浅谈优化向量运算的策略探究
《向量优化问题解的性质研究》范文
《向量优化问题解的性质研究》篇一一、引言向量优化问题在数学规划、决策分析、经济模型、工程优化等多个领域有着广泛的应用。
它旨在寻找一组向量解，使得这些解在满足一定约束条件下，能够达到最优的向量目标函数值。
本文将针对向量优化问题的解的性质进行研究，探讨其解的存在性、唯一性、有效性和稳定性等关键性质。
二、问题描述与模型建立向量优化问题通常可以描述为在满足一系列约束条件的向量空间中寻找一组向量解，使得目标函数达到最优。
我们可以通过建立数学模型，将向量优化问题转化为一个具有约束条件的极值问题。
该模型通常包括目标函数、约束条件和决策变量等要素。
三、解的存在性与唯一性（一）解的存在性解的存在性是向量优化问题的基础性质之一。
在一定的条件下，如目标函数和约束条件具有连续性和有界性时，可以通过极值定理证明解的存在性。
此外，还可以通过数值计算方法，如梯度法、牛顿法等，来寻找解的存在性。
（二）解的唯一性解的唯一性是指在给定的约束条件下，目标函数存在唯一的极值点。
当目标函数为凸函数时，其极值点即为全局最优解，此时解具有唯一性。
然而，在非凸函数的情况下，可能存在多个局部最优解，此时解的唯一性无法保证。
四、解的有效性解的有效性是指所求得的解是否能够满足实际问题中的需求。
在向量优化问题中，我们需要寻找的不仅是数学上的最优解，还要考虑其在实际应用中的有效性。
因此，我们需要对所求得的解进行评估和验证，确保其能够满足实际问题的需求。
五、解的稳定性解的稳定性是指当问题的参数发生变化时，解的变动程度。
在向量优化问题中，由于目标函数和约束条件可能受到多种因素的影响，因此解的稳定性是一个重要的研究内容。
我们可以通过分析参数变化对解的影响程度，来评估解的稳定性。
当参数变化对解的影响较小时，我们认为解具有较好的稳定性。
六、研究方法与实例分析（一）研究方法针对向量优化问题的解的性质研究，我们可以采用理论分析和数值计算相结合的方法。
首先，通过建立数学模型和运用极值定理等理论工具，对解的存在性和唯一性进行分析。
《向量优化问题解的性质研究》范文
《向量优化问题解的性质研究》篇一一、引言向量优化问题在数学规划、决策分析、经济预测等多个领域中具有广泛的应用。
随着科学技术的不断发展，向量优化问题的研究逐渐成为数学领域的一个热点。
本文旨在探讨向量优化问题解的性质，以期为相关领域的研究和应用提供理论支持。
二、问题描述与基本概念向量优化问题通常涉及到多个目标函数和约束条件，其基本形式为：在满足一系列约束条件下，寻找一组解使得多个目标函数达到最优。
这些目标函数通常为实值函数，而解则以向量的形式呈现。
在向量优化问题中，常涉及的概念包括：有效解、弱有效解、强有效解等。
这些解的概念基于目标函数的优化程度和约束条件的满足情况，对于理解向量优化问题的解的性质具有重要意义。
三、向量优化问题的解的性质1. 有效解的性质有效解是指在给定的约束条件下，至少有一个目标函数达到最优的解。
其性质表现为在可行域内，有效解是局部最优的。
此外，有效解的集合通常为凸集，具有较好的稳定性和可计算性。
2. 弱有效解与强有效解的性质弱有效解是指在没有更劣的解的情况下，至少有一个目标函数达到局部最优的解。
而强有效解则是在弱有效解的基础上，所有目标函数均达到最优。
这两种解的概念在向量优化问题中具有重要地位，它们之间的关系和性质对于理解向量优化问题的解的空间结构具有重要意义。
四、向量优化问题解的性质研究方法1. 数学分析方法：通过运用数学分析中的导数、偏导数等工具，研究向量优化问题的解的性质。
这种方法可以深入挖掘解的内在规律，为进一步的理论研究提供基础。
