6A 内积和范数

本节概览

本节是第6章”内积空间”的开篇，从 ${\mathbb{R}}^2$ 和 ${\mathbb{R}}^3$ 中向量长度与角度的直观概念出发，抽象出内积的一般定义，进而导出范数、正交、柯西-施瓦兹不等式、三角不等式和平行四边形等式等核心工具。整个理论环环相扣：内积定义范数，内积定义正交，正交分解推出柯西-施瓦兹不等式，柯西-施瓦兹推出三角不等式。

逻辑链条：内积（定义 6.2）$\to$ 范数（定义 6.7）$\to$ 正交（定义 6.10）$\to$ 正交分解（命题 6.13）$\to$ 柯西-施瓦兹不等式（定理 6.14）$\to$ 三角不等式（定理 6.17）$\to$ 平行四边形等式（定理 6.21）。

前置依赖：第4章 多项式（复数、复共轭 $\bar{\lambda }$、绝对值 $|\lambda |$）、1B 向量空间的定义（向量空间、线性映射）、3F 对偶（对偶空间，习题 5 参考）。

核心主线：从欧几里得几何中的长度和角度出发，通过公理化方法建立适用于任意（实或复）向量空间的内积理论，最终得到数学中最重要的不等式之一——柯西-施瓦兹不等式。

---

一、内积的定义与基本性质

动机：从 ${\mathbb{R}}^2$、${\mathbb{R}}^3$ 的几何出发

在前五章中，我们研究了向量空间的代数结构——加法和标量乘法。但向量空间本身没有”长度”、“角度”、“垂直”这些几何概念。内积的引入正是为了在线性空间上赋予这些几何结构。

将 ${\mathbb{R}}^2$ 和 ${\mathbb{R}}^3$ 中的向量看成始于原点的箭头。向量 $v$ 的长度（范数）记作 $\Vert v\Vert$。对 $v=(a,b)\in {\mathbb{R}}^2$，有 $\Vert v\Vert =\sqrt{a^2+b^2}$。推广到 ${\mathbb{R}}^n$，定义 $x=(x_1,\dots ,x_n)\in {\mathbb{R}}^n$ 的范数为 $\Vert x\Vert =\sqrt{x_1^2+\cdots +x_n^2}$。

范数本身不是线性的。为了把线性引入讨论，我们引入点积。

定义 6.1：点积（dot product）

对 $x,y\in {\mathbb{R}}^n$，$x$ 和 $y$ 的点积记作 $x\cdot y$，定义为 $x\cdot y=x_1{y}_1+\cdots +x_n{y}_n$ 其中 $x=(x_1,\dots ,x_n)$，$y=(y_1,\dots ,y_n)$。

点积满足以下性质：

• 对所有 $x\in {\mathbb{R}}^n$，$x\cdot x\ge 0$
• $x\cdot x=0$ 当且仅当 $x=0$
• 对固定的 $y\in {\mathbb{R}}^n$，映射 $x\mapsto x\cdot y$ 是线性的
• 对所有 $x,y\in {\mathbb{R}}^n$，$x\cdot y=y\cdot x$

复数情况的考虑

为了将定义同时适用于实向量空间和复向量空间，需要考虑复数的情况。回忆 第4章 多项式 中的概念：

• $\lambda =a+bi$（$a,b\in \mathbb{R}$）的绝对值为 $|\lambda |=\sqrt{a^2+b^2}$
• $\lambda$ 的复共轭为 $\bar{\lambda }=a-bi$
• $|\lambda {|}^2=\lambda \bar{\lambda }$

对于 $z=(z_1,\dots ,z_n)\in {\mathbb{C}}^n$，定义范数为 $\Vert z\Vert =\sqrt{|z_1{|}^2+\cdots +|z_n{|}^2}$（需要绝对值以保证非负实数）。注意到

$\Vert z{\Vert }^2=z_1{\bar{z}}_1+\cdots +z_n{\bar{z}}_n$

我们想将 $\Vert z{\Vert }^2$ 视为 $z$ 与自身的内积。于是 $w=(w_1,\dots ,w_n)\in {\mathbb{C}}^n$ 和 $z$ 的内积应等于 $w_1{\bar{z}}_1+\cdots +w_n{\bar{z}}_n$。互换 $w$ 和 $z$ 的角色，上述表达式会被其复共轭替代。因此我们期望内积满足：$w$ 和 $z$ 的内积等于 $z$ 和 $w$ 的内积的复共轭。

定义 6.2：内积（inner product）

$V$ 上的内积是一个函数，它将 $V$ 中元素构成的每个有序对 $(u,v)$ 对应至一个数 $⟨u,v⟩\in \mathbb{F}$，并满足如下五条公理：

公理	名称	内容
1	正性（positivity）	对所有 $v\in V$，$⟨v,v⟩\ge 0$
2	定性（definiteness）	$⟨v,v⟩=0$ 当且仅当 $v=0$
3	第一个位置上的可加性（additivity in first slot）	对所有 $u,v,w\in V$，$⟨u+v,w⟩=⟨u,w⟩+⟨v,w⟩$
4	第一个位置上的齐次性（homogeneity in first slot）	对所有 $\lambda \in \mathbb{F}$ 和 $u,v\in V$，$⟨\lambda u,v⟩=\lambda ⟨u,v⟩$
5	共轭对称性（conjugate symmetry）	对所有 $u,v\in V$，$⟨u,v⟩=\overline{⟨v,u⟩}$

为什么需要共轭对称性？ 考虑 ${\mathbb{C}}^2$ 中的向量 $v=(1,i)$。如果去掉共轭，直接要求对称性 $⟨u,v⟩=⟨v,u⟩$，用普通点积计算：

$⟨v,v⟩=1\cdot 1+i\cdot i=1+i^2=1-1=0$

但 $v\ne 0$！这违反了定性公理。加上共轭后：

$⟨v,v⟩=1\cdot \bar{1}+i\cdot \bar{i}=1+i(-i)=1+1=2>0$

共轭对称性是复数域上保证正性的关键设计。

物理学家的约定

大部分数学家把内积定义如上（线性在第一个位置）。许多物理学家使用的定义中，要求齐次性在第二个位置上成立，而不是第一个位置。

例 6.3：内积实例

(a) 欧几里得内积：对 $(w_1,\dots ,w_n),(z_1,\dots ,z_n)\in {\mathbb{F}}^n$， $⟨(w_1,\dots ,w_n),(z_1,\dots ,z_n)⟩=w_1{\bar{z}}_1+\cdots +w_n{\bar{z}}_n$

