Toán Đại Cương1908 - Sửa XSTK

Chương 1.
ĐẠI SỐ TUYẾN TÍNH

Chương 1
ĐẠI SỐ TUYẾN TÍNH
1.1 Ma trận
1.2 Không gian Vector Rn

Chương 1
1.1 Ma trận
1.1.1 Khái niệm và các phép toán

Định nghĩa 1.1.1 Một bảng số gồm số thực , được
sắp xếp thành m dòng, n cột được gọi là một ma
trận cỡ .

Chương 1
1.1 Ma trận

Một ma trận cỡ thường được ký hiệu là:

• là phần tử nằm ở dòng i, cột j trong ma trận A
• Ma trận dòng thứ i là
• Ma trận cột thứ j là
Chương 1
1.1 Ma trận

• Ma trận đối của ma trận A là:
• Ma trận không là ma trận có mọi phần từ

bằng 0, kí hiệu là : hoặc 0
Chương 1
1.1 Ma trận
• Ma trận chuyển vị của một ma trận A, ký hiệu là

A’ hoặc AT, là ma trận nhận được từ A bằng
cách đổi cột thành dòng, dòng thành cột tương
ứng.
12 3 1 3 31
Ví dụ:
(
𝐴= 3 0 − 2
31 1
11 4
)
4×3
(
𝐴 ′= 2 0 1 1
3 − 21 4 )
3× 4
Chương 1
1.1 Ma trận
•
Ma trận bằng nhau: Hai ma trận được gọi là
bằng nhau nếu chúng có cùng cỡ và các phần
tử tương ứng của chúng bằng nhau:
,
Chương 1
1.1 Ma trận
•
Ma trận vuông là một ma trận có cỡ , tức là ma
trận có số dòng và số cột bằng nhau.

Các phần tử được gọi là các phần tử nằm trên
đường chéo chính.
Chương 1
1.1 Ma trận
• Ma trận tam giác trên là ma trận có các phần tử

nằm dưới đường chéo chính đều bằng 0.

Chương 1
1.1 Ma trận
• Ma trận chéo: là ma trận có các phần tử nằm

ngoài đường chéo chính đều bằng 0.
𝑎11 0 … 0
0 𝑎22 … 0 ൲
𝐴=൮ ⋮
0 0 … 𝑎𝑛𝑛
Chương 1
1.1 Ma trận
• Ma trận đơn vị là ma trận chéo với các phần tử

trên đường chéo chính đều bằng 1, kí hiệu ma
trận đơn vị cấp n là En hoặc đơn giản là E.
1 0 … 0
1 … 0ቍ
𝐸 = ቌ0
⋮
0 0 … 1
Chương 1
1.1 Ma trận
Phép cộng ma trận và phép nhân một số với ma

trận:

Cho hai ma trận ,
• Tổng của A và B là ma trận:
• Nhân số thực k với ma trận A:

Chương 1
1.1 Ma trận
Phép nhân hai ma trận:

Cho ma trận ,
Tích ( trước, sau) là ma trận
, với
Chú ý rằng số cột của A phải bằng số dòng của B

mới thực hiện được phép nhân A.B.
Chương 1
1.1 Ma trận
   b1 j   ... 
   
    ...
 b2 j   
hàng i a i1 a i2 ... a ip  ... c ij ...
(của A)    ...   
     ... 
   b pj   ... 
   
cột j
(của B)
Chương 1
1.1 Ma trận

Ví dụ: .

= =
Chương 1
1.1 Ma trận
Tính chất: Cho A, B, C là các ma trận có cỡ thích hợp,

ta có các đẳng thức:
i. A.(B.C) = (A.B).C
ii. A.(B + C) = A.B + A.C
iii. (A + B).C = A.C + B.C
iv. A.E = E.A = A
Chương 1
1.1 Ma trận
Chú ý: phép nhân hai ma trận không có tính giao

hoán
Ví dụ : Tính
0 1  1 2 1 2   0 1 
1  0 1  1 0 
 0 0 1     
Chương 1
1.1 Ma trận
1.1.2 Định thức và hạng của ma trận

Khái niệm định thức: Cho ma trận vuông cấp n
Định thức của A là một số thực kí hiệu:
được định nghĩa bằng quy nạp như sau:

Chương 1
1.1 Ma trận
• Định thức cấp 1: Cho A = (a11) thì |A| = a11
• Định thức cấp 2:

Chương 1
1.1 Ma trận
• Định thức cấp 3: Quy tắc Sarrus

Chương 1
1.1 Ma trận

• Định thức cấp n : Xét ma trận .
Ta ký hiệu là ma trận có được từ A bằng cách bỏ đi
dòng i và cột j. Khi đó det(A) được tính bằng công
thức sau:
|A|
Trong đó i là một dòng tùy ý của ma trận A.

Chương 1
1.1 Ma trận
• Tính chất định thức:
1. Nếu A và B là các ma trận vuông cùng cỡ thì ta có

|A.B|= |A|.|B|.
2. Nếu A có dạng tam giác thì định thức của A bằng
tích các phần tử nằm trên đường chéo chính.
3. |AT|=|A|
4. Định thức bằng 0 nếu nó có một dòng (cột) toàn là
0.
Chương 1
1.1 Ma trận
5. Nếu ta đổi chỗ hai dòng (hoặc hai cột) của định
thức thì định thức đổi dấu
6. Nếu nhân các phần tử của một dòng (hoặc một
cột) với số k thì định thức mới bằng định thức cũ
nhân với k
7. Nếu nhân một dòng nào đó với một số bất kỳ rồi
cộng vào dòng khác thì định thức không thay đổi
Chương 1
1.1 Ma trận
• Tìm định thức bằng biến đổi sơ cấp: Ta sử

dụng ba phép biến đổi sơ cấp sau đây để đưa
định thức về dạng tam giác:
Đổi chỗ hai dòng (hai Định thức đổi dấu
cột)
Nhân một dòng (một cột) Định thức tăng k lần
với một số k
Nhân một dòng (một cột) Định thức không thay đổi
với một số rồi cộng vào
một dòng (một cột) khác
Chương 1
1.1 Ma trận
Ví dụ: Tính định thức:

x 1 1 1 x3 x 3 x 3 x3 1 1 1 1
1 x 1 1 1 x 1 1 1 x 1 1
  ( x  3)
1 1 x 1 1 1 x 1 1 1 x 1
1 1 1 x 1 1 1 x 1 1 1 x
1 1 1 1
 h1 h 2
 h1 h 3 0 x 1 0 0
 ( x  3)  ( x  3)( x  1) 3
 h1 h 4 0 0 x 1 0
0 0 0 x 1
Chương 1
1.1 Ma trận
• Hạng ma trận: Cho ma trận A  0. Ta gọi cấp

cao nhất của một định thức con khác 0 của A là
hạng của ma trận A và ký hiệu là r(A).
Ta quy ước rằng hạng của ma trận 0 là 0.
Chương 1
1.1 Ma trận
• Định lý : Ba phép biến đổi sơ cấp trên các dòng

hay các cột của một ma trận không làm thay đổi
hạng của ma trận:
1. Đổi chỗ hai dòng của ma trận.

2. Nhân các phần tử của một dòng với một số  0.
3. Nhân một dòng với một số rồi cộng vào một dòng
khác.
Chương 1
1.1 Ma trận
• Tìm hạng của A:

1. Bằng các phép biến đổi sơ cấp trên các dòng
(hoặc các cột) để đưa ma trận A về dạng đơn
giản (tam giác hoặc hình thang).
2. r(A)= Số dòng khác không của ma trận sau
biến đổi.
Chương 1
1.1 Ma trận

Ví dụ: Tìm hạng ma trận A=
Ta có =B
Vậy r(A) = r(B) = 3.

