, А, А разрезной азбуки составляется
наудачу слово, состоящее из 6 букв. Какова вероятность того, что получится
слово «АНАНАС»?
Решение. Рассмотрим следующие события: A = {получится слово

АНАНАС}, A1 = {первой, выбранной наудачу буквой, будет буква А},
A2 = {второй – Н}, A3 = {третьей – А}, A4 = {четвертой – Н}, A5 = {пятой –
А}, A6 = {шестой – С}. Тогда A = A1 ⋅ A2 ⋅ A3 ⋅ A4 ⋅ A5 ⋅ A6 . Применяя правило умно-
жения вероятностей, имеем
P( A) = P( A1 ⋅ A2 ⋅ A3 ⋅ A4 ⋅ A5 ⋅ A6 ) =
3 2 2 1 1 1 1
= P ( A1 ) ⋅ PA1 ( A2 ) ⋅ PA1 A2 ( A3 ) ⋅ PA1 A2 A3 ( A4 ) ⋅ PA1 A2 A3 A4 ( A5 ) ⋅ PA1 A2 A3 A4 A5 ( A6 ) = ⋅ ⋅ ⋅ ⋅ ⋅ = .
6 5 4 3 2 1 60
Пример 9.4. В ящике содержится 9 белых, 6 черных и 5 зеленых ша-
ров. Наудачу вынимается один шар. Найти вероятность того, что он окажется
либо черным, либо зеленым.
Решение. Пусть событие A = {извлеченный шар окажется черным},
B = {извлеченный шар окажется зеленым}. Тогда событие C = {извлеченный
шар окажется либо черным, либо зеленым} представляет собой сумму несо-
вместных событий A и B , т. е. C = A + B . Поэтому
6 5 11
P (C ) = P ( A + B ) = P ( A) + P ( B ) = + = = 0,55 .
20 20 20
Вероятность извлечения черного или зеленого шара можно было бы найти
без использования теоремы сложения вероятностей, ведь имеется 11 равно-
11
возможных, благоприятных событию C исходов: P(C ) = .
20
Пример 9.5. Два стрелка делают по одному выстрелу в мишень. Веро-
ятность попадания первого стрелка равна 0,7, а второго – 0,8. Найти вероят-
ность того, что мишень будет поражена. А если стрелки сделают по два вы-
стрела?

Решение. Пусть событие Ai = {попадание в мишень первым стрелком

при i -м выстреле}, событие Bi = {попадание в мишень вторым стрелком при
i -м выстреле}, i = 1,2 ; событие C = {мишень поражена}.
Сначала решим задачу для случая, когда стрелки делают по одному вы-
стрелу.
Первое решение.
По условию P ( A1 ) = P ( A2 ) = 0,7 , P ( B1 ) = P ( B2 ) = 0,8 .
Событие C = A1 + B1 состоит в том, что при одном залпе мишень будет
поражена хотя бы одним стрелком.
Так как события A1 и B1 совместны, то
P (C ) = P ( A1 + B1 ) = P ( A1 ) + P ( B1 ) − P ( A1 ⋅ B1 ) .
События A1 и B1 – независимы, поэтому P ( A1 ⋅ B1 ) = P ( A1 ) ⋅ P ( B1 ) , отсюда

P (C ) = P ( A1 + B1 ) = P ( A1 ) + P ( B1 ) − P ( A1 ) ⋅ P ( B1 ) = 0,7 + 0,8 − 0,7 ⋅ 0,8 = 0,94 .
Второе решение.
Поражение цели ( C ) означает, что : в нее попал первый стрелок, а вто-
рой промазал ( A1 ⋅ B1 ); или попал второй стрелок, а первый промазал ( A1 ⋅ B1 );
или попали оба стрелка ( A1 ⋅ B1 ). Тогда
C = A1 + B1 = A1 B1 + A1 B1 + A1B1.
По правилу сложения вероятностей несовместных событий получаем
P(C ) = P( A1 B1 ) + P( A1B1 ) + P( A1 B1 ) = 0,7 ⋅ 0,2 + 0,3 ⋅ 0,8 + 0,7 ⋅ 0,8 = 0,94.
Третье решение.
Найдем вероятность события C , противоположного событию C . Оче-
видно, что C = A1 + B1 = A1 ⋅ B1 = {оба стрелка промахнулись}. Так как события
A1 и B1 независимы, то P(C ) = P ( A1 ⋅ B1 ) = P( A1 ) ⋅ P ( B1 ) = 0,3 ⋅ 0,2 = 0,06 . Следова-
тельно, P(C ) = 1 − P(C ) = 1 − 0,06 = 0,94 .
Если два стрелка делают по два выстрела в мишень, то событию C бла-
гоприятствует 15 исходов данного опыта (стрельба по мишеням) из 16 воз-
можных исходов. Такими исходами являются, например, следующие:
A1 A2 B1 B2 , A1 A2 B1 B2 , A1 A2 B1B2 , A1 A2 B1 B2 и т. д. Поэтому проще найти вероят-
ность противоположного события C = {все четыре выстрела – промах}. Име-
ем
P (C ) = P ( A1 A2 B1 B2 ) = P ( A1 ) ⋅ P ( A2 ) ⋅ P( B1 ) ⋅ P( B2 ) = 0,3 ⋅ 0,3 ⋅ 0,2 ⋅ 0,2 = 0,0036.
Следовательно, P(C ) = 1 − P(C ) = 1 − 0,0036 = 0,9964 .

Пример 9.6. Среди партии из 100 деталей имеется 10 бракованных. С
целью контроля из этой партии отбираются наугад 7 изделий. Если среди них
окажется более двух бракованных, то бракуется вся партия изделий. Какова
вероятность того, что партия изделий будет забракована?
Решение . Партия бракуется, если среди 7 изделий бракованных

будет не менее трех; не бракуется – если среди 7 изделий бракованных

ноль, одно или два.
Пусть A0 = {среди 7 изделий нет бракованных}, событие A1 = {среди 7
изделий есть одно бракованное}, A2 = {среди 7 изделий – два бракованных}.
Тогда событие A = {партия изделий принимается} можно представить в виде
A = A0 + A1 + A2 . И так как события A0 , A1 , A2 несовместны, то
P( A) = P( A0 + A1 + A2 ) = P( A0 ) + P( A1 ) + P( A2 ).
Найдем вероятность P( A0 ) , используя классическое определение веро-

ятности. Отобрать 7 деталей из 100 можно n = C1007
способами. Событию A0
m C907
благоприятствует m = C907 ⋅ C100 = C907 случаев. Следовательно, P( A0 ) = = 7 .
n C100
Аналогично находим, что
1
C10 ⋅ C906 C102 ⋅ C90
5
P( A1 ) = 7
, P ( A2 ) = 7
.
C100 C100
C907 C10
1
⋅ C906 C102 ⋅ C90
5
Таким образом, P( A) = 7
+ 7
+ 7
≈ 0,98 .
C100 C100 C100
Следовательно, вероятность того, что партия изделий будет забракована,
P ( A) = 1 − P ( A) = 1 − 0,98 = 0,02 .
9.1. Найти вероятность того, что при бросании трех игральных костей
хотя бы на одной выпадет 5 очков, при условии, что на всех костях выпали
грани с нечетным числом очков? С четным числом очков?
9.2. В произвольном порядке выписываются 2 буквы И и 2 буквы С.
Найти вероятность того, что обе буквы С стоят рядом, при условии, что по-
следняя по порядку буква есть буква И.
9.3. Из колоды в 36 карт вытаскивается наудачу одна. Зависимы ли со-
бытия: А = {вытащен валет}, В = {вытащена карта черной масти}?
9.4. В урне 4 белых и 3 черных шара. Из нее вынимают 2 шара. Найти
вероятность того, что оба шара белые. Рассмотреть выборки:
а) без возвращения;
б) с возвращением.
9.5. Из колоды в 36 карт наудачу вынимаются три карты (без возврата).
Какова вероятность того, что среди них не будет ни одной шестерки?
9.6. Среди 100 лотерейных билетов 10 выигрышных. Какова вероят-

ность того, что 2 наудачу выбранных билета окажутся выигрышными?
9.7. Только один из 9 ключей подходит к данному замку. Какова веро-

ятность того, что придется опробовать 5 ключей для открывания замка?

9.8. Радист трижды вызывает корреспондента. Вероятность того, что
будет принят первый вызов, равна 0,3, второй – 0,4, третий – 0,5. По услови-
ям приема события, состоящие в том, что данный вызов будет услышан, не-
зависимы. Найти вероятность того, что корреспондент вообще услышит вы-
зов.
9.9. Один студент выучил 20 из 25 вопросов программы, а второй –
только 15. Каждому из них задают по одному вопросу. Найти вероятность
того, что правильно ответят: а) оба студента, б) только первый студент; в)
только один из них; г) хотя бы один из студентов.
9.5. Ответы
19 2 2 16
9.1. , 0. 9.2. . 9.3. Нет. 9.4. а) , б) . 9.5. ≈ 0,69 . 9.6.
27 3 7 49
1
.
110
9.7. ≈ 0,11 . 9.8. 0,79 . 9.9. а) 0,48 , б) 0,32 , в) 0,44 , г) 0,92 .
2 10. Формула полной вероятности.

Формула Байеса
10.1. Теория
Теорема 10.1. Пусть событие A может произойти только с одним из

событий H 1 , H 2 ,…, H n , образующих полную группу попарно-несовместных
n
событий, т. е. H i ⋅ H j = Ø, i ≠ j и ∑H
i =1
i = Ω.
Тогда вероятность события A вычисляется по формуле полной ве-

роятности
n
P ( A) = ∑ P ( H i ) ⋅ PH i ( A).
i =1
При этом события H 1 , H 2 ,…, H n обычно называют гипотезами, а числа

P(Hi ) – вероятностями гипотез.
Теорема 10.2. Если в результате опыта осуществилось событие A ,
то прежние, доопытные (или априорные) вероятности гипотез P ( H 1 ) ,
P ( H 2 ) ,…, P( H n ) должны быть заменены на новые, послеопытные (или апо-
стериорные) вероятности PA ( H 1 ) , PA ( H 2 ) ,…, PA ( H n ) , которые вычисляют-
ся по формуле Байеса

10. Формула полной вероятности. Формула Байеса
P ( H i ) ⋅ PH i ( A)
PA ( H i ) =
P ( A)
( i = 1, 2,..., n ), где вероятность P(A) вычисляется по формуле полной вероятности.
10.2. Примеры
Пример 10.1. 45 % телевизоров, имеющихся в магазине, изготовлены

на 1-м заводе, 15 % – на 2-м, остальные – на 3-м. Вероятности того, что теле-
визоры, изготовленные на этих заводах, не потребуют ремонта в течение га-
рантийного срока, равна 0,96, 0,84, 0,90 соответственно. Найти вероятность
того, что купленный наудачу телевизор выдержит гарантийный срок работы.
Решение. Пусть событие A = {телевизор выдержит гарантийный срок
работы}, а гипотезы H 1 = {телевизор изготовлен на первом заводе}, H 2 = {те-
левизор изготовлен на втором заводе}, H 3 = {телевизор изготовлен на третьем
заводе}.
H 1 , H 2 , H3 образуют полную группу несовместных событий, при этом
P ( H 1 ) = 0 , 45 , P ( H 2 ) = 0,15 , P ( H 3 ) = 0,40 . (Для контроля можно найти сумму ве-
роятностей гипотез; она должна равняться единице;
n
∑ P ( H ) = 0,45 + 0,15 + 0,40 = 1 ).

i −1
i
По условию PH ( A) = 0,96 , PH ( A) = 0,84 , PH ( A) = 0,90 . Отсюда по формуле

1 2 3
полной вероятности имеем

P ( A) = P ( H 1 ) ⋅ PH 1 ( A) + P ( H 2 ) ⋅ PH 2 ( A) + P ( H 3 ) ⋅ PH 3 ( A) =
0,45 ⋅ 0,96 + 0,15 ⋅ 0,84 + 0,40 ⋅ 0,90 = 0,918 .
Пример 10.2. Для улучшения качества радиосвязи используются два

радиоприемника. Вероятность приема сигнала каждым приемником равна
0,8, и эти события (прием сигнала приемником) независимы. Определить ве-
роятность приема сигнала, если вероятность безотказной работы за время се-
анса радиосвязи для каждого приемника равна 0,9.
Решение. Пусть событие A = {сигнал будет принят}. Рассмот-
рим четыре гипотезы: H 1 = {первый приемник работает, второй –
нет}; H 2 = {второй приемник работает, первый – нет}; H 3 = {оба
приемника работают}; H 4 = {оба приемника не работают}. Событие
A может произойти только с одной из этих гипотез. Найдем веро-
ятность этих гипотез, рассматривая следующие события: C1 = {пер-
вый приемник работает}, C 2 = {второй приемник работает}. Тогда:
P ( H 1 ) = P (C1 ⋅ C 2 ) = P (C1 ) ⋅ P (C 2 ) = 0,9 ⋅ 0,1 = 0,09 ;
P ( H 2 ) = P (C1 ⋅ C 2 ) = P (C1 ) ⋅ P (C 2 ) = 0,1 ⋅ 0,9 = 0,09 ;
P( H 3 ) = P(C1 ⋅ C2 ) = P(C1 ) ⋅ P(C2 ) = 0,9 ⋅ 0,9 = 0,81 ;

P ( H 4 ) = P (C1 ⋅ C 2 ) = P (C1 ) ⋅ P (C 2 ) = 0,1 ⋅ 0,1 = 0,01 .
4
(Контроль: ∑ P ( H ) = 0,09 + 0,09 + 0,81 + 0,01 = 1 .)
i =1
i
Условные вероятности PH ( A) соответственно: PH ( A) = 0,8 , PH ( A) = 0,8 ,

i 1 2
PH ( A) = 0,8 + 0,8 − 0,8 ⋅ 0,8 = 0,96 ; PH ( A) = 0 .

3 4
Теперь по формуле полной вероятности находим искомую вероятность

P ( A) = 0,09 ⋅ 0,8 + 0,09 ⋅ 0,8 + 0,81 ⋅ 0,96 + 0,01 ⋅ 0 = 0,9216 .
Пример 10.3. Техническое устройство выйдет из строя, если откажут

не менее двух из трех независимо работающих элементов. Вероятности отка-
зов 1, 2, 3-го элементов соответственно равны 0,2; 0,4; 0,3.
Известно, что устройство отказало. Найти вероятность того, что отка-
зали 1-й и 2-й элементы.
Решение. Пусть событие A = {устройство отказало}. До опыта, т. е. до
отказа устройства, можно сделать следующие предположения-гипотезы:
H 0 = {откажут все три элемента};
H 1 = {откажут два элемента: 1-й и 2-й, не откажет 3-й};
H 4 = {откажет один элемент: 1-й, не откажут 2-й, 3-й};
H 7 = {все элементы будут работать}.
Пользуясь правилом умножения вероятностей для независимых собы-

тий, найдем вероятности этих гипотез:
P( H 0 ) = 0,2 ⋅ 0,4 ⋅ 0,3 = 0,024 ;
P ( H 1 ) = 0, 2 ⋅ 0, 4 ⋅ 0,7 = 0,056 ;
P ( H 2 ) = 0, 2 ⋅ 0,3 ⋅ 0,6 = 0,036 ;
P( H 3 ) = 0,4 ⋅ 0,3 ⋅ 0,8 = 0,096 ;
P ( H 4 ) = 0, 2 ⋅ 0,6 ⋅ 0,7 = 0,084 ;
P( H 5 ) = 0,4 ⋅ 0,8 ⋅ 0,7 = 0,224 ;
P( H 6 ) = 0,3 ⋅ 0,8 ⋅ 0,6 = 0,144 ;
P( H 7 ) = 0,8 ⋅ 0,6 ⋅ 0,7 = 0,336 ;
n
(Контроль: ∑ P ( H ) = 0,024 + 0,056 + ... + 0,336 = 1 .)
i =1
i
Учитывая, что в результате опыта произошло событие A , которое не-

возможно при гипотезах H 4 , H5 , H6 , H7 и достоверно при гипотезах H0 ,
H 1 , H 2 , H3 , найдем условные вероятности событий PH ( A ) : i

PH 0 ( A) = 1 ; PH 1 ( A ) = 1 ; PH 2 ( A) = 1 ; PH 3 ( A ) = 1 ;
PH 4 ( A) = 0 ; PH 5 ( A) = 0 ; PH 6 ( A) = 0 ; PH 7 ( A) = 0 .
Найдем вероятность гипотезы H 1 при условии, что событие A про-

изошло (т. е. PA ( H 1 ) ) по формуле Байеса. Для этого предварительно найдем
вероятность события A по формуле полной вероятности
7
P ( A) = ∑ P( H ) ⋅ P
i =0
i Hi ( A) = 0,024 ⋅ 1 + 0,056 ⋅ 1 + 0,036 ⋅ 1 + 0,096 ⋅ 1 + 0 + 0 + 0 + 0 = 0,212 .
Отсюда
P( H1 ) ⋅ PH1 ( A) 0,056 ⋅ 1 56 14
PA ( H1 ) = = = = ≈ 0,264 .
P( A) 0,212 212 53
Пример 10.4. Предположим, что 5 % мужчин и 0,25 % всех женщин

дальтоники. Наугад выбранное лицо оказалось дальтоником. Считая, что
мужчин и женщин одинаковое количество, найти вероятность того, что
этот человек:
а) мужчина,
б) женщина.
Решение. Пусть событие A = {выбранный человек оказался дальтони-
ком}. Тогда в качестве гипотез примем события H 1 = {выбранный человек –
мужчина} и H 2 = {выбранный человек – женщина}. Очевидно,
H1 + H 2 = Ω ; H 1 ⋅ H 2 = Ø; P ( H 1 ) = P ( H 2 ) = 0 ,5 .
Для нахождения искомых вероятностей, т. е. условных вероятностей

PA ( H 1 ) и PA ( H 2 ) , воспользуемся формулой Байеса. Сначала по формуле пол-
ной вероятности найдем P( A) : так как по условию PH ( A) = 0,05 и 1
PH ( A) = 0,0025 , то P ( A) = 0,5 ⋅ 0,05 + 0,5 ⋅ 0,0025 = 0,02625 . Следовательно,

2
P ( H1 ) ⋅ PH 1 ( A) 0,5 ⋅ 0,05 20
а) PA ( H1 ) = = = ;
P ( A) 0,02625 21
P ( H 2 ) ⋅ PH 2 ( A) 0,5 ⋅ 0,0025 1
б) PA ( H1 ) = = = .
P ( A) 0,02625 21
Отметим, что сумма условных вероятностей гипотез (т. е. апостериор-
ных вероятностей) также равна единице ⎛⎜ 20 + 1 = 1⎞⎟ .
⎝ 21 21 ⎠
10.1. Имеется две одинаковых урны с шарами. В 1-й находится 3 белых

и 4 черных шара, во 2-й – 2 белых и 3 черных. Из наудачу выбранной урны
вынимают один шар. Какова вероятность того, что этот шар белый?

10.2. Студент знает 24 билета из 30. В каком случае вероятность выта-
щить счастливый билет для него больше, если он идет сдавать экзамен пер-
вым или если – вторым?
10.3. Три стрелка произвели по одному выстрелу по намеченной це-
ли. Вероятность попадания 1-м стрелком равна 0,6, 2-м – 0,7, 3-м – 0,8.
При одном попадании в мишень вероятность поражения цели равна 0,2,
при двух – равна 0,6, при трех – цель заведомо поражается. Найти веро-
ятность поражения цели.
10.4. Известно, что в среднем 95 % выпускаемой продукции удовлетво-
ряет стандарту. Упрощенная схема контроля признает пригодной продукцию
с вероятностью 0,96, если она стандартна, и с вероятностью 0,06, если она
нестандартна. Найти вероятность того, что взятое наудачу изделие пройдет
упрощенный контроль.
10.5. Система обнаружения самолета из-за наличия помех в зоне
действия локатора может давать ложные показания с вероятностью 0,05, а
при наличии цели в зоне система обнаруживает ее с вероятностью 0,9.
Вероятность появления противника в зоне равна 0,25. Определить веро-
ятность ложной тревоги.
10.6. В условиях задачи 10.6 взятое изделие прошло упрощенный кон-

троль. Найти вероятность того, что оно стандартное. А если изделие дважды
прошло упрощенный контроль?
10.7. В магазин поступают одинаковые изделия с трех заводов, причем
1-й завод поставил 50 изделий, 2-й – 30, 3-й – 20 изделий. Среди изделий 1-го
завода 70% первосортных, а среди изделий 2-го – 80 %, 3-го – 90 % перво-
сортных. Куплено одно изделие. Оно оказалось первосортным. Какова веро-
ятность того, что это изделие выпущено 1-м заводом?
10.8. Перед посевом 80 % всех семян было обработано ядохимика-
тами. Вероятность поражения растений, проросших из этих семян, вреди-
телями равна 0,06, а растений, проросших из необработанных семян – 0,3.
Какова вероятность того, что взятое наудачу растение окажется поражен-
ным? Если оно поражено, то какова вероятность того, что оно выращено
из обработанного семени?
10.5. Ответы
29 1
10.1. . 10.2. Р1 = 0 ,8 = Р 2 . 10.3. 0,6448 . 10.4. 0,915 . 10.5. .
70 7
304 5 4
10.6. ≈ 0,997 ; ≈ 0,9998 . 10.7. . 10.8. 0,108 ; ≈ 0,44 .
305 11 9

11. Схема Бернулли. Дискретные случайные величины. Функция распределения, ее свойства
11. Схема Бернулли. Дискретные случайные величины.

Функция распределения, ее свойства. Математическое ожидание
и дисперсия дискретной случайной величины
11.1. Теория
Формула Бернулли
Пусть производятся n независимых испытаний, в каждом из которых

может произойти некоторое событие A (по традиции такой исход опыта на-
зывают успехом) с одной и той же вероятностью P ( A) = p или произойти про-
тивоположное событие A (такой исход называют неудачей) с вероятностью
P ( A) = q = 1 − p (такого рода схема испытаний называется схемой Бернулли).
Тогда вероятность того, что событие A наступит ровно m раз, находится по
формуле Бернулли
Pn ( m ) = C nm ⋅ p m ⋅ q n − m ,
m = 0,1,2,..., n .
Отсюда, в частности, следует, что вероятность того, что в n испытани-

ях, удовлетворяющих схеме Бернулли, событие A наступит:
а) менее m раз – равна Pn (0) + Pn (1) + ... + Pn (m − 1) ;
б) более m раз – равна Pn (m + 1) + Pn (m + 2) + ... + Pn (n) ;
в) хотя бы один раз – равна Pn ( m ≥ 1) = 1 − q n ;
г) не менее m1 раз и не более m2 раз – равна
m2
Pn (m1 ≤ m ≤ m2 ) = Pn (m1 ) + Pn (m1 + 1) + ... + Pn (m2 ) = ∑ P ( m) .
m = m1
n
Число m0 ( 0 ≤ m0 ≤ n ) называется наивероятнейшим числом наступле-

ний события A (или наиболее вероятным числом успехов) в схеме Бернулли,
если Pn (m0 ) ≥ Pn (m) для всех m = 0,1, 2, ..., n . Если вероятности p и q отличны от
нуля, то число m0 определяется из двойного неравенства
np − q ≤ m0 ≤ np + p .
Если в каждом из n независимых испытаний вероятность наступления

события A равна pi (числа pi , вообще говоря, разные), то вероятность Pn (m)
того, что в этой серии испытаний событие A наступит m раз, равна коэффи-
циенту при m -й степени (т. е. при z m ) многочлена
ϕn ( z ) = (q1 + p1 ⋅ z ) ⋅ (q2 + p2 ⋅ z ) ⋅ ... ⋅ (qn + pn ⋅ z ) .
Функция ϕn (z ) при этом называется производящей функцией.
Полиномиальное распределение
Пусть теперь каждое из n испытаний может иметь только k исходов

событий A1 , A2 , …, Ak с соответствующими вероятностями p1 , p 2 , …, pk (яс-

k
но, что ∑p
i =1
i = 1 ). Тогда вероятность того, что в этих опытах событие A1 поя-
вится m1 раз, событие A2 – m2 раз, …, событие Ak появится mk раз

( m1 + m2 + ... + mk = n )
n!
Pn ( m1 , m2 ,..., mk ) = ⋅ p1m1 ⋅ p2m 2 ⋅ ... ⋅ pkm k .
m1!⋅m2 !⋅... ⋅ mk !
Эта формула задает полиномиальное распределение вероятностей (на-

звание объясняется тем, что выражение для) Pn (m1 , m2 ,..., mk ) является общим
членом полинома ( p1 + p2 + ... + pk ) n ). Заметим, что схема Бернулли является
частным случаем полиномиального распределения при k = 2 , p 2 = 1 − p1 = q1 .
Приближенные формулы в схеме Бернулли
Непосредственное применение формулы Бернулли при большом числе

испытаний связано с громоздкими вычислениями. Поэтому при больших n
вместо нее, как правило, используют приближенные формулы Пуассона и
Муавра-Лапласа.
Везде далее речь идет о серии n независимых испытаний по схеме
Бернулли, Pn (m) означает вероятность m успехов в этой серии.
Формула Пуассона
Если число испытаний n достаточно велико, а вероятность p доста-

точно мала, причем их произведение a = np не мало и не велико (обычно дос-
таточно условий p < 0,1 ; npq < 10 ), то вероятность Pn (m) можно приближенно
найти по формуле Пуассона
a m ⋅ e−a
Pn ( m ) ≈ .
m!
Локальная формула Муавра – Лапласа
Теорема 11.1. Если число испытаний n достаточно велико, а вероятно-

сти p и q не очень близки к нулю (обычно достаточно условий n > 100 , npq > 20 ),
то вероятность Pn (m) можно приближенно найти по локальной формуле Муавра
– Лапласа
1
Pn (m) ≈ ⋅ ϕ( x) ,
npq
где

x2
m − np 1 −2
x= , ϕ( x) = e – функция Гаусса.
npq 2π
Таблица значений функции ϕ (x) приводится в приложениях.
Интегральная формула Муавра – Лапласа
Теорема 11.2. В условиях локальной формулы Муавра-Лапласа вероят-

ность Pn (m1 ≤ m ≤ m2 ) того, что число успехов m заключено между m1 и m2 ,
можно приближенно найти по интегральной формуле Муавра - Лапласа
Pn (m1 ≤ m ≤ m2 ) = Φ ( x2 ) − Φ ( x1 ) ,
где
m1 − np m2 − np
x1 = , x2 = ,
npq npq
x t2
1 −
Φ ( x) = ∫
2π 0
e 2 dt – функция Лапласа.
Таблица значений функции Φ(x) приведена в приложениях.
Дискретные случайные величины
Понятие случайной величины – одно из важнейших в теории вероятно-

стей. При этом под случайной величиной понимают величину, которая в ре-
зультате испытания принимает наперед неизвестное значение, зависящее от
многих причин, которые нельзя учесть.
Случайные величины (кратко: с.в.) обозначают большими латинскими бу-
квами X , Y , …, а принимаемые ими значения – малыми буквами x1 , x 2 , …, y1 ,
y 2 ,…
Определение 11.1. Дискретной называется случайная величина, кото-
рая принимает отдельные изолированные возможные значения с определен-
ными вероятностями.
Пусть X – случайная величина, которая принимает возможные значе-
ния x1 , x 2 , …, xn с вероятностями p1 , p2 , …, pn . Соответствие между значе-
ниями случайной величины и их вероятностями называют законом распреде-
ления случайной величины. Его обычно задают в виде таблицы:
x1 x2 … xn
p1 p2 … pn
Так как случайная величина обязательно примет одно из своих воз-

можных значений, то выполняется равенство

p1 + p2 + ... + pn = 1 .
Одним из наиболее удобных и универсальных способов задания закона

распределения является функция распределения.
Определение 11.2. Функцией распределения с.в. X называется
функция F ( x) , которая для любого числа x ∈ R равна вероятности со-
бытия { X < x} , т. е.
F ( x) = P{ X < x} .
Функция распределения F (x) обладает следующими свойствами:

1) функция распределения F ( x) является неубывающей функцией, т. е. если
x 2 > x1 , то F ( x 2 ) ≥ F ( x1 ) ;
2) значения функции распределения F (x ) заключены в промежутке [ 0;1] :
0 ≤ F ( x) ≤ 1 ;
3) вероятность того, что случайная величина X примет значение из про-

межутка [a, b) , подсчитывается по формуле
P (a ≤ X < b) = F (b) − F ( a ) .
Функция распределения дискретной случайной величины имеет вид

F ( x) = ∑p ,
xi < x
i
где суммирование ведется по всем индексам i , для которых xi < x .
Операции над дискретными случайными величинами
Определение 11.3. Суммой (соответственно, разностью или произве-

дением) дискретной с.в. X , принимающей значения xi с вероятностями
pi = P{ X = xi } , i = 1,2,..., n и дискретной с.в. Y , принимающей значения y j с ве-
роятностями q j = P{Y = y j } , j = 1,2,..., m называется дискретная с.в., прини-
мающая все значения вида xi + yi (соответственно, xi − yi или xi ⋅ yi ) с вероят-
ностями pij = pi ⋅ q j = P{ X = xi , Y = y j } . Обозначение: X + Y (соответственно,
X − Y или X ⋅ Y ).
Определение 11.4. Произведением дискретной с.в. X на число C назы-

вается дискретная с.в. CX , принимающая значения C ⋅ xi с вероятностями
pi = P{ X = xi } .
Определение 11.5. Квадратом (соответственно m − ой степенью) дис-
кретной с. в. X называется дискретная с.в., принимающая значения xi2 (соот-
ветственно, xim ) с вероятностями pi = P{ X = xi } . Обозначение: X 2 (соответст-
венно, X m ).

Определение 11.6. Дискретные с.в. X и Y называют независимыми,

если независимы события { X = xi } и {Y = y j } при любых i = 1,2,3,... , j = 1,2,... .
Числовые характеристики дискретной случайной величины
При решении многих задач по теории вероятности вовсе необязательно

знать закон распределения данной случайной величины, полностью ее описы-
вающей. Зачастую достаточно иметь под рукой лишь несколько числовых ха-
рактеристик этой случайной величины, т. е. числовых параметров, характери-
зующих наиболее важные черты ее закона распределения. Важнейшими среди
них являются характеристики положения (математическое ожидание, медиана
и т.д.) и характеристики рассеяния (дисперсия, среднеквадратическое откло-
нение и др.).
Определение 11.7. Математическим ожиданием (или средним значе-
нием) M ( X ) или ( MX ) дискретной случайной величины X называется сумма
произведений всей ее возможных значений xi на их соответствующие веро-
ятности:
M ( X ) = ∑ xi pi .
i
Если дискретная случайная величина (кратко: д.с.в.) X принимает ко-

нечное число значений x1 , x 2 ,…, xn , то ее математическое ожидание находит-
ся по формуле
n
M (X ) = ∑x p
i =1
i i .
Если же д.с.в. X принимает счетное число значений x1 , x 2 ,…, xn , то

∞
M (X ) = ∑x p
i =1
i i ;
при этом математическое ожидание существует, если ряд в правой части этой
формулы абсолютно сходится.
Свойства математического ожидания:
1. M (C ) = C , где C = const ;
2. M (CX ) = C ⋅ M ( X ) ;
3. M ( X ± Y ) = M ( X ) ± M (Y ) (правило сложения математических ожиданий);
4. M ( X ⋅ Y ) = M ( X ) ⋅ M (Y ) , если X и Y – независимые случайные величи-
ны (правило умножения математических ожиданий).
Определение 11.8. Дисперсией (рассеянием) случайной величины X на-
зывается математическое ожидание квадрата отклонения с.в. от ее ма-
тематического ожидания a :
D( X ) = M ( X − a) 2 .
Сразу из определения вытекает часто используемая формула

D( X ) = M ( X 2 ) − a 2 .
Если X – дискретная случайная величина, то ее дисперсия вычисляется по
формуле
n n
D ( X ) = ∑ ( xi − a ) 2 ⋅ pi , т. е. D ( X ) = ∑ xi2 ⋅ pi − a 2
i =1 i =1
в случае конечного числа значений, принимаемых с.в. X , и по формуле

∞ ∞
D ( X ) = ∑ ( xi − a ) 2 ⋅ pi , т. е. D ( X ) = ∑ xi2 ⋅ pi − a 2
i =1 i =1
в случае счетного числа значений.
Свойства дисперсии:
1. D (C ) = 0 , где C = const ;
2. D(CX ) = C 2 ⋅ D( X ) ;
3. D ( X ± Y ) = D ( X ) + D (Y ) если X и Y – независимые случайные величи-
ны (правило сложения дисперсий);
4. D( X + C ) = D( X ) .
Определение 11.8. Средним квадратичным отклонением случайной ве-
личины X называется число σ( X ) , определяемое равенством σ( X ) = D ( X ) .
Величина σ( X ) неотрицательна и имеет ту же размерность, что и с.в.
X.
Определение 11.9. Начальным моментом порядка k (k = 0,1,2,...)
дискретной случайной величины X называется число α k , определяемое
по формуле
αk = M ( X k ) , т. е. α k = ∑ xik ⋅ pi ,
i
Определение 11.10. Центральным моментом порядка k дискретной

с.в. X называется число μk , определяемое по формуле
μk = M ( X − a)k , т. е. μ k = ∑ ( xi − a) k ⋅ pi ,
i
Определение 11.11. Коэффициент асимметрии («скошенности»), или,

короче, асимметрия с.в. X есть величина
μ3
A= .
σ (X )
3
Определение 11.12. Коэффициент эксцесса («островершинности»),

или, проще, эксцесс с.в. X , есть величина
μ4
E= −3.
σ (X )
4
Определение 11.13. Мода дискретной с.в. X – есть ее наиболее веро-

ятное значение M 0 ( X ) .

Определение 11.14. Медиана случайной величины X (обозначение

M e ( X ) ) есть такое ее значение x p , для которого одинаково вероятно, ока-
жется ли с.в. X меньше x p или больше x p , т. е.
1
P{ X < x p } = P{ X > x p } = .
2
Определение 11.15. Квантилью уровня p случайной величины X назы-
вается число x p , удовлетворяющее уравнению
P{ X < x p } = p .
Таким образом, x p является решением уравнения F ( x p ) = p . В частности,

x0 , 5 = M e ( X ) .
Пример 11.1. Игральную кость подбрасывают 10 раз. Найти вероят-

ность того, что шестерка выпадет:
а) два раза; б) не более восьми раз; в) хотя бы один раз.
Решение. Производится 10 независимых испытаний. Каждое испытание
имеет два исхода: шестерка выпадает, шестерка не выпадает. Вероятность
1 1
выпадения шестерки в каждом испытании постоянна и равна , т. е. p = .
6 6
Таким образом, мы имеем дело со схемой Бернулли. Для нахождения иско-
мых вероятностей применим формулу Бернулли.
1 1 5
а) Здесь n = 10 , m = 2 , p = , q = 1 − = . Отсюда
6 6 6
2 10 − 2 8
⎛1⎞ ⎛5⎞ 1 ⎛5⎞
P10 (2) = C ⋅ ⎜ ⎟ ⋅ ⎜ ⎟
2
10 = 45 ⋅ ⋅ ⎜ ⎟ ≈ 0,291 .
⎝6⎠ ⎝6⎠ 36 ⎝ 6 ⎠
б) Искомая вероятность равна

P10 (0) + P10 (1) + P10 (2) + P10 (3) + P10 (4) + P10 (5) + P10 (6) + P10 (7) + P10 (8) .
Однако в этом случае проще найти вероятность противоположного со-

бытия – шестерка выпадет более 8 раз, т. е. 9 или 10 раз. Имеем:
9 1 10 0
⎛1⎞ ⎛5⎞ ⎛1⎞ ⎛5⎞ 5 1 51
P10 (9) + P10 (10) = C109 ⋅ ⎜ ⎟ ⋅ ⎜ ⎟ + C1010 ⋅ ⎜ ⎟ ⋅ ⎜ ⎟ = 10 ⋅ 10 + 1 ⋅ 10 = 10 .
⎝6⎠ ⎝6⎠ ⎝6⎠ ⎝6⎠ 6 6 6
Итак, вероятность того, что шестерка выпадет не более восьми раз,
51
равна 1 − ( P10 (9) + P10 (10)) = 1 − .
610
10
в) Искомая вероятность P10 (m ≥ 1) = 1 − ⎛⎜ ⎞⎟ . Ее можно найти и так (что,

5
⎝6⎠

конечно, гораздо сложнее): P10 (1) + P10 (2) + ... + P10 (10) или
0 10 10
⎛1⎞ ⎛5⎞ ⎛5⎞
1 − P10 (0) = 1 − C100 ⋅ ⎜ ⎟ ⋅ ⎜ ⎟ = 1 − ⎜ ⎟ .
⎝6⎠ ⎝6⎠ ⎝6⎠
Пример 11.2. Всхожесть семян данного сорта растений составляет
70 %. Найти наивероятнейшее число всхожих семян в партии из 240 семян.
Решение. Наивероятнейшее число m0 всхожих семян находим из условия
np − q ≤ m0 ≤ np + p .
Поскольку n = 240 , p = 0,7 и q = 0,3 , то 240 ⋅ 0,7 − 0,3 ≤ m0 ≤ 240 ⋅ 0,7 + 0,7 , т. е.
167,7 ≤ m0 ≤ 168,7 . Отсюда следует, что m0 = 168 .
Пример 11.3. Прибор состоит из 3 независимо работающих элементов.
Вероятности отказов элементов за время t различны и соответственно равны:
p1 = 0 ,1 , p 2 = 0, 2 , p3 = 0,3 . Найти вероятности того, что за время t откажут:
а) все элементы; б) два элемента; в) один элемент; г) ноль элементов.
Решение. Так как p1 = 0 ,1 , p 2 = 0,2 , p3 = 0,3 , то вероятности того, что
элементы не откажут, соответственно равны: q1 = 0,9 , q 2 = 0,8 , q3 = 0,7 . Соста-
вим производящую функцию:
ϕ( z ) = (0,9 + 0,1z )(0,8 + 0,2 z )(0,7 + 0,3z ) = 0,006 z 3 + 0,092 z 2 + 0,398z + 0,504 .
Отсюда следует, что:
а) P3 (3) = 0,006 ;
б) P3 (2) = 0,092 ;
в) P3 (1) = 0,398 ;
г) P3 (0) = 0,504 .
Пример 11.4. Вероятность «сбоя» в работе телефонной станции при каж-
дом вызове равна 0,007 . Поступило 1000 вызовов. Определить вероятность
9 «сбоев».
Решение. По условию n = 1000 , m = 9 , p = 0,007 . Поскольку n – доста-
точно велико, p – мало ( npq < 7 ), то для вычисления P1000 (9) можно использо-
вать формулу Пуассона. Имеем a = [np ] = 1000 ⋅ 0,007 = 7 , откуда
7 9 ⋅ e −7
P1000 (9) ≈ ≈ 0,1014 .
9!
Пример 11.5. Завод-изготовитель отправил на базу 12 000 доброкаче-
ственных изделий. Число изделий поврежденных при транспортировке, со-
ставляет в среднем 0,05 %. Найти вероятность того, что на базу поступит:
а) не более 3 поврежденных изделий;
б) хотя бы 2 поврежденных.
Решение. Для нахождения искомых вероятностей применим формулу
Пуассона. Имеем n = 12000 , p = 0,0005 , a = 12000 ⋅ 0,0005 = 6 .
а) В этом случае имеем
P12000 (0 ≤ m ≤ 3) = P12000 (0) + P12000 (1) + P12000 (2) + P12000 (3) ≈

6 0 ⋅ e −6 61 ⋅ e −6 6 2 ⋅ e −6 63 ⋅ e −6
≈ + + + = e − 6 (1 + 6 + 18 + 36 ) = 0,151 .
0! 1! 2! 3!
б) Искомая вероятность P12000 (m ≥ 2) = P12000 (2) + P12000 (3) + ... + P12000 (12000) вы-
числяется довольно громоздко, поэтому найдем вероятность противополож-
ного события: поступило менее 2 поврежденных деталей:
P12000 (0 ≤ m ≤ 1) = P12000 ( 0) + P12000 (1) ≈ e −6 + 6e −6 ≈ 0,0174 .
Следовательно, P12000 (m ≥ 2) = 1 − 0,0174 .

Пример 11.6. Вероятность того, что при автоматической штамповке
изделий отдельное взятое изделие окажется бракованным (т. е. с отклонени-
ем от стандарта), постоянна и равна 0,05. Какова вероятность того, что в пар-
тии из 1000 изделий встретится ровно 40 бракованных?
Решение. По условию задачи n = 1000 , m = 40 , p = 0,05 , q = 0,95 . Теорети-
чески можно использовать формулу Бернулли, тогда
P1000 ( 40 ) = C1000
40
⋅ (0,05) 40 ⋅ ( 0,95) 960 .
Однако полученное выражение слишком громоздко, поэтому удобнее

применить локальную формулу Муавра – Лапласа
( npq = 1000 ⋅ 0,05 ⋅ 0,95 = 47,5 > 20 ). Так как
npq = 47 ,5 ≈ 6,892 , m − np = 40 − 1000 ⋅ 0,05 = 40 − 50 = −10 ,
то
m − np − 10 ϕ ( x) = ϕ ( −1,45) = ϕ (1,45) ≈ 0,1394
x= = ≈ −1,45 ,
npq 6,892
(значение функции ϕ (x) находим по таблице). Следовательно,

1 0,1394
P1000 (40) ≈ ⋅ ϕ( x) = = 0,02 .
npq 6,892
Пример 11.7. Используя условие задачи 11.17, выяснить, сколько не-

бракованных изделий следует ожидать с вероятностью 0,042.
Решение. Имеем n = 1000 , p = 0,95 (вероятность стандартного изделия),
q = 0,05 ; требуется найти m . Снова используем локальную формулу Муавра –
Лапласа. Так как npq = 1000 ⋅ 0,95 ⋅ 0,05 ≈ 6,892 , то
1
P1000 ( m ) ≈ ⋅ ϕ( x ) = 0,042 .
6,892
Отсюда находим ϕ( x) = 6,892 ⋅ 0,042 ≈ 0,289 .

По таблице значений функции ϕ (x) находим x ≈ ±0,80 . Учитывая, что
m − np m − 1000 ⋅ 0,95 m − 950 m − 950
x= = = , получаем = ±0,80 . Отсюда
npq 6,892 6,892 6,892
m = 950 ± 5,51 , т. е. m = 955 или m = 945 ( m – целое число, поэтому округляем).
Пример 11.8. Вероятность попадания в цель из скорострельного ору-

дия при отдельном выстреле равна 0,75. Найти вероятность того, что при 300
выстрелах число попаданий будет не менее 210, но не более 230 раз.
Решение. По условию n = 300 , p = 0,75 , q = 0,25 , m1 = 210 , m 2 = 230 . Для
нахождения вероятности P300 (210 ≤ m ≤ 230) воспользуемся интегральной фор-
мулой Муавра–Лапласа.
Имеем np = 300 ⋅ 0,75 = 225 , npq = 300 ⋅ 0,75 ⋅ 0,25 = 7,5 . Тогда
m − np 210 − 225 m − np 230 − 225
x1 = 1 = = − 2 , x2 = 2 = = 0,67 . Следовательно,
npq 7,5 npq 7,5
P300 (210 ≤ m ≤ 230) = Φ( x2 ) − Φ( x1 ) = Φ(0,67) − Φ(−2) =
= Φ (0,67) + Φ (2) = 0,2486 + 0,4772 = 0,7258 .

