在 n 维线性空间中，任意 n 个线性无关的向量都可以取作空间的基.对于不 同的基，同一个向量的坐标一般是不同的.随着基的改变，向量的坐标是怎样变 化的

为了实时获得冷轧带钢酸洗溶液的浓度值,便于进行酸浓度控制,采用软测量方法实时预测酸浓度.由于酸浓度建模数据中无关成分和特异点会影响模型精度,利用正交信号校正和稳健回归相结合的方法来建立酸浓度预测模型首先利用正交信号校正对建模数据进行预处理,去除自变量中与因变量无关的成分;然后采用基于迭代加权最小二乘的稳健回归算法进行建模,降低特异点对模型的影响;最后将预测结果和多元线性回归、传统稳健回归方法和正交信号校正多元线性回归进行比较.实验结果表明:采用正交信号校正-稳健回归方法后,模型预测能力得到提高,与多元线性回归结果相比,亚铁离子质量浓度和氢离子质量浓度的相对预测误差分别从1.82%降低到1.17%、从5.87%降低到4.73%.本文提出的方法具有更好的模型预测精度,可以满足工业应用要求

利用气隙磁通密度解析模型和洛仑兹力公式建立了球坐标系下空心定子线圈所受切向电磁力和径向电磁力的解析模型.利用定子壳体和线圈座的有限元模型计算定子线圈座在电磁力作用下的应变,分析了定子壳体厚度、线圈座连接杆长度和直径对应变的影响.最后利用有限元法和解析法对样机进行分析并对结果进行比较,验证了解析模型的正确性和准确性.分析表明,当定子壳体厚度和连接杆直径线性减小而连接杆长度线性增大时,定子线圈座在电磁力作用下产生的应变量在一定范围内线性增加,然后显著增加

栈与队列是两种特殊的线性表。即:在一般线性表 的操作时,插入或删除结点的位置是任意的,在表的 中间或两端都可以进行插入或删除操作,这样,每进 行一个结点的插入或删除时必须先要定位(确定其被 执行操作结点的地址),因此实现操作比较费时。 而作为限定性的线性表一栈和队列,其主要特点 是限定了操作位置,即不能随意在表的任意结点上进 行插入或删除操作而只能在表的一端或两端进行操作 ,这样节省了定位时间并有特定规则

一、线性空间的定义. 例 1 在解析几何里,讨论过三维空间中的向量.向量的基本属性是可以按平行四边形规律相加，也可以与实数作数量算法.不少几何和力学对象的性质是可以通过向量的这两种运算来描述的

本文提出了一个利用复合码与和码来辨识H模型和前馈非线性系统的方法,而这些伪随机码是由相位相差1/2半周期的逆重复m序列所组成。采用此方法进行辨识时,即使非线性元件的奇次系数全为零,仍然能够辨识出线性系统的脉冲响应和非线性元件的偶次系数。文中附有辨识H模型的数字仿真结果,验证了所提方法的正确性

北京大学：《高等代数》课程教学资源（讲义）第四章 线性空间与线性变换 4.1 线性空间的基本概念 4.1.1-4.1.2

3.1.1齐次线性方程组的基础解系 对于齐次线性方程组

2.1.4向量组的线性等价和集合上的等价关系 定义(线性等价)给定Km内的两个向量组

为提高无法准确建立数学模型的非线性约束单目标系统优化问题的寻优精度,并考虑获取样本的代价,提出一种基于支持向量机和免疫粒子群算法的组合方法(support vector machine and immune particle swarm optimization,SVM-IPSO).首先,运用支持向量机构建非线性约束单目标系统预测模型,然后,采用引入了免疫系统自我调节机制的免疫粒子群算法在预测模型的基础上对系统寻优.与基于BP神经网络和粒子群算法的组合方法(BP and particle swarm optimization,BP-PSO)进行仿真实验对比,同时,通过减少训练样本,研究了在训练样本较少情况下两种方法的寻优效果.实验结果表明,在相同样本数量条件下,SVM-IPSO方法具有更高的优化能力,并且当样本数量减少时,相比BP-PSO方法,SVM-IPSO方法仍能获得更稳定且更准确的系统寻优值.因此,SVM-IPSO方法为实际中此类问题提供了一个新的更优的解决途径