(b) 加权内积：若 $c_1,\dots ,c_n$ 是正数，定义 $⟨(w_1,\dots ,w_n),(z_1,\dots ,z_n)⟩=c_1{w}_1{\bar{z}}_1+\cdots +c_n{w}_n{\bar{z}}_n$

(c) 连续函数积分内积：在 $[-1,1]$ 上的全体连续实值函数构成的向量空间上， $⟨f,g⟩={\int }_{-1}^{1}fg$

(d) 多项式积分内积：在 $\mathcal{P}(\mathbb{R})$ 上， $⟨p,q⟩=p(0)q(0)+{\int }_{-1}^1{p}^{\prime }{q}^{\prime }$

(e) 多项式加权积分内积：在 $\mathcal{P}(\mathbb{R})$ 上， $⟨p,q⟩={\int }_0^{\infty }p(x)q(x)e^{-x}dx$

定义 6.4：内积空间（inner product space）

带有内积的向量空间称为内积空间。

当称 ${\mathbb{F}}^n$ 是内积空间时，除非另有说明，均假设其上定义的内积是欧几里得内积。

记号 6.5

在本章剩余部分和下章中，$V$ 和 $W$ 都指代 $\mathbb{F}$ 上的内积空间。

命题 6.6：内积的基本性质

设 $V$ 是内积空间，则：

• (a) 对每个固定的 $v\in V$，将 $u\in V$ 对应到 $⟨u,v⟩$ 的函数是 $V$ 到 $\mathbb{F}$ 的线性映射。
• (b) 对每个 $v\in V$，$⟨0,v⟩=0$。
• (c) 对每个 $v\in V$，$⟨v,0⟩=0$。
• (d) 对所有 $u,v,w\in V$，$⟨u,v+w⟩=⟨u,v⟩+⟨u,w⟩$。
• (e) 对所有 $\lambda \in \mathbb{F}$ 和 $u,v\in V$，$⟨u,\lambda v⟩=\bar{\lambda }⟨u,v⟩$。

证明思路

(a) 由内积定义中第一个位置上的可加性和齐次性直接可得。 (b) 每个线性映射都将 $0$ 对应到 $0$，由 (a) 即得。 (c) 由共轭对称性和 (b)：$⟨v,0⟩=\overline{⟨0,v⟩}=\bar{0}=0$。 (d) 利用共轭对称性将第二位置的加法转到第一位置：$⟨u,v+w⟩=\overline{⟨v+w,u⟩}=\overline{⟨v,u⟩+⟨w,u⟩}=\overline{⟨v,u⟩}+\overline{⟨w,u⟩}=⟨u,v⟩+⟨u,w⟩$。 (e) 类似地：$⟨u,\lambda v⟩=\overline{⟨\lambda v,u⟩}=\overline{\lambda ⟨v,u⟩}=\bar{\lambda }\overline{⟨v,u⟩}=\bar{\lambda }⟨u,v⟩$。 $■$

内积的 sesquilinear 结构

性质 (a) 和 (d)(e) 合在一起说明：内积对第一个变元是线性的，对第二个变元是共轭线性的（conjugate-linear）。这种结构称为 sesquilinear（一元半线性）。这是复内积空间最本质的结构特征。

---

二、范数与正交

范数

定义 6.7：范数（norm）

对 $v\in V$，$v$ 的范数记作 $\Vert v\Vert$，定义为 $\Vert v\Vert =\sqrt{⟨v,v⟩}$

例 6.8：范数实例

(a) 若 $(z_1,\dots ,z_n)\in {\mathbb{F}}^n$（欧几里得内积），则 $\Vert (z_1,\dots ,z_n)\Vert =\sqrt{|z_1{|}^2+\cdots +|z_n{|}^2}$

(b) 在 $[-1,1]$ 上的连续实值函数空间（内积如例 6.3(c)）中， $\Vert f\Vert =\sqrt{{\int }_{-1}^1{f}^2}$

命题 6.9：范数的基本性质

设 $v\in V$：

• (a) $\Vert v\Vert =0$ 当且仅当 $v=0$。
• (b) 对所有 $\lambda \in \mathbb{F}$，$\Vert \lambda v\Vert =|\lambda |\Vert v\Vert$。

证明思路

(a) 由定性公理直接可得：$⟨v,v⟩=0⟺v=0$。 (b) 先处理范数的平方：$\Vert \lambda v{\Vert }^2=⟨\lambda v,\lambda v⟩=\lambda ⟨v,\lambda v⟩=\lambda \bar{\lambda }⟨v,v⟩=|\lambda {|}^2\Vert v{\Vert }^2$，两边开平方根即得。 $■$

核心技巧："处理范数的平方"

命题 6.9(b) 的证明展示了一个普遍适用的道理：处理范数的平方通常比直接处理范数来得容易。因为 $\Vert v{\Vert }^2=⟨v,v⟩$ 是一个内积，可以利用内积的所有性质（线性、共轭对称性等）来操作，最后再开方。

正交

定义 6.10：正交（orthogonal）

称两个向量 $u,v\in V$ 是正交的，若 $⟨u,v⟩=0$。

“orthogonal”一词来自希腊语”orthogonios”，意为”直角的”。在 ${\mathbb{R}}^2$ 中两个非零向量（在欧几里得内积下）正交，当且仅当它们之间夹角的余弦值为 0，即通常所说的两向量垂直。

命题 6.11：正交性和 0

(a) $0$ 与 $V$ 中每个向量都正交。 (b) $0$ 是 $V$ 中唯一与自身正交的向量。

证明思路

(a) 由命题 6.6(b)，对每个 $v\in V$ 有 $⟨0,v⟩=0$。 (b) 若 $v\in V$ 且 $⟨v,v⟩=0$，则由定性公理得 $v=0$。 $■$

定理 6.12：毕达哥拉斯定理（Pythagorean theorem）

设 $u,v\in V$。若 $u$ 和 $v$ 是正交的，那么 $\Vert u+v{\Vert }^2=\Vert u{\Vert }^2+\Vert v{\Vert }^2$

