Русская Википедия:Транснеравенство

Материал из Онлайн справочника
Перейти к навигацииПерейти к поиску

Транснеравенство, также известное как перестановочное неравенство или неравенство об одномонотонных последовательностях, утверждает, что скалярное произведение двух наборов чисел является максимально возможным, если наборы одномонотонны (то есть оба одновременно неубывающие или одновременно невозрастающие), и минимально возможным, если наборы противоположной монотонности (то есть один неубывающий, а другой невозрастающий).

Другими словами, если <math>x_1\leqslant x_2 \leqslant \dots\leqslant x_n</math> и <math>y_1\leqslant y_2 \leqslant \dots\leqslant y_n</math>, то для произвольной перестановки <math>\sigma</math> чисел <math>\{1,2,\dots,n\}</math> выполняется неравенство:

<math>x_1 y_n + x_2 y_{n-1} + \cdots + x_n y_1 \leqslant x_1 y_{\sigma(1)} + x_2 y_{\sigma(2)} + \cdots + x_n y_{\sigma(n)} \leqslant x_1 y_1 + x_2 y_2 + \cdots + x_n y_n</math>

В частности, если <math>y_i=x_i</math>, то <math>x_1 x_{\sigma(1)} + \dots + x_n x_{\sigma(n)} \le {x_1}^2 + \dots {x_n}^2</math> независимо от упорядочивания <math>x_1, \dots, x_n</math>.

Следствием перестановочного неравенства является неравенство Чебышёва для сумм.

Доказательство

Обозначим <math>V(\sigma) = \sum \limits_{i=1}^{n} {x_i y_{\sigma(i)}}</math>. Для доказательства удобно несколько переформулировать утверждение:

<math>\arg \max \limits_{\sigma \in S_n} {V(\sigma)} = \sigma_0</math>

Здесь <math>S_n</math> — множество всех возможных перестановок, а <math>\sigma_0:\ x \mapsto x</math> — тождественная перестановка.

Основная идея доказательства состоит в том, что если <math>\sigma(i)>\sigma(j)</math> для некоторых <math>i<j</math>, то, поменяв местами значения <math>\sigma(i)</math> и <math>\sigma(j)</math>, мы не уменьшим значение суммы <math>V(\sigma)</math>.

Рассмотрим указанную сумму для некоторой перестановки <math>\sigma \not = \sigma_0</math> и такой пары <math>i,j</math>. Рассмотрим перестановку, образуемую из <math>\sigma</math> инверсий этой пары.

<math>\sigma': x \mapsto \left\{\begin{matrix} \sigma(j), & x=i, \\ \sigma(i), & x=j, \\ \sigma(x), & x \not \in \{{i,j}\}. \end{matrix}\right.</math>

По определению,

<math>V(\sigma') = V(\sigma) - x_i y_{\sigma(i)} - x_j y_{\sigma(j)} + x_i y_{\sigma(j)} + x_j y_{\sigma(i)} = V(\sigma) + (x_j - x_i) (y_{\sigma(i)} - y_{\sigma(j)})</math>

Согласно выбору <math>i,j</math> и предположению об упорядоченности <math>x,y</math>, справедливо неравенство <math>(x_j - x_i) (y_{\sigma(i)} - y_{\sigma(j)}) \ge 0</math>, так что <math>V(\sigma') \ge V(\sigma)</math>.

Следовательно, мы можем уменьшать число инверсий, не уменьшая значения <math>V(\sigma)</math> (например, исправляя инверсии в порядке сортировки пузырьком). В итоге такой процесс приведёт к превращению <math>\sigma</math> в <math>\sigma_0</math>, так что <math>V(\sigma) \le V(\sigma_0)</math>.

Обобщения

Для нескольких перестановок

Пусть даны <math>s</math> упорядоченных последовательностей <math>x_1^{(i)} \le x_2^{(i)} \le \dots \le x_n^{(i)},\ i=1,\dots,s</math>. Обозначим <math>V(\sigma_1,\dots,\sigma_s) = x_{\sigma_1(1)}^{(1)} x_{\sigma_2(1)}^{(2)} \dots x_{\sigma_s(1)}^{(s)} + \dots + x_{\sigma_1(n)}^{(1)} x_{\sigma_2(n)}^{(2)} \dots x_{\sigma_s(n)}^{(s)}</math>. Тождественную перестановку по-прежнему будет обозначать как <math>\sigma_0</math>.