2. 计算智能方法：利用计算智能技术如遗传算法、模拟退火等，求解向量优化问题的近似最优解。
通过对比分析这些近似最优解的性质，可以揭示向量优化问题解的一般性质。
3. 实证研究方法：结合实际问题的背景和特点，构建具体的向量优化模型，通过求解和分析具体问题的解的性质，来验证和拓展理论研究的成果。
五、研究现状与展望目前，关于向量优化问题解的性质的研究已经取得了一定的成果。
《向量优化问题解的性质研究》范文
《向量优化问题解的性质研究》篇一一、引言向量优化问题在数学规划、决策分析、经济预测等多个领域中有着广泛的应用。
这类问题旨在寻找多个指标下的最优解，而不仅仅是单一目标的最小化或最大化。
因此，理解并掌握向量优化问题解的性质具有重要的学术价值和实践意义。
本文将对向量优化问题的解进行深入的研究，分析其性质，以期为相关领域的实践提供理论支撑。
二、向量优化问题的基本形式与解的概念向量优化问题通常以多目标的形式出现，其基本形式为：在给定的约束条件下，寻找一组决策变量，使得由这些变量构成的向量函数达到最优。
这里的“最优”可以是多种含义，如最大、最小或特定准则下的最优。
对于向量优化问题的解，我们通常指的是帕累托最优解（Pareto optimal solution）。
这种解是指无法通过任何方式改进一个目标而不损害至少一个其他目标的解。
换句话说，它是在给定约束下无法进一步改进的解。
三、向量优化问题解的性质研究1. 帕累托最优解的唯一性与存在性帕累托最优解的唯一性与存在性是向量优化问题研究的核心内容之一。
在特定的条件下，如凸集和线性目标函数的情况下，帕累托最优解的存在性和唯一性可以得到证明。
然而，对于非凸或非线性问题，这一性质可能不成立。
2. 解的稳定性与连续性解的稳定性和连续性是衡量向量优化问题解质量的重要指标。
在一定的参数变化范围内，如果解的变动较小，则称该解具有稳定性；如果解随参数连续变化，则称该解具有连续性。
对于不同类型的向量优化问题，我们需要分析其解的稳定性和连续性，以判断解的有效性和可靠性。
3. 解的有效性与多样性在向量优化问题中，有效的解决方案可能不止一个。
这些解在效率、效果或其他标准上可能有不同的表现。
我们可以通过对问题的深入分析来研究这些解的有效性和多样性，以便在实践中选择最适合的解决方案。
四、结论通过对向量优化问题解的性质进行研究，我们可以更好地理解这类问题的本质和特点。
在理论层面上，这有助于我们进一步丰富和完善向量优化的理论体系；在实践层面上，这有助于我们更好地解决实际问题，提高决策的有效性和准确性。
例析高考试题中平面向量的四大运算策略及教学反思
例析高考试题中平面向量的四大运算策略及教学反思高考数学试题中，平面向量是一个重要的考点。
平面向量的四大运算，包括加法、减法、数量乘法和点乘，是解决向量题目的基础。
本文将通过分析高考试题的形式与内容，探讨四大运算策略的应用，并对教学过程进行反思，以提升学生的理解与应用能力。
一、加法运算策略在高考试题中，平面向量的加法运算常常需要进行分解和合成等处理方式。
在解题过程中，可以遵循以下策略：1. 分析向量所在的直角坐标系，确定其坐标分量。
2. 利用三角函数关系，将向量转化为分解形式。
3. 根据分解的形式进行运算，确定最终的结果向量。
例如，某高考试题如下：已知向量a = (-3, 2)、向量b = (4, -1)，求向量a + b。
解答过程如下：1. 分析向量坐标分量：对向量a，横坐标为-3，纵坐标为2；对向量b，横坐标为4，纵坐标为-1。
2. 进行分解运算：向量a + b = (-3 + 4, 2 - 1) = (1, 1)。
3. 得出最终结果向量：向量a + 向量b = (1, 1)。
通过以上步骤，我们成功地完成了向量的加法运算。