证明思路

[展开范数的平方]：$\Vert u+v{\Vert }^2=⟨u+v,u+v⟩$ [利用内积的可加性完全展开]：$=⟨u,u⟩+⟨u,v⟩+⟨v,u⟩+⟨v,v⟩$ [正交性消去交叉项]：因为 $⟨u,v⟩=0$（且 $⟨v,u⟩=\overline{0}=0$）： $=\Vert u{\Vert }^2+\Vert v{\Vert }^2$。 $■$

毕达哥拉斯定理的推广

若 $v_1,\dots ,v_m$ 两两正交，则 $\Vert v_1+\cdots +v_m{\Vert }^2=\Vert v_1{\Vert }^2+\cdots +\Vert v_m{\Vert }^2$。证明方法完全类似——展开内积后，所有交叉项都因正交性而消失。

正交分解

设 $u,v\in V$ 且 $v\ne 0$。我们想将 $u$ 写成 $v$ 的标量倍加上正交于 $v$ 的向量 $w$ 的形式。令 $c\in \mathbb{F}$ 为一标量，则 $u=cv+(u-cv)$。我们需要选取 $c$ 使得 $v$ 与 $u-cv$ 正交：

$0=⟨u-cv,v⟩=⟨u,v⟩-c\Vert v{\Vert }^2$

因此应取 $c=\frac{⟨u,v⟩}{\Vert v{\Vert }^2}$。

命题 6.13：一种正交分解

设 $u,v\in V$，且 $v\ne 0$。取 $c=\frac{⟨u,v⟩}{\Vert v{\Vert }^2}$ 及 $w=u-\frac{⟨u,v⟩}{\Vert v{\Vert }^2}v$。那么 $u=cv+w\text{且}⟨w,v⟩=0$

证明思路

[验证正交性]：$⟨w,v⟩=⟨u-\frac{⟨u,v⟩}{\Vert v{\Vert }^2}v,v⟩=⟨u,v⟩-\frac{⟨u,v⟩}{\Vert v{\Vert }^2}⟨v,v⟩=⟨u,v⟩-⟨u,v⟩=0$。 [分解式]：$u=cv+w$ 由 $w$ 的定义直接可得。 $■$

正交分解的几何意义

正交分解将 $u$ 分成两部分：

• $cv=\frac{⟨u,v⟩}{\Vert v{\Vert }^2}v$：$u$ 在 $v$ 方向上的投影分量（平行于 $v$）
• $w=u-cv$：$u$ 的正交分量（垂直于 $v$）

正交分解是整个内积空间理论的枢纽。它直接导出柯西-施瓦兹不等式，而柯西-施瓦兹不等式又导出三角不等式。

---

三、柯西-施瓦兹不等式

定理 6.14：柯西-施瓦兹不等式（Cauchy-Schwarz inequality）

设 $u,v\in V$。那么 $|⟨u,v⟩|\le \Vert u\Vert \Vert v\Vert$ 当且仅当 $u,v$ 成标量倍数关系时，上述不等式取得等号。

证明思路

[情况 1：$v=0$]：不等式两端都等于 $0$，成立。此时 $v=0$ 与 $u$ 成标量倍数关系。

[情况 2：$v\ne 0$]：利用正交分解 6.13，令 $c=\frac{⟨u,v⟩}{\Vert v{\Vert }^2}$，$w=u-cv$，则 $w\perp v$。

[毕达哥拉斯定理]：因为 $cv\perp w$（$w\perp v$ 推出 $w\perp cv$），由定理 6.12： $\Vert u{\Vert }^2=\Vert cv+w{\Vert }^2=\Vert cv{\Vert }^2+\Vert w{\Vert }^2=\frac{|⟨u,v⟩{|}^2}{\Vert v{\Vert }^2}+\Vert w{\Vert }^2$

[丢弃非负项]：因为 $\Vert w{\Vert }^2\ge 0$： $\Vert u{\Vert }^2\ge \frac{|⟨u,v⟩{|}^2}{\Vert v{\Vert }^2}$

[整理并开方]：两边乘以 $\Vert v{\Vert }^2$（正数），再开平方根： $\Vert u\Vert \Vert v\Vert \ge |⟨u,v⟩|$

[等号条件]：等号成立 $⟺\Vert w{\Vert }^2=0⟺w=0⟺u=cv$，即 $u$ 是 $v$ 的标量倍。 $■$

历史注记

1821 年，柯西（Cauchy, 1789-1857）证明了 ${\mathbb{R}}^n$ 中的版本。1859 年，布尼亚科夫斯基（Bunyakovsky, 1804-1889）证明了积分不等式版本。几十年后，施瓦兹（Schwarz, 1843-1921）发现了更一般的结论。柯西-施瓦兹不等式由此得名。

例 6.16：柯西-施瓦兹不等式实例

(a) 若 $x_1,\dots ,x_n,y_1,\dots ,y_n\in \mathbb{R}$，则 $(x_1{y}_1+\cdots +x_n{y}_n{)}^2\le (x_1^2+\cdots +x_n^2)(y_1^2+\cdots +y_n^2)$ 这是将柯西-施瓦兹不等式应用于 ${\mathbb{R}}^n$ 中向量 $(x_1,\dots ,x_n)$ 和 $(y_1,\dots ,y_n)$ 的结果。

(b) 若 $f,g$ 是定义在 $[-1,1]$ 上的连续实值函数，则 ${\left({\int }_{-1}^{1}fg\right)}^2\le \left({\int }_{-1}^1{f}^2\right)\left({\int }_{-1}^1{g}^2\right)$ 这是将柯西-施瓦兹不等式应用于例 6.3(c) 的积分内积的结果。

---

四、三角不等式与平行四边形等式

三角不等式

定理 6.17：三角不等式（triangle inequality）

设 $u,v\in V$。那么 $\Vert u+v\Vert \le \Vert u\Vert +\Vert v\Vert$ 该不等式取得等号，当且仅当 $u,v$ 中任意一者是另一者的非负实数倍。

