| \vec{u} \cdot \vec{v} | \leq | | \vec{u} | | \cdot | | \vec{v} | |
$$
其中，$\vec{u} \cdot \vec{v}$ 表示向量的点积，$
| \vec{u} | | $ 表示向量的模长。 | 三、积分形式
在函数空间中，柯西不等式可以推广为：
$$
\left
\int_a^b f(x)g(x) dx \right | \leq \sqrt{\int_a^b f(x)^2 dx} \cdot \sqrt{\int_a^b g(x)^2 dx} | $$
适用于连续函数 $f(x), g(x)$ 在区间 $[a, b]$ 上的积分。
四、离散与连续结合形式
柯西不等式还可以用于概率论中的期望值：
$$
E[XY] \leq \sqrt{E[X^2] \cdot E[Y^2]}
$$
其中 $X, Y$ 是随机变量。
五、其他变体
1. 三角不等式（虽然不是严格意义上的柯西不等式，但常与其结合使用）：
$$
a + b | \leq | a | + | b | $$
2. 分式形式（常用于证明题）：
$$
\frac{a_1^2}{b_1} + \frac{a_2^2}{b_2} + \cdots + \frac{a_n^2}{b_n} \geq \frac{(a_1 + a_2 + \cdots + a_n)^2}{b_1 + b_2 + \cdots + b_n}
$$
3. 矩阵形式（在矩阵理论中）：
$$
\text{tr}(A^B) | \leq \sqrt{\text{tr}(A^A)} \cdot \sqrt{\text{tr}(B^B)} | $$
六、总结表格
| 类型 | 公式表达 | 适用范围 |
| 基本形式 | $\left( \sum_{i=1}^{n} a_i b_i \right)^2 \leq \left( \sum_{i=1}^{n} a_i^2 \right) \left( \sum_{i=1}^{n} b_i^2 \right)$ | 实数或复数序列 |
| 向量形式 | $ | \vec{u} \cdot \vec{v} | \leq | | \vec{u} | | \cdot | | \vec{v} | | $ | 向量空间 |
| 积分形式 | $\left | \int_a^b f(x)g(x) dx \right | \leq \sqrt{\int_a^b f(x)^2 dx} \cdot \sqrt{\int_a^b g(x)^2 dx}$ | 连续函数 |
| 概率形式 | $E[XY] \leq \sqrt{E[X^2] \cdot E[Y^2]}$ | 随机变量 |
| 分式形式 | $\frac{a_1^2}{b_1} + \frac{a_2^2}{b_2} + \cdots + \frac{a_n^2}{b_n} \geq \frac{(a_1 + a_2 + \cdots + a_n)^2}{b_1 + b_2 + \cdots + b_n}$ | 有理数或正数序列 |
| 矩阵形式 | $ | \text{tr}(A^B) | \leq \sqrt{\text{tr}(A^A)} \cdot \sqrt{\text{tr}(B^B)}$ | 矩阵运算 |
通过以上多种形式，我们可以看到柯西不等式不仅在数学理论中具有基础地位，也在实际问题中有着广泛的用途。掌握这些公式，有助于提高解题效率和逻辑思维能力。