Estas preguntas son bastante difíciles de responder. Una respuesta "La propiedad $A$ es muy importante, porque puede utilizarse para demostrar propiedades $B$ , $C$ y $D$ que son muy importantes" no aclara mucho, sino que plantea más preguntas sobre por qué son importantes estos últimos. Una definición de "resultado importante", que es la más fácil de entender para un no profesional, puede provenir de una estimación estadística: si contamos todos los resultados conocidos (teoremas, etc.) en análisis para ser $N$ y que $M$ sea el número de los que utilizan un resultado particular, por ejemplo la desigualdad de Cauchy-Schwarz, en su demostración más sencilla (es decir, sería mucho más difícil de demostrar sin ella), entonces $\frac{M}{N}$ puede servir como medida de importancia. Por supuesto, este tipo de estadísticas nunca se calculan de forma explícita, sino que son entendidas de forma intuitiva por un individuo que tiene conocimientos sobre un determinado tema, y los demás tienen que confiar en él hasta que acumulan sus propios datos estadísticos.
Los que dicen que la desigualdad de Cauchy-Schwarz es importante pueden referirse a que la relación $\frac{M}{N}$ para este resultado es relativamente alto en comparación con la media. Sin embargo, se puede argumentar que la desigualdad $x^2\ge 0$ , $\forall x\in\mathbb{R}$ es mucho más importante en este sentido.
Una alternativa ( cualitativo en lugar de cuantitativo ) manera de medir la importancia es quizás juzgar la influencia de una noción particular y la posibilidad de generalizarla a otras construcciones más generales, lo que ayuda a estudiarlas. En este sentido, la desigualdad CS es tan importante como la noción de norma que se generalizó desde el plano y el $3D$ espacio para $\mathbb{R}^n$ primero, y luego a un espacio vectorial abstracto, dando lugar a los espacios de Hilbert, a los espacios de Banach y a una enorme y muy exitosa área de las matemáticas llamada análisis funcional .
1 votos
Por un lado, ayuda esencialmente a generalizar la desigualdad del triángulo que se utiliza tan a menudo en el análisis. Además, en el ámbito de la estadística, puede utilizarse para demostrar que la correlación lineal entre dos variables aleatorias está entre $-1$ y $1$ .
1 votos
Las desigualdades (incluida ésta) son importantes en el análisis, ya que ayudan a delimitar las cosas.
0 votos
DE ACUERDO. Supongo que tendré que esperar hasta que llegue al análisis real para ver dónde me resulta útil esta desigualdad.
2 votos
La noción de producto punto (o, en general, cualquier producto interno) es más general que cualquier noción razonable de "ángulo" que se pueda tener. El hecho de que $a \cdot b = |a||b| \cos \theta$ es no una definición. La definición es $a_1b_1 + a_2b_2 + \cdots$ y la fórmula del coseno es la siguiente (en $3$ dimensiones o menos) de la ley de los cosenos.
0 votos
Se han dado algunas respuestas bastante buenas ici .
0 votos
¿Por qué la fórmula del coseno sólo funciona en 3 dimensiones o menos? ¿No podemos considerar siempre que a y b están en algún subespacio plano del espacio n-dimensional?
0 votos
Tal vez se pueda argumentar que esto funciona en $n$ -El argumento del subplano/ley del coseno falla, sin embargo, en un espacio dimensional infinito. Sin embargo, el argumento del subplano/ley de los cosenos falla ciertamente en el espacio dimensional infinito, que es donde entran en juego las consecuencias más interesantes de la desigualdad de Cauchy Schwarz.
0 votos
Una posible respuesta es que su libro está siendo excesivamente dramático.
0 votos
Fácil de probar $\not \Rightarrow$ sin importancia.
0 votos
No hay que esperar al análisis; esta desigualdad ya es importante en la geometría euclidiana. Por ejemplo, dice que el (hiper)plano tangente a una esfera es perpendicular al radio. Si intentas reconstruir la geometría euclidiana en $\mathbb R^n$ (incluso $n=2$ , $n=3$ ) utilizando las herramientas que son más naturales en ese entorno -todo en coordenadas, no métodos sintéticos- esta desigualdad es crucial. (Y sí, tienes toda la razón en que sólo implica el plano abarcado por $a$ y $b$ cualquiera que sea la dimensión del espacio ambiente).