{
  "id": "parallelogram-law",
  "title": "平行四边形定律",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "平行四边形定律描述平行四边形边长与对角线长度的关系，并刻画由内积诱导的范数。",
  "category": "mathematics",
  "subcategory": "geometry",
  "type": "concept",
  "aliases": [
    "平行四边形恒等式",
    "平行四边形法则"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/parallelogram-law/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/parallelogram-law/",
      "json": "https://aiwiki.page/en/parallelogram-law.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "平行四边形定律是指：平行四边形两条对角线的长度平方和，等于四条边的长度平方和。在配备了范数的向量空间中，其标准形式为\n\n\\[\\|x+y\\|^2+\\|x-y\\|^2=2\\|x\\|^2+2\\|y\\|^2.\\]\n\n只要范数由内积诱导，这一恒等式就对任意两个向量成立。反过来，实或复向量空间上的范数若对任意两个向量都满足这一恒等式，就必由唯一的内积诱导。这一刻画将初等欧几里得几何与抽象赋范空间的结构联系起来。"
    },
    {
      "heading": "几何意义",
      "text": "设 \\(x\\) 和 \\(y\\) 表示欧几里得空间中一个平行四边形的两条邻边。不计方向，其两条对角线可分别用 \\(x+y\\) 和 \\(x-y\\) 表示。若两条邻边的长度分别为 \\(a\\) 和 \\(b\\)，两条对角线的长度分别为 \\(d_1\\) 和 \\(d_2\\)，则该恒等式可写为\n\n\\[d_1^2+d_2^2=2a^2+2b^2.\\]\n\n这一结果与邻边之间的夹角无关。当边长保持不变而夹角变化时，一条对角线可能变长，另一条则变短，但两条对角线的长度平方和始终不变。\n\n一种初等推导方法是利用余弦定理。若两条邻边的夹角为 \\(\\theta\\)，则\n\n\\[d_1^2=a^2+b^2+2ab\\cos\\theta,\\]\n\n\\[d_2^2=a^2+b^2-2ab\\cos\\theta.\\]\n\n将两式相加，即可消去与夹角有关的项。\n\n对于矩形，两条对角线等长，因此该恒等式化为\n\n\\[d^2=a^2+b^2,\\]\n\n即勾股定理。因此，平行四边形定律将直角三角形中这一熟知的关系推广到了任意平行四边形。"
    },
    {
      "heading": "由内积推导",
      "text": "内积诱导的范数为\n\n\\[\\|x\\|=\\sqrt{\\langle x,x\\rangle}.\\]\n\n在实内积空间中，\n\n\\[\\|x+y\\|^2 =\\|x\\|^2+2\\langle x,y\\rangle+\\|y\\|^2\\]\n\n且\n\n\\[\\|x-y\\|^2 =\\|x\\|^2-2\\langle x,y\\rangle+\\|y\\|^2.\\]\n\n两式相加即得平行四边形恒等式。\n\n在复内积空间中，相应的展开式含有内积的实部：\n\n\\[\\|x\\pm y\\|^2 =\\|x\\|^2+\\|y\\|^2 \\pm 2\\operatorname{Re}\\langle x,y\\rangle.\\]\n\n交叉项同样相互抵消。\n\n因此，这一定律在每个内积空间中都成立，与空间的维数和完备性无关。例如，采用通常点积的坐标空间、平方可积函数空间，以及所有希尔伯特空间都满足这一定律。"
    },
    {
      "heading": "内积诱导范数的刻画",
      "text": "逆命题即若尔当–冯·诺依曼定理，由帕斯库尔·若尔当与约翰·冯·诺依曼于1935年确立：\n\n实或复赋范向量空间的范数由内积诱导，当且仅当该范数对任意两个向量都满足平行四边形定律。\n\n“任意两个”这一量词至关重要。某个等式碰巧对特定向量成立，并不能刻画整个空间的范数。\n\n该定理不要求空间具有完备性。如果一个巴拿赫空间，即完备的赋范向量空间，满足这一恒等式，那么由此得到的内积就使它成为希尔伯特空间。\n\n恢复内积\n\n极化恒等式可以从范数重构内积。在实数域上，\n\n\\[\\langle x,y\\rangle =\\frac14\\left(\\|x+y\\|^2-\\|x-y\\|^2\\right).\\]\n\n在复数域上，若约定内积对第一个变量是线性的，则\n\n\\[\\begin{aligned} \\langle x,y\\rangle =\\frac14\\bigl(&\\|x+y\\|^2-\\|x-y\\|^2\\\\ &+i\\|x+iy\\|^2-i\\|x-iy\\|^2\\bigr). \\end{aligned}\\]\n\n若约定内积对第二个变量是线性的，则虚数项的符号相反。\n\n这些公式说明了唯一性：两个内积若诱导出完全相同的范数，就必定相同。不过，这些公式并不能将任意范数转化为内积。平行四边形定律提供了保证线性所需的代数相容性。\n\n实数情形下逆命题的证明概要\n\n假设一个实赋范空间满足平行四边形定律。令\n\n\\[q(x)=\\|x\\|^2,\\qquad B(x,y)=\\frac14\\bigl(q(x+y)-q(x-y)\\bigr).\\]\n\n由定义立即可得对称性以及 \\(B(x,x)=q(x)\\)。对定义中的各项应用平行四边形恒等式，得到\n\n\\[B(x+z,y)+B(x-z,y)=2B(x,y).\\]\n\n取 \\(z=x\\)，可得\n\n\\[B(2x,y)=2B(x,y).\\]\n\n再作代换，即得可加性：\n\n\\[B(u+v,y)=B(u,y)+B(v,y).\\]\n\n可加性蕴含对有理数标量的齐次性。由范数继承而来的连续性，可将这一性质推广至所有实数标量。利用对称性可得对另一个变量的线性，而\n\n\\[B(x,x)=\\|x\\|^2>0\\qquad(x\\ne0)\\]\n\n给出了正定性。因此，\\(B\\) 就是所需的内积。"
