内积空间

内积空间（Inner Product Space）

一句话定义

内积空间是带有内积 $⟨v,w⟩$ 的向量空间，内积赋予空间”长度”（范数）和”角度”（正交）等几何概念。这是线性代数从代数走向几何的关键一步。

形式定义（定义 6.2）

设 $V$ 为 $\mathbb{F}$ 上的向量空间。内积 $⟨\cdot ,\cdot ⟩:V\times V\to \mathbb{F}$ 满足：

公理	内容
正性	$⟨v,v⟩\ge 0$
定性	$⟨v,v⟩=0\iff v=0$
第一位置可加性	$⟨u+v,w⟩=⟨u,w⟩+⟨v,w⟩$
第一位置齐次性	$⟨\lambda v,w⟩=\lambda ⟨v,w⟩$
共轭对称性	$⟨v,w⟩=\overline{⟨w,v⟩}$

注意：第二位置是共轭线性的——$⟨v,\lambda w⟩=\bar{\lambda }⟨v,w⟩$。这使得复内积空间上的计算与实内积空间保持一致。

导出概念

范数（定义 6.7）

$\Vert v\Vert =\sqrt{⟨v,v⟩}$

正交（定义 6.10）

$u\perp v\iff ⟨u,v⟩=0$

核心定理

柯西-施瓦兹不等式（定理 6.14）

$|⟨u,v⟩|\le \Vert u\Vert \Vert v\Vert$

这是数学中最重要的不等式之一，是内积空间一切几何的基石。

正交分解（命题 6.13）

设 $u\ne 0$，则任意 $v$ 可唯一分解为： $v=\frac{⟨v,u⟩}{\Vert u{\Vert }^2}u+w,w\perp u$

其中第一项是 $v$ 在 $u$ 方向上的”投影”。

格拉姆-施密特正交化（定理 6.32）

从任意线性无关向量组 $v_1,\dots ,v_m$ 出发，构造规范正交向量组 $e_1,\dots ,e_m$： $f_k=v_k-{\sum }_{j=1}^{k-1}\frac{⟨v_k,f_j⟩}{\Vert f_j{\Vert }^2}{f}_j,e_k=\frac{f_k}{\Vert f_k\Vert }$

每一步：减去在已构造正交向量上的投影，剩余的就是正交分量。

推论（定理 6.35）：每个有限维内积空间都有规范正交基。

里斯表示定理（定理 6.42）

每个线性泛函 $\phi \in V^{\prime }$ 唯一对应 $v\in V$：$\phi (u)=⟨u,v⟩$。

这是内积空间区别于一般向量空间的本质特征——对偶空间 $V^{\prime }$ 与 $V$ 通过内积自然等同。

正交补与直和分解

• 正交补 $U^{\perp }=\{v\in V:⟨v,u⟩=0,\forall u\in U\}$（定义 6.46）
• 直和分解 $V=U\oplus U^{\perp }$（定理 6.49）
• 正交投影 $P_U$：保留 $U$ 分量，丢弃 $U^{\perp }$ 分量（定义 6.55）

最短距离定理（定理 6.61）

$\Vert v-u\Vert$ 最小的 $u\in U$ 恰为 $P_{U}v$。

这统一了最小二乘法、函数逼近等应用问题的理论基础。

与其他概念的联系

• operator：在内积空间上研究算子，得到谱定理等强结果
• spectral-theorem：谱定理依赖内积结构（规范正交基）
• svd-theorem：SVD 是内积空间算子理论的自然延伸
• gram-schmidt：Gram-Schmidt 是构造规范正交基的算法

章节定位

第 6 章引入内积，赋予抽象向量空间以几何直觉。谱定理（SVD、最小二乘、极分解）都依赖内积结构。

详见：第6章 内积空间 — 章节汇总