2025年调和-几何-算数-幂均值不等式,柯西不等式,琴生不等式,赫尔德不等式

调和-几何-算数-幂均值不等式,柯西不等式,琴生不等式,赫尔德不等式近年来看到这几个概念不少次了 都有点混淆了 稍微总结下吧 1 几何算数均值不等式 这种是中学课本中常见的 对于一组非负实数 x 1 x 2

大家好,我是讯享网,很高兴认识大家。

近年来看到这几个概念不少次了,都有点混淆了,稍微总结下吧。

1. 几何算数均值不等式

这种是中学课本中常见的,对于一组非负实数 x 1 , x 2 , … , x n x_1, x_2, \dots, x_n x1​,x2​,…,xn​,有
x 1 x 2 … x n n ≤ x 1 + x 2 + ⋯ + x n n \sqrt[n]{x_1x_2\dots x_n}\leq \frac{x_1+x_2+\dots+x_n}{n} nx1​x2​…xn​ ​≤nx1​+x2​+⋯+xn​​
之前我一直把这个当做柯西不等式,其实不是一回事。这个不等式可以用琴声不等式证明(两边取 ln),但貌似不能用柯西不等式证明(没查到)。

广义不等式:

min ⁡ { x 1 , … , x n } ≤ n 1 x 1 + ⋯ + 1 x n ≤ x 1 … x n n ≤ x 1 + ⋯ + x n n ≤ x 1 2 + ⋯ + x n 2 n 2 ≤ x 1 p + … x n p n p ≤ max ⁡ { x 1 , … , x n } \min\{x_1,\dots,x_n\}\leq \frac{n}{\frac{1}{x_1}+\dots+\frac{1}{x_n}}\leq \sqrt[n]{x_1\dots x_n}\leq \frac{x_1+\dots+x_n}{n}\\ \leq\sqrt[2]{\frac{x_1^2+\dots+x_n^2}{n}}\leq \sqrt[p]{\frac{x_1^p+\dots x_n^p}{n}}\leq \max\{x_1,\dots, x_n\} min{ x1​,…,xn​}≤x1​1​+⋯+xn​1​n​≤nx1​…xn​ ​≤nx1​+⋯+xn​​≤2nx12​+⋯+xn2​​ ​≤pnx1p​+…xnp​​ ​≤max{ x1​,…,xn​}

2. 柯西不等式

柯西不等式其实是用向量的内积表示的,对于两个向量 u \bf u u 与 v \bf v v,
∣ ⟨ u , v ⟩ ∣ 2 ≤ ⟨ u , u ⟩ ⋅ ⟨ v , v ⟩ \bf |\langle u, v\rangle|^2 \leq \langle u, u\rangle \cdot \langle v, v\rangle ∣⟨u,v⟩∣2≤⟨u,u⟩⋅⟨v,v⟩

列向量时可以写成:

( u ′ v ) 2 ≤ ( u ′ u ) ( v ′ v ) \bf (u'v)^2\leq (u'u)(v'v) (u′v)2≤(u′u)(v′v)

典型的应用是下面的式子:
( a c + b d ) 2 ≤ ( a 2 + b 2 ) ( c 2 + d 2 ) (ac+bd)^2\leq (a^2+b^2)(c^2+d^2) (ac+bd)2≤(a2+b2)(c2+d2)

其中, u = ( a , b ) {\bf u}=(a, b) u=(a,b), v = ( c , d ) {\bf v}=(c,d) v=(c,d)
可以利用向量的乘积理解:
a ∗ b = ∣ a ∣ ∣ b ∣ cos ⁡ θ ≤ ∣ a ∣ ∣ b ∣ \bf{a}*\bf{b}=|a||b|\cos\theta\leq |a||b| a∗b=∣a∣∣b∣cosθ≤∣a∣∣b∣

又称柯西-施瓦茨不等式。


讯享网

柯西不等式还有一个变形:
( ∑ u i ) 2 ∑ v i ≤ ∑ u i 2 v i \frac{(\sum u_i)^2}{\sum v_i}\leq \sum \frac{u_i^2}{v_i} ∑vi​(∑ui​)2​≤∑vi​ui2​​