Chương 1
1.1 Ma trận
1.1.3 Ma trận nghịch đảo
• Định nghĩa: Ma trận vuông A cấp n được gọi

là khả nghịch nếu có ma trận vuông B cấp n
sao cho: A.B = B.A = En
Khi đó, ma trận B được gọi là ma trận nghịch

đảo của A, ta ký hiệu là B = A-1.
Chương 1
1.1 Ma trận

Tìm ma trận nghịch đảo bằng phần bù đại số.
Cho ma trận vuông A cấp n, ma trận con ứng với

phần tử là ma trận vuông cấp n -1 thu được từ A
bằng cách bỏ đi dòng i và cột j, kí hiệu là .
Phần bù đại số của phần tử là

Chương 1
1.1 Ma trận
•
Định lý: Nếu det A 0 thì A có ma trận nghịch
đảo và được tính theo công thức
 A11 A21  An1 

A A22  An 2 
1 1  12
A 
det A     
 
 A1n A2 n  Ann 
Phần bù đại số của
hàng viết thành cột
Chương 1
1.1 Ma trận
Ví dụ. Tìm ma trận nghịch đảo của
 1 2 3

A   2 5 3
1 0 8
Chương 1
1.2 Không gian vectơ Rn

• Định nghĩa: Một véc tơ n chiều X là một bộ n số
thực được sắp xếp theo thứ tự
được gọi là thành phần thứ i của vectơ X.
Ta chú ý rằng, một vectơ cũng có thể được sắp xếp

theo cột, khi đó ta nói rõ là vectơ cột.
Chương 1

• Véctơ không n chiều 0 =(0, 0, …, 0).
• Véctơ đối của véctơ X là vectơ –X xác định bởi
.
• Hai véctơ n chiều
và gọi là bằng nhau nếu ta có:
.
Chương 1
•
Định nghĩa: Cho hai vectơ và tùy ý , ta định
nghĩa
 Phép cộng:
𝑋 + 𝑌 = (𝑥1 + 𝑦1 , 𝑥2 + 𝑦2 , … , 𝑥𝑛 + 𝑦𝑛 )
 Phép nhân vectơ với một số thực:

𝑋 − 𝑌 = (𝑥1 − 𝑦1 , 𝑥2 − 𝑦2 , … , 𝑥𝑛 − 𝑦𝑛 )
Chương 1
• Tính chất cơ bản: Cho X, Y, Z là các vectơ tùy

ý có cùng số chiều và k, l là các số thực, ta có:
1. X +Y = Y+X 5. k(X+Y) = kX+lX

2. (X+Y)+Z = X+(Y+Z) 6. (k+l)X = kX+lX
3. X+0 = X 7. (kl)X = k(lX)
4. X+(-X) = 0 8. 1.X = X
Chương 1
1.2.2 Mối quan hệ tuyến tính giữa các vectơ
• Định nghĩa: Cho m vectơ n chiều . Một tổng với các

được gọi là một tổ hợp tuyến tính của m vectơ đã cho.
• Định nghĩa: Hệ m vectơ n chiều được gọi là phụ

thuộc tuyến tính nếu tồn tại m số thực với ít nhất một
số khác 0 sao cho
(2.1)
Nếu hệ thức (2.1) chỉ xảy ra khi
thì hệ m vectơ đó được gọi là độc lập tuyến tính.
Chương 1
• Ví dụ: Xét tính độc lập tuyến tính của các hệ sau

1. ;
Chương 1
• Tính chất:
1. Hệ véc tơ chứa vectơ 0 là hệ phụ thuộc tuyến tính (pttt)

2. Hệ gồm hai vectơ khác 0 độc lập tuyến tính (đltt)  hai
véc tơ đó không tỷ lệ.
3. Một hệ vectơ là pttt  có một vectơ của hệ là tổ hợp tuyến
tính của các vectơ còn lại.
4. Một hệ vectơ chứa một hệ con pttt là hệ pttt
5. Một hệ vectơ đltt thì mọi hệ con của nó là đltt
6. Hệ có số vectơ lớn hơn số chiều của vectơ (m>n) là hệ pttt
Chương 1
1.2 Không gian vector Rn
1.2.3 Hạng và cơ sở của hệ vectơ
Xét hệ m vec tơ n chiều ; (i=1, …,m)
• Định nghĩa: Mỗi hệ con độc lập tuyến tính cực

đại của một hệ vectơ được gọi là một cơ sở
của hệ vectơ đó.

• Định nghĩa: Mỗi hệ vectơ có thể có nhiều cơ
sở, nhưng số vectơ trong các cơ sở ấy đều
bằng nhau. Ta gọi số này là hạng của hệ vec tơ,
ký hiệu là .
Chương 1

• Định lí: Hạng của hệ m véc tơ n chiều bằng hạng
của ma trận cỡ tạo thành bằng cách xếp liên tiếp
các véc tơ theo cột.

• Ví dụ: Tìm hạng của hệ vectơ .
Chương 1
• Định lý: Mỗi véctơ của hệ có thể biểu diễn tuyến

tính một cách duy nhất dưới dạng tổ hợp tuyến
tính của các vectơ của một cơ sở của hệ.

• Ví dụ: Biểu diễn tuyến tính véctơ qua các véctơ
Chương 1
1.2.4 Hệ phương trình tuyến tính
• Khái niệm: Hệ phương trình tuyến tính m

phương trình, n ẩn x1, x2 ,…,xn là hệ có dạng:
a11 x1  a12 x2    a1n xn  b1
a x  a x    a x  b
 21 1 22 2 2n n 2
(4.1)


am1 x1  am 2 x2    amn xn  bm
o
(, ) : các hệ số;
o (): các hệ số tự do.
Chương 1
Ta đặt:  a11 a12  a1n  X= B=

a a22  a2 n 
A   21
   
 
 am1 am 2  amn 
Lần lượt gọi là ma trận hệ số, ma trận cột ẩn và

ma trận cột hệ số tự do của hệ phương trình. Khi
đó hệ (4.1) được viết dạng ma trận
A.X=B
Chương 1
• Hệ có dạng đặc biệt:
1. Hệ thuần nhất là hệ pttt có cột hệ số tự do là

vectơ 0. (Hệ này có dạng ma trận là A.B=0 và
luôn có nghiệm tầm thường (nghiệm 0)).
2. Hệ Cramer là hệ pttt có số phương trình bằng
số ẩn (m=n) và định thức của ma trận hệ số
khác 0.
Chương 1
Nghiệm và điều kiện tồn tại nghiệm

• Định nghĩa:
1. Một vectơ n chiều được gọi là nghiệm của hệ (4.1)
nếu ta thay mỗi ẩn bởi vào tất cả các phương trình
của hệ ta đều được các đẳng thức.
2. Hai hệ phương trình có cùng các ẩn được gọi là
tương đương nếu tập nghiệm của chúng trùng
nhau hoặc cả hai hệ đều không có nghiệm.
Chương 1
Xét hệ phương trình tuyến tính (4.1), ma trận hệ số

mở rộng của hệ được ký hiệu và xác định như sau
 a11 a12  a1n b1 

 
 a21 a22  a2 n b2 
A
    
 
 am1 am 2  amn bm 
Chương 1

• Định lý Cronecker- Capelly: Điều kiện cần và đủ để
một hệ phương trình tuyến tính có nghiệm là
.
(i) Hệ có duy nhất nghiệm  =n;
(ii) Hệ có vô số nghiệm  < n.
Chương 1
• Một số hệ đơn giản có thể tìm ngay được nghiệm
1. Hệ dạng tam giác:
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1,𝑛−1 𝑥𝑛−1 + 𝑎1𝑛 𝑥𝑛 = 𝑏1

00000000000‫ۓ‬
ۖ 𝑎22 𝑥2 + ⋯ + 𝑎2,𝑛−1 𝑥𝑛−1 + 𝑎2𝑛 𝑥𝑛 = 𝑏2
⋮
000‫۔‬ 𝑎𝑛−1,𝑛−1 𝑥𝑛−1 + 𝑎𝑛−1,𝑛 𝑥𝑛 = 𝑏𝑛−1
ۖ
0000‫ە‬ 𝑎𝑛𝑛 𝑥𝑛 = 𝑏𝑛
ത
തത
( 𝑎𝑖𝑖 ≠ 0, ∀𝑖 = 1, ത
𝑛ത)
Chương 1
2. Hệ dạng hình thang:
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑟 𝑥𝑟 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1

𝑎22 𝑥2 + ⋯ + 𝑎2𝑟 𝑥𝑟 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
൞
⋮
𝑎𝑟𝑟 𝑥𝑟 + ⋯ + 𝑎𝑟𝑛 𝑥𝑛 = 𝑏𝑟
( 𝑎𝑖𝑖 ≠ 0, ∀𝑖 = ത
1,ത
ത𝑟ത)
Chương 1
Cách giải hệ phương trình tuyến tính bằng

phương pháp biến đổi sơ cấp:

• Đưa hệ phương trình tuyến tính tổng quát về hệ tam giác
(hoặc hình thang) tương đương, bằng các phép biến đổi
sơ cấp trên các dòng của ma trận hệ số mở rộng :
1. Đổi chỗ hai dòng;
2. Nhân một dòng với số
3. Cộng k lần một dòng r vào dòng s.
Chương 1
• Ví dụ: Giải hệ phương trình
𝑥1 + 3𝑥2 + 5𝑥3 − 7𝑥4 = 12

