第四章4-3线性映射与线性变换(续) 4.3.4线性变换的定义与运算 定义线性空间到自身的线性映射称为线性变换,记Hom(V,V)为Endr(V)或End (V)。 例恒同变换 E:V→V, >a. 例投影(射影)设V=V1V2,Va∈V,a=a+a2(a1eV,a2∈V2),定义V到 V的投影P(a)=a1,V到V2的投影P2(a)=a2 定义End(V)中的运算(加法、数乘和乘法) 加法定义为(A+)(a)=A(a)+B(a)(Va∈V) 数乘定义为(kA)(a)=k(A(a)),其中k∈K; 乘法(复合)定义为(AB)(a)=A(B(a)

第一学期第二十八次课 命题如果n维空间V上的线性变换A的矩阵相似于对角矩阵,则A在任一不变子空 间M上(的限制)的矩阵相似于对角矩阵。 证明若V上的线性变换A的矩阵相似于对角矩阵,则V可以分解为特征子空间的直 和。记A的所有特征值为,2,2,则V=V4V,取M=nV, 断言M=M1M2⊕M,首先要证明M=M1+M2+…M “2”显然:“”a∈M,则存在a1∈V,使a=a1+a2+…+a,两边 同时用A(j=1,2,…,t-1)作用,得到表达式

信度是衡量测验分数一致性或可靠性的一个指标,即用一个或一组测验对同一被试群 体施测多次,所得结果的一致性程度,以及测验分数所反映被试真实水平(即真分数)的可 靠性程度。如果对一组学生用同一个测验实施两次,测试的结果完全一样,可以认为该测 验完全可靠,这时它的信度系数为1。但在现实中这种测验是很难找到的。在测量心理属 性的教学测量中,与测量目标无关的变量(因素)对测量的不准确和不一致的效应,使这 类测量产生各种误差。误差越大,信度越低;而误差越小,信度越高

Visual Basic中,每个对象都一个相对其容器的坐标,也就是说,每个对象都是存在于一个容器中的,例如,体的容器是整个屏幕,而窗体中的每个控件的容器就是这个窗体或者是窗体中的某个容器控件(如图形框等)。对于每一个容器来说,都需要有一个坐标系,在中学数学中讲过:构成一个坐标系需要有以下三个要素:坐标原点,坐标度量单位,坐标轴的M长度与单位。坐标度量单位由容器的 ScaleMode属性决定, ScaleMode属性 设置如表所示

3.1.1平行四边形的有向面积和平行六面体的有向体积具有的三条性质 在解析几何中已证明,给定二维向量空间中的单位正交标架,设向量a,B的坐标分别 为(a1,a2)和(b,b2),则由向量a,B张成的平行四边形的有向面积为ab2-a2b,这里记 为;给定三维空间内右手单位正交标架,设向量a,B,y的坐标分别为(a1,a2,a3) (b1,b2,b3)和(1,C2,C3),则由向量a,B,y张成的平行六面体的有向体积为 (ab2-a2b1)c1+(a3b1-ab3)c2+(ab2-a2b1)C3

因子分析( Factor Analysis)是多元统讣分析技术的一个分支,其主要目的 是浓缩数据。它通过研究众多变量之间的内部依赖关系,探求观测数据中的基本 结构,并用少数几个假想变量来表示基本的数据结构。这些假想变量能够反映原 来众多的观测变量所代表的主要信息,并解释这些观测变量之间的相互依存关 系,我们把这些假想变量称之为基础变量,即因子( Factors)。因子分析就是研 究如何以最少的信息丢失把众多的观测变量浓缩为少数几个因子 因子分析是由心理学家发展起来的,最初心理学家借助因子分析模型来解释 人类的行为和能力,1904年查尔斯·斯皮尔曼( Charles spearman)在美国心理学 杂志上发表了第一篇有关因子分析的文章,在以后的三四十年里,因子分析的理 论和数学基础逐步得到了发展和完善,它作为一个一般的统计分析工具逐渐被人 们所认识和接受。50年代以来,随着计算机的普及和各种统计软件的出现,因 子分析在社会学、经济学、医学、地质学、气象学和市场营销等越来越多的领域 得到了应用

对于一个阶数比较高的行列式,利用定义求值 或利用行列式按行(列)展开法则求值都不是一种可 行的方法。诚如前面所指出的,计算一个n阶行列 式就要作n!次乘法.当n增大时,n!的增长是非常快 的,例如,18~6.4×1015。假定计算机作一次乘法运 算的时间是百万分之一秒,则通过反复使用行列式 按行(列)展开法则并用这种计算机求一个18阶行列 式的值需要的时间(以每天工作八小时计算)竟多达 200年!这就说明为一般地解决行列式的求值问 题,必须利用行列式性质发展有效的计算方法,对 各个具体问题还要善于发现和利用其特点以简化手 续。本节例析几种常用的行列式值的求法,最后介 绍行列式的简单应用

用插值的方法对一函数进行近似,要求所得到的 插值多项式经过已知插值节点;在n比较大的情 况下,插值多项式往往是高次多项式这也就容 易出现振荡现象(龙格现象),即虽然在插值 节点上没有误差,但在插值节点之外插值误差变 得很大,从“整体”上看,插值逼近效果将变得“很 差”。 所谓数据拟合是求一个简单的函数,例如是一个 低次多项式,不要求通过已知的这些点而是要 求在整体上“尽量好”的逼近原函数。这时,在每 个已知点上就会有误差,数据拟合就是从整体上 使误差,尽量的小一些

因子分析( Factor Analysis)是多元统讣分析技术的一个分支,其主要目的 是浓缩数据。它通过研究众多变量之间的内部依赖关系,探求观测数据中的基本 结构,并用少数几个假想变量来表示基本的数据结构。这些假想变量能够反映原 来众多的观测变量所代表的主要信息,并解释这些观测变量之间的相互依存关 系,我们把这些假想变量称之为基础变量,即因子( Factors)。因子分析就是研 究如何以最少的信息丢失把众多的观测变量浓缩为少数几个因子 因子分析是由心理学家发展起来的,最初心理学家借助因子分析模型来解释 人类的行为和能力,1904年查尔斯·斯皮尔曼( Charles spearman)在美国心理学 杂志上发表了第一篇有关因子分析的文章,在以后的三四十年里,因子分析的理 论和数学基础逐步得到了发展和完善,它作为一个一般的统计分析工具逐渐被人 们所认识和接受

AMCM91问题A估计水塔的水流量 美国某州的各用水管理机构要求各社区提供以每小时多少加仑计的用水率以及每天所用的总水量,但许多 社区并没有测量流人或流出当地水塔的水量的设备,他们只能代之以每小时测量水塔中的水位,其精度在 0.5%以内。更为重要的是,无论什么时候,只要水塔中的水位下降到某一最低水位L时,水泵就启动向 水塔重新充水直至某一最高水位只,但也无法得到水泵的供水量的测量数据。因此,在水泵正在工作时, 人们不容易建立水塔中的水位与水泵工作时的用水量之间的关系