证明思路

[展开范数的平方]： $\Vert u+v{\Vert }^2=⟨u+v,u+v⟩=⟨u,u⟩+⟨v,v⟩+⟨u,v⟩+⟨v,u⟩$

[转化为实部]：利用 $⟨v,u⟩=\overline{⟨u,v⟩}$ 和 $z+\bar{z}=2\mathrm{Re}(z)$： $=\Vert u{\Vert }^2+\Vert v{\Vert }^2+2\mathrm{Re}⟨u,v⟩$

[实部放缩]：$\mathrm{Re}⟨u,v⟩\le |⟨u,v⟩|$，所以 $\Vert u+v{\Vert }^2\le \Vert u{\Vert }^2+\Vert v{\Vert }^2+2|⟨u,v⟩|$

[柯西-施瓦兹放缩]：$|⟨u,v⟩|\le \Vert u\Vert \Vert v\Vert$，所以 $\Vert u+v{\Vert }^2\le \Vert u{\Vert }^2+\Vert v{\Vert }^2+2\Vert u\Vert \Vert v\Vert =(\Vert u\Vert +\Vert v\Vert {)}^2$

[开方得证]：两边开平方根，$\Vert u+v\Vert \le \Vert u\Vert +\Vert v\Vert$。

[等号条件]：等号成立 $⟺$ 式 (6.18) 和 (6.19) 同时取等 $⟺$ $⟨u,v⟩=\Vert u\Vert \Vert v\Vert$。由柯西-施瓦兹等号条件，$u,v$ 成标量倍数关系；由 $⟨u,v⟩\ge 0$，该标量必须是非负实数。 $■$

三角不等式 vs 柯西-施瓦兹的等号条件

柯西-施瓦兹不等式等号成立 $⟺$ $u,v$ 成标量倍数关系（标量可以是任意复数）。 三角不等式等号成立 $⟺$ $u,v$ 成非负实数倍关系（更严格）。 差别的原因：三角不等式的证明中多了一步 $\mathrm{Re}⟨u,v⟩\le |⟨u,v⟩|$，等号要求 $⟨u,v⟩$ 是非负实数。

平行四边形等式

定理 6.21：平行四边形等式（parallelogram equality）

设 $u,v\in V$。那么 $\Vert u+v{\Vert }^2+\Vert u-v{\Vert }^2=2(\Vert u{\Vert }^2+\Vert v{\Vert }^2)$

证明思路

[分别展开]： $\Vert u+v{\Vert }^2=\Vert u{\Vert }^2+\Vert v{\Vert }^2+⟨u,v⟩+⟨v,u⟩$ $\Vert u-v{\Vert }^2=\Vert u{\Vert }^2+\Vert v{\Vert }^2-⟨u,v⟩-⟨v,u⟩$

[两式相加，交叉项抵消]： $\Vert u+v{\Vert }^2+\Vert u-v{\Vert }^2=2\Vert u{\Vert }^2+2\Vert v{\Vert }^2=2(\Vert u{\Vert }^2+\Vert v{\Vert }^2)$ $■$

平行四边形等式的深刻意义

几何解释：在平行四边形中，对角线的长度平方之和等于四条边的长度平方之和。

代数意义：平行四边形等式是内积空间的”指纹”。如果一个赋范空间满足平行四边形等式，那么它的范数一定来自某个内积（见习题 28）。反之亦然。因此，平行四边形等式是判断”范数是否来自内积”的充要条件。

---

五、知识结构总览

graph TD
    A[内积 定义6.2 五条公理] --> B[范数 定义6.7]
    A --> C[正交 定义6.10]
    B --> D[毕达哥拉斯定理 定理6.12]
    C --> D
    C --> E[正交分解 命题6.13]
    E --> F[柯西-施瓦兹不等式 定理6.14]
    F --> G[三角不等式 定理6.17]
    A --> H[平行四边形等式 定理6.21]
    F --> I[极化恒等式 习题26-27]
    H --> I
    H --> J[平行四边形等式逆命题 习题28]

---

六、核心思想与证明技巧

核心思想

1. 内积是几何的代数编码：五条公理精确地编码了”长度”和”角度”的基本性质，使得我们可以在任意（实或复）向量空间上进行欧几里得几何推理。
2. 正交分解是枢纽：从正交分解出发推出柯西-施瓦兹不等式，从柯西-施瓦兹推出三角不等式。核心链条：内积 $\to$ 正交 $\to$ 正交分解 $\to$ 柯西-施瓦兹 $\to$ 三角不等式。
3. 柯西-施瓦兹不等式是基石：它是数学中最重要的不等式之一，连接了代数（内积）和几何（长度、角度），在几乎所有数学分支中都有应用。
4. 平行四边形等式是内积空间的特征：它不仅是一个优美的等式，更是判断一个范数是否来自内积的充要条件。

证明技巧清单

1. “处理范数的平方”技巧：涉及范数的证明中，先转化为 $\Vert v{\Vert }^2=⟨v,v⟩$，利用内积性质操作，最后再开方。这是本节最核心的技巧。
2. 正交分解法：将向量分解为”投影分量 + 正交分量”，利用毕达哥拉斯定理消去交叉项。这是证明柯西-施瓦兹不等式的标准方法。
3. 实部放缩法：在三角不等式的证明中，将 $⟨u,v⟩+\overline{⟨u,v⟩}=2\mathrm{Re}⟨u,v⟩$，然后利用 $\mathrm{Re}(z)\le |z|$ 放缩。
4. 展开消去法：在平行四边形等式的证明中，展开两个范数的平方后交叉项恰好正负抵消。这种”展开后交叉项消去”的模式在内积空间中非常常见。
5. 共轭对称性转换变元位置：当需要处理第二变元的性质时，先通过共轭对称性翻转到第一变元，利用已知的线性性质，再取共轭还原。

---

七、补充理解与易混淆点

内积的物理与几何直觉

在 ${\mathbb{R}}^2$ 和 ${\mathbb{R}}^3$ 中，内积有非常直观的几何意义：$⟨u,v⟩=\Vert u\Vert \Vert v\Vert \cos \theta$，其中 $\theta$ 是 $u$ 和 $v$ 之间的夹角。这个公式告诉我们：

• 当 $\theta =90°$ 时，$\cos \theta =0$，内积为零——两个向量正交（垂直）
• 当 $\theta =0°$ 时，$\cos \theta =1$，内积最大——两个向量同向
• 当 $\theta =180°$ 时，$\cos \theta =-1$，内积最小——两个向量反向