二、减法运算策略平面向量的减法运算是解决向量题目中常见且重要的一种运算。
在减法运算中，我们可以采用以下策略：1. 利用加法的逆运算，将减法转化为加法运算。
2. 根据向量的坐标分量进行相减操作，得到最终结果。
例如，某高考试题如下：已知向量a = (2, 3)、向量b = (-1, 4)，求向量a - b。
解答过程如下：1. 利用加法的逆运算：向量a - 向量b = 向量a + (-1) ×向量b。
2. 进行相减操作：向量a + (-1) ×向量b = (2, 3) + (-1) × (-1, 4)。
= (2, 3) + (1, -4)。
= (3, -1)。
3. 得出最终结果向量：向量a - 向量b = (3, -1)。
通过以上步骤，我们成功地完成了向量的减法运算。
《2024年向量优化问题解的性质研究》范文
《向量优化问题解的性质研究》篇一一、引言向量优化问题是一种多目标决策问题，其涉及多个目标函数的优化，并考虑各种约束条件。
在现实世界中，许多问题都可以转化为向量优化问题，如多目标决策、多属性决策、多目标优化等。
因此，研究向量优化问题的解的性质具有重要的理论和实践意义。
本文旨在探讨向量优化问题解的性质，为相关领域的研究提供理论支持。
二、问题描述与模型建立向量优化问题可以描述为：在给定的约束条件下，寻找一组解，使得多个目标函数达到最优。
通常，这些目标函数可能是相互矛盾的，因此需要在多个目标之间进行权衡。
设目标函数向量为f(x) = (f1(x), f2(x), ..., fm(x))，其中m为目标函数的数量。
约束条件包括等式约束和不等式约束。
数学模型可以表示为：min f(x) = (f1(x), f2(x), ..., fm(x))s.t. gi(x) = 0, i = 1,2,...,phi(x) ≤ 0, i = 1,2,...,q其中，f(x)为目标函数向量，gi(x)和hi(x)分别为等式约束和不等式约束。
三、解的性质研究1. 解的存在性：向量优化问题的解的存在性是研究其解的性质的基础。
当目标函数和约束条件满足一定条件时，可以证明解的存在性。
例如，当目标函数为凸函数且约束集为非空、有界、闭集时，解存在。
2. 解的唯一性：对于某些向量优化问题，可能存在多个解。
然而，在某些特殊情况下，如目标函数为严格凸函数时，解具有唯一性。
这为实际问题提供了更明确的指导方向。
3. 解的稳定性：解的稳定性是指当问题的参数发生变化时，解是否会发生显著变化。
对于某些向量优化问题，解可能对参数的变化非常敏感，而对于其他问题，解可能相对稳定。
这有助于评估解的可靠性和鲁棒性。
4. 解的多样性：在某些情况下，向量优化问题可能存在多个帕累托最优解，即在不同目标上达到最优的解。
这些解具有不同的特性，可以为决策者提供多种选择。
四、研究方法为了研究向量优化问题解的性质，可以采用以下方法：1. 数学分析法：通过运用数学工具，如凸分析、非线性规划等，对向量优化问题进行严格的理论推导和证明。
《2024年向量优化问题解的性质研究》范文
《向量优化问题解的性质研究》篇一一、引言向量优化问题在数学规划、决策分析、经济预测等多个领域中具有广泛的应用。
随着科学技术的不断发展，向量优化问题的研究逐渐成为数学领域的一个热点。
本文旨在探讨向量优化问题解的性质，通过数学分析和实证研究，为相关领域的实践应用提供理论支持。
二、向量优化问题的基本概念与模型向量优化问题涉及多个目标函数的优化，其基本模型为：在满足一定约束条件下，寻求一组决策变量，使得多个目标函数达到最优。
这些目标函数通常为向量值函数，其解集构成一个向量优化问题的解空间。
三、向量优化问题解的存在性与唯一性（一）解的存在性向量优化问题的解的存在性主要依赖于问题的约束条件和目标函数的性质。
