提示：数学公式渲染组件（KaTeX）加载失败，公式以源码形式显示，不影响阅读内容。联网后刷新即可正常渲染。
☰本集目录
◎学习目标
- 理解为什么要在线性空间中引进"度量"概念——这是对几何空间内积结构的抽象推广；
- 掌握正定对称双线性函数和正定对称矩阵的定义，并理解二者之间的对应关系；
- 掌握内积的严格定义：对称 + 双线性 + 正定（三个条件缺一不可）；
- 理解实内积空间的概念，以及有限维实内积空间即 \(\mathbb{R}^n\) 空间（欧氏空间）的来源；
- 掌握 \(\mathbb{R}^n\) 上的标准内积及其度量矩阵（单位矩阵）。
1从几何空间到抽象线性空间：为什么引进度量？ ⏱ 00:02
本章是课程第八章的开始，主题是"具有度量的线性空间"。丘老师从几何空间的内积概念出发，说明引进度量的动机：
几何空间的启示
在几何空间（\(\mathbb{R}^3\) 等）中，内积 \(\langle \alpha, \beta \rangle\) 是一个对称的双线性函数，并且满足：对任何向量 \(\alpha\)，\(\langle \alpha, \alpha \rangle \geq 0\)，等号当且仅当 \(\alpha = 0\)。有了内积，就可以：
- 计算向量的长度：\(\|\alpha\| = \sqrt{\langle \alpha, \alpha \rangle}\)；
- 计算两个非零向量的夹角；
- 判断两个向量是否正交（垂直）。
现在要把这套理论移植到一般的线性空间中。丘老师明确将讨论分为三个层次：⏱ 01:50
三个层次
- 实数域上的线性空间（实线性空间）——本节课讨论的内容；
- 复数域上的线性空间（复线性空间）——后续讨论；
- 任意域上的线性空间——一般理论。
2正定对称双线性函数与正定矩阵 ⏱ 04:00
首先需要定义什么样的对称双线性函数可以充当"内积"的角色。
定义 1 · 正定对称双线性函数
设 \(V\) 是实数域 \(\mathbb{R}\) 上的线性空间，\(F\) 是 \(V\) 上的对称双线性函数。如果满足：
- 对一切 \(\alpha \in V\)，有 \(F(\alpha, \alpha) \geq 0\)；
- \(F(\alpha, \alpha) = 0\) 当且仅当 \(\alpha = 0\)；
接下来从矩阵角度刻画正定性。设 \(V\) 是 \(n\) 维实线性空间，\(F\) 在其一组基 \(\varepsilon\) 下的度量矩阵为 \(A\)。⏱ 06:30
定义 2 · 正定对称矩阵
设 \(A\) 是 \(n\) 阶实对称矩阵。如果对于一切非零列向量 \(X \in \mathbb{R}^n\)（\(X \neq 0\)），都有
\[ X^T A X > 0, \]
则称 \(A\) 为正定对称矩阵，简称正定矩阵。
命题 · 正定性的矩阵刻画
\(V\) 上的对称双线性函数 \(F\) 是正定的，当且仅当 \(F\) 在 \(V\) 的任意一组基下的度量矩阵 \(A\) 是正定矩阵。
证明思路：对任意 \(\alpha \in V\)，设其在基 \(\varepsilon\) 下的坐标列为 \(X\)，则 \[ F(\alpha, \alpha) = X^T A X. \] \(\alpha = 0 \iff X = 0\)，因此 \(F(\alpha,\alpha) \geq 0\) 且等号当且仅当 \(\alpha=0\) 等价于 \(X^TAX > 0\) 对所有 \(X \neq 0\) 成立，即 \(A\) 正定。
证明思路：对任意 \(\alpha \in V\)，设其在基 \(\varepsilon\) 下的坐标列为 \(X\)，则 \[ F(\alpha, \alpha) = X^T A X. \] \(\alpha = 0 \iff X = 0\)，因此 \(F(\alpha,\alpha) \geq 0\) 且等号当且仅当 \(\alpha=0\) 等价于 \(X^TAX > 0\) 对所有 \(X \neq 0\) 成立，即 \(A\) 正定。
判断正定性的方法
如何判断一个给定的对称矩阵是否正定？丘老师明确指出：这个问题将在下节课专门讨论（使用顺序主子式判据等方法）。本节课只做定义，不做判断方法。⏱ 11:15
3内积的定义与记号 ⏱ 12:00
有了正定对称双线性函数的概念，就可以正式定义内积了。
定义 3 · 内积
设 \(V\) 是实线性空间。\(V\) 上的一个内积就是一个正定的对称双线性函数 \(F\)。
通常将 \(F(\alpha, \beta)\) 记为 \(\langle \alpha, \beta \rangle\)，以示与普通双线性函数的区别。于是内积 \(\langle \cdot, \cdot \rangle\) 满足三个条件：
通常将 \(F(\alpha, \beta)\) 记为 \(\langle \alpha, \beta \rangle\)，以示与普通双线性函数的区别。于是内积 \(\langle \cdot, \cdot \rangle\) 满足三个条件：
- 双线性：对每个变量都是线性的；
- 对称性：\(\langle \alpha, \beta \rangle = \langle \beta, \alpha \rangle\)；
- 正定性：\(\langle \alpha, \alpha \rangle \geq 0\)，且等号当且仅当 \(\alpha = 0\)。
三个条件的关系
内积 = 对称双线性函数 + 正定性。三个条件缺一不可：
- 缺双线性 → 不是线性结构，无法做代数运算；
- 缺对称性 → 成为"半内积"或"内积的非对称推广"，几何意义丧失；