Тогда <math>V(\sigma_1,\dots,\sigma_s) \le V(\sigma_0,\dots,\sigma_0)</math> для любого набора <math>(\sigma_1,\dots,\sigma_s)</math>.

Шаблон:Hider

Для выпуклых функций

Идея доказательства через пошаговое исправление инверсий применима для более широкого класса случаев, чем просто для скалярного произведения.

Пусть <math>f</math> — выпуклая функция, <math>x</math> и <math>y</math> упорядочены по неубыванию. Тогда

<math>f(x_1+y_{\sigma(1)}) + \dots + f(x_n+y_{\sigma(n)}) \le f(x_1+y_1) + \dots f(x_n+y_n)</math>

Шаблон:Hider

Умножая все значения <math>f</math> на <math>-1</math>, можно вывести аналогичное неравенство, но со знаком в другую сторону, для вогнутых функций.

Следствия

  • при <math>f(x)=e^x</math> (выпуклая функция): обычное перестановочное неравенство для наборов <math>e^{x_1}, \dots, e^{x_n}</math> и <math>e^{y_1}, \dots, e^{y_n}</math>
  • при <math>f(x)=x^2</math> (выпуклая функция): <math>\sum \limits_{i}^{n} {(x_i^2+2 x_i y_{\sigma(i)} + y_{\sigma(i)}^2)} \le \sum \limits_{i}^{n} {(x_i^2 + 2 x_i y_i + y_i^2)}</math>

После сокращения обеих частей на <math>\sum \limits_{i=1}^{n} {(x_i^2 + y_i^2)}</math>, опять получаем обычное перестановочное неравенство.

  • при <math>f(x)=\log{x}</math> (вогнутая функция): <math>\sum \limits_{i=1}^{n} {\ln(x_i+y_{\sigma(i)})} \ge \sum \limits_{i=1}^{n} {\ln(x_i+y_i)}</math>

После взятия экспоненты от обеих частей: <math>\prod_{i=1}^{n} {(x_i+y_{\sigma(i)})} \ge \prod_{i=1}^{n} {(x_i+y_{i})}</math>;

  • при <math>f(x)=\frac{1}{x}</math> (вогнутая функция): <math>\sum \limits_{i=1}^{n} {\frac{1}{x_i+y_{\sigma(i)}}} \ge \sum \limits_{i=1}^{n} {\frac{1}{x_i+y_i}}</math>

Неудачные попытки обобщения

В 1946 году была опубликована (Scripta Mathematica 1946, 12(2), 164—169) попытка следующего обобщения неравенства:

Шаблон:Рамка Для <math>n \ge 3</math> и двух наборов вещественных чисел <math>x_1\leqslant\cdots\leqslant x_n</math> и <math>y_1\leqslant\cdots\leqslant y_n</math>,

<math>x_1 y_{\sigma (1)} + \cdots + x_n y_{\sigma (n)} \leqslant x_1 y_{\pi(1)} + \cdots + x_n y_{\pi(n)}</math>

если число инверсий в перестановке <math>\pi</math> меньше чем в перестановке <math>\sigma</math>. Шаблон:Конец рамки

Однако впоследствии оказалось, что это обобщение верно только для <math>n = 3</math>. Начиная с <math>n = 4</math> для этого обобщения существуют контрпримеры, как например:

<math display="inline">0\cdot0+1\cdot1+2\cdot10+3\cdot2=27 < 31= 0\cdot 2+1\cdot 1+2\cdot 0+3\cdot 10.</math>

Следствия

Перестановочное неравенство интересно тем, что позволяет интуитивно объединить на общей основой внешне совершенно непохожие, применяемые в разных областях математики, числовые неравенства.

В этом разделе рассматриваются наборы чисел длины <math>n</math> и подразумевается, что обозначение <math>x_i</math> при <math>i>n</math> обозначает <math>x_{i-n}</math>, то есть зацикленность индексов.

