琴生不等式
一般形式
琴生不等式可以用測度論或概率論的語言給出。這兩種方式都表明同一個很一般的結(jié)果。
測度論的版本
假設(shè)μ μ -->{\displaystyle \mu }是集合Ω Ω -->{\displaystyle \Omega }的正測度,使得μ μ -->(Ω Ω -->)=1{\displaystyle \mu (\Omega )=1}。若g{\displaystyle g}是勒貝格可積的實值函數(shù),而φ φ -->{\displaystyle \varphi }是在g{\displaystyle g}的值域上定義的凸函數(shù),則
概率論的版本
以概率論的名詞,μ μ -->{\displaystyle \mu }是個概率測度。函數(shù)g{\displaystyle g}換作實值隨機(jī)變數(shù)X{\displaystyle X}(就純數(shù)學(xué)而言,兩者沒有分別)。在Ω Ω -->{\displaystyle \Omega }空間上,任何函數(shù)相對于概率測度μ μ -->{\displaystyle \mu }的積分就成了期望值。這不等式就說,若φ φ -->{\displaystyle \varphi }是任一凸函數(shù),則
特例
概率密度函數(shù)的形式
假設(shè)Ω Ω -->{\displaystyle \Omega }是實數(shù)軸上的可測子集,而f(x){\displaystyle f(x)}是非負(fù)函數(shù),使得
以概率論的語言,f{\displaystyle f}是個概率密度函數(shù)。
琴生不等式變成以下關(guān)于凸積分的命題:
若g{\displaystyle g}是任一實值可測函數(shù),? ? -->{\displaystyle \phi }在g{\displaystyle g}的值域中是凸函數(shù),則
若g(x)=x{\displaystyle g(x)=x},則這形式的不等式簡化成一個常用特例:
有限形式
若Ω Ω -->{\displaystyle \Omega }是有限集合{x1,x2,… … -->,xn}{\displaystyle \{x_{1},x_{2},\ldots ,x_{n}\}},而μ μ -->{\displaystyle \mu }是Ω Ω -->{\displaystyle \Omega }上的正規(guī)計數(shù)測度,則不等式的一般形式可以簡單地用和式表示:
其中λ λ -->1+λ λ -->2+? ? -->+λ λ -->n=1,λ λ -->i≥ ≥ -->0{\displaystyle \lambda _{1}+\lambda _{2}+\cdots +\lambda _{n}=1,\lambda _{i}\geq 0}。
若? ? -->{\displaystyle \phi }是凹函數(shù),只需把不等式符號調(diào)轉(zhuǎn)。
假設(shè)x1,x2,… … -->,xn{\displaystyle x_{1},x_{2},\ldots ,x_{n}}是正實數(shù),g(x)=x{\displaystyle g(x)=x},λ λ -->i=1/n{\displaystyle \lambda _{i}=1/n}及φ φ -->(x)=log? ? -->(x){\displaystyle \varphi (x)=\log(x)}。上述和式便成了
兩邊取自然指數(shù)就得出熟悉的均值不等式:
這不等式也有無限項的離散形式。
統(tǒng)計物理學(xué)
統(tǒng)計物理學(xué)中,若凸函數(shù)是指數(shù)函數(shù),琴生不等式特別重要:
其中方括號表示期望值,是以隨機(jī)變數(shù)X的某個概率分布算出。這個情形的證明很簡單(參見Chandler, Sec. 5.5):在以下等式的第三個指數(shù)函數(shù)
套用不等式
即得出所求的不等式。
大學(xué)圖徽
琴生不等式是哥本哈根大學(xué)的數(shù)學(xué)系圖徽。
參考書目
Walter Rudin. Real and Complex Analysis. McGraw-Hill. 1987. ISBN 0-07-054234-1.
David Chandler. Introduction to Modern Statistical Mechanics. Oxford. 1987. ISBN 0-19-504277-8.
注釋
免責(zé)聲明:以上內(nèi)容版權(quán)歸原作者所有,如有侵犯您的原創(chuàng)版權(quán)請告知,我們將盡快刪除相關(guān)內(nèi)容。感謝每一位辛勤著寫的作者,感謝每一位的分享。
- 有價值
- 一般般
- 沒價值
{{item.userName}} 舉報
{{item.time}} {{item.replyListShow ? '收起' : '展開'}}評論 {{curReplyId == item.id ? '取消回復(fù)' : '回復(fù)'}}
{{_reply.userName}} 舉報
{{_reply.time}}