在切比雪夫算法、最小二乘法、拉格朗日插值法、牛顿插值法、埃尔米特插值法、三次样条插值法、分段线性插值法、等距节点插值法、基于Bezier曲线的插值算法、QR分解、奇异值分解、高斯牛顿法、核函数回归法中哪些不适合大量向量的运用？

在这些算法中，有以下几种不适合大量向量的运用：

1. 切比雪夫算法：该算法适用于在有限个点上进行函数逼近，但是在大量向量上进行计算时，复杂度会变得很高。

2. 拉格朗日插值法、牛顿插值法、埃尔米特插值法、三次样条插值法、分段线性插值法、等距节点插值法、基于Bezier曲线的插值算法：这些插值算法都需要将数据点全部存储在内存中，当数据点非常多时，内存消耗会非常大，不适合大量向量的运用。

3. 高斯牛顿法：该算法需要计算海森矩阵（Hessian Matrix），该矩阵的大小与向量的数量平方成正比，因此在大量向量的情况下，海森矩阵的计算量会非常大。

4. 核函数回归法：该算法需要计算核函数，当向量数量非常大时，计算核函数的时间会非常长。此外，核函数回归法也需要将所有向量存储在内存中，因此不适合大量向量的运用。