从物理角度看，内积对应于功的概念：力 $\vec{F}$ 沿位移 $\vec{d}$ 做的功为 $W=\vec{F}\cdot \vec{d}=\Vert \vec{F}\Vert \Vert \vec{d}\Vert \cos \theta$。只有力在位移方向上的分量才做功，这与内积只”测量”一个向量在另一个向量方向上的投影是一致的。

在更一般的内积空间中（如函数空间），内积可以理解为”两个对象之间的相似度度量”。例如在积分内积 $⟨f,g⟩={\int }_{-1}^{1}fg$ 中，如果两条函数曲线在相同位置都大或都小，内积就大（正相似）；如果一条大一条小，内积就小甚至为负（负相似）；如果正负交替抵消，内积为零（正交/不相关）。

来源：Costin (Ohio State Math 5101) Inner Product Spaces and Orthogonality 讲义、Angenent (UW-Madison Math 341) Inner Product Spaces 讲义、Millson (UMD Math 405) Lecture 10: Inner Product Spaces 讲义。

柯西-施瓦兹不等式的广泛应用

柯西-施瓦兹不等式被誉为”数学中最重要的不等式之一”，其应用远超线性代数本身：

• 概率论与统计学：在概率空间中，取内积为 $⟨X,Y⟩=\mathbb{E}[XY]$，柯西-施瓦兹不等式变为 $|\mathbb{E}[XY]|\le \sqrt{\mathbb{E}[X^2]\mathbb{E}[Y^2]}$。取 $X-\mathbb{E}[X]$ 和 $Y-\mathbb{E}[Y]$，即得 $|\text{Cov}(X,Y)|\le {\sigma }_X{\sigma }_Y$，这就是相关系数的绝对值不超过 1 的原因。

• 信号处理：在 $L^2$ 空间中，柯西-施瓦兹不等式给出积分形式的界，是能量不等式的基础。它保证了傅里叶级数的收敛性和各种正交展开的稳定性。

• 机器学习：余弦相似度 $\cos \theta =\frac{⟨u,v⟩}{\Vert u\Vert \Vert v\Vert }$ 直接来自柯西-施瓦兹不等式（保证了分母不为零时分式的绝对值不超过 1）。在自然语言处理和推荐系统中，余弦相似度是衡量向量相似性的标准工具。

• 优化理论：柯西-施瓦兹不等式是证明各种极值结果的基础工具，例如在约束优化中确定目标函数的上界。

来源：Wikipedia “Cauchy-Schwarz inequality”、Roch (UW-Madison Math 535) Orthogonality in Data Science 讲义、UC Berkeley EE 16A Discussion 12 材料。

内积空间与希尔伯特空间

内积空间理论的一个自然推广是从有限维到无限维。有限维内积空间（如 ${\mathbb{F}}^n$）具有良好的性质——每个柯西序列都收敛（完备性）。但在无限维空间中，这个性质不一定成立。

希尔伯特空间（Hilbert space）就是完备的内积空间——其中的每个柯西序列都收敛到空间内的一个元素。希尔伯特空间的概念由 David Hilbert 在其关于无穷多变量的二次型工作中提出，是欧几里得空间到无限维的最自然推广。

希尔伯特空间在现代物理学中占据核心地位。在量子力学中，系统的状态由希尔伯特空间中的向量（波函数）表示，可观测量由自伴算子表示，测量结果由内积的概率幅给出。具体来说，量子态 $|\psi ⟩$ 处于状态 $|\varphi ⟩$ 的概率幅为 $⟨\varphi |\psi ⟩$，而概率为 $|⟨\varphi |\psi ⟩{|}^2$——这正是柯西-施瓦兹不等式保证其不超过 1 的原因。

常见的希尔伯特空间例子包括：

• $L^2([a,b])$：区间 $[a,b]$ 上平方可积函数构成的空间，内积为 $⟨f,g⟩={\int }_a^{b}f\bar{g}$
• ${\ell }^2$：平方可和数列构成的空间，内积为 $⟨x,y⟩={\sum }_{n=1}^{\infty }{x}_n{\bar{y}}_n$

来源：Vadim (UT Austin Physics) Hilbert Spaces 讲义、Xiao (UChicago REU) Introduction to Hilbert Spaces and the Heisenberg Uncertainty Principle、Washington (Cornell Math 6210) A Brief Introduction to Hilbert Space、Stanford Encyclopedia of Philosophy “Quantum Theory and Mathematical Rigor”。

常见误区

误区 1："内积一定是对称的"

❌ 错误认知：$⟨u,v⟩=⟨v,u⟩$ 总成立。 ✅ 正确理解：在实向量空间上确实如此（因为实数的共轭就是自身）。但在复向量空间上，内积满足的是共轭对称性：$⟨u,v⟩=\overline{⟨v,u⟩}$。例如在 ${\mathbb{C}}^n$ 上，$⟨(1,i),(1,0)⟩=1$，但 $⟨(1,0),(1,i)⟩=1$，两者相等只是巧合；一般地 $⟨(a,b),(c,d)⟩=a\bar{c}+b\bar{d}$ 而 $⟨(c,d),(a,b)⟩=c\bar{a}+d\bar{b}=\overline{a\bar{c}+b\bar{d}}$。

来源：Dummit (Northeastern University) Linear Algebra Part 3: Inner Product Spaces 讲义、Donaldson (UC Irvine Math 121B) Inner Product Spaces 讲义。

误区 2："内积在第二个位置是线性的"

❌ 错误认知：$⟨u,\lambda v⟩=\lambda ⟨u,v⟩$。 ✅ 正确理解：内积在第二个位置是共轭线性的：$⟨u,\lambda v⟩=\bar{\lambda }⟨u,v⟩$（命题 6.6(e)）。标量从第二个位置提出时需要取共轭。这是由共轭对称性和第一位置的线性共同推出的。物理学家的约定（线性在第二个位置）与数学家的约定恰好相反，阅读物理文献时需特别注意。

来源：Donaldson (UC Irvine Math 121B) Inner Product Spaces 讲义、Ximera (Ohio State) The Complex Scalar Product in ${\mathbb{C}}^n$ 教程。

