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}
nx1x2…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}≤x11+⋯+xn1n≤nx1…xn≤nx1+⋯+xn≤2nx12+⋯+xn2≤pnx1p+…xnp≤max{x1,…,xn}
上述不等式又称作 HM-GM-AM-QM 不等式(调和不等式,几何不等式,算术不等式,幂均值不等式)。
其中:第二项为调和均值,第三项为几何均值,第四项为算术均值,第五项为平方均值
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 (Cauchy-Schwarz inequality)。
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≤∑viui2
这里面设计向量: u i ′ = u i v i u'_i=\frac{u_i}{\sqrt{v_i}} ui′=viui, 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∣xkyk∣≤(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∑nλif(xi)≥f(i=1∑nf(λixi))
其中,
∑
i
=
1
n
λ
i
=
1
\sum_{i=1}^n\lambda_i=1
∑i=1nλi=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)。