Пример 11.9. Сколько раз надо подбросить симметричную монету,
m 1
чтобы с вероятностью 0,90 частота появления герба отличалась от (ве-
n 2
роятности выпадения герба) не более чем на 0,01?
Решение. Пусть произведено n испытаний (бросаний монеты). Тогда,
согласно условию задачи число m выпадений герба должно удовлетворять
m 1 m 1
неравенству − ≤ 0,01 . Отсюда следует, что − 0,01 ≤ − ≤ 0,01 , т. е.
n 2 n 2
m
0,49 ≤ ≤ 0,51 , и, значит, 0,49n ≤ m ≤ 0,51n .
n
Воспользуемся интегральной формулой Муавра – Лапласа. Имеем
p = 0,5 , q = 0,5 , m1 = 0 , 49 n , m 2 = 0 ,51 n , np = 0,5n . Тогда, по условию задачи
Pn (0,49n ≤ m ≤ 0,51n) = 0,90 , т. е.
⎛ ⎞ ⎛ ⎞
⎜ ⎟ ⎜ ⎟
⎜ 0,51n − 0,5n ⎟ ⎜ 0,49n − 0,5n ⎟
Φ _Φ = 0,90 ,
⎜ 1 1 ⎟ ⎜ 1 1 ⎟
⎜ n⋅ ⋅ ⎟ ⎜ n⋅ ⋅ ⎟
⎝ 2 2 ⎠ ⎝ 2 2 ⎠
отсюда Φ (0,02 n ) + Φ (0,02 n ) = 0,90 , или Φ (0,02 n ) = 0,45 . Используя таблицу
значений функции Лапласа, получаем 0,02 n ≈ 1,65 . Отсюда следует, что
n = 82 ,5 ,
т. е. n = 6807 .
Таким образом, нужно подбросить монету около 7000 раз.
Замечание. Задачу можно было решить проще, используя формулу
«вероятности отклонения относительной частоты от постоянной вероятности
в n независимых испытаниях не более чем на число ε > 0 »
⎛m ⎞ ⎛ n ⎞
Pn ⎜⎜ − p < ε ⎟⎟ = 2Φ⎜⎜ ε ⎟.
⎟
⎝ n ⎠ ⎝ pq ⎠

Тогда
⎛ ⎞
⎜ ⎟
n ⎟ = 0,90 ,
2Φ⎜ 0,01 ⋅
⎜ 1 1 ⎟
⎜ ⋅ ⎟
⎝ 2 2 ⎠
отсюда Φ (0,02 n ) = 0,45 , т. е. 0,02 n ≈ 1,65 и, следовательно, n ≈ 7000 .
Пример 11.10. В урне 4 белых и 3 черных шара. Из нее последователь-
но вынимают шары до первого появления белого шара. Построить ряд и по-
лигон распределения д.с.в. X – числа извлеченных шаров.
Решение. Возможными значениями с. в. X являются числа x1 = 1 , x2 = 2 ,
x3 = 3 , x4 = 4 . Значение x3 = 3 , например, означает, что первый и второй шары
были черными, а третий – белый.
Соответствующие вероятности p1 , p 2 , p3 , p 4 найдем, воспользовав-
шись правилом умножения вероятностей:
4
p1 = P{ X = 1} = P {1-й шар белый} = ,
7
3 4 2
p 2 = P{ X = 2} = P {1-й шар черный, 2-й шар белый} = ⋅ = ,
7 6 7
3 2 4 4
p3 = P{ X = 3} = ⋅ ⋅ = ,
7 6 5 35
3 2 1 4 1
p4 = P{ X = 4} = ⋅ ⋅ ⋅ = .
7 6 5 4 35
Таким образом, ряд распределения с.в. X имеет вид

xi 1 2 3 4
4 2 4 1
pi
7 7 35 35
4
4 2 4 1
Контроль: ∑p
i =1
i = + + +
7 7 35 35
= 1.
Пример 11.11. В урне 4 белых и 3 черных шара. Из нее наудачу извле-

кают 3 шара. Найти:
а) ряд и полигон распределения д.с.в. Y – числа извлеченных
белых шаров
б) вероятность события A = {извлечено не менее 2 белых шаров}.
Решение.
а) Случайная величина Y может принять следующие значения: y0 = 0 ,
y1 = 1 , y2 = 2 , y3 = 3 . Соответствующие вероятности p0 , p1 , p 2 , p3 найдем, ис-
ходя из классического определения вероятности:

C33 1 C32 ⋅ C41 12

p0 = P{Y = 0} = 3 = , p1 = P{Y = 1} = = ,
C7 35 C73 35
C31 ⋅ C42 18 C30 ⋅ C43 4

p2 = P{Y = 2} = = , p3 = P{Y = 3} = = .
C73 35 C73 35
Отсюда ряд распределения с. в. Y имеет вид
yi 0 1 2 3
pi 1 12 18 4
35 35 35 35
3
1 12 18 4
i =0
i = + + +
35 35 35 35
= 1.
б) Найдем искомую вероятность, используя ряд распределения с. в. Y :

18 4 22
P ( A) = P{Y ≥ 2} = P{Y = 2} + P{Y = 3} = + = .
35 35 35
Пример 11.12. Дискретная с. в. Х задана рядом распределения
xi -2 1 2 3
pi 0,08 0,40 0,32 0,2
Найти:
а) функцию распределения F (x) ;
б) вероятности событий A = {X < 2} , B = {1 ≤ X < 3} , C = {1 < X ≤ 3} ;
в) построить график функции F (x) .
Решение.
а) По определению функции распределения находим:
если x ≤ −2 , то F ( x) = P{X < x} = 0 ;
если − 2 < x ≤ 1 , то F ( x) = P{ X < x} = P{ X = −2} = 0,08 ;
если 1 < x ≤ 2 , то F ( x) = P{X = −2} + P{X = 1} = 0,08 + 0,40 = 0,48 ;
если 2 < x ≤ 3 , то F ( x) = P{ X = −2} + P{ X = 1} + P{ X = 2} = 0,08 + 0,40 + 0,32 = 0,80 ;
если 3< x, то
F ( x) = P{ X = −2} + P{ X = 1} + P{ X = 2} + P{ X = 3} = 0,08 + 0,40 + 0,32 + 0,2 = 1.
⎧ 0, если x ≤ −2,
⎪ 0,08 если − 2 < x ≤ 1,
⎪
Итак, F ( x ) = ⎪⎨0,48, если 1 < x ≤ 2,
⎪ 0,80 если 2 < x ≤ 3,
⎪
⎪⎩ 1, если 3 < x.
б) Сначала найдем искомые вероятности непосредственно:

P( A) = P{X < 2} = P{X = −2} + P{X = 1} = 0,08 + 0,40 = 0,48 ;
P( B) = P{1 ≤ X < 3} = 0,40 + 0,32 = 0,72

P(C ) = P{1 < X ≤ 3} = 0,32 + 0,2 = 0,52 .

Эти же вероятности можно найти, используя формулы
F ( x) = P{X < x} и P(a ≤ X < b) = F (b) − F (a) .
Тогда
P( A) = P{ X < 2} = F (2) = 0,48 ;
P( B) = P{1 ≤ X < 3} = F (3) − F (1) = 0,80 − 0,08 = 0,72 ;
P(C ) = P{1 < X ≤ 3} = P{1 ≤ X < 3} − P( X = 1) + P( X = 3) = 0,72 − 0,40 + 0,2 = 0,52 .
Пример 11.13. Найти функцию распределения с.в. X , закон распреде-
ления которой получен при решении задачи 7.1.
Решение. Найдем F (x) , используя формулу F ( x) = ∑ pi (что быстрее
xi < x
приводит к цели, чем использование определения F (x) ). Тогда

⎧0, x ≤ 1,
⎪4
⎪7 , 1 < x ≤ 2,
⎪4 2 6
⎪ + = , 2 < x ≤ 3,
F ( x) = ⎨ 7 7 7
⎪ 4 2 4 34
⎪ 7 + 7 + 35 = 35 , 3 < x ≤ 4,
⎪4 2 4 1
⎪ + + + = 1, 4 < x.
⎩ 7 7 35 35
Пример 11.14. Задано распределение д.с.в. X
xi -2 -1 1 2 3
pi 0,20 0,25 0,30 0,15 0,10
Построить ряд распределения случайных величин: а) Y = 2 X ; б)

Z =X . 2
Решение.
а) Возможные значения с.в. Y таковы:
y1 = 2 ⋅ (−2) = −4 , y2 = 2 ⋅ ( −1) = −2 , y3 = 2 ⋅1 = 2 , y4 = 2 ⋅ 2 = 4 , y5 = 2 ⋅ 3 = 6 . Веро-
ятности этих значений равны вероятностям соответствующих значений с.в.
X (например, P{Y = −4} = P{ X = −2} = 0,20 и т.д.). Таким образом,
yi -4 -2 2 4 6
pi 0,20 0,25 0,30 0,15 0,10
б) Значения с.в. Z таковы: z1 = (−2)2 = 4 , z1 = (−1)2 = 1 , z3 = 12 = 1 , z4 = 22 = 4 ,

z5 = 32 = 9 . При этом
P{Z = 4} = P{X 2 = 4} = P{X = −2} + P{X = 2} = 0,20 + 0,15 = 0,35

и т. д. Поэтому ряд распределения с.в. Z имеет вид
zi 1 4 9
pi 0,55 0,35 0,10
Пример 11.15. Даны законы распределения двух независимых случай-

ных величин X и Y :
xi 1 2 3 -2 -1
yi
pi 0,3 0,5 0,2 0,4 0,6
pi
Найти закон распределения случайных величин а) Z = X +Y ,
б) W = X ⋅ Y .
Решение.
а) Найдем возможные значения zij = xi + y j :
z11 = x1 + y1 = 1 + ( −2) = −1 , z12 = x1 + y2 = 1 + ( −1) = 0 , z 21 = x2 + y1 = 2 + ( −2) = 0 ,
z 22 = x2 + y2 = 2 + ( −1) = 1 , z31 = x3 + y1 = 3 + (−2) = 1, z32 = x3 + y2 = 3 + (−1) = 2 ,

т. е. случайная величина Z принимает значения z1 = −1 , z2 = 0 , z3 = 1 ,
z4 = 2 . Находим вероятности этих значений:
p1 = P{Z = −1} = P{ X = 1, Y = −2} = P{ X = 1} ⋅ P{Y = −2} = 0,3 ⋅ 0,4 = 0,12 ;
p2 = P{Z = 0} = P{ X = 1, Y = −1} + P{ X = 2, Y = −2} = 0,3 ⋅ 0,6 + 0,5 ⋅ 0,4 = 0,38 ;
p3 = P{Z = 1} = P{X = 2, Y = −1} + P{X = 3, Y = −2} = 0,5 ⋅ 0,6 + 0,2 ⋅ 0,4 = 0,38 ;
p4 = P{Z = 2} = P{ X = 3, Y = −1} = 0,2 ⋅ 0,6 = 0,12 .
Напомним, что запись вида P{X = 3,Y = −1} означает вероятность насту-
пления двух независимых событий { X = 3} и {Y = −1} , т. е.
P{X = 3, Y = −1} = P{{X = 3} ⋅ {Y = −1}} = P{ X = 3} ⋅ P{Y = −1} .
При нахождении вероятности p3 = P{Z = 1} и p2 = P{Z = 0} мы воспользо-

вались правилом сложения несовместных событий.
В итоге получаем закон распределения с.в. Z = X + Y :
zi -1 0 1 2
pi 0,12 0,38 0,38 0,12
4
Контроль: ∑p i =1
i = 0,12 + 0,38 + 0,12 + 0,38 = 1 .
б) Аналогично находим (проверьте!) ряд распределения с.в. W = X ⋅ Y :

wi -6 -4 -3 -2 -1
pi 0,08 0,20 0,12 0,42 0,18
5
i =1
i = 0,08 + 0,20 + 0,12 + 0,42 + 0,18 = 1 .
Пример 11.16. Закон распределения д.с.в. X :
xi -2 -1 0 1 2 3
pi 0,1 0,2 0,25 0,15 0,1 0,2
Найти математические ожидания и дисперсии случайных величин

X , − 2X , X 2 .
Решение. Сначала найдем математическое ожидание данных величин.

n
Используя формулу M ( X ) = ∑ xi pi , находим
i =1
6
M (X ) = ∑x p
i =1
i i = −2 ⋅ 0,1 + ( −1) ⋅ 0,2 + 0 ⋅ 0,25 + 1 ⋅ 0,15 + 2 ⋅ 0,1 + 3 ⋅ 0,2 = 0,55 .
Для нахождения M (−2 X ) воспользуемся свойством математического

ожидания: M (CX ) = C ⋅ M ( X ) . Имеем M (−2 X ) = −2 ⋅ M ( X ) = −2 ⋅ 0,55 = −1,1 .
Закон распределения с.в. X 2 запишем в виде таблицы распределения:
x i2 0 1 4 9
pi 0,25 0,35 0,2 0,2
Тогда M ( X 2 ) = 0 ⋅ 0,25 + 1⋅ 0,35 + 4 ⋅ 0,2 + 9 ⋅ 0,2 = 2,95 .
Найдем дисперсии указанных случайных величин. Непосредственно по

определению имеем
6
D ( X ) = ∑ ( xi − M ( X )) 2 ⋅ pi =
i =1
(−2 − 0,55)2 ⋅ 0,1 + (−1 − 0,55)2 ⋅ 0,2 + (0 − 0,55)2 ⋅ 0,25 + (1 − 0,55)2 ⋅ 0,15 +
(1 − 0,55)2 ⋅ 0,15 + (2 − 0,55)2 ⋅ 0,1 + (3 − 0,55)2 ⋅ 0,22 = 2,6475 .
Эту же величину можно найти проще, используя формулу
D( X ) = M ( X 2 ) − (M ( X ))2 .
Действительно, M ( X 2 ) = 2,95 , (M ( X ))2 = 0,552 = 0,3025 . Следовательно,

D( X ) = 2,95 − 0,3025 = 2,6475 .

Далее
D(−2 X ) = (−2)2 D( X ) = 4 ⋅ 2,6475 = 10,59 .
D( X 2 ) = (0 − 2,95)2 ⋅ 0,25 + (1 − 2,95)2 ⋅ 0,35 + (4 − 2,95)2 ⋅ 0,2 + (9 − 2,95)2 ⋅ 0,2 = 11,0475 .
Поскольку ряд дискретной с.в. X 4 имеет вид
xi4 0 1 16 81
pi 0,25 0,35 0,2 0,2
то D( X 2 ) можно найти проще:

D( X 2 ) = M ( X 4 ) − (M ( X 2 ))2 = 02 ⋅ 0,25 + 12 ⋅ 0,35 + 42 ⋅ 0,2 + 92 ⋅ 0,2 − (2,95)2 =
= 19,75 − 8,7025 = 11,0475 .
Пример 11.17. Брошены 10 игральных костей. Найти M (X ) , D(X ) и
σ (X ) , где с.в. X – сумма очков, выпавших на всех игральных костях.
Решение. Обозначим через X i (i = 1, 2, ...,10) число очков, выпавшей на i -
й кости. Тогда X = X1 + X 2 + ... + X10 . Случайные величины X 1 , X 2 , …, X10 име-
ют одинаковые законы распределения, поэтому M ( X1 ) = M ( X 2 ) = ... = M ( X10 ) и
D( X1 ) = D( X 2 ) = ... = D( X10 ) . И так как с.в. X i (i = 1, 2, ...,10) независимы, то
M ( X ) = M ( X1 + X 2 + ... + X10 ) = M ( X1 ) + M ( X 2 ) + ... + M ( X10 ) = 10 ⋅ M ( X1 ) ,
D( X ) = D( X1 + X 2 + ... + X10 ) = D( X1 ) + D( X 2 ) + ... + D( X10 ) = 10 ⋅ D( X1 ) .
Закон распределения с.в. X 1 имеет вид

x1,i 1 2 3 4 5 6
pi 1 1 1 1 1 1
6 6 6 6 6 6
Поэтому, учитывая, что
n
D ( X ) = M ( X ) 2 − ( M ( X )) 2 = ∑ xi2 ⋅ pi − ( M ( X )) 2 ,
i =1
имеем
1 1 1 1 1 1 7
M ( X1) = 1⋅ + 2⋅ + 3⋅ + 4⋅ + 5⋅ + 6⋅ = ,
6 6 6 6 6 6 2
2
1 1 1 1 1 1 ⎛ 7 ⎞ 91 49 35
D( X 1 ) = 1 ⋅ + 22 ⋅ + 32 ⋅ + 42 ⋅ + 52 ⋅ + 62 ⋅ − ⎜ ⎟ = −
2
= .
6 6 6 6 6 6 ⎝2⎠ 6 4 12
Стало быть,

7
M ( X ) = 10 ⋅ M ( X 1 ) = 10 ⋅ = 35 ,
2
35 175 1
D ( X ) = 10 ⋅ D ( X 1 ) = 10 ⋅ = = 29 ,
12 6 6
175
σ( X ) = D( X ) = ≈ 5,4 .
6
Пример 11.18. Случайные величины X и Y независимы, причем
D( X ) = 2 и D(Y ) = 6 . Найти D(Z ) , если Z = 12 ⋅ X − 3 ⋅ Y + 2 .
Решение. На основании свойств дисперсии (1 – 4) получаем
D(Z ) = D(12 ⋅ X − 3 ⋅ Y + 2) = 144 ⋅ D( X ) + 9 ⋅ D(Y ) = 144 ⋅ 2 + 9 ⋅ 6 = 342 .
Пример 11.19. Математическое ожидание и дисперсия с.в. X соответ-
7 35
ственно равны и . Найти математическое ожидание и дисперсию
2 12
с.в. 4 X − 1 .
Решение. Согласно свойствам математического ожидания и дис-
персии получаем
7
M ( 4 X − 1) = M ( 4 X ) + M ( −1) = 4 ⋅ M ( X ) − 1 = 4 ⋅ − 1 = 13 ;
2
35 140
D ( 4 X − 1) = D ( 4 X ) + D (−1) = 16 ⋅ D ( X ) = 16 ⋅ = .
12 3
11.1. По мишени произведено 3 выстрела. Вероятность попадания при

каждом выстреле равна 0,7. Найти вероятность n попаданий в мишень, где
n = 0,1, 2,3 .
11.2. Тест содержит 10 вопросов, на которые следует отвечать, исполь-
зуя одно из двух слов: да, нет. Какова вероятность получения не менее 80%
правильных ответов, если использовать «метод угадывания»?
11.3. Пусть вероятность того, что студент опоздает на лекцию, равна
0,08. Найти наиболее вероятное число опоздавших из 96 студентов.
11.4. В ящике находится 70 % стандартных и 30 % нестандартных де-
талей. Найти вероятность того, что из 5 взятых наудачу деталей не более од-
ной окажется нестандартными.
11.5. Корабль выходит из строя, если получит не менее 5 попада-
ний в надводную часть или 2 попадания в подводную часть. Найти ве-
роятность выхода из строя корабля при 5 попаданиях, если вероятности
попадания в надводную и подводную части при попадании в корабль
относятся как семь к трем.
11.6. В семье 6 детей. Найти вероятность того, что в данной семье не
менее двух мальчиков, но не более четырех. Считать вероятности рождения
мальчика и девочки равными 0,5.

11.7. В помещении 6 электролампочек. Вероятность того, что каждая

лампочка останется исправной в течение года, равна 0,7. Найти:
а) вероятность того, что в течение года придется заменить 2 лампочки;
б) наивероятнейшее число лампочек, которые будут работать в тече-
ние года.
11.8. Вероятность выхода из строя одного элемента устройства в тече-
ние t часов работы, равна 0,002. Какова вероятность того, что за время t из
1 500 независимо работающих элементов выйдет из строя:
а) 4 элемента; б) не более 2 элементов?
11.9. Вероятность допустить ошибку при наборе некоторого текста, со-

стоящего из 1 200 знаков, равна 0,005. Найти вероятность того, что при набо-
ре будет допущено:
а) 6 ошибок; б) хотя бы одна ошибка.
11.10. Какова вероятность того, что среди 730 пассажиров поезда:
а) четверо родились 23 февраля; б) двое родились 1 марта; в) ни кто не
родился 22 июня?
Считать, что в году 365 дней.
11.11. Некачественные изделия составляют 2 % всей продукции цеха.
Какова вероятность того, что среди 200 наудачу взятых изделий окажется:
а) не более 5 некачественных изделий;
б) два или три некачественных изделия.
11.12. Вероятность отказа каждого прибора при испытании равна 0,2.
Приборы испытываются независимо друг от друга. Что вероятнее: отказ 10
приборов при испытании 80 или отказ 15 приборов при испытании 120?
11.13. Монета подбрасывается 2020 раз. Какова вероятность того, что
герб выпадет 1000 раз?
11.14. Всхожесть семян данного сорта растений составляет 70 %. Найти
вероятность того, что из 700 посаженных семян будет 500 проросших.
11.15. В городе N из каждых 100 семей 85 имеют цветные телевизоры.
Какова вероятность того, что из 400 семей 340 имеют такие телевизоры?
11.16. Вероятность наступления некоторого события в каждом из 100
независимых испытаний равна 0,7. Найти вероятность того, что число m на-
ступлений события удовлетворяет следующим неравенствам:
а) 83 ≤ m ≤ 93 ; б) m ≥ 70 .
11.17. Какова вероятность того, что из 2 450 ламп, освещающих улицу,
к концу года будет гореть от 1 500 до 1 600 ламп? Считать, что каждая лампа
будет гореть в течение года с вероятностью 0,64.
11.18. Замечено, что в среднем 80 % посаженных семян всхожи. Сколь-
ко нужно посадить семян, чтобы с вероятностью 0,90 можно было бы ожи-
дать, что не менее 100 посаженных семян взойдут?
11.19. Используя условие задачи 11.14, найти вероятность того, что
число проросших семян будет лежать в промежутке [450; 520].
11.20. Монета подбрасывается 5 раз. Построить полигон распределения
д.с.в. Z – числа выпадений герба.

11.21. Три стрелка, ведущие огонь по цели, сделали по одному выстре-

лу. Вероятность их попадания в цель соответственно равна 0,5, 0,6, 0,8.
Построить ряд распределения с.в. X – числа попаданий в цель.
11.22. Вероятность того, что автомат при опускании одной монеты сра-
батывает правильно, равна 0,98. Построить ряд распределения с.в. – числа
опусканий монет в автомат до первого правильного срабатывания автомата.
Найти вероятность того, что будет опущено 5 монет. Решить ту же задачу
при условии, что в наличии всего 3 монеты.
11.23. Построить ряд распределения числа попаданий в ворота при
двух одиннадцатиметровых ударах, если вероятность попадания при одном
ударе равна 0,7.
11.24. В команде 16 спортсменов, из которых 6 перворазрядников.
Наудачу выбирают двух спортсменов. Построить ряд распределения и функ-
цию распределения числа перворазрядников среди выбранных.
11.25. Задана функция распределения с.в. X . Найти ряд распределения,
а также вероятности P{ X = 1} , P{1 < x ≤ 8} .
⎧0, при x ≤ 1,
⎪0,2, при 1 < x ≤ 3,
⎧0, при x ≤ 0, ⎪
а) F ( x) = ⎪⎨0,3, при 0 < x ≤ 1, б) F ( x) = ⎪⎨0,35, при 3 < x ≤ 6,
⎪1, при 1 < x; ⎪0,8, при 6 < x ≤ 8,
⎩ ⎪
⎪⎩1, при 8 < x.
11.26. Дискретная с.в. X задана рядом распределения
xi 1,1 1,4 1,7 2,0 2,3
pi 0,1 0,2 0,3 0,3 0,1
Построить многоугольник распределения, график функции распреде-

ления, найти вероятности P{X > 1,4}, P{1,4 ≤ x ≤ 2,3} .
11.27. Подбрасывают две монеты. Найти функцию распределения с.в.
X числа выпадений герба.
11.28. Задано распределение д. с. в. X
xi -3 -1 0 1 3 5
pi 0,05 0,20 0,25 0,30 0,15 0,05
Найти распределение с.в.: а) Y =| X | ; б) Z = X 3 + 1 .

11.29. Дискретная с.в. X имеет ряд распределения
π π 3π 5π 3π
xi 0 π
4 2 4 4 2

1 1 3 1 3 1 1
pi 16 8 16 4 16 8 16
Построить:
π
а) ряд распределения с.в. Y = sin ⎛⎜ X − ⎞⎟ ;
⎝ 4⎠
б) график функции распределения с.в. Y .
11.30. Построить ряд распределения для с.в. Z = X + Y и W = X ⋅ Y , если
X и Y – независимые с.в., заданные рядами распределения
xi 0 1 yi 2 3
pi 0,3 0,7 pi 0,4 0,6
Найти условную вероятность события {Z < 4} при условии, что {Z > 2} .

11.31. Распределение д.с.в. X задано формулой P{X = k} = C ⋅ k , где
k = 2, 3, 4, 5, 6 . Найти: а) значение C ; б) P{| X − 4 |< 1} .
11.32. Закон распределения д.с.в. X задан таблицей распределения:
xi 1 2 3 4
pi 1 1 1
C
8 4 3
Найти C , M (X ) , D(X ) , σ (X ) , P{X < 3} .

11.33. Функция распределения д.с. в. X имеет вид
⎧0, при x ≤ 0,
⎪0,2, при 0 < x ≤ 1,
⎪⎪
F ( x) = ⎨0,6, при 1 < x ≤ 2,
⎪0,9, при 2 < x ≤ 3,
⎪
⎪⎩1, при 3 < x.
Найти M (X ) , M ( X 2 ) , D(X ) , σ (X ) .
11.34. Независимо испытываются на надежность 3 прибора. Вероятно-
сти выхода из строя каждого прибора одинаковы и равны 0,6. Найти M (X ) и
σ(X ) , где с.в. X – число вышедших из строя приборов.
11.35. Найти математическое ожидание суммы числа очков, которые
выпадают при бросании двух игральных костей.
11.36. Независимые случайные величины X и Y заданы таблицами
распределения вероятностей

10 20 yi 30 40 50
xi
0,2 0,8 pi 0,5 0,3 0,2
pi
Найти D( X + Y ) двумя способами: 1) составив предварительно таблицу

распределения с.в. Z = X + Y ; 2) используя правило сложения дисперсий.
1 n
11.37. Найти M (X ) и σ(X ) для случайной величины X = ∑ Xi ,
n i =1
где X i (i = 1, 2,..., n) – независимые дискретные случайные величины, имею-
щие одно и то же математическое ожидание a и одну и ту же дисперсию σ 2 .
11.38. Вероятность появления события A в каждом независимом испы-
тании одинакова и равна p . Найти эту вероятность, если для д.с.в. X = {число
появлений события А в 5 испытаниях} дисперсия D(X ) = 1,25
11.39. Вероятность того, что студент сдаст экзамен на «5», равна 0,2, на
«4» – 0,4. Определить вероятности получения им оценок «3» и «2», если извест-
но, что M ( X ) = 3,7 , где д. с.в. X – оценка, полученная студентом на экзамене.
11.40. Дан ряд распределения с.в. X :
xi 1 2 3 4
pi 0,1 0,2 0,3 0,4
Найти начальные и центральные моменты первых четырех порядков.
11.5. Ответы
11.1. 0,027 ; 0,189 ; 0,441 ; 0,343 . 11.2. ≈ 0,055 . 11.3. 7 . 11.4. ≈ 0,528 .
25
11.5. ≈ 0,64 . 11.6. . 11.7. а) ≈ 0,324 ; б) 4 . 11.8. а) ≈ 0,168 ; б) ≈ 0,199
32
( e ≈ 0,0498). 11.9. а) ≈ 0,162 ; б) ≈ 0,998 ( e−6 ≈ 0,00025). 11.10. а) ≈ 0,09 ;
−3
б) ≈ 0,270 ; в) e−2 ≈ 0,135. 11.11. а) ≈ 0,784 ; б) ≈ 0,342 ( e−4 ≈ 0,0183). 11.12. 10

из 80 . 11.13. ≈ 0,016 . 11.14. ≈ 0,023 . 11.15. ≈ 0,056 . 11.16. а) ≈ 0,002 ; б)
≈ 0,5 . 11.17. ≈ 0,91. 11.18. 133 . 11.19. ≈ 0,993 .
zi 0 1 2 3 4 5
11.20.
pi 1 5 10 10 5 1
32 32 32 32 32 32
xi 0 1 2 3
11.21.
pi 0,04 0,26 0,46 0,24
xi 1 2 3 …

11.22. pi 0,98 0,02 ⋅ 0,9

1
0,02 ⋅ 0.9
2 …
8 8
1,57 ×10 − 7 ;
xi 1 2 3
pi 0,98 0,01 0,00

96 04
xi 0 1 2
11.23.
pi 0,0 0,4 0,4
9 2 9
xi 0 1 2
11.24.
pi 3 4 1
8 8 8
11.25.
а) 0 1
xi
pi 0,3 0,7
0,7 и 0;
б) xi 1 3 6 8
pi 0,2 0,15 0,45 0,2
0,2 и 0,8.
⎧0, при x ≤ 1,1,
⎪0,1, при 1,1 < x ≤ 1,4,
⎪
⎪⎪0,3, при 1,4 < x ≤ 1,7,
11.26. F ( x) = ⎨ 0,7 и 0,9.
⎪0,6, при 1,7 < x ≤ 2,0,
⎪0,9, при 2,0 < x ≤ 2,3,
⎪
⎪⎩1, при 2,3 < x.
⎧0, при x ≤ 0,
⎪0,25, при 0 < x ≤ 1,
11.27. F ( x) = ⎪⎨
⎪0,75, при 1 < x ≤ 2,
⎪⎩1, при 2 < x.
yi 0 1 3 5
11.28.
pi 0,25 0,50 0,20 0,05
2 0 2 1
yi −
11.29. а) 2 2
1 1 3 1
pi 8 4 8 4

⎧ 2
⎪0, при y ≤ − ,
⎪ 2
⎪1 2
⎪ , при − < y ≤ 0,
⎪8 2
⎪3 2
б) F ( y) = ⎨ , при 0 < y ≤ ,
⎪8 2
⎪3 2
⎪ , при < y ≤ 1,
⎪4 2
⎪1, при 1 < y.
⎪
⎩
zi 2 3 4
11.30.
pi 0,12 0,46 0,42
wi 0 2 3
pi 0,30 0,28 0,42
23
P{ Z > 2}{Z < 4} = .
44
7 67 575 5 23
11.31. а) C = 0,05 , б) 0,2 . 11.32. C = , М ( X ) = , D( X ) = , σ( X ) = ,
24 24 576 24
3
P{ X < 3} = . 11.33. M ( X ) = 1,3 , M ( X ) = 2,5 ,
2
D( X ) = 0,81 , σ( X ) = 0,9 .
8
11.34. M ( X ) = 1,8 , σ( X ) = 0,6 2 . 11.35. 7 . 11.36. 77 . 11.37. M ( X ) = a ,
σ
σ( X ) = . 11.38. 0,5 . 11.39. P{X = 3} = 0,3 , P{ X = 2} = 0,1 . 11.40. α1 = 3 ;
n
α 2 = 10 ; α3 = 35,4 ; α 4 = 130 ; μ1 = 0 ; μ2 = 1 ; μ3 = 0,6 ; μ 4 = 2,2 .
12. Непрерывные случайные величины.

Функция распределения, плотность распределения,
их взаимосвязь и свойства. Математическое ожидание и дисперсия
непрерывной случайной величины
12.1. Теория
Определение 12.1. Случайная величина X называется непрерывной,

если ее функция распределения F (x) непрерывна на всей числовой оси.
В отличие от дискретных случайных величин вероятность отдельного
значения для непрерывной случайной величины равна нулю: P{ X = c} = 0 ,

12. Непрерывные случайные величины. Функция распределения, плотность распределения, их взаимосвязь и свойства.
∀c ∈ R . Поэтому для н.с.в. X имеем:

P{a ≤ X < b} = P{a < X < b} = P{a < X ≤ b} = P{a ≤ X ≤ b} = F (b) − F (a) .
Помимо функции распределения для непрерывных случайных вели-
чин существует еще один способ задания закона распределения – плот-
ность вероятности.
Пусть функция распределения F (x) данной н.с.в. X непрерывна и
дифференцируема всюду, кроме, может быть, отдельных точек. Тогда про-
изводная f (x) ее функции распределения называется плотностью распре-
деления непрерывной с.в. X (или «плотностью вероятности», или просто
«плотностью»):
f ( x) = F ′( x) .
Наряду с обозначением f (x) для плотности распределения использует-
ся также обозначение p(x) (т. е. p( x) = F ′( x) ).
Свойства плотности распределения:

1. f ( x) ≥ 0 (свойство неотрицательности);
∞
2. ∫ f ( x)dx = 1 (свойство нормированности);
−∞
b
3. P{a ≤ X ≤ b} = ∫ f ( x)dx ;
a
x
4. F ( x) = ∫ f (t )dt ;
−∞
5. xlim
→ ±∞
f ( x) = 0 .
График плотности распределения f (x) называется кривой распределения.
Числовые характеристики непрерывной случайной величины
Определение 12.2. Математическое ожидание непрерывной случай-

ной величины X с плотностью вероятности f (x) находится по формуле
∞
M (X ) = ∫ x ⋅ f ( x)dx .
−∞
При этом математическое ожидание существует, если интеграл в пра-

вой части формулы абсолютно сходится (это значит, что сходится интеграл
∞
∫ | x | ⋅ f ( x)dx ).
−∞
Определение 12.3. Дисперсией непрерывной случайной величины X с

плотностью f (x) , то

∞
D( X ) = ∫ ( x − a) ⋅ f ( x)dx ,
2
−∞
∞
или D( X ) = ∫x ⋅ f ( x)dx − a 2 .
2
−∞
Определение 12.4. Средним квадратическим отклонением непрерыв-

ной случайной величины X называется число σ(X ) , определяемое равенст-
вом
σ( X ) = D ( X ) .
Определение 12.5. Начальным моментом порядка k (k = 0,1, 2,...) непре-

рывной случайной величины X называется число αk , определяемое по формуле
∞
αk = ∫x ⋅ f ( x)dx ,
k
−∞
Определение 12.6. Центральным моментом порядка k н.с.в. X назы-

вается число μk , определяемое по формуле
∞
μk = ∫ ( x − a) ⋅ f ( x)dx ,
k
−∞
Определение 12.7. Коэффициент асимметрии («скошенности»), или,

короче, асимметрия с.в. X есть величина
μ3
A= .
σ (X )
3
Определение 12.8. Коэффициент эксцесса («островершинности»),

или, проще, эксцесс с.в. X , есть величина
μ4
E= −3.
σ (X )
4
Определение 12.9. Мода н.с.в. X с плотностью f (x) есть то ее зна-

чение M 0 ( X ) , при котором функция f (x ) достигает максимума.
Определение 12.10. Медиана случайной величины X (обозначение
M e ( X ) ) есть такое ее значение x p , для которого одинаково вероятно, ока-
жется ли с.в. X меньше x p или больше x p , т. е.
1
P{ X < x p } = P{ X > x p } = .
2
Определение 12.11. Квантилью уровня p случайной величины X назы-
вается число x p , удовлетворяющее уравнению
P{ X < x p } = p .
Таким образом, x p является решением уравнения

F (xp ) = p .
В частности, x0 , 5 = M e ( X ) .
Пример 12.1. Задана функция распределения н.с.в. X

⎧0, при x < 3,
⎪
F ( x) = ⎨C ( x − 3) , при 3 ≤ x ≤ 5,
2
⎪1, при 5 < x.

⎩
Найти:
а) коэффициент C ;
б) плотность распределения f (x ) с.в. X и построить графики функций
F (x ) и f (x ) ;
в) P{ X ∈ [3,4)} .
Решение.
а) Так как с.в. X – непрерывна, то F (x) должна быть непрерывной
функцией в любой точке, в частности, и при x = 5 . Так как F (5) = 1 , то
1
C ⋅ (5 − 3) 2 = 1 , отсюда C = . Таким образом,
4
⎧ 0, при x < 3,
⎪1
F ( x) = ⎨ ( x − 3) 2 , при 3 ≤ x ≤ 5,
⎪4
⎩ 1, при 5 < x.
б) Плотность распределения f ( x) = F ′( x) выражается формулой:

⎧ 0, при x < 3,
⎪1
f ( x ) = ⎨ ( x − 3), при 3 ≤ x ≤ 5,
⎪2
⎩ 0, при 5 < x.
b
в) Используя формулу P{a ≤ X ≤ b} = ∫ f ( x)dx , находим, что

a
4
1 1
P{ X ∈[3;4)} = P{3 ≤ X < 4} = ∫ ( x − 3)dx = .
3 2 4
1 1
Или, иначе, P{3 ≤ X < 4} = F (4) − F (3) = − 0 = .
4 4
Пример 12.2. При каком значении параметра C функция
⎧C
⎪ , при x ≥ 1,
f ( x) = ⎨ x 4
⎪⎩0, при x < 1

может быть плотностью распределения некоторой непрерывной с.в. X ? Най-

ти P {1 < X < 5} .
Решение. Очевидно, что f ( x) > 0 при C > 0 , xlim
→ ±∞
f ( x ) = 0 . Используя
⎛ +∞ ⎞
свойство нормированности ⎜⎜ ∫ f ( x)dx = 1⎟⎟ , найдем значение параметра C .
⎝ −∞ ⎠
+∞ 1 +∞ b
C
∫−∞ f ( x)dx =−∫∞0dx + ∫1 x 4 dx = C ⋅ blim
→∞ ∫
1
x − 4 dx =
b
C 1 C C
= − ⋅ lim 3 = − (0 − 1) = ,
3 b →∞ x 1 3 3
C
т. е. = 1 , отсюда C = 3 . Таким образом, функция
3
⎧3
⎪ , при x ≥ 1,
f ( x) = ⎨ x 4
⎪⎩0, при x < 1
является плотностью распределения некоторой с.в. X .
Найдем искомую вероятность, используя формулу
b
P{a ≤ X ≤ b} = ∫ f ( x)dx .
a
Получаем
5 5
3 1 124
P{a ≤ X ≤ b} = P{a < X < b} = ∫ 4 dx = 3 ⋅ = = 0,992 .
1 x − 3x 1 125
3
Пример 12.3. Непрерывная с.в. имеет плотность распределения ве-

роятностей
⎧3
⎪ , при x ≥ 1,
f ( x) = ⎨ x 4
⎪⎩0, при x < 1.
Найти функцию распределения вероятностей F (x) ; построить графики

f (x ) и F (x ) .
Решение. Используем формулу
x
F ( x) = ∫ f (t )dt .
−∞
При x ∈ (−∞ ;1) имеем

x
F ( x) = ∫ 0 ⋅ dt = 0 .
−∞
При x ∈ [1;+∞ ) промежуток интегрирования разбивается на два:

1 x x x
3 1 1
F ( x) = ∫ 0 ⋅ dt + ∫ 4 dt = 3∫ t − 4 dt = − 3 = − 3 + 1 .
−∞ 1 t 1 t 1 x
Таким образом,
⎧ 1
⎪1 − 3 , при x ≥ 1,
F ( x) = ⎨ x
⎪⎩ 0, при x < 1.
Пример 12.4. Плотность вероятности с.в. X задается формулой

⎧3
⎪ ( x − 3) , если x ∈[0,2],
2
f ( x) = ⎨ 26
⎪⎩0, если x ∉[0,2].
Найти ее числовые характеристики: математическое ожидание, диспер-

сию, среднеквадратическое отклонение, асимметрию и эксцесс.
Решение. Найдем математическое ожидание:
+∞ 0 2 +∞
3
M (X ) = ∫ x ⋅ f ( x)dx =
−∞ −∞
∫ x ⋅ 0dx + ∫ x ⋅
0
26
( x − 3)2 dx + ∫ x ⋅ 0dx =
2
2
3 ⎛ x4 x2 ⎞
2
3 9
⋅ ∫ ( x 3 − 6 x 2 + 9 x)dx = ⋅ ⎜⎜ − 2 x 3 + 9 ⋅ ⎟⎟ = ≈ 0,692 .
26 0 26 ⎝ 4 2 ⎠ 0 13
Теперь отыщем дисперсию:

+∞
D( X ) = ∫ ( x − M ( X ))2 ⋅ f ( x)dx =
−∞
2 2 2 2
⎛ 9⎞ 3 3 ⎛ 2 48 27 ⎞
∫0 ⎜⎝ x − 13 ⎟⎠ ⋅ 26 ( x − 3) dx = 26 ∫0 ⎜⎝ x − 13 x + 13 ⎟⎠ dx ≈ 0,259 .
2
Иначе:
+∞ 2 2
3 ⎛9⎞
D( X ) = ∫ x 2 ⋅ f ( x)dx − ( M ( X ))2 = ∫ x 2 ⋅ ( x − 3) 2 dx − ⎜ ⎟ ≈ 0,259 .
−∞ 0 26 ⎝ 13 ⎠
Отсюда найдем среднеквадратическое отклонение:
σ( X ) = D( X ) = 0,259 ≈ 0,509 .
Наконец, вычислим ассиметрию:

3
μ3 1
2
⎛ 9⎞ 3
3 ∫⎜
A= 3 = ⋅ x− ⎟ ⋅ ⋅ ( x − 3) 2 dx ≈ 0,634
σ (0,509 ) 0 ⎝ 13 ⎠ 26
и эксцесс:

2 4
μ 1 ⎛ 9⎞ 3
E = 44 − 3 = ⋅ ∫ ⎜ x − ⎟ ⋅ ⋅ ( x − 3)2 dx − 3 ≈ − 0,545 .
σ 0,067 0 ⎝ 13 ⎠ 26
Пример 12.5. Найти моду, медиану, математическое ожидание и кван-

тиль уровня 0,75 случайной величины с плотностью вероятности
⎧⎪8 x ⋅ e −4 x , если 0 ≤ x,
2
f ( x) = ⎨
⎪⎩0, если x < 0
(распределена по закону Релея).

Решение. Найдем точку максимума функции f (x ) :
f ′( x ) = 8 ⋅ e −4 x + 8 x ⋅ e −4 x ⋅ ( −8 x ) = 8e −4 x (1 − 8 x 2 ) ;
2 2 2
1 1
отсюда f ′( x ) = 0 при x = . Точка x = является точкой максимума
2 2 2 2
1 1
функции f (x) (так как если x < , то f ′( x ) > 0 , а если x > , то f ′( x ) < 0 ).
2 2 2 2
1
Следовательно, мода M 0 ( x) = ≈ 0,35 .
2 2
Медиана M e ( X ) = x1 определяется как значение случайной величины,
которое делит площадь фигуры, ограниченной графиком функции f (x ) , на
две равные части. Поэтому
x1 +∞
1 1
∫ 8x ⋅ e ∫ 8x ⋅ e
−4x 2 −4x 2
dx = (или: dx = ),
0
2 x1
2
отсюда
1
x1 = M e ( X ) = ln 2 ≈ 0,42 .
2
Находим математическое ожидание с.в. X :
+∞ 0 +∞
∫ x ⋅ f ( x)dx = ∫ x ⋅ 0dx + ∫ x ⋅ 8x ⋅ e
−4 x2
M (X ) = dx = 0,25
−∞ −∞ 0 .
Найдем функцию распределения с.в. X . Предварительно заметим, что
если x < 0 , то
x x
F ( x) = ∫ f (t )dt = ∫ 0dt = 0
−∞ −∞ .
Если же x ≥ 0 , то
x 0 x
∫ f (t )dt = ∫ 0dt + ∫ 8t ⋅ e − 4t dt = −e − 4 x + 1
2 2
F ( x) =
−∞ −∞ 0 ,
т. е. F ( x ) = −e −4 x + 1 , x ≥ 0 .
2
Квантиль x0 , 75 находим из равенства F ( x0, 75 ) = 0,75 . Имеем

−4 x 02, 75
1− e = 0,75 .
1
Отсюда находим, что x0,75 = ln 4 ≈ 0,59 .
2
12.1. При каких значениях параметров k и b функция

⎧ 0, при x ≤ −1,
⎪
F ( x) = ⎨kx + b, при − 1 < x ≤ 2,
⎪ 1, при 2< x
⎩
может быть функцией распределения некоторой непрерывной с. в. X ?
Найти вероятность того, что с. в. X примет значение, заключенное в
промежутке (− 2,3; 1,5) . Построить график плотности распределения
этой случайной величины.
12.2. Задана функция распределения н.с.в. X
⎧ 0, при x < −π,
⎪
F ( x) = ⎨a(cos x + c), при − π ≤ x ≤ 0,
⎪ 1, при 0 < x.
⎩
Найти:
а) значения постоянных a и c ;
б) f (x ) ;
⎧ π π ⎫
в) P1 ⎨ X ∈ ⎡⎢− , ⎤⎥ ⎬ , P2 ⎧⎨ X = π ⎫⎬ .
⎩ ⎣ 3 2 ⎦⎭ ⎩ 2007 ⎭
12.3. Случайная величина X задана функцией распределения
⎧ 0, при x ≤ A,
⎪1
F ( x) = ⎨ x − 1, при A < x ≤ B,
⎪ 2
⎩ 1, при B < x.
Найти значения A и B , плотность распределения н.с.в. X , вероятность

события C = {X ∈ (3;5)} .
12.4. Дана плотность распределения непрерывная с.в. X
⎧0, при x < 0
⎪
f ( x) = ⎨b ⋅ x, при 0 ≤ x < 5,8,
⎪0, при 5,8 ≤ x.
⎩
Определить постоянную b , найти функцию распределения F (x ) и по-
строить ее график, вычислить вероятность того, что с.в. X примет значение,
удовлетворяющее условию

а) X < 3,3 ; б) 3,3 < X < 7,8 .

