1. 线性是什么
线性时不变系统的性质齐次性
若激励f(t)产生的响应为y(t)，则激励af(t)产生的响应即为ay(t)，此性质即为齐次性。其中a为任意常数。
f(t)系统y(t)，af(t)系统ay(t)
叠加性
若激励f1(t)与f2(t)产生的响应分别为y1(t)，
y2(t)，则激励f1(t)+f2(t)产生的
应即为y1(t)+y2(t)，此性质称为叠加性。
线性
若激励f1(t)与f2(t)产生的响应分别为y1(t)，
y2(t)，则激励a1f1(t)+a2f2(t)产
的响应即为a1y1(t)+a2y2(t)，此性质称为线性。
时不变性
若激励f(t)产生的响应为y(t)，则激励f(t-t0)产生的响应即为y(t-t0)，此性质称为
不变性，也称定常性或延迟性。它说明，当激励f(t)延迟时间t0时，其响应y(t)也延
迟时间t0，且波形不变。
微分性
若激励f(t)产生的响应为y(t)，则激励产生的响应即为此性质即为微分性。
积分性
若激励f(t)产生的响应为y(t)，则激励产生的响应即为。此性质称为积分性
2. 线性是什么材料
llpe是线性聚乙烯材料。
线性聚乙烯是一种化学物质，指大分子主链上不带长侧链，只含短侧链的一类聚乙烯。
线性聚乙烯linear Fx lyethylene这是相对于带枝权状长侧链的，用高压法生产的低密度聚乙烯而言的；通常包括高密度聚乙烯，超高分子量聚乙烯，线性低密度聚乙烯，极低密度聚乙烯等。它们均采用齐格勒一纳塔催化剂或铬系催化剂，在低压下进行聚合制得。
3. 多元线性模型的线性是什么
行列式概念的最初引进是在解线性方程组的过程中。行列式被用来确定线性方程组解的个数，以及形式。
随后，行列式在许多领域都逐渐显现出重要的意义和作用。
在本质上，行列式描述的是在n维空间中，一个线性变换所形成的“平行多面体”的“体积”。
行列式无论是在微积分学中（比如说换元积分法中），还是在线性代数中都有重要应用。
在高中，提出行列式就是为了可以“形式地”（所谓形式地，如移项就是一种形式变换，其本质是方程两边同加一个相同的数，与原方程同解。）用于解多元一次方程组。
4. 开口线性是什么
用于线性低密度聚乙烯薄膜的复合开口剂及其使用方法本发明涉及线性低密度聚乙烯薄膜领域，特别是一种用于解决薄膜粘连的开口 剂。
线性低密度聚乙烯(LLDPE)薄膜广泛地应用工业品及日用消费品的包装及农业 生产等方面，但薄膜在生产和贮存过程中会因受压而粘连在一起，即产生“粘连”现象，从而 影响其在人们日常生活中及工业化自动包装生产线中的使用。LLDPE薄膜发生粘连主要是由于表面光滑使薄膜之间形成真空所致。
5. 多重共线性是什么
多重共线性,Multi-collinearity,是指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系而使模型估计失真或难以估计准确。一般来说，由于经济数据的限制使得模型设计不当，导致设计矩阵中解释变量间存在普遍的相关关系。完全共线性的情况并不多见，一般出现的是在一定程度上的共线性，即近似共线性。 多重共线性产生的原因主要有3方面：
1. 经济变量相关的共同趋势
2.滞后变量的引入
3.样本资料的限制 多重共线性的影响有: 1.完全共线性下参数估计量不存在 2.近似共线性下OLS估计量非有效. 多重共线性使参数估计值的方差增大,1/(1-r2)为方差膨胀因子(Variance Inflation Factor, VIF) 3.参数估计量经济含义不合理
4.变量的显著性检验失去意义，可能将重要的解释变量排除在模型之外
5.模型的预测功能失效, 变大的方差容易使区间预测的“区间”变大，使预测失去意义. 需要注意：即使出现较高程度的多重共线性,OLS估计量仍具有线性性等良好的统计性质.但是OLS法在统计推断上无法给出真正有用的信息. 多重共线性的解决方法有: 1.排除引起共线性的变量, 找出引起多重共线性的解释变量,将它排除出去,以逐步回归法得到最广泛的应用. 2.差分法, 时间序列数据,线性模型: 将原模型变换为差分模型 3.减小参数估计量的方差: 岭回归法（Ridge Regression）
6. 线性是什么意思?
