线性方程组求解与向量组规范化的初等变换方法

本通过对线性方程组的系数矩阵的行与列的初等变换给出了求解线性方程组的方法，并通过对矩阵的初等变换给出了向量组正化的方法。     

一般回归模型中的U统计量

本文考虑一般回归模型中回归系数的方向的估计问题。一般回归模型的定义中,应变量y在自变量x给定之下的分布只依赖于x之分量的线性组合。这个线性组合的系数向量β就是回归系数向量。一般回归模型是通常线性模型的推广。本文中,我们构造了一个U统计量作为β之方向的估计。在适当的光滑性条件下,本文证明了该U统计量作为β的方向的估计具有相合性与渐近正态性。     

熔融LiCl及其急冷非晶键取向序的分子动力学模拟研究

本文进一步讨论了我们新近提出的等近邻数键球谐函数方法,并通过分子动力学模拟研究了熔融LiCl及其急冷过程。对计算机模拟各时间步产生的瞬态构型进行平均,计算了不同温度下键序Q_l谱.将模拟Q_l谱与线性组合模型Q_l谱比较,观察到模拟Q_l谱与含90％局部正四面体结构的组合模型十分相似,表明熔融Licl及其急冷非晶中局部键取向序明显倾向于正四面体序。急冷过程中不同温度下局部键取向序可用同一线性组合模型描述,但模型方差随模拟温度明显变化。方差随温度而降低,且在发生玻璃态转变时有一显著下降。不同温度下的键角分布也作了计算,观察到键角分布在109°(正四面体局部结构键角)附近且分布峰随温度升高而展宽,与键序Q_l得到的结论一致。     

几何问题的向量解法

既有大小又有方向的量叫做向量 ,通常用带有箭头的有向线段来表示向量 .向量中定义有几何意义明显的加法 ,减法 ,实数与向量的积以及向量与向量的数量积等重要的运算 .所谓向量法 ,就是利用向量的几何意义将几何问题转化为相应的向量问题 ,并通过向量的运算达到解题的目的 .向量法解题 ,能使原先错综复杂的演绎推理过程变为单纯的向量间的运算 ,往往可以取得出奇制胜的效果 .用向量法解题时 ,下面的有关向量知识经常被用到 :1 )线段ＡＢ的长度ＡＢ =|ＡＢ| ,线段ＡＢ的长度平方 |ＡＢ| 2 =ＡＢ·ＡＢ ;2 )两向量的和的平行四边形法则或三角…     

问题88

零向量是一个特殊向量．有这样一个命题：零向量与任意非零向量方向相同．关于其真假有两种不同的观点。     

综合题新编选登

题 79　已知P ,Q是椭圆C :x2a2 + y2b2 =1(a >b >0 )上两个动点 ,O为原点 ,直线OP的斜率为k ,而直线OP与OQ的斜率之积为m ,且 p =|OP| 2 + |OQ| 2 是一个与k无关的定值 .1)求m ,p的值 ;2 )若双曲线Γ的焦点在x轴上 ,渐近线方程为y =±mx ,椭圆C与双曲线Γ的离心率分别为e1,e2 ,求e2 -e1的取值范围 .解　OP的方程为 :y =kx ,与椭圆C的方程联立 ,可得 :x2 =a2 b2b2 +a2 k2 ,∴ |OP| 2 =x2 + y2 =(1+k2 )x2=a2 b2 (1+k2 )b2 +a2 k2 .同理可求得 :|OQ| 2 =a2 b2 [1+ (mk) 2 ]b2 +a2 ·(mk) 2=(k2 +m2 )a2 b2a2 m2 +b2 k2 .∴ p =|OP| …     

向量与有向线段

作者在对中学教师进行培训的过程中 ,有几位教师提出这样的问题 :向量在人教版高中数学第一册是这样定义的 ,“我们把既有大小又有方向的量叫做向量” ,该教材同时还提到“向量常用一条有向线段来表示 ,有向线段的长度表示向量的大小 ,箭头所指的方向表示向量的方向 .”他们的问题是 ,既然向量是用有向线段来表示 ,为什么还要引入向量概念呢 ?要搞清楚这个问题 ,实质上是要弄清楚向量与有向线段间的关系 .为了彻底弄清楚 ,需要用到一点代数学的知识 .我们知道 ,如果一条线段确定了起点和终点 ,即有方向的话 ,我们就称其是一条有向线段 ,也就…     

依“法”解题 简单容易

学习了《直线、平面、简单几何体》这一章后 ,经常遇到求点到面的距离和二面角以及直线与面的夹角的问题 .这类题若直接按定义做 ,许多同学都感到困难 .倘若采用法向量的知识解这类题 ,就变得十分容易了 .这里就谈谈运用法向量解这类题的方法 .1　求二面角、点面距离例 1　 (湖南省 2 0 0 2年高中数学竞赛试题 )如图 1,在棱长为a的正方体ABCD—A1 B1 C1 D1 中 ,E ,F分别是棱AB与BC的中点 .图 1　例 1图1)求二面角B -FB1 -E的大小 ;2 )求点D到平面B1 EF的距离 .解　如图 1,建立空间直角坐标系 ,则D( 0 ,0 ,0 ) ,B1 (a ,a ,a) ,E(a …     

Local Prediction of Chaotic Time Series Based on Support Vector Machine

Based on phase space delay-coordinate reconstruction of a chaotic dynamics system, we propose a local prediction of chaotic time series using a support vector machine （SVM） to overcome the shortcomings of traditional local prediction methods. The simulation results show that the performance of this proposed predictor for making onestep and multi-step prediction is superior to that of the traditional local linear prediction method and global SVM method. In addition, it is significant that its prediction performance is insensitive to the selection of embedding dimension and the number of nearest neighbours, so the satisfying results can be achieved even if we do not know the optimal embedding dimension and how to select the number of nearest neighbours.