sp3是什么意思,请问化学中的杂化轨道理论那些SP,SP2,SP3 .....是什么意思?

更正，不一定是等性杂化。

sp：一个s轨道和一个p轨道进行杂化，混合后重新分成2个完全等价的轨道，直线型。剩下的两个p轨道与该直线垂直，可用于成派键。

sp2：一个s轨道和两个p轨道进行杂化，形成3个完全等价的轨道，处于平面正三角形。剩下的一个p轨道与该平面垂直，可用于成派键。

sp3：一个s轨道和三个p轨道进行杂化，形成四个完全等价的轨道，在空间成正四面体结构。

等性，指形成的杂化轨道分别与其它原子成键。
不等性，指形成的杂化轨道中有的放了孤对电子，没有和其它原子成键。

如CH4是sp3等性杂化，NH3、H2O是sp3不等性杂化。
如BF3是sp2等性杂化，SO2是sp2不等性杂化。
如BeCl2是sp等性杂化，CO是sp不等性杂化。

sp杂化：指同一原子内由1个ns轨道和1个np轨道参与的杂化。形成的2个杂化轨道各含有1/2的S成分和1/2的p成分，杂化轨道间的夹角为180°。 sp2杂化：指同一原子内由1个ns轨道和2个np轨道参与的杂化。形成的3个杂化轨道各含有1/3的s成分和2/3的p成分，杂化轨道间的夹角为120°。 sp3杂化：指同一原子内由1个ns轨道和3个np轨道参与的杂化。形成的4个杂化轨道各含有1/4的s成分和3/4的p成分，杂化轨道间的夹角为109°28'。 杂化：指原子成键时，在键合原子的作用下，价层中若干个能级相近的原子轨道有可能改变原有的状态，混杂起来并重新组合成一组有利于成键新轨道，这种轨道重新组合的过程称为杂化。 扩展资料 发展史 杂化概念是莱纳斯·鲍林于1931年提出。 化学家莱纳斯·鲍林第一个提出了杂化轨道理论来解释甲烷（CH4）等分子的结构。这个概念原本是为了解释简单的化学系统而开发的，但是这种方法后来被广泛应用，至今天它仍然是一种解释有机化合物结构的有效理论。 轨道是描述电子在分子中的行为的一个模型。对于较简单的原子，如氢原子，薛定谔方程可以被精确求解。在较重的原子（如碳、氮、氧）中，原子使用了2s和2p轨道，类似氢原子的激发态轨道。 杂化轨道被认为是这些原子轨道以不同的比例互相叠加而成的混合。杂化轨道理论给出了路易斯结构的量子力学解释，因而在有机化学里得到了广泛应用。 参考资料来源：百度百科--sp杂化 参考资料来源：百度百科--sp2杂化 参考资料来源：百度百科--sp3杂化 参考资料来源：百度百科--杂化

楼主是雏鸟吧，刚起飞，貌似连楼主是你自己也没搞清楚。SP 即 Service Pack，微软的大型更新服务包，包含所有补丁及少量新功能。如今，最新的为 2000 SP4、XP SP3、2003 SP2、Vista SP1（SP2 Beta）、2008 SP1（SP2 Beta）。安装版通常指用安装盘完整地安装系统，GHOST 版就是预先弄好系统做成 GHO 镜像以便用 GHOST 快速装机，精简版就是追求小巧快速，去除系统不必要的组件然后封装系统。

其实WindowsXP刚问世的时候，版本号里是没有后边的sp3的，sp3是“Service Pack 3”的缩写，直译就是服务包，微软每隔一段时间就会对主流的操作系统，办公系统等软件发布Service Pack软件包，它的作用是用来修复操作系统，办公系统等各个软件在功能上或者安全上的重大漏洞或者不足的服务程序，是一个漏洞修复及功能增强等应用的补丁集合，目前Windows XP操作系统从问世以来已经经历了Windows XP，Windows XP sp1，Windows XP sp2，以及现在的Windows sp3，一般可以认为每经历一次sp的升级，操作系统或者其它软件就会在功能上，性能上，安全上有个新的飞跃。GHOSTXP是为了简化安装步骤在WINDOWSXP的基础上重新封装制作的，也就是本质上是同一个东西，但是GHOST安装一个系统只需要十分钟，而且可以自动安装绝大部分的驱动程序和应用程序，缺点在于由于精简了部分组件，有可能存在一定的不稳定因素。

PageRank，网页排名，又称网页级别、Google左侧排名或佩奇排名，是一种由搜索引擎根据网页之间相互的超链接计算的网页排名技术，以Google公司创办人拉里·佩奇（Larry Page）之姓来命名。此技术通常和搜索引擎优化有关，Google用它来体现网页的相关性和重要性。Google的创始人拉里·佩奇和谢尔盖·布林于1998年在斯坦福大学发明了这项技术。[1]