当约束条件合理且目标函数具有连续性时，通过拓扑学和极值理论，可以证明解的存在性。
（二）解的唯一性解的唯一性则与问题的凸性、连续性及目标函数的数量有关。
在凸空间中，若目标函数满足一定条件，如严格单调性或凸性，则可保证解的唯一性。
然而，对于非凸问题或多个目标函数的情况，解的唯一性可能无法保证。
四、向量优化问题解的性质分析（一）解的稳定性向量优化问题的解往往具有一定的稳定性。
当问题的参数发生变化时，解的变化程度取决于问题的性质和参数变化的幅度。
通过分析目标函数的敏感性及约束条件的紧性，可以评估解的稳定性。
（二）解的有效性与非支配解在多目标优化问题中，存在一种特殊解——非支配解。
非支配解是指在不劣于其他解的每个目标函数上，至少有一个目标函数值优于其他解的解。
通过寻找非支配解，可以有效地找到问题的帕累托最优解集，即有效解集。
五、实证研究与应用（一）实证研究方法通过构建具体的向量优化问题模型，运用数学软件和编程技术进行求解，分析解的性质。
同时，结合实际问题背景，对解进行合理性和有效性检验。
（二）应用领域向量优化问题的研究在多个领域具有广泛的应用。
如在经济预测中，可以通过多目标优化模型预测不同经济指标的发展趋势；在决策分析中，可以通过寻找非支配解为决策者提供多种可选方案；在生产管理中，可以通过向量优化模型实现资源的合理分配和利用等。
《2024年向量优化问题解的性质研究》范文
《向量优化问题解的性质研究》篇一一、引言向量优化问题在数学规划、决策分析、经济预测等多个领域中具有广泛的应用。
随着科学技术的不断进步，向量优化问题逐渐成为研究的热点。
本文旨在研究向量优化问题解的性质，探讨其解的存在性、唯一性及有效性，以期为相关领域的实际应用提供理论支持。
二、问题背景与数学模型向量优化问题是在一定的约束条件下，通过寻找目标函数的最优解来实现向量的最大化或最小化。
数学模型一般可表述为在向量空间中寻找一个或多个目标函数的最大值或最小值，同时满足一定的约束条件。
这些约束条件可能包括等式约束和不等式约束，涉及到的变量可能是连续的或离散的。
三、解的存在性与唯一性1. 解的存在性：向量优化问题的解的存在性主要依赖于问题的定义域和目标函数的性质。
当定义域非空且目标函数在定义域内具有连续性时，根据拓扑学和实数理论，可以证明解的存在性。
此外，当约束条件较为宽松时，解的存在性也更容易得到保证。
2. 解的唯一性：解的唯一性则与问题的约束条件和目标函数的形状有关。
在无约束或约束条件较少的情况下，目标函数可能存在多个局部最优解，但这些局部最优解不一定是全局最优解。
当约束条件较为严格且目标函数形状较为特殊时，解的唯一性可以得到保证。
四、解的有效性与性质1. 解的有效性：解的有效性主要指解在满足约束条件的同时，能否使目标函数达到最优值。
有效的解通常是局部最优解或全局最优解。
在向量优化问题中，有效解的求解往往需要借助数学规划、线性规划、非线性规划等方法。
2. 解的性质：解的性质主要包括解的稳定性、连续性、可导性等。
这些性质对于分析解的求解过程、优化算法的选择以及解的实际应用具有重要意义。
例如，当解具有较好的稳定性时，说明解对于参数的变化或初始条件的扰动具有较好的抵抗能力；当解具有连续性和可导性时，可以利用梯度下降法、牛顿法等优化算法进行求解。
五、研究方法与实例分析1. 研究方法：研究向量优化问题解的性质，需要综合运用数学分析、线性代数、拓扑学、实数理论等多学科知识。
《向量优化问题解的性质研究》范文
《向量优化问题解的性质研究》篇一一、引言向量优化问题作为现代数学优化理论的一个重要分支，广泛应用于工程、经济、决策分析等多个领域。