3𝑥1 + 5𝑥2 + 7𝑥3 − 𝑥4 = 0
൞
5𝑥1 + 7𝑥2 + 𝑥3 − 3𝑥4 = 4
7𝑥1 + 𝑥2 + 3𝑥3 − 5𝑥4 = 16
Chương 1
• Ví dụ: Giải hệ phương trình
𝑥1 − 2𝑥2 + 3𝑥3 − 4𝑥4 = 4

𝑥2 − 𝑥3 + 𝑥4 = −3
൞
𝑥1 + 3𝑥2 − 3𝑥4 = 1
−7𝑥2 + 3𝑥3 + 𝑥4 = −3
Chương 2. GIẢI TÍCH
Chương 2
GIẢI TÍCH
2.1 Hàm số thực một biến
2.2 Hàm số thực nhiều biến (hai biến)

Chương 2
2.1.1. Khái niệm và giới hạn hàm số
Cho Một quy luật cho tương ứng mỗi điểm với duy
nhất một giá trị thỏa mãn được gọi là một hàm số

một biến xác định trên
Chương 2
2.1.1. Khái niệm và giới hạn hàm số
Khi đó:

* được gọi là tập xác định của
* được gọi là tập giá trị của hàm số.
* được gọi là đồ thị của hàm số
Chương 2
2.1.2 Đạo hàm và ứng dụng
Ứng dụng 1: Quy tắc Lôpitan

Định lý 1 (Quy tắc Lôpitan) Xét giới hạn
Nếu tồn tại giới hạn là một số hữu hạn.
Khi đó
Chương 2

Ví dụ: Tính giới hạn sau:
Chương 2

Các dạng vô định trong tính giới hạn
Dạng vô định
Dạng vô định
Dạng vô định
Chương 2
Ứng dụng 2: Ứng dụng vi phân để tính gần đúng

Định lý: Nếu hàm có đạo hàm tại thì nó khả vi tại
và

Nhận xét:

Định lý: Nếu đủ bé thì ta có

Ví dụ: Tính gần đúng:
Chương 2
Ứng dụng 3: Tìm cực trị của hàm số

Chương 2
2.1.3 Tích phân
a.Tích phân bất định

b.Tích phân xác định
c.Tích phân suy rộng
Chương 2
2.1.3 Tích phân
Tích phân bất định

Định nghĩa: Cho hàm số , xác định trên . Hàm
số được gọi là nguyên hàm của trên nếu
Chương 2
2.1.3 Tích phân

Các tính chất
a) Nếu A là hằng số thì
b) Nếu đều có nguyên hàm thì
c) Nếu và thì
Chương 2
2.1.3 Tích phân
Các công thức tích phân cơ bản:

Sách giáo trình Toán Cao Cấp
Chương 2
2.1.3 Tích phân
Phương pháp tích phân đổi biến số

Xét tích phân
a. Đặt với là một hàm khả vi. Biến đổi về dạng:
Nếu thì

Ví dụ: Tính tích phân
Chương 2
2.1.3 Tích phân
Phương pháp tích phân đổi biến số

b. Đặt với là một hàm khả vi, đơn điệu thì: dx =
.
Khi đó
Tính tích phân theo biến t rồi đưa về biến x.

Chương 2
2.1.3 Tích phân
Phương pháp tích phân từng phần

Nếu là các hàm khả vi, ta có:

Ví dụ: Tính các tích phân sau:
Chương 2
2.1.3 Tích phân
Tích phân xác định

Định nghĩa: Nếu hàm liên tục trên đoạn và là
một nguyên hàm của trên đoạn thì
Chương 2
2.1.3 Tích phân

Tính chất của tích phân xác định
= +
Chương 2
2.1.3 Tích phân
Phương pháp đổi biến số

Định lý 1. (Đổi biến ) Xét tích phân , là hàm liên tục
trên . Nếu phép đổi biến
thỏa mãn:
1. Hàm đơn điệu, có đạo hàm liên tục trên .
2. trở thành , là hàm liên tục
trên
Khi đó:
Chương 2
2.1.3 Tích phân

Ví dụ: Tính các tích phân
Chương 2
2.1.3 Tích phân

Định lý 2. (Đổi biến )
Xét tích phân , là hàm liên tuc trên . Nếu phép đổi
biến ) thỏa mãn:
1. có đạo hàm liên tục trên
2. và
3.Khi t nhận giá trị trong thì biến thiên trong
Khi đó: .

Chương 2
2.1.3 Tích phân

Phương pháp tích phân từng phần
Công thức

Ví dụ: Tính các tích phân sau
Chương 2
2.1.3 Tích phân
Tích phân suy rộng:
a. Khoảng lấy tích phân là khoảng vô hạn
b. Khoảng lấy tích phân có điểm gián đoạn

vô cực
Chương 2
2.1.3 Tích phân
a. Khoảng lấy tích phân là khoảng vô hạn

Định nghĩa 1. Cho hàm xác định trên , khả tích trên mọi
đoạn [a, b] với . Kí hiệu tích phân suy rộng của hàm f(x)
trên là
 Nếugiới hạn trên là hữu hạn thì ta nói tích phân suy rộng
là hội tụ và giới hạn trên là giá trị của nó. Ngược lại, ta nói
tích phân suy rộng là phân kỳ.
Chương 2
2.1.3 Tích phân

Tương tự, ta định nghĩa tích phân suy rộng
Tích phân (3) hội tụ khi và chỉ khi cả hai tích phân vế
phải hội tụ.
Chương 2
2.1.3 Tích phân

Ví dụ: Tính tích phân suy rộng sau:
Chương 2
2.1.3 Tích phân
Định lý so sánh
Định lý 1: Giả sử các hàm khả tích trên mọi đoạn
với lớn tùy ý và

Khi đó
 Nếu hội tụ thì hội tụ.
 Nếu phân kỳ thì phân kỳ.
Chương 2
2.1.3 Tích phân

Định lý 2: Giả sử là các hàm số dương, khả tích trên
mọi đoạn với lớn tùy ý và
Khi đó hai tích phân , cùng hội tụ hoặc cùng phân kỳ.

Ví dụ: Xét sự hội tụ, phân kỳ của tích phân sau:
Chương 2
2.1.3 Tích phân
b. Khoảng lấy tích phân có điểm gđ vô cực

Định nghĩa. Cho hàm khả tích trên mọi đoạn với và
. Kí hiệu tích phân suy rộng của hàm f(x) trên là
 Nếu giới hạn trên là hữu hạn thì ta nói tích phân

suy rộng là hội tụ và giới hạn trên là giá trị của

nó. Ngược lại, tích phân suy rộng trên là phân kỳ.
Chương 2
2.1.3 Tích phân

Tương tự, nếu hàm khả tích trên mọi đoạn , với
và gián đoạn vô cực bên phải tại thì
Chương 2
2.1.3 Tích phân

Định nghĩa 3: Nếu hàm có điểm gián đoạn vô
cực , khả tích trên mọi đoạn với . Ta định nghĩa
Tích phân suy rộng ở vế trái hội tụ khi và chỉ khi cả

hai tích phân suy rộng ở vế phải hội tụ.

Ví dụ: Xét sự hội tụ, phân kỳ của TPSR sau
Chương 2
2.1.3 Tích phân

Công thức Niwtơn-Lepnit suy rộng
Hàm có điểm gián đoạn vô cực tại và nó có nguyên
hàm trên . Nếu là hàm liên tục trên đoạn thì tích
phân suy rộng hội tụ và:
gọi là một nguyên hàm mở rộng của hàm trên .