线性过程意思是指教师实施课程专家制定的课程变革计划的过程。
7. cad打印线性是什么
cad中心线一般为点划线，设置线型：首先打开cad，点击计入图层特性管理器。
在cad的图层特性管理器中点击线型进行设置。
在选择线型中点击加载选项。选择合适的中心线然后确定。
在选择线型中点击选择刚才加载的点划线，然后点击确定。
此时用直线工具画出中心线，画出来的线并不是点划线，因为线型比例因子过小。输入“lts”然后按回车键确定。如果是找图元的中心，presscad快捷键是ML。
8. 线性是什么时候学的
高等数学上册的微分方程里就学了。线性代数中也包括线性相关线性无关
9. 骑砍强制单线性是什么
由储能元件的初始储能和独立电源共同引起的响应，称为完全响应，简称全响应。
是零输入响应和零状态响应叠加的结果，也体现了线性电路的叠加性。
换路后,电路中即存在激励电源,储能元件又有初始储能，他们共同维持的响应。
可分为零输入响应和零状态响应，也可分为自由响应和强迫响应。
10. cad线型是什么
CAD标准线型中定位轴线一般用点划线（CENTER），也就是经常用到的中心线（CENTER），线宽一般设置为默认大小，颜色设置为用为红色。
AutoCAD中的线型是以线型文件（也称为线型库）的形式保存的，其类型是以“.lin”为扩展名的ASCII文件。可以在AutoCAD中加载已有的线型文件，并从中选择所需的线型；也可以修改线型文件或创建一个新的线型文件。
11. 数学中的共线性是什么
一、造成多重共线性的原因
多重共线性问题就是说一个解释变量的变化引起另一个解释变量地变化。如果各个自变量x之间有很强的线性关系，就无法固定其他变量了，就找不到x和y之间真实的关系了。通俗地讲共线性是指，自变量X（解释变量）影响因变量Y（被解释变量）的时候，多个X之间本身就存在很强的相关关系，即X之间有着比较强的替代性，因而导致共线性问题。
二、多重共线性的检验
回归分析时，直接查看VIF值，如果全部小于10（严格是5），则说明模型没有多重共线性问题，模型构建良好；反之若VIF大于10说明模型构建较差。也可以直接做相关分析，如果某两个自变量X（解释变量）的相关系数值大于0.7，也有可能出现很强的共线性问题。
三、解决方法
共线性问题共有以下五种解决办法：1. 手动移除出共线性的自变量先做下相关分析，如果发现某两个自变量X（解释变量）的相关系数值大于0.7，则移除掉一个自变量（解释变量），然后再做回归分析。但此种办法有一个小问题，即有的时候根本就不希望把某个自变量从模型中剔除，如果有此类情况，可考虑使用逐步回归让软件自动剔除，同时更优的办法可能是使用岭回归进行分析。
2. 逐步回归法让软件自动进行自变量的选择剔除，逐步回归会将共线性的自变量自动剔除出去。此种解决办法有个问题是，可能算法会剔除掉本不想剔除的自变量，如果有此类情况产生，此时最好是使用岭回归进行分析。
3. 增加样本容量增加样本容量是解释共线性问题的一种办法，但在实际操作中可能并不太适合，原因是样本量的收集需要成本时间等。
4. 岭回归上述第1和第2种解决办法在实际研究中使用较多，但问题在于，如果实际研究中并不想剔除掉某些自变量，某些自变量很重要，不能剔除。此时可能只有岭回归最为适合了。岭回归是当前解决共线性问题最有效的解释办法，但是岭回归的分析相对较为复杂，后面会提供具体例子，当然也可以参考SPSSAU官网岭回归说明。
5. 利用因子分析合并变量共线性问题的解释办法是，理论上可以考虑使用因子分析（或者主成分分析），利用数学变换，将数据降维提取成几个成分，即把信息进行浓缩，最后以浓缩后的信息作为自变量（解释变量）进入 模型进行分析。此种解释办法在理论上可行，而且有效。但实际研究中会出现一个问题，即本身研究的X1,X2,X3等，进行了因子分析(或主成分）后，变成成分1，成分2类似这样的了，意义完全与实际研究情况不符合，这导致整个研究的思路也会变换，因而此种办法适用于探索性研究时使用，而不适合实际验证性研究。
四、处理原则
1.多重共线性是普遍存在的，轻微的多重共线性问题可不采取措施。
2.严重的多重共线性问题，一般可根据经验或通过分析回归结果发现。如影响系数符号，重要的解释变量t值很低。要根据不同情况采取必要措施。
3.如果模型仅用于预测，则只要拟合程度好，可不处理多重共线性问题，存在多重共线性的模型用于预测时，往往不影响预测结果。
上述说明中，最终岭回归是处理共线性问题最优的解释办法。下面以一个案例来讲述岭回归的具体分析处理，岭回归通过引入k个单位阵，使得回归系数可估计；单位阵引入会导致信息丢失，但同时可换来回归模型的合理估计。
五、SPSSAU中的应用
在SPSSAU（网页版SPSS）上，用户可以根据以上解决方法完成分析，并且系统会针对用户数据智能化分析，给出分析建议及规范化分析结果。