    },
    {
      "heading": "不满足该恒等式的范数",
      "text": "平行四边形定律比三角不等式更强，并不是一般赋范向量空间的公理。\n\n在 \\(\\mathbb R^2\\) 上，考虑范数\n\n\\[\\|(a,b)\\|_1=|a|+|b|.\\]\n\n对于 \\(x=(1,0)\\) 和 \\(y=(0,1)\\)，有\n\n\\[\\|x+y\\|_1^2+\\|x-y\\|_1^2=4+4=8,\\]\n\n而\n\n\\[2\\|x\\|_1^2+2\\|y\\|_1^2=4.\\]\n\n因此，这个范数不可能由内积诱导。\n\n对于最大值范数，\n\n\\[\\|(a,b)\\|_\\infty=\\max\\{|a|,|b|\\},\\]\n\n取同样的向量，等式左边为 \\(2\\)，右边为 \\(4\\)。因此，不满足等式时，左边既可能大于右边，也可能小于右边。\n\n更一般地，对于维数至少为二的通常的有限维\\ell^p 空间，当 \\(1\\le p<\\infty\\) 时，取上述向量可得\n\n\\[\\|x+y\\|_p^2+\\|x-y\\|_p^2=2^{1+2/p}.\\]\n\n该式恰好在 \\(p=2\\) 时等于 \\(4\\)。最大值范数的例子则涵盖了 \\(p=\\infty\\) 的情形。\n\n这一恒等式检验的是给定的范数，而不是底层向量空间能否配备其他内积。例如，配备 \\(\\ell^1\\) 范数的 \\(\\mathbb R^2\\) 不满足这一定律，但同一个向量空间配备欧几里得范数时却满足它。"
    },
    {
      "heading": "推论与应用",
      "text": "中点恒等式与逼近\n\n一个等价形式为\n\n\\[\\left\\|\\frac{x+y}{2}\\right\\|^2+ \\left\\|\\frac{x-y}{2}\\right\\|^2 =\\frac{\\|x\\|^2+\\|y\\|^2}{2}.\\]\n\n将 \\(x\\) 和 \\(y\\) 分别替换为 \\(x-z\\) 和 \\(y-z\\)，得到\n\n\\[\\left\\|\\frac{x+y}{2}-z\\right\\|^2 = \\frac{\\|x-z\\|^2+\\|y-z\\|^2}{2} -\\frac{\\|x-y\\|^2}{4}.\\]\n\n这一等式精确描述了取中点后，到给定点的距离平方相对于原先平均距离平方的减少量。在希尔伯特空间中，证明非空闭凸集内到 \\(z\\) 的最近点存在且唯一时，它起着核心作用。对于闭线性子空间，这种最近点构造就是正交投影。\n\n严格凸性\n\n若 \\(x\\) 和 \\(y\\) 是两个不同的单位向量，则由中点恒等式可得\n\n\\[\\left\\|\\frac{x+y}{2}\\right\\|^2 =1-\\frac14\\|x-y\\|^2<1.\\]\n\n因此，内积诱导的范数是严格凸的：任意两个不同单位向量的中点都位于单位球的内部。\n\n仅有严格凸性并不能推出平行四边形定律。例如，当 \\(1<p<\\infty\\) 时，通常的 \\(\\ell^p\\) 范数都是严格凸的，但在维数至少为二时，它们仅在 \\(p=2\\) 时满足平行四边形定律。\n\n平方误差分解\n\n这一定律可以推广到有限个向量。若\n\n\\[\\bar x=\\frac1n\\sum_{j=1}^{n}x_j,\\]\n\n则\n\n\\[\\sum_{j=1}^{n}\\|x_j-a\\|^2 = \\sum_{j=1}^{n}\\|x_j-\\bar x\\|^2 +n\\|\\bar x-a\\|^2.\\]\n\n对于实值数据，这一分解是样本均值的最小二乘性质以及常见方差恒等式的基础。对于向量，它解释了为什么算术平均值能够使内积诱导的距离平方和达到最小。"
    },
    {
      "heading": "术语辨析",
      "text": "“平行四边形法则”也可以指向量相加的几何规则：当两个向量构成平行四边形的两条邻边时，它们的和就是从共同起点出发的对角线所表示的向量。这一几何构造不同于范数平方恒等式。即使空间中的范数不满足平行四边形恒等式，向量加法仍然有意义。"
    }
  ],
  "links": [
    "norm-mathematics",
    "vector-space",
    "inner-product",
    "euclidean-geometry",
    "euclidean-space",
    "law-of-cosines",
    "pythagorean-theorem",
    "dot-product",
    "hilbert-space",
    "john-von-neumann",
    "banach-space",
    "triangle-inequality",
    "normed-vector-space",
    "lp-space",
    "convex-set",
    "orthogonal-projection",
    "sample-mean",
    "variance"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}