Ví dụ: Tính tích phân suy rộng sau:
Chương 2
2.2 Hàm số thực nhiều biến
2.2.1 Khái niệm hàm số

Cho tập . Một quy luật đặt tương ứng mỗi cặp với
một số thực được gọi là một hàm của hai biến độc
lập và .
Kí hiệu:
Ví dụ:
a. ,
b. .
Chương 2
2.2.2 Đạo hàm riêng và ứng dụng vào bài toán cực trị

Định nghĩa 1:
Cho hàm xác định trong lân cận của điểm . Đạo
hàm riêng cấp 1 theo tại điểm nếu có được kí hiệu
và xác định như sau:
.
Chương 2

- Tương tự có đạo hàm riêng cấp 1 theo tại là .
Nhận xét: Trong thực hành muốn tính ĐHR cấp 1

theo thì coi là hằng số và đạo hàm như đối với hàm
một biến. Tương tự, tính đạo hàm riêng theo thì coi
là hằng số.
Ví dụ: Tính các đạo hàm cấp riêng cấp 1 của hàm
số:
.
Chương 2
Định nghĩa 2: Đạo hàm riêng cấp 2

.
Nhận xét: Trong chương trình học
.
Ví dụ: Tính các đạo hàm riêng đến cấp hai của
hàm sau:
.
Chương 2
Ứng dụng ĐHR tìm cực trị của hàm hai biến:
a. Cực trị tự do
Định nghĩa:
Hàm đạt cực đại (cực tiểu) tại điểm nếu tồn tại một
lân cận của M sao cho trên đó . (tương ứng
Kí hiệu:
Chương 2
Điều kiện cần của cực trị

Định lý:Nếu hàm đạt cực trị tại điểm và tại đó có
các ĐHR thì
Mỗi điểm M thoả mãn hệ thức trên được gọi là một

điểm dừng (hay điểm tới hạn) của hàm số.
Chương 2
Điều kiện đủ của cực trị:

Định lý:Giả sử điểm là một điểm dừng của hàm và
tại đó hàm số có các ĐHR cấp hai:
;.
- Nếu thì M không là cực trị.
- Nếu thì M là cực trị, khi đó:
Nếu thì M là cực tiểu,
Nếu thì M là cực đại.
- Nếu thì chưa kết luận được về tính cực trị của M
Chương 2

b. Cực trị có điều kiện
Bài toán: Tìm cực trị của hàm với điều kiện .
Phương pháp giải: Phương pháp nhân tử lagrang.
Xét bài toán tìm cực trị của hàm hai biến có ràng
buộc:
.
Lập hàm lagrang:
.
Chương 2
Điều kiện cần của cực trị

Nếu hàm số đạt cực trị tại thì tồn tại sao cho bộ ba
thỏa mãn:
Khi đó được gọi là một điểm dừng của hàm Lagrang.

Chương 2
Điều kiện đủ của cực trị

Giả sử là một điểm dừng của hàm Lagrang.
Đặt
Chương 2
Khi đó:
+) Nếu thì là điểm cực đại của bài toán đã cho.
+) Nếu thì là điểm cực tiểu của bài toán đã cho.
Ví dụ: Tìm cực trị của hàm

với điều kiện .
b. với điều kiện .
Chương 3. LÝ THUYẾT XÁC SUẤT
Chương 3
LÝ THUYẾT XÁC SUẤT
3.1 Biến cố ngẫu nhiên và xác suất
3.2 Đại lượng ngẫu nhiên
3.3 Một số quy luật phân phối xác suất

quan trọng
Chương 3
3.1.1 Phép thử và biến cố
Phép thử là một thí nghiệm hay một quan sát

nào đó mà ta quan tâm
Các kết cục của phép thử được gọi là biến cố.
Chương 3
Phân loại biến cố
• Biến cố chắc chắn
• Biến cố không thể có
• Biến cố ngẫu nhiên

Chương 3
Biến cố chắc chắn (U): là biến cố nhất định xảy

ra khi phép thử được thực hiện
Biến cố không thể có (V): là biến cố không thể

xảy ra khi phép thử được thực hiện
Chương 3
Biến cố ngẫu nhiên: là biến cố có thể xảy ra

hoặc không xảy ra khi phép thử được thực
hiện.
Biến cố ngẫu nhiên được kí hiệu bởi các chữ
cái hoa A, B, C…
Chương 3
3.1.2 Định nghĩa cổ điển về xác suất
Trong một phép thử có n kết cục đồng khả

năng với m kết cục thuận lợi cho biến cố A. Xác
suất của biến cố A, kí kiệu P(A) là tỷ số:
m Số kết cục thuận lợi cho A

P ( A)  
n Số kết cục đồng khả năng có thể xảy ra
Chương 3
Tính chất
• 0 < P(A) < 1 A: ngẫu nhiên
• P(U) = 1
• P(V) = 0
Hệ quả: 0 ≤ P(A) ≤ 1 A: bất kỳ
Chương 3
Ví dụ 1: Cho hộp có 10 chính phẩm và 5 phế

phẩm. Lấy ngẫu nhiên 3 sản phẩm. Tìm xác
suất :
a, Lấy được 3 chính phẩm.
b, Lấy được 2 loại sản phẩm.
c, Lấy được 3 sản phẩm cùng loại.
Chương 3
Giải:
a, Gọi A là biến cố: “Lấy được 3 chính phẩm”.
Số khả năng có thể có của A: n A  C153  455
Số khả năng thuận lợi cho A: m A  C103  120
m A 120 24
P( A)     0,2637
n A 455 91
Chương 3
b, Gọi B là bc:“ Lấy được 2 loại sản phẩm”.

B: B 15  455
 3
Số khả năng có thể có của n C
Số khả năng thuận lợi cho B: mB  C102 .C51  C10

1
.C52  325
mB 325 65
P( B)     0,7143
nB 455 91
c, Gọi C là bc: “Lấy được 3 sản phẩm cùng loại”.

P(C )  1  P ( B)  1  0,7143  0,2857
Chương 3
3.1.3 Định nghĩa thống kê về xác suất
Định nghĩa 1. Giả sử ta thực hiện phép thử

nào đó n lần. Gọi nA là số lần biến cố A xuất
hiện. Khi đó tần suất xuất hiện biến cố A trong n
phép thử được định nghĩa:
nA
f n ( A) 
n
Chương 3
Ví dụ: Tung 100 lần đồng xu thấy có 52 lần mặt

sấp xuất hiện, ta có fn(A) = 52/100
Số lần tung (n) Số lần xuất hiện Tần suất fn(A)
mặt sấp (nA)
Buffon 4040 2048 0.5069
Pearson 12000 6019 0.5016
Pearson 24000 12012 0.5005

Chương 3
Khi số phép thử n nhỏ thì fn(A) thay đổi rõ rệt

còn khi n khá lớn thì tần suất fn(A) càng dao
động ít đi và khi n đủ lớn thì fn(A) sẽ dao động
xung quanh 1 vị trí cân bằng p không đổi nào
đó.
Chương 3
Định nghĩa 2. Xác suất của biến cố A trong một

phép thử là giá trị cân bằng p không đổi khi số
phép thử tăng lên vô hạn.
Chú ý: Khi n đủ lớn ta lấy: p = P(A) ≈ fn(A)
Chương 3
3.1.4 Nguyên lý xác suất lớn, xác suất nhỏ
Nguyên lý xác suất nhỏ: nếu một biến cố có

xác suất nhỏ (gần 0), biến cố đó hầu không xảy
ra trong một lần thực hiện phép thử.
Nguyên lý xác suất lớn: nếu một biến cố có

xác suất lớn (gần 1), biến cố đó hầu chắc chắn
xảy ra trong một lần thực hiện phép thử.
Chương 3
3.2.1 Định nghĩa và phân loại ĐLNN
Đại lượng ngẫu nhiên (biến ngẫu nhiên) là đại

lượng mà trong kết quả của phép thử sẽ nhận
một và chỉ một trong các giá trị có thể có với
một xác suất tương ứng xác định.
ĐLNN được ký hiệu : X, Y, Z,…
Các giá trị có thể có được ký hiệu: x, y, z,…
Chương 3
Ví dụ.
Gọi X là số chấm xuất hiện khi gieo súc sắc
X nhận các giá trị có thể có: 1, 2, 3, 4, 5, 6
Gọi Y là trọng lượng các bao hàng do một

máy tự động đóng gói
Y cũng là một đại lượng ngẫu nhiên
Chương 3
Đại lượng ngẫu nhiên được gọi là rời rạc nếu

tập các giá trị có thể có của nó là đếm được.
Đại lượng ngẫu nhiên được gọi là liên tục nếu

tập các giá trị có thể có của nó lấp đầy một
khoảng bất kỳ trên trục số thực.
Chương 3
3.2.2 Quy luật phân phối xác suất của ĐLNN
Luật phân phối xác suất của ĐLNN là quy tắc

cho biết những giá trị có thể có của nó cùng
các xác suất tương ứng.
Chương 3
Bảng phân phối xác suất

Cho X là ĐLNN rời rạc nhận các giá trị có thể
có là x1, x2, …, xn … và các xác suất tương ứng
p1, p2, …, pn …
X x1 x2 ... xn …
P p1 p2 ... pn …
∑ pi = ∑ P(X = xi) = 1
Chương 3
Hàm phân phối xác suất.
Hàm phân phối xác suất của ĐLNN X, ký hiệu

F(x), là xác suất để ĐLNN X nhận giá trị nhỏ
hơn x, với x là số thực bất kỳ.