误区 3："柯西-施瓦兹不等式中等号总是成立的"

❌ 错误认知：$|⟨u,v⟩|=\Vert u\Vert \Vert v\Vert$ 对任意 $u,v$ 都成立。 ✅ 正确理解：等号成立当且仅当 $u$ 和 $v$ 成标量倍数关系（即 $u=cv$ 或 $v=cu$，包含 $u=0$ 或 $v=0$ 的情形）。对于一般的两个向量，严格不等式成立。例如在 ${\mathbb{R}}^2$ 中取 $u=(1,0)$, $v=(0,1)$，则 $|⟨u,v⟩|=0<1=\Vert u\Vert \Vert v\Vert$。

来源：Wikipedia “Cauchy-Schwarz inequality”、Costin (Ohio State Math 5101) Inner Product Spaces 讲义。

误区 4："所有范数都来自内积"

❌ 错误认知：任何满足非负性、齐次性和三角不等式的函数都是某个内积导出的范数。 ✅ 正确理解：只有满足平行四边形等式的范数才来自内积（习题 28）。例如 ${\ell }^1$ 范数 $\Vert x{\Vert }_1=|x_1|+|x_2|$ 和 ${\ell }^{\infty }$ 范数 $\Vert x{\Vert }_{\infty }=\max (|x_1|,|x_2|)$ 都不满足平行四边形等式，因此它们不来自任何内积。只有欧几里得范数 $\Vert x{\Vert }_2=\sqrt{x_1^2+x_2^2}$ 来自内积。

来源：Angenent (UW-Madison Math 341) Inner Product Spaces 讲义、Roch (UW-Madison Math 535) Orthogonality in Data Science 讲义。

误区 5："正交分解只适用于二维空间"

❌ 错误认知：正交分解的几何图示只在 ${\mathbb{R}}^2$ 中有意义。 ✅ 正确理解：正交分解（命题 6.13）是任意内积空间中的代数工具，不依赖于空间的维数或几何直观。它同样适用于 ${\mathbb{R}}^{100}$、${\mathbb{C}}^n$、函数空间等。正交分解的代数证明完全不依赖几何图示，只使用了内积的基本性质。

来源：Costin (Ohio State Math 5101) Inner Product Spaces 讲义、Blomgren (SDSU Math 524) Inner Product Spaces 讲义。

误区 6："三角不等式中等号条件与柯西-施瓦兹相同"

❌ 错误认知：三角不等式等号 $⟺$ $u,v$ 成标量倍数关系。 ✅ 正确理解：三角不等式等号成立的条件更严格——要求 $u,v$ 成非负实数倍关系。柯西-施瓦兹等号只要求成标量倍（标量可以是任意复数）。差别的原因在于三角不等式的证明中多了一步 $\mathrm{Re}⟨u,v⟩\le |⟨u,v⟩|$，等号要求 $⟨u,v⟩$ 是非负实数。例如在 $\mathbb{C}$ 中取 $u=1$, $v=-1$：柯西-施瓦兹等号成立（$|1\cdot (-1)|=1=|1|\cdot |-1|$），但三角不等式等号不成立（$|1+(-1)|=0<2=|1|+|-1|$）。

来源：Costin (Ohio State Math 5101) Inner Product Spaces 讲义、Angenent (UW-Madison Math 341) Inner Product Spaces 讲义。

---

八、习题精选

本节习题

以下习题选自 LADR 第四版 6A 节，涵盖内积验证、正交性、柯西-施瓦兹不等式应用、极化恒等式和平行四边形等式等核心考点。

习题号	标题	核心考点	难度
2	单射算子诱导内积	内积定义验证、单射与定性	中
6	正交的范数刻画	正交 $⟺$ 范数最小	中
8	柯西-施瓦兹的应用	不等式证明技巧	中
13	均值不等式	柯西-施瓦兹经典应用	低
15	${\mathbb{R}}^2$ 中内积与夹角	几何直觉、余弦定理	中
26/27	极化恒等式	内积的范数表示	高
28	平行四边形等式 $⟹$ 内积	范数来自内积的充要条件	高

习题 2：单射算子诱导内积

习题 2

设 $S\in \mathcal{L}(V)$。定义 $⟨\cdot ,\cdot {⟩}_1$ 为 $⟨u,v{⟩}_1=⟨Su,Sv⟩$ 对所有 $u,v\in V$ 成立。证明：$⟨\cdot ,\cdot {⟩}_1$ 是 $V$ 上的内积，当且仅当 $S$ 是单射。

查看解答

($⟹$) 假设 $⟨\cdot ,\cdot {⟩}_1$ 是内积。由定性公理，$⟨v,v{⟩}_1=0⟺v=0$。但 $⟨v,v{⟩}_1=⟨Sv,Sv⟩=\Vert Sv{\Vert }^2$。所以 $\Vert Sv{\Vert }^2=0⟺v=0$，即 $Sv=0⟺v=0$，这正是 $S$ 为单射的定义。

($⟸$) 假设 $S$ 是单射。逐一验证五条公理：

• 正性：$⟨v,v{⟩}_1=\Vert Sv{\Vert }^2\ge 0$。
• 定性：$⟨v,v{⟩}_1=0⟺\Vert Sv{\Vert }^2=0⟺Sv=0⟺v=0$（$S$ 单射）。
• 第一位置可加性：$⟨u+v,w{⟩}_1=⟨S(u+v),Sw⟩=⟨Su+Sv,Sw⟩=⟨Su,Sw⟩+⟨Sv,Sw⟩=⟨u,w{⟩}_1+⟨v,w{⟩}_1$。
• 第一位置齐次性：$⟨\lambda u,v{⟩}_1=⟨S(\lambda u),Sv⟩=⟨\lambda Su,Sv⟩=\lambda ⟨Su,Sv⟩=\lambda ⟨u,v{⟩}_1$。
• 共轭对称性：$⟨u,v{⟩}_1=⟨Su,Sv⟩=\overline{⟨Sv,Su⟩}=\overline{⟨v,u{⟩}_1}$。

五条公理全部满足。$■$

习题 6：正交的范数刻画

习题 6

设 $u,v\in V$。证明：$⟨u,v⟩=0⟺$ 对所有 $a\in \mathbb{F}$ 都有 $\Vert u\Vert \le \Vert u+av\Vert$。