Неравенство Коши — Буняковского

Согласно перестановочному неравенству, для любого <math>k</math> выполняется <math>\sum \limits_{i=0}^{n-1} {a_i a_{i+k}} \le \sum \limits_{i=0}^{n-1} {a_i^2}</math>.

Из этого выводится частный случай неравенства Коши-Буняковского:

<math>\left({\sum \limits_{i=0}^{n-1} {a_i}}\right)^2 = \sum \limits_{i=0}^{n-1} \sum \limits_{j=0}^{n-1} {a_i a_j} = \sum \limits_{i=0}^{n-1} \sum \limits_{j=0}^{n-1} {a_i a_{i+j}} \le \sum \limits_{j=0}^{n-1} {\sum \limits_{i=1}^{n} {a_i^2}} = n \sum \limits_{i=1}^{n} {a_i^2}</math>

Аналогично, разбивая сумму на <math>n^{k-1}</math> частей по всем возможным <math>(k-1)</math>-мерным сдвигам индексов и используя обобщение на несколько перестановок, выводится более общее неравенство для целых <math>k</math>:

<math>\left({\sum \limits_{i=0}^{n-1} {a_i}}\right)^k \le n^{k-1} \sum \limits_{i=0}^{n-1} {a_i^k}</math>

Общее неравенство Коши-Буняковского

<math>2 (a_1 b_1 + \dots + a_n b_n) = a_1 b_1 + \dots + a_n b_n + b_1 a_1 + \dots + b_n a_n \le a_1^2 + \dots + a_n^2 + b_1^2 + \dots + b_n^2</math>

Если нормировать значения <math>a_i</math> и <math>b_i</math> таким образом, чтобы выполнялось <math>a_1^2 + \dots + a_n^2 = b_1^2 + \dots + b_n^2 = 1</math>, то как следствие получается неравенство Коши-Буняковского. Для этого достаточно разделить все <math>a_i</math> на <math>\sqrt{a_1^2 + \dots + a_n^2}</math>, а все <math>b_i</math> на <math>\sqrt{b_1^2 + \dots + b_n^2}</math>. Поскольку неравенство Коши-Буняковского допускает такие деления без изменения истинности, то это доказывает утверждение.

Неравенства о средних

Квадратичное и арифметическое

Неравенство между средним квадратичным и средним арифметическим элементарно выводится из доказанного выше частного случая неравенства Коши-Буняковского.

Арифметическое и геометрическое

Неравенство между арифметическим и геометрическим средним гласит, что

<math>\sqrt[n]{x_1 \dots x_n} \le \frac{x_1+\dots+x_n}{n}</math>

Умножая обе части на <math>n</math> и рассматривая <math>n</math>-ые степени переменных, увидим, что это то же самое, что

<math>n x_1 \dots x_n \le x_1^n + \dots x_n^n</math>
<math>x_1 x_2 \dots x_{n-1} x_n + x_2 x_3 \dots x_n x_1 + \dots + x_n x_1 \dots x_{n-2} x_{n-1} \le x_1^n + \dots x_n^n</math>

Последнее же неравенство легко получается из обобщения перестановочного неравенство на несколько перестановок при <math>\sigma_k(i)=i+(k-1)</math>

Геометрическое и гармоническое

Приведём неравенство к тому же виду, что и предыдущее:

<math>\sqrt[n]{x_1 \dots x_n} \ge \frac{n}{\frac{1}{x_1} + \dots \frac{1}{x_n}}</math>
<math>\frac{1}{x_1} + \dots \frac{1}{x_n} \ge \frac{n}{\sqrt[n]{x_1 \dots x_n}}</math>

Рассматривая <math>n</math>-ые степени переменных, получаем

<math>n \left({\frac{1}{x_1}}\right) \dots \left({\frac{1}{x_n}}\right) \le \left({\frac{1}{x_1}}\right)^n + \dots \left({\frac{1}{x_n}}\right)^n</math>

Последнее неравенство легко получить прямым применением перестановочного неравенства для нескольких перестановок.

Ссылки

Партнерские ресурсы
Криптовалюты
Магазины
Хостинг
Разное

Источник — http://wikihandbk.com/ruwiki/index.php?title=Русская_Википедия:Транснеравенство&oldid=10946642