PageRank通过网络浩瀚的超链接关系来确定一个页面的等级。Google把从A页面到B页面的链接解释为A页面给B页面投票，Google根据投票来源（甚至来源的来源，即链接到A页面的页面）和投票目标的等级来决定新的等级。简单的说，一个高等级的页面可以使其他低等级页面的等级提升。

PageRank让链接来"投票"
一个页面的“得票数”由所有链向它的页面的重要性来决定，到一个页面的超链接相当于对该页投一票。一个页面的PageRank是由所有链向它的页面（“链入页面”）的重要性经过递归算法得到的。一个有较多链入的页面会有较高的等级，相反如果一个页面没有任何链入页面，那么它没有等级。

2005年初，Google为网页链接推出一项新属性nofollow，使得网站管理员和网志作者可以做出一些Google不计票的链接，也就是说这些链接不算作"投票"。nofollow 的设置可以抵制评论垃圾。

Google工具条上的PageRank指标从0到10。它似乎是一个对数标度算法，细节未知。PageRank 是 Google 的商标，其技术亦已经申请专利。

PageRank算法中的点击算法是由Jon Kleinberg提出的。

PageRank算法
简单的

假设一个由4个页面组成的小团体：A，B， C 和 D。如果所有页面都链向A，那么A的PR（PageRank）值将是B，C 及 D的和。

PR(A) = PR(B) + PR(C) + PR(D)

继续假设B也有链接到C，并且D也有链接到包括A的3个页面。一个页面不能投票2次。所以B给每个页面半票。以同样的逻辑，D投出的票只有三分之一算到了A的 PageRank 上。

PR(A)= \frac{PR(B)}{2}+ \frac{PR(C)}{1}+ \frac{PR(D)}{3}

换句话说，根据链处总数平分一个页面的PR值。

PR(A)= \frac{PR(B)}{L(B)}+ \frac{PR(C)}{L(C)}+ \frac{PR(D)}{L(D)}

最后，所有这些被换算为一个百分比再乘上一个系数q。由于下面的算法，没有页面的PageRank会是0。所以，Google通过数学系统给了每个页面一个最小值1 − q。

PR(A)=\left( \frac{PR(B)}{L(B)}+ \frac{PR(C)}{L(C)}+ \frac{PR(D)}{L(D)}+\,\cdots \right) q + 1 - q

所以一个页面的 PageRank 是由其他页面的PageRank计算得到。Google 不断的重复计算每个页面的 PageRank。如果您给每个页面一个随机 PageRank 值（非0），那么经过不断的重复计算，这些页面的 PR 值会趋向于正常和稳定。这就是搜索引擎使用它的原因。

完整的

这个方程式引入了随机浏览的概念，即有人上网无聊随机打开一些页面，点一些链接。一个页面的PageRank值也影响了它被随机浏览的概率。为了便于理解，这里假设上网者不断点网页上的链接，最终到了一个没有任何链出页面的网页，这时候上网者会随机到另外的网页开始浏览。

为了对那些有链出的页面公平，q = 0.15（q的意义见上文）的算法被用到了所有页面上，估算页面可能被上网者放入书签的概率。

所以，这个等式如下：

{\rm PageRank}(p_i) = \frac{q}{N} + (1 -q) \sum_{p_j} \frac{{\rm PageRank} (p_j)}{L(p_j)}

p1,p2,...,pN是被研究的页面，M(pi)是链入pi页面的数量，L(pj)是pj链出页面的数量，而N是所有页面的数量。

PageRank值是一个特殊矩阵中的特征向量。这个特征向量为

\mathbf{R} = \begin{bmatrix} {\rm PageRank}(p_1) \\ {\rm PageRank}(p_2) \\ \vdots \\ {\rm PageRank}(p_N) \end{bmatrix}

R是等式的答案

\mathbf{R} = \begin{bmatrix} {q / N} \\ {q / N} \\ \vdots \\ {q / N} \end{bmatrix} + (1-q) \begin{bmatrix} \ell(p_1,p_1) & \ell(p_1,p_2) & \cdots & \ell(p_1,p_N) \\ \ell(p_2,p_1) & \ddots & & \\ \vdots & & \ell(p_i,p_j) & \\ \ell(p_N,p_1) & & & \ell(p_N,p_N) \end{bmatrix} \mathbf{R}

如果pj不链向pi, 而且对每个j都成立时，\ell(p_i,p_j)等于 0

\sum_{i = 1}^N \ell(p_i,p_j) = 1,

这项技术的主要缺点是旧的页面等级会比新页面高。因为即使是非常好的新页面也不会有很多上游链接，除非它是某个站点的子站点。

这就是PageRank需要多项算法结合的原因。PageRank似乎倾向于维基百科页面，在条目名称的搜索结果中总在大多数或者其他所有页面之前。原因主要是维基百科内相互的链接很多，并且有很多站点链入。

Google经常处罚恶意提高PageRank的行为，至于其如何区分正常的链接交换和不正常的链接堆积仍然是商业机密。