Найти функцию распределения вероятностей F (x) ; построить графики
f (x ) и F (x ) .
12.5. Плотность вероятности с.в. X имеет вид

⎧ a x∈R .
f ( x) = ⎨ x −x
,
⎩e + e
Найти значение параметра a , функцию распределения F (x ) .
12.6. Случайная величина X имеет плотность распределения
⎧ c
⎪ , | x |< 2,
f ( x) = ⎨ 4 − x 2
⎪0, | x |≥ 2.
⎩
Найти:
а) значение параметра c ;
б) функцию распределения F (x) ;
в) P{1 < X < 5} .
12.7. Задана плотность распределения н.с.в. X :
⎧0, x ≤ 1,
⎪
f ( x) = ⎨2 x − 2, 1 < x ≤ 2,
⎪0, 2 < x.
⎩
Что вероятнее: попадание случайной величины в интервал (1,6; 1,8)
или (1,9; 2,6)?
12.8. Задана плотность распределения н.с.в. X :
⎧0, x < A,
⎪− x , − A ≤ x < 0,
⎪
f ( x) = ⎨
⎪2 x , 0 ≤ x < A,
⎪⎩0, A ≤ x.
Найти A , F (x ) , P{−2 < X < 1} .
12.9. Дана плотность распределения вероятностей с.в. X :

⎧0, если x < 0,
⎪1
⎪
f ( x) = ⎨ ⋅ x, если 0 ≤ x < 4,
⎪8
⎪⎩0, если 4 ≤ x.
Найти M ( X ) , D( X ) , σ( X ) .
12.10. Плотность распределения с.в. X :

⎧λ ⋅ e − λx , если x ≥ 0, (λ > 0)
f ( x) = ⎨
⎩0, если x < 0.
Найти M ( X ) , D( X ) , σ ( X ) .
12.11. Случайная величина X принимает положительные значения,
имеет плотность вероятностей f ( x) = −ax2 + 2ax . Найти значение параметра a
и математическое ожидание с.в. X .
12.12. Плотность распределения с.в. X
⎧ 1
⎪ , если − 10 < x < 10,
f ( x) = ⎨ π 100 − x 2
⎪0, если | x |≥ 10.
⎩
Найти M ( X ) , D( X ) , σ ( X ) .
12.13. Плотность распределения с.в. X задана в виде
⎧1
⎪ sin x, если 0 ≤ x < π,
f ( x) = ⎨ 2
⎪⎩0, если x < 0 и x ≥ π.
Найти M ( X ) и D( X ) .
12.14. Случайная величина имеет плотность распределения вида
1 a
f ( x) = ⋅
π x + a2 ,2
a>0
(распределена по закону Коши). Найти моду, медиану и квантили порядка
p = 0,25 ; 0,5; 0,75.
⎧0, если x ≤ 2,
⎪1
⎪
F ( x) = ⎨ ⋅ ( x 3 − 8), если 2 < x ≤ 3,
⎪19
⎪⎩1, если 3 < x.
Найти M ( X ) , M 0 ( X ) , M e ( X ) .
12.16. Плотность распределения с.в. X имеет вид
⎧3 2
⎪ x , x ∈ [0;2],
f ( x) = ⎨ 8
⎪⎩0 x ∉ [0;2].
Найти моду, медиану, математическое ожидание и квантиль

порядка 0,25.
12.5. Ответы

1 1 5
12.1. k = ; b= ; .
3 3 6
1
12.2. а) a = ; c = 1;
2
⎧ 1
− sin x, если x ∈ [ −π ;0];
б) f ( x) = ⎪⎨ 2
1
в) p1 = ; p2 = 0 .
⎪⎩0, 4
в остальных случаях;
12.3. A = 4 ; B = 16 ; P (C ) ≈ 0,118 .
⎧0, x < 0,
⎪
50 ⎪ 25 x 2
12.4. b = ; F ( x) = ⎨ , 0 ≤ x < 5,8, а) ≈ 0,324 ; б) ≈ 0,676 .
841 ⎪ 841
⎪⎩1, 5,8 ≤ x;
2 2
12.5. a = ; F ( x) = arctg(e x ) , x∈R .
π π
⎧0, x ≤ −2,
⎪1 1
1 ⎪ x 1
12.6. а) ; б) F ( x) = ⎨ + arcsin , − 2 < x < 2, в) p = .
π ⎪2 π 2 3
⎪⎩1, x ≥ 2;
12.7. Вероятнее в (1,6;1,8) .

⎧ 2
⎪0, x<− ,
⎪ 3
⎪− x 1
2
2
⎪ + , − ≤ x < 0,
2 ⎪ 2 3 3
12.8. A = ; F ( x) = ⎨ p =1.
3 ⎪x2 + 1 , 0 ≤ x < 2 ,
⎪ 3 3
⎪
⎪ 2
⎪⎩1, ≤ x;
3
8 8
12.9. M ( X ) = , D ( X ) = , σ ( X ) = 2 2 .
3 9 3
1 1 1
12.10. M ( X ) = , D( X ) = , σ (X ) = .
λ λ 2
λ
3
12.11. a = , M ( X ) = 1 .
4
12.12. M ( X ) = 0 , D ( X ) = 50 , σ ( X ) = 5 2 .

π
, D( X ) = π − 2 .
2
12.13. M ( X ) =
2 4
1
12.14. M 0 ( X ) = , M e ( X ) = 0 , x0, 25 = − a , x0 , 5 = 0 , x0 , 75 = a .
2 2
195 35
12.15. M ( X ) = ≈ 2,57 , M 0 ( X ) = 3 , M e ( X ) = ≈ 2,6 .
76 2
3
12.16. M 0 ( X ) = 2 , M e ( X ) = 3 12 , M ( X ) = , x0 , 25 = 3 2 .
2
13. Важнейшие распределения случайных величин
13.1. Теория
Важнейшие дискретные распределения
1. Дискретная случайная величина имеет биномиальное распределение

(или распределена по биномиальному закону), если она принимает значения:
0,1, 2, .., n с соответствующими вероятностями:
pm = P{ X = m} = C nm ⋅ p m ⋅ q n − m , где 0 < p < 1, q =1− p , m = 0,1, 2, ..., n .
Математическое ожидание и дисперсия с.в. X , имеющей биномиальное

распределение, находятся по формулам
M ( X ) = np , D ( X ) = npq .
Из формулы Бернулли следует, что с.в. X – число появлений события A

в серии из n испытаний ( P ( A) = p ) – распределена по биномиальному закону.
2. Дискретная случайная величина имеет распределение Пуассона (или
распределена по закону Пуассона), если она принимает счетное число значе-
ний: 0,1, 2, ..., m,... , с соответствующими вероятностями
a m ⋅ e−a
p m = P{ X = m} = , где m = 0,1, 2, ...
m!
Математическое ожидание и дисперсия с.в. X , имеющей распределе-
ние Пуассона, находятся по формулам
M ( X ) = a ; D( X ) = a .
Распределение Пуассона является предельным для биномиального, ес-
ли число опытов n устремляется к бесконечности, а вероятность события p
стремится к нулю, причем их произведение np = a остается постоянным. При
этих условиях (т. е. n→∞, p→0, np = a = const ) вероятность
P{ X = m} = C nm ⋅ p m ⋅ q n − m , где q = 1 − p , находимая по формуле Бернулли, стре-

−a
мится к вероятности a ⋅ e , находимой по закону Пуассона. Поэтому рас-
m
m!
пределение Пуассона приближенно заменяет биномиальное распределение в
случае, когда число опытов велико, а вероятность события A в каждом из них
мала. С этим связано еще одно название распределения Пуассона – закон
редких событий.
3. Дискретная случайная величина имеет геометрическое распределе-
ние, если она принимает счетное число значений: 0,1, 2, ..., m, ... , с соответст-
вующими вероятностями
p m = P{ X = m} = q m −1 ⋅ p , где m = 1, 2, ... , 0 < p < 1, q =1− p .
Математическое ожидание и дисперсия с.в. X , имеющей геометриче-

ское распределение, находятся по формулам:
1 q
M (X ) = ; D( X ) = .
p p2
Случайную величину, распределенную по геометрическому закону,

можно интерпретировать как число m опытов (испытаний), проведенных по
схеме Бернулли до первого положительного исхода.
Важнейшие непрерывные распределения
4. Непрерывная случайная величина X имеет равномерное распределе-

ние на отрезке [a; b] , если ее плотность вероятности f (x) постоянна на этом
отрезке, а вне его равна нулю:
⎧ 1
⎪ , при x ∈ [a; b],
f ( x) = ⎨ b − a
⎪⎩0, при x ∉ [a; b].
Тот факт, что с.в. X распределена равномерно, записывается ко-

ротко так:
X ~ R[ a; b] .
К случайным величинам, имеющим равномерное распределение, отно-

сятся те с.в., о которых известно, что все их значения лежат внутри некоторо-
го промежутка [a; b] и при этом одинаково возможны. Например, время ожи-
дания транспорта, ошибка, получающаяся от округления результата измере-
ния до ближайшего целого числа, и т. д.
Функция распределения F (x) для равномерно распределенной с.в. X имеет вид
⎧0, при x ≤ a,
⎪x − a
⎪
F ( x) = ⎨ , при a < x ≤ b,
⎪b − a
⎪⎩1, при b < x.

Числовые характеристики равномерного распределения
a+b (b − a ) 2
M (X ) = , D( X ) = .
2 12
5. Непрерывная случайная величина X имеет показательное (или
экспоненциальное) распределение, если ее плотность вероятности имеет вид
⎧λ ⋅ e −λ⋅x , при x ≥ 0,
f ( x) = ⎨
⎩0, при x < 0,
где λ > 0 – параметр данного распределения.

Функция распределения с.в. X , распределенной по показательному за-
кону, находится по формуле
⎧1 − e −λ⋅ x , при x ≥ 0,
F ( x) = ⎨
⎩0, при x < 0.
Важнейшие числовые характеристики этого распределения определя-

ются равенствами:
1 1 1
M (X ) = , D( X ) = , σ( X ) = .
λ λ2 λ
6. Непрерывная случайная величина X имеет нормальное распределе-
ние (говорят также, что она распределена по нормальному закону или по за-
кону Гаусса), если ее плотность имеет вид
( x − a) 2
1 −
f ( x) = ⋅e 2σ 2
.
σ ⋅ 2π
График функции f (x ) называется кривой Гаусса.
Тот факт, что с.в. X распределена равномерно, записывается ко-
ротко так:
X ~ N ( a , σ) .
Параметры a и σ представляют собой соответственно математическое

ожидание и среднеквадратическое отклонение с.в. X , т. е.
a = M (X ) , σ = σ( X ) .
Отсюда D( X ) = σ 2 .
Если a = 0 и σ = 1 , т. е. с.в. X ~ N (0,1) , то соответствующее нормальное
распределение называется стандартным. Функция распределения для такой
случайной величины имеет вид
x t2
1 −
2π −∫∞
Φ( x) = e 2
dt
и обладает (помимо обычных свойств функции распределения) свойством

Φ ( x) + Φ (− x) = 1 , x∈R.
В более общем случае ( X ~ N (a,σ ) ) функция распределения нормально-

го закона выражается формулой
x (t − a ) 2
1 −
⎛x−a⎞ ⎛ x−a⎞
σ 2π −∫∞
F ( x) = e 2σ 2
dt = Φ⎜ ⎟ = 0,5 + Φ 0 ⎜ ⎟,
⎝ σ ⎠ ⎝ σ ⎠
где функция
x t2
1 −
Φ 0 ( x) = ⋅ ∫ e 2 dt
2π 0
называется функцией Лапласа (иногда функцией Лапласа называют функцию

x
2
⋅ ∫ e−t dt ).
2
π 0
Функция Лапласа обладает следующими свойствами:
1) Φ 0 (− x) = −Φ 0 ( x), т. е. функция Φ0 ( x) – нечетная. Отсюда, в частности,
следует, что Φ 0 (0) = 0 ;
2) Φ 0 (+∞) = 0,5 .
Таблицу значений функции Лапласа можно найти в прил. 2.
Связь функции Φ(x) с функцией Лапласа Φ0 ( x) выражается формулой
Φ ( x) = 0,5 + Φ 0 ( x) .
Вероятность попадания нормально распределенной случайной величи-

ны в заданный интервал (α , β ) определяется формулой
⎛β− a⎞ ⎛α−a⎞ ⎛β − a⎞ ⎛α−a⎞
P{α < X < β} = Φ ⎜ ⎟ − Φ⎜ ⎟ = Φ0⎜ ⎟ − Φ0⎜ ⎟.
⎝ σ ⎠ ⎝ σ ⎠ ⎝ σ ⎠ ⎝ σ ⎠
Вероятность попадания с.в. X ~ N (a, σ) в интервал ( a − ε, a + ε) , симмет-
ричный относительно центра рассеяния a , находится по формуле
⎛ε⎞ ⎛ε⎞
P{a − ε < X < a + ε} = P{| X − a |< ε} = 2Φ 0 ⎜ ⎟ = 2Φ ⎜ ⎟ − 1 .
⎝σ⎠ ⎝σ⎠
В частности, P{| X − a |< 3σ} ≈ 0,9973 , т. е. практически достоверно, что
с.в. X ~ N (a, σ) принимает свои значения в промежутке (a − 3σ, a + 3σ) . Это ут-
верждение называется «правилом трех сигм».
Пример 13.1. 20 % изделий, выпускаемых данным предприятием, нуж-

дается в дополнительной регулировке. Наудачу отобрано 150 изделий. Найти
среднее значение и дисперсию случайной величины X – числа изделий в вы-
борке, нуждающихся в регулировке.
Решение. В данном случае мы имеем дело со схемой Бернулли, поэто-
му с.в. X имеет биномиальное распределение. Используя формулы

M ( X ) = np и D( X ) = npq , находим (при n = 150 , p = 0, 2 , q = 0,8 )
M ( X ) = 150 ⋅ 0,2 = 30 , D ( X ) = 150 ⋅ 0,2 ⋅ 0,8 = 24 .
Пример 13.2. Проверяется партия из 10 000 изделий. Вероятность того,
что изделие окажется бракованным, равна 0,002. Найти математическое ожи-
дание и дисперсию числа бракованных изделий в этой партии. Найти вероят-
ность того, что в партии есть хотя бы одно бракованное изделие.
Решение. Число опытов ( n = 10 000 ) достаточно велико, а вероятность
( p = 0,002 ) «успеха» в каждом из них мала, поэтому можно считать, что слу-
чайная величина X – число бракованных изделий – распределена по закону
Пуассона: ее возможные значения 0, 1, 2, …, 10 000, а соответствующие ве-
роятности вычисляются по формуле
a m ⋅ e−a
p m = P{ X = m} = .
m!
По формуле a = np определяем параметр a и математическое ожи-
дание с.в. X :
M ( X ) = a = 10 000 ⋅ 0,002 = 20 .
Дисперсия числа бракованных изделий

D ( X ) = npq = 10 000 ⋅ 0,002 ⋅ 0,998 = 19,96 ,
т. е. M ( X ) ≈ D ( X ) . Полагая M ( X ) = D( X ) = 20 , находим приближенно искомую ве-

роятность события A = {в партии содержится хотя бы одно бракованное изделие}:
20 0 ⋅ e −20
P ( A) = 1 − P ( A) = 1 − P10 000 (0) = 1 − = 1 − e − 20 = 1 − 2,06 ⋅ 10 − 9 ≈ 1 .
0!
Пример 13.3. Производится стрельба по цели до первого попадания.

Вероятность попадания при каждом выстреле равна 0,2. Найти математиче-
ское ожидание и дисперсию случайной величины X – числа произведенных
выстрелов, считая, что:
а) стрелять можно неограниченное число раз;
б) в наличии есть всего 5 патронов.
Решение.
а) Случайная величина X имеет геометрическое распределение, ее ряд
распределения имеет вид
xi 1 2 3
pi p qp q2 p …
Числовые характеристики этого распределения: M ( X ) = 1 , D ( X ) = q2 .
p p
Следовательно, зная, что p = 0,2 и q = 0,8 , имеем
1 0,8
M (X ) = = 5; D( X ) = = 20 .
0, 2 0,04

б) Ряд распределения с.в. X имеет вид
xi 1 2 3 4 5
pi p qp 2
q p 3
q p q4
Поэтому M ( X ) = 1 ⋅ p + 2 ⋅ qp + 3 ⋅ q 2 p + 4 ⋅ q 3 p + 5 ⋅ q 4 ; при p = 0,2 и q = 0,8 имеем
M ( X ) = 1 ⋅ 0,2 + 2 ⋅ 0,8 ⋅ 0,2 + 3 ⋅ 0,82 ⋅ 0,2 + 4 ⋅ 0,83 ⋅ 0,2 + 5 ⋅ 0,84 = 3,3616 ,
т. е. M ( X ) = 3,3616 .
Далее
D( X ) = M ( X 2 ) − ( M ( X )) 2 = M ( X ) = 1 ⋅ p + 4 ⋅ qp + 9 ⋅ q 2 p + 14 ⋅ q 3 p + 25 ⋅ q 4 − ( M ( X )) 2 ≈ 2,57
,
т. е. D ( X ) ≈ 2,57 .
13.1. Найти среднее число лотерейных билетов, на которые выпадут

выигрыши, если приобретено 20 билетов, а вероятность выигрыша одного
билета равна 0,1. Найти дисперсию числа успехов в данном опыте.
13.2. Проводятся 3 независимых испытания, в каждом из которых веро-
ятность наступления некоторого события постоянна и равна p . Пусть X –
число появлений события A в этом опыте. Найти D( X ) , если известно, что
M ( X ) = 2,1 .
13.3. Вероятность поражения цели при одном выстреле равна
0,4. Сколько надо произвести выстрелов, чтобы можно было ожидать в сред-
нем 80 попаданий в цель?
13.4 Дискретная случайная величина X распределена по закону Пуас-
сона с параметром a = 0,324 . Найти математическое ожидание и среднеквад-
ратическое отклонение этой случайной величины.
13.5. В магазин отправлено 1000 бутылок минеральной воды. Вероят-
ность того, что при перевозке бутылка окажется разбитой, равна 0,002. Най-
ти:
а) среднее число разбитых бутылок;
б) вероятность того, что магазин получит более двух разбитых буты-
лок.
13.6. Сообщение содержит 1000 символов. Вероятность искажения од-
ного символа равна 0,004. Найти среднее число искаженных символов; найти
вероятность того, что будет искажено не более 3 символов.
13.7. Игрок покупает лотерейные билеты до первого выигрыша. Веро-
ятность выигрыша по одному билету равна 0,1. Найти M ( X ) , где с.в. X –
число купленных билетов, если игрок может купить:
а) только четыре билета;
б) неограниченное (пусть теоретически) число билетов.
13.8. Вероятность производства нестандартной детали равна 0,05. Кон-

тролер проверяет партию деталей, беря по одной до первого появления не-
стандартной детали, но не более 3 штук. Найти математическое ожидание и
дисперсию числа проверенных стандартных деталей.
13.9. Игральная кость подбрасывается до первого появления пяти оч-

ков. Какова вероятность того, что первое выпадение пятерки произойдет при
пятом подбрасывании игральной кости?
13.10. Случайная величина X распределена равномерно на отрезке
[ a, b] , т. е. X ~ R[ a, b] . Найти вероятность попадания с.в. X на отрезок [α, β] ,
целиком содержащийся внутри отрезка [a, b] .
13.11. Плотность вероятности непрерывной случайной величины
X имеет вид
⎧0,25 ⋅ A, x ∈ [0,4],
f ( x) = ⎨
⎩0, x ∉ [0,4].
Найти A , F (x ) , M ( X ) , D( X ) , σ( X ) , P{ X ∈ [0;1,1]} .
13.12. Некто ожидает телефонный звонок между 19.00 и 20.00. Время
ожидания звонка есть непрерывная с.в. X , имеющая равномерное распреде-
ление на отрезке [19,20] . Найти вероятность того, что звонок поступит в про-
межутке от 19 часов 22 минут до 19 часов 46 минут.
13.13. Случайная величина X , распределенная равномерно, имеет сле-
дующие числовые характеристики: M ( X ) = 2 , D( X ) = 3 . Найти F ( X ) .
13.14. Про случайную величину известно, что X ~ R[4,7] . Найти:

а) f (x ) ; б) M ( X ) и σ( X ) ; в) P{ X ∈ (6;6,81)} .
13.15. Непрерывная случайная величина X имеет показательное рас-
пределение. Найти вероятность попадания с.в. X в интервал (a, b) , где a ≥ 0 .
13.16. Время T выхода из строя радиостанции подчинено показатель-
ному закону распределения с плотностью
⎧0,2 ⋅ e −0, 2t , при t ≥ 0,
f (t ) = ⎨
⎩0, при t < 0.
Найти функцию распределения F (t ) ; математическое ожидание и дис-

персию случайной величины T ; вероятность того, что радиостанция сохра-
нит работоспособность от 1 до 5 часов работы.
13.17. С.в. X распределена по показательному закону с параметром
λ = 0,4 . Найти дифференциальную и интегральную функции распределения
(т. е. f (x) и F (x) ), σ( X ) , а также вероятность попадания значений с.в. X в
интервал (0,25; 5) .
13.18. С.в. X , которая равна длительности работы элемента, имеет
плотность распределения f (t ) = 0,003e−0,003t , t ≥ 0 . Найти среднее время работы

элемента; вероятность того, что элемент проработает не менее 400 часов.
13.19. Средняя продолжительность телефонного разговора равна 3 ми-

нутам. Найти вероятность того, что произвольный телефонный разговор бу-
дет продолжаться не более 9 минут.
13.20. Определить закон распределения случайной величины X , если
ее плотность вероятности имеет вид
.
2
f ( x) = A ⋅ e − x + 2 x +1
Найти: а) M ( X ) ; б) σ( X ) ; в) значение коэффициента A ; г) M ( X 2 ) ;

д) P{1 < X < 3} .
13.21. Случайные ошибки измерения детали подчинены нормальному
закону с параметром σ = 20 мм. Найти вероятность того, что измерение дета-
ли произведено с ошибкой, не превосходящей по модулю 25 мм.
13.22. Пусть X ~ N (5;0,5) . Найти вероятность того, что при трех независи-
мых испытаниях с.в. X хотя бы в одном из них X примет значение
в интервале (2;4).
13.23. Плотность вероятностей с.в. X имеет вид
4 1
−2x2 − x+
f ( x) = c ⋅ e 3 3
.
⎧ 1 2⎫
Найти: c ; M (X ) ; D( X ) ; F (x ) ; P ⎨− < X < ⎬ .
⎩ 3 3⎭
13.24. Известно, что X ~ N (50;σ ) , P{ X ∈ ( 40;60)} = 0,7888 . Найти D ( X ) .
13.25 Рост взрослых мужчин является случайной величиной X , рас-
пределенной по нормальному закону: X ~ N (175;10) . Найти плотность вероят-
ности, функцию распределения этой случайной величины; вероятность того,
что ни один из 3 наудачу выбранных мужчин не будет иметь рост менее 180
см.
13.4. Ответы
13.1. 2; 1,8. 13.2. 0,63. 13.3. 200. 13.4. 0,324; 0,569. 13.5. 2;
≈ 0,323 . 13.6. 4; 0,433 ; e −4 ≈ 0,0183 . 13.7. а) M ( X ) = 3,439 ; б) M ( X ) = 10 .
β −α
13.8. 2,8525 ; ≈ 0,225 . 13.9. ≈ 0,08 . 13.10. P{ X ∈ [α ; β ]} = . 13.11. A = 1 ;
b−a
⎧0, x ≤ 0,
⎪x
⎪ 4 2 3
F ( x) = ⎨ , 0 < x ≤ 4, M (X ) = 2 ; D( X ) = ; σ (X ) = ; P{ X ∈ [0;1,1]} = 0,275
⎪4 3 3
⎪⎩1, 4 < x.
⎧0, x < −1,
⎪ x +1 ⎧1
⎪ ⎪ , x ∈ [4,7],
13.12. F ( x) = ⎨ , − 1 ≤ x ≤ 5, 13.13. а) f ( x) = ⎨ 3 б) 5,5 ;
⎪ 6 ⎪⎩0, x ∉ [4,7].
⎪⎩1, 5 < x.

⎧1
⎪ , x ∈ [−2,6], 16
в) 0,27 . 13.14. f ( x) = ⎨ 8 M (X ) = 2 ; D( X ) = .
⎪⎩0, 3
x ∉ [−2,6].
13.15. F ( t ) = 1 − e −0 , 2 t ; M (T ) = 5 ; D(T ) = 25 ; ≈ 0,451 . 13.16.
⎧0, x < 0, 5 1
F ( x) = ⎨ σ (X ) = ; p ≈ 0,77 . 13.17. 333 ; ≈ 0,30 . 13.18.
⎩1 − e , x ≥ 0;
0, 4 x
2 3
1 1 3
≈ 0,95 . 13.19. а) M ( X ) = 1 ; σ (X ) = ; в) A = ; г) M ( X 2 ) = ; д)
2 e ⋅ π
2
2
P{1 < X < 3} = 0,4976 .
1
13.20. P{| X − a |< 25} = 0,7888 . 13.21. ≈ 0,067 . 13.22. C ≈ 0,4578 ; M (X ) = − ;
3
1 ⎛ 2⎞
D( X ) = ; F ( x ) = 0,5 + Φ 0 ⎜ 2 x + ⎟ ; p = 0,4772 . 13.23. 64 .
4 ⎝ 3⎠
13.24. F ( x ) = 0,5 + Φ 0 ⎛⎜ x − 175 ⎞⎟ ; p = 0,029 . 13.25. 4,2 .; 1,26 .

⎝ 10 ⎠
14. Предельные теоремы теории вероятностей
14.1. Теория
Во многих задачах теории вероятностей изучают случайные величины,

являющиеся суммами большого числа других случайных величин, т. е. зави-
сящие от большого числа случайных факторов. Определенные свойства та-
ких случайных величин описываются совокупностью так называемых пре-
дельных теорем, которые, в свою очередь, разбиваются на две группы теорем
– это «закон больших чисел» и «центральная предельная теорема».
Группа теорем, называемых «законом больших чисел», устанавливает
устойчивость средних значений: при большом числе испытаний их средний
результат может быть предсказан с достаточной точностью. Другая группа
теорем, называемая «центральной предельной теоремой», устанавливает, что
при достаточно общих и естественных условиях закон распределения суммы
большого числа случайных величин близок к нормальному.
Неравенство Чебышева и закон больших чисел
Теорема 14.1 (неравенство Маркова). Если случайная величина X

принимает неотрицательные значения и имеет математическое ожидание
M (X ) , то для любого ε > 0 имеет место неравенство
M (X )
P{ X ≥ ε} ≤
ε
Это неравенство, очевидно, равносильно следующему

M (X )
P{ X < ε} ≥ 1 − .
ε
Теорема 14.2 (неравенство Чебышева). Если случайная величина X

имеет математическое ожидание M (X ) и дисперсию D(X ) , то для любого
ε > 0 имеет место неравенство
D( X )
P{| X − M ( X ) |≥ ε} ≤ .
ε2
Неравенство Чебышева можно заменить равносильным
D( X )
P{| X − M ( X ) |< ε} ≥ 1 − . (14.1)
ε2
Неравенства Маркова и Чебышева можно использовать для оценки ве-
роятностей событий, связанных со случайной величиной, распределение ко-
торой неизвестно.
Если с.в. X = m имеет биномиальное распределение с математи-
ческим ожиданием M ( X ) = a = np и дисперсией D( X ) = npq , неравенство Че-
бышева имеет вид
npq
P{| m − np |< ε} ≥ 1 − .
ε2
m
Для относительной частоты события A в n независимых испыта-
n
ний, в каждом из которых оно может произойти с вероятностью p , неравен-
ство Чебышева принимает вид
⎧m ⎫ pq
P ⎨ − p < ε⎬ ≥ 1 − 2 . (14.2)
⎩n ⎭ nε
Основной формой «закона больших чисел» считается следущая теорема.

Теорема 14.3 (Чебышев). Если случайные величины X 1 , X 2 , …, X n , …
независимы и существует такое число c > 0 , что D ( X i ) ≤ c ( i = 1,2,3,... ), то
для любого ε > 0 выполняется неравенство
⎧1 n 1 n ⎫ c
P ⎨ ∑ X i − ∑ M ( X i ) < ε⎬ ≥ 1 − 2 . (14.3)
⎩ n i =1 n i =1 ⎭ nε
Из этого неравенства следует предельное неравенство

⎧1 n 1 n ⎫
lim P ⎨ ∑ X i − ∑ M ( X i ) < ε⎬ = 1 .
n →∞
⎩ n i =1 n i =1 ⎭
Теорема Чебышева показывает, что среднее арифметическое большого

числа случайных величин как угодно мало отличается (с вероятностью близ-
кой к 1) от среднего арифметического их математических ожиданий.

Следствие 14.1. Если случайные величины X 1 , X 2 , …, X n , … независи-
мы и одинаково распределены, с математическим ожиданием a и дисперси-
ей
σ 2 , то для любого ε > 0
⎧1 n ⎫
lim P⎨ ∑ X i − a < ε⎬ = 1 .
n →∞
⎩ n i =1 ⎭
Следствие 14.2 (теорема Бернулли). Если в условиях схемы Бернулли
вероятность наступления события A в одном опыте равна p , число насту-
плений этого события при n независимых испытаниях равно m , то
для любого ε > 0
⎧m ⎫
lim P ⎨ − p < ε⎬ = 1 .
n→∞
⎩n ⎭
Центральная предельная теорема
Сформулируем центральную предельную теорему для случая одинако-

во распределенных слагаемых.
Теорема 14.4. Если независимые случайные величины X 1 , X 2 , …, X n , …
одинаково распределены, с математическим ожиданием a и дисперсией σ 2 ,
тогда функция распределения центрированной и нормированной суммы Z n
этих случайных величин
n
⎛ n ⎞ n
∑ X i − M ⎜∑ Xi ⎟
⎝ i =1 ⎠ =
∑X i − na
Z n = i =1 i =1
⎛ n
⎞ σ n
D⎜ ∑ X i ⎟
⎝ i =1 ⎠
стремится при n → ∞ к функции распределения стандартной нормальной
случайной величины:
x t2
1 −
F ( x) = P{Zn < x} → Φ( x) =
n → ∞ 2π −∞
∫e 2
dt .
Из центральной предельной теоремы, в частности, следует, что при боль-

ших n сумма S n = X 1 + X 2 + ... + X n приближенно распределена по нормальному за-
кону:
S n ~ N ( na , n σ) .
Напомним, что:
1) случайная величина X называется центрированной и нормирован-
ной (т. е. стандартной), если M ( X ) = 0 и D( X ) = 1 ;

2) функция Лапласа
x t2
1 −
Φ( x) =
2π ∫e
−∞
2
dt
связана с нормированной функцией Лапласа

x t2
1 −
Φ 0 ( x) = ∫
2π 0
e 2 dt
равенством
1
Φ( x) = + Φ 0 ( x) .
2
Из теоремы 14.4 также следует, что при достаточно больших n (уже

при n > 10 ) выполняется соотношение
⎛ β − M ( Sn ) ⎞ ⎛ α − M ( Sn ) ⎞
P{α < Sn < β} ≈ Φ0 ⎜⎜ ⎟⎟ − Φ0 ⎜⎜ ⎟⎟ . (14.4)
⎝ σ ( S n ) ⎠ ⎝ σ ( S n ) ⎠
Частным случаем центральной предельной теоремы являются рассмот-
ренные ранее локальная и интегральная теоремы Муавра – Лапласа.
Пример 14.1. Дискретная с.в. X задана рядом распределения
xi 0 2 6 10
pi 0,2 0,3 0,4 0,1
Используя неравенство Чебышева, оценить вероятность того, что

| X − M ( X ) |< 5 .
Решение. Найдем сначала математическое ожидание и дисперсию
с.в. X :
M ( X ) = 0 ⋅ 0,2 + 2 ⋅ 0,3 + 6 ⋅ 0,4 + 10 ⋅ 0,1 = 4 ;
2
D ( X ) = 0 2 ⋅ 0,2 + 2⋅ ⋅ 0,3 + 62 ⋅ 0,4 + 10 2 ⋅ 0,1 − 4 2 = 25,6 − 16 = 9,6 .
Согласно формуле (14.1) получаем следующую оценку вероятности:

9,6
P{| X − 4 |< 5} ≥ 1 − = 1 − 0,384 = 0,616 .
52
Пример 14.2. Непрерывная с.в. X ~ R(2,8) . Найти вероятность собы-
тия A = {3,5 < X < 6,5} ; оценить вероятность события A , используя неравенст-
во Чебышева.
Решение. Случайная величина X имеет плотность распределения

⎧1
⎪ , x ∈ (2,8),
f ( x) = ⎨ 6
⎪⎩ 0, x ∉ (2,8).
Используя формулу
β
P{α < X < β } = ∫ f ( x)dx ,
α
находим вероятность события A . Имеем

6,5 6,5
1 1 3 1
P{ A} = ∫ dx = ⋅ x = = , т. е. P( A) = 0,5 .
3, 5
6 6 3, 5 6 2
Математическое ожидание и дисперсия с.в. X таковы:

a+b 8+2 (b − a ) 2 36
M (X ) = = = 5, D( X ) = = = 3.
2 2 12 12
Так как
A = {3,5 < X < 6,5} = {−1,5 < X − 5 < 1,5} = {| X − 5 |< 1,5} ,
то, используя неравенство Чебышева (14.1), получаем (здесь ε = 1,5 )
искомую оценку:
3 1
P( A) = P{| X − 5 |< 1,5} ≥ 1 − 2
=− .
1,5 3
Получили неинтересную (грубую) оценку; вероятность любого собы-
тия всегда неотрицательна!
Пример 14.3. Оценить вероятность того, что при 15 000 подбрасыва-
ниях монеты относительная частота появления герба отклонится от вероят-
ности появления герба при одном подбрасывании по модулю меньше, чем на
0,01.
Решение. Рассматриваемые испытания удовлетворяют схеме Бернулли.
1 1
Воспользуемся неравенством (14.2). Имеем p = , q = , n = 15 000 , ε = 0,01,
2 2
поэтому
1 1
⎧ m ⎫ ⋅
1 2 2
P⎨ − < 0,01⎬ ≥ 1 − ≈ 0,83 ,
⎩ 15000 2 ⎭ 15000 ⋅ 0,012
т.е. P ≥ 0,83 .
Пример 14.4. Игральная кость подбрасывается 400 раз. Оценить веро-

ятность того, что среднее арифметическое число выпавших очков отклонится
от математического ожидания числа очков, выпавших при однократном под-
брасывании кости, по модулю меньше, чем 0,1.
Решение. Обозначим через X i ( i = 1, 2, ...,400 ) – число очков, выпавших
на грани кости в i -м испытании. Эти случайные величины независимы; име-

7
ют одно и то же математическое ожидание, равное (см. задачу 11.48) и ог-
2
35
раниченные в совокупности дисперсии, равные (см. задачу 11.48). Поэто-
12
му к данной последовательности случайных величин X 1 , X 2 , …, X 400 приме-
ним закон больших чисел (теорема Чебышева).
Искомую оценку получим, используя равенство (14.3), где n = 400 ,
35 7
c = D( X i ) = , M ( X i ) = , ε = 0,1:
12 2
⎧ 1 400 1 400 ⎫
P⎨ ∑ X i − ∑ M ( X i ) < 0,1⎬ =
⎩ 400 i =1 400 i =1 ⎭
⎧ 1 400 7 ⎫ 35 13
P⎨
400
∑ X i − < 0,1⎬ ≥ 1 −
2 12 ⋅ 400 ⋅ 0,01
=
48
≈ 0,271 .
⎩ i =1 ⎭
Пример 14.5. На отрезке ⎡⎢0; ⎤⎥ случайным образом выбраны 162 числа,

1
⎣ 4⎦
т. е. рассматриваются 162 независимых и равномерно распределенных слу-
чайных величин X 1 , X 2 , …, X 162 . Найти вероятность того, что их сумма за-
ключена между 22 и 26.
Решение. Пусть X 1 + X 2 + X 3 ... + X 162 = S162 . Случайные величины незави-
симы, одинаково распределены с математическим ожиданием
a+b 1 (b − a ) 2 1
M (Xi) = = и дисперсией D( X i ) = = . Условия центральной пре-
2 8 12 192
дельной теоремы соблюдены, поэтому случайная величина S162 приближенно
распределена по нормальному закону с плотностью
( s − M ( S162 )) 2
−
1 2⋅σ 2 ( S162 )
f ( s) ≈ e .
σ( S162 ) ⋅ 2π
⎛ 1 1 ⎞
Итак, S162 ~ N ⎜⎜162 ⋅ , 162 ⋅ ⎟ . Так как
⎝ 8 192 ⎟⎠
⎛ 162 ⎞ 162 1 81
M ( S162 ) = M ⎜ ∑ X i ⎟ = ∑ M ( X i ) = ⋅ 162 = ,
⎝ i =1 ⎠ i =1 8 4
⎛ 162 ⎞ 162 1 27
D( S162 ) = D⎜ ∑ X i ⎟ = ∑ D( X i ) = ⋅ 162 = ,
⎝ i =1 ⎠ i =1 192 32
то, применяя формулу (14.4), получим

⎛ ⎞ ⎛ ⎞
⎜ 26 − 81 ⎟ ⎜ 22 − 81 ⎟
P{22 < S162 < 26} ≈ Φ 0 ⎜ 4 ⎟−Φ ⎜ 4 ⎟≈
⎜ 27 ⎟ 0
⎜ 27 ⎟
⎜ ⎟ ⎜ ⎟
⎝ 32 ⎠ ⎝ 32 ⎠

≈ Φ 0 (6, 26 ) − Φ 0 (1,91) ≈ 0,5 − 0, 4719 = 0,0281 .
Итак, с вероятностью, приблизительно равной 0,03, можно утверждать, что

⎡ 1⎤
сумма 162 случайных чисел, выбранных на отрезке ⎢0; 4 ⎥ , заключена
⎣ ⎦
между 22 и 26.
Задачи для аудиторной работы
14.1. Средний срок службы прибора 10 лет. Используя неравенство

Маркова, оценить вероятность того, что данный прибор не прослужит
более 15 лет.
14.2. Дискретная с.в. X задана законом распределения
xi 1 2 3 4 5
pi 0,10 0,15 0,30 0,25 0,20
Найти вероятность события A = {| X − M ( X ) |< 1,5} . Оценить эту вероят-

ность, пользуясь неравенством Чебышева.
14.3. Используя неравенство Чебышева, оценить вероятность того, что
с.в. X отклонится от своего математического ожидания M (X ) менее, чем на:
а) σ ; б) 3σ ; в) 9σ , где σ = D ( X ) – среднее квадратическое
отклонение с.в. X .
14.4. X – непрерывная с.в. с плотностью распределения
3 − 3| x|
f ( x) = e , x∈R .
2
Найти:
а) P{| X |< 2} ;
б) оценку вероятности события {| X |< 2} , используя неравенство Чебышева.
14.5. Всхожесть семян некоторой культуры равна 0,85. Оценить веро-
ятность того, что из 400 посеянных семян число взошедших будет заключено
в пределах от 300 до 380.
14.6. Устройство состоит из 400 независимо работающих элементов.
Вероятность отказа любого из них за время T равна 0,01. С помощью не-
равенства Чебышева оценить вероятность того, что модуль разности меж-
ду числом отказавших элементов и средним числом отказов за время T
окажется не менее 5.
14.7. Число дождливых дней в году для данной местности является с.в.
X с M ( X ) = 100 . Оценить вероятность того, что в следующем году в данной
местности будет меньше 140 дождливых дней.
14.8. Парикмахерская обслуживает в среднем 120 клиентов в день.
Оценить вероятность того, что сегодня в данной парикмахерской будет об-

служено:
а) не менее 150 клиентов; б) менее 160 клиентов.
14.9. Игральная кость подбрасывается 1 200 раз. Оценить вероятность
отклонения относительной частоты выпадения 6 очков от вероятности этого
события (по модулю) на величину, меньшую, чем 0,02.
14.10. В урне находится 20 белых и 80 черных шаров. Из нее извлека-

ют, с возвращением, 40 шаров. Оценить вероятность того, что количество бе-
лых шаров в выборке заключено между 4 и 12.
14.11. В автопарке 200 автомобилей. Каждый из них за время эксплуа-
тации t может выйти из строя независимо от других с вероятностью 0,04.
Оценить вероятность того, что доля надежных автомобилей отличается по
модулю от вероятности безотказной работы любого из них не более
чем на 0,1.
14.12. Дисперсия каждой из 2 000 независимых с.в. не превышает 2.
Оценить вероятность того, что отклонение среднего арифметического этих
с.в. от среднего арифметического их математических ожиданий меньше 0,4.
14.13. Применима ли к последовательности независимых с.в.
X 1 , X 2 , X 3 , … теорема Чебышева, если закон распределения каждой из с.в.
X n ( n = 1,2,3,... ) имеет вид
xn,i − na 0 na
а) pi 0,25 0,5 0,25
б) xn,i − n −1 n −1
pi 0,5 0,5
в)
xn,i − n −0 n −0,
pi 0,5 0,5
14.14. Сколько раз нужно измерить длину детали, истинное значение

которой α , чтобы с вероятностью, не меньшей, чем 0,95, можно было утвер-
ждать, что среднее арифметическое этих измерений отличается от a по мо-
дулю меньше, чем на 1, если дисперсия каждого измерения меньше 16?
14.15. Вероятность попадания в цель при каждом выстреле для данного
стрелка равна 0,7. Найти вероятность того, что число попаданий в цель будет
больше 52, если он произвел 84 выстрела.
14.16. Складываются 300 независимых случайных величин X 1 , X 2 , …,
X 300 , равномерно распределенных на отрезке [0; 0,4]. Найти:
300
а) приближенное выражение плотности с.в. Y = ∑ X i ;
i =1

б) вероятность события A = {56 < Y < 65} .
14.17. Напряжения на выходах 40 каналов радиотехнического устрой-
ства есть независимые с.в. с математическими ожиданиями, равными 5 В, и
дисперсиями, равными 10 В. Найти вероятность того, что напряжение на вы-
ходе устройства, суммирующего напряжение каналов:
а) будет находиться в пределах от 140 В до 200 В;
б) превысит 180 В.
14.18. При статистическом отчете складывается 900 чисел, каждое из
которых округлено с точностью до 0,001. Предполагается, что ошибки ок-
ругления независимы и равномерно распределены в интервале
( − 0,5 ⋅ 10 −3 ; 0,5 ⋅ 10 −3 ). Найти интервал, симметричный относительно математи-
ческого ожидания, в котором с вероятностью, не меньшей, чем 0,996, будет
находиться суммарная ошибка.
14.5. Ответы
1 8
14.1. p ≥ . 14.2. 0,7 ; p ≥ 0,33 14.3. а) p ≥ 0 ; б) p ≥ ≈ 0,89 ;
3 9
80 17 1549
в) p ≥ ≈ 0,99 . 14.4. а) p = 1 − e −6 ; б) p ≥ . 14.5. p ≥ ≈ 0,97 .
81 18 1600
2
14.6. p ≤ 0,1584. 14.7. p ≥ . 14.8. а) p ≤ 0,8 ; б) p ≥ 0,25 . 14.9. p ≥ 0,71.
7
7 3
14.10. p ≥ ≈ 0,6 . 14.11. p ≥ 0,9808 . 14.12. p ≥ . 14.13. а) нет; б) да;
12 8
( y − 60 ) 2
1 −
в) нет. 14.14. n ≥ 320 . 14.15. p ≈ 0,9479 . 14.16. а) f ( y ) ≈ e 8
;
2 ⋅ 2π
б) P( A) ≈ 0,971 . 14.17. а) p ≈ 0,499 ; б) p ≈ 0,841. 14.18. ( − 0,0251; 0,0251 ).
14.6. Приложения
x2
1 −2
Приложение 1. Значение функции ϕ( x) = e .
2π
0 1 2 3 4 5 6 7 8 9
x Сотые доли x
0,0 0,3989 3989 3989 3988 3986 3984 3982 3980 3977 3973
0,1 3970 3965 3961 3956 3951 3945 3939 3932 3925 3918
0,2 3910 3902 3894 3885 3876 3867 3857 3847 3836 3825
0,3 3814 3802 3790 3778 3765 3752 3739 3726 3712 3697
0,4 3683 3668 3653 3637 3621 3605 3588 3572 3555 3538
0,5 3521 3503 3485 3467 3448 3429 3411 3391 3372 3352
0,6 3332 3391 3292 3271 3251 3230 3209 3187 3166 3144
0,7 3123 3101 3079 3056 3034 3011 2989 2966 2943 2920
0,8 2897 2874 2850 2827 2803 2780 2756 2732 2709 2685
0,9 2661 2637 2613 2589 2565 2541 2516 2492 2468 2444

1,0 2420 2396 2371 2347 2323 2299 2275 2251 2227 2203
1,1 2179 2155 2131 2107 2083 2059 2036 2012 1989 1965
1,2 1942 1919 1895 1872 1849 1827 1804 1781 1759 1736
1,3 1714 1692 1669 1647 1626 1604 1582 1561 1540 1518
1,4 1497 1476 1456 1435 1415 1394 1374 1354 1334 1315
1,5 1295 1276 1257 1238 1219 1200 1181 1163 1145 1127
1,6 1109 1092 1074 1057 1040 1023 1006 0989 0973 0957
1,7 0941 0925 0909 0893 0878 0863 0848 0833 0818 0804
1,8 0790 0775 0761 0748 0734 0721 0707 0694 0681 0669
1,9 0656 0644 0632 0620 0608 0596 0584 0573 0562 0551
2,0 0540
2,1 0440
2,2 0355
2,3 0283
2,4 0224
2,5 0175
2,6 0136
2,7 0104
2,8 0079
2,9 0060
3,0 0044
3,1 0033
3,2 0024
3,3 0017
3,4 0012
3,5 0009
3,6 0006
3,7 0004
3,8 0003
3,9 0002
Примечание. В таблице даны мантиссы значений функции (0,…).

x t2
1 −
Приложение 2. Значение функции Φ0 ( x) = ∫
2π 0
e 2 dt .
0 1 2 3 4 5 6 7 8 9
x Сотые доли x
0,0 0,00000 00399 00789 01197 01595 01994 02392 02790 03188 03586
0,1 03983 04380 04776 05172 05567 05962 06356 06749 07142 07535
0,2 07926 08317 08706 09095 09483 09871 10257 10642 11026 11409
0,3 11791 12172 12552 12930 13307 13683 14058 14431 14803 15173
0,4 15542 15910 16276 16640 17003 17364 17724 18082 18439 18793
0,5 19146 19497 19847 20194 20540 20884 2122 21566 21904 22240
0,6 22575 22907 23237 23565 23891 24215 24537 24857 25175 25490
0,7 25804 26115 26424 26730 27035 27337 27637 27935 28230 28524
0,8 28814 29103 29389 29673 29955 30234 30511 30785 31057 31327
0,9 31594 31859 32121 32381 32639 32894 33147 33398 33646 33891
1,0 34134 34375 34614 34850 35083 35314 35543 35769 35993 36214
1,1 36433 36650 36864 37076 37286 37493 37698 38000 38100 38298
1,2 38493 38686 38877 39065 39251 39435 39617 39796 39973 40147
1,3 40320 40490 40658 40824 40988 41149 41308 41466 41621 41774

1,4 41924 42073 42220 42364 42507 42647 42786 42922 43056 43189
1,5 43319 43448 43574 43699 43822 43943 44062 44179 44295 44408
1,6 44520 44630 44738 44845 44950 45053 45154 45254 45352 45449
1,7 45543 45637 45728 45818 45907 45994 46080 46164 46246 46327
1,8 46407 46485 46562 46638 46712 46784 46856 46926 46995 47062
1,9 47128 47193 47257 47320 47381 47441 47500 47558 47615 47670
2,0 47725 47778 47831 47882 47932 47982 48030 48077 48124 48169
2,1 48214 48257 48300 48341 48382 48422 48461 48500 48537 48574
2,2 48610 48645 48679 48713 48745 48778 48809 48840 48870 48899
2,3 48928 48956 48983 49010 49036 49061 49086 49111 49134 49158
2,4 49180 49202 49224 49245 49266 49286 49305 49324 49343 49361
2,5 49379 49396 49413 49430 49446 49461 49477 49492 49506 49520
2,6 49534 49547 49560 49573 49585 49598 49609 49621 49632 49643
2,7 49653 49664 49674 49683 49693 49702 49711 49720 49728 49736
2,8 49744 49752 49760 49767 49774 49781 49788 49795 49801 49807
2,9 49813 49819 49825 49831 49836 49841 49846 49851 49856 49861
3,0 49865 49869 49874 49878 49882 49886 49889 49893 49896 49900
3,1 49903 49906 49910 49913 49916 49918 49921 49924 49926 49929
3,2 49931 49934 49936 49938 49940 49942 49944 49946 49948 49950
3,3 49952 49953 49955 49957 49958 49960 49961 49962 49964 49965
3,4 49966 49968 49969 49970 49971 49972 49973 49974 49975 49976
3,5 49977 49978 49978 49979 49980 49981 49981 49982 49983 49983
3,6 49984 49985 49985 49986 49986 49987 49987 49988 49988 49989
3,7 49989 49990 49990 49990 49991 49991 49992 49992 49992 49992
3,8 49993 49993 49993 49994 49994 49994 49994 49995 49995 49995
3,9 49995 49995 49996 49996 49996 49996 49996 49996 49997 49997
4,0 49997
5,0 49999
Примечание. В таблице даны мантиссы значений функции (0,…).