这里面设计向量: u i ′ = u i v i u'_i=\frac{u_i}{\sqrt{v_i}} ui′​=vi​ ​ui​​, v i ′ = v i v'_i=\sqrt{v_i} vi′​=vi​ ​,就能推出上面的不等式

3. 赫尔德不等式

Hölder’s inequality,该不等式是柯西不等式的推广:

∑ k = 1 n ∣ x k y k ∣ ≤ ( ∑ k = 1 n ∣ x k ∣ p ) 1 / p ( ∑ k = 1 n ∣ y k ∣ q ) 1 / q \sum_{k=1}^n |x_ky_k|\leq \left(\sum_{k=1}^n|x_k|^p\right)^{1/p}\left(\sum_{k=1}^n|y_k|^q\right)^{1/q} k=1∑n​∣xk​yk​∣≤(k=1∑n​∣xk​∣p)1/p(k=1∑n​∣yk​∣q)1/q

其中 p > 1 , q > 1 , 1 p + 1 q = 1 p>1, q>1, \frac{1}{p}+\frac{1}{q}=1 p>1,q>1,p1​+q1​=1. 这个等式也可以写成范数形式:
∥ x y ∥ 1 ≤ ∣ ∣ x ∣ ∣ p ∥ y ∥ q \|xy\|_1\leq ||x||_p\|y\|_q ∥xy∥1​≤∣∣x∣∣p​∥y∥q​

赫尔德不等式可以通过下面的杨氏不等式证明:

a b ≤ a p p + b q q ab\leq \frac{a^p}{p}+\frac{b^q}{q} ab≤pap​+qbq​

其中 a ≥ 0 , b ≥ 0 , p > 1 , q > 1 , 1 p + 1 q = 1. a\geq 0,b\geq 0, p>1, q>1, \frac{1}{p}+\frac{1}{q}=1. a≥0,b≥0,p>1,q>1,p1​+q1​=1.

4. 琴生不等式

琴生不等式基于概率论,若 f ( x ) f(x) f(x) 为凸函数,则
E ( f ( x ) ) ≥ f ( E ( x ) ) E(f(x))\geq f(E(x)) E(f(x))≥f(E(x))
若 f ( x ) f(x) f(x) 为凹函数,则
E ( f ( x ) ) ≤ f ( E ( x ) ) E(f(x))\leq f(E(x)) E(f(x))≤f(E(x))

凸函数与凹函数的定义可以根据琴生不等式表示。即:
凸函数
∑ i = 1 n λ i f ( x i ) ≥ f ( ∑ i = 1 n f ( λ i x i ) ) \sum_{i=1}^n\lambda_i f(x_i)\geq f(\sum_{i=1}^n f(\lambda_i x_i)) i=1∑n​λi​f(xi​)≥f(i=1∑n​f(λi​xi​))
其中, ∑ i = 1 n λ i = 1 \sum_{i=1}^n\lambda_i=1 ∑i=1n​λi​=1, 0 ≤ λ i ≤ 1 0\leq \lambda_i\leq 1 0≤λi​≤1.

从琴生不等式可以推出:
1 n ≤ a 1 2 + a 2 2 + … a n 2 \frac{1}{n}\leq a_1^2+a_2^2+\dots a_n^2 n1​≤a12​+a22​+…an2​
其中, a 1 + a 2 + ⋯ + a n = 1 a_1+a_2+\dots+a_n=1 a1​+a2​+⋯+an​=1。这个可以令 f ( x ) = x 2 f(x)=x^2 f(x)=x2,利用它是凸函数推出(令 x i = a i , λ i = 1 n x_i=a_i, \lambda_i=\frac{1} {n} xi​=ai​,λi​=n1​)。

小讯
上一篇 2025-03-13 10:49
下一篇 2025-01-13 18:25

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/77519.html