贡献者: 欄、停敘
在等式与不等式中已经介绍过等式和不等式的概念,本文将专注处理恒成立的等式和不等式。恒成立指的是在给定的变量取值范围中,不论取哪个值,等式(或不等式)均成立。尽管普通的不等式方程也可说在他们的解集上恒成立,但一般来讲对不等式而言恒成立要求的取值范围更广泛一些。
在解题时
恒成立的等式称作恒等式(identities)。
一些常见的恒等式:
当说两个函数相等时,由于相等中包含定义域、对应关系和值域,因此,这时所说的相等是指恒等。 例如 $f(x)=g(x)$,如果指恒等,那么这个操作是平凡的。而它一般就指的是条件等式,即方程,等式成立的条件就是两函数的交点。 恒等式意味着对定义区间上的任何点上的行为都是完全相同的,因此恒等式两侧进行求导、积分等运算均仍能保持恒等关系。而一般的方程(即条件等式)不可以通过这种方法进行运算。
恒成立的代数方程两侧对应参数相等。
所有的定义都是恒等式。区分恒等式和公式(formula)。
与等式的情况相同,存在某些不等式对任意变量值都成立,此时称不等式恒成立。下面介绍一些恒成立的不等式。
$\max f(x),\min f(x)$
若给定集合 $A$,在 $A$ 上函数满足:
$f(x)\leq g(x)$ 或 $f(x)\geq g(x)$ 成立的充要条件是函数 $F(x)=f(x)-g(x)$ 满足之前的恒成立条件。如果想要各自考虑 $f(x),g(x)$,而不是上面的方法。那么 $\max f(x)\leq\min g(x)$ 或 $\min f(x)\geq\max g(x)$ 对于恒成立而言是充分不必要条件。以第一个为例,成立的原因是 $f(x)\leq\max f(x)\leq\min g(x)\leq g(x)$,这是一种严格的成立,就像二者中间有一个区域,谁都不越雷池一步。
这里容易搞混符号,注意,$\min f(x)\leq\min g(x)$ 或 $\max f(x)\geq\max g(x)$ 对于恒成立而言既不充分也不必要。根本上还是要记住原理。
另外如果 $g(x)=c$ 是常数,则之前的成立条件也可认为是:若在 $A$ 上函数满足:
一般出现在题目中时,往往会给出一个含参的函数,如 $f(x;a,b,c)=ax^2+bx+c$ 等。这时需要根据题目的条件,利用上面的成立条件来推导。下面给出一些常用的不同的函数或运算满足的恒成立的不等式,请在使用时注意他们成立的前提条件和取等条件:
成立前提 | 不等式 | 取等条件 |
$x\in\mathbb{R}$ | $|x|\geq0$ | $x=0$ |
$x\in\mathbb{R}$ | $x^{2n}\geq0\quad(n\in\mathbb{Z})$ | $x=0$ |
$x\in[0,+\infty)$ | $x^{1\over2n}\geq0\quad(n\in\mathbb{Z})$ | $x=0$ |
$x\in\mathbb{R}$,$b^2-4ac\leq0$ 且 $a>0$1 | $ax^2+bx+c\geq0$ | $b^2-4ac=0$ 且 $\displaystyle x=-{2a\over b}$ |
$x\in\mathbb{R}$,$b^2-4ac\leq0$ 且 $a<0$2 | $ax^2+bx+c\leq0$ | $b^2-4ac=0$ 且 $\displaystyle x=-{2a\over b}$ |
$x\in\mathbb{R}$ | $a^x>0\quad(a\in\mathbb{R}^+)$ | - |
$x\in\mathbb{R}$ | $|\sin x|\leq 1$ | $\displaystyle x={\pi\over2}+k\pi\quad (k\in\mathbb{Z})$ |
$x\in\mathbb{R}$ | $|\cos x|\leq 1$ | $x=k\pi\quad (k\in\mathbb{Z})$ |
$\displaystyle x\in[0,{\pi\over2})$ | $\sin x\leq x\leq\tan x$ | $x=0$ |