- 缺正定性 → 无法定义长度和角度，退化为一般的对称双线性函数。
4实内积空间与 Rⁿ 的标准内积 ⏱ 14:30
定义了内积之后，就可以引入内积空间的概念。
定义 4 · 实内积空间
给了一个实线性空间 \(V\)，并指定（或定义）了一个内积 \(\langle \cdot, \cdot \rangle\)，则称 \((V, \langle \cdot, \cdot \rangle)\) 为实内积空间。
有限维的实内积空间，称为欧氏空间（\(\mathbb{R}^n\) 空间）。实内积空间的维数就是它作为线性空间的维数。
有限维的实内积空间，称为欧氏空间（\(\mathbb{R}^n\) 空间）。实内积空间的维数就是它作为线性空间的维数。
最重要的例子是 \(\mathbb{R}^n\) 上的标准内积。
例子 · Rⁿ 上的标准内积
在 \(\mathbb{R}^n\) 中，对任意两个向量 \(X = (x_1, \dots, x_n)^T\)，\(Y = (y_1, \dots, y_n)^T\)，定义
\[ \langle X, Y \rangle = x_1y_1 + x_2y_2 + \cdots + x_ny_n = X^T Y. \]
这被称为 \(\mathbb{R}^n\) 上的标准内积（或内积空间的标准模型）。
标准内积的性质验证：⏱ 17:00
- 双线性：由矩阵乘法的线性性质直接可得；
- 对称性：\(X^T Y = Y^T X\)（因为结果是标量，转置不变）；
- 正定性：\(\langle X, X \rangle = x_1^2 + \cdots + x_n^2 \geq 0\)，等号当且仅当 \(x_1 = \cdots = x_n = 0\)，即 \(X = 0\)。
标准内积在标准基下的度量矩阵：⏱ 18:30
命题
\(\mathbb{R}^n\) 上的标准内积在标准基 \((e_1, \dots, e_n)\) 下的度量矩阵是单位矩阵\(I_n\)。
验证：\(\langle e_i, e_j \rangle = e_i^T e_j = \delta_{ij}\)，所以度量矩阵 \(A = (\delta_{ij}) = I_n\)。
验证：\(\langle e_i, e_j \rangle = e_i^T e_j = \delta_{ij}\)，所以度量矩阵 \(A = (\delta_{ij}) = I_n\)。
重要结论
标准内积的度量矩阵是单位矩阵 \(I_n\)，这是一个对角矩阵（也是对角标准形的特例），且 \(I_n\) 显然是正定矩阵（\(X^T I_n X = \|X\|^2 > 0\) 对 \(X \neq 0\)）。这也从矩阵角度验证了标准内积的正定性。⏱ 19:30
★重点回顾
1
内积的三个条件：双线性 + 对称 + 正定。三者缺一不可，是从几何空间内积抽象出的本质属性。
2
正定对称矩阵：\(A\) 对称且对一切 \(X \neq 0\)，\(X^TAX > 0\)。正定性是矩阵的属性，与基的选择无关（但在不同基下矩阵不同）。
3
实内积空间：实线性空间 + 指定的内积。有限维实内积空间 = 欧氏空间（\(\mathbb{R}^n\) 空间）。
4
\(\mathbb{R}^n\) 的标准内积：\(\langle X, Y \rangle = X^T Y = \sum x_iy_i\)，度量矩阵为 \(I_n\)，是最基本的内积空间模型。
5
本章定位：第八章"具有度量的线性空间"的开端，后续将讨论内积空间的正交性、施密特正交化、正交补、度量矩阵的合同变换等核心内容。
⚠易错点提醒
常见错误
- 忽略内积定义中的"对称"条件：内积必须对称，否则不能定义夹角和长度。非对称的双线性函数不能叫内积。
- 混淆"正定矩阵"与"半正定矩阵"：正定要求 \(X^TAX > 0\)（严格大于），半正定允许等于0（对某些非零 \(X\)）。内积要求的是正定，不是半正定。
- 误以为任意双线性函数都可以成为内积：只有同时满足对称和正定的双线性函数才是内积。一般的对称双线性函数（如不定二次型）不能定义长度和角度。
- 误认为标准内积的度量矩阵不唯一：在标准基下，标准内积的度量矩阵就是 \(I_n\)；换基后度量矩阵会变，但仍然是正定矩阵（合同于 \(I_n\)）。
- 忽略域的限制：实内积只在实数域上有意义（需要有序性来定义"正定"）。复数域上的内积需要改为 Hermitian 内积（共轭对称），不能直接照搬。
✎自测与思考
- 验证：\(\mathbb{R}^2\) 上定义的 \(F((x_1,x_2),(y_1,y_2)) = 2x_1y_1 + x_1y_2 + x_2y_1 + 3x_2y_2\) 是否构成内积？（提示：写出度量矩阵，判断是否正定。）
- 设 \(A = \begin{pmatrix}2&1\\1&2\end{pmatrix}\)，验证 \(A\) 是正定矩阵，并求出 \(\mathbb{R}^2\) 上以 \(A\) 为度量矩阵的内积 \(\langle X, Y \rangle_A\) 的表达式。
- 证明：若 \(A\) 是正定矩阵，\(P\) 是可逆矩阵，则 \(P^TAP\) 也是正定矩阵。（这说明正定性在基变换下保持不变。）
- （思考）\(\mathbb{R}^2\) 上定义 \(\langle (x_1,x_2), (y_1,y_2) \rangle = x_1y_1 - x_2y_2\)，这是内积吗？为什么？（提示：检查正定性。）
- （思考）如果去掉内积定义中的"对称"条件，只要求双线性+正定，能否定义长度和角度？说明理由。
下集预告
第 P127 集将继续讨论具有度量的线性空间：内积空间中的正交性、向量长度的定义、柯西-施瓦茨不等式、三角不等式等基本性质，以及施密特正交化方法。