题目内容
16.已知矩阵A=$[\begin{array}{l}{2}&{-2}\\{0}&{1}\end{array}]$,设曲线C:(x-y)2+y2=1在矩阵A对应的变换下得到曲线C′,求C′的方程.分析 设P(x0,y0)为曲线C上任意一点,点P在矩阵A对应的变换下得到点Q(x,y),利用$[\begin{array}{l}x\\ y\end{array}]=[{\begin{array}{l}2&{-2}\\ 0&1\end{array}}][\begin{array}{l}{x_0}\\{y_0}\end{array}]$,推出$\left\{\begin{array}{l}{x_0}=\frac{x}{2}+y\\{y_0}=y\end{array}\right.$,然后求解曲线C′的方程.
解答 解:设P(x0,y0)为曲线C上任意一点,点P在矩阵A对应的变换下得到点Q(x,y),
则:$[\begin{array}{l}x\\ y\end{array}]=[{\begin{array}{l}2&{-2}\\ 0&1\end{array}}][\begin{array}{l}{x_0}\\{y_0}\end{array}]$,即$\left\{\begin{array}{l}x=2{x_0}-2{y_0}\\ y={y_0}\end{array}\right.$,解得$\left\{\begin{array}{l}{x_0}=\frac{x}{2}+y\\{y_0}=y\end{array}\right.$,…(5分)
(注:用逆矩阵的方式求解同样给分)
又${({x_0}-{y_0})^2}+{y_0}^2=4$,∴${(\frac{x}{2}+y-y)^2}+{y^2}=1$,即$\frac{x^2}{4}+{y^2}=1$,
∴曲线C′的方程为$\frac{x^2}{4}+{y^2}=1$.…(10分)
点评 本题考查矩阵的变换,曲线方程的求法,考查计算能力.
| 日期 | 12月1日 | 12月2日 | 12月3日 | 12月4日 | 12月5日 |
| 温差x(℃) | 10 | 11 | 13 | 12 | 8 |
| 发芽数y(颗) | 23 | 26 | 32 | 26 | 16 |
(1)求选取的2组数据恰好是不相邻的2天数据的概率;
(2)若选取的是12月1日与12月5日这两组数据,情根据12月2日至12月4日的数据,求y关于x的线性回归方程$\stackrel{∧}{y}$=$\stackrel{∧}{b}$x+$\stackrel{∧}{a}$;
(3)若由线性回归方程得到的估计数据与所选出的检验数据的误差均不超过1颗,则认为得到的线性回归方程是可靠的,试问(2)中所得的线性回归方程是否可靠?
注:$\stackrel{∧}{b}$=$\frac{\sum_{i=1}^{n}{x}_{i}{y}_{i}-n\overline{x}•\overline{y}}{\sum_{i=1}^{n}{{x}_{i}}^{2}-n•{\overline{x}}^{2}}$=$\frac{\sum_{i=1}^{n}({x}_{i}-\overline{x})•({y}_{i}-\overline{y})}{\sum_{i=1}^{n}({x}_{i}-\overline{x})^{2}}$,$\stackrel{∧}{a}$=$\overline{y}$-$\stackrel{∧}{b}$•$\overline{x}$.
| x | 1 | 2 | 3 | 4 |
| y | 12 | 28 | 42 | 56 |
(Ⅱ)根据(Ⅰ)中的散点图拟合y与x的回归模型,并用相关系数加以说明;
(Ⅲ)建立y关于x的回归方程,预测第5年的销售量约为多少?.
附注:参考数据:$\sqrt{\sum_{i=1}^4{{{({y_i}-\overline y)}^2}}}≈32.6$,$\sqrt{5}≈2.24$,$\sum_{i=1}^4{{x_i}{y_i}=418}$.
参考公式:相关系数$r=\frac{{\sum_{i=1}^n{({x_i}-\overline x)({y_i}-\overline y)}}}{{\sqrt{\sum_{i=1}^n{{{({x_i}-\overline x)}^2}}\sum_{i=1}^n{{{({y_i}-\overline y)}^2}}}}}$,
回归方程$\widehaty=\widehata+\widehatbx$中斜率和截距的最小二乘法估计公式分别为:$\widehatb=\frac{{\sum_{i=1}^n{({x_i}-\overline x)({y_i}-\overline y)}}}{{\sum_{i=1}^n{{{({x_i}-\overline x)}^2}}}}=\frac{{\sum_{i=1}^n{{x_i}{y_i}}-n\overline x\overline y}}{{\sum_{i=1}^n{x_i^2}-n{{\overline x}^2}}}$,$\widehata=\overline y-\widehatb\overline x$.
| 7806 6572 0802 6314 2947 1821 9800 3204 9234 4935 3623 4869 6938 7481 |
| A. | 0.48 | B. | 0.40 | C. | 0.64 | D. | 0.75 |
| A. | 8π | B. | 24π | C. | 48π | D. | 64π |