向量优化问题不仅仅关注单个目标函数的优化，而是考虑多个目标函数的协同优化。
本文旨在深入探讨向量优化问题解的性质，包括解的存在性、唯一性以及稳定性等方面，为进一步的研究和应用提供理论依据。
二、问题描述与预备知识向量优化问题通常表述为在满足一定约束条件下，寻找一组向量使得各个目标函数达到最优。
这类问题常涉及到多元函数极值理论、线性规划等基础知识。
对于解的存在性、唯一性和稳定性，这些问题一直是数学优化的核心议题。
三、解的存在性研究1. 存在性定理：在一定的约束条件和目标函数下，通过引入适当的数学工具和技巧（如极值理论、变分法等），我们可以证明解的存在性。
这一部分的证明依赖于函数空间的可达性，即任何函数在满足一定条件下的可行域中，总存在最优解。
2. 实例分析：以多目标决策问题为例，通过具体的数学模型和计算过程，展示解的存在性在实践中的应用。
例如，在资源分配问题中，通过向量优化模型可以找到满足多个目标的资源分配方案。
四、解的唯一性研究1. 唯一性条件：解的唯一性取决于问题的特定条件。
在某些情况下（如凸函数的情形），向量优化问题的解是唯一的。
对于非凸情况或多个解共存的情况，则可能需要进行深入分析和处理。
2. 探讨非唯一解的性质：在多个解共存的情况下，我们需要研究这些解的稳定性和性质，以便在实际应用中做出合理的选择。
五、解的稳定性研究1. 稳定性定义与性质：解的稳定性指的是在给定条件微小变化时，最优解的稳定程度。
我们通过分析目标函数和约束条件的变化对最优解的影响，来探讨向量优化问题的稳定性。
2. 影响因素与实验分析：我们可以通过对不同的目标函数和约束条件进行实验分析，来观察解的稳定性及其变化规律。
同时，我们还需考虑实际因素如算法的选择、初始条件的设定等对解稳定性的影响。
六、结论与展望通过对向量优化问题解的性质进行深入研究，我们得到了关于解的存在性、唯一性和稳定性的重要结论。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｐ为线 段 ｃ Ｄ 的中点 ， 则止
（ ） ．
一
可变形 为
（ Ａ） ２ （ Ｂ） ４ （ Ｃ） ５ （ Ｄ） １ ０
（ ｃ 一 口 ）． ｆ ｃ 一 １ ＝ ｏ ，
即 ・ ‘ 一ｏ ， 则点 ｃ在以ＡＤ为直径端点
解
如图 ２ ， 在 Ｃ Ｄ 延
长线上取 Ｉ Ｄ Ｑｌ —ｌ Ｐ ＤＩ ， 则 四边形 Ａ Ｑ Ｂ Ｐ为平行 四边 形， 所 以 ２ （ Ｉ Ｐ Ａｌ 。 ＋ｌ Ｐ ＢＩ ）
１ ６ ， ｉ Ｉ 一１ ０ ’ 若 ＝ ＝ ＝ ＋ ， 且 ３ ２ ｘ － ＋ － ２ ５ ｙ ＝２ ５ ， 则 一— — ． 解 如图 ６ ， 由 一 ＋３ ， ， 则 一 ｚ 蕊 。 ＋Ｙ ．
记线段 ＡＢ， ＡＣ的 中点 Ｍ ， Ｎ， 因为 ０为 △ＡＢ Ｃ的外心 ， 则
．
ｌ ０ Ｎ Ｉ ∈（ 去， ｌ ， 所以Ｉ ａ － ＋ － ｂ Ｉ Ｅ （ １ ］ ．
’ 厶 厶 一
ＡＢ上运 动． 记 一口 ，
图４
图 ５ 图６
＝６ ， 线段 Ａ Ｂ中点 为 Ｎ， 则
ａ ｔ ｂ
一 ＿
．
当点 ０ 在 优 弧 Ａ Ｂ上 运 动 时，
１
例６ （ ２ ０ １ ２ 年浙江省宁波市高三 ４ 月高
， ．
考模拟题）已知 ０为ＡＡ Ｂ Ｃ的外心， ｆ Ａ 引一
． － －
，
－ ｏ ／ ｝ ＝６ ， 则赢 一２ ａ －ｂ ， 所 以在
△Ｏ Ａ Ｂ中， 由余弦定理可得 Ｉ ｂ ｌ
一３ ．
（ Ａ ） 遣
（ ｃ） ．
（ Ｂ ）
（ Ｄ ） 譬
点评
如 果通 过 对 ｌ ２ Ｄ 一
图１
解
如图 ３ ， 令 一ｎ ，
Ｉ —ｊ ｉ － ６ 两边平方来解 ， 不仅费
时， 而且 没有这 种直 观 的认 识 ．