F(x) = P(X< x)
Chương 3
Tính chất.

1. 0 ≤ F(x) ≤ 1 với mọi x
2. F(x) là hàm không giảm, tức là:

Nếu x1 < x2 thì F(x1) ≤ F(x2)
Chương 3
Hệ quả 1. P(a ≤ X < b) = F(b) – F(a)
Hệ quả 2. Nếu X là ĐLNN liên tục thì:

• P(X = x0 ) = 0
• P(a ≤ X ≤ b) = P(a ≤ X < b) = P(a < X ≤ b)
= P(a < X < b)
Chương 3
Tính chất
3. lim F( x )  F()  1 lim F( x )  F()  0
x   x  
Hệ quả. Nếu X chỉ nhận giá trị trong [a, b] thì:

• F(x) = 0 với mọi x ≤ a
• F(x) = 1 với mọi x > b
Chương 3
Hàm mật độ xác suất.
ĐLNN liên tục X có hàm phân phối xác suất

F(x), nếu F(x) khả vi tại x thì hàm số f(x) = F’(x)
được gọi là hàm mật độ xác suất của ĐLNN X.
Chương 3
Tính chất.
1. f ( x)  0  x  R 
x
2. F ( x)   f (t )dt

b
3. P(a  X  b)   f ( x)dx
 a
4.  f ( x)dx  1

Nếu hàm số f(x) thỏa tính chất 1 và 4 thì f(x) sẽ
là hàm mật độ xác suất của một ĐLNN nào đó.
Chương 3
3.2.3 Các số đặc trưng chính của ĐLNN
• Kỳ vọng toán
• Mốt
• Phương sai
• Độ lệch tiêu chuẩn
Chương 3
Kỳ vọng toán
Kỳ vọng toán của ĐLNN X, ký hiệu E(X), là số

được xác định:
• X là ĐLNN rời rạc: E ( X )   xi pi

i

• X là ĐLNN liên tục: E( X )   xf ( x)dx

Chương 3
Ý nghĩa của kỳ vọng toán

• Kỳ vọng toán đặc trưng cho giá trị trung bình
của ĐLNN theo nghĩa xác suất.
• Kỳ vọng toán xác định vị trí của phân phối.
Chương 3
Tính chất.
1. E(C) = C với C = const
2. E(C.X) = C.E(X) với C = const
3. E(X+Y) = E(X)+E(Y)
4. Nếu X, Y là hai ĐLNN độc lập thì:

E(X.Y) = E(X).E(Y)
Chương 3
Mốt
Mốt của ĐLNN X, ký hiệu Mod(X) là giá trị của

X mà tại đó:
• Xác suất lớn nhất nếu là ĐLNN rời rạc
• Hàm mật độ xác suất đạt cực đại nếu X là
ĐLNN liên tục
Chương 3
Phương sai
• X là ĐLNN rời rạc:
Var ( X )   ( xi   ) . pi   xi . pi   2
2 2
i i
• X là ĐLNN liên tục:

 
Var ( X )   [ x   ]2 f ( x)dx   x 2
f ( x ) dx   2
 
Chương 3
Ý nghĩa của phương sai

• Phương sai của ĐLNN đặc trưng cho độ
phân tán của các giá trị có thể có của ĐLNN
đó xung quanh giá trị E(X).
• Trong kỹ thuật Phương sai đặc trưng cho
mức độ sai số của các thiết bị, trong tài
chính đặc trưng cho độ rủi ro…
Chương 3
Tính chất.
1. Var(C) = 0 với C = const
2. Var(C.X) = C2.Var(X) với C = const
3. Nếu X, Y là hai ĐLNN độc lập thì:

Var(X+Y) = Var(X) + Var(Y)
Chương 3
Độ lệch chuẩn
Độ lệch chuẩn của ĐLNN X, ký hiệu σx hoặc

σ, là căn bậc hai của phương sai.
 X  Var ( X )
Chương 3
Ví dụ 1.
Cho X là ĐLNN rời rạc có bảng PPXS:
X -1 0 1 2
P 0,3 0,4 0,1 0,2
Tìm F(x), E(X), Mod(X), Var(X).

Chương 3
Giải.
• Với x ≤ -1 thì (X<x) = V nên F(x) = 0
• Với -1<x ≤ 0 thì (X<x) = (X=-1)
nên F(x) = P(X = -1)=0,3
• Với 0<x ≤ 1 thì (X<x) = (X=-1)+(X=0)
nên F(x) = P(X = -1)+P(X=0) = 0,7
Chương 3
• Với 1< x ≤ 2 thì (X<x) = (X = -1) + (X=0) + (X=1) nên

F(x) = P(X= -1) + P(X=0) + P(X=1)= 0,8
• Với 2<x thì (X<x)=(X= -1) + (X=0) + (X=1) +(X=2)

nên F(x) = P(X=-1)+P(X=0) +P(X=1) +P(X=2) = 1
Chương 3
• Hàm phân phối xác suất của X có dạng:
0 khi x  1
0,3 khi 1  x  0

F ( x)  0,7 khi 0  x 1
0,8 khi 1 x  2

1 khi 2 x
Chương 3
• E(X) = (-1).0,3 + 0.0,4 + 1.0.1 + 2.0,2 = 0,2
• Mod(X) = 0
• Var(X) = (-1)2.0,3 + (0)2.0,4 + (1)2.0,1 + (2)2.0,2

- (0,2)2 = 1,16
Chương 3
3.3 Một số QLPP xác suất quan trọng
3.3.1 Quy luật phân phối nhị thức
Dãy phép thử Bernoulli
Thực hiện nhiều lần một phép thử, ta có dãy

các phép thử.
Nếu các phép thử được tiến hành độc lập với
nhau, ta có dãy các phép thử độc lập.
Chương 3
Một dãy các phép thử độc lập, trong mỗi phép
thử chỉ có thể xảy ra một trong hai trường hợp
hoặc A xảy ra hoặc A không xảy ra. Xác suất để
xảy ra biến cố A là không đổi và bằng p.
Dãy phép thử trên gọi là dãy phép thử Bernoulli.

Chương 3
Xác suất trong n phép thử Bernoulli có k lần

xuất hiện biến cố A được tính bằng công thức:
n k
p n (k )  C p q
k
n
k
trong đó q = 1 – p, k = 0, 1, 2, …, n
Chương 3
Quy luật phân phối nhị thức

ĐLNN rời rạc X được gọi là phân phối theo quy
luật nhị thức với các tham số n và p, ký hiệu
X~B(n,p) nếu nó nhận một trong các giá trị có
thể có 0, 1, 2..., n với các xác suất tương ứng
được tính theo công thức:
n k
p n (k )  P( X  k )  C p q
k
n
k
q  1  p ; k  0,1, 2,.., n
Chương 3
Các số đặc trưng của pp nhị thức
• E(X) = np
• Var(X) = npq
• (n+1).p – 1 ≤ Mod(X) ≤ (n+1).p

Chương 3
Quy luật phân phố không – một

Trong trường hợp X_B(n;p), n = 1 ĐLNN X
phân phối theo quy luật không – một, ký hiệu
là A(p)
• E(X) = pq
• Var(X) = pq
Chương 3
3.3.2 Quy luật phân phối chuẩn
ĐLNN liên tục X nhận các giá trị trên R được

gọi là phân phối chuẩn với tham số μ và σ > 0,
ký hiệu là X~N(μ, σ2), nếu hàm mật độ xác suất
của nó có dạng:
( x  )2
1 
f ( x)  e 2 2
 2
Chương 3
Đồ thị của f(x) có dạng hình chuông, đối xứng

qua đường thẳng x =  và nhận Ox làm đường
tiệm cận ngang
Chương 3
Các số đặc trưng của pp chuẩn
• E(X) = 
• Var(X) = 2
• Mod(X) = 
Chương 3
Khi X~N(μ, σ2) với μ = 0 và σ = 1 ta nói X có quy

luật phân phối chuẩn hóa N(0,1) và hàm mật độ
xác suất có dạng (hàm Gauss):
x2
1 
 ( x)  e 2
2
Chương 3
Hàm phân phối xác suất của ĐLNN X có

phân phối chuẩn là:
x (t   )2
1 
F ( x) 
 2 e

2 2
dt
Chương 3
Nếu X~N(μ, σ2), ta có:

X 
U  N  0,1

Phép biến đổi trên được gọi là chuẩn hóa đại

lượng ngẫu nhiên
Chương 3
Công thức tính P(a<X<b) của ĐLNN X~ N(μ,σ2)

b  a 
P ( a  X  b)      
     
x t2
1 
• Trong đó:  ( x) 
2 e
0
2
dt
• Tính chất:  ( x)    ( x)
Khi x > 5 ta lấy   x   0,5

Chương 3
Hệ quả

P ( X    )  2  

b 
P ( X  b)  P ( X  b)      0,5
  
a 
P(a  X )  P (a  X )  0,5   
  
Chương 3
Gọi X là trọng lượng của một con gà

Ví dụ (3.28)
được chọn, thì X~ N(, 2)
a. Xác suất để con gà có trọng lượng hơn 2kg

Chương 3
Ví dụ (3.28) Gọi X là trọng lượng của một con

gà được chọn, thì X~ N(, 2)
b. Xác suất để con gà có trọng lượng trong khoảng
1,6kg đến 1,8kg
1,8− 1,5 1,6 −1,5
𝑃 ( 1,6< 𝑋 < 1,8 )=Φ ( 0,4 ) (
−Φ
0,4 )

Chương 3
Phân vị
Cho U ~ N(0,1), và 0 <  <1 cho trước. Khi đó,

giá trị u của U được gọi là phân vị chuẩn mức
 nếu thỏa mãn:
P  U  u   
Chương 3
Phân vị
Chương 3
Vai trò của quy luật phân phối chuẩn

• Phần lớn các ĐLNN ta gặp trong thực tế đều
tuân theo luật phân phối chuẩn
• Là giới hạn của một số thống kê rời rạc khác
• Ứng dụng rộng rãi trong KH thống kê

• Là quy luật phân phối quan trọng nhất
trong tất cả các quy luật PPXS
Chương 3
3.3.3 Quy luật phân phối khi bình phương
Nếu X1, X2,…, Xn là các ĐLNN độc lập cùng

phân phối chuẩn hóa N(0,1), thì:
 2   X i2
tuân theo quy luật phân phối Khi bình phương

với n bậc tự do, kí hiệu là 2 ~ 2 (n).
Chương 3
Chương 3
Phân vị
Cho 2 ~ 2 (n), và 0 <  < 1 cho trước. Khi đó,

giá trị 2(n) của 2 được gọi là phân vị Khi
bình phương mức  nếu thỏa mãn:
P   
2 2
  n   
Chương 3
Phân vị
Chương 3
3.3.4 Quy luật phân phối Student
Cho ĐLNN U~N(0,1) và 2~2 (n) thì

U
T
2
n
tuân theo quy luật phân phối Student với n bậc

tự do, kí hiệu là T~T(n)
Chương 3
Chương 3
Phân vị
Cho T~T(n), và 0 <  < 1 cho trước. Khi đó, giá

trị t(n) của T được gọi là phân vị Student mức
P  T  t  n    
Chương 3
Phân vị
Chương 3
3.3.5 Quy luật phân phối Fisher – Snedecor
Cho ĐLNN 12~2 (n1) và 22~2 (n2) thì:

12
n1
F 2
2
n2
tuân theo quy luật phân phối Fisher – Snedecor

với n1 và n2 bậc tự do, kí hiệu là F~F(n1, n2)
Chương 3
Chương 3
Phân vị
Cho F~F(n1, n2), và 0 <  < 1 cho trước. Khi đó,
giá trị f(n1, n2) của F được gọi là phân vị F mức
P  F  f   n1 , n2    
Chương 3
Phân vị
Chương 4. THỐNG KÊ TOÁN
Chương 4
THỐNG KÊ TOÁN
4.1 Lý thuyết mẫu
4.2 Ước lượng tham số của ĐLNN
4.3 Kiểm định giả thuyết thống kê

Chương 4
4.1.1 Khái niệm đám đông và mẫu
Đám đông
Giả sử cần nghiên cứu một hay nhiều dấu hiệu
thể hiện trên một tập hợp gồm N phần tử, tập
hợp này được gọi là đám đông (còn được gọi là
tổng thể, tập nền), N được gọi là kích thước
của đám đông.
Chương 4
Dấu hiệu X cần nghiên cứu là một ĐLNN và

được gọi là ĐLNN gốc, phân phối của X được
gọi là phân phối lý thuyết, tham số của X được
gọi là tham số của đám đông hay tham số lý
thuyết.
• Dấu hiệu cần nghiên cứu là định tính hoặc
định lượng
• N thường lớn và có thể coi là vô hạn.
Chương 4
Ví dụ: Cần nghiên cứu thu nhập của các hộ dân

tại một xã có 3000 hộ.
Dấu hiệu cần nghiên cứu: thu nhập của các hộ

gia đình
Đám đông: 3000 hộ gia đình tại xã đó.
Kích thước đám đông: N= 3000
Chương 4
Mẫu
Để nghiên cứu dấu hiệu X ta cần điều tra toàn
bộ phần tử của đám đông, tuy nhiên điều đó
thường không thực hiện được vì:
• N quá lớn hoặc vô hạn
• Các phần tử bị phá hủy khi nghiên cứu
• Tốn kém về vật chất và thời gian
Chương 4
Mẫu
Từ đám đông ta chọn ra một tập hợp gồm n
phần tử để nghiên cứu thì tập hợp này được
gọi là mẫu, n được gọi là kích thước mẫu.
Chương 4
Các phương pháp chọn mẫu
• Ngẫu nhiên đơn giản có hoàn lại - mẫu lặp

• Ngẫu nhiên đơn giản không hoàn lại - mẫu
không lặp
• Điển hình
• Máy móc
Chương 4
Trong thực tế người ta thường:

• Chọn mẫu không lặp nhưng vẫn áp dụng
công thức của mẫu lặp.
• Phối hợp các phương pháp trên chứ không
áp dụng từng phương pháp đơn lẻ
Chương 4
Mẫu ngẫu nhiên

Mẫu ngẫu nhiên kích thước n là tập hợp n ĐLNN
độc lập X1, X2, …, Xn được rút ra từ ĐLNN gốc X
có cùng luật phân phối xác suất với X
W   X 1 , X 2 ..., X n 
Trong một lần lấy mẫu cụ thể, ta kí hiệu:
w   x1 , x2 ..., xn 
Chương 4
4.1.2 Các phương pháp mô tả mẫu
Dãy số liệu thống kê

Trong một lần lấy mẫu cụ thể ta được:
w   x1 , x2 ..., xn 
Dãy các giá trị quan sát x1, x2, …, xn được gọi là
dãy số liệu thống kê
Chương 4
Bảng phân phối thực nghiệm

Dãy số liệu thống kê thu được thường khá lộn
xộn, gây khó khăn cho việc nghiên cứu.
Vì vậy trong thực hành, người ta tổng hợp chúng
lại, sắp xếp theo thứ tự nào đó rồi trình bày dưới
dạng bảng.
Chương 4
Bảng phân phối tần số thực nghiệm

xi x1 x2 … xi … xn
ni n1 n2 … ni … nk
+ ni là tần số của giá trị quan sát xi

k
+ n
i 1
i n
Chương 4
4.1.3 Các đặc trưng mẫu quan trọng
Trung bình mẫu

1 n
X   Xi
n i 1
Với mẫu cụ thể, thì:
1 n 1 k
x   xi   ni xi
n i 1 n i 1
Chương 4
Trung bình mẫu

Nếu E(X) = μ, Var(X) = σ2 thì:
E( X )  
 2
Var ( X ) 
n
Chương 4
Tần suất mẫu

Gọi p là tỷ lệ các phần tử mang dấu hiệu A trên
đám đông. Gọi X là số phần tử mang dấu hiệu A
khi chọn ngẫu nhiên một phần tử từ đám đông.
Khi đó X ~ A(p) và E(X) = p, Var(X) = pq

Chương 4
Gọi nA là số phần tử mang dấu hiệu A trên mẫu

thu được, khi đó ta có tần suất mẫu:
nA
f 
n
Khi đó E(f) = p, Var(f) = pq/n
nA
Chú ý: f  X
n
Chương 4
Phương sai mẫu

n
1
S   Xi  X 
2 2
n i 1
Nếu E(X) = μ, Var(X) = σ2 thì:
n 1 2
E S 2
  
n
Chương 4
Phương sai mẫu điều chỉnh

n
1
  Xi  X 
2
S' 
2
n  1 i 1
Ta có thể chứng minh được:
E  S '2    2
Chương 4
Với mẫu cụ thể ta có:

2 k
n s 1
s '2  s   ni xi  x
2 2 2
n 1 n i 1
1  k
2 
s' 
2
 
n  1  i 1
ni xi  nx 
2

Chương 4
Độ lệch tiêu chuẩn mẫu, độ lệch tiêu chuẩn

mẫu điều chỉnh
S S 2
S' S' 2
Trên mẫu cụ thể ta có:
s s 2
s' s' 2
Chương 4
4.1.4 Quy luật PPXS của một số thống kê
quan trọng
Giả sử ta có mẫu ngẫu nhiên về dấu hiệu cần nghiên

cứu X: W=(X1, X2,…,Xn)
Hàm G = f(X1, X2,…,Xn) được gọi là thống kê.
Khi mẫu ngẫu nhiên nhận giá trị cụ thể
w = (x1, x2,…,xn) thì G cũng nhận giá trị cụ thể:
g = f(x1, x2,…,xn)
Chương 4
quan trọng
X có phân phối chuẩn

 2 

Vì X  N ,  2  nên X  N  , 
 n 
X 
U  N  0,1

n
Chương 4
quan trọng
( n  1) S '2
 
2
~  (n  1)
2
 2
X 
T ~ T (n  1)
S'
n
Khi n > 30, T có phân phối xấp xỉ chuẩn hóa
Chương 4
quan trọng
Chưa biết luật PPXS của X, mẫu đủ lớn

 2 
Vì n > 30 nên X  N  , 
 n 
X 
U  N  0,1

n
Chương 4
quan trọng
Quy luật PPXS của tần suất mẫu
Xét loại đám đông thường gặp có kích thước N,

trong đó M phần tử mang dấu hiệu A. Từ đám
đông ta lấy mẫu ngẫu nhiên kích thước n và
nA
tính được tần suất f 
n
Chương 4
quan trọng
Quy luật PPXS của tần suất mẫu


Vì n đủ lớn nên f  N  p,
pq 

 n 
f p
U  N  0,1
pq
n
Chương 4
4.2.1 Ước lượng điểm
• Giả sử cần ước lượng tham số  của ĐLNN X

• Lấy mẫu ngẫu nhiên kích thước n
• Xây dựng TK θ* = f(X1,X2,…,Xn) tương ứng với 
• Với mẫu cụ thể, tính: θtn* = f(x1,x2,…,xn)
• Khi n đủ lớn, ta lấy θ ≈ θ*tn
Chương 4
Các tiêu chuẩn đánh giá bản chất tốt của ƯL

• Ước lượng không chệch
• Ước lượng vững
• Ước lượng hiệu quả

Chương 4
Ước lượng không chệch

θ* được gọi là ƯL không chệch của θ nếu:
E(θ*) = θ
Ngược lại, ta nói θ* là ước lượng chệch của θ
Chương 4
Ước lượng vững

θ* được gọi là ước lượng vững của θ nếu với mọi
ε > 0 ta có:
lim P (  *     )  1
n 
Chương 4
Ước lượng hiệu quả (không chệch tốt nhất)
θ* được gọi là ước lượng hiệu quả của θ nếu nó

là ước lượng không chệch và có phương sai nhỏ
nhất so với mọi ước lượng không chệch khác
được xây dựng trên cùng một mẫu.
Chương 4
4.2.2 Ước lượng bằng khoảng tin cậy
Giả sử cần ước lượng tham số  của ĐLNN X

Lấy mẫu ngẫu nhiên W = (X1,X2, …, Xn)
Từ ước lượng điểm tốt nhất của θ xây dựng TK:
G = f(X1,X2, …, Xn, θ)
Sao cho G có luật PPXS hoàn toàn xác định
Chương 4
Với γ = 1 - α cho trước, xác định α1 ≥ 0, α2 ≥ 0
thỏa mãn α1+ α2 = α

Từ đó xác định các phân vị g1- α1 và gα2
 
P g11  G  g 2  1  1   2  1  
P  1*  G  *2   1 
Chương 4
Xác suất  = 1 - α được gọi là độ tin cậy

Khoảng   ,   được gọi là khoảng tin cậy
* *
1 2
I     được gọi là độ dài khoảng tin cậy

*
2
*
1
Chương 4
Độ tin cậy thường được chọn khá lớn như 0,90;

0,95 hay 0,99…. theo nguyên lý xác suất lớn thì
biến cố (θ*1 < θ < θ*2) hầu chắc chắn xảy ra trong
một lần thực hiện phép thử
Xác suất mắc sai lầm trong ƯL khoảng là α
Chương 4
Khi G có phân phối N(0,1) hoặc phân phối

Student nếu chọn α1= α2 = α/2 ta có khoảng tin
ngắn nhất và đó là các khoảng tin cậy đối xứng
Để ước lượng giá trị tối đa hoặc tối thiểu của θ ta

chọn α1= α hoặc α2 = α
Chương 4
Ước lượng kỳ vọng toán của ĐLNN

Giả sử ĐLNN X trên đám đông có E(X) = μ và
Var(X) = σ2 trong đó μ chưa biết.
Bài toán đặt ra: từ mẫu ngẫu nhiên thu được, ta

ước lượng μ
Chương 4
ĐLNN gốc X phân phối chuẩn, σ2 đã biết

  2

Vì X  N  ,   nên X  N  ,
2

 n 
X 
U  N  0,1

n
Chương 4
Xác suất Khoảng tin cậy
Hai phía P( U  u / 2 )  1        
 X  u ; X  u 
 2
n 2
n
Trái P (u  U )  1     
  ; X  u
 

 n
Phải P (U  u )  1     
 X  u

;  



 n 
Chương 4
ĐLNN gốc X phân phối chuẩn, σ2 chưa biết

Vì X  N , 
2
 nên ta xây dựng thống kê
X 
T T  n  1
S'
n
Chương 4

Hai phía P( T  t ( n1) )  1      ( n 1) S '

 X  t ( n 1) S ' 
; X  t 
 /2
 2
n 2
n
Trái P(t( n 1)  T )  1     

  ; X  t( n 1)
S' 

 n
Phải P (T  t(n 1) )  1     

 X  t( n 1)
S' 
; 
 n 
Chương 4
Chưa biết luật PPXS của X, nhưng n > 30

 2 
Vì n > 30 nên X  N  , 
 n 
X 
U  N  0,1

n
Phần còn lại tiến hành tương tự trường hợp X có
phân phối chuẩn với σ2 đã biết.
Với n đủ lớn, ta có thể lấy σ  s’.
Chương 4
Ví dụ ước lượng kỳ vọng toán:
5.8; (5.19); 5.29

Chương 4
Ước lượng tỷ lệ
Trên đám đông kích thước N có M phần tử mang
dấu hiệu A, khi đó P(A) = M/N = p.
Bài toán đặt ra: từ mẫu ngẫu nhiên thu được, ta
ước lượng p
Từ đám đông ta lấy mẫu ngẫu nhiên kích thước
nA
n và tính được tần suất f  n
Chương 4
 pq 
Vì n đủ lớn nên f  N  p, n 
 
f p
U  N  0,1
pq
n
Chương 4
Hai phía P( U  u / 2 )  1    
 f u ; f u 

2
pq
n 
2
pq
n
Trái P (u  U )  1     0; f  u 


pq
n
Phải P (U  u )  1      f  u ; 1

pq
n
Chương 4
Ví dụ ước lượng tỷ lệ: 5.32

Chương 4
4.3.1 Khái niệm về kiểm định GT thống kê
ĐN: Giả thuyết về dạng phân phối xác suất của

ĐLNN, về tham số đặc trưng của ĐLNN, hoặc về
tính độc lập của các ĐLNN được gọi là giả thuyết
thống kê, ký hiệu H0
H0 được gọi là giả thuyết gốc, là giả thuyết mà
người ta nghi ngờ và muốn bác bỏ
Chương 4
Tồn tại song song với H0 là giả thuyết cạnh tranh

H1, gọi là giả thuyết đối hay đối thuyết.
Ta quy ước khi đã chọn cặp giả thuyết H 0 và H1
thì việc chấp nhận H0 tức là bác bỏ H1 và ngược
lại.
H0 và H1 lập thành một cặp giả thuyết thống kê.
Chương 4
Xét một ĐLNN X. Từ cơ sở nào đó, người ta tìm