还有一种常见的情况,选取 $g(x)$ 为 $f(x)$ 的某条切线,此时,切点往往成为取等的临界条件。比如 $\forall x\in\mathbb{R},e^x\geq x+1$ 当且仅当 $x=0$ 时成立,又如 $\forall x\in\mathbb{R}^+,\ln x\leq x-1$ 当且仅当 $x=1$ 时成立。这往往会成为考题的考点。
基本不等式是基于 $(a-b)^2\geq0$ 得到的一组不等关系。由于 $(a-b)^2\geq0$ 在实数域恒成立,因此由此推广得到的不等式也是在实数域恒成立的,而在复数域则不具备这种关系。推广的过程是通过向 $a,b$ 赋值实现的,而推广后由于不等号两边的表达式均为某种均值的形式,因此基本不等式也称为均值不等式,而由于存在多种均值,也有人称其为(均值)不等式链。
下面给出的是高中要求的常见形式:
证明过程是显然的,将 $(a-b)^2\geq0$ 打开并移项就可以得到,或后的写法也只是将 $a,b$ 替换成了 $\sqrt{a},\sqrt{b}$。但他背后的意义是深远的,一般称 $\displaystyle a+b\over2$ 为算术平均数(Arithmetic mean,或算数均值),也就是通常生活中提到平均值时所指的数,称 $\sqrt{ab}$ 为几何平均数(Geometric mean,或几何均值)。几何平均数通常在计算增长率时使用,比如投资某个项目,第一年的收益率是 $4\%$,第二年是 $10\%$,则两年的平均收益率并非 $\displaystyle {104\%+110\%\over2}-1=7\%$,而是 $\sqrt{1.04\times1.10}-1=6.96\%$。根据基本不等式,如果直接计算算术平均数,则总会高估实际的收益率。
同时,根据 $a^2+b^2\geq2ab$ 可以得到 $2a^2+2b^2\geq a^2+2ab+b^2=(a+b)^2$,两侧同时开方则有:
注意,本节出现的 $a,b$ 都是变量,因此可以给其赋予某个数或某种函数,例如取 $\displaystyle a=x,b={1\over x}$,此时有:$\displaystyle x+{1\over x}\geq2,\quad(x>0)$
下面的内容高中目前不再涉及,作为开阔视野。这四种均值都有广泛的应用3。事实上,上面的四种平均数都可以扩展至多个数,对于一列数 $a_1,a_2,\cdots,a_n$,有如表 2 所示的均值形式。
名称 | 常用字母 | 表达式 | 与数列的关系 |
平方平均数4 | $Q$ | $\displaystyle \sqrt{\frac{a_1^2 + a_2^2 + \cdots + a_n^2}{n}}$ | $\displaystyle \sum_{i=1}^nQ^2= \sum_{i=1}^na_i^2$ |
算术平均数 | $A$ | $\displaystyle \frac{a_1 + a_2 + \cdots + a_n}{n}$ | $\displaystyle \sum_{i=1}^nA= \sum_{i=1}^n{a_i}$ |
几何平均数 | $G$ | $\displaystyle \sqrt[n]{a_1 \cdot a_2 \cdot \cdots \cdot a_n}$ | $\displaystyle \prod_{i=1}^nG= \prod_{i=1}^n{a_i}$ |
调和平均数 | $H$ | $\displaystyle \frac{n}{\frac{1}{a_1} + \frac{1}{a_2} + \cdots + \frac{1}{a_n}}$ | $\displaystyle \sum_{i=1}^n\frac{1}{H}= \sum_{i=1}^n\frac{1}{a_i}$ |