МОДУЛЬ 3. МАТЕМАТИЧЕСКАЯ СТАТИСТИКА
15. Основы статистического описания.

Гистограмма и полигон частот.
Эмпирическое распределение и его свойства

Пример 15.1. Коробки с шоколадом упаковываются автоматически. По

схеме собственно-случайной бесповторной выборки взято 130 из 2000 упако-
вок, содержащихся в партии, и получены следующие данные об их массе:
Масса Менее 975–1000 1000– 1025– Более Всего

упаковки, 975 1025 1050 1050
г
Число 6 38 44 34 8 130
упаковок
Найти:
А) границы, в которых с вероятностью 0,9901 заключена средняя мас-
сса упаковок в партии;
Б) вероятность того, что доля упаковок, масса которых менее 1000 г,
во всей партии отличается от доли таких упаковок в выборке, не более чем
0,05 (по абсолютной величине);
В) объем бесповторной выборки, при котором те же границы для средней
массы упаковок во всей партии, можно гарантировать с вероятностью 0,95.
1 5
Решение. Находим выборочную среднюю x B = ∑ x i ⋅ ni .
n i =1
n = 130; − объем выборки
x1 = 962,5; x 2 = 987,5; x3 = 1012,5; x 4 = 1037,5; x5 = 1062,5 − середины интервалов
Примечание. В случае незамкнутых интервалов они заменяются на
интервалы той же длины, что и остальные интервалы выборки.
1
x= (962,5*6+987,5*38+1012,5*44+1037,5*34+1062,5*8)=1012,5.
130
1 5
Находим выборочную дисперсию s = ∑ xi − x ni = 615,3846.
n i =1
2 2
( )

15. Основы статистического описания. Гистограмма и полигон частот. Эмпирическое распределение и его свойства
Находим среднюю квадратическую ошибку выборки для доли:

w(1 − w) ⎛ n⎞
σ′w ≈ ⎜1 − ⎟ – для бесповторной выборки.
n ⎝ N⎠
Здесь w – выборочная доля деталей в выборке, масса которых меньше 1000

г.
6 + 38
w= = 0,3385.
130
N – объем генеральной совокупности (в нашем случае – 2000).
0,3385(1 − 0.3385) ⎛ 130 ⎞
σ′w ≈ ⎜1 − ⎟,
130 ⎝ 2000 ⎠
σ w′ ≈ 0,04013.
Находим доверительную вероятность того, что доля упаковок, масса
которых менее 1000 г, во всей партии отличается от доли таких упаковок в
выборке не более чем 0,05 (по абсолютной величине):
⎛ 0,05 ⎞
P ( w − p ≤ 0,05) = Φ⎜⎜ ⎟⎟ ;
⎝ σ′w ⎠
⎛ 0,05 ⎞
Φ ⎜⎜ ⎟⎟ = Φ (1,246) = 0,7887 .
⎝ σ′w ⎠
Приложение. Maple-программа расчета приведенных параметров
(правильность расчетов программы проверена на аналогичных примерах
из книги Н. Ш. Кремера “Теория вероятностей и математическая стати-
стика” 9.19, 9.20, 9.21, с. 330–331).
> restart:x:=[962.5,987.5,1012.5,1037.5,1062.5];
x := [ 962.5, 987.5, 1012.5, 1037.5, 1062.5 ]

> n:=[6,38,44,34,8];
n := [ 6, 38, 44, 34, 8 ]

> N:=2000;
N := 2000
> kolichestvo:=nops(n);
kolichestvo := 5
> nb:=sum(n[i],i=1..kolichestvo);

nb := 130
> xcp:=1/nb*sum(x[i]*n[i],i=1..kolichestvo);
xcp := 1012.500000
> s:=1/nb*sum((x[i]-xcp)^2*n[i],i=1..kolichestvo);
s := 615.3846154
> w:=44/130;sigma:=evalf(sqrt(w*(1-w)/nb*(1-nb/N)));
22
w :=
65
σ := .04012973953
> 0.05/sigma;
1.245958748
Найдем границы, в которых с вероятностью 0,9901 заключен средняя

масса упаковок в партии.
По таблицам значений функции Лапласа находим Ф(t)=0,9901 ⇒ t = 2,58.
Интервальные оценки для средней находятся по формулам:
Δ = tσ′x ;
s2 ⎛ n⎞
σ′x ≈ ⎜1 − ⎟ ;
n⎝ N⎠
x − Δ ≤ x0 ≤ x + Δ .
Получаем
130 ⎞
615.3846 ⎛⎜⎜ 1 − ⎟
⎝ 2000 ⎟⎠
σ x′ ≈ 130 = 2.103814486 ;
Δ = 2,58 ⋅ 2,1038 = 5,42784 ;
1012 ,5 − 5,42784 ≤ x0 ≤ 1012 ,5 + 5,42784 ;
1007 ,072 ≤ x0 ≤ 1017 ,928 .
Найдем объем бесповторной выборки, при котором те же границы для

средней массы упаковок во всей партии можно гарантировать с вероятно-
стью 0,95.
Объем бесповторной выборки определяется по формуле
2
Nt1 s 2
n′ = 2 2 .
t1 s + NΔ2

Φ (t1 ) = 0,95 ⇒ t1 = 1,96 .
2000 ⋅ 1,96 2 ⋅ 615,3846

n′ = .
1,96 2 ⋅ 615,3846 + 2000 ⋅ 5,427842
n′ = 77,147299 ≈ 77 .
Ответ. А) границы, в которых с вероятностью 0,9901 заключена средняя
масса упаковок в партии: 1007,072 ≤ x ≤ 1017,928 ;
0
Б) вероятность того, что доля упаковок, масса которых менее 1000 г,
во всей партии отличается от доли таких упаковок в выборке не более чем
0,05 (по абсолютной величине) равна 0,7887;
В) объем бесповторной выборки, при котором те же границы для сред-
ней массы упаковок во всей партии можно гарантировать с вероятностью
0,95, равен 77.
15.2. Задачи
1. Комитетом по физической культуре и спорту были проведены иссле-

дования спортсменов, занимающихся стрельбой. Было отобрано 200 стрелков
из 4000 для определения среднего количества патронов, необходимых одно-
му спортсмену для одной тренировки. Результаты обследования приведены в
таблице.
Число па- Менее 200- 300- 400- 500- 600- Более Всего
тронов 200 300 400 500 600 700 700
(шт.)
Число 4 20 57 65 31 15 8 200
спортсменов
(чел.)
Найти:
А) границы, в которых с вероятностью 0,95 заключено среднее число
патронов, необходимых для тренировки одного спортсмена;
Б) вероятность того, что доля спортсменов, расходующих более 500
патронов, отличается от доли таких спортсменов в выборке, не более чем 5 %
(по абсолютной величине);
него числа патронов можно гарантировать с вероятностью 0,9876.
15.3. Ответы
А) границы, в которых с вероятностью 0,95 заключено среднее число

патронов, необходимых для тренировки одного спортсмена:

420,5663 ≤ x 0 ≤ 455,4336 ;
Б) вероятность того, что доля спортсменов, расходующих более 500
патронов, отличается от доли таких спортсменов в выборке не более чем 5%
(по абсолютной величине) 0,8969;
него числа патронов можно гарантировать с вероятностью 0,9876, равен 316.
16. Точечные оценки. Свойства несмещенности,

состоятельности и эффективности. Выборочная средняя
и выборочная дисперсия

16.1. Из генеральной совокупности извлечена выборка
x 1 3 7 1
2
n 8 16 6 1
0
Найти выборочную среднюю.

16.2. Из генеральной совокупности извлечена выборка
xi -8 -2 1 5
ni 13 11 14 12
Найти выборочную среднюю.

16.3. Найти выборочную среднюю по данному распределению выбор-
ки:
xi 1450 1480 1490

ni 3 5 2

16. Точечные оценки. Свойства несмещенности, состоятельности и эффективности. Выборочная средняя и выборочная дисперсия
16.4. Найти выборочную среднюю по данному распределению выбор-

ки:
а)
xi 3140 3150 3180
ni 12 6 12
б)
xi 2430 2460 2500
ni 24 14 12
16.5. Найти несмещенную оценку дисперсии случайной величины X на

основании данного распределения выборки:
xi 2 7 9 10
ni 8 14 10 18
16.6. Найти несмещенную оценку дисперсии случайной величины X на

основании данного распределения выборки:
xi 1 5 6 8
ni 6 4 7 3
16.7. Найти выборочную дисперсию по данному распределению выборки:
xi 0,0 0,0 0,0

2 5 8
ni 3 2 5
16.8. Найти выборочную дисперсию по данному распределению выборки:
xi 0,0 0,0 0,0

02 05 06
ni 9 6 5
16.9. Выручка в магазине от продажи обуви составила соответственно

по месяцам следующие значения (млн руб.):

16. Точечные оценки. Свойства несмещенности, состоятельности и эффективности. Выборочная средняя и выборочная дисперсия
Ме- 1 2 3 4 5 6 7 8 9 1 1 1
сяц 0 1 2
P 0 0 0 0 0 0 0 0 0 0 0 0
,2 ,5 ,4 ,2 ,4 ,5 ,2 ,2 ,4 ,5 ,4 ,2
Найти выборочную среднюю и выборочную дисперсию.
16.3. Ответы
16.1. x В = 5,45 . 16.2. xВ = −1,04 . 16.3. 1473 . 16.4. а) xВ = 3158 ;

б) x В = 2455 . 16.5. s 2 = 7,73 . 16.6. s 2 = 6,67 . 16.7. d В = 7 ⋅ 10−4 .
16.8. d В = 3,09 ⋅ 10−6 . 16.9. x В = 0,34 ; d В = 0,0169 .
17. Отыскание оценок методом моментов.

Оценки наибольшего правдоподобия и их свойства.
Интервальные оценки. Доверительные интервалы и области.
Интервальные оценки параметров нормального
и биномиального распределений

17.1. На предприятии изготавливается определенный вид продукции.

Ежемесячный объем выпуска этой продукции является случайной величиной,
для характеристики которой принят показательный закон распределения.
− λx
f ( x) = λ ⋅ e ( x ≥ 0) .
В течение шести месяцев проводился замер объемов выпуска продук-
ции, получены следующие данные:
Месяц 1 2 3 4 5 6
Объем выпуска 2 2 2 2 2 3
0 4 5 8 7 2
Найти оценку параметра λ .

17. Отыскание оценок методом моментов. Оценки наибольшего правдоподобия и их свойства. Интервальные оценки
17.2. При условии показательного распределения случайной величины X

⎧λe− λx , если x ≥ 0,
f ( x) = ⎨
⎩0, если x < 0
произведена выборка
xi 4 3 10 12 15
ni 3 3 6 4 4

F ( x ) = 1 − e − λx ( x ≥ 0 ).
Произведена выборка
xi 3 5 6 8 10
ni 2 3 5 10 10
17.4. При условии равномерного распределения случайной величины

X
⎧⎪ 1
, если x ∈ (a, b),
f ( x) = ⎨ b − a
⎪⎩0, если x ∉ (a, b)
произведена выборка
xi 2 3 4 5 6
ni 4 6 5 12 8
Найти оценку параметров a и b .

17.5. При условии равномерного распределения случайной величины
X произведена выборка
xi 3 5 7 9 1 1 1 1 1 2
1 3 5 7 9 1

17. Отыскание оценок методом моментов. Оценки наибольшего правдоподобия и их свойства. Интервальные оценки
ni 2 1 1 2 2 1 2 2 1 2
1 6 5 6 2 4 1 2 8 5
Найти оценку параметров a и b .

17.6. Случайная величина подчиняется нормальному закону рас-
пределения
( x−a )2
−
1 2σ2
f ( x) = e .
σ 2π
Известно, что σ = D ( X ) , a = M (X ) .
Произведена выборка
xi 3 5 7 9 11 13 15
ni 6 9 16 25 20 16 8
Найти оценку параметра a и несмещенную оценку параметра σ .
17.3. Ответы
1
17.1. λ* = . 17.2. λ* = 0,1 . 17.3. λ* = 0,13 . 17.4. a * = 2,09 , b* = 6,71 . 17.5.
26
a = 2,25 , b* = 22,37 . 17.6. a * = 9,48 , s = 3,22 .
*
18. Статистическая проверка гипотез.

Общее понятие о статистической проверке гипотез.
Оптимальный критерий неймана-пирсона
для различения двух простых гипотез. Функция мощности.
Несмещенные критерии. Примеры критериев
18.1. Теория
Стандартными задачами математической статистики являются задачи

определения класса (вида) распределения генеральной совокупности и опре-
деление ее основных числовых характеристик. Эти задачи математическая
статистика решает в виде выдвижения гипотез, а не прямым расчетом. Это
связано с тем, что исходные данные для статистических расчетов являются
случайными величинами и полученные результаты расчета тоже есть слу-
чайные величины. Поэтому каждый расчетный результат должен быть до-
полнен вероятностью его правильности (или ошибки), следовательно, он яв-

18. Статистическая проверка гипотез. Общее понятие о статистической проверке гипотез
ляется гипотетическим.
Определение 18.1. Статистической гипотезой называют гипотезу о
виде неизвестного распределения или о параметрах известного распределе-
ния.
Наряду с данной гипотезой рассматривают и противоречащую ей гипо-
тезу. В случае, когда выдвинутая гипотеза отвергается, обычно принимается
противоречащая ей гипотеза.
Определение 18.2. Нулевой (основной) называют выдвинутую гипотезу
H0 .
Определение 18.3. Конкурирующей (альтернативной) называют ги-
потезу H 1 , которая противоречит основной.
Определение 18.4. Простой называют гипотезу, содержащую только
одно предположение.
Определение 18.5. Сложной называют гипотезу, которая состоит из
конечного или бесконечного числа простых гипотез.
Пример 18.1. Нулевая гипотеза H0 : генеральная совокупность распре-
делена по нормальному закону, тогда гипотеза H 1 : генеральная совокупность
не распределена по нормальному закону.
Пример 18.2. Нулевая гипотеза H0 : M x = 20 (т. е. математическое ожи-
дание нормально распределенной величины равно 20), тогда гипотеза H 1 мо-
жет иметь вид H 1 : M x ≠ 20 .
В итоге проверки гипотезы могут быть допущены ошибки двух родов.
Определение 18.6. Ошибка первого рода состоит в том, что будет
отвергнута правильная гипотеза. Вероятность ошибки первого рода назы-
вают уровнем значимости и обозначают через α .
Определение 18.7. Ошибка второго рода состоит в том, что будет
принята неправильная нулевая гипотеза. Вероятность ошибки второго рода
обозначают через β .
Определение 18.8. Статистическим критерием (или просто критери-
ем) называют случайную величину K , которая служит для проверки гипотезы.
Определение 18.9. Наблюдаемым (эмпирическим) значением K набл на-
зывают то значение критерия, которое вычислено по выборкам.
Определение 18.10. Критической областью называют совокупность
значений критерия, при которых нулевую гипотезу принимают.
Определение 18.11. Областью принятия гипотезы (областью допус-
тимых значений) называют совокупность значений критерия, при которых
нулевую гипотезу принимают.

Основной принцип проверки статистических гипотез: если наблюдае-

мое значение критерия принадлежит области принятия гипотезы, то гипотезу
принимают.
Определение 18.12. Критическими точками (границами) kкр называют
точки, отделяющие критическую область от области принятия гипотезы.
Определение 18.13. Правосторонней называют критическую область,
определяемую неравенством K > kкр , где kкр – положительное число.
Определение 18.14. Левосторонней называют критическую область,
определяемую неравенством K < kкр , где kкр – отрицательное число.
Определение 18.15. Двусторонней называют критическую область,
определяемую неравенствами K < k1 , K > k 2 где k 2 > k1 . В частности, если
критические точки симметричны относительно нуля, то двусторонняя
критическая область определяется неравенствами (в предположении,
что kкр > 0 )
K < − k кр , K > k кр ,
ИЛИ РАВНОСИЛЬНЫМ НЕРАВЕНСТВОМ

| K |> kкр .
Для отыскания критической области задаются уровнем значимости α

и ищут критические точки, исходя из следующих соотношений:
а) для правосторонней критической области
P ( K > k кр ) = α ( kкр > 0 );
б) для левосторонней критической области
P ( K < k кр ) = α ( kкр < 0 );
в) для двусторонней симметричной области
P ( K > k кр ) = α / 2 , P ( K < − k кр ) = α / 2 ( kкр < 0 );
Определение 18.16. Мощностью критерия называют вероятность
попадания критерия в критическую область при условии, что справедлива
конкурирующая гипотеза. Другими словами, мощность критерия есть веро-
ятность того, что нулевая гипотеза будет отвергнута, если верна конкури-
рующая гипотеза.
18.2. Примеры t -критерий для одной выборки
Пример 18.3. Двадцать работников одной из компаний проходили тес-

тирование, оценивающее уровень тревожности. Их стартовые результаты (в

условных баллах) были таковы:
{51, 52 , 52 , 53, 54 , 54 , 55, 57 , 60 , 60 , 61, 62 , 62 , 63, 65, 66 , 69 , 70 , 72, 74} .
На основании данных стартового тестирования испытуемые были раз-
биты на две группы – контрольную и экспериментальную. С этой целью сна-
чала были выделены пары с близкими стартовыми показателями, а затем из
каждой пары случайно был выбран испытуемый для экспериментальной
группы. Второй член пары был отнесен к контрольной группе.
После этого в течение месяца один раз в неделю с экспериментальной
группой проводились тренинговые занятия. В заключение тестирование было
повторено. Общие результаты эксперимента приведены в таблице. В верхней
половине приведены данные экспериментальной группы, в нижней – кон-
трольной. В последнем столбце – выборочные средние значения помещен-
ных в данной строке показателей.
Num- 1 2 3 4 5 6 7 8 9 1 M
ber 0
Start 5 5 5 56 6 6 6 6 7 7
1 3 4 7 0 1 2 5 0 2 0,5
Final 2 4 6 2 3 3 3 1 2 3 3
6 2 3 0 6 5 1 3 5 4 1,5
Progr 2 2 - 3 2 2 3 5 4 3 2
ess 5 1 9 7 4 6 1 2 5 8 9
Num- 1 2 3 4 5 6 7 8 9 1 M
ber 0
Start 5 5 5 5 6 6 6 6 6 6 7
2 2 4 5 0 2 3 6 9 4 0,7
Final 6 2 1 3 3 6 6 5 6 5 4
7 4 9 4 2 5 4 0 5 9 7,9
Progr - 2 3 2 2 - - 1 4 1 1
ess 15 8 5 1 8 3 1 6 5 2,8
Первый вопрос, на который следует ответить, действительно ли снизи-

лась тревожность у участников экспериментальной группы. У десяти участ-
ников снижение тревожности составило соответственно 25, 21, -9, 37, 24, 26,
31, 52, 45, 38 баллов. Мы хотим убедиться, что этот результат неслучаен.
Начнем с предположения, что результат случаен, и показываем, что это
маловероятно.

Замечание. Схема рассуждения «от противного» – узловой момент ме-

тода проверки статистических гипотез. Если мы хотим доказать, что имеет
место эффект некоторого воздействия, мы предполагаем, что эффекта нет,
т.е. результат его воздействия нулевой, что эквивалентно равенству нулю ма-
тематического ожидания некоторой случайной величины. Затем, используя
это предположение, а также некоторые дополнительные, без которых невоз-
можен расчет вероятностей, мы показываем, что вероятность получить при
данных предположениях данный результат ниже назначенного порога (уров-
ня значимости). Это позволяет отвергнуть исходное предположение (об от-
сутствии эффекта) и утверждать, что эффект имеет место.
Алгоритм решения задачи.
1. Задается случайная величина и предполагается, что она нормально
распределена. Ее математическое ожидание известно (по предположению
оно равно нулю), а дисперсия представляет собой неизвестное число D . Ука-
зывается число рассмотренных значений n , т. е. объем выборки.
Для данного примера случайные величины представляют собой изменение
уровня тревожности испытуемых экспериментальной группы, при этом n = 10 .
1
2. Вычисляем x = ( x1 + x2 + ... + xn ) – среднее арифметическое выборочных
n
значений и S 2 =
1
n −1
( )
( x1 − x)2 + ( x2 − x) 2 + ... + ( xn − x) 2 – выборочную дисперсию.
В нашем примере x = 29 ; S 2 ≈ 276,9 .

Пусть m – истинное среднее значение изменения уровня тревожности
испытуемых экспериментальной группы.
3. Формулируется рассматриваемая гипотеза, например, H0 : m = 0 .
4. Задается уровень значимости α – вероятность того, что отвергается
верная гипотеза H 0 .
Пусть для данного примера α = 0,05 .
5. Вычисляется по формуле
x
t= n
S2
выборочное значение t (в таких случаях говорят «вычислить t - статистику
для данной выборки»). В нашем случае выборочное значение t равно 5,51.
Замечание. Если бы вместо выборочной дисперсии S 2 в знаменателе
стояла реальная дисперсия D случайной величины, испытание которой дает
наше единичное наблюдение, то формула

x
n
D
задавала бы стандартную нормальную случайную величину, поскольку
дисперсия среднего арифметического получается из дисперсии одного на-
блюдения делением на n , а
x x
n=
D D/ n .
Деление на корень из выборочной дисперсии, которая сама случайно

отклоняется от реальной, несколько искажает распределение, но тем не менее
график распределения случайной величины
x
t= n
S2
напоминает график плотности нормального распределения. Для разных
значений n распределения различны.
Распределение, получаемое по приведенной формуле, если в него вхо-
дит n слагаемых, называется распределением Стьюдента с n − 1 степенью
свободы. Другое его название t- распределение.
Деление на выборочную дисперсию, хотя и не превращает случайную
величину в стандартную нормальную, все же обеспечивает независимость
распределения Стьюдента от дисперсии слагаемых. Если исходная случайная
величина – это размер горы в метрах и если другая случайная величина изме-
ряет массу бактерий в граммах, то после нормировки каждой из них с помо-
щью ее собственной выборочной дисперсии мы можем употреблять для обе-
их одно и то же распределение Стьюдента. Это удобство вместе с чрезвы-
чайно широкой распространенностью задачи о средних значениях эмпириче-
ских результатов сделало критерий, основанных на распределении Стьюден-
та, одним из самых распространенных.
6. Критическое (пороговое) значение критерия tкр определяется по таб-
лице, где приведены граничные значения t -распределения (см. таб. 1 Прило-
жения). Мы имеем 10 наблюдений, следовательно, в строке, соответствую-
щей девяти (10-1) степеням свободы находим в столбце «уровень значимости
одностороннего критерия 0,05» число 1,83.
7. Далее сравниваем граничное значение с вычисленным выборочным.
Отвергнуть или принять гипотезу о равенстве нулю среднего значения в за-
висимости от того, правее или левее граничного значения tкр расположится
полученное выборочное значение t . В нашем случае t = 5,5 расположено пра-

вее tкр = 1,83 . Это значит, что на уровне значимости α = 0,05 мы отвергаем ги-
потезу о равенстве нулю математического ожидания случайной величины
«изменение уровня тревожности испытуемых экспериментальной группы».
Замечание. На уровне значимости α = 0,05 обе группы испытуемых де-
монстрируют снижение тревожности. Содержательное объяснение этого
факта не входит в компетенцию статистики. Можно заметить, что экспери-
ментальная группа демонстрирует несколько большее снижение, поскольку
относительно нее гипотеза отвергается на более низком уровне значимости
(см. задачи 18.1, 18.4). Однако достаточно ли выражено это преимущество?
Не может ли быть так, что случайные колебания t -статистики привели к не-
которому преимуществу экспериментальной группы?
t -критерий для независимых выборок.

Анализ средних значений
Рассмотрим вторую модификацию t -критерия. Она может использо-

ваться даже в случае, если сравниваемые выборки разного размера.
Пример 18.4. В тюрьме города Збышева были обследованы 50 заклю-
ченных на предмет вычисления среднего значения коэффициента интеллекта.
Было получено x1 = 0,3 при разбросе S1 = 0,05 .
Подобное обследование было проведено также в тюрьме города Энска
среди 40 заключенных с соответствующими показателями: x2 = 0,4 и S 2 = 0,04 .
Начальство тюрьмы в Збышеве объявило результаты обследования несостоя-
тельными, поскольку не все заключенные обследовались. А их оказалось
2 000 человек в Збышеве и 2 500 – в Энске. Таким образом, задача представ-
лялась очень трудоемкой. И на помощь, как всегда в трудную минуту, при-
шла математика!
Алгоритм решения подобных задач заключается в следующем:
1. Задаются две случайные величины и для каждой из них указывается
число рассмотренных значений n1 и n 2 , т. е. объемы соответствующих выбо-
рок.
Для данного примера случайные величины представляют собой коэф-
фициенты интеллекта, при этом n1 = 50 , n2 = 40 .
Предлагаемый алгоритм имеет место для любых случайных величин
при условии, что n1 и n 2 будут принимать значения, не меньшие 30–40; для
нормально распределенных случайных величин данный алгоритм будет
справедлив как при больших, так и при малых значениях n1 и n 2 , но при ус-

ловии равенства теоретических дисперсий (дисперсий генеральных совокуп-

ностей) рассматриваемых величин.
2. Указываются теоретические значения или вычисляются приближенно по
формулам
1
x= ( x1 + x2 + ... + xn ) ,
n
D=
1
n −1
(
( x1 − x) 2 + ( x2 − x) 2 + ... + ( xn − x) 2 , )
или D=
1
n
(
( x1 − x) 2 + ( x2 − x) 2 + ... + ( xn − x) 2 , )
S= D
(если статистический материал представлен дискретным вариационным
рядом), и
x=~
x1 ⋅ ~
p1 + ~
x2 ⋅ ~
p2 + ... + ~
xk ⋅ ~
pk ,
D=
1 ~
n −1
(
( x1 − x) 2 ⋅ ~
p1 + ( ~
x2 − x ) 2 ⋅ ~
p2 + ... + ( ~
xk − x ) 2 ⋅ ~ )
pk ,
S= D
(если статистический материал представлен интервальным вариационным
рядом), средние значения x1 и x2 и разбросы (средние квадратические откло-
нения) S1 и S 2 данных случайных величин.
В исходном примере x1 = 0,3 ; x2 = 0,4 ; S1 = 0,05 ; S 2 = 0,04 .
Пусть m1 и m2 – истинные средние значения коэффициентов интеллек-
та в тюрьме Збышеве и Энске соответственно.
3. Формулируется рассматриваемая гипотеза, например, H0 : m1 = m2 .
4. Задается уровень значимости α – вероятность того, что отвергается
верная гипотеза H 0 .Так, применяя юридическую терминологию, можно при-
вести пример, когда α – вероятность вынесения судом обвинительного при-
говора в случае невиновности обвиняемого.
Обычно α принимают равным 0,1; 0,05; 0,01 и т. д. Тогда с вероятно-
стью 1 − α принимается верная гипотеза H0 .
Пусть для данного примера α = 0,1 .
Вычисляется значение критерия t , представляющего собой функцию
исходных данных x1 , x2 , S1 , S 2 , n1 , n2 :
x1 − x2 n1n2 k
t= ,
n S + n2 S
1 1
2 2
2
n1 + n2
где k = n1 + n2 − 2 .

Для рассматриваемого примера

k = 50 + 40 − 2 = 88 ;
0,3 − 0,4 50 ⋅ 40 ⋅ 88
t= ⋅ = −10,17 .
50 ⋅ 0,05 + 40 ⋅ 0,04
2 2 50 + 40
5. Критическое (пороговое) значение критерия t кр определяется по

табл. 1 Приложения для данных k и вероятности, равной α или 2α .
6. Далее руководствуются табл. 18.1. Мы рассматриваем гипотезу H0 :
m1 = m 2 .
Поэтому ориентируемся на первую строку этой таблицы. При α = 0,1
по табл. 1 Приложения находим tкр = 1,66 .
Таблица 18.1
Вероятность Условие Принимаемая гипотеза H0
α − tкр ≤ t ≤ tкр m1 = m 2
α t > tкр или t < −tкр m1 ≠ m 2
2α t > tкр m1 > m 2
2α t < −tкр m1 < m 2
В нашем случае t = −10,17 < tкр = 1,66 . Однако t < −tкр = −1,66 , поэтому ги-
потеза H0 о равенстве средних отвергается и принимается альтернативная
гипотеза m1 ≠ m2 . То есть имеющиеся данные противоречат тому, что средний
коэффициент интеллекта у заключенных в Энске равен среднему коэффици-
енту у заключенных в Збышеве.
С рассмотренной задачей тесно связана задача проверки гипотез о равен-
стве долей значений правовых показателей, которую рассмотрим на примере.
Анализ долей значений правовых показателей
Пример 18.5. С целью проверки правовой подготовки курсантов акаде-

мии МВД были выборочно обследованы три группы. В первой группе было
предложено n1 = 100 задач, из которых верно решено l1 = 70 , во второй из n2 = 110
предложенных задач верно решено l2 = 75 , в третьей из n3 = 100 верно решено
l3 = 68 . На уровне значимости α = 0,02 проверить гипотезу об отсутствии суще-
ственных различий в усвоении учебного материала студентами этих групп.
Пусть p1 , p2 , p3 – доли решенных задач студентами первой, второй и
третьей группы соответственно. Данные показатели представляют собой не-
известные теоретические доли соответствующих генеральных совокупностей
всех возможных задач (а количество их может быть очень и очень большим).

70 75 68
Первое, что напрашивается, это взять p1 = , p2 = , p3 = и срав-
100 110 100
нить полученные числа. Но такое решение в общем случае будет грубо при-
ближенным, поскольку в группах для решения предлагалось разное количе-
ство задач.
На данном примере рассмотрим алгоритм решения подобных задач,
который предполагает достаточное количество проведенных наблюдений над
случайными величинами (объемы всех выборок должны быть не менее 100).
1. Выдвигается гипотеза H0 : p1 = p2 = p3 = p .
2. Задается уровень значимости α (вероятность ошибки при отклоне-
нии истинной гипотезы H0 ).
3. Вычисляется оценка
l1 + l2 + l3 70 + 75 + 68 213
pˆ = = = ≈ 0,69 .
n1 + n2 + n3 100 + 110 + 100 310
4. В качестве критерия используется функция U , которая для рассмат-

риваемого примера имеет вид
1 ⎛ ⎛l ⎞
2
⎛ l2 ⎞
2
⎛ l3 ⎞ ⎞⎟
2
U= ⎜ n1 ⎜ − pˆ ⎟⎟ + n2 ⎜⎜ − pˆ ⎟⎟ + n3 ⎜⎜ − pˆ ⎟⎟ =
1
pˆ (1 − pˆ ) ⎜ ⎜⎝ n1 ⎠ ⎝ n2 ⎠ ⎝ n3 ⎠ ⎟⎠
⎝
1 ⎛ ⎛ 70 ⎞
2
⎛ 75 ⎞
2
⎛ 68 ⎞ ⎞⎟
2
= ⎜ 100⎜ − 0,69 ⎟ + 110⎜ − 0,69 ⎟ + 100⎜ − 0,69 ⎟ ≈ 0,13 .

0,69(1 − 0,69) ⎜⎝ ⎝ 100 ⎠ ⎝ 110 ⎠ ⎝ 100 ⎠ ⎟⎠
В общем случае U отличается различным количеством слагаемых в

скобках.
По табл. 2 Приложения, входами в которую являются вероятность α и
число k = l − 1 , где l – количество рассматриваемых выборок (случайных ве-
личин), находится критическое значение. Для нашего примера, по условию,
α = 0,02 , l = 3 .
Таким образом, U кр = 7,82 .
6. Далее руководствуются правилом: если U больше критического
значения, то гипотеза H0 отвергается; если U не больше критического значе-
ния, то гипотеза H0 принимается.
Для рассматриваемого примера U = 0,13 < U кр = 7,82 ; поэтому гипотеза H0
принимается; т. е. полученные данные не противоречат гипотезе об одинако-
вом уровне усвоения учебного материала студентами исследуемых групп.

18.1. В примере 18.3 проверить гипотезу о равенстве нулю математиче-

ского ожидания:
а) случайной величины «изменение уровня тревожности испытуемых
экспериментальной группы» для уровня значимости α = 0,01 .
Указание. Для экспериментальной группы t - статистика равна 5,51;
б) случайной величины «изменение уровня тревожности испытуемых
контрольной группы» для уровня значимости α = 0,05 .
Указание. Для контрольной группы t -статистика равна 2,51.
18.2. В Центральном районе города Збышева были проведено 20 изме-
рений уровня радиации и получены данные: среднее значение x1 равно 11,4
при разбросе S1 = 0,1 , а в Западном районе при 30 измерениях среднее значе-
ние x 2 равно 10,8 при разбросе S 2 = 0,15 . Выяснить, в каком из районов более
благополучная радиационная обстановка.
Указание. Сравнить истинные средние значения при уровне значимости 0,1.
18.3. Стефан и Боб готовились к коллоквиуму по правоведению. Сте-
фан из ответил правильно на 18 вопросов из 30, а Боб – на 20 из 25. Можно
ли утверждать, что они одинаково подготовлены?
Указание. На уровне значимости 0,02 проверить гипотезу об отсутст-
вии существенных различий в усвоении ими учебного материала.
18.4. В примере 18.1 проверить гипотезу о равенстве нулю математиче-

ского ожидания случайной величины «изменение уровня тревожности испы-
туемых контрольной группы» для уровня значимости α = 0,01 .
Указание. Для контрольной группы t -статистика равна 2,51.
18.5. В судопроизводстве города Энска было выборочно рассмотрено
60 дел с целью анализа сроков рассмотрения. Результаты таковы: среднее
время x1 = 5,5 месяца при разбросе S1 = 0,5 месяца. При аналогичном анализе в
городе Збышеве при рассмотрении 50 дел было получено среднее время
x 2 = 5,8 месяца при разбросе S 2 = 0,6 месяца. В каком городе более высокая
производительность судов?
Указание. Сравнить истинные средние значения при уровне значи-
мости 0,1.
18.6. Руководство решило поощрить трех оперработников, считая их в
равной степени достойными поощрения. Однако при прочих равных показа-
телях у Званцева оказалось 6 раскрытых дел из 10, у Смоленова – 5 раскры-
тых из 9, а у Куринова – 7 из 11. Правомочно ли решение руководства?

Указание. На уровне значимости 0,05 проверить гипотезу об отсутст-

вии существенных различий у данных работников в профессионализме рас-
крытия преступлений.
18.5. Ответы
18.1. а) Гипотеза отвергается; б) Гипотеза отвергается. 18.2. В За-

падном районе. 18.2. Да. 18.3. Да. 18.4. Гипотеза не может быть отверг-
нута, поскольку соответствующая t -статистика меньше t0, 01 .
18.5. В Збышеве. 18.6. Да.

Приложение
Статистические таблицы
Таблица 1
Критические точки распределения Стьюдента
Число
степеней Уровень значимости α (двухсторонняя критическая область)
свободы 0,1 0,05 0,02 0,01 0,001
1 6,314 12,710 31,820 63,660 636,600
2 2,920 4,303 6,965 9,925 31,600
3 2,353 3,182 4,541 5,841 12,920
4 2,132 2,776 3,747 4,604 8,610
5 2,015 2,571 3,365 4,032 6,869
6 1,943 2,447 3,143 3,707 5,969
7 1,895 2,365 2,998 3,499 5,408
8 1,860 2,306 2,896 3,355 5,041
9 1,833 2,262 2,821 3,250 4,781
10 1,812 2,228 2,764 3,169 4,587
11 1,796 2,201 2,718 3,106 4,437
12 1,782 2,179 2,681 3,055 4,318
13 1,771 2,160 2,650 3,012 4,221
14 1,761 2,145 2,624 2,977 4,140
15 1,753 2,131 2,602 2,947 4,073
16 1,746 2,120 2,583 2,921 4,015
17 1,740 2,110 2,567 2,898 3,965
18 1,734 2,101 2,552 2,878 3,992
19 1,729 2,093 2,539 2,861 3,883
20 1,725 2,086 2,528 2,845 3,850
21 1,721 2,080 2,518 2,831 3,819
22 1,717 2,074 2,508 2,819 3,792
23 1,714 2,069 2,500 2,807 3,767
24 1,711 2,064 2,492 2,797 3,745
25 1,708 2,060 2,485 2,787 3,725
26 1,706 2,056 2,479 2,779 3,707
27 1,703 2,052 2,473 2,771 3,690
28 1,701 2,048 2,467 2,763 3,674
29 1,699 2,045 2,462 2,756 3,659
30 1,697 2,042 2,457 2,750 3,646
40 1,684 2,021 2,423 2,704 3,551
50 1,676 2,009 2,403 2,678 3,495
60 1,671 2,000 2,390 2,660 3,460
80 1,665 1,990 2,374 2,639 3,415
100 1,661 1,984 2,365 2,626 3,389
∞ 1,645 1,960 2,326 2,576 3,291
0,05 0,025 0,01 0,005 0,0005
Уровень значимости α (односторонняя критическая область)

Таблица 2
Критические точки распределения χ 2
Число
степеней Уровень значимости α
свободы 0,2 0,1 0,05 0,01
1 1,642 2,706 3,841 6,635
2 3,219 4,605 5,991 9,210
3 4,642 6,251 7,815 11,345
4 5,989 7,779 9,488 13,277
5 7,289 9,236 11,070 15,086
6 8,558 10,645 12,592 16,812
7 9,803 12,017 14,067 18,475
8 11,030 13,362 15,507 20,090
9 12,242 14,684 16,919 21,666
10 13,442 15,987 18,307 23,209
11 14,631 17,275 19,675 24,725
12 15,812 18,549 21,026 26,217
13 16,985 19,812 22,362 27,688
14 18,151 21,064 23,685 29,141
15 19,311 22,307 24,996 30,578
16 20,465 23,542 26,296 32,000
17 21,615 24,769 27,587 33,409
18 22,760 25,989 28,869 34,805
19 23,900 27,204 30,144 36,191
20 25,038 28,412 31,410 37,566
21 26,171 29,615 32,671 38,932
22 27,301 30,813 33,924 40,289
23 28,429 32,007 35,172 41,638
24 29,553 33,196 36,415 42,980
25 30,675 34,382 37,652 44,314
26 31,795 35,563 38,885 45,642
27 32,912 36,741 40113 46,963
28 34,027 37,916 41,337 48,278
29 35,139 39,087 42,557 49,588
30 36,250 40,256 43,773 50,892

МОДУЛЬ 4. АНАЛИТИЧЕСКАЯ ГЕОМЕТРИЯ
И ЛИНЕЙНАЯ АЛГЕБРА
19. Векторы. Линейные операции над векторами.

Скалярное произведение векторов и его свойства. Длина вектора
и угол между векторами в координатной форме.
Условие ортогональности двух векторов.
Векторное и смешанное произведение двух векторов
19.1. Теория
Определение 19.1. Два вектора a и b называются коллинеарными, ес-

ли они лежат на одной или на параллельных прямых. Коллинеарные векторы,
имеющие одинаковые направления и равные длины, называются равными.
Определение 19.2. Суммой векторов a и b называют третий вектор c ,
начало которого совпадает с началом вектора a , а конец с концом вектора b
при условии, что вектор b отложен из конца вектора a .
Определение 19.3. Произведением вектора a на число α называется
вектор b = α a , такой, что b = α ⋅ a , а направление совпадает с направлением
a при α > 0 и противоположно ему при α < 0 .
Определение 19.4. Проекцией вектора a на ось l называется число,
обозначаемое npl a и равное
npl a = a ⋅ cosϕ ,
где ϕ (0 ≤ ϕ ≤ π ) – угол между положительным направлением оси l и на-

правлением вектора a .
Определение 19.5 Координатами любого вектора называются его про-
екции на координатные оси, т. е. a = Xi + Yj + Zk = ( X , Y , Z ) .
Если a = ( X , Y , Z ) , b = ( X ′, Y ′, Z ′) , а λ – число, то
a = X 2 +Y 2 + Z2 ;
a + b = ( X + X ′, Y + Y ′, Z + Z ′) ;
λ a = (λX , λY , λZ ) .
Определение 19.6. Скалярным произведением двух векторов a и b на-

зывается число, обозначаемое (a, b) и равное произведению длин векторов на
косинус угла между ними: (a, b) = a ⋅ b ⋅ cos ϕ .