峦一６ ， 因为ｌ 口 Ｉ —ｌ ｂ Ｉ 一口・ ｂ
＝２ ， 则正ＡＡ Ｂ Ｃ中， Ｉ Ｏ ＡＩ 一 ２ ， 记Ｏ Ｂ中点为 Ｄ ， Ａ Ｄ中点 为Ｍ 因为
（ ａ －ｃ ）・（ ６ —２ ｃ ） ＝Ｏ
图３
例２ （ ２ ０ １ ２年江西省高考题）在直角 三 角形 ＡＢＣ中 ， 点 Ｄ 是 斜 边 ＡＢ 的 中点 ， 点
第３ ２卷第 ３ 期
２ ０ １ ３年 ３月
数学教学研究
３ ７
浅谈 优 化 向量 运算 的策略 探 究
叶 兴 炎
（ 浙 江 省 绍兴 县柯 桥 中学 ３ １ ２ ０ ３ ０ ）
解决平 面向量 问题 ， 许多学 生习惯运用 向
一
ｌ ＡＢＩ ＋ ｌ Ｐ ＱＩ ．
量的加减法、 坐标法等代数手段， 但在操作中 又 ｌ Ａ Ｂｌ 一４ ｌ Ｐ ＣＩ ， ｌ Ｐ ＱＩ － － ２ ｌ Ｐ ＣＩ ， 常会出现计算繁杂、 举步维艰 的情况， 而且体 所 以 ２ （ Ｉ Ｐ ＡＩ 。 ＋Ｉ Ｐ ＢＩ 。 ） ＝２ ０ Ｉ Ｐ Ｃ Ｉ 。 ， 现不出平面向量集数形于一身 ， 是沟通代数与 几何的天然桥梁的地位． 本文 以形助数， 使向 答 案选 Ｄ． 点 评 构 造平 行 四边 形 Ａ ＱＢ Ｐ后 ， 发 现 量问题 的解决直观 化 、 简单化 ， 并 帮助学 生“ 理 可 以用平 行 四边形 的两 邻边 及两 对角线 长 的 解数学运算的意义与价值 ， 发展运算能力” ． 等量关系， 这样既简化 了运算又挖掘 了题 目 策略 １ ： 构 造常规 模 型 根据平面向量的加法、 减法的三角形 、 平 的本质． 策略 ２ ： 构造 特 殊模型 行 四边形法则 ， 可以根据试题背景 ， 构造三角 当常规模型不易发挥作 用时， 可以构造 形、 平行 四边形、 矩形 、 菱形等常规模型， 运用 圆等特殊模型， 简化解题过程． 数形结合 的思想 ， 使 问题得到解决． 例３ （ ２ ０ １ ２ 年浙江省绍兴市高三教学 例ｌ （ ２ ０ １ ２年新课标高考题）已知向 ， ｂ ， ｃ 满足 Ｉ ａ Ｉ ＝Ｉ ｂ Ｉ 量ａ ， ｂ夹角 为 ４ ５ ， 且Ｊ ａ ｌ 一１ ， Ｉ ２ 口 一ｂ ｌ ＝ 质量调测题）已知向量 口 ￣ － ａ・ ｂ －２ ， （ 口 一ｃ ）・ （ ６ —２ ｃ ） 一０ ， 则Ｉ ６ 一ｃ Ｉ 则 一 ． 的最小值 为 （ ） ． 解 如图 １ ， 令 ＝ ２ ａ ，
解
ｏ
蔺一 Ｉ Ｉ ． ｌ Ｉ ＝ 吉 ．
・ ， 再 根据 几何 意义 ， 直接 得到 开后较复杂 的计算．
所 以 — 取值 的集合是 ｛ １ ） ． 点评 通过 的两 个 数 量积运 算 ， 得到
如图 ４ ， 构 造 半
Ａ
答案 ， 避免 了 ・
径为 的 圆 Ｍ ， 弦ｌ ＡＢ ｌ １ ， 点 ０ 为 圆 Ｍ 上 除 点 Ａ， Ｂ外 一点 ， 点 ０ 在优 弧
的圆上． 所 以当 ｝ ６ 一ｃ Ｉ 即Ｉ Ｂ Ｃｌ 取最小值 时， 点 Ｃ为线段 Ｂ Ｍ 与圆Ｍ 的交点 ， 此时 ｌ ６ 一ｃ Ｉ
图２
的最小值
一 ， 答案选 Ｒ
３ ８
数学教学研 究
第３ ２卷第 ３ 期
２ ｏ １ ３年 ３ 月
点评 通 过 构 造 圆 Ｍ ， 使得 貌似凌乱、 复杂 的条 件 在 图 中和谐 共 存 ， 而 所 求 问题 自
记线 段 ＭＮ 中点 为 Ｑ， 则在正 ／ ￣ Ｏ ＭＮ
中， 根据 数量 积 的几 何意义 ，
・
然转化成学生熟悉的求圆外一点到圆上一点 距离 的最 小值 ． 例４ （ ２ ０ １ ２年 浙 江省 名 校 新 高考 研 究 联盟第 二 次 联 考 题 ）非 零 向 量 ４ ， ｂ夹 危 为 ６ Ｏ 。 ， 且Ｉ ａ —ｂ Ｉ 一１ ， 则Ｉ Ｃ ｔ ＋ｂＩ 的取 值 范 围为