在表 2 中,有一列展示了不同均值与数列的关系。通过分析这一列的表达式,可以清晰地理解每种均值的具体形式是如何得出的。这些表达式揭示了每种均值的计算方法和背后的数学结构,同时也提示了不同均值适用的情境。定理 2 是从之前的简单形式推广得到的,此处不加证明地给出。
假设有两列数字 $a_1, a_2, \dots, a_n$ 和 $b_1, b_2, \dots, b_n$。当满足条件 $\forall 1 \leq i < j \leq n, a_i \leq a_j \land b_i \leq b_j$ 时,称这两列为顺序排列(increasingly ordered),即两个序列的增长方向一致。当满足 $\forall 1 \leq i < j \leq n, a_i \leq a_j \land b_i \geq b_j$ 时,则称为逆序排列(decreasingly ordered),表示两个序列的增长方向相反。若不满足以上任一条件的排列方式,则称为乱序排列(unordered),即增长方向无规则。
基于上述定义,可以使用排序不等式来比较不同排列的和的大小关系。排序不等式表明:逆序和 $\leq$ 乱序和 $\leq$ 顺序和。这一不等式的证明基于数学归纳法和两非正数之积非负的性质,因此排序不等式的使用范围也与均值不等式相同。事实上,可以使用排序不等式证明基本不等式、柯西不等式、切比雪夫不等式等其他恒成立的不等式。它的规范表述如下:
由于证明方法只使用了高中常见的方法,下面给出证明过程。
下面使用数学归纳法证明排序不等式中顺序和不小于乱序和,逆序部分同理:
1. 当 $n=1$ 时显然成立;
2. 假设当 $n$ 时,任意乱序 $\sigma(i),(1\leq i\leq n)$ 时不等式均成立。当取 $n+1$ 时,$\forall 1\leq i\leq n$ 有 $a_{n+1}>a_i,b_{n+1}>b_i$,从而代入假设有:
由数学归纳法,排序不等式恒成立。
证毕。
柯西-施瓦茨不等式(Cauchy-Schwarz Inequality),也称柯西不等式,为两个向量的内积(inner product)与它们的模长(norm)之间建立了重要的不等关系。柯西不等式是根据 “内积” 这种运算的定义推知的基本属性,因此所有满足 “内积” 定义要求的运算,或者说可以称为 “内积” 的运算,都会满足这个不等式5。
鉴于这部分是为开阔视野,上面采用了比较严谨的表述,但涉及到很多高中未曾了解的知识。不必担心,在高中阶段由于只涉及到几何向量的运算,这时的内积指的就是 $ \boldsymbol{\mathbf{u}} \cdot \boldsymbol{\mathbf{v}} =| \boldsymbol{\mathbf{u}} |\cdot| \boldsymbol{\mathbf{v}} |\cos\theta$,而所谓对应的 “范数” 指的就是向量的 “模长”$| \boldsymbol{\mathbf{u}} |$。其实这里根据 $\cos \theta$ 的取值范围,显然可以得到结论。等号成立的条件是当 $\theta = 0$ 或 $\theta = \pi$ 时,即此时两个向量平行。
如果以高中常见的二维向量为例,利用坐标将两个向量表示出来,即 $ \boldsymbol{\mathbf{u}} =(a,b), \boldsymbol{\mathbf{v}} =(c,d)$,就得到了下面的表达方法:
对于多维情况,即向量的坐标是由一列数构成的时,有:
这个不等式不仅在几何中起作用,在数学分析、线性代数、概率等领域都非常重要。
1. ^ 大部分情况下也可以由 $c>0$ 来代替 $a>0$ 进行判定。
2. ^ 大部分情况下也可以由 $c<0$ 来代替 $a<0$ 进行判定。
3. ^ 此处只给出这四种,其实有很多种均值的定义,它们也都可纳入下面的均值不等式中。
4. ^ 也称作均方根(root mean square,RMS)
5. ^ 关于内积更详细的内容可以参考内积、内积空间。
 
 
 
 
 
 
 
 
 
 
 
友情链接: 超理论坛 | ©小时科技 保留一切权利