МОДУЛЬ 4. АНАЛИТИЧЕСКАЯ ГЕОМЕТРИЯ И ЛИНЕЙНАЯ АЛГЕБРА
19. Векторы. Линейные операции над векторами. Скалярное произведение векторов и его свойства
Скалярное произведение векторов равно сумме произведений одно-

именных координат:
(a, b ) = X 1 ⋅ X 2 + Y1 ⋅ Y2 + Z 1 ⋅ Z 2 .
Если известны координаты векторов a = ( X 1 , Y1 , Z1 ) , b = ( X 2 , Y2 , Z 2 ) , то из

определения скалярного произведения получаем формулу для косинуса угла
между векторами a и b
cos ϕ =
(a, b) или cosϕ =
X 1 ⋅ X 2 + Y1 ⋅ Y2 + Z1 ⋅ Z 2
= q.
a⋅b X 12 + Y12 + Z12 ⋅ X 22 + Y22 + Z 22
Определение 19.7. Векторным произведением векторов a и b является

вектор c , обозначаемый c = a × b , удовлетворяющий условиям:
∧
1) c = a ⋅ b ⋅ sin(a, b) ;
2) c ⊥ a, c ⊥ b ;
3) Тройка a , b , c – правая.
Если известны координаты векторов a = ( X 1 , Y1 , Z1 ) , b = ( X 2 , Y2 , Z 2 ) , то
i j k
Y Z1 X1 Z1 X1 Y1
a × b = X1 Y1 Z1 = i 1 −j +k
Y2 Z2 X2 Z2 X2 Y2
X2 Y2 Z2
.
Пример 19.1.
Доказать, что при любом расположении точек А, В, С справедлива
формула AB + BC + CA = 0 .
Решение. Вектор BC отложен до конца вектора AB , вектор CA – от
конца вектора BC , тогда конец вектора CA совпадает с началом вектора AB .
Следовательно, сумма AB + BC + CA является вектором, начало и конец кото-
рого совпадают. Такой вектор по определению есть нуль-вектор, т. е.
AB + BC + CA = 0 .
Пример 19.2.
Дана пирамида ОАВС. Точка М – середина стороны ОА, точка N – се-
редина стороны ВС. Положив OA = a, OB = b, OC = c , выразить через a , b , c

векторы MC и MN .
O
М
В N С
Решение. По определению разности двух векторов получаем

MC = OC − OM . По условию задачи М – середина стороны ОА, значит,
1
OM = OA . Векторы OM и OA коллинеарны и сонаправлены, следовательно,
2
1 1 1
OM = OA . Но OA = a , значит, OM = a ; OC = c , отсюда получаем MC = c − a .
2 2 2
По определению суммы векторов MN = MC + CN .
1
Вектор CN = CB (см. предыдущие рассуждения). CB = OB − OC , отсюда
2
1 1 1
получаем CB = b − c , CN = (b − c) = b − c ,
2 2 2
1 1 1 1 1 1 1
MN = c − a + b − c = − a + b + c = (−a + b + c)
2 2 2 2 2 2 2 .
Пример 19.3. Дан треугольник с вершинами A (− 3, 5, 6) , B (1, - 5, 7 ) ,
C (8, - 3, - 1) . Найти внутренний угол при вершине А и внешний угол при вер-
шине С.
Решение. Внутренний угол треугольника при вершине А равен углу
между векторами AB и AC , а внешний угол при вершине С равен углу между
векторами CB и AC (рекомендуется сделать чертеж).
Находим координаты указанных векторов: AB = (4, - 10, 1) , AC = (11, - 8, - 7) ,
CB = (−7, - 2, 8) .
С помощью формулы (28.5) находим косинусы углов:
∧
117 1
cos(ϕ1 ) = cos( AB , AC) = = ,
117 234 2
∧
− 117 1
cos(ϕ 2 ) = cos(CB , AC) = =− .
117 234 2
Следовательно, ϕ1 = 45° , ϕ 2 = 135° .
Пример 19.4. При каком значении λ векторы a = (4, λ , 5 ) и b = (λ , 2, - 6 )

взаимно перпендикулярны?
Решение. Условие перпендикулярности (a, b) = 0 в данном случае запи-
шется так: 4 ⋅ λ + 2 ⋅ λ + 5 ⋅ (−6) = 0 или 6 ⋅ λ − 30 = 0 , откуда λ = 5 .
Пример 19.5. Найти вектор x , коллинеарный вектору a = (1, 2, - 3) и
удовлетворяющий условию (x, a ) = 28 .
Решение. Принимая во внимание условие коллинеарности двух векто-
ров (28.1), заключаем, что
x = λ (1, 2, - 3) = (λ , 2λ , - 3λ ) ,
где λ – пока неизвестный коэффициент. Так как (x, a ) = 28 , то в соответст-

вии с формулой (28.4) находим
1 ⋅ λ + 2 ⋅ 2λ + (−3) ⋅ (−3λ ) = 28 ,
или 14λ = 28 , откуда λ = 2 . Следовательно, x = (12, 4, - 6 ) .
Пример 19.6. Найти проекцию вектора a = (4, 3, - 7 ) на ось вектора

b = (1, - 2, - 2 ) .
Решение. По определению скалярного произведения и определению
проекции (a, b) = b ⋅ npb a . Выразим из этой формулы npb a :
npb a =
(a, b)
b
,
4 ⋅ 1 + 3 ⋅ (−2) + (−7) ⋅ (−2) 12
отсюда npb a = = = 4.
12 + (−2) 2 + (−2) 2 3
Пример 19.7. Вычислить площадь параллелограмма, построенного на

∧
π
векторах a и b , если a = 7 p + q , b = p − 2q , p = 8 , q = 5 , ( p, q) = .
6
Решение. Пользуясь формулой (28.7), свойствами векторного произве-
дения и условием коллинеарности векторов (28.8), имеем
( ) ( )
S = a × b = 7 p + q × p − 2q = 7 p × p + q × p − 14 p × q − 2q × q =
∧
π 1
= q × p + 14q × p = 15q × p = 15 ⋅ q ⋅ p ⋅ sin( p, q) = 15 ⋅ 8 ⋅ 5 ⋅ sin = 600 ⋅ = 300 .
6 2
Пример 19.8. Даны векторы a = (1, - 2, 2 ) , b = (3, 0, - 4 ) . Найти их векторное

произведение, синус угла между ними и площадь параллелограмма, постро-

енного на этих векторах.

Решение.. Векторное произведение вычислим с помощью формулы
(28.9):
i j k
−2 2 1 2 1 −2
a×b = 1 − 2 2 = i −j +k =
0 −4 3 −4 3 0
3 0 −4
= i (8 − 0 ) − j (− 4 − 6 ) + k (0 + 6 ) = 8i + 10 j + 6 k = (8, 10, 6 ) .
По формуле (28.7) находим площадь параллелограмма
S = a × b = 8 2 + 10 2 + 6 2 = 64 + 100 + 36 = 200 = 10 2
.
Согласно условию 1 (определение 9) синус угла между данными векто-
рами
∧ a×b 10 2
sin(a, b) = = =
a⋅b 1 + (−2) + 2 2 ⋅ 3 2 + 0 2 + (−4) 2
2 2
10 2 10 2 2 2
= = = .
1 + 4 + 4 ⋅ 9 + 16 3⋅5 3
Пример 19.9. Вычислить площадь треугольника с вершинами
A (− 1, 0, 2) , B (1, - 2, 5) , C (3, 0, - 4) .
Решение. Находим сначала координаты векторов a = AB , b = AC :
a = (2, - 2, 3) , b = (4, 0, - 6 ) .
Так как площадь треугольника АВС составляет половину площади па-
раллелограмма, построенного на векторах AB и AC , получаем
1 1
SΔ = AB × AC = a × b .
2 2
Векторное произведение вычислим с помощью формулы (28.9).
i j k
−2 3 2 3 2 −2
a×b = 2 − 2 3 = i −j +k =
0 −6 4 −6 4 0
4 0 −6
= i (12 − 0 ) − j (− 12 − 12 ) + k (0 + 8 ) = 12i + 24 j + 8k = (12, 24, 8 ) .
Отсюда
1 1 1
SΔ = a×b = 12 2 + 24 2 + 8 2 = 144 + 576 + 64 =
2 2 2
1 1
= 784 = ⋅ 28 = 14 .
2 2

1. Дан треугольник ABC, в котором AB = p , BC = q , а точки K, L, M – се-

редины сторон ВС, AC и AB, соответственно. Выразить через p и q векторы
AK , BL , CM .
2. Четырехугольник ABCD – параллелограмм, O – точка пересечения
его диагоналей, M – произвольная точка, отличная от O. Существует ли чис-
ло k такое, что MA + MB + MC + MD = k MO ? Если да, то найти его значение.
3. Найти длины диагоналей параллелограмма, построенного на векто-
рах a = (3,2,−5) и b = (−7,1,3) .
4. Даны точки A(1,-3,-2), B(8,0,4), C(4,8,-3). Найти такую точку D, что-
бы четырехугольник ABCD был параллелограммом.
∧ π
5. Известно, что a = 4, b = 3, (a , b ) = . Вычислить (a , a ) ,
3
( 2 a + 3b , a − 5b ) .
6. Известно, что a = 3, b = 5. Определить, при каком значении k векто-
ры a + kb и a − kb будут перпендикулярны.
7. Даны два вектора: a = (1,−2,4), b = (3,1,−5). Найти вектор x , зная, что он
перпендикулярен оси Oy и удовлетворяет условиям: ( x , a ) = −3, ( x , b ) = 8.
8. Упростить выражение ( 2a + 3b ) × ( 4a − b ).
9. Векторы a и b взаимно перпендикулярны, a = 3, b = 4. Вычислить
(a + b ) × (a − b ) .
10. Дано: a = 10, b = 2, (a , b ) = 12. Вычислить a × b .
19.4. Ответы
1. AK = p + q / 2, BL = p / 2 + 3q / 2, CM = 3 p / 2 + q ; 2. k=4; 3. 29 и 165 ;
4. (-3,5,-9); 5. 16, -395,5; 6. k=±3/5; 7. (1,0,-1); 8. −14a × b ; 9. -24; 10. 16.
1. ABCDEF – правильный шестиугольник, причем AB = p , BC = q . Выра-

зить через p и q векторы CD , AC , AE .
2. В равностороннем треугольнике ABC точка M – середина стороны
ВС, O – точка пересечения медиан. Будут ли коллинеарны следующие пары
векторов: AO и AM , AO и MO , OA и OB ? В случае утвердительного ответа

найти связывающее их число k.

3. Вычислить периметр треугольника ABC с вершинами A(7,0,8),
B(8,2,10), C(8,-2,10).
4. Вершины четырехугольника находятся в точках A(2,0,4), B(7,-15,16),

C(-1,-1,11), D(-14,28,-6). Показать, что ABCD – трапеция.
∧ 2π
5. Известно, что a = 2, b = 5, (a , b ) = . Вычислить (b , b ) ,
3
(3a − b ,5a + 2b ) .
6. Зная, что a = 3, b = 1, c = 4 и a +b +c = 0, вычислить
( a , b ) + (b , c ) + (c , a ).
7. Доказать, что четырехугольник с вершинами A(-5,3,4), B(-1,-7,5),
C(6,-5,-3), D(2,5,-4) есть квадрат.
8. Упростить выражение ( a − 3b − c ) × ( 4 a − b + 2c ).
Векторы a и b взаимно перпендикулярны, a = 3, b = 4. Вычислить
(3a + 2b ) × (2a − b ) .
9. Векторы a и b взаимно перпендикулярны, a = 3, b = 4. Вычислить

(3a + 2b ) × (2a − b ) .
10. Векторы a , b , c , d связаны соотношениями a × b = c × d , a × c = b × d .
Доказать, что векторы (a − d ) и (b − c ) коллинеарны.
19.6. Ответы
1. CD = q − p , AC = p + q , AE = 2 q − p; 2. AO = 2 / 3 AM , AO = −2 MO , не колли-
неарны; 3. 10; 5. 25, 5; 6. -13; 8. 11a × b − 7b × c + 6a × c ; 9. 84.
20. Уравнение линий на плоскости.

Различные формы уравнения прямой на плоскости.
Угол между прямыми. Расстояние от точки до прямой

тика и информатика»

20. Уравнение линий на плоскости. Различные формы уравнения прямой на плоскости. Угол между прямыми
Пример 20.1. Найти проекцию точки M (1;2) на прямую, проходящую

через точки A(1;3) и B(2;5) .
Решение. Искомую точку найдем, решая совместно уравнение прямой
AB с уравнением перпендикуляра, проведенного к этой прямой из точки M .
Прежде всего составим уравнение прямой AB, применяя соотношение
x − x1 y − y1
= (уравнение прямой, проходящей через две заданные точки):
x 2 − x1 y 2 − y1
x −1 y − 3
=
2 −1 5 − 3 ,
или
2( x − 1) = y − 3 . (*)
Чтобы составить уравнение перпендикуляра из точки M на прямую
AB , напишем уравнение произвольной прямой, проходящей через точку M .
Согласно соотношению y − y1 = k (x − x1 ) (уравнение прямой, проходящей через
данную точку с известным угловым коэффициентом) имеем
y − 2 = k (x − 1) ,
где k – пока еще не определенный угловой коэффициент. Нам нужно, чтобы

искомая прямая прошла перпендикулярно AB , следовательно, ее угловой ко-
эффициент должен удовлетворять условию перпендикулярности. Так как уг-
ловой коэффициент прямой AB равен 2 , то согласно формуле k1 k 2 = −1 (ус-
1
ловие перпендикулярности двух прямых) находим k = − . Подставляя най-
2
денное значение k в уравнение (*), получаем:
1
y−2=− (x − 1) . (**)
2
Решая совместно уравнения (*) и (**), найдем координаты искомой

3 11
проекции: x = , y = .
5 5
20.1. Найти точку пересечения двух прямых 3x − 4 y − 29 = 0, 2 x + 5 y + 19 = 0 .

20.2. Стороны AB, BC , AC треугольника ABC даны соответственно
уравнениями 4 x + 3 y − 5 = 0, x − 3 y + 10 = 0, x − 2 = 0. Определить координаты его
вершин.

20.3. Даны уравнения двух сторон параллелограмма

8 x + 3 y + 1 = 0, 2 x + y − 1 = 0 и уравнение одной из его диагоналей 3x + 2 y + 3 = 0 .
Определить координаты вершин этого параллелограмма.
20.4. Стороны треугольника лежат на прямых
x + 5 y − 7 = 0, 3x − 2 y − 4 = 0, 7 x + y + 19 = 0. Вычислить его площадь.
20.5. Площадь треугольника S = 8 , две его вершины суть точки
A(1;−2 ), B (2; 3) , а третья вершина C лежит на прямой 2 x + y − 2 = 0 . Определить
координаты вершины C .
20.6. Дана прямая 2 x + 3 y + 4 = 0 . Составить уравнение прямой, прохо-
дящей через точку M 0 (2;1) :
а) параллельно данной прямой;
б) перпендикулярно к данной прямой.
20.7. Даны уравнения двух сторон прямоугольника
2 x − 3 y + 5 = 0, 3x + 2 y − 7 = 0 и одна из его вершин A(2;− 3 ) . Составить уравнения
двух других сторон этого прямоугольника.
20.8. Даны уравнения двух сторон прямоугольника
x − 2 y = 0, x − 2 y + 15 = 0 и уравнение одной из его диагоналей 7 x + y − 15 = 0 .
Найти вершины прямоугольника.
20.9. Найти проекцию точки P(−6; 4) на прямую 4 x − 5 y + 3 = 0 .
20.10. Найти точку Q , симметричную точке P (− 5;13 ) относительно
прямой 2 x − 3 y − 3 = 0 .
20.11. В каждом из следующих случаев составить уравнение прямой,
параллельной двум данным прямым и проходящей посередине
между ними:
а) 3x − 2 y − 1 = 0, 3x − 2 y − 13 = 0 ;
б) 5 x + y + 3 = 0, 5 x + y − 17 = 0 ;
в) 2 x + 3 y − 6 = 0, 4 x + 6 y + 17 = 0 .
20.12. Даны середины сторон треугольника M 1 (2;1), M 2 (5; 3), M 3 (3;−4).
Составить уравнения его сторон.
20.13. Составить уравнения прямых, проходящих через вершины тре-
угольника A(5;−4 ), B (− 1;3), C (− 3;−2 ) параллельно противоположным сторонам.
20.14. Составить уравнение прямой, если точка P(2; 3) служит основа-
нием перпендикуляра, опущенного из начала координат на эту прямую.
20.15. Даны вершины треугольника M 1 (2;1), M 2 (−1;−1), M 3 (3; 2). Соста-
вить уравнения его высот.
20.16. Стороны треугольника даны уравнениями 4 x − y − 7 = 0 ,

x + 3 y − 31 = 0 , x + 5 y − 7 = 0 . Определить точку пересечения его высот.

20.17. Даны вершины треугольника A(1;−1), B (− 2;1), C (3; 5 ) . Составить

уравнение перпендикуляра, опущенного из вершины A на медиану, прове-
денную из вершины B .
20.18. Составить уравнения сторон и медиан треугольника с вершина-
ми A(3; 2 ), B (5;−2 ), C (1; 0 )
20.19. Даны уравнения сторон треугольника 3x + 4 y − 1 = 0 , x − 7 y − 17 = 0 ,
7 x + y + 31 = 0 . Доказать, что этот треугольник равнобедренный. Решить задачу
при помощи сравнения углов треугольника.
20.20. Даны последовательные вершины выпуклого четырехугольника
A(−3;1), B(3; 9), C (7; 6), D(−2;−6) . Определить точку пересечения его диагоналей.
20.21. Даны две смежные вершины A(− 3;−1) и B (2; 2 ) параллелограмма
ABCD и точка Q (3; 0 ) пересечения его диагоналей. Составить уравнения сто-
рон этого параллелограмма.
20.22. В треугольнике ABC даны: уравнение стороны AB : 5 x − 3 y + 2 = 0,
уравнения высот: AM : 4 x − 3 y + 1 = 0 и BN : 7 x + 2 y − 22 = 0 . Составить уравнения
двух других сторон и третьей высоты треугольника.
20.23. Определить угол ϕ между двумя прямыми:
а) 5 x − y + 7 = 0, 3x + 2 y = 0 ;
б) 3x − 2 y + 7 = 0, 2 x + 3 y − 3 = 0 .
20.24. Даны две противоположные вершины квадрата A(− 1; 3) и C (6; 2 ) .
Составить уравнения его сторон.
20.25. Даны две вершины треугольника M 1 (− 10; 2 ) и M 2 (6; 4 ) ; его высоты
пересекаются в точке N (5;2 ) . Определить координаты третьей
вершины M 3 .
20.26. Даны две вершины A(3;−1), B (5; 7 ) треугольника ABC и точка
N (4;−1) пересечения его высот. Составить уравнения сторон этого тре-
угольника.
20.27. Определить, при каком значении a прямая
(a + 2)x + (a 2 − 9)y + 3a 2 − 8a + 5 = 0
а) параллельна оси абсцисс;
б) параллельна оси ординат;
в) проходит через начало координат.
В каждом случае написать уравнение прямой.
20.29. Даны прямые:
а) 2 x + 3 y − 6 = 0 ; б) 4 x − 3 y + 24 = 0 ; в) 3x − 5 y − 2 = 0 .
Составить для них уравнения "в отрезках" и построить эти прямые на
чертеже.
20.30. Вычислить площадь треугольника, отсекаемого прямой
3x − 4 y − 12 = 0 от координатного угла.

21. Кривые второго порядка: окружность, эллипс, гипербола, парабола, их геометрические свойства и уравнения
21. Кривые второго порядка:

окружность, эллипс, гипербола, парабола, их геометрические
свойства и уравнения. Квадратичные формы

Пример 21.1. Составить уравнения касательных к эллипсу

x 2 + 4 y 2 = 20 , перпендикулярных к прямой 2 x − 2 y − 13 = 0 .
Решение. Уравнение касательной к эллипсу будем искать в виде
y = kx + b , (21.1)
где угловой коэффициент k и величина b неизвестны и их требуется опре-

делить в процессе решения задачи. Угловой коэффициент k определим из
условия того, что искомая касательная и прямая 2 x − 2 y − 13 = 0 должны
быть перпендикулярны. Так как угловой коэффициент данной прямой равен
1, то угловой коэффициент искомой касательной k = −1 (использовали усло-
вие перпендикулярности k1 k 2 = −1 ).
Касательная должна иметь с эллипсом одну общую точку, поэтому для
определения b рассмотрим совместно уравнение эллипса и уравнение (21.1):
⎧⎪ x 2 + 4 y 2 = 20,
⎨ (21.2)
⎪⎩ y = − x + b
Подставим y из второго уравнения системы (21.2) в первое, получим

( )
x 2 + 4(− x + b )2 = 20 или x 2 + 4 x 2 − 2 xb + b 2 = 20 . Раскрыв скобки в по-
следнем уравнении, получим квадратное уравнение относительно x :
x 2 + 4 x 2 − 8xb + 4b 2 − 20 = 0
или после приведения подобных членов
5 x 2 − 8 xb + 4b 2 − 20 = 0 .
Это уравнение должно иметь единственное решение (так как эллипс и
касательная к нему имеют одну общую точку), поэтому дискриминант дол-
жен быть равен нулю:
( )
D = 64b 2 − 20 4b 2 − 20 = 64b 2 − 80b 2 + 400 = −16b 2 + 400 = 0 .

Отсюда b 2 = 25 , b1 = 5, b2 = −5 . Следовательно, уравнения касатель-

ных к эллипсу имеют вид y = − x + 5, y = − x − 5 .
21.1. Составить уравнение окружности с центром в точке C (− 1; 2 ) , про-

ходящей через точку A(2; 6 ) .
21.2. Составить уравнение окружности, центр которой расположен в
точке C (1;−1) , а прямая 5 x − 12 y + 9 = 0 является касательной к окружности.
21.3. Составить уравнение касательной к окружности x 2 + y 2 = 5 в точке
A(− 1; 2 ) .
21.4. Составить уравнение касательной к окружности
(x + 2) + ( y − 3) = 25 в точке A(− 5; 7 ) .
2 2
21.5. Составить уравнение эллипса, фокусы которого лежат на оси абс-

цисс симметрично относительно начала координат, зная, что:
а) его полуоси равны 5 и 2;
б) его большая ось равна 10, а расстояние между фокусами 2c = 8 .
21.6. Составить уравнение эллипса, фокусы которого лежат на оси ор-
динат симметрично относительно начала координат, зная, что:
а) его полуоси равны соответственно 7 и 2;
б) его большая ось равна 10, а расстояние между фокусами 2c = 8 .
21.7. Определить полуоси каждого из следующих эллипсов:
x2 y2
а) + = 1 ; б) x 2 + 25 y 2 = 25 ; в) x 2 + 5 y 2 = 15 ;
16 9
г) 4 x 2 + 9 y 2 = 25 ; д) 9 x 2 + 25 y 2 = 1 ; е) 25 x 2 + 9 y 2 = 1 .
21.8. Дан эллипс 9 x 2 + 25 y 2 = 225 . Найти его полуоси, фокусы, эксцен-
триситет.
21.9. Вычислить площадь четырехугольника, две вершины которого
лежат в фокусах эллипса 9 x 2 + 5 y 2 = 1 , две другие совпадают с концами его
малой оси.
x2 y2
21.10. На эллипсе + = 1 найти точки, абсцисса которых равна –3.
25 4
21.11. Найти точки пересечения прямой 3x + 10 y − 25 = 0 и эллипса
x2 y2
+ = 1.
25 4
21.12. Определить, как расположена прямая относительно эллипса: пе-
ресекает ли, касается или проходит вне его, если прямая и эллипс заданы
следующими уравнениями:
x2 y2
а) 2 x − y − 3 = 0, + = 1;
16 9

x2 y2
б) 2 x + y − 10 = 0, + = 1;
9 4
x2 y2
в) 3x + 2 y − 20 = 0, + = 1.
40 10
x2 2y2
21.13. Составить уравнения касательных к эллипсу + = 1 , па-
10 5
раллельных прямой 3x + 2 y + 7 = 0 .
21.14. Составить уравнения касательных к эллипсу x 2 + 4 y 2 = 20 , пер-

пендикулярных к прямой 2 x − 2 y − 13 = 0 .
21.15. Составить уравнение гиперболы, фокусы которой расположены
на оси абсцисс симметрично относительно начала координат, зная, что:
а) ее оси 2a = 10, 2b = 8 ;
3
б) расстояние между фокусами 2c = 6 и эксцентриситет ε = .
2
21.16. Вычислить площадь треугольника, образованного асимптотами
x2 y2
гиперболы − = 1 и прямой 9 x + 2 y − 24 = 0 .
4 9
21.17. В следующих случаях определить, как расположена прямая от-
носительно гиперболы: пересекает ли, касается или проходит вне ее:
x2 y2
а) x − y − 3 = 0, − = 1;
12 3
x2 y2
б) x − 2 y + 1 = 0, − = 1;
16 9
x2 y2
в) 7 x − 5 y = 0, − = 1.
25 16
x2 y2
21.18. Составить уравнения касательных к гиперболе − = 1 , пер-
20 5
пендикулярных к прямой 4 x + 3 y − 7 = 0 .
x2 y2
21.19. Составить уравнения касательных к гиперболе − = 1 , парал-
16 64
лельных прямой 10 x − 3 y + 9 = 0 .
21.20. Составить уравнение параболы, если дан фокус F (− 7; 0 ) и урав-
нение директрисы x − 7 = 0.
21.21. Определить, при каких значениях углового коэффициента k
прямая y = kx + 2 :
а) пересекает параболу y 2 = 4 x;
б) касается ее;
в) проходит вне этой параболы.

21.22. Провести касательную к параболе y 2 = 12 x параллельно прямой

3x − 2 y + 30 = 0.
21.23. Составить уравнение прямой, которая касается параболы y 2 = 8 x
и параллельна прямой 2 x + 2 y − 3 = 0 .
21.24. Составить уравнение прямой, которая касается параболы
x = 16 y и перпендикулярна к прямой 2 x + 4 y + 7 = 0 .
2
21.25. Написать уравнение геометрического места точек, разность рас-

стояний от каждой из которых до точек F1 (− 2;−2 ) и F (2; 2 ) равна 4.
21.26. Вывести уравнение геометрического места точек, сумма рас-
стояний которых до двух данных точек F1 (− 3; 0 ) и F2 (3; 0 ) есть величина по-
стоянная, равная 10.
22. Уравнения плоскости и прямой в пространстве.

Угол между плоскостями. Угол между прямыми.
Угол между прямой и плоскостью
22.1. Теория
Плоскость
Общее уравнение плоскости

Ax + By + Cz + D = 0 .
Уравнение плоскости, проходящей через точку M 1 (x1 , y1 , z1 ) с нормаль-
ным вектором n = ( A, B , C ) :
A( x − x 1 ) + B ( y − y 1 ) + C ( z − z 1 ) = 0 .
Угол между двумя плоскостями, заданными уравнениями

A1 x + B1 y + C 1 z + D1 = 0 и A2 x + B 2 y + C 2 z + D 2 = 0 ,
вычисляется по формуле
A1 A2 + B1 B 2 + C1C 2
cos ϕ = .
A12 + B12 + C12 A22 + B 22 + C 22
Эти плоскости:
A1 B1 C1
а) параллельны друг другу тогда и только тогда, когда = = ;
A2 B2 C2
б) перпендикулярны друг другу тогда и только тогда, когда
A1 A2 + B1 B 2 + C1C 2 = 0 .

22. Уравнения плоскости и прямой в пространстве. Угол между плоскостями. Угол между прямыми
Прямая
Общие уравнения прямой:

⎧ A1 x + B1 y + C1 z + D1 = 0,
⎨
⎩ A2 x + B 2 y + C 2 z + D 2 = 0 .
Параметрические уравнения прямой, проходящей через точку
M 1 (x1 , y1 , z1 ) с направляющим вектором n = (m , n , p ) :
⎧ x = x1 + mt ,
⎪
⎨ y = y1 + nt ,
⎪ z = z + pt.
⎩ 1
Канонические уравнения прямой, проходящей через точку M 1 (x1 , y1 , z1 )

с направляющим вектором n = (m , n, p ) :
x − x1 y − y1 z − z1
= = .
m n p
Если плоскость и прямая заданы, соответственно, уравнениями
x − x1 y − y1 z − z1
= = и Ax + By + Cz + D = 0 ,
m n p
то угол между ними вычисляется по формуле
Am + Bn + Cp
sin ϕ = .
A + B +C
2 2 2
m +n + p
2 2 2
Пример 22.1. Найти угол между двумя плоскостями

11x − 8 y − 7 z + 5 = 0 , 7 x + 2 y − 8 z − 3 = 0 .
Решение. Подставляя в формулу (31.4) значения A1 = 11 , B1 = −8 ,
C1 = −7 , A2 = 7 , B 2 = 2 , C 2 = −8 , получим
11 ⋅ 7 + (−8) ⋅ 2 + (−7) ⋅ (−8) 117 1
cos ϕ = = = .
121 + 64 + 49 49 + 4 + 64 234 117 2
Следовательно, ϕ = 45° .
Пример 22.2. Составить параметрические уравнения прямой, прохо-
дящей через точку M 1 (1, - 2, 3) и параллельной вектору s = (2, 4, - 5) . Найти точ-
ку P прямой, которой соответствует значение t = 2 .
Решение. Воспользуемся формулами (31.9). Так как в данном

случае x1 = 1 , y1 = −2 , z1 = 3 , m = 2 , n = 4 , p = −5 , то параметрические уравне-

ния прямой имеют вид
⎧ x = 1 + 2t ,
⎪
⎨ y = −2 + 4t ,
⎪ z = 3 − 5t.
⎩
При t = 2 получаем
⎧ x = 1 + 2 ⋅ 2 = 5,
⎪
⎨ y = −2 + 4 ⋅ 2 = 6,
⎪ z = 3 − 5 ⋅ 2 = −7 .
⎩
На прямой фиксирована точка P (5, 6, - 7 ) .
Пример 22.3. Составить канонические уравнения прямой, проходящей

через точку M 1 (5, - 3, 8 ) перпендикулярно плоскости 4 x + 7 y − 8 z − 3 = 0 .
Решение. Поскольку вектор N = (4, 7, - 8) перпендикулярен плоскости
4 x + 7 y − 8 z − 3 = 0 , то в силу условия, он будет параллелен искомой прямой.
Возьмем на прямой текущую точку M (x, y , z ) . Тогда векторы
M 1 M = ( x − 5, y + 3, x − 8) и N ⎯ коллинеарны. Используя условие коллинеарно-
сти векторов, получаем искомое уравнение
x −5 y +3 z −8
= = .
4 7 −8
Пример 22.4. Написать уравнение прямой, проходящей через точку

M 1 (− 4, 0, 2 ) перпендикулярно прямым L1 и L 2 :
x +1 y +1 z x−2 y −3 z −5
(L1 ) = = , (L2 ) = = .
2 3 4 3 2 2
Решение.Запишем уравнение прямой, проходящей через данную точку:
x+4 y−0 z −2
= = .
m n p
За направляющий вектор s = (m, n, p ) искомой прямой можно принять

любой вектор, перпендикулярный векторам s1 = (2, 3, 4) и s 2 = (3, 2, 2) данных
прямых. В частности, вектор s можно положить равным векторному произ-
ведению векторов s1 и s 2 :

i j k
s = s1 × s2 = 2 3 4 = −2i + 8 j − 5k .
3 2 2
Отсюда m = −2 , n = 8 , p = −5 . Получим уравнение искомой прямой:

x+4 y z−2
= = .
−2 8 −5
⎧x = 5 + t,
Пример 22.5. Найти угол между прямой ⎪⎨ y = −3 + t , и плоскостью
⎪ z = 4 − 2t.
⎩
4 x + −2 y − 2 z + 7 = 0 .
Решение. Применяем формулу (31.13). Так как s = (1, 1, - 2) , N = (4, - 2, - 2) ,
то
4 ⋅1 + (−2) ⋅1 + (−2) ⋅ (−2) 6 1
sin ϕ = = = .
1 + 1 + 4 16 + 4 + 4 6 24 2
Следовательно, ϕ = 30° .
22.1. Составить уравнение плоскости, перпендикулярной оси Oy и про-

ходящей через точку M (3, 4, –7).
22.2. Составить уравнение плоскости, проходящей через точки
A(0, 1, –2), B (–1, 0, –1), C (1, –4, 1).
22.3. Вычислить угол между плоскостями x + 2y – 3z + 6 = 0 и 3x + 6y –
9z – 1 = 0.
22.4. Найти точку пересечения плоскостей 2x + y – 7 = 0, 3x – z – 1 = 0
и 4y + z – 17 = 0.
22.5. Написать параметрические уравнения прямой, проведенной через
точку M (2, 4, 5) и перпендикулярной плоскости x – 6y + 5z = 0.
22.6. Составить канонические уравнения прямой, проходящей через
начало координат и точку M (2, 1, –3).
22.7. Составить канонические уравнения прямой, по которой пересека-
ются плоскости x – y + 1 = 0 и 2x – y – z + 3 = 0.
22.8. Найти угол между прямыми x = y = z и x/2 = y/3 = –z/6.
22.9. При каком значении n прямая x = 2 + 5t, y = –3 + 2t, z = 5 + nt бу-
дет параллельна плоскости 2x + 4y – 6z + 7 =0.
22.10. Найти точку пересечения прямой (x – 1)/2 = y/3 = (z + 1)/4

и плоскости x – 2y + z = 0.
22.11. Составить уравнение плоскости, перпендикулярной оси Oz

и проходящей через точку M (–2, 1, 5).
22.12. Составить уравнение плоскости, проходящей через начало коор-
динат и точки A (4, 3, 1), B (1, 2, 1).
22.13. Вычислить угол между плоскостями 2x + 6y + 5z – 7 = 0 и 4x – 3y
+ 2z + 4 = 0.
22.14. Найти точку пересечения плоскостей x + 2y + 3z = 13, 2x – 5y + z
+ 5 = 0 и z – 3 = 0.
22.15. Написать параметрические уравнения прямой, проведенной че-
рез начало координат перпендикулярно плоскости 2x – y + 4z = 0.
22.16. Составить канонические уравнения прямой, проходящей через
точки M (1, 1, 1) и P (2, 3, 4).
22.17. Составить канонические уравнения прямой, по которой пересе-
каются плоскости x – z – 4 = 0 и z – y + 2 = 0.
22.18. Найти угол между прямыми 2x = y –1 = z + 2 и x – 3 = 2y = z.
22.19. При каких значениях A и n прямая x = 8 + 2t, y = –7 + nt,
z = 1 + 6t будет перпендикулярна плоскости Ax – 2y + 3z + 5 = 0.
22.20. Найти точку пересечения прямой (x – 1)/2 = y/3 = (z + 1)/4 и
плоскости 2x – 5y + z + 6 = 0.
22.5. Ответы
22.1. y = 4. 22.2. x + 2y + 3z + 4 = 0. 22.3. 0; 22.4. (2, 3, 5). 22.5. x

= 2 + t, y = 4 – 6t, z = 5 + 5t; 22.6. x/2 = y = –z/3. 22.7. x – 1 = y – 2 = z – 3.
22.8. π/2. 22.9. n = 3. 22.10. (1, 0, –1). 22.11. z = 5; 22.12. x – 3y + 5z = 0.
22.13. π/2. 22.14. (1, 2, 3). 22.15. x = 2t, y = –t, z = 4t. 22.16. x – 1 = (y –
1)/2 = (z – 1)/3. 22.17. x + 1 = y + 3 = z + 5. 22.18. arccos (8/9). 22.19. A = 1,
n = –4. 22.20. (3, 3, 3).

23. Линейные пространства и линейные преобразования. Собственные числа и собственные векторы и их нахождение
23. Линейные пространства и линейные преобразования.

Собственные числа и собственные векторы и их нахождение
23.1. Теория
Пусть A – матрица линейного преобразования, а λ – некоторое число.
Определение 23.1. Ненулевой вектор a , удовлетворяющий условию

Aa = λ a , называется собственным вектором линейного преобразования A, а
соответствующее число λ называется собственным числом линейного пре-
образования A.
Собственные числа являются корнями характеристического уравнения
det( A − λI ) = 0,
где I – единичная матрица того же размера, что и A. Собственный вектор,
соответствующий собственному числу λ, находится из уравнения
( A − λI )a = 0.
Пример 23.1. Найти собственные числа и собственные векторы линей-

ного преобразования, заданного матрицей
⎛ 5 2⎞
A = ⎜⎜ ⎟⎟.
⎝ 2 8 ⎠
Решение. Характеристическое уравнение в данном случае имеет вид
5−λ 2
= 0, (5 − λ)(8 − λ) − 4 = 0, λ2 − 13λ + 36 = 0.
2 8−λ
Собственными числами A являются его корни λ1 = 4 и λ 2 = 9 . Чтобы

найти собственный вектор, соответствующий λ1 , решаем матричное уравне-
ние ( A − λ1I )a = 0, где a – неизвестный вектор:
⎛5 − 4 2 ⎞⎛ x ⎞ ⎛ 0 ⎞ ⎧ x + 2 y = 0,
⎜⎜ ⎟⎟⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ ⎨
⎝ 2 8 − 4 ⎠⎝ y ⎠ ⎝ 0 ⎠ или ⎩2 x + 4 y = 0.
Отсюда x=-2y. Положив y=t, получим, что решением системы является

⎛ − 2t ⎞ ⎛ − 2 ⎞
любой вектор вида a1 = ⎜⎜ ⎟⎟ = t ⎜⎜ ⎟⎟ , где t – произвольное число,
⎝ t ⎠ ⎝ 1 ⎠

не равное нулю.
Аналогично рассматривая второе уравнение ( A − λ2 I )a = 0, получаем
⎛t⎞ ⎛1⎞
y=2x и второй собственный вектор a2 = ⎜⎜ ⎟⎟ = t⎜⎜ ⎟⎟ .
⎝ 2t ⎠ ⎝ 2 ⎠
Пример 23.2. Найти собственные числа и собственные векторы линей-
ного преобразования, заданного матрицей
⎛ 0 1 0⎞
⎜ ⎟
A = ⎜ − 4 4 0 ⎟.
⎜ − 2 1 2⎟
⎝ ⎠
Решение. Характеристическое уравнение имеет вид
−λ 1 0
−4 4−λ 0 = −λ(4 − λ)(2 − λ) + 4(2 − λ) = (2 − λ)(λ2 − 4λ + 4) = (2 − λ)3 = 0.
−2 1 2−λ
Единственным собственным значением здесь будет λ = 2. Подставляя

его в уравнение для определения собственного вектора, получаем
⎛ − 2 1 0 ⎞⎛ x ⎞ ⎛ 0 ⎞ ⎧ − 2 x + y = 0,
⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎪
⎜ − 4 2 0 ⎟⎜ y ⎟ = ⎜ 0 ⎟ или ⎨− 4 x + 2 y = 0,
⎜ − 2 1 0 ⎟⎜ z ⎟ ⎜ 0 ⎟ ⎪ − 2 x + y = 0.
⎝ ⎠⎝ ⎠ ⎝ ⎠ ⎩
Отсюда y = 2x, x и z – произвольные числа. Положив x = s, z = t, полу-
чаем, что решением этой системы является вектор вида
⎛ s ⎞ ⎛ 1⎞ ⎛ 0⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ 2s ⎟ = s⎜ 2 ⎟ + t ⎜ 0 ⎟,
⎜ t ⎟ ⎜ 0⎟ ⎜1⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
где s и t – произвольные постоянные, одновременно не равные нулю.
В задачах 1–5 найти собственные числа и собственные векторы линей-

ного преобразования, заданного матрицей A.
⎛ 6 − 4⎞
1. A = ⎜⎜ ⎟⎟.
⎝ 4 − 2⎠
⎛1 1⎞
2. A = ⎜⎜ ⎟⎟.
⎝ 6 2 ⎠
⎛1 − 2 ⎞
3. A = ⎜⎜ ⎟.
1
⎝ 4 ⎟⎠

⎛1 0 0⎞
⎜ ⎟
4. A = ⎜ 4 − 4 0 ⎟.
⎜ 1 − 2 2⎟
⎝ ⎠
⎛ 1 1 3⎞
⎜ ⎟
5. A = ⎜ 1 5 1⎟.
⎜ 3 1 1⎟
⎝ ⎠
23.4. Ответы
⎛1⎞ ⎛ 1 ⎞ ⎛ 1⎞ ⎛ − 2⎞
1. λ = 2, a = t⎜⎜ ⎟⎟. 2. λ1 = −1, λ 2 = 4, a1 = t ⎜⎜ ⎟⎟, a2 = t ⎜⎜ ⎟⎟. 3. λ 1 = 2, λ 2 = 3, a1 = t ⎜⎜ ⎟⎟,
⎝1⎠ ⎝ − 2⎠ ⎝ 3⎠ ⎝ 1 ⎠
⎛ 5⎞ ⎛ 0⎞ ⎛ 0⎞
⎛1⎞ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
a 2 = t ⎜⎜ ⎟⎟. 4. λ 1 = 1, λ 2 = −4, λ3 = 2, a1 = t ⎜ 4 ⎟, a2 = t ⎜ 3 ⎟, a3 = t ⎜ 0 ⎟. 5. λ 1 = 6, λ 2 = 3,
⎝ − 1⎠ ⎜ 3⎟ ⎜1⎟ ⎜1⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
⎛1⎞ ⎛1⎞ ⎛1⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
λ 3 = −2, a1 = t ⎜ 2 ⎟, a2 = t ⎜ − 1⎟, a3 = t ⎜ 0 ⎟.
⎜1⎟ ⎜1⎟ ⎜1⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
В задачах 1–5 найти собственные числа и собственные векторы линей-

ного преобразования, заданного матрицей A.
⎛− 2 1⎞
1. A = ⎜⎜ ⎟⎟.
⎝ − 3 2 ⎠
⎛ 0 − 3⎞
2. A = ⎜⎜ ⎟⎟.
⎝ 3 − 6⎠
⎛3 − 2⎞
3. A = ⎜⎜ ⎟⎟.
⎝5 − 4⎠
⎛ 1 0 2⎞
⎜ ⎟
4. A = ⎜ 1 2 1 ⎟.
⎜ 0 0 3⎟
⎝ ⎠
⎛ − 1 2 − 5⎞
⎜ ⎟
5. A = ⎜ 0 6 0 ⎟.
⎜4 5 8 ⎟
⎝ ⎠

23.6. Ответы
⎛1⎞ ⎛ 1⎞ ⎛1⎞ ⎛1⎞

1. λ 1 = −1, λ 2 = 1, a1 = t ⎜⎜ ⎟⎟, a2 = t⎜⎜ ⎟⎟. 2. λ = −3, a = t⎜⎜ ⎟⎟. 3. λ 1 = 1, λ 2 = −2, a1 = t ⎜⎜ ⎟⎟,
⎝1⎠ ⎝ 3⎠ ⎝1⎠ ⎝1⎠
⎛1⎞ ⎛ 0⎞ ⎛1⎞
⎛ 2⎞ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
a2 = t ⎜⎜ ⎟⎟. 4. λ 1 = 1, λ 2 = 2, λ 3 = 3, a1 = t ⎜ − 1⎟, a2 = t ⎜ 1 ⎟, a3 = t ⎜ 2 ⎟. 5. λ 1 = 3, λ 2 = 4,
⎝ 5⎠ ⎜0⎟ ⎜ 0⎟ ⎜1⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
⎛ 5 ⎞ ⎛1⎞ ⎛ 29 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
λ 3 = 6, a1 = t ⎜ 0 ⎟, a2 = t ⎜ 0 ⎟, a3 = t ⎜ − 6 ⎟.
⎜ − 4⎟ ⎜ − 1⎟ ⎜ − 43⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
24. Симметрические и ортогональные преобразования.

Приведение квадратичной формы к главным осям
Основы теории и примеры приведены в главе 33 учебного пособия

«Математика и информатика».
1. Доказать, что матрица
задает вращение трехмерного пространства вокруг оси с направляющим

единичным вектором ( ) по правилу буравчика на угол .Найти
собственный вектор матрицы.
2. Проверить, что строки и столбцы матрицы ортогональны.
3. Проверить, что определитель матрицы равен 1.
4. Пусть линейное преобразование вещественного линейного про-
странства L обладает базисом из собственных векторов, отвечающих
вещественным собственным значениям. Показать, что в L можно вве-
сти скалярное произведение, относительно которого будет самосо-
пряженным преобразованием. Найти собственные числа и ортонор-
мированный базис из собственных векторов самосопряженного преоб-
разования , заданного матрицей.

24. Симметрические и ортогональные преобразования. Приведение квадратичной формы к главным осям
5. , Ответ: ; ; (1, 1), ( , ).
6. , Ответ: ; ; (1, ), (2, 1).
7. , Ответ: ; ; (1, , ),
(1, , 2), (1, , .
8. , Ответ: ; ; ( , 1),
( ( , ).
9. , Ответ: ; ;
( , ), ( , , , ),
( , , 1, 1), (1, , 1).
10. Привести пример, когда сумма двух ортогональных преобразований

будет ортогональным преобразованием.
Ответ: например, + .
1) Пусть евклидово пространство . Доказать, что проекти-

рование на араллельно самосопряжено тогда и только тогда, когда
.