查看解答

($⟹$) 假设 $⟨u,v⟩=0$。对任意 $a\in \mathbb{F}$： $\Vert u+av{\Vert }^2=⟨u+av,u+av⟩=\Vert u{\Vert }^2+⟨u,av⟩+⟨av,u⟩+|a{|}^2\Vert v{\Vert }^2$ 因为 $⟨u,v⟩=0$，所以 $⟨u,av⟩=a⟨u,v⟩=0$ 且 $⟨av,u⟩=\bar{a}⟨v,u⟩=0$。因此 $\Vert u+av{\Vert }^2=\Vert u{\Vert }^2+|a{|}^2\Vert v{\Vert }^2\ge \Vert u{\Vert }^2$ 即 $\Vert u\Vert \le \Vert u+av\Vert$。

($⟸$) 反证法。假设 $⟨u,v⟩\ne 0$。取 $a=-\frac{⟨u,v⟩}{\Vert v{\Vert }^2}$（$v\ne 0$ 时；若 $v=0$ 则 $⟨u,v⟩=0$，矛盾）。则 $\Vert u+av{\Vert }^2=\Vert u{\Vert }^2-\frac{|⟨u,v⟩{|}^2}{\Vert v{\Vert }^2}<\Vert u{\Vert }^2$ 这与假设 $\Vert u\Vert \le \Vert u+av\Vert$ 矛盾。$■$

习题 8：柯西-施瓦兹的应用

习题 8

设 $a,b,c,x,y\in \mathbb{R}$ 且 $a^2+b^2+c^2+x^2+y^2\le 1$。证明：$a+b+c+4x+9y\le 10$。

查看解答

在 ${\mathbb{R}}^5$ 中应用柯西-施瓦兹不等式。取 $u=(a,b,c,x,y)$, $v=(1,1,1,4,9)$。则 $⟨u,v⟩=a+b+c+4x+9y$ $\Vert u\Vert =\sqrt{a^2+b^2+c^2+x^2+y^2}\le 1$ $\Vert v\Vert =\sqrt{1+1+1+16+81}=\sqrt{100}=10$

由柯西-施瓦兹不等式： $a+b+c+4x+9y=⟨u,v⟩\le \Vert u\Vert \Vert v\Vert \le 1\cdot 10=10$

等号成立当 $u$ 和 $v$ 成非负实数倍关系，即 $(a,b,c,x,y)=t(1,1,1,4,9)$ 且 $t\ge 0$，$t^2(1+1+1+16+81)=1$，即 $t=1/10$。$■$

习题 13：均值不等式

习题 13

证明：均值的平方小于或等于平方的均值。更准确地说，如果 $a_1,\dots ,a_n\in \mathbb{R}$，那么 $a_1,\dots ,a_n$ 的均值的平方小于或等于 $a_1^2,\dots ,a_n^2$ 的均值。

查看解答

即证 ${\left(\frac{a_1+\cdots +a_n}{n}\right)}^2\le \frac{a_1^2+\cdots +a_n^2}{n}$。

在 ${\mathbb{R}}^n$ 中取 $u=(a_1,\dots ,a_n)$, $v=(1,\dots ,1)$。由柯西-施瓦兹不等式： $|⟨u,v⟩{|}^2\le \Vert u{\Vert }^2\Vert v{\Vert }^2$ $(a_1+\cdots +a_n{)}^2\le (a_1^2+\cdots +a_n^2)\cdot n$

两边除以 $n^2$： ${\left(\frac{a_1+\cdots +a_n}{n}\right)}^2\le \frac{a_1^2+\cdots +a_n^2}{n}$

等号成立当且仅当 $(a_1,\dots ,a_n)$ 与 $(1,\dots ,1)$ 成标量倍，即 $a_1=a_2=\cdots =a_n$。$■$

习题 15：${\mathbb{R}}^2$ 中内积与夹角

习题 15

设 $u,v$ 是 ${\mathbb{R}}^2$ 中的非零向量。证明： $⟨u,v⟩=\Vert u\Vert \Vert v\Vert \cos \theta$ 其中 $\theta$ 是 $u$ 和 $v$ 的夹角（将 $u$ 和 $v$ 视为从原点出发的箭头）。

查看解答

考虑由 $u,v$ 和 $u-v$ 构成的三角形。由余弦定理： $\Vert u-v{\Vert }^2=\Vert u{\Vert }^2+\Vert v{\Vert }^2-2\Vert u\Vert \Vert v\Vert \cos \theta$

另一方面，展开内积： $\Vert u-v{\Vert }^2=⟨u-v,u-v⟩=\Vert u{\Vert }^2-⟨u,v⟩-⟨v,u⟩+\Vert v{\Vert }^2=\Vert u{\Vert }^2+\Vert v{\Vert }^2-2⟨u,v⟩$

（在实数域上 $⟨v,u⟩=⟨u,v⟩$。）

比较两式： $\Vert u{\Vert }^2+\Vert v{\Vert }^2-2⟨u,v⟩=\Vert u{\Vert }^2+\Vert v{\Vert }^2-2\Vert u\Vert \Vert v\Vert \cos \theta$

因此 $⟨u,v⟩=\Vert u\Vert \Vert v\Vert \cos \theta$。$■$

注：这个结果说明，柯西-施瓦兹不等式 $|⟨u,v⟩|\le \Vert u\Vert \Vert v\Vert$ 等价于 $|\cos \theta |\le 1$，这是三角学中最基本的不等式。

习题 26/27：极化恒等式

习题 26（实数域）

设 $V$ 是实内积空间。证明： $⟨u,v⟩=\frac{\Vert u+v{\Vert }^2-\Vert u-v{\Vert }^2}{4}$ 对所有 $u,v\in V$ 成立。

查看解答

展开分子： $\Vert u+v{\Vert }^2=⟨u+v,u+v⟩=\Vert u{\Vert }^2+2⟨u,v⟩+\Vert v{\Vert }^2$ $\Vert u-v{\Vert }^2=⟨u-v,u-v⟩=\Vert u{\Vert }^2-2⟨u,v⟩+\Vert v{\Vert }^2$

