行列式函数构造与应用的一点注记

将行列式与微积分结合起来,用行列式定义某些函数,利用行列式的性质和计算方法分析函数,通过微分中值定理的归一性、微分中值定理与积分中值定理的联系等实际例子,讨论行列式函数的构造及其应用.     

特殊行列式的几何意义及其在教学中的运用

对三阶行列式给出了几何意义,借助向量积、数量积和混合积讨论了行列式的性质,并对行列式的性质给出了几何解释.研究结果对行列式和解析几何的教学有积极的指导意义.     

复合函数、参数方程的几何意义

文章利用柱面方程的几何意义解释了复合函数、参数方程的几何意义。     

行列式函数

本文给出了行列式函数的一个等价定义，同时讨论了行列式函数的几何意义，并导出了行列式函数的微分性质，这些探讨对列式理论的研究提供了新的工具。     

一类特殊行列式的性质与几何应用

利用行列式构造一个函数,对它的性质进行了研究,并且阐述了当n=1,n=2,n=3时,此函数的几何意义.     

q-星型函数的Hankel行列式

在经典几何函数理论中星型函数的基础上,研究了一类与q-导数相关的q-星型函数族。首先,利用Carathéodory-Toeplitz定理,将Carathéodory函数的系数参数化。然后,利用Carathéodory函数与q-星型函数族之间的关系,研究了q-星型函数的系数及相关的Hankel行列式,得到了相关函数的前几项系数和某些Hankel行列式的精确上界。     

关于重行列式的注记

本文指出，四元数矩阵Ａ的重行列式可用一个相应的复行列式来表示，并且Ａ的非异性也可用复行列式来刻划。     

关于一类分形函数的分数阶微积分函数

研究了分数阶积分函数与微分函数及其基本性质，在此基础上讨论了一类Weierstrass分形函数的分数阶积分和分数阶微分。     

n阶行列式--n阶方阵的函数

在定义了初等变换和初等矩阵的前提下,利用矩阵三类初等变换的关系,提出了可以把方阵的行列式定义为方阵的函数的方法,并以此定义和证明了行列式的几个性质,与传统教材中的方法相比,此方法比较简洁.     

三类方程在微积分中若干典型应用

讨论以代数方程、微分方程、函数方法、差分方程为工具,解决微积分中的各类常见问题的典型方法,内容包括极限、定积分、重积分、变限积分、级数的展开与求和,辅助函数的构造等各方面的常见题型。在[1]中我们讨论了代数方程,微分方程的应用,在此我们将着重讨论函数方程,差分方程及微分方程在更广泛的问题中的典型应用。     

方程在微积分中的应用

讨论以代数方程、微分方程、函数方程、差分方程为工具,解决微积分中的各类常见问题的典型方法,内容包括极限、定积分、重积分、变限积分、级数的展开与求和,辅助函数的构造等各方面的常见题型。着重讨论代数方程、微分方程的应用。     

关于李雅普诺夫函数的几点注记

给出了关于李雅普诺夫函数的3个定义和3个定理，举例说明了所得定义和定理的应用，并给出了利用广义霍维茨条件构造非线性系统李雅普诺夫函数的“三步法”．     

结构方程模型的偏最小二乘算法及其几何意义

对含两个潜变量结构方程模型的偏最小二乘（PLS）建模技术进行了研究,给出了相应的路径图、模型设定步骤和求解算法,指出该方法本质上是一种迭代收敛算法.通过引入一种新的算符,给出了PLS算法命令图.并且基于命令图详细讨论了该算法在多维向量空间中的几何意义,在此基础上分析了不同权重关系（A型与B型）对算法的影响,得到了与其对应的各种几何图形.最后指出在算法已收敛与尚未收敛两种情况下,潜变量估计值的投影位置是不同的.     

反函数积分法和它的几何意义

积分是高等数学的主要内容之一,它的应用十分广泛,方法比较灵活,如何进行积分,视被积函数而定.被积函数若它的反函数存在且可积时,利用反函数的积分比用常规的积分方法较为简单.     

Q-对称熵损失函数下几何分布参数估计

在Q-对称熵损失函数下,讨论Poisson分布、二项分布和几何分布参数的Bayes估计,给出了更具一般性的结果。并且讨论该结果的可容许性和不可容许性。     

Grunsky泛函的一些注记

讨论了单叶函数的Grunsky泛函及其与极值拟共形延拓的关系．     

关于L-几何凸函数的不等式初探

定义了一类新的几何凸函数—L-几何凸函数,并用反向数字归纳法建立了这类几何凸函数的基本不等式,从而统一推行了一系列已知不等式,包括一些著名不等式.     

反语修辞"辞面"和"辞里"之新探

反语是一种比较常见的修辞格,由辞面和辞里两部分构成。长期以来,反语的辞里都被视为是言者所表达的真实含义,辞面只是一种形式,是为辞里服务的,辞面和辞里的语义呈现出矛盾性和逆向性。从语言事实出发,分析了反语辞面的多种作用,指出了传统理论的不足之处。     

基于角点特征的几何形状中心定位

图像特征点中心定位是位姿测量中求解位姿的关键．针对同一图像有多个几何形状的问题,首先利用开源计算机视觉库OpenCV对原图像进行区域分割,得到目标区域的边缘,其次将每个区域进行像素填充;然后用Harris算法进行角点检测;最后根据角点坐标再计算中心点,并将文中算法就一幅图像中有单个几何形状的情况与原始Harris和改进的Harris算法从准确率和效率上进行了比较．实验证明,这种中心定位算法不但提高了准确率和效率,而且误差可以减小到1个像素以内．