2) Доказать, что собственные векторы самосопряженного преобразова-

ния, отвечающие различным собственным числам, ортогональны.
Найти собственные числа и ортонормированный базис из собственных
векторов самосопряженного преобразования заданного матрицей:
3) .
4) .
5)
Является ли ортогональным линейное преобразование , действующее
на векторы ортогонального базиса по формулам:
6) , .
7) ),
8) ),
).
9) , ,
+ .
10) ,
1) Сопоставим каждому многочлену P(t) степени ≤3 число L (p)

= .
Доказать, что этим задана линейная форма на линейном простран-
стве степени ≤3 и вычислить координаты ( компоненты ) в базисе
.
Ответ: .
Решение: Достаточно рассмотреть l на базисных элементах :
= , ,

2) Сопоставим каждому многочлену степени число

= .
Доказать, что этим определена линейная форма на пространстве мно-
гочленов степени ≤3 и вычислить координаты в базисе .
Ответ: l .
3) Сопоставим каждому многочлену степени ≤ n его значение
при . Доказать, что этим определена линейная форма и вычислить ее
координаты в базисе .
Ответ: l .
4) Сопоставим каждому многочлену степени его значение
при . Доказать, что этим определена линейная форма и вычислить ее
координаты в базисе и .
Ответ: l и l .
5) Пусть в базисе линейная форма выражается через коор-
динаты вектора формулой .
Какой формулой выражается через координаты в базисе
,
Ответ: l .
6) Составить матрицу данной билинейной формы и соответствующую
ей квадратичную форму:
а) ; Ответ: ,
.
б) ;
Ответ: , .
7) Восстановить симметрическую билинейную форму по данной
квадратичной форме и составить ее матрицу:
а) ; Ответ: , .
б) ; Ответ: ,

8) Привести данную квадратичную форму к каноническому виду:

а) ; Ответ: .
б) ; Ответ: .
9) При каких значениях квадратичная форма положительно, отри-
цательно определена:
; Ответ: квадратичная форма отрицательно оп-
ределена при , не положительно при
10) Квадратичная форма записана в ортонорми-
рованном базисе. Найти ортонормированный базис, в котором форма имеет
диагональный вид.
Ответ: Новый базис равен исходному ,повернутому на по часо-
вой стрелке, а диагональный вид .
1) Составить каждому столбцу высоты его элемент. Доказать,

что задана линейная форма. Найти ее координаты.
2) Составить каждому столбцу высоты сумму его элементов. Дока-
зать, что задана линейная форма. Найти ее координаты.
3) Сопоставим каждой квадратичной матрице порядка ее след
. Доказать, что задана линейная форма. Найти ее координаты в матрич-
ном базисе.
4) Восстановить симметричную билинейную форму по данной квад-
ратичной форме и составить ее матрицу:
.
5) В базисе задана форма . Записать эту
квадратичную форму в базисе .
6) Привести квадратичную форму к канониче-
скому виду.
7) Привести к каноническому виду ортогональным преобразованием:
.
8) Привести к каноническому виду ортогональным преобразованием:
.
9) При каком форма положительно, отрицательно определена:
.

10) Доказать, что в линейном пространстве вещественных матриц по-

рядка функция ) является положительно определенной квадра-
тичной формой.

МОДУЛЬ 5. ЭЛЕМЕНТЫ МАТЕМАТИЧЕСКОГО
АНАЛИЗА И ЕГО ПРИЛОЖЕНИЯ
25. Числовые последовательности и их предел.

Бесконечно малые и бесконечно большие последовательности.
Число e. Предел функции и его свойства.
Замечательные пределы. Непрерывность функции.
Свойства непрерывных функций на отрезке. Точки разрыва
25.1. Теория
Предел последовательности и функции
Пусть заданы две сходящиеся последовательности {an } и {bn } , причем

lim an = A , lim bn = B . Тогда справедливы равенства:
n →∞ n →∞
1) lim( an + bn ) = A + B ; 2) lim( an − bn ) = A − B ;
n →∞ n →∞
⎛a ⎞ A
3) lim( an ⋅ bn ) = A ⋅ B ; а если B ≠ 0 , то 4) lim ⎜ n ⎟ = .
n →∞ b
n →∞
⎝ n⎠ B
Этими же свойствами обладает предел функции.
sin x
Первый замечательный предел: lim = 1.
x →0 x
x
⎛ 1⎞
Второй замечательный предел: lim ⎜ 1 + ⎟ = e
x →∞
⎝ x⎠
Следствия из первого и второго замечательного предела
tg x arcsin x arctg x
lim = 1; lim = 1; lim = 1;
x →0 x x →0 x x →0 x
x
1
⎛ k⎞
lim (1 + x ) = e .
x lim ⎜1 + ⎟ = e k .
x →0 x →∞
⎝ x⎠
ln(1 + x) ex − 1
lim = 1. lim = 1.
x →0 x x →0 x
Непрерывность функции

МОДУЛЬ 5. ЭЛЕМЕНТЫ МАТЕМАТИЧЕСКОГО АНАЛИЗА И ЕГО ПРИЛОЖЕНИЯ
25. Числовые последовательности и их предел. Бесконечно малые и бесконечно большие последовательности. Число e
Функция y = f ( x) называется непрерывной при значении x = x0 (или в

точке x0 ), если она определена в некоторой окрестности точки x0 (очевидно
и в самой точке x0 ) и если выполняется равенство lim f ( x) = f ( x0 )
x → x0
Пусть функция y = f ( x) определена в окрестности точки x0 , кроме,

быть может, самой точки x0 . Точку x0 называют точкой разрыва функции
y = f ( x) в следующих случаях:
1. функция y = f ( x) не определена в точке x0 ;
2. функция y = f ( x) определена в точке x0 , но

а) не существует lim f ( x) ;
x → x0
б) существует lim f ( x) , но lim f ( x) ≠ f ( x0 ) .

x → x0 x → x0
Точки разрыва классифицируются следующим образом.

1. Точка x0 называется точкой устранимого разрыва, если существу-
ет lim f ( x) , но функция либо не определена в точке x0 , либо
x → x0
lim f ( x) ≠ f ( x0 ) .
x → x0
sin x
Например, функция y = в точке x = 0 , как известно, имеет предел,
x
равный единице (первый замечательный предел). Однако в самой точке
x = 0 , эта функция не определена, т.е. здесь устранимый разрыв. Этот разрыв
можно устранить (поэтому он и называется устранимым), если доопределить
функцию в этой точке значением предела в ней, т.е. ввести новую функцию:
⎧ sin x
⎪ , x≠0
f1 ( x) = ⎨ x
⎪⎩ 1, x = 0
.
Функция f1 ( x) является непрерывной на всей числовой прямой.
2. Точка x0 называется точкой разрыва первого рода функции
y = f ( x) , если существуют конечные односторонние пределы функции слева
и справа при x → x0 , но они не равны между собой.
Точка x0 называется точкой разрыва второго рода функции y = f ( x) ,
если хотя бы один из односторонних пределов равен бесконечности или не
существует.

3n 2 + 2n + 4
Пример 25.1. Найти предел lim .
n →∞ 4 n 2 + n − 3
Решение. При n → ∞ числитель и знаменатель дроби стремятся к бес-

конечности, т.е. применить сразу теорему о пределе частного нельзя, так как
она предполагает существование конечных пределов последовательностей.
Преобразуем данную последовательность, разделив числитель и знаменатель
на n 2 . Тогда
3n 2 + 2n + 4 3 + 2 n + 4 n 2 lim ( 3 + 2 n + 4 n2 )
lim = lim = n→∞ =
n →∞ 4 n 2 + n − 3 n →∞ 4 + 1 n − 3 n 2 lim ( 4 + 1 n − 3 n 2 )
n →∞
lim3 + lim(2 n) + lim(4 n 2 ) 3+ 0+ 0 3

= n →∞ n →∞ n →∞
= = .
lim 4 + lim(1 n) − lim(3 n ) 2
4+0+0 4
n →∞ n →∞ n →∞
Пример 25.2. Найти предел lim

n →∞
( n +1 − n . )
Решение. Здесь нельзя применить непосредственно теорему о пределе
разности двух последовательностей, так как конечных пределов последова-
тельностей не существует. Сначала умножим и разделим выражение в скоб-
ках на сопряженное выражение n +1 + n :
( n +1 − n )( n +1 + n ) = lim n +1− n
lim ( n + 1 − n = lim ) =
n→∞ n→∞
( n +1 + n ) n→∞
( n +1 + n )
1
lim 1( n ) 0
lim = n→∞
=0=
n→∞
( n +1 + n ) lim
n→∞ ( 1+1 ) n +1 1 + 1
⎛ 1 3x ⎞
Пример 25.3. Вычислить предел lim ⎜ − ⎟.
x →1 1 − x 1 − x3 ⎠
⎝
Решение. Выполним некоторые преобразования, для этого выражение
предела приведём к общему знаменателю, в результате получим
⎛ 1 3x ⎞ ⎛ 1 3x ⎞ ⎛ 1 + x + x 2 − 3x ⎞
⎜ − 3 ⎟
= ⎜ 1 − x (1 − x)( x 2 + x + 1) ⎟ = ⎜ (1 − x)( x 2 + x + 1) ⎟ =
−
⎝ 1 − x 1 − x ⎠ ⎝ ⎠ ⎝ ⎠

⎛ 1 − 2x + x2 ⎞ ⎛ (1 − x) 2 ⎞ (1 − x)
=⎜ =
⎟ ⎜ ⎟ = ,
⎝ (1 − x)( x + x + 1) ⎠ ⎝ (1 − x)( x + x + 1) ⎠ ( x + x + 1)
2 2 2
(1 − x ) (1 − 1)
Тогда lim = lim = 0.
x →1 ( x + x + 1)
2 x →1 (1 + 1 + 1)
x2 − 5x + 6
Пример 25.4. Вычислить предел lim .
x →2 x 2 − 6 x + 8
Решение. Разложим на множители многочлены в числителе и знамена-

теле:
lim
x2 − 5x + 6
= lim
( x − 2 )( x − 3) = lim x − 3 = lim 2 − 3 = 1 .
x →2 x − 6 x + 8 x→2 ( x − 2 )( x − 4 ) x→2 x − 4 x→2 2 − 4 2
2
1 − cos x
Пример 25.5. Вычислить предел lim .
x →0 x2
2 x
Решение. Известно, что 1 − cos x = 2sin . Подставив это выражение в
2
2 x
2sin
числитель, получим lim
1 − cos x
= lim 2 . Если x → 0 , то sin x ∼ x , сле-
x →0 x2 x →0 x2 2 2
2
x ⎛ x⎞ x
2
2sin 2 2 ⎜ ⎟
2 1
довательно, lim 2
2 = lim ⎝ 2 ⎠ = lim 2 2 = .
x →0 x x →0 x x →0 x 2
tg5 x
Пример 25.6. Найти lim .
x →0 sin 3 x
Решение. Если x → 0 , то sin 3 x ∼ 3 x , tg5 x ∼ 5 x , следовательно,

tg5 x 5x 5
lim = lim = .
x →0 sin 3 x x →0 3 x 3
2
Пример 25.7. Вычислить предел lim (1 − 3x ) . x
x →0
2
−3 x −6
⎡2
⎤ ⎡ 1
− ⎤
1 x
Решение. lim (1 − 3x ) = lim ⎢(1 − 3x ) ⎥ = lim ⎢(1 − 3x ) 3 x ⎥ = e−6 .
−
x 3x
x→0 x→0
⎣ ⎦ x→0
⎣ ⎦
Пример 25.8. Вычислить предел lim ⎡⎣ x ( ln(1 + x) − ln x ) ⎤⎦ .
x →∞
Решение. С помощью свойств логарифма представим предел в виде

x
⎡ 1+ x ⎤ ⎡ ⎛ 1 ⎞⎤ ⎛ 1⎞
lim ⎡⎣ x ( ln(1 + x) − ln x ) ⎤⎦ = lim ⎢ x ln = lim x ln ⎜ 1 + ⎟ = limln ⎜1 + ⎟ .
x →∞ x →∞
⎣ x ⎦⎥ x→∞ ⎣⎢ ⎝ x ⎠ ⎦⎥ x→∞ ⎝ x⎠

На основании непрерывности логарифмической функции, перейдём к

пределу под знаком логарифма, т.е.
⎛ 1⎞
x
⎡ ⎛ 1 ⎞x ⎤
limln ⎜1 + ⎟ = ln ⎢lim ⎜1 + ⎟ ⎥ = ln e = 1.
x→∞
⎝ x⎠ ⎣⎢ ⎝ x ⎠ ⎦⎥
x→∞
Пример 25.9. Найти точки разрыва функции, установить их род и вы-

числить скачки в точках разрыва первого рода, построить график.
| x | −x
2) y = ( sign x ) ;
2
1) y = sign x ; 3) y = .
x2
⎧ 1, если x > 0,
⎪
Решение. 1) Из определения функции sign x = ⎨ 0, если x = 0, следует,
⎪
⎩−1, если x < 0,
что функция y = sign x непрерывна во всех точках, кроме x = 0 . В этой точке
lim y = −1 , lim y = 1 . Значит, x = 0 – точка разрыва первого рода. График
x →−0 x →+0
функции изображен на рис. 25.1.

2) Из определения функции sign x следует, что
⎧1, если x ≠ 0,
( sign x )
2
=⎨ Функция y = (sign x)2 непрерывна во всех точках,
⎩0, если x = 0.
кроме x = 0 . В этой же точке lim y = lim y ≠ y (0) . Значит, x = 0 – точка уст-
x →−0 x →+0
ранимого разрыва. График функции изображен на рис. 25.2.

| x | −x
3) Функция y = определена для всех x ∈ , кроме x = 0 . Следо-
x2
вательно, x = 0 – точка разрыва этой функции.
| x | − x ⎧ 0, x > 0,
Так как =⎨ то lim y = +∞ , lim y = 0 . Значит, x = 0 –
x2 ⎩ − 2 x , x < 0, x →−0 x →+0
точка разрыва второго рода. График функции изображен на рис. 25.3.
Рис. 25.1 Рис. 25.2 Рис. 25.3

Найти пределы последовательностей:

7 n 2 − 3n + 12
25.1. lim 2
n →∞ n + 2 n + 2
. 25.2. lim
n→∞
( n2 + n − n . )
n4 + 6 3n 2 + 1
25.3. lim 2 . 25.4. lim 3 .
n→∞ 2 n + 3n + 5 n →∞ n + 2
Вычислить пределы функций:

3x3 − 2 x 2 + 3x + 1 x2 − а2
25.5. lim . 25.6. lim .
x →∞ 4 x 3 + 2 x 2 + 5 x − 3 x →а x−а
3− x + 2 1 − cos 2 x
25.7. lim . 25.8. lim .
x →7 x 2 − 49 x →0 x
1
x2 + 6x + 8
25.9. lim (1 + 2 x ) . x 25.10. lim .
x →0 x →−2 x3 + 8
sin x sin 5 x e ax − ebx
25.11. lim . 25.12. lim .
x →0 arcsin x tg 3 x x →0 x
ln (1 + x3 ) e3 x − 1
25.13. lim . 25.14. lim
.
x →0 sin x 3 x →0 sin 27 x
Исследовать на непрерывность, найти точки разрыва, определить тип

точек разрыва.
⎧ x2 , x ≤ 1,
x+7 ⎪
25.15. y = . 25.16. y = ⎨ 3 − x, 1 < x < 2,
x−6 ⎪ 1,
⎩ x ≥ 2.
1
⎧ 2x2 , x ≤ 0,
⎪
25.17. y = 1 − 2 . x
25.18. y = ⎨ x, 0 < x < 1,
⎪ 0, x ≥ 1.
⎩
Найти пределы функций:

1 + 4x − x4 ln (1 + 4 x )
25.1. lim . 25.2. lim .
x →∞ x + 3 x 2 + 2 x 4 x →0 x
1 − 32 x 2 x 2 − 18
25.3. lim x . 25.4. lim 2 .
x→0 3 − 1 x →3 x − 2 x − 3

x
sin 2
25.5. lim x 2 ctg 2 2 x . 25.6. lim 4
x →0 x2 x →0
Исследовать на непрерывность, найти точки разрыва, определить тип

точек разрыва.
x3 − 8 1− x
25.7. y = . 25.8. y = .
x−2 1+ x
⎧ sin x, x ≤ 0,
1 ⎪
25.9. y = 1
. 25.10. y = ⎨ x, 0 < x ≤ 2,
3 + 5 x −2 ⎪ 0, x>2
⎩
25.5. Ответы
Задачи для аудиторной работы:

25.1. 7 . 25.2. 0,5 . 25.3. 0,5 . 25.4. 0. 25.5. 0,75 . 25.6. 2a .
1 1 5
25.7. . 25.8. 2. 25.9. e2 . 25.10. . 25.11. . 25.12.
84 6 3
a −b.
1
25.13. 1. . 25.15. x = 6 – точка разрыва второго рода.
25.14.
9
25.16. x = 1 – точка разрыва первого рода. 25.17. x = 0 – точка разрыва
второго рода. 25.18. x = 1 – точка разрыва первого рода.
Домашние задачи:
25.1. −0,5 . 25.2. 4 . 25.3. −2 . 25.4. 3.
1
25.5. 0,5 . .
25.6. 25.7. x = 2 – точка устранимого разрыва.
16
25.8. x = −1 – точка разрыва второго рода. 25.9. x = 2 – точка раз-
рыва первого рода. 25.10. x = 2 – точка разрыва первого рода.
27. Неопределённый интеграл. Методы интегрирования.

Интегрирование различных классов функций
27.1. Теория
1. Функция F ( x) называется первообразной по отношению к функции

27. Неопределённый интеграл. Методы интегрирования. Интегрирование различных классов функций
f ( x) на некотором промежутке X , если на этом промежутке функция

F ( x) дифференцируема и удовлетворяет уравнению F ′( x) = f ( x) .
Неопределенным интегралом функции f ( x) называется семейство
(множество) всех её первообразных.
2. Основные свойства неопределенного интеграла:
( ′
)
1) ∫ f ( x)dx = f ( x) , т. е. производная от неопределенного интеграла
равна подынтегральной функции.
2) d ( ∫ f ( x)dx ) = f ( x)dx , т. е. дифференциал от неопределенного инте-
грала равен подынтегральному выражению.
3) ∫ dF ( x ) = F ( x ) + C .
4) ∫ ( α f ( x ) + β g ( x ) ) dx = α ∫ f ( x )dx + β ∫ g ( x ) dx − свойство линейности;
α , β – постоянные.
F (ax + b)
5) Если ∫ f ( x )dx = F ( x ) + C , то ∫ f (ax + b)dx = a
+ C ,(a ≠ 0) .
3. Таблица интегралов:
xα dx
1. ∫ x dx =
α
α +1
+ C , α ≠ −1 . 2. ∫ x = ln x + C .
ax
3. ∫ a dx = ∫ e dx = e +C.
x x
x
+C. 4.
ln a
5. ∫ sin xdx = − cos x + C . 6. ∫ cos xdx = sin x + C .
7. ∫ tg xdx = − ln cos x + C . 8. ∫ ctg xdx = ln sin x + C .
dx dx
9. ∫ sin 2 x = − ctg x + C . ∫ cos2 x = tg x + C . 10.
dx 1 x dx 1 x−a
11. ∫ 2 = arctg + C . 12. ∫ 2 = ln +C.
a +x 2
a a x −a 2
2a x + a
dx x dx
13. ∫ = arcsin + C . 14. ∫ = ln x + x 2 + a + C
a2 − x2 a x +a
2
4. Метод замены переменной. Пусть x = ϕ(t ) – функция, непрерывно

дифференцируемая на некотором промежутке. Тогда
∫ f ( x ) dx = ∫ f ⎡⎣ ϕ ( t )⎤⎦ ⋅ ϕ′ ( t ) dt .
5. Метод интегрирования по частям. Пусть u = u ( x) и v = v ( x ) – непре-
рывно дифференцируемые функции. Тогда справедлива формула:

∫ udv = uv − ∫ vdu .
Пример 27.1. Найти неопределённые интегралы:
(2 )
2
3
x +1
∫ ( 2 sin x − 3 + 5 ) dx ; ∫
x+2
а) б) dx .
3
x4
Решение.
∫ ( 2 sin x − 3 + 5 ) dx = 2 ∫ sin xdx − 9 ∫ 3 x dx + 5 ∫ dx =

x+2
а)
3x
= −2cos x − 9 + 5x + C .
ln 3
(2 )
2
3
x +1 4 3 x2 + 4 3 x + 1 ⎛ − 23 4 − ⎞
4
б) ∫ 3
x4
dx = ∫
3
x4
dx = ∫ ⎜ 4 x + + x 3 ⎟dx =
⎝ x ⎠
2 4 1 1
− dx − −
= 4 ∫ x dx + 4 ∫ + ∫ x dx = 12 x + 4ln | x | −3 x 3 + C .
3 3 3
x
Пример 27.2. Найти интегралы:
xdx
∫ б) ∫ x 2e x dx .
3
а) ;
3 − 4 x2 − 4 x
Решение.
а) Выделим полный квадрат в подкоренном выражении:
3 − 4 x 2 − 4 x = 4 − ( 2 x + 1) .
2
t −1 dt
Положим 2 x + 1 = t . Тогда x = и dx = . Следовательно,
2 2
xdx 1 ( t − 1) dt 1 tdt 1 dt
∫ 3 − 4 x2 − 4 x
=∫ = ∫ − ∫
4 4 − t2 4 4 − t2 4 4 − t2
.

Второй из двух полученных интегралов – табличный. Для нахождения

1
первого заметим, что tdt = − d 4 − t .
2
2
( )
xdx 1 1 t
= − ∫ ( 4 − t 2 ) d ( 4 − t 2 ) − arcsin =
−1 2
Тогда ∫
3 − 4 x2 − 4 x 8 4 2
1 1 t
( )
12
= − 4 − t 2 − arcsin + C =
4 4 2
1 1
= − 3 − 4 x2 − 4 x − arcsin ( x + 1 2) + C .
4 4
dt
б) Сделаем замену t = x3 . Тогда dt = 3x 2 dx и x 2 dx = . Следовательно
3
1 t 1 t 1 x3
∫ x e dx = 3 ∫ e dt = 3 e + C = 3 e + C .
2 x3
Пример 27.3. Найти интегралы:

а) ∫ x 2 e − x +1dx ; б) ∫ x ln 2 xdx .
Решение.
u = x2 dv = e − x +1dx
а) ∫ x e dx =
2 − x +1
− x +1
= − x 2e − x +1 + 2 ∫ xe− x +1dx .
du = 2 xdx v = −e
К полученному интегралу вновь применяем метод интегрирования по
частям:
u = x dv = e− x +1dx
∫ xe dx = du = dx v = −e− x+1 = − xe + ∫ e dx = − xe − e + C .
− x +1 − x +1 − x +1 − x +1 − x +1
Следовательно,
∫x e
2 − x +1
dx = − x 2 e − x +1 − 2 xe − x +1 − 2e − x +1 + C = − ( x 2 + 2 x + 2 ) e − x +1 + C .
u = ln 2 x dv = xdx
x 2 ln 2 x
б) ∫ x ln xdx = 2
2ln x 2
x = − ∫ x ln xdx = .
du = v= 2
x 2
u = ln x dv = xdx
x 2 ln 2 x x 2 ln x x 2 dx x 2 ⎛ 2 1⎞
= dx 2
x = − +∫ = ⎜ ln x − ln x + ⎟ + C .
du = v= 2 2 2 x 2⎝ 2⎠
x 2
Найти интегралы:
4
x3 + 8
27.1. ∫ (2x + 1)( 2 + 3 x ) dx . 27.2. ∫ dx .
2 3
4
x +2

x x 1 + x2 − 1 − x2
27.3. ∫ sin cos dx . 27.4. ∫ dx .
2 2 1 − x4
x 2 dx
27.5. ∫ xe ∫
−3 x 2 + 4
dx . 27.6. .
4 − x6
dx
∫ 2 x + 3x ln x . 27.8. ∫ x ( 5 x − 1) .
10
27.7.
dx ln x
27.9. ∫ sin ( ln x ) . 27.10. ∫ dx .
x x
27.11. ∫ x arcsin xdx . 27.12. ∫ xe
5x
dx .
ln ( ln x )
27.13. ∫ ln (1 − x ) dx . 27.14. ∫ dx .
x
Найти интегралы:
( )
3
2 x +1 x5 + x3 − 1
27.1. ∫ x3
dx . 27.2. ∫ x 2 + 1 dx .
dx x + arctg 2 x
27.3. ∫ sin x
x
. 27.4. ∫ 1 + x 2 dx .
1 + ln x dx
27.5. ∫ dx . 27.6. ∫ cos .
4 + x ln x 2
x tg 3 x
27.7. ∫ arcsin xdx . 27.8. ∫ e 3 x sin 2 xdx .
27.9. ∫ ln (1 + x 2 ) dx . 27.10. ∫ e x dx .
27.5. Ответы

2 x3 2 8 x5 4
27.1. x + 3x 4 + 4 x 3 + 2 x + C . 27.2.
6 4 3
− + 4x + C .
3 5
27.3. 0,5cos x + C . 27.4. arcsin x − ln x + 1 + x 2 + C .
1 2 1 x3
27.5. − e−3 x +4 + C . 27.6. arcsin + C .
6 3 2

( 5 x − 1) ( 5 x − 1)
12 11
27.7. ln 2 + 3ln x + C . 27.8. + +C.

300 275
27.9. − cosln x + C . 27.10. 2 x ( ln x − 2 ) + C .
⎛ x2 1 ⎞ x
27.11. ⎜ − ⎟ arcsin x + 1 − x 2 + C . 27.12. 0,04e5 x ( 5 x − 1) + C .
⎝ 2 4⎠ 4
27.13. ( x − 1) ln (1 − x ) − x + C . 27.14. ( ln ( ln x ) − 1) ln x + C .
27.1. 8 x + 24 x + 6ln x − 2 x −1 2 + C . 27.2. 0,25 x 4 − arctg x + C .
1 1
(
27.3. −2cos x + C . 27.4. ln 1 + x 2 + arctg3 x + C .
2 3
)
1
27.5. ln 4 + x ln x + C . 27.6. − 2
+ C . 27.7. x arcsin x + 1 − x 2 + C . 27.8.
2 tg x
e3 x
( 3sin 2 x − 2cos 2 x ) + C . 27.9. x ln ( x 2 + 1) − 2 x + 2 arctg x + C .
13
27.10. 2 ( )
x −1 e x
+C.
28. Определённый интеграл и его свойства.

Интегрируемость непрерывных и монотонных функций.
Приложения определенного интеграла. Несобственные интегралы
28.1. Теория
Свойства определённого интеграла
b b
1. ∫ f ( x)dx ≡ ∫ f (t )dt .
a a
a
2. ∫ f ( x)dx = 0 .
a
b a
3. ∫ f ( x)dx = −∫ f ( x)dx .
a b
b b
4. Если α = const , то ∫ αf ( x)dx = α ∫ f ( x)dx .
a a
b b b
5. ∫ ( f ( x) ± g ( x) ) dx = ∫ f ( x)dx ± ∫ g ( x)dx .
a a a

28. Определённый интеграл и его свойства. Интегрируемость непрерывных и монотонных функций
6. Если отрезок интегрирования разбит на части, то интеграл на всём

отрезке равен сумме интегралов для каждой из возникших частей, т.е. при
любых a , b , c .
b c b
∫ f ( x)dx = ∫ f ( x)dx + ∫ f ( x)dx

a a c .
b b
7. Если f ( x) ≤ g ( x) на отрезке [ a, b] , то ∫ f ( x)dx ≤ ∫ g ( x)dx .
a a
8. Пусть на отрезке [ a, b] , где a < b , m ≤ f ( x) ≤ M . Тогда

b
m ( b − a ) ≤ ∫ f ( x)dx ≤ M ( b − a ) .
a
9. Теорема о среднем. Если функция y = f ( x) непрерывна на отрезке

[ a, b] , то найдется такое число c ∈[ a, b] , что
b
∫ f ( x)dx = f (c)(b − a) .
a
10. Если y = f ( x) – четная функция, то

a a
∫ f ( x)dx = 2∫ f ( x)dx .
−a 0
11. Если y = f ( x) – нечётная функция, то

a
∫ f ( x)dx = 0 .
−a
12. Формула Ньютона – Лейбница. Определённый интеграл от не-

прерывной на отрезке [ a, b] функции f ( x) равен приращению любой её пер-
вообразной F ( x) на этом отрезке:
b
∫ f ( x)dx = F (b) − F (a) .

a
13. Замена переменной в определённом интеграле. Если функция

ϕ ( t ) имеет непрерывную производную на отрезке [ α, β] , a = ϕ ( α ) , b = ϕ ( β)
и функция f ( x) непрерывна в каждой точке x = ϕ ( t ) , где t ∈[ α, β] , то
b β
∫ f ( x)dx = ∫ f ( ϕ ( t ) )ϕ′ ( t ) dt .
a α

14. Интегрирование по частям определённого интеграла. Если

функции u = u ( x) и v = v ( x ) имеют непрерывные производные на отрезке
[ a, b] , то
b b
∫ udv = uv − ∫ vdu .
b
a
a a
Геометрические приложения определённого интеграла
1. Если функция f ( x) неотрицательна на отрезке [ a, b] , то площадь S

под кривой y = f ( x) на [ a, b] (площадь криволинейной трапеции, ограничен-
ной кривой y = f ( x) и прямыми x = a , x = b , y = 0 ) численно равна опреде-
лённому интегралу от f ( x) на данном отрезке:
b
S = ∫ f ( x)dx
a
2. Если функция f ( x) – неположительна на отрезке [ a, b] , то площадь

S под кривой y = f ( x) на [ a, b] равна определённому интегралу от f ( x) на
[ a, b] , взятому со знаком «минус»:
b
S = − ∫ f ( x)dx .
a
3. Если f 2 ( x) ≥ f1 ( x) на отрезке [ a, b] , то площадь S фигуры, заклю-

ченной между кривыми y = f 2 ( x) и y = f1 ( x) на этом отрезке, определяется
формулой
b
S = ∫ ( f 2 ( x) − f1 ( x) ) dx .
a
Несобственные интегралы
+∞
Несобственным интегралом (первого рода) ∫
a
f ( x)dx называется
t
предел функции ∫ f ( x)dx при t → +∞ , т. е.
a
+∞ t
∫
a
f ( x)dx = lim ∫ f ( x)dx .
t →+∞
a

Если предел, стоящий в правой части равенства, существует и конечен,

то соответствующий несобственный интеграл называется сходящимся; в
противном случае – расходящимся.
Аналогично определяются несобственные интегралы
b b
∫
−∞
f ( x)dx = lim ∫ f ( x)dx ,
t →−∞
t
+∞ a +∞
∫
−∞
f ( x)dx =
−∞
∫ f ( x)dx + ∫
a
f ( x)dx ,
где a – некоторое число. При этом несобственный интеграл, стоящий в левой

части равенства, называется сходящимся, если сходятся оба несобственных
интеграла из правой части этого равенства; в противном случае – расходя-
щимся.
Несобственные интегралы от неограниченных функций
Пусть функция f ( x) определена на ( a, b] , причем f ( x) неограниченна

в окрестности особой точки a , но она ограничена и интегрируема на любом
b
отрезке [ a + ε , b] ⊂ ( a, b] . Тогда если существует предел lim ∫ f ( x)dx = I , то
ε →+0
a +ε
он называется несобственным интегралом (второго рода) и обозначается

b
∫ f ( x)dx .
a
Если предела нет или он равен бесконечности, то интеграл называется

расходящимся.
Аналогично определяется интеграл от функции, неограниченной на
верхнем пределе интегрирования:
b b −δ
∫ f ( x)dx = lim ∫
a
δ→+0
a
f ( x)dx .
Наконец, если f ( x) неограниченна в окрестности особой точки

c ∈ ( a, b ) , то
b c −ε b
∫ f ( x)dx = lim ∫
a
ε→+0
a
f ( x)dx + lim
δ→+0 ∫
c +δ
f ( x)dx .

Пример 28.1. Вычислить определённые интегралы:

2 π
3x 4 − 5 x 2 + 7
а) ∫ dx ; б) ∫ cos x dx ;
1
x 0
0 1
∫ ln (1 − x ) dx ; ∫ 1 − x 2 dx ;
2
в) г)
0,5 0
ln 2 π2
∫e e x − 1dx ; ∫x
x 2
д) е) cos xdx .
0 0
Решение.
2 2 2 2 2
3x4 − 5 x 2 + 7 ⎛ 3 7⎞ dx
а) ∫ dx = ∫ ⎜ 3x − 5 x + ⎟dx = 3∫ x dx − 5∫ xdx + 7 ∫ .
3
1
x 1⎝
x⎠ 1 1 1
x
Все три интеграла – табличные. Окончательно имеем
2 2 2
3x 4 − 5 x 2 + 7 x4 x2 3 5
= (16 − 1) − ( 4 − 1) +
2
∫1 x
dx = 3
41
− 5
21
+ 7ln x 1
4 2
45 15
+7 ( ln 2 − ln1) = − + 7ln 2 = 3,75 + 7ln 2 .
4 2
⎧⎪ cos x при x ∈ [ 0, π 2] ,
б) Так как cos x = ⎨ то
⎪⎩− cos x при x ∈ [ π 2, π] ,
π π2 π
π2 π
∫ cos x dx =
0
∫
0
cos xdx + ∫
π 2
( − cos x ) dx = sin x 0 − sin x π 2 =
(1 − 0 ) − ( 0 − 1) = 2 .
в) Воспользуемся методом интегрирования по частям:
0 u = ln (1 − x 2 ) dv = dx 0
2x2
∫0,5 ( ) ( ) 0,5 ∫ 1 − x 2 dx =
0
ln 1 − x 2
dx = −2 x = x ln 1 − x 2
+
du = v=x 0,5
1 − x2
0 0 0
4 ( x 2 − 1) + 1 4 dx
= 0,5ln − 2 ∫ dx = 0,5ln − 2 ∫ dx − 2 ∫ x2 − 1 =
3 0,5
x2 − 1 3 0,5 0,5
0
4 0 1 x −1
= 0,5ln − 2 x 0,5 − 2 ⋅ ln = 1 + 0,5ln12 .
3 2 x + 1 0,5
г) Воспользуемся тригонометрической подстановкой x = sin t ,
dx = cos tdt . Поскольку t = arcsin x , найдём пределы интегрирования по пере-
менной t : если x = 0 , то t = arcsin 0 = 0 ; если x = 1 , то t = arcsin1 = π 2 . Иско-
мый интеграл теперь принимает вид

1 π2 π2
∫ 1 − x dx = ∫ 1 − sin t cos tdt = ∫

2 2
cos t cos tdt .
0 0 0
Так как t ∈ [ 0; π 2] , то cos t ≥ 0 . Поэтому cos t = cos t . Применяя форму-

лу понижения степени, получим:
1 π2 π2 π2 π2
1 + cos 2t 1 1
∫0 1 − x dx = ∫0 cos tdt = ∫0 2 dt = 2 t + 2 ∫0 cos 2tdt =
2 2
0
π 1
(
= + sin 2t 0 = .
4 4
π2 π
4
)
д) Сделаем замену переменной: пусть t = e x − 1 . Тогда t 2 = e x − 1 ,
2tdt = e x dx . Найдём пределы интегрирования по переменной t : если x = 0 , то
t = e0 − 1 = 0 ; если x = ln 2 , то t = e ln 2 − 1 = 1 . Искомый интеграл теперь при-
нимает вид
ln 2 1 1
t3 2
∫e e − 1dx = 2∫ t dt = 2 = .
x x 2
0 0
30 3
е) Данный интеграл находится с помощью последовательного приме-
нения формулы интегрирования по частям.
π2 π2
u = x2 dv = cos xdx π2
∫0 x cos xdx = du = 2 xdx v = sin x = x sin x 0 − 2 ∫0 x sin xdx .
2 2
Для нахождения последнего интеграла вновь воспользуемся методом

интегрирования по частям:
π2 π2
π2 u = x dv = sin xdx π2 π2
− 2 ∫ x sin xdx = = − 2 x ( − cos x ) 0 − 2 ∫ cos xdx =
4 0
du = dx v = − cos x 4 0
π2 π2 π2
= − 2sin x 0 = − 2.
4 4
Пример 28.2. Найти площади плоских фигур, ограниченных линиями:

а) y = 2 x − x 2 , x = 3 , y = 0 ; б) y = 2 − x 2 , y 3 = x 2 .
Решение.
а) На отрезке [ 0,2] парабола y = 2 x − x 2 расположена выше оси Ox , а
на отрезке [ 2,3] – ниже. Поэтому площадь искомой фигуры вычислим как
сумму площадей двух криволинейных трапеций:
2 3
2 3
⎛ 2 x3 ⎞ ⎛ 2 x3 ⎞ 4 4 8
S = ∫ ( 2 x − x ) dx − ∫ ( 2 x − x ) dx = ⎜ x − ⎟ + ⎜ − x + ⎟ = + = .
2 2
0 2 ⎝ 3 ⎠0 ⎝ 3 ⎠2 3 3 3
б) Найдем точки пересечения кривых: y = 2 − y 3 , ⇒ y = 1 . Отсюда
x1 = −1, x2 = 1 . Значит,

1
⎛
1 2
⎞ 1
⎛ 2
⎞ ⎛ x3 3 53 ⎞ 32
S = ∫ ⎜ 2 − x − x ⎟ dx = 2∫ ⎜ 2 − x − x ⎟ dx = 2 ⎜ 2 x − − x ⎟ = .
2 3 2 3
−1 ⎝ ⎠ 0⎝ ⎠ ⎝ 3 5 ⎠ 0 15
x2 y 2
Пример 28.3. Вычислить площадь эллипса 2 + 2 = 1 .
a b
b 2
Решение. Из уравнения эллипса находим y = ± a − x 2 . Вычислим
a
b 2
площадь, ограниченную верхней половиной эллипса y = a − x2
a
и осью Ox ( −a ≤ x ≤ a ):
a a
1 b
Sэл = ∫ ydx = ∫ a 2 − x 2 dx .
2 −a
a −a
Сделаем подстановку x = a sin t . При x = − a получим −a = a sin t , отку-

π π
да sin t = −1 и t = − . При x = a ⇒ a sin t = a и t = .
2 2
⎡ π π⎤ π
На отрезке ⎢ − , ⎥ xt′ = a cos t непрерывна и при изменении t от −
⎣ 2 2⎦ 2
π
до функция a sin t возрастает от − a до a . Итак,
2
π π
a 2 2
1 b b b
S эл = ∫ a 2 − x 2 dx = ∫ a 2 − a 2 sin ta cos tdt = a 2 ∫ cos 2 tdt =
2 a −a a π a π
− −
2 2
π π
2
1 + cos 2t ⎛ sin 2t ⎞ 2 ⎛ π sin π sin 0 ⎞ πab
2ab ∫ dt = ab ⎜ t + ⎟ = ab ⎜ + −0− ⎟= .
0
2 ⎝ 2 ⎠0 ⎝ 2 2 2 ⎠ 2
Окончательно получаем Sэл = πab .
Пример 28.4. Вычислить интегралы:

+∞ +∞ +∞
dx dx dx
а) ∫ 2 ; б) ∫ ; в) ∫ 1 + x2 ,
2
x −1 2
x ln x −∞
если они сходятся.
Решение.
а) По определению получаем

+∞ t t
dx dx 1 x −1 1 ⎛ t −1 1⎞
∫
2
= lim ∫ 2 = lim ln = lim ⎜ ln
x − 1 t →+∞ 2 x − 1 t →+∞ 2 x + 1 2 2 t →+∞ ⎝ t + 1
2
− ln ⎟ =
3⎠
1⎛ t −1 1⎞ 1
= ⎜ lim ln − ln ⎟ = ( ln1 + ln 3) = 0,5ln 3 .
2 ⎝ t →+∞ t + 1 3⎠ 2
б) По определению
+∞ t t
dx dx d ln x
= lim ln ln x 2 = lim ( ln ln t − ln ln 2 ) = +∞ ,
t
∫
2
= lim ∫ = lim ∫
x ln x t →+∞ 2 x ln x t →+∞ 2 ln x t →+∞ t →+∞
т. е. данный интеграл расходится.

в) Полагая в определении, что a = 0 , учитывая четность подынтеграль-
ной функции, имеем
+∞ 0 +∞ +∞ t
dx dx dx dx dx
∫−∞ 1 + x2 = −∞∫ 1 + x2 + ∫0 1 + x2 = 2 ∫0 1 + x2 = 2 tlim ∫
→+∞ 1 + x 2
0
=
= 2 lim ( arctg t − arctg 0 ) = 2 ( π 2 − 0 ) = π .

t →+∞
Пример 28.5. Вычислить интегралы:

1 2
dx dx
а) ∫ ; б) ∫ ,
1 − x2 ( x − 1)
2
0 −7 3
если они сходятся.

Решение.
1
а) Подынтегральная функция y = не ограничена вблизи точки
1 − x2
x = 1 . Поэтому
1 1−δ
dx dx
= lim arcsin x 0 = lim arcsin (1 − δ ) = arcsin1 = π 2 .
1−δ
∫
0 1 − x2
= lim
δ→0+ ∫
0 1 − x2 δ→0+ δ→0 +
1
б) Подынтегральная функция y = не определена во внутрен-
( x − 1)
2
3
ней точке x = 1 отрезка интегрирования [ −7,2] и не ограничена вблизи этой

точки. Запишем исходный интеграл в виде суммы двух слагаемых:
2 1 2 1−δ 2
dx dx dx 2 2
∫ ( x − 1) dx + lim ∫ ( x − 1) 3 dx =
− −
∫ = ∫ +∫ = lim 3
( x − 1) ( x − 1) ( x − 1) δ→0+ ε→0+
2 2 2
−7 3 −7 3 1 3 −7 1+ε
1 1−δ 1 2 1 1
= lim 3 ( x − 1) 3 + lim 3 ( x − 1) 3 = lim 3δ + 6 + 3 − lim 3ε = 9 .
3 3
δ→0+ ε→0 + δ→0 + ε→0 +
−7 1+ε

Вычислить интегралы:
2 9
x
28.1. ∫ x x − 16dx . 2
28.2. ∫ dx .
4 4 x −1
1 e
∫x 1 − x dx . 28.4. ∫ ln 2 xdx .
2 3
28.3.
−2 1
ln 2 1
∫ ∫x e
2 −x
28.5. e − 1dx .
x
28.6. dx .
0 −1
Найти площадь фигур, ограниченных линиями:

28.7. y = e x , y = e x 2 , y = e2 . 28.8. y = 3 + 2 x − x 2 , y = x + 1 .
Вычислить несобственные интегралы (если они сходятся):
+∞ +∞
dx ln x
28.9. ∫ ( x + 1)
1
4
. 28.10. ∫
1
x3
dx .
+∞ +∞
∫e ∫ xe
−x 2x
28.11. sin xdx . 28.12. dx .
0 −∞
3 0
dx dx
28.13. ∫
0 9− x 2
. 28.14. ∫ ( x + 1)
−1
2
.
Вычислить интегралы:
e2 ln 8
2ln x + 1 e x dx
28.1. ∫ dx . 28.2. ∫ .
e
x ln 3 ex + 1
3 π
28.3. ∫ arctg xdx . 28.4. ∫ e x sin xdx .
0 0
Найти площадь фигур, ограниченных линиями:

28.5. y = x 4 − 2 x 2 , y = 0 . 28.6. y = 3 + x 2 , xy = 4 , y = 2 , x = 0 .
Вычислить несобственные интегралы (если они сходятся):

−∞ +∞
dx dx
28.7. ∫ . 28.8. ∫x 2
+ 4x + 9
.
( 2 x + 1)
2
−1 −∞
+∞ +∞
∫ arctg xdx . ∫
2
28.9. 28.10. xe − x dx .
0 −∞
28.5. Ответы

28.1. 9 . 28.2. 7 + 2ln 2 . 28.3. 6. 28.4. e − 2 . 28.5. 2 − π 2 .
28.6. ( e 2 − 5 ) e . 28.7. e 2 + 1 . 28.8. 4,5 . 28.9. 1 24 . 28.10. 1 4 .
28.11. 0,5 . 28.12. Расходится. 28.13. π 2 . 28.14. Расходит-
ся.
28.1. 4 . 28.2. 2 . 28.3. π 3 − ln 2 . 28.4. 0,5 ( e π + 1) .
28.5. 16 2 15 . 28.6. 4ln 2 − 2 3 . 28.7. Расходится. 28.8. π 5.
28.9. Расходится. 28.10. 1.
29. Функции двух переменных. Непрерывность

и дифференцируемость. Неявные функции. Касательная плоскость.
Экстремум функции двух переменных
29.1. Теория
1. Частными производными функции z = f ( x, y ) по x и по y назы-

ваются пределы вида
f ( x + Δx , y ) − f ( x , y ) f ( x, y + Δy ) − f ( x, y )
z′x = lim ; z′y = lim .
Δx → 0 Δx Δy →0 Δy
При нахождении частной производной применимы все формулы и пра-
вила дифференцирования функции одной переменной, так как по определе-

29. Функции двух переменных. Непрерывность и дифференцируемость. Неявные функции. Касательная плоскость
нию мы фиксируем все переменные, кроме одной, и фактически имеем дело с

функцией одной переменой.
2. Дифференциалом функции z = f ( x, y ) называется сумма произве-
дений частных производных этой функции на приращения независимых пе-
ременных
dz = z′x Δx + z′y Δy = z′x dx + z′y dy .
3. Частная производная (если она существует) от частной производной

первого порядка функции z = f ( x, y ) называется частной производной вто-
рого порядка.
4. Касательной плоскостью к поверхности z = f ( x, y ) в точке M 0
(точка касания) называется плоскость, в которой лежат все касательные в
точке M 0 к различным кривым, проведенным на поверхности через эту точ-
ку.
5. Нормалью к поверхности называется перпендикуляр к касательной
плоскости в точке касания.
Если f ( x, y ) – дифференцируемая функция, то уравнение касатель-
ной плоскости в точке M 0 ( x0 , y0 , z0 ) поверхности имеет вид
z − z0 = f x′( x0 , y0 )( x − x0 ) + f y′( x0 , y0 )( y − y0 ) .
Уравнение нормали имеет вид

x − x0 y − y0 z − z0
= = .
f x′( x0 , y0 ) f y′ ( x0 , y0 ) −1
6. Дифференцирование функции, заданной неявно

Случай одной независимой переменной. Пусть уравнение f ( x, y ) = 0 ,
где f ( x, y ) – дифференцируемая функция переменных x и y , определяет y
как функцию от x . Тогда производная этой неявно заданной функции при
условии, что f y′( x, y) ≠ 0 , может быть найдена по формуле
dy f ′( x, y )
=− x .
dx f y′( x, y )
Случай двух независимых переменных. Пусть уравнение F ( x, y, z ) = 0 ,

где F ( x, y, z ) – дифференцируемая функция переменных x , y и z определя-
ет z как функцию независимых переменных x и y . Тогда при условии, что

Fz′( x, y, z ) ≠ 0 , частные производные этой неявно заданной функции могут

быть найдены по формулам
∂z F ′ ( x, y , z ) ∂z F ′ ( x, y , z )
=− x , =− y . (29.1)
∂x Fz′( x, y, z ) ∂y Fz′( x, y, z )
Экстремум функции двух переменных

1. Точка M 0 ( x0 , y0 ) называется точкой максимума (минимума) функ-
ции z = f ( x, y ) , а значение f ( M 0 ) – максимумом (минимумом), если суще-
ствует окрестность точки M 0 ( x0 , y0 ) , для всех точек M ( x, y ) которой, отлич-
ных от точки M 0 ( x0 , y0 ) , выполняется неравенство
f (M 0 ) ≥ f (M ) ( f (M 0 ) ≤ f (M ) ) .
Точки максимума и минимума функции z = f ( x, y ) называются экс-
тремальными точками, или экстремумами, а значения функции в этих
точках экстремальными значениями.
2. (Необходимое условие экстремума) Если дифференцируемая функ-
ция z = f ( x, y ) в точке M 0 имеет экстремум, то в этой точке обе частные
производные равны нулю.
3. (Достаточное условие экстремума) Пусть функция z = f ( x, y ) два-
жды непрерывно дифференцируема в окрестности стационарной точки
( x0 , y0 ) . Обозначим f xx′′ ( x0 , y0 ) = A ; f yy′′ ( x0 , y0 ) = C ;
f xy′′ ( x0 , y0 ) = f yx′′ ( x0 , y0 ) = B . Тогда если Δ = AC − B 2 > 0 , то в точке ( x0 , y0 )
функция z = f ( x, y ) имеет экстремум, причем если A < 0 – максимум, если
A > 0 – минимум. В случае Δ = AC − B 2 < 0 , функция экстремума не имеет.
Если Δ = AC − B 2 = 0 , то вопрос о наличии экстремума остается открытым.
4. При исследовании функции на экстремум рекомендуется пользо-
ваться следующей схемой:
а) найти частные производные z′x и z′y ;
б) решить систему уравнений z′x = 0 , z′y = 0 и найти критические точки
функции;
в) найти частные производные второго порядка, вычислить их в каждой
критической точке и с помощью достаточного условия сделать вывод о нали-
чии экстремумов;
г) найти экстремальные значения функции.