（在实数域上，$⟨u,v⟩=⟨v,u⟩$，所以 $⟨u,v⟩+⟨v,u⟩=2⟨u,v⟩$。）

两式相减： $\Vert u+v{\Vert }^2-\Vert u-v{\Vert }^2=4⟨u,v⟩$

因此 $⟨u,v⟩=\frac{\Vert u+v{\Vert }^2-\Vert u-v{\Vert }^2}{4}$。$■$

习题 27（复数域）

设 $V$ 是复内积空间。证明： $⟨u,v⟩=\frac{\Vert u+v{\Vert }^2-\Vert u-v{\Vert }^2+i\Vert u+iv{\Vert }^2-i\Vert u-iv{\Vert }^2}{4}$ 对所有 $u,v\in V$ 成立。

查看解答

分别展开四个范数的平方： $\Vert u+v{\Vert }^2=\Vert u{\Vert }^2+⟨u,v⟩+⟨v,u⟩+\Vert v{\Vert }^2$ $\Vert u-v{\Vert }^2=\Vert u{\Vert }^2-⟨u,v⟩-⟨v,u⟩+\Vert v{\Vert }^2$ $\Vert u+iv{\Vert }^2=\Vert u{\Vert }^2+⟨u,iv⟩+⟨iv,u⟩+\Vert iv{\Vert }^2=\Vert u{\Vert }^2-i⟨u,v⟩+i⟨v,u⟩+\Vert v{\Vert }^2$ $\Vert u-iv{\Vert }^2=\Vert u{\Vert }^2-⟨u,iv⟩-⟨iv,u⟩+\Vert iv{\Vert }^2=\Vert u{\Vert }^2+i⟨u,v⟩-i⟨v,u⟩+\Vert v{\Vert }^2$

计算各项贡献： $\Vert u+v{\Vert }^2-\Vert u-v{\Vert }^2=2⟨u,v⟩+2⟨v,u⟩=2⟨u,v⟩+2\overline{⟨u,v⟩}=4\mathrm{Re}⟨u,v⟩$

$i\Vert u+iv{\Vert }^2-i\Vert u-iv{\Vert }^2=i\cdot (-2i⟨u,v⟩+2i⟨v,u⟩)=2⟨u,v⟩-2⟨v,u⟩=2⟨u,v⟩-2\overline{⟨u,v⟩}=4i\mathrm{Im}⟨u,v⟩$

两式相加： $4\mathrm{Re}⟨u,v⟩+4i\mathrm{Im}⟨u,v⟩=4⟨u,v⟩$

因此 $⟨u,v⟩=\frac{\Vert u+v{\Vert }^2-\Vert u-v{\Vert }^2+i\Vert u+iv{\Vert }^2-i\Vert u-iv{\Vert }^2}{4}$。$■$

习题 28：平行四边形等式 $⟹$ 内积

习题 28

设 $\Vert \cdot \Vert$ 是向量空间 $U$ 上的范数（满足非负定性、齐次性 $\Vert \alpha u\Vert =|\alpha |\Vert u\Vert$ 和三角不等式）。证明：若 $\Vert \cdot \Vert$ 满足平行四边形等式 $\Vert u+v{\Vert }^2+\Vert u-v{\Vert }^2=2(\Vert u{\Vert }^2+\Vert v{\Vert }^2)$ 对所有 $u,v\in U$ 成立，则 $U$ 上存在内积 $⟨\cdot ,\cdot ⟩$ 使得 $\Vert u\Vert =\sqrt{⟨u,u⟩}$ 对所有 $u\in U$ 成立。

查看解答

构造内积：利用极化恒等式的逆过程定义 $⟨u,v⟩=\frac{\Vert u+v{\Vert }^2-\Vert u-v{\Vert }^2}{4}$ （先处理实数域 $\mathbb{F}=\mathbb{R}$ 的情况。）

验证内积公理：

对称性：$⟨v,u⟩=\frac{\Vert v+u{\Vert }^2-\Vert v-u{\Vert }^2}{4}=\frac{\Vert u+v{\Vert }^2-\Vert u-v{\Vert }^2}{4}=⟨u,v⟩$（因为 $\Vert v-u\Vert =\Vert -(u-v)\Vert =\Vert u-v\Vert$）。

正性：$⟨v,v⟩=\frac{\Vert 2v{\Vert }^2-0^2}{4}=\frac{4\Vert v{\Vert }^2}{4}=\Vert v{\Vert }^2\ge 0$，且等于零当且仅当 $v=0$。

第一位置可加性（关键步骤）：需要证明 $⟨u_1+u_2,v⟩=⟨u_1,v⟩+⟨u_2,v⟩$。利用平行四边形等式，设 $a=u_1+v$, $b=u_2+v$，则 $\Vert u_1+u_2+2v{\Vert }^2+\Vert u_1-u_2{\Vert }^2=2(\Vert u_1+v{\Vert }^2+\Vert u_2+v{\Vert }^2)$ 类似地，设 $a^{\prime }=u_1-v$, $b^{\prime }=u_2-v$： $\Vert u_1+u_2-2v{\Vert }^2+\Vert u_1-u_2{\Vert }^2=2(\Vert u_1-v{\Vert }^2+\Vert u_2-v{\Vert }^2)$ 两式相减并除以 4，利用范数齐次性 $\Vert 2v\Vert =2\Vert v\Vert$，整理可得 $⟨u_1+u_2,v⟩=⟨u_1,v⟩+⟨u_2,v⟩$

第一位置齐次性：先由可加性用数学归纳法证明 $⟨nu,v⟩=n⟨u,v⟩$（$n\in {\mathbb{Z}}^{+}$）。再证 $⟨(-u),v⟩=-⟨u,v⟩$（由 $⟨u+(-u),v⟩=⟨0,v⟩=0$）。对有理数 $p/q$，$⟨\frac{p}{q}u,v⟩=\frac{p}{q}⟨u,v⟩$。对实数 $\lambda$，取有理数列 ${\lambda }_n\to \lambda$，利用范数的连续性取极限即得 $⟨\lambda u,v⟩=\lambda ⟨u,v⟩$。

复数域的处理：对 $\mathbb{F}=\mathbb{C}$，使用复极化恒等式（习题 27）定义内积，验证方法类似。$■$

---

九、视频学习指南

视频资源

暂无对应视频。

---

十、教材原文

内积与范数