点到直线的距离

空间解析几何的教学中 ,空间点、直线、平面之间的关系是学习的一个重点。点和直线的位置关系包括两种 :点在直线上 ,点在直线外。当点在直线外时 ,点到直线距离的计算随之出现。笔者在教学中发现 ,这一问题的解决可以涵盖空间解析几何教学中两点间距离、向量运算、直线方程、平面方程等诸多知识点。下面以一具体例题说明。例　求点 A( 2 ,4,1 )到直线 L:x+12 =y2 =z-2-3 的距离。解法一　先求过 A点与直线 L垂直的平面方程 .用点法式 ,得2 ( x -2 ) +2 ( y -4) -3 ( z -1 ) =0即 2 x +2 y +3 z -9=0 .　　将直线方程用参数方程表示为x =2…     

用点到直线距离公式解决与函数相关的问题

点P（x，y）到直线Ax＋By＋C=0距离为d=｜Ax＋By＋C｜/√A^2＋B^2,当P（x，y）在函数y=f（x）上时，该公式变为d=｜Ax＋Bf（x）＋C｜/√A^2＋B^2,本文通过引进函数y=f（x），借助该公式解决一些与函数相关的问题．     

空间中的角和距离

空间中的角和距离是数学竞赛的考点之一，一般以选择题和填空题的形式出现，主要考查基本概念和空间点、线、面之间的位置关系，解题以通性通法为主．     

单形的构造定理

单形的构造定理由Menger最先解决,即他解决了有限点集在E~n中等长嵌入问题。本文给出了单形的另一构造定理,即有限点集在E~n中等长嵌入的一个充分必要条件: 定理预给C_(n+1)~2个正数d_(ij)(1≤i相似文献   

关于图的直径和平均距离

图的直径和平均距离是度量网络有效性的两个重要参数．Ore通过图的顶点数和直径给出无向图的最大边数．Entringer，Jakson，Slater和Ng，Teh通过图的顶点数和边数分别给出无向图和有向图平均距离的下界．该文提供这两个结果的简单证明，给出有向图类似Ore的结果，并通过图的直径改进Entringer等人的结果到更一般的情形．结合本文和Ore的结果，可以得到一个无向图和有向图平均距离的下界，它比Plesnik得到的下界更好．     

关于"太阳在银河系中所受引力与到银心距离r的关系"的讨论

讨论了银道面内的引力场强分布和太阳在银河系中所受引力与到银心距离r的关系，指出引力场强g并不是与r的平方成反比，这是由于银河系的大小和形状不能忽略造成的．强调了万有引力定律的适用条件．     

左截断右删失下核密度估计的L1距离的界

本文在左截断右删失数据下获得了概论密度的核估计的L1距离的一个上界．     

关于Gerber不等式的一个猜想

本文证明了陈计-单墫关于Ｇｅｒｂｅｒ不等式的一个猜想，作为其应用，导出了单形内一点到顶点的距离与到面的距离的两个不等式．     

掌握“通技通法”,开拓数学思维——以一道高考真题为例

年年岁岁花相似,岁岁年年人不同.对于空间角的考查,不同空间几何体的载体,不同形式的设问方式,千变万化,视角多样,倍受各方关注.结合一道高考真题,通过分析与解析,对该题进行多视角、多方法、多途径的分析与研究,提升备考层次、深度与广度,引领与指导数学教学与学习.     

QSAR Studies on the COX-2 Inhibition by 3,4-Diarylcycloxazolones Based on MEDV Descriptor

Selective inhibition of cyclooxygenase-2 (COX-2) might avoid the side effects of current available nonsteroidal antiinflammatory drugs while retaining their therapeutic efficacy. A novel variable selection and modeling method based on prediction is developed to construct the quantitative structure-activity relationships (QSAR) between the molecular electronegativity distance vector (MEDV) based on 13 atomic types and the biological activities of a set of selective cyclooxygenase-2 inhibitory molecules, 3,4-diarylcycloxazolones (DAA) plus indomethacin,naproxen, and celecoxib. Using multiple linear regression, a 5-variable linear model is developed with the calibrated correlation coefficient of 0.9271 and root mean square error of 0.17 in modeling stage and the validated correlation coefficient of 0.9030 and root mean square error of 0.20 in leave-one-out validation step, respectively. To further test the predictive ability of the model, 20 DAA compounds are picked up to construct a training set which is used to build a QSAR model and then the model is employed to predict the biological activities of the balance compounds. The predicted correlation coefficient and root mean square error are 0.9332 and 0.19, respectively.