- •1 Линейные пространства и подпространства. Примеры
- •Определение
- •Свойства
- •Значение
- •Базис. Размерность
- •Линейная оболочка
- •Примеры
- •Определения
- •[Править] Связанные определения
- •[Править] Свойства
- •[Править] Пример
- •Определение
- •[Править] Элементарное определение
- •[Править] Связанные определения
- •[Править] Примеры
- •[Править] Неравенство Коши — Буняковского
- •[Править] Применение
- •[Править] Обобщения
- •[Править] Примечания
- •Связанные определения
- •[Править] Примеры
- •Свойства
- •[Править] Примеры
- •Слабый закон больших чисел
- •[Править] Усиленный закон больших чисел
- •[Править] Математическое ожидание абсолютно непрерывного распределения
- •[Править] Математическое ожидание случайного вектора
- •[Править] Математическое ожидание преобразования случайной величины
- •[Править] Простейшие свойства математического ожидания
- •Определение
- •[Править] Замечания
- •[Править] Свойства
- •[Править] Пример
- •Определение
- •[Править] Свойства
- •Случай известной дисперсии
- •[Править] Случай неизвестной дисперсии
[Править] Примеры
Наглядными примерами евклидовых пространств могут служить пространства:
-
размерности 1 (вещественная прямая)
-
размерности 2 (евклидова плоскость)
-
размерности 3 (евклидово трехмерное пространство)
-
Евклидово пространство можно считать современной интерпретацией и обобщением (так как оно допускает размерности больше трех) классической (Евклидовой) геометрии.
Можно привести и несколько более абстрактные примеры:
-
пространство вещественных многочленов степени, не превосходящей n, со скалярным произведением, определенным как интеграл произведения по конечному отрезку (или по всей прямой, но с быстро спадающей весовой функцией)
-
вообще пространство всех линейных комбинаций конечного набора вещественных функций
-
пространство состояний конечномерной квантовой системы (или конечномерное подпространство полного пространства состояний) в вещественном представлении.
Ортогональные матрицы.
Ортогональная матрица — квадратная матрица A с вещественными элементами, результат умножения которой на AT равен единичной матрице:[1]
AAT = ATA = E,
или, что эквивалентно, её обратная матрица равна транспонированной матрице:
Свойства
-
Столбцы и строки ортогональной матрицы образуют системы ортонормированных векторов, то есть:
и
где , n — порядок матрицы, а δjk — символ Кронекера.
Другими словами, скалярное произведение строки на саму себя равно 1, а на любую другую строку — 0. Так же и для столбцов.
-
Определитель ортогональной матрицы равен , что следует из свойств определителей:
-
Множество ортогональных матриц порядка n над полем k образует группу по умножению, так называемую ортогональную группу которая обозначается On(k) или (если k опускается, то предполагается ).
-
Ортогональные матрицы соответствуют линейным операторам, переводящим ортонормированный базис линейного пространства в ортонормированный.
-
Любая вещественная ортогональная матрица подобна блочно-диагональной матрице с блоками вида
и
[Править] Примеры
-
— единичная матрица
-
— пример матрицы поворота
-
— пример перестановочной матрицы
Канонический вид квадратичной формы
Квадратичная форма называется канонической, если все т. е.
Всякую квадратичную форму можно привести к каноническому виду с помощью линейных преобразований. На практике обычно применяют следующие способы.
1. Ортогональное преобразование пространства :
где - собственные значения матрицы A.
2. Метод Лагранжа - последовательное выделение полных квадратов. Например, если
Затем подобную процедуру проделывают с квадратичной формой и т. д. Если в квадратичной форме все но есть то после предварительного преобразования дело сводится к рассмотренной процедуре. Так, если, например, то полагаем
3. Метод Якоби (в случае, когда все главные миноры квадратичной формы отличны от нуля):
Нормальный вид квадратичной формы
Для действительной квадратичной формы
где r = rank A.
Для комплексной квадратичной формы
r = rank A.
Для действительных квадратичных форм имеет место закон инерции квадратичных форм: число положительных и число отрицательных квадратов в нормальном виде квадратичной формы не зависит от способа приведения квадратичной формы к нормальному виду с помощью невырожденных линейных преобразований.
Основные понятия ТВ: событие, полная группа, равновозможные события.
Теоремы сложения и умножения вероятностей
теорема сложения вероятностей:вероятность проявления одного(безразлично какого) события из нескольких несовместимых событий равна сумме их вероятностей.(несовместимые-события, которые не могут произойти одновременно).Вероятность осуществления одного из двух несовместимых событий А и Б: Р(Аили Б)=Р(А)+Р(Б) например:при бросании случайным образом кубика на гранях которого выгравированы цифры от 1 до 6, классическая вероятность выпадения одной конкретной цифры-1/6, а количество нечетных чисел- три. Какова при этом вероятность выпадения нечетной цифры? Р(1или3или5)=Р(1)+Р(3)+Р(5)=1/6+1/6+1/6=3/6=1/2 Теорема умножения вероятностей:вероятность совместного проявления независимых событий равна произведению их вероятностей. Вероятность двух событий будет: Р(А и Б)= Р(А) *Р(Б) К примеру,бросания кубика,какова вероятность того, что при следующих друг за другом бросках выпадут числа 1и 6? Р(1и 6)=Р(1)+Р(6)=1/6*1/6=1/36
Теоремы сложения: 1) пусть А и Б - два несовместных события, тогда вероятность их суммы равна сумме вероятностей слагаемых, т.е. Р(А+Б)=Р(А)+Р(Б) 2) пусть А и Б - два совместных события, тогда вероятность их суммы равна сумме вероятностей слагаемых без вероятности произведения, т.е. Р(А+Б)=Р(А)+Р(Б)-Р(АБ) Теоремы умножения: 3) пусть А и Б - два независимых события, тогда вероятность их произведения равна произведению вероятностей сомножителей, т.е. Р(АБ)=Р(А)Р(Б) 4) пусть А и Б - два зависимых события, тогда вероятность их произведения равна произведению вероятностей первого множителя на вероятность второго, вычисленную в предположении, что первое событие произошло (или вероятности второго множителя на вероятность первого, вычисленную в предположении, что второе событие произошло), т.е. Р(АБ)=Р(А)Р(Б/А)=Р(Б)Р(А/Б)
Законы больших чисел
Зако́н больши́х чи́сел в теории вероятностей утверждает, что эмпирическое среднее (среднее арифметическое) достаточно большой конечной выборки из фиксированного распределения близко к теоретическому среднему (математическому ожиданию) этого распределения. В зависимости от вида сходимости различают слабый закон больших чисел, когда имеет место сходимость по вероятности, и усиленный закон больших чисел, когда имеет место сходимость почти всюду.
Всегда найдётся такое количество испытаний, при котором с любой заданной наперёд вероятностью частота появления некоторого события будет сколь угодно мало отличаться от его вероятности. Общий смысл закона больших чисел — совместное действие большого числа случайных факторов приводит к результату, почти не зависящему от случая.