được E(X) = 0. Ta có các cặp giả thuyết:
 H 0 :   0  H 0 :   0  H 0 :   0
  
 H 0 :   0  H 0 :   0  H 0 :   0
Chương 4
Tiêu chuẩn kiểm định

Xét cặp giả thuyết H0/ H1
Từ mẫu thu được, ta xây dựng thống kê:
G = f(X1,X2, …, Xn, θ0)
Với θ0 là tham số liên quan đến H0, sao cho nếu
H0 đúng thì quy luật PPXS của G hoàn toàn xác
định. G được gọi là tiêu chuẩn kiểm định.
Chương 4
Miền bác bỏ, quy tắc kiểm định

Giả sử H0 đúng, khi đó G có quy luật phân phối
xác suất xác định, với xác suất  khá bé cho
trước ta có thể tìm được miền Wα:
P (G  W / H 0 )  
W : miền bác bỏ
α : mức ý nghĩa
Chương 4

Vì  khá bé, nên theo nguyên lý xác suất nhỏ ta
có thể coi biến cố (GW/H0) không xảy ra trong
một lần thực hiện phép thử.
Do đó, với mẫu cụ thể, ta tính được gtn mà
gtnW thì giả thuyết H0 tỏ ra không đúng, ta có
cơ sở bác bỏ H0.
Chương 4

Từ đám đông lấy mẫu ngẫu nhiên kích thước n,
và tính giá trị gtn
• gtnW thì bác bỏ H0, chấp nhận H1.
• gtnW chưa đủ cơ sở bác bỏ H0
Chương 4
Các loại sai lầm
Theo quy tắc kiểm định trên, ta có thể mắc hai

loại sai lầm:
• Sai lầm loại 1: bác bỏ H0 khi H0 đúng
• Sai lầm loại 2: chấp nhận H0 khi H0 sai
Chương 4
Thủ tục kiểm định

• Chọn mức ý nghĩa 
• Xây dựng tiêu chuẩn kiểm định G thích hợp
• Tìm miền bác bỏ
• Từ mẫu thu được, tính gtn và kết luận theo quy
tắc đã được trình bày.
Chương 4
4.3.2 Kiểm định giả thuyết về các tham số
Kiểm định giả thuyết về kỳ vọng toán của ĐLNN
Giả sử ĐLNN X trên đám đông có E(X) = μ và

Var(X) = σ2 trong đó μ chưa biết. Từ cơ sở nào
đó, người ta cho rằng: μ = μ0.
Với mức ý nghĩa  cho trước, ta kiểm định giả

thuyết H0: μ = μ0
Chương 4

  
2
Vì X  N  ,   nên X  N  ,
2

 n 
X  0
U

n
Nếu H0 đúng thì U ~ N(0,1)
Chương 4

H0 H1 Xác suất Miền bác bỏ
  0 P( U  u / 2 )   W   utn : utn  u / 2 
  0   0 P(U  u )   W   utn : utn  u 
  0 P (U  u )   W   utn : utn  u 
Chương 4
Từ mẫu cụ thể ta tính được:

Quy tắc kiểm định:

+ Nếu bác bỏ , chấp nhận
+ Nếu : chấp nhận , bác bỏ
Chương 4
Vì X  N   ta xây dựng tiêu chuẩn kiểm định

 ,  2
X  0
T
S'
n
Nếu H0 đúng thì T ~ T(n – 1)
Chương 4
biết
  0 P( T  t( n/21) )   W   ttn : ttn  t( n/21) 

  0
  0 P (T  t(n 1) )   W   ttn : ttn  t( n 1) 
  0 P(T  t(n 1) )   W   ttn : ttn  t( n 1) 

Chương 4
Chưa biết luật PPXS của X, nhưng n > 30

 2 
Vì n > 30 nên X  N  , 
 n 
X  0
U

n

Nếu H0 đúng thì U N(0,1).
Làm tiếp như trường hợp X phân phối chuẩn
với đã biết
Chương 4
Ví dụ kiểm định giả thuyết về kỳ vọng toán
6.1; 6.6; 6.12

Chương 4
Kiểm định giả thuyết về tỷ lệ của đám đông

Giả sử trên một đám đông tỷ lệ phần tử mang
dấu hiệu A là p. Với mức ý nghĩa α ta cần kiểm
định giả thuyết H0: p=p0
Chọn từ đám đông mẫu có kích thước n từ đó ta

tìm được f là tỷ lệ phần tử mang dấu hiệu A trên
mẫu.
Chương 4

Khi n đủ lớn ta có:
Xây dựng tiêu chuẩn kiểm định:

f  p0
U
p0 q0
n
Nếu đúng thì U N(0,1)

Chương 4
Tùy thuộc vào đối thuyết ta có miến bác bỏ:

  0 P( U  u / 2 )   W   utn : utn  u / 2 
  0   0 P(U  u )   W   utn : utn  u 
  0 P (U  u )   W   utn : utn  u 
Chương 4
Ví dụ kiểm định tỷ lệ:
6.24; 6.25; 6.26

Toán Đại Cương1908 - Sửa XSTK

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Toán Đại Cương1908 - Sửa XSTK

Uploaded by

Copyright:

Available Formats

Chương 1.

ĐẠI SỐ TUYẾN TÍNH

1.2 Không gian Vector Rn

• Ma trận không là ma trận có mọi phần từ

• Ma trận chuyển vị của một ma trận A, ký hiệu là

• Ma trận tam giác trên là ma trận có các phần tử

• Ma trận chéo: là ma trận có các phần tử nằm

• Ma trận đơn vị là ma trận chéo với các phần tử

Phép cộng ma trận và phép nhân một số với ma

• Nhân số thực k với ma trận A:

Phép nhân hai ma trận:

Chú ý rằng số cột của A phải bằng số dòng của B

Tính chất: Cho A, B, C là các ma trận có cỡ thích hợp,

Chú ý: phép nhân hai ma trận không có tính giao

Định thức của A là một số thực kí hiệu:

được định nghĩa bằng quy nạp như sau:

• Định thức cấp 1: Cho A = (a11) thì |A| = a11

• Định thức cấp 2:

• Định thức cấp 3: Quy tắc Sarrus

Trong đó i là một dòng tùy ý của ma trận A.

• Tính chất định thức:

1. Nếu A và B là các ma trận vuông cùng cỡ thì ta có

• Tìm định thức bằng biến đổi sơ cấp: Ta sử

Ví dụ: Tính định thức:

• Hạng ma trận: Cho ma trận A  0. Ta gọi cấp

• Định lý : Ba phép biến đổi sơ cấp trên các dòng

1. Đổi chỗ hai dòng của ma trận.

• Tìm hạng của A:

Vậy r(A) = r(B) = 3.

• Định nghĩa: Ma trận vuông A cấp n được gọi

Khi đó, ma trận B được gọi là ma trận nghịch

Cho ma trận vuông A cấp n, ma trận con ứng với

Phần bù đại số của phần tử là

 A11 A21  An1 

Ví dụ. Tìm ma trận nghịch đảo của

được gọi là thành phần thứ i của vectơ X.

Ta chú ý rằng, một vectơ cũng có thể được sắp xếp

 Phép nhân vectơ với một số thực:

• Tính chất cơ bản: Cho X, Y, Z là các vectơ tùy

1. X +Y = Y+X 5. k(X+Y) = kX+lX

• Định nghĩa: Cho m vectơ n chiều . Một tổng với các

• Định nghĩa: Hệ m vectơ n chiều được gọi là phụ

1. Hệ véc tơ chứa vectơ 0 là hệ phụ thuộc tuyến tính (pttt)

Xét hệ m vec tơ n chiều ; (i=1, …,m)

• Định nghĩa: Mỗi hệ con độc lập tuyến tính cực

• Định lý: Mỗi véctơ của hệ có thể biểu diễn tuyến

• Khái niệm: Hệ phương trình tuyến tính m

Ta đặt:  a11 a12  a1n  X= B=

Lần lượt gọi là ma trận hệ số, ma trận cột ẩn và

• Hệ có dạng đặc biệt:

1. Hệ thuần nhất là hệ pttt có cột hệ số tự do là

Nghiệm và điều kiện tồn tại nghiệm

Xét hệ phương trình tuyến tính (4.1), ma trận hệ số

 a11 a12  a1n b1 

• Một số hệ đơn giản có thể tìm ngay được nghiệm

1. Hệ dạng tam giác:

𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1,𝑛−1 𝑥𝑛−1 + 𝑎1𝑛 𝑥𝑛 = 𝑏1

2. Hệ dạng hình thang:

𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑟 𝑥𝑟 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1

Cách giải hệ phương trình tuyến tính bằng

• Ví dụ: Giải hệ phương trình

𝑥1 + 3𝑥2 + 5𝑥3 − 7𝑥4 = 12

• Ví dụ: Giải hệ phương trình