内积的特征向量与分解.docVIP

内积的特征向量与分解 摘 要 对任意两向量W和X的内积w ·X=，存在着两个与W和X共面的特征向量和，它们的平方和恰等于w和X的内积=γ=W ·X=wixi。反过来，对任一大于或等于零的常数(θ≥ 0)，至少存在一对(二维)向量 (w1，)和X(xl，x2)，使得=wixi=W·X。  Inner product feature vector and the decomposition Abstract For any two vector W and X product W X =wixi, the existence of two and W and X coplanar feature vector gamma 1and gamma2, gamma and gamma their square exactly equal to W and X dot γ=γ=W ·X=wixi. Conversely, for any greater than or equal to zero (0constant theta = 0), there exists at least one pair of (2D ) vector W ( W1, W2) and X ( x1, x2), the theta =wixi= W X. Keywords:vector ；nner product ；roduct characteristic vector ；onstant inner product decomposition 目　　录 1 引言（绪论）……………………………………………………………………5 1.1 问题的提出……………………………………………………………………5 2 研究方法………………………………………………………………………………5 2.1 一般方法……………………………………………………………………5 3 正文……………………………………………………………………5 3.1 几何方法 … … … … … … … … … … … … … … … … … … … … … 6 3.1.1 内积 ·X=wixi的特征向量和常数的向量内积分解 ·X=wixi，存在两个与W和X共面的向量γ1和=|γ2|2=W ·X=wixi.反之，对任一大于或等于零的常数θ，至少可分解为一对二维向量W和X的内积，即θ=wixi=W ·X，其推论是θ=wixi=W ·X。 W ·X=wixi，并证明在一般情况下，满足上述条件的向量γ有无穷多个，而今在一种特殊情形下，恰存在两个这样的向量。 2 研究方法 文献[1]中是考虑在几何空间中的情况，所用方法是解析几何中的矢量方法。为了得到一般结果，本文拟采用代数方法，以及代数与几何相结合的方法，并将几何空间中的结果推广到一半欧式空间中，主要涉及到度量矩阵、二次型及连续函数理论。 2.1 一般方法 一般方法是：取定n维欧式空间V的一组标准正交基a1，a2，...an,对任意两向量W和X,W=wiai,X=xiai,当(W,X)≥ 0时,记γ=kW+X,则由于(γ,γ)=k(W,W)+2k(W,X) +(X,X),当(γ,γ)=(W,X)时,则得到kwi2+2kwixi+xi2=wixi,即kwi2 +(2k-1)wixi+xi2=0,本文要从上式中说明其有解,而且希望能由一个解得到所有满足要求的向量γ. 3 正文 在现行教科书中向量 w=(w1wn )和X=(x )的内积(标量积数量积或点积)被定义为 W ·X= w||X|COSа，其 中， w |和X |分别为 w 和 X的长度或模，a为W和X的夹角。其几何意义被解释为：向量W的长度(或模)乘以向量X的长度在X上的投影。于是，当W和 X正交和重合时，它们的总积w ·X将因分别为90和0而分别等0和1。对向量=w1i+w 2j+…+wn k和Xx1i+x2j十十xk而言因i·i=j·j=k·k=1，和i·ji·k=j·k=0，故：W· X=是一个常数所以，向量内积也被称为数量积。这个结果，除在泛函分析和其它纯数学领域中，被用于判断两函数f(x)和g (y)或函数系 (x)}是否正交或重合外，还在数据处理、文本相似度计算等应用领域中有着广泛的应用。 显然 ，两向量的内积是否有非标量的，或向量化的几何意义?反过来，任一大于或等于零的常数(θ≥0)，是否可解为两个向量的内积?不仅是两个令人感兴趣的数学问题，也是两个有着重要前景的应用问题。 文章证明了：对任意两向量W和X的内积 ·X=wixi，存在着两个与W和X共面的特征向量和，它们的平方和恰等于和X的内积=γ=W ·X=wixi。反过来，对任一大于或等于零的常数(θ≥ 0)，至