2
Пример 29.1. Найти частные производные функции z = x 2e y .
Решение. При дифференцировании по x считаем постоянной величину
2
y . Таким образом, z′x = 2 xe y . При дифференцировании по y считаем посто-
2 2
янной величину x , следовательно, z ′y = x 2 e y ⋅ 2 y = 2 x 2 ye y .
Пример 29.2. Найти частные производные второго порядка функции
z = ln (1 + x + 2 y ) .
Решение. Частные производные первого порядка имеют вид
1 2
z′x = , z′y = .
1+ x + 2y 1+ x + 2y
Считая их новыми функциями двух переменных, найдем их частные
производные. Получим
1 2 4
z′′xx = ; z′′xy = z′′yx = ; z ′′yy = .
(1 + x + 2 y ) 2 (1 + x + 2 y ) 2 (1 + x + 2 y ) 2
∂z ∂z
Пример 29.3. Найти и , если функция z ( x, y ) задана неявно
∂x ∂y
уравнением x 2 − 2 y 2 + 3z 2 − yz + y = 0 .
Решение. Fx′( x, y, z ) = 2 x , Fy′( x, y, z ) = −4 y − z + 1 , Fz′( x, y, z ) = 6 z − y .
∂z 2x ∂z 1− 4y − z
Далее применяем формулу (29.1), получим =− ; =− .
∂x 6 z − y ∂y 6z − y
x
Пример 29.3. Найти экстремум функции z = e 2
(x + y ). 2
Решение.
1. Находим частные производные:
x x x
1 ⎛1 1 ⎞ x
z′x = e ⋅ ( x + y ) + e = e ⎜ x + y 2 + 1⎟ ;
2 2 2 2
z ′y = e ⋅ 2 y .
2
2 ⎝2 2 ⎠
⎧ z ′x = 0,
2. Находим критические точки функции из системы ⎨
⎩ z′y = 0.
Получаем x = −2 , y = 0 , т. е. ( −2;0 ) – единственная критическая точ-
ка.
3. Находим частные производные второго порядка:

x
1⎛1 1 2 ⎞ 2x 1 x
1⎛1 1 ⎞
′′
A = z xx = e ⋅ ⎜ x + y + 1⎟ + e ⋅ = e ⋅ ⎜ x + y 2 + 2 ⎟ ;
2 2
2⎝ 2 2 ⎠ 2 2⎝ 2 2 ⎠
x x
B = z ′′xy = z ′′yx = e 2 y ; C = z ′′yy = 2e 2 .
⎛1 1 ⎞ ⎛1 1 ⎞
Имеем Δ = AC − B 2 = e x ⎜ x + y 2 + 2 ⎟ − e x y 2 = e x ⎜ x − y 2 + 2 ⎟ . В
⎝2 2 ⎠ ⎝2 2 ⎠
1 −1
точке ( −2;0 ) имеем Δ = e−2 > 0 , A = e > 0 . Таким образом, ( −2;0 ) – точка
2
минимума.
Найти частные производные функций:

29.1. z = e x − y ( 2 x − 1) . 29.2. z = xe y + x y .
29.3. z = ln ( )
x+ y .
⎛y ⎞
29.4. z = arctg ⎜ + 1⎟ .
⎝x ⎠
∂2 z
29.5. Найти , если z = 2 xy + y 2 .
∂x∂y
∂2 z x+ y
29.6. Найти , если z = arctg .
∂x∂y 1 − xy
∂2 z ∂2 z x− y
29.7. Показать, что = , если z = arcsin .
∂x∂y ∂y∂x x
dy d2y
29.8. Найти
dx
и
dx 2
, если ( x 2
+ y )
2 3
− 3( x2 + y 2 ) + 1 = 0 .
Исследовать функции на экстремум:

29.9. z = x 2 + y 2 + xy − 4 x − 5 y .
29.10. z = x 3 y 2 ( 2 − x − y ) .
Найти частные производные функций:

(
29.1. z = sin x + y . ) 29.2. z = ln ( x + y2 .)
29.3. z = x y . 29.4. z = xye xy .

∂2 z
29.5. Найти , если z = ln ( x 2 + y ) .
∂x∂y
∂2 z ∂2 z
29.6. Показать, что = , если z = x y .
∂x∂y ∂y∂x
∂z ∂z
29.7. Найти и , если x 2 − 2 y 2 + 3z 2 − yz + y = 0 .
∂x ∂y
29.8. Написать уравнение касательной плоскости и уравнение нормали к
поверхности z = x 2 + y 2 в точке (1; − 2; 5 ) .
Исследовать функции на экстремум:
29.9. z = xy (1 − x − y ) .
1 1
29.10. z = x 2 + xy + y 2 + + .
x y
29.5. Ответы

29.1. z′x = e x − y ( 2 x + 1) ; z′y = e x − y (1 − 2 x ) . 29.2. z′x = e y + yx y−1 ;
z′y = xe y + x y ln x . 29.3.
⎣ (
z′x = 1 ⎡ 2 x + xy ⎤ ;
⎦ )
(
z′y = 1 ⎡ 2 y + xy ⎤ .
⎣ ⎦ )
−y x
29.4. z′x = 2 ; z′y = .
2 x + 2 xy + y 2 2 x + 2 xy + y 2
2
∂2 z xy ∂2 z dy x d y y +x
2 2 2
29.5. = . 29.6. = 0. 29.8. =− ; = .
∂x∂y ( 2 xy + y 2 )3 2 ∂x∂y dx y dx 2 y3
29.9. zmin (1;2 ) = −7 . 29.10. zmax (1;2 3) = 4 27 .

29.1. (
z′x = cos x + y ; z′y = ) 1
2 y
cos x + y .( ) 29.2.
z′x = 1 ⎡⎣ 2 ( x 2 + y 2 ) ⎤⎦ ;
y
x ln x
z ′x = y (x + y ).2
29.3. z′x = yx y −1
; z ′y =
2 y
.
∂2 z 2x
29.4. z′x = y (1 + xy ) e ; xy
z′y = x (1 + xy ) e . 29.5. xy
=− .
∂x∂y ( x 2
+ y )
2 2

∂z 2x ∂z 1 − 4 y − z
29.7. =− ; = . 29.8. 2 x − 4 y − z − 5 = 0 ;
∂x 6z − y ∂y 6z − y
x −1 y + 2 z − 5
= = . 29.9. zmax (1 3;1 3) = 1 27 .
2 −4 −1
29.10. zmin 1 ( 3
3 ;1 3
)
3 = 33 3 .
30. Общие сведения о дифференциальных уравнениях.

Линейные дифференциальные уравнения 1-го и 2-го порядка
30.1. Теория и примеры
Простейшее дифференциальное уравнение
Рассмотрим дифференциальное уравнение x′ = f (t ) с начальными ус-

ловиями x(t0 ) = x0 , где f (t ) определена и непрерывна в интервале J . Из
курса математического анализа известно, что решениями уравнения явля-
ются первообразные функции f (t ) и только они.
Общее решение можем записать в виде
t
x =C + ∫ f (τ ) d τ ,
t0
а решением задачи Коши будет

t
x = x0 + ∫ f (τ ) d τ .
t0
Пример 30.1. Найти общее решение, найти решение задачи Коши:

2
x′ = e−t , x(0) = 2 ;
t
x(t ) = C + ∫ e −τ dτ – общее решение,
2
0
t
x(t ) = 2 + ∫ e−τ dτ – решение задачи Коши.
2
Уравнения с разделёнными переменными
Рассмотрим уравнение

30. Общие сведения о дифференциальных уравнениях. Линейные дифференциальные уравнения 1-го и 2-го порядка
x ′ = f (t ) g ( x ) (30.1)
где функции f (t) и g(x) определены и непрерывны при a < t < b и c < x < d соот-
ветственно.
Запишем это уравнение в дифференциалах в следующем ви-
dt
де: = g ( x)dx , так как два дифференциала равны, то их первообразные от-
f (t )
личаются на произвольную постоянную. Обозначим G (x) = ∫ g( x)dx ),
dt
F (t ) = ∫ ,тогда общее решение имеет вид
f (t )
G ( x ) − С − F (t ) = 0 .
Уравнение с разделяющимися переменными, записанное в диффе-

ренциалах, имеет следующий вид:
M (t ) N ( x) dt + P (t )Q ( x)dx = 0 .
Его можно привести к уравнению с разделенными переменными
M (t ) Q( x)
dt = − dx .
P(t ) N ( x)
Пример 30.2. Найти решение задачи Коши:

x ′ = e t − x , x (0) = 2;
Перепишем уравнение в дфференциалах :
e x d x = e t d t,
так как дифференциалы равны, первообразные отличаются на константу.
Общее решение имеет вид : e x = e t + C. Найдем решение задачи Коши : e 2 = e 0 + C,
C = e 2 − 1. Решение задачи Коши можно записать в виде : e x = e t + e 2 − 1.
В данном случае решение можно записать в яявно виде : x (t) = ln (e t + e 2 − 1).
Уравнение вида x′ = f (a t + b x) приводится к уравнению с разделяющими-

ся переменными с помощью замены.
z (t ) = a t + b x (t ) .
z′ − a
Продифференцировав, получим z ′ = a + bx ′ , отсюда x′ = .
b
Уравнение для функции z ( t ) запишется в следующем виде:
z ′ − a = bf (z ) ; z ′ = a + bf (z ) .
Это уравнение с разделяющимися переменными, и в квадратурах (инте-

гралах) его решение имеет следующий вид:

dz
∫ a + bf ( z ) = t + C .
Уравнение вида ⎛x⎞ приводится к уравнению с разделяющимися

x′ = f ⎜ ⎟
⎝t⎠
x (t )
переменными с помощью замены: z (t ) = , или x = z ( t ) t ; x ′ = z ′ (t ) t + z . В ре-
t
зультате уравнение примет вид
dz dt dz
z ′ (t )t + z = f ( z ) ; z ′ (t ) t = f ( z ) − z ;
f ( z) − z
=
t
; ∫ f (z) − z = ln t + c.
Линейное уравнение первого порядка
Линейным уравнением первого порядка называется уравнение вида

x′ + p (t ) x = g (t ) , (30.2)
где функции p (t ), g (t ) определены и непрерывны на некотором промежутке
J ⊂ R.
Уравнение называется линейным потому, что искомая функция и про-
изводная от искомой функции входят в уравнение в первой степени.
Решить линейное уравнение можно методом вариации произвольной
постоянной, который состоит в следующем.
Рассмотрим соответствующее ему однородное уравнение
x′ + p (t ) x = 0 (30.3)
t
dx
− ∫ p ( ξ) d ξ
dx
= − p (t ) x ; = − p (t )dt ; x (t ) = C e t0
.
dt x
Общее решение неоднородного уравнения ищем в виде

t
− ∫ p (τ ) dτ
x = c (t ) e t0
. (30.4)
Функцию c(t ) находим, подставив (30.4) в (30.2).
Пример 30.2. Найти общее решение уравнения y ′ + 3 y = e x .

Для этого решим соответствующее ему однородное уравнение y′ + 3 y = 0 ;
dy
= −3dx ;
y

ln y = −3x + c ; y = ce−3 x .
Решение неоднородного уравнения ищем в виде y = ce−3 x . Подставив это вы-

ражение в исходное уравнение, получим c ′ e − 3 x − 3 с e − 3 x + 3 ce − 3 x = e x .
Отсюда
1
с′ = e 4x
; с( x) = e 4 x + c1 .
4
Окончательно
1
y = ( e 4 x + c1 )e − 3 x .
4
Уравнение Бернулли
К линейному уравнению сводится уравнение Бернулли, которое име-

ет следующий вид:
x′ + p (t) x = g (t) x n , n ≠ 0, n ≠ 1; (30.5)
p (t ), g (t ) определены и непрерывны на некотором промежутке J ⊂ R .
x′ z′
Сделаем замену z = x1− n , тогда z ′ = (1 − n) x − n x ′ ; отсюда = , относи-
x n
1− n
тельно z (t ) получим линейное уравнение z′ + (1 − n) p(t ) z = (1 − n) g (t ) .
В некоторых случаях уравнение можно свести к линейному, поменяв мес-
тами искомую функцию и независимую переменную, либо сделав подходя-
щую замену.
x
Пример 30.4. Найти общее решение уравнения y ′ = .
x − ey +1
2
Приняв у за независимую переменную, запишем уравнение в виде

x2 − e y +1
x′ = ; xx ′ = x 2 − e y + 1 . Сделаем замену x 2 = z и получим линейное от-
x
носительно z уравнение z ′ − 2 z = 2 − 2e − y , которое решается методом вариации
dz
произвольной постоянной. Решим однородное уравнение z ′ − 2 z = 0 ; = 2 dy ,
z
отсюда общее решение однородного уравнения z = Ce 2 y . Решение неоднород-
ного уравнения ищем в виде z = C ( y )e 2 y .
C ′e 2 y +2Ce 2 y −2Ce 2 y = 2 − 2e − y ; C ′( y ) = 2e −2 y −2e −3 y ,
2 2
C = −e − 2 y + e −3 y + C1 ; z ( y ) = C1e 2 y − 1 + e − y .
3 3
2
Возвращаясь к прежним переменным, получим x 2 ( y ) = C1e 2 y − 1 + e − y .
3

Однородные уравнения второго порядка с постоянными

коэффициентами
Рассмотрим уравнение
x + a1 x′ + a2 x = 0 . (30.6)
Запишем соответствующее ему характеристическое уравнение
λ 2 + a1λ + a2 = 0 . (30.7)
Пусть теперь λ1,λ2 – корни характеристического уравнения. Запишем
теперь общее решение уравнения (30.6) в зависимости от этих корней.
1. λ1 ≠ λ2 , тогда x(t ) = C1eλ t + C2eλ t ,
1 2
2. λ1 = λ2 , тогда x(t ) = (C1 + C2t )eλ t , 2
3. λ1,2 = a ± ib , тогда x(t ) = C1eat cos bt + C2eat sin bt .

Пример 30.5. Найти общее решение уравнения
у"+5у'+6у=0 . Характеристический многочлен l ( R) имеет вид
2
l (k ) = k + 5 k + 6 ; k =
1
−2 ; k
2
= −3 ; l (k ) = (k + 2)(k + 3) .
y ( x) = C1e−2 x + C2e−3 x .
Пример 30.6. Найти общее решение уравнения x + 4 x = 0 . Характери-

стическое уравнение λ 2 + 4 = 0 имеет мнимые корни λ1,2 = ±2i , тогда общее ре-
шение
x(t ) = C1 cos 2t + C2 sin 2t .
Пример 30.7. Найти общее решение уравнения x − 4 x + 4 x = 0 . Характе-

2
ристическое уравнение λ − 4λ + 4 = 0 имеет два равных корня λ1 = λ2 = 2 , в
этом случае общее решение имеет вид x(t ) = (C1 + C2t )e2t .
Неоднородные уравнения с постоянными коэффициентами
Рассмотрим теперь неоднородное уравнение

x + a1 x′ + a2 x = f (t ) . (30.8)

При непрерывной функции f (t ) справедлива следующая теорема.

Теорема 30.1. Общее решение неоднородного уравнения (30.8)
является суммой общего решения однородного уравнения и любого частно-
го решения неоднородного уравнения.
В случае, когда правая часть есть функция специального вида, частное
решение можно найти. Рассмотрим эти случаи.
Теорема 30.2. Уравнение со специальной неоднородностью
x + a1 x′ + a2 x = P(t )ekt , (30.9)
где P(t ) – многочлен (или еще говорят, что в правой части стоит кваз-
щимногочлен), имеет частное решение вида
~
z (t ) = t s Q(t )e k t , (30.10)
где s = 0 , если k не является корнем характеристического многочлена опе-
ратора Ln , и s равно кратности корня k , если k является корнем характе-
ристического многочлена, Q(t ) – многочлен той же степени,
что и P(t ) .
Коэффициенты многочлена Q (t ) в (30.10 однозначно выражаются через
коэффициенты многочлена P (t ) , поэтому его записывают в общем подстав-
ляют в (30.9) и коэффициенты находят методом неопределенных
коэффициентов.
Пример 30.8. Найти общее решение уравнения x ′′ − x = 2 e t − t 2 .
Сначала найдем общее решение однородного уравнения x′′ − x = 0 .
Характеристический многочлен k 2 − 1 = 0 имеет корни k 1 = 1 , и d 1 = 1 ; k 2 = − 1 ,
d 2 = 1; поэтому общее решение однородного уравнения имеет вид
x (t ) = C 1 e t + C 2 e − t .
Чтобы найти частное решение исходного уравнения, мы найдем част-
ные решения уравнений: 1) x ′′ − x = 2 e t и 2) x ′′ − x = − t 2 и сложим их.
Для первого уравнения частное решение ищем в виде x 1 = t A e t ( s = 1, k = 1 ,
Q (t ) – многочлен нулевой степени).
Чтобы найти А, подставим х в уравнение x ′′ − x = 2 e t :
(t A e )″ − (t A e ) = 2 e
t t t
,
2 A e t + A t e t − A t e t = 2 e t , A = 1, x 1 = t e t .
Частное решение второго уравнения ищем в виде

x 2 = a t 2 + b t + c . Здесь s = 0 , так как k =0 не является корнем харак-

теристического многочлена. Подставим х в уравнение x ′′ − x = − t 2 :
(a t 2
+ bt + c )″ − (a t 2
)
+ bt + c = − t 2 .
Методом неопределенных коэффициентов найдем a, b, c :
t 2 − a = −1; a =1 x2 = t 2 + 2
t −b=0; ~
1 2a − c = 0 ; c = 2 x (t ) = t e t + t 2 + 2
По теореме 30.1 общее решение неоднородного уравнения

x (t ) = C 1 e t + C 2 e − t + t e t + t 2 + 2 .
Рассмотрим уравнение с постоянными коэффициентами с неоднород-

ностью специального вида, которая тоже называется квазимногочленом,
x + a1 x + a2 x = ( P1 ( t ) cos b t + P2 ( t ) sin b t ) e a t , (30.11)
где P1 ( t ) – многочлен степени m 1 , P2 ( t ) – многочлен степени m2 .

В этом случае существует частное решение вида
( )
x (t ) = t S Q 1 (t ) cos b t + Q 2 (t )sin b t e a t , (30.12)
где s = 0 , если k = a + i b не является корнем характеристического много-

члена оператора L n , и s равно кратности корня, если k = a + i b является кор-
нем характеристического многочлена.
Степень многочленов Q 1 (t ) и Q 2 (t ) не превосходит наибольшей из сте-
пеней P1 (t ) , P2 (t ) . Указанное частное решение можно построить методом не-
определенных коэффициентов.
Пример 30.9. Найти решение уравнения
x ′′ + 2 x ′ + 2 x = e − t sin t ,
1
удовлетворяющее начальным данным x (0 ) = 1 , x ′ (0) = − .
2
Рассмотрим однородное уравнение x′′ + 2 x′ + 2 x = 0 . Характе-
ристический многочлен k + 2 k + 2 = 0 имеет корни k 1 = − 1 + i , k 2 = − 1 − i
2
кратности 1. Общее решение однородного уравнения

x одн = C 1 e − t sin t + C 2 e − t cos t . Запишем, что k = a + i b = − 1 + i является корнем
характеристического многочлена. Тогда частное решение неоднородного
уравнения ищем в виде

x (t ) = t e − t (a cos t + b sin t ) ;
~
x ′ (t ) = e − t (a cos t + b sin t ) − t e − t (a cos t + b sin t ) + t e − t ( − a sin t + b cos t ) ;
~
x ′′ (t ) = e − t (t − 2 )(a cos t + b sin t ) + e − t (t − 1)(− a sin t + b cos t ) +

~
+ e − t (− a sin t + b cos t ) − t e − t (− a sin t + b cos t ) + t e − t (− a cos t − b sin t ) =
= 2 e − t (a cos t + b sin t ) + 2 e − t (1 − t )(− a sin t + b cos t ) .
Подставим в исходное уравнение
− 2e −t
(a cos t + b sin t ) + 2 e − t (1 − t )(− a sin t + b cos t ) + 2 e − t ( − a sin t +
+ b cos t ) + 2 e − t (1 − t )( a cos t + b sin t ) + 2 e − t ( a cos t + b sin t ) = e − t sin t .
2 e − t ( a cos t + b sin t ) = e − t sin t ; b = 0 a = − 1 2
1
x (t ) = − t e − t cos t ;
~
2
На основании теоремы 30.1 общее решение исходного уравнения

1
x (t ) = C1e − t sin t + C 2 e − t cos t − t e − t cos t
~
2
Найдем теперь C 1 и C 2 из начальных данных:
1
1 = C 1 e − 0 sin 0 + C 2 e − 0 cos 0 − 0 e − 0 cos 0 ,
2
1 1
− = − C 1 e − 0 sin 0 + C 1 e − 0 cos 0 − C 2 e − 0 cos 0 − C 2 e − 0 sin 0 − e − 0 cos 0 +
2 2
1 1
+ 0 e − 0 cos 0 + 0 e − 0 sin 0 .
2 2
Отсюда C 1 = 1 , C 2 = 1 и окончательно
1 −t
= e − t sin t + e − t cos t − t e cos t
2
30.2. Задачи
Уравнения с разделяющимися переменными
1. x ′ = 4 x 2 + t 2 x 2 ; 2. x ′ = 4 x 2 − t x 2 ; 3. x ′ = t 2 x − 4 t x ; 4. x ′ = 4 x + t x ;
5. x′ = t x − 4 x ; 6. x′ = 3 x + t 2 x ; 7. x ′ = t 2 x 2 + 4 t 2 x ; 8. x ′ = 4 x 2 + t 2 x 2 ;
9. x′ = t 2 − 4 t 2 x ; 10. x ′ = t 2 + 4 t 2 x ; 11. x ′ = 4 x + t 2 x ; 12. x′ = t + 4 t x 2 ;
13. x ′ = 4 x 2 + t 2 x 2 ; 14. x ′ = t 2 + 4 t 2 x ; 15. x ′ = t 2 x 2 − 4 t 2 x ; 16. x ′ = t + 4 t x 2 ;
17. x ′ = 4 x − t 2 x ; 18. x ′ = 4 x − t x ; 19. x ′ = t 2 − 4 t 2 x ; 20. x ′ = t − 4 t x 2 ;
21. x ′ = t + 4 t x 2 ; 22. x ′ = t 2 x − 4 t x ; 23. x ′ = t − 4 t x 2 ; 24. x ′ = 4 x − t x ;
25. x ′ = t 2 x − 4 t x ; 26. x ′ = t x − 4 x ; 27. x ′ = 4 x 2 − t x 2 ; 28. x ′ = t 2 x 2 − 4 t 2 x .
29. x ′ = 4 x 2 − t 2 x 2 ; 30. x ′ = t 2 x − 4 t x ; 31. x ′ = t 2 − 4 t 2 x .

Уравнения, которые приводятся к уравнению с разделяющимися пе-

ременными, с помощью подходящей замены
y
y
1. ( 5 x + 2 y ) y′ = 1 ; 2. x y ′ = y − x e x ; 3. ( 3 x + 2 y ) y′ = 1 ; 4. x
5
y ′ = x 4 y cos ln ;
x
y
y −
y ′ = x 3 y cos ln ; 6. ( x + 3 y ) y ′ = 1 ; 7. x y ′ = y − x e x ; 8. ( 5 x + y ) y ′ = 1 ;
4
5. x
x
y y
9. ( 4 x + 3 y ) y ′ = 1 ; 10. x y ′ = x y cos ln ; 11. x y ′ = x y cos ln ;
5 4 2 2
x x
y
12. ( 2 x + 2 y ) y ′ = 1 ; ( 5 x + 3 y ) y′ = 1; y′ = x y − x 2 e x ;
2
13. 14. x
y
y −
15. ( 2 x + 13 y ) y ′ = 1 ; 16. x y ′ = y sin ln 17. x y ′ = y − x e
2 x
; ;
x
y
18. ( 5 x + y ) y′ = 1; 19. x
4
y ′ = x 3 y sin 2 ln ; 20. ( 4 x + 2 y ) y′ = 1;
x
y y
21. x
6
y ′ = x 5 y sin 2 ln ; 22. ( 3 x + 4 y ) y′ = 1 ; 23. x
6
y ′ = x 5 y sin 2 ln ;
x x
y
24. ( 3 x + 4 y ) y′ = 1 ; 25. x
2
; 26. ( 4 x + y ) y ′ = 1 ;
y ′ = x y sin 2 ln
x
y y
27. x y ′ = x y cos ln ; 28. ( 2 x + y ) y ′ = 1 ; 29. x y ′ = y cos ln ;
6 5
x x
y
30. ( x + 2 y ) y ′ = 1 ; 31. ( 5 x + 3 y ) y ′ = 1 ; 32. x
2
y′ = x y − x 2 e x
.
Решение линейных уравнений методом вариаций
1 1 1 1
1. y′ = ; 2. y ′ = ; 3. y ′ = ; 4. y ′ = ;
x−e 24 y
x−e 5y
x−e 26 y
x − e 23 y
1 1 1 1
5. y′ = ; 6. y ′ = ; 7. y ′ = ; 8. y ′ = ;
x−e 9y
x−e y
x−e 25 y
x − e 11 y
1 1 1 1
9. y′ = ; 10. y ′ = ; 11. y ′ = ; 12. y ′ = ;
x−e 23 y
x−e 20 y
x−e 12 y
x − e 8y
1 1
13. y′ = ; 14. y′ = ;
x − e 6y x − e 14 y
Уравнения Бернулли
1. y − y ′ = x y ′ + y 25 ; 2. y − y′ = x y′ + y 6 ; 3. y − y′ = x y′ + y 2 ;
4. y − y ′ = x y ′ + y 24 ; 5. y − y ′ = x y ′ + y 10 ; 6. y − y ′ = x y ′ + y 27 ;


13. y − y ′ = x y ′ + y 7 ; 14. y − y ′ = x y ′ + y 15 ;
Уравнения с постоянными коэффициентами
x + x = 2 sin t ;
1.
2. x + x = 3t cos 2t ;
3. y ′′ − 3 y ′ + 2 y = xe x ;
4. x 2 y ′′ − 2 y = sin ln x ;
5. y ′′ + 2 y ′ + 2 y = xe2 x + e− x sin x, y(0) = 0, y ′(0) = 0.
6. . x + x = 2t cos 2t ;
7. x + x = 3 cos t ;
8. y ′′ + 3 y ′ + 2 y = xe − x ;
9. x 2 y ′′ + 2 y = sin ln x ;
10. y ′′ − 2 y ′ + 2 y = xe 2 x + e x sin x, y(0) = 0, y ′(0) = 0.
11. . x + x = 2 sin t ;
12. x + x = 3t cos 2t ;
13. y ′′ − 3 y ′ − 4 y = 2 xe − x ;
14. x 2 y ′′ − x y ′ − 2 y = x ln x ;
15. y ′′ + 2 y ′ + 2 y = xe x + e − x cos x, y(0) = 0, y ′(0) = 0.
16. x + x = 3cos t ;
17. y ′′ + 3 y ′ − 4 y = 3xe x ;
18. x 2 y ′′ − 2 xy ′ + 2 y = 2 ln x ;
19. y ′′ + 2 y ′ + 2 y = xe 2 x + e x cos x , y (0) = 0, y ′(0) = 0.
31. Системы дифференциальных уравнений
31.1. Теория и примеры
Решение однородных систем с постоянными коэффициентами
Рассмотрим систему с постоянными коэффициентами:

⎧ x1′ = a11 x1 + a12 x 2 + … a1n x n

⎪ x′ = a x + a x + … a x
⎪ 2
⎨
21 1 22 2 2n n
(31.1)
⎪
⎪⎩ x n′ = a n1 x1 + a n 2 x 2 + … a nn x n
Обозначим через A = {aij }n×n ; aij – постоянные.

Найдем собственные числа матрицы А из уравнения A − λ E = 0 .
Рассмотрим теперь 3 случая:
1. Пусть матрица A имеет n различных собственных чисел λ 1 , λ 2 ,… , λ n .
Обозначим через
⎛ α11 ⎞ ⎛ α12 ⎞ ⎛ α1n ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
α1 = ⎜ ⎟, α 2 = ⎜ ⎟, …, α n = ⎜ ⎟
⎜ 1⎟ ⎜ 2⎟ ⎜ n⎟
⎝αn ⎠ ⎝αn ⎠ ⎝αn ⎠
– соответствующие им собственные векторы.

Тогда можно выписать n решений системы (31.1) в виде
⎛ α11e λ1t ⎞ ⎛ α12 e λ 2t ⎞ ⎛ α1n e λ nt ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
x1 = ⎜ ⎟, x 2 = ⎜ ⎟, …, x n = ⎜ ⎟ (31.2)
⎜ 1 λ1t ⎟ ⎜ 2 λ 2t ⎟ ⎜⎜ n λ nt ⎟⎟
⎝ α ne ⎠ ⎝ α ne ⎠ ⎝αne ⎠
Векторы x 1 (t ),…, x n (t ) образуют фундаментальную систему решений.

− ∞ < t < ∞ . Тогда общее решение системы (31.1) запишем в векторной форме
следующим образом:
x (t ) = C1α 1e λ1t + C 2 α 2 e λ 21t + … + C n α n e λ nt .
Покоординатно можем переписать:

⎧ x1 (t ) = C1 a11e λ1t + C 2 a12 e λ 21t + … + C n a1n e λ nt
⎪ 1 λt 2 λ t n λ t
⎪ x2 (t ) = C1 a 2 e 1 + C 2 a 21e 21 + … + C n a 2 e n
⎨
⎪…… …… …… …… …… ……
⎪ x (t ) = C a 1 e λ1t + C a 2 e λ 21t + … + C a n e λ nt
⎩ 1 1 n 2 n n n
Пример 31.1. Найти общее решение системы

⎧ dy
⎪⎪ dx = 5 y + 4 z 5−λ 4
⎨ ; A−λE = =0,
⎪ dz = 4 y + 5 z 4 5−λ
⎪⎩ dx
λ2 − 10λ + 9 = 0 . Собственные числа матрицы A λ1 = 1, λ 2 = 9 .

Найдем собственный вектор, соответствующий собственному числу

λ1 = 1 ,
⎧( 5 − 1 )a1 + 4 a 2 = 0
⎨ , 4 a1 + 4 a 2 = 0 , ( a11 = 1 , a 21 = −1 ) .
⎩4 a1 + ( 5 − 1 )a 2 = 0
Решение будет иметь вид
⎛ y1 ⎞ ⎛ e ⎞
x
⎜⎜ ⎟⎟ = ⎜ x ⎟ .
⎜ ⎟
⎝ z1 ⎠ ⎝ − e ⎠
λ1 = 9 ,
⎧( 5 − 9 )a1 + 4 a 2 = 0
⎨ , a1 + a 2 = 0 , ( a11 = 1 , a 21 = 1 ) .
⎩4 a1 + ( 5 − 9 )a 2 = 0
Решение будет иметь вид
⎛ y2 ⎞ ⎛ e ⎞
9x
⎜⎜ ⎟⎟ = ⎜ 9 x ⎟ .
⎜ ⎟
⎝ z2 ⎠ ⎝ e ⎠
Тогда общее решение системы будет

⎧⎪ y = C1e x + C2 e 9 x
⎨
⎪⎩ z = −C1e x + C2 e 9 x
2. Пусть собственные значения матрицы A различны, но среди них есть

комплексные. Так как коэффициенты системы (31.1) вещественные, то мож-
но выразить решение лишь через вещественные функции, отделяя вещест-
венную и мнимую часть.
Для простоты рассмотрим систему из двух уравнений с двумя неиз-
вестными функциями
x 1 = a 11 x 1 + a 12 x 2
. (31.3)
x 2 = a 21 x 1 + a 22 x 2
Пусть n = a + i b – собственные числа матрицы A . Собственному числу

⎛ β1 + i γ 1 ⎞
a + i b соответствует собственный вектор α = ⎜⎜ ⎟ . Тогда решение полу-
⎟
⎝β 2 + i γ 2 ⎠
чим в виде x = α e (α + i b )t или покомпонентно
⎛ x 1 ⎞ ⎛ ( β 1 + i γ 1 )e
( a + i b )t
⎞
⎜ ⎟=⎜ ⎟.
⎜ x 2 ⎟ ⎜ ( β + i γ )e ( a + i b )t ⎟
⎝ ⎠ ⎝ 2 2 ⎠
Чтобы выделить два вещественных решения отделим вещественную и

мнимую часть.

⎛ x 1 ⎞ ⎛ ( β 1 + i γ 1 )e ( cos b t + i sin b t ) ⎞ ⎛ e ( β 1 cos b t − γ 1 sin b t ) ⎞

at at
⎜ ⎟=⎜ ⎟=⎜ ⎟+
⎜ x 2 ⎟ ⎜ ( β + i γ )e a t ( cos b t + i sin b t ) ⎟ ⎜ e a t ( β cos b t − γ sin b t ) ⎟
⎝ ⎠ ⎝ 2 2 ⎠ ⎝ 2 2 ⎠
.
⎛ e a t ( β 1 cos b t + γ 1 sin b t ) ⎞
+ i ⎜ at ⎟
⎜ e ( β cos b t + γ sin b t ) ⎟
⎝ 2 2 ⎠
Таким образом, получим два вещественных решения:

⎞ ⎛ e ( β 1 cosb t − γ 1 sinb t ) ⎞⎟
at
⎛ x11
x =⎜ 1
1 ⎟ =⎜
⎜x ⎟ ⎜ e a t ( β cosb t − γ sinb t ) ⎟
⎝ 2 ⎠ ⎝ 2 2 ⎠
⎛ x12 ⎞ ⎛ eat (β1 cosbt + γ1 sinbt) ⎞

x =⎜ 2
1 ⎟ =⎜ ⎟
⎜x ⎟ ⎜ eat (β cosbt + γ sinbt)⎟
⎝ 2 ⎠ ⎝ 2 2 ⎠
Нетрудно проверить, что эти решения линейно независимы, посчитав,
например, определитель Вронского.
Общее вещественное решение системы (31.1) запишется в виде
⎛ x1 ⎞ ⎛ e a t ( β 1 cos b t − γ 1 sin b t ) ⎞ ⎛ e a t ( β 1 cos b t + γ 1 sin b t ) ⎞
x =⎜ ⎟ = C1 ⎜ ⎟+C ⎜ ⎟
⎜ x2 ⎟ ⎜ e a t ( β 2 cos b t − γ 2 sin b t ) ⎟ 2
⎜ e a t ( β cos b t + γ sin b t ) ⎟
⎝ ⎠ ⎝ ⎠ ⎝ 2 2 ⎠
или покомпонентно:
x1 = e at [(C1 + C 2 ) β1 cos bt + (C 2 − C1 )γ 1 sin bt ]
x 2 = e at [(C1 + C 2 ) β 2 cos bt + (C 2 − C1 )γ 2 sin bt ]
Пример 31.2. Найти общее решение системы

⎧ dy
⎪⎪ dx = 2 y − z
⎨
⎪ dz = y + 2 z
⎪⎩ dx
⎛ 2 − 1⎞
Найдем собственные числа матрицы A = ⎜⎜ ⎟:
⎝1 2 ⎟⎠
2−λ −1
A − λE = = 4 − 4λ + λ2 + 1 = 0 , λ1 = 2 + i ; λ2 = 2 − i.
1 2−λ

λ1 = 2 + i :
⎛ 2 − (2 + i) −1 ⎞⎛α 1 ⎞ ⎧− iα 1 − α 2 = 0
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ = 0, ⎨ ,
⎝ 1 2 − (2 + i ) ⎠ ⎝ α 2 ⎠ ⎩α 1 − iα 2 = 0
⎧α = 1
− iα 1 = α 2 , ⎨ 1
⎩α 2 = −i

Решение запишем в виде

⎛ y⎞ ⎛e
( 2 + i )x
⎞ ⎛ e 2 x ( cos x + i sin x ) ⎞ ⎛ e 2 x cos x ⎞ ⎛ e 2 x sin x ⎞
⎜⎜ ⎟⎟ = ⎜ ⎟=⎜ ⎟=⎜ ⎟ + i⎜ ⎟
⎜ ( 2 +i ) x ⎟ ⎜ ⎟ ⎜ 2x ⎟ ⎜ ⎟
⎝ z ⎠ ⎝− ie ⎠ ⎝ − i e ( cos x + i sin x ) ⎠ ⎝ e sin x ⎠ ⎝ − e cos x ⎠
2x 2x
Отделяя вещественную и мнимую части, получим два линейно незави-

симых вещественных решения
y1 = e 2 x cos x z1 = e 2 x sin x
;
y 2 = e 2 x sin x z 2 = −e 2 x cos x
Общее решение системы:
⎧⎪ y = C1e 2 x cos x + C 2 e 2 x sin x
⎨
⎪⎩ z = C1e 2 x sin x − C 2 e 2 x cos x
3. Рассмотрим теперь случай, когда матрица A имеет собственное число μ

кратности d (другими словами, одно и то же собственное число μ повторяется
d раз). В этом случае решение системы можно искать сразу в виде
x (t ) = ( A0 + A1t + … + Ad −1t d −1 )e μt , (31.4)
⎛ a1i ⎞
⎜ ⎟
где Ai = ⎜ ⎟ - постоянные; i = 0, 1, … , d − 1 .
⎜a ⎟
⎝ ni ⎠
Подставим (31.4) в (31.1) и определим Ai , причем некоторые из них (в
том числе Ad −1 ) могут оказаться равным нулю. В этом случае мы получаем
недоопределенную систему алгебраических уравнений, n коэффициентов
полагаем произвольными постоянными, а остальные через них выражаются.
Пример 31.3. Найти общее решение системы:
⎧ dx
⎪⎪ dt = x − y
⎨
⎪ dy = x + 3 y
⎩⎪ dt
Характеристическое уравнение
1− λ −1
=0 или λ2 − 4λ + 4 = 0 имеет
1 3−λ
кратный корень λ1, 2 = 2 . Следовательно, решение нужно искать в виде
⎧⎪ x = (at + b)e 2t
⎨
⎪⎩ y = (ct + d )e 2t

Подставим в исходную, систему
( ( a t + b )e )′ = ( a t + b )e
2t 2t
− ( c t + d )e 2 t
( ( c t + d )e )′ = ( a t + b )e
2t 2t
− ( c t + d )e 2 t
a e 2 t + 2 ( a t + b )e 2 t = ( a t + b )e 2 t − ( c t + d )e 2 t
с e 2 t + 2 ( с t + b )e 2 t = ( a t + b )e 2 t − 3 ( c t + d )e 2 t
Сократим на e 2 t и сгруппируем слагаемые:

( a + c )t + a + b + d = 0
( − a − c )t + c − b − d = 0
Отсюда получаем четыре уравнения:
⎧a +c =0
⎪a +b + d =0
⎪
⎨
⎪−a −c =0
⎪⎩ c − b − d = 0
Обратите внимание на то, что число неизвестных больше, чем число

уравнений. Выразим, например, c и d через a и b:
Обозначим a через C 1 , b через C 2 , получим общее решение системы:
x = ( C 1 t + C 2 )e 2 t
y = − ( C 1 t + C 1 + C 2 )e 2 t
Неоднородные системы линейных уравнений

с квазимногочленом в правой части
Рассмотрим неоднородную систему

xi′ = ai1 x1 + … + ain x n + f i (t ), i = 1,…, n. (31.5)
Теорема 31.1 Общее решение неоднородной системы (31.5) является

суммой общего решения однородной системы (31.1) и любого частного ре-
шения системы (31.5).
Оказывается, что если функции fi (t ) являются квазимногочленами, то
частное решение можно найти.
Без доказательства сформулируем две теоремы о виде частного реше-
ния, если неоднородность является квазимногочленом.
Пусть система имеет вид

x i′ = a i1 x1 + a i 2 x 2 + … + a in x n + Pmi ( t ) e a t , (31.6)
где Pm ( t ) – многочлен степени mi . Обозначим через m наибольшую из

i
степеней mi , т. е. m = max ( mi ) . Обратите внимание на то, что m будет участ-

вовать в определении степени многочлена, входящего в частное решение.
Теорема 31.2 Система (31.6) всегда имеет частное решение вида
x i = Q m + s , i e a t , i = 1,..., n (31.7)
где Q m + s , i – многочлен, степеней m + s .

Здесь s = 0 , если показатель в экспоненте a не является собственным
числом матрицы A. Если a совпадает с собственным числом матрицы A, то s
равно кратности собственного числа. Коэффициенты многочленов Q m + s , i за-
писываются в общем виде, а их коэффициенты находятся методом неопреде-
ленных коэффициентов.
Пусть теперь система имеет вид
( )
xi′ = ai1 x1 + ai 2 x2 + … + ain xn + e a t Pm1 i ( t ) cos b t + Pm2i ( t )sin b t , (31.8)
где Pm1 i ( t ) – многочлен степени mi, Pm2i ( t ) – многочлен степени

n i , i = 1,…, n . Обозначим через m наибольшую из степеней m i , n i .
Теорема 31.3. Система (31.8) всегда имеет частное решение вида
( )
x i = e a t Q 1m + s , i ( t ) cos b t + Q 2m + s , i ( t )sin b t , (31.9)
где Q 1m + s ,i Q 2m + s , i – многочлены степени m + s .
Здесь s = 0 , если k = a + i b не является собственным числом матрицы

A. Если же k = a + i b совпадает с собственным числом матрицы A, то s равно
кратности этого собственного числа.
Многочлены Q 1m + s ,i Q 2m + s , i записываются в общем виде, а их коэффици-
енты находятся методом неопределенных коэффициентов.
Пример 31.4. Решить систему уравнений

⎧x = y − 5 cost
⎨ −t
.
⎩ y = 2x + y + e
Найдем общее решение однородной системы
⎧x= y
⎨ .
⎩ y = 2x + y

⎛ 01 ⎞
Матрица коэффициентов A = ⎜⎜ ⎟⎟ , находим собственные числа:
⎝ 21⎠
−λ 1
A−λE = = λ 2 − λ − 2 = 0, λ 1 = − 1; λ 2 = 2 .
2 1− λ
⎛a ⎞ ⎛a ⎞
Найдем собственные векторы ⎜⎜ 1 ⎟⎟ и ⎜⎜ 2 ⎟⎟ соответственно из систем урав-
⎝ β1 ⎠ ⎝ β 2 ⎠
нений:
⎧a1 + β1 = 0 ⎧− 2 a 2 + β 2 = 0 ⎛ a1 ⎞ ⎛1 ⎞ ⎛ a 2 ⎞ ⎛1 ⎞
⎨ ; ⎨ ; ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟; ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟
⎩2a1 + 2β1 = 0 ⎩2a 2 − β 2 = 0 ⎝ β1 ⎠ ⎝ − 1⎠ ⎝β2 ⎠ ⎝ 2⎠
⎧⎪ xo∂н = C1e −t + C 2 e 2t
⎨
⎪⎩ y o∂н = −C1e −t + 2C 2 e 2t
Чтобы не запутаться в обозначениях, удобно искать частичные решения
для систем:
⎧x= y ⎧ x = y − 5 cos t
⎨ (I) и ⎨ , ( II )
⎩ y = 2x + y
−t
⎩ y = 2x + y + e
а затем их сложить. Частное решение системы ( I ) xч1 , yч1 ищем в виде
(31.7). Здесь обозначаем P1 = 0 , P2 = 1 , m = 0 ; показатель в экспоненте
a = − 1 является собственным числом матрицы A кратности 1, поэтому
s = − 1 . Степень многочлена, таким образом, m + s = − 1 .
x 1 = ( M 1 + N 1 t )e − t
y 1 = ( M 2 + N 2 t )e − t
Чтобы найти коэффициенты M 1 , N 1 , M 2 , N 2 , подставим в систему ( I ):
⎧
⎪ ((M 1 )′ = ( M + N t )e
+ N 1 t )e − t 2 2
−t
⎨
′
⎪
⎩ ((M 2+ N t )e ) = 2 ( M + N t )e + ( M
2
−t
1 1
−t
2 + N 2 t )e − t + e − t
⎧⎪ N 1 e − t − ( M + N t )e = ( M + N t )e
1 1
−t
2 2
−t
⎨
⎪⎩ N 2 e
−t
− ( M + N t )e = ( 2 M + M + 1 ) e
2 2
−t
1 2
−t
+ ( 2 N 1 + N 2 )t e − t
Для определения M 1 , N 1 , M 2 , N 2 получаем систему алгебраических

уравнений
⎧ N1 − M 1 = M 2
⎪ ⎧ N1 − M 1 = M 2
⎪−N1 = N 2 ⎪
⎨ ⎨−N1 = N 2
⎪ N 2 − M 2 = 2M 1 + N 2 +1 ⎪
⎪− N = 2N + N ⎩ N 2 − 2M 2 − 2M 1 =1
⎩ 2 1 2

1 1 1
Положим M 1 = 0 , тогда M 2 = − , N 1 = − , N 2 = .
3 3 3
1
x 1ч = − t e − t
3
1
y ч1 = − ( 1 − t ) e − t
3
Найдем теперь частное решение системы II x ч2 ; x ч2 в виде (31.9). Много-
член при тригонометрической функции нулевой степени, i - с m = 0 ,
k = 0 + i не является собственным числом матрицы A, поэтому многочлены
в (31.9) будут нулевой степени. Таким образом, частное решение ищем в
виде
x ч2 = A1 sin t + B 1 cos t
y ч2 = A 2 sin t + B 2 cos t
Подставим в систему ( II )
(A 1 sin t + B 1 cos t ) = A 2 sin t + B 2 cos t − 5 cos t
′
(A 2 sin t + B 2 cos t ) = 2 ( A1 sin t + B 1 cos t ) + A 2 sin t + B 2 cos t

′
A 1 cos t + B 1 sin t = A 2 cos t + B 2 sin t − 5 cos t

A 2 cos t + B 2 sin t = ( 2 A 1 + A 2 )sin t + ( 2 B 1 + B 2 )cos t
Система алгебраических уравнений для A1 , B 1 , A 2 , B 2 :
⎧ A1 = B 2 − 5
⎪
⎪ − B1 = A2 A1 = − 2, B 1 = − 1,
⎨ , отсюда
⎪ A2 = 2 B1 + B 2 A 2 = 1, B 2 = 3
⎪− B = 2A + A
⎩ 2 1 2
x ч2 = − 2 sin t − cos t
y ч2 = 3 cos t − sin t
Окончательно общее решение данной системы
1
x = C1e −t + C 2 e 2t − cos t − 2 sin t − te −t
3
1
y = −C1e −t + 2C 2 + 3 cos t + sin t − (1 − t )e −t
3
Заметим, что частное решение сразу можно искать в виде

x ч = A 1 sin t + B 1 cos t + ( M 1 + N 1 t )e − t
y ч = A 2 sin t + B 2 cos t + ( M 2 + N 2 t )e − t
Метод вариации произвольных постоянных
Если известно общее решение однородной системы уравнений, а част-

ное решение неоднородной системы подобрать не удалось, то можно приме-
нить метод вариации произвольных постоянных, которым мы уже пользова-
лись для решения линейных уравнений первого порядка.
Пусть
⎛ x11 (t ) ⎞ ⎛ x1n (t ) ⎞
⎜ ⎟ ⎜ ⎟
⎜ x 1
(t ) ⎟ ⎜ x n
(t ) ⎟
x 1 (t ) = ⎜ 2 ⎟,… , x n (t ) = ⎜ 2 ⎟ .
⎜ ⎟ ⎜ ⎟
⎜ x1 (t ) ⎟ ⎜ x n (t ) ⎟
⎝ n ⎠ ⎝ n ⎠
Фундаментальная система решений для однородной системы (31.1).
Общее решение для системы (31.1) обозначим
x (t ) = C1 x 1 (t ) + … + C n x n (t )
Решение системы (31.5) будем искать в виде

n
x (t ) = C1 (t ) x 1 (t ) + … + C n (t ) x n (t ) = ∑ Ci (t ) x i (t ) .
i =1
(31.10)
Подстановка (31.10) в систему уравнений (31.5) приводит к алгебраи-
ческой системе линейных уравнений
⎧ x11 (t )C1′ (t ) + x12 (t )C 2′ (t ) + … + x1n (t )C n′ (t ) = g1 (t )
⎪ 1
⎪ x 2 (t )C1′ (t ) + x 2 (t )C 2′ (t ) + … + x 2 (t )C n′ (t ) = g 2 (t )
2 n
⎨ . (31.11)
⎪
⎪ x1 (t )C ′ (t ) + x 2 (t )C ′ (t ) + … + x n (t )C ′ (t ) = g (t )
⎩ n 1 n 2 n n n
относительно C i′ (i = 1,… , n) . Находим C i′(t ) = ϕ i (t ) . Проинтегрировав,

найдем
t
C i = ∫ ϕ i ( τ) dτ + C 0 i .
t0
Подставляя найденные выражения для Ci (t ) в (31.10), получим общее

решение для системы (31.5):

t
x ( t ) = C 01 x + C 0 2 x + … + C 0 n x + x
1 2 n 1
∫ ϕ ( τ )d τ +
1
t0
t t
+x ∫ ϕ ( τ ) d τ + … + x ∫ ϕ ( τ ) d τ.
2 n
2 n
t0 t0
Пример 31.5. Решить систему уравнений

⎧ x1 = x 2
⎪
⎨ 1
⎪⎩ x 2 = x1 + t 2 + ln t
Общее решение соответствующей однородной системы

⎧⎪ x1 = C1e t + C 2 e −t
⎨
⎪⎩ x2 = C1e t − C 2 e −t
Таким образом, решение неоднородной системы ищем в виде

⎧⎪ x1 = C1 (t )e t + C 2 (t )e −t
⎨ (31.12)
⎪⎩ x 2 = C1 (t )e t − C 2 (t )e −t
Подставим (31.12) в исходное уравнение

⎧ C ( t )e t + C ( t )e − t ′ = C ( t )e t − C ( t )e − t
( )
⎪ 1 2 1 2
⎨ ′
( ) 1
⎪ C 1 ( t ) e t − C 2 ( t ) e − t = C 1 ( t ) e t + C 2 ( t ) e − t + 2 + ln t
⎩ t
Функции C1′ и C 2′ определяем из системы уравнений

⎧C1′ (t )e t + C 2′ (t )e −t = 0
⎪
⎨ 1
⎪C1′ (t )e − C 2′ (t )e = 2 + ln t
t −t
⎩ t
⎧ ′ 1 −t 1
⎪⎪C1 (t ) = 2 e ( t 2 + ln t )
⎨
⎪C ′ (t ) = − 1 e t ( 1 + ln t )
⎪⎩ 2 2 t2
Отсюда получим
⎧ 1 −t 1
⎪⎪C1 (t ) = − 2 e ( t + ln t ) + C1
⎨
⎪C (t ) = 1 e t (1 − ln t ) + C
⎩⎪
2 2
2 t
Подставляя найденные выражения в (31.12), получаем общее решение

системы

⎧ x1 = C1e t + C 2 e − t − ln t
⎪
⎨ −t 1
⎪ x 2 = C1e − C 2 e −
t
⎩ t
31.2. Задачи
⎧x = − x − 5 y x=y
1. ⎨ 5.
⎩y = x + y y = 2 y − x + 2e 3t
x = x − y + et
2. { 6. y′ = z
y = y − 4 x − 5e t z′ = 8z − 20 y + 3e x y(0) = 1, z(0) = 0.
x=y
3. et
y = 2y − x +
t
x= y
4. 2e 3 t
y = 3y − 2x +
e2t + 1
32. Числовые ряды. Сходимость

и сумма ряда. Признаки сходимости рядов.
32.1. Теория
∞ N
Пусть ∑a
k =1
k = a1 + a 2 + … – числовой ряд, а S N = ∑ a k , N = 1,2, … – его час-
k =1
тичные суммы.
Определение 32.1 Если при N → ∞ существует предел частичных сумм
∞
lim S N = S , то ряд
N →∞
∑a
k =1
k называется сходящимся, а число S – его суммой.
∞
Теорема 32.1 (необходимое условие сходимости ряда). Если ряд ∑a k =1
k
сходится, то lim a k = 0.
k →∞
∞ ∞
Теорема 32.2 (признак сравнения). Пусть даны ряды ∑a
k =1
k , ∑b
k =1
k с
положительными членами ( a k > 0 , b k > 0 ). Если предел отношения членов ря-

ak
дов lim = A существует, конечен и не равен нулю, то оба ряда одновре-
k →∞ bk

32. Числовые ряды. Сходимость и сумма ряда. Признаки сходимости рядов.
менно сходятся или расходятся.

∞
Теорема 32.3 (признак Даламбера). Пусть дан ряд ∑a
k =1
k , a k > 0 . Если
a k +1
существует предел lim = q , то при q < 1 ряд сходится, при q > 1, q = ∞ ряд
k →∞ ak
расходится.
∞
Теорема 32.4 (признак Коши). Пусть дан ряд ∑a
k =1
k , a k > 0 . Если суще-
ствует предел lim k a k = q, то при q < 1 ряд сходится, при q > 1, q = ∞ ряд рас-
k →∞
ходится.
∞
Теорема 32.5 (интегральный признак). Пусть дан ряд ∑a
k =1
k , a k > 0,
члены которого являются значениями непрерывной положительной функции

f(x) при натуральных x: a k = f ( k ), k = 1, 2 , … , и пусть f(x) монотонно убывает в
интервале [1, ∞). Тогда ряд сходится тогда и только тогда, когда сходится
∞
несобственный интеграл ∫ f ( x)dx.
1
Теорема 32.6 (признак Лейбница). Если в знакочередующемся ряде

модули членов ряда убывают, т.е. a k +1 < a k для любого k = 1,2,… , и
lim a k = 0, то ряд сходится.
k →∞
∞
k
Пример 32.1. Исследовать на сходимость ряд ∑ 100 k + 5 .
k =1
Решение. Ряд расходится, так как не выполнено необходимое условие

k 1
сходимости ряда: lim a k = lim = ≠ 0.
k →∞ k →∞ 100 k + 5 100
∞
2k
Пример 32.2. Исследовать на сходимость ряд ∑ .
k =1 ( k + 1)!
Решение. В силу признака Даламбера ряд сходится, так как

a k +1 2 k +1 ( k + 1)! 2
lim = lim ⋅ = lim = 0 < 1.
k →∞ a k → ∞ ( k + 2)! 2 k k →∞ k + 2
k
k2
k + 1⎞ ∞
Пример 32.3. Исследовать на сходимость ряд ∑ ⎛⎜ ⎟ .
k =1 ⎝ k ⎠
Решение. В силу признака Коши ряд расходится, так как

k k
⎛ k +1⎞ ⎛ 1⎞
lim a k = lim ⎜
k
⎟ = lim ⎜1 + ⎟ = e > 1.
k →∞ k →∞
⎝ k ⎠ k →∞
⎝ k⎠
∞
1
Пример 32.4. Исследовать на сходимость ряд ∑k
k =1
2
.
1
Решение. Поскольку на интервале [1, ∞) функция положительна и
x2
монотонно убывает, то в силу интегрального признака ряд сходится, так как
∞ ∞
1 1
∫
1 x 2
dx = −
x1
= 0 − ( −1) = 1 сходится.
∞
( −1) k
Пример 32.5. Исследовать на сходимость ряд ∑
k =1 k
.
Решение. Ряд является знакочередующимся и сходится в силу призна-

ка Лейбница, поскольку
1 1 1
ak = > = a k +1 и lim a k = lim = 0.
k k +1 k →∞ k →∞ k
Исследовать на сходимость ряды.

∞
k3
1. ∑ (5k )
k =1
3
−k
.
∞
k5
2. ∑
k =1 ( 2 k + 1)!
.
k2
∞
k + 2⎞
3. ∑ ⎛⎜ ⎟ .
k =1 ⎝ k + 3 ⎠
∞
1
4. ∑ (k + 1) ln
k =1
2
(k + 1)
.
∞
( −1) k
5. ∑
k =1 ln k
.
Ответы: 1. Расходится. 2. Сходится. 3. Сходится. 4. Сходится.

5. Сходится.

Домашние задачи
Исследовать на сходимость ряды.

∞
k 2 +1
1. ∑
k =1 k + k
2
.
∞
k!
2. ∑ k3
k =1
k
.
k2
∞
k −1 ⎞
3. ∑ ⎛⎜ ⎟ .
k =1 ⎝ k + 2 ⎠
∞
1
4. ∑
k =1 k
.
∞
( −1) k
5. ∑
k =1
3
k
.
Ответы: 1. Расходится. 2. Расходится. 3. Расходится. 4. Расходится.

5. Сходится.
33. Степенные ряды. Радиус и промежуток сходимости.

Ряд фурье
33.1. Теория
Определение 33.1. Степенным рядом называется функциональный ряд

∞
∑a
k =0
k ( x − x 0 ) k , где a k есть постоянные, которые называются коэффициента-
ми ряда.
Определение 33.2. Промежутком сходимости степенного ряда назы-
вается интервал ( x0 − R, x0 + R), если ряд сходится при всех x из этого про-
межутка и расходится при всех x : x − x 0 > R. Число R называется радиусом
сходимости степенного ряда.
ak
Радиус сходимости можно вычислить по формулам R = lim
k →∞ a
k +1
1
или R = .
lim k a k
k →∞

33. Степенные ряды. Радиус и промежуток сходимости. Ряд фурье
Определение 33.3. Пусть функция f(x) определена в некоторой окре-

стности точки x0 и имеет в этой точке производные всех порядков. Тогда
∞ (k )
f ( x0 )
ряд ∑
k =0 k!
( x − x 0 ) k называется рядом Тейлора функции f(x) в точке x0 .
Ряд Тейлора в точке x0 = 0 называется рядом Маклорена.

Определение 33.4. Пусть функция f(x) задана на отрезке [−π, π] так,
что существуют интегралы
π π
1 1
ak = ∫
π −π
f ( x) cos( kx) dx и bk = ∫ f ( x ) sin( kx) dx
π −π
для k = 0,1,2,… Тогда ряд
∞
a0
+ ∑ (a k cos( kx ) + bk sin( kx ) )
2 k =1
называется рядом Фурье функции f(x), а числа a k и b k – коэффициентами

Фурье функции f(x).
Теорема 33.1. Если функция f(x) кусочно-гладкая на отрезке [−π, π] , то
ее ряд Фурье сходится к функции f(x) во всех точках этого интервала, в ко-
торых она непрерывна. В точках разрыва функции f(x) ряд сходится к сред-
нему арифметическому ее предельных значений слева и справа, то есть к
f ( x 0 − 0) + f ( x 0 + 0 )
значению .
2
∞
xk
Пример 33.1. Найти радиус сходимости ряда ∑ .
k =1 k !
Решение. Имеем
ak (k + 1)!
R = lim = lim = lim ( k + 1) = ∞.
k →∞ a k →∞ k! k →∞
k +1
Следовательно, ряд сходится при всех значениях x.

Пример 33.2. Найти радиус сходимости и промежуток сходимости ря-
∞
( x − 1) k
да ∑
k =1 k 2k
.
Решение. Имеем
ak ( k + 1)2 k +1 k +1
R = lim = lim k
= 2 lim = 2.
k →∞ a k →∞ k2 k →∞ k
k +1

Следовательно, ряд сходится при всех x : x − 1 < 2 , то есть в интервале (-1,3).

Пример 33.3. Разложить в ряд Маклорена функцию f ( x) = e 2 x .
Решение. Поскольку f ( n ) ( x) = 2 n e 2 x и, следовательно, f ( n ) (0) = 2 n , то
∞
2n n
f ( x) = ∑ x .
n = 0 n!
Пример 33.4. Разложить в ряд Фурье функцию f ( x) = x, − π < x < π.

Решение. Так как функция нечетна, то все a k = 0 . Находим
π π π
2π 2 ⎛⎜ x cos kx cos kx ⎞⎟ 2 ⎛⎜ x cos kx sin kx ⎞⎟
π
2 cos πk
bk = ∫
π0
x sin kxdx =
π ⎜⎝
−
k
+ ∫ k
dx =
⎟ π⎜
−
k
+
k 2 ⎟
=−
k
.
0 0 ⎠ ⎝ 0 0 ⎠
∞
2 cos πk
Отсюда f ( x ) = − ∑ sin( kx ).
k =1 k
∞
1. Найти радиус сходимости ряда ∑10
k =1
k
xk .
∞
xk
2. Найти радиус сходимости ряда ∑
k =1 k
.
3. Разложить в ряд Маклорена функцию cos x.

4. Разложить в ряд Маклорена функцию ln(1 + x).
⎧0, − π < x < 0
5. Разложить в ряд Фурье функцию f ( x) = ⎨ .
⎩ x, 0 < x < π
∞
( −1) k x 2 k ∞
(−1) k +1 x k
Ответы: 1. 1/10. 2. 1. 3. ∑
k =0 ( 2k )!
. 4. ∑
k =1 k
.
∞ ∞
2 1
5. − ∑ cos (( 2 k − 1) x ) + ∑ ( −1) k −1 sin( kx ) .
k =1 π ( 2 k − 1)
2
k =1 k
∞
xk
1. Найти радиус сходимости ряда ∑ k .
k =1 3
∞
xk
2. Найти радиус сходимости ряда ∑ .
k =1 ( 2 k + 1)!
3. Разложить в ряд Маклорена функцию sin x.

4. Разложить в ряд Маклорена функцию ln(1 − x 2 ).
5. Разложить в ряд Фурье функцию f ( x) = cos x, − π < x < π.

∞
( −1) k +1 x 2 k −1 ∞
x 2k
Ответы: 1. 3. 2. ∞ . 3. ∑
k =1 ( 2k − 1)!
. 4. ∑
k =1 k
. 5. cos x .
34. Кратные, криволинейные и поверхностные интегралы.

Элементы теории поля
34.1. Теория
Если Г – замкнутый простой (без самопересечений) кусочно-гладкий

контур, ограничивающий конечную односвязную область D, пробегаемый
так, что область D остаётся слева и функции f (x·y), g(x·y) непрерывны вместе
со своими частными производными (x·y) и (x·y) в области D и на её
границе Г, то имеет место формула Грина
= (34.1)
Формула (34.1) справедлива для конечной области D, ограниченной

несколькими простыми контурами.
Из (34.1), в частности, получается формула площади S плоской облас-
ти D:
S= .
Если f(x,y,z), g(x,y,z), h(x,y,z) – непрерывно дифференцируемые функ-
ции и Г-простой замкнутый кусочно-гладкий контур, ограничивающий ко-
нечную область D на кусочно-гладкой двусторонней поверхности, то имеет
место формула Стокса
= ) ) -
) =
= S,
где – направляющие косинусы нормали к поверхности, на-

правленной в ту сторону, относительно которой обход контура Г совершает-
ся против хода числовой стрелки для правой координатной системы, а dS –
элемент площади.
Если S – кусочно-гладкая поверхность, ограничивающая объём V, и

34. Кратные, криволинейные и поверхностные интегралы. Элементы теории поля
f(x,y,z), g(x,y,z), h(x,y,z) – функции, непрерывные вместе со своими частными

производными 1-го порядка в области V вместе с границей S, то справедлива
формула Гаусса–Остроградского:
= S=
где – направляющие косинусы внешней нормали к

поверхности S.
Определение 34.1. Пусть задано непрерывно дифференцируемое
скалярное поле u( ) = u(x,y,z), тогда градиентом его называется вектор
= = · + · + · =( ).
Определение 34.2. Если (x,y,z)( (x,y,z), (x,y,z), (x,y,z)) есть не-
прерывно дифференцируемое векторное поле, то скаляр
div = + +
называется дивергенцией или расходимостью этого поля.
Определение 34.3. Вектор rot =
называется ротором или вихрем этого поля.

Определение 34.4. Если вектор (x,y,z) порождает векторное поле в
области D, то потоком вектора через длинную поверхность S, расположен-
ную в D, в сторону, характеризуемую единичным вектором нормали
( ), называется интеграл
= =
,
где = ( , ) – нормальная составляющая вектора .
Пример 34.1. Вычислить двойной интеграл ∫∫ x dxdy, где область D ог-

2
раничена линиями y = x 2 , y = x + 2.
Решение. Линии y = x 2 и y = x + 2 пересекаются в точках (-1,1) и (2,4).
При − 1 ≤ x ≤ 2 область D ограничена снизу параболой y = x 2 , а сверху – пря-

мой y = x + 2 . Поэтому
2 x+2 2 2 2
x+2
∫∫ x dxdy = ∫ x dx ∫ dy = ∫ x dx ⋅ y x 2 = ∫ x ( x + 2 − x )dx = ∫ ( x + 2 x − x )dx =
2 2 2 2 2 3 2 4
D −1 x2 −1 −1 −1
2
⎛ x 4 2x3 x5 ⎞ 16 32 1 2 1 63
⎜⎜ + − ⎟⎟ = 4 + − − + − = .
⎝ 4 3 5 ⎠ −1 3 5 4 3 5 20
Пример 34.2. Вычислить тройной интеграл I = ∫∫∫ ( x + y + z )dxdydz , где

V
множество V ограничено плоскостями x = 0, y = 0, z = 0, x+y+z = 1.

Решение. Множество V можно задать в виде
V = {( x, y, z ) ∈ R 3 : 0 ≤ x ≤ 1, 0 ≤ y ≤ 1 − x, 0 ≤ z ≤ 1 − x − y}, поэтому
1 1− x 1− x − y 1 1− x 1 1− x
1 1 ⎛ 1 ⎞
I = ∫ dx ∫ dy ∫ ( x + y + z )dz = ∫ dx ∫ (1 − ( x + y) 2 )dy = ∫ ⎜ y − ( x + y ) 3 ⎟ dx =
0 0 0
20 0 2 0⎝ 3 ⎠0
1
1 ⎛ 1 3⎞ 1
∫
2 0⎝
⎜1 − x − (1 − x ) ⎟dx = .
3 ⎠ 8
Пример 34.3. Вычислить криволинейный интеграл I = ∫ ( x + y )ds, где Γ –

Γ
граница треугольника с вершинами O(0,0), A(1,0), B(1,1).

Решение. Пусть I 1 , I 2 , I 3 – криволинейные интегралы от функции x+y по
отрезкам AB, BO и OA соответственно. Так как отрезок AB задается уравне-
нием x = 1, 0 ≤ y ≤ 1, то получаем
1
I1 = ∫ ( y + 1)dy = 3 / 2.
0
Отрезки BO и OA задаются соответственно уравнениями y = x, 0 ≤ x ≤ 1 и

y = 0, 0 ≤ x ≤ 1. Отсюда получаем
1 1
I 2 = ∫ 2 x 2dx = 2 , I 3 = ∫ xdx = 1 / 2.
0 0
Следовательно, I = I 1 + I 2 + I 3 = 2 + 2 .
Пример 34.4. Вычислить криволинейный интеграл ∫ ydx + xdy, где Γ –
Γ
дуга параболы y = x 2 , пробегаемая от точки (0,0) к точке (1,1).

Решение. Так как 0 ≤ x ≤ 1, y = x 2 , а dy = 2xdx, то
1 1
1
∫ ydx + xdy = ∫ x dx + x 2 xdx = ∫ 3x dx = x = 1.
2 2 3
0
Γ 0 0

Пример 34.5. Вычислить поверхностный интеграл ∫∫ zdxdy,

S
где S –
нижняя сторона конической поверхности z 2 = x 2 + y 2 , 0 < z ≤ H .

Решение Поверхность S ориентирована нормалями, составляющими
тупой угол с осью z. Поэтому мы сводим интеграл к двойному, взятому со
знаком “минус”, который вычисляем, переходя к полярным координатам:
2π H
2
∫∫ zdxdy = − ∫∫ x + y dxdy = − ∫ dϕ ∫ r 2 dr = − πH 3 .
2 2
S x2 + y2 ≤H 2 0 0
3
1. Вычислить двойной интеграл ∫∫ ( x + y 2 )dxdy, где область D ограничена ли-

2
ниями y = 0, y = x , x = 1.
2
2. Вычислить объем конуса x 2 + y 2 ≤ z 2 , 0 ≤ z ≤ h.

3. Вычислить криволинейный интеграл ∫ xyds, где Γ – граница квадрата с
Γ
вершинами (1,0), (0,1), (-1,0), (0,-1).

4. Вычислить криволинейный интеграл ∫ xydx − y
2
dy, где Γ – дуга параболы
Γ
y 2 = 2 x, пробегаемая от точки (0,0) к точке (2,2).

5. Вычислить поверхностный интеграл ∫∫ ( x + z ) dydz , где S – внутренняя сто-
5
рона полусферы x 2 + y 2 + z 2 = R 2 , z ≤ 0.
26 1
Ответы: 1. . 2. πh 3 . 3. 0. 4. 8/15. 5. − 2πR 7 / 7 .
105 3
y
1. Вычислить двойной интеграл ∫∫ x dxdy ,
D
где область D ограничена прямыми
y = x / 2, y = 2x, x + y = 6.
2. Вычислить объем шара x 2 + y 2 + z 2 ≤ R 2 .
3. Вычислить криволинейный интеграл ∫ xyds, где Γ – четверть эллипса
Γ
2 2
x y
2
+ 2 = 1, лежащая в первом квадранте.
a b
3
3x 2y
4. Вычислить криволинейный интеграл ∫Γ y dx − x dy, где Γ – дуга параболы
x = y 2 , пробегаемая от точки (4,2) к точке (1,1).

5. Вычислить поверхностный интеграл ∫∫ x y 2 zdxdy , где S – внутренняя сто-

2
рона полусферы x + y + z = R , z ≤ 0.
2 2 2 2
4
Ответы: 1. 18 ln 2 − 6 . 2. πR 3 . 3. ab(a 2 + ab + b 2 ) /(3a + 3b) . 4. -11. 5. − 2πR 7 / 105 .
3

8 МОДУЛЬ 6. ДИСПЕРСИОННЫЙ АНАЛИЗ
35. Корреляционный анализ. Оценки основных характеристик

многомерного нормального распределения.
Проверка значимости и интервальная оценка
парных и частных коэффициентов корреляции

Пример 35.1. Коробки с шоколадом упаковываются автоматически. По

схеме собственно-случайной бесповторной выборки взято 130 из 2000 упако-
вок, содержащихся в партии и получены следующие данные об их массе:
Масса Менее 975–1000 1000– 1025– Более Всего

упаковки, 975 1025 1050 1050
г
Число 6 38 44 34 8 130
упаковок
Требуется, используя критерий χ2 − Пирсона при уровне значимости α =

0,05, проверить гипотезу о том, что случайная величина X – масса упаковок –
распределена по нормальному закону. Построить на одном графике гистограмму
эмпирического распределения и соответствующую нормальную кривую.
Решение.
Вычисляем математическое ожидание и дисперсию выборки:
x = 1012,5
s 2 = 615,3846
Примечание 35.1. В принципе в качестве дисперсии нормального за-
кона распределения следует взять исправленную выборочную дисперсию. Но
так как количество наблюдений – 130 достаточно велико, то подойдет и
“обычная” s 2 .
Таким образом, теоретическое нормальное распределение имеет вид
( x−a )2
1 −
f ( x) = e 2σ 2
2π σ ,
подставляем а = 1012,5 σ 2 = 615,3846, σ = 24,8069:

2
f ( x) = 0,0160819⋅ e −0,0008125( x−1012,.5)
Для расчета вероятностей pi попадания случайной величины в интервал
[xi ; xi+1] используем функцию Лапласа:

МОДУЛЬ 6. ДИСПЕРСИОННЫЙ АНАЛИЗ
35. Корреляционный анализ. Оценки основных характеристик многомерного нормального распределения
1 ⎡ ⎛ xi +1 − a ⎞ ⎛ x − a ⎞⎤
pi ( xi ≤ X ≤ xi +1 ) = ⎢Φ⎜ ⎟ − Φ⎜ i ⎟⎥
2⎣ ⎝ σ ⎠ ⎝ σ ⎠⎦ ;
−a⎞ ⎛ x − a ⎞⎤
p (x ≤ X ≤ x ) = 1 ⎡⎢Φ⎛⎜ x
⎟ − Φ⎜ i +1
⎟⎥ i
2⎣ ⎝ σ ⎠ ⎝ σ ⎠⎦
i i i +1
в нашем случае получаем:

1 1
p (950 ≤ X ≤ 975) ≈ [Φ(− 1,51) − Φ(− 2,52)] = [0,9883 − 0,869] = 0,0597
2 2
i
1 1
p (975 ≤ X ≤ 1000) ≈ [Φ(− 0,5) − Φ(− 1,51)] = [0,869 − 0,3829] = 0,2431
2 2
i
1 1
p (1000 ≤ X ≤ 1025) ≈ [Φ(0,5) − Φ(− 0,5)] = [0,3829 + 0,3829] = 0,3829
2 2
i
1 1
p (1025 ≤ X ≤ 1050) ≈ [Φ(1,51) − Φ(0,5)] = [0,869 − 0,3829] = 0,2431
2 2
i
1 1
p (1050 ≤ X ≤ 1075) ≈ [Φ(2,52) − Φ(1,51)] = [0,9883− 0,869] = 0,0597
2 2
i
Примечание 35.2. Такие симметричные вероятности получились из-за

того, что по нашим начальным условиям выборочная средняя попала точно в
середину среднего интервала выборки.
Составим таблицу:
Интервал
[xi ; xi+1]
Эмпирические
частоты
Вероятности
pi
Теоретические
частоты
(ni-npi)2 (n − np ) i i
2
ni npi np i
Менее 6 0,0597 7,761 3,10 0,3996

975 1
975– 38 0,2431 31,603 40,9 1,2949
1000 22
1000– 44 0,3829 49,777 33,3 0,6705
1025 74
1025– 34 0,2431 31,603 5,74 0,1818
1050 6
Более 8 0,0597 7,761 0,05 0,0073
1050 7
130 0,9885 128,5
значение статистики χ = 2,55 .

В итоге
2
Определим количество степеней свободы по формуле k = m − r − 1 ,

где m – число интервалов (m = 5)
r – число параметров закона распределения (в нормальном распределе-
нии r = 2).
То есть k = 2.
Соответствующее критическое значение статистики χ = 5,99 .
2
0 , 05; 2
Поскольку χ > χ , гипотеза о нормальном распределении с парамет-

2 2
0 , 05; 2
рами N(1012,5; 615,3846) согласуется с опытными данными.

Ниже показаны гистограмма эмпирического распределения и соответ-

ствующая нормальная кривая.
Пример 35.2. Комитетом по физической культуре и спорту были про-

ведены исследования спортсменов, занимающихся стрельбой. Было отобрано
200 стрелков из 4000 для определения среднего количества патронов, необ-
ходимых одному спортсмену для одной тренировки. Результаты обследова-
ния приведены в таблице.
Число па- Менее 200- 300- 400- 500- 600- Более Всего
тронов, 200 300 400 500 600 700 700
шт.
Число 4 20 57 65 31 15 8 200
спортсменов,
чел.
Требуется, используя критерий Пирсона при уровне значимости α
= 0,05, проверить гипотезу о том, что случайная величина X распределена по
нормальному закону. Построить на одном графике гистограмму эмпириче-
ского распределения и соответствующую нормальную кривую.
Решение.
Вычисляем математическое ожидание и дисперсию выборки:
x = 438;
s 2 = 16656ю
Примечание 35.3. В принципе в качестве дисперсии нормального зако-
на распределения следует взять исправленную выборочную дисперсию. Но
так как количество наблюдений – 200 достаточно велико, то подойдет и
“обычная” s 2 .

Таким образом, теоретическое нормальное распределение имеет вид:

( x−a )2
1 −
f ( x) = e 2σ 2
,
2π σ
подставляем а = 438, σ 2 = 16656, σ = 129,058:
Для расчета вероятностей pi попадания случайной величины в интервал

[xi ; xi+1] используем функцию Лапласа:
1⎡ ⎛x −a⎞ ⎛ x − a ⎞⎤
p ( x ≤ X ≤ x ) = ⎢Φ⎜ ⎟ − Φ⎜ ⎟⎥ ; i +1 i
2⎣ ⎝ σ ⎠ ⎝ σ ⎠⎦
i i i +1
в нашем случае получаем:
1
pi (300 ≤ X ≤ 400 ) ≈ [Φ(− 0,29) − Φ(− 1,07 )] = 1 [0,7154 − 0,2282] = 0,2436
2 2
1 1
p i (400 ≤ X ≤ 500 ) ≈ [Φ (0,48) − Φ (− 0,29 )] = [0,2282 + 0,3688] = 0,2985
2 2
1 1
pi (500 ≤ X ≤ 600 ) ≈ [Φ (1,26 ) − Φ (0,48)] = [0,7923 − 0,3688] = 0,2118
2 2
1 1
pi (600 ≤ X ≤ 700 ) ≈ [Φ (2,03) − Φ (1,26 )] = [0,9576 − 0,7923] = 0,0827
2 2
1 1
p i (700 ≤ X ≤ 800 ) ≈ [Φ (2,8) − Φ (2,03)] = [0,9949 − 0,9576] = 0,0187
2 2
Составим таблицу:
i Интервал Эмпирические Вероятности Теоретиче-
2
(n i
− np )i
2
[xi ; xi+1] частоты pi ские частоты (ni-npi) np

ni npi
i
1 Менее 200 4 24 0,0284 5,68 27,56 12,6736 0,4999

2 200-300 20 0,1094 21,88
3 300-400 57 0,2436 48,72 68,5584 1,4072
4 400-500 65 0,2985 59,7 28,09 0,4705
5 500-600 31 0,2118 42,36 129,05 3,0465
6 600-700 15 0,0827 16,54 2,3716 0,1434
7 Более 700 8 0,0187 3,74 18,1476 4,8523
∑ 200 0,9931 198,62 χ 2 = 10,42
В итоге значение статистики χ 2 = 10,42 .
Определим количество степеней свободы по формуле k = m − r − 1 ,

где m – число интервалов (m = 6 – после объединения двух первых граф

таблицы с частотой 4<5);
r – число параметров закона распределения (в нормальном распределе-
нии r = 2).
То есть k = 3.
Соответствующее критическое значение статистики χ 02,05;3 = 7,82 .
Поскольку χ 02,05;3 < χ 2 , гипотеза о нормальном распределении с пара-
метрами N(438; 129,058) не согласуется с опытными данными.
Ниже показаны гистограмма эмпирического распределения и соответ-
ствующая нормальная кривая.
Пояснение 35.1. Сопоставив гистограмму, график нормальной кривой

и таблицу значений, видим, что наилучшее соответствие эмпирических дан-
ных нормальному распределению наблюдается на интервалах 200–300 и 600–
700 патронов, что подтверждается таблицей. А вот на участке более 700 па-
тронов отклонение очень большое – это видно из графика. Оно и оказало
“фатальное” влияние на критерий согласия – это видно из таблицы.
36. Регрессионный анализ. Особенности модели.

Выбор уравнения регрессии, результативной и объясняющей
переменных. Проверка значимости и интервальное оценивание
уравнения и коэффициентов регрессии. Пошаговый
алгоритм регрессионного анализа. Дисперсионный анализ.
Оценка влияния одновременно действующих факторов
Основы теории и примеры приведены в главе 45 учебного пособия

«Математика и информатика».
Примеры
Пример 36.1. Распределение 50 компаний по ежемесячным затратам на

рекламу Х (тыс. руб.) и объему выручки от продаж Y (млн. руб.) представле-

36. Регрессионный анализ. Особенности модели. Выбор уравнения регрессии, результативной и объясняющей переменных
но в таблице
X \ Y 2 8 -3 2 3 2 -3 6 3 6 -4 0 4 0 -4 4 4 4 -4 8 4 8 -5 2 И то г о :
2 , 0 -2 , 2 2 3 1 6
2 , 2 -2 , 4 1 6 3 10
2 , 4 -2 , 6 1 3 8 4 16
2 , 6 -2 , 8 1 2 6 2 11
2 , 8 -3 , 0 1 2 4 7
И то г о : 2 5 11 14 12 6 50
Необходимо:
1) вычислить групповые средние x и y и построить эмпирические j i
линии регрессии;
2) предполагая, что между переменными Х и Y существует линейная
корреляционная зависимость:
а) найти уравнения прямых регрессии и построить их графики на од-
ном чертеже с эмпирическими линиями регрессии;
б) вычислить коэффициент корреляции на уровне значимости 0,05,
оценить его значимость и сделать вывод о тесноте и направлении связи меж-
ду переменными Х и Y;
в) используя соответствующее уравнение регрессии, оценить средний
объем выручки от продаж при ежемесячных затратах на рекламу в размере
2,4 тыс. руб.
Решение.
Находим групповые средние по формулам:
5 6
∑xn ∑y n
x = ; y =
i ij j ij
i =1 j =1
;
n n
j i
j i
здесь x , y – середины соответствующих интервалов:

j i
x j = [ 2.1, 2.3, 2.5, 2.7, 2.9 ] ;

y i = [ 30, 34, 38, 42, 46, 50 ] .
Групповые средние:
ycp1 := 33.33333333 xcp1 := 2.100000000
ycp2 := 38.80000000 xcp2 := 2.220000000
ycp3 := 41.75000000 xcp3 := 2.372727273
ycp4 := 45.27272727 xcp4 := 2.514285714
ycp5 := 47.71428571 xcp5 := 2.666666667
xcp6 := 2.833333333
Полученные по формулам значения заносим в таблицу:

36. Регрессионный анализ. Особенности модели. Выбор уравнения регрессии, результативной и объясняющей переменных
X \ Y 2 8 -3 2 3 2 -3 6 3 6 -4 0 4 0 -4 4 4 4 -4 8 4 8 -5 2 И то г о : yc p[ i ]
2 , 0 -2 , 2 2 3 1 6 33,33
2 , 2 -2 , 4 1 6 3 10 38,8
2 , 4 -2 , 6 1 3 8 4 16 41,75
2 , 6 -2 , 8 1 2 6 2 11 45,27
2 , 8 -3 , 0 1 2 4 7 47,71
И то г о :

Язык

Математика и информатика. Пособие по практическим занятиям и лабораторным работам (PDFDrive)

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Математика и информатика. Пособие по практическим занятиям и лабораторным работам (PDFDrive)

Оригинальное название:

Загружено:

Авторское право:

учебно-методический комплекс

Методические указания по самостоятельной работе

Электронный учебно-методический комплекс по дисциплине «Математика и ин-

Подп. к использованию 01.10.2008

ВВЕДЕНИЕ ............................................................. 17

 Математика и информатика. Пособие по практическим занятиям и лабораторным работам -3-

событий. Алгебра событий. Понятие случайного события.

 Математика и информатика. Пособие по практическим занятиям и лабораторным работам -4-

12.1. Теория ...................................................................................................... 79

 Математика и информатика. Пособие по практическим занятиям и лабораторным работам -5-

и биномиального распределений ........................................... 115

 Математика и информатика. Пособие по практическим занятиям и лабораторным работам -6-

21. Кривые второго порядка: окружность, эллипс, гипербола,

 Математика и информатика. Пособие по практическим занятиям и лабораторным работам -7-

пределы. Непрерывность функции. Свойства

 Математика и информатика. Пособие по практическим занятиям и лабораторным работам -8-

31. Системы дифференциальных уравнений ........................... 193

 Математика и информатика. Пособие по практическим занятиям и лабораторным работам -9-

МОДУЛЬ 7. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ

 Математика и информатика. Пособие по практическим занятиям и лабораторным работам -10-

9.1. Контрольные вопросы ......................................................................... 277

 Математика и информатика. Пособие по практическим занятиям и лабораторным работам -11-

17.2. Задания .................................................................................................. 315

 Математика и информатика. Пособие по практическим занятиям и лабораторным работам -12-

27.2. Задания .................................................................................................. 352

 Математика и информатика. Пособие по практическим занятиям и лабораторным работам -13-

32.3. Список определений ........................................................................... 375

или равносильным неравенством ................................................. 119

 Математика и информатика. Пособие по практическим занятиям и лабораторным работам -14-

38. МОНТАЖ ИЗОБРАЖЕНИЙ ......................................................... 392

 Математика и информатика. Пособие по практическим занятиям и лабораторным работам -15-

49. ЗАПРОСЫ НА ВЫБОРКУ, ЗАПОЛНЕНИЕ БЛАНКА

 Математика и информатика. Пособие по практическим занятиям и лабораторным работам -16-

Стремительная математизация и компьютеризация практически всех

 Математика и информатика. Пособие по практическим занятиям и лабораторным работам -17-

3 МОДУЛЬ 1. ОСНОВНЫЕ МАТЕМАТИЧЕСКИЕ

1. Элементы математической логики.

Основы теории и примеры даны в главе 1 учебного пособия «Матема-

1.1. Даны три следующие посылки: а) Если целое число оканчивается

1.2. Сделать непосредственные умозаключения (превращение, обраще-

1.3. Проверить, являются ли приведенные ниже категорические силло-

а) Все рыбы плавают. б) Все ягоды – плоды.

в) Во всех городах за полярным кругом бывают белые ночи.

1.4. Определить вид умозаключения.

 Математика и информатика. Пособие по практическим занятиям и лабораторным работам -18-

1.5. Определить вид умозаключения, написать формулу, проверить, яв-

 Математика и информатика. Пособие по практическим занятиям и лабораторным работам -19-

1.7. Постройте условно-категорическое умозаключение на основе сле-

1.8. Определите вид умозаключения, напишите формулу, проверьте,

 Математика и информатика. Пособие по практическим занятиям и лабораторным работам -20-

1.9. Определите вид дилеммы на примере, взятом из романа американского

Если мы будем преследовать кита и далее, то мы, обессилев, можем по-

 Математика и информатика. Пособие по практическим занятиям и лабораторным работам -21-

1.10. В романе “Перстень Борджа” Джеймс X. Чейз описывает такую си-

1.11. Найдите в художественной литературе дилеммы и трилеммы во-

1.1. Нет, не вытекает.

 Математика и информатика. Пособие по практическим занятиям и лабораторным работам -22-

1 2. Конечные и бесконечные множества.

2.1. Старейший математик среди шахматистов и старейший шахматист

2.8. Пусть множество A содержит n элементов, а его подмноже-

 Математика и информатика. Пособие по практическим занятиям и лабораторным работам -23-

Принцип умножения. Пусть необходимо выполнить одно за другим

Размещения. Число размещений из п элементов по m

Сочетания. Число сочетаний из п элементов по m

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -3-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -4-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -5-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -6-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -7-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -8-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -9-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -10-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -11-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -12-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -13-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -14-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -15-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -16-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -17-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -18-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -19-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -20-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -21-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -22-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -23-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -24-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -25-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -26-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -27-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -28-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -29-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -30-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -31-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -32-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -33-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -34-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -35-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -36-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -37-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -38-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -39-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -40-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -41-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -42-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -43-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -44-

Математика и информатика. Пособие по практическим занятиям и лабораторным работам -45-