Σε όλα παρακάτω xi,ai,bi≥0, εκτός αν λέγεται αλλιώς.
ΑΜ-ΓΜ.nx1+⋯+xn≥nx1⋯xn, με ισότητα μόνο όταν x1=⋯=xn. Με βάρη wi≥0, ∑wi=1: ∑wixi≥∏xiwi.
Δυναμικοί μέσοι. Για xi>0 και p=0 θέσε Mp=(n1∑xip)1/p και M0=nx1⋯xn. Η p↦Mp είναι αύξουσα. Ειδικά minxi≤M−1≤M0≤M1≤M2≤maxxi (αρμονικός ≤ γεωμετρικός ≤ αριθμητικός ≤ τετραγωνικός).
Αναδιάταξη. Αν a1≤⋯≤an και b1≤⋯≤bn (εδώ τα πρόσημα δεν παίζουν ρόλο), τότε για κάθε μετάθεση σ
i∑aibn+1−i≤i∑aibσ(i)≤i∑aibi.
Chebyshev. Αν οι (ai), (bi) είναι ομοιόμορφα διατεταγμένες, n∑aibi≥(∑ai)(∑bi). Για ολοκληρώματα: αν f,g είναι και οι δύο αύξουσες στο [a,b], (b−a)∫abfg≥∫abf∫abg.
Cauchy–Schwarz.(∑aibi)2≤∑ai2∑bi2 και (∫fg)2≤∫f2∫g2 (για πραγματικά ai,bi και συναρτήσεις, χωρίς περιορισμό πρόσημου).
Hölder. Για p,q>1 με p1+q1=1: ∑aibi≤(∑aip)1/p(∑biq)1/q, και ∫∣fg∣≤∥f∥p∥g∥q.
Minkowski. Για p≥1: (∑(ai+bi)p)1/p≤(∑aip)1/p+(∑bip)1/p, και ∥f+g∥p≤∥f∥p+∥g∥p.
Jensen. Αν η φ είναι κυρτή σε διάστημα I, xi∈I και wi≥0 με ∑wi=1, τότε φ(∑wixi)≤∑wiφ(xi). Για ολοκληρώματα: αν f:[0,1]→I είναι συνεχής, φ(∫01f)≤∫01φ(f). Για κοίλη φ η φορά αντιστρέφεται.
Οι ανισότητες «μιας γραμμής».ex≥1+x, lnx≤x−1, sinx≤x για x≥0, 2ab≤a2+b2. Όλες λένε ότι μια κυρτή (κοίλη) συνάρτηση είναι πάνω (κάτω) από την εφαπτομένη της.
Τα βασικά λήμματα, με σύντομες αποδείξεις
ΑΜ-ΓΜ από το et≥1+t. Έστω A=n1∑xi>0. Από et≥1+t με t=Axi−1 παίρνουμε Axi≤exi/A−1. Πολλαπλασιάζοντας,
Anx1⋯xn≤e∑(xi/A−1)=e0=1.
Η et=1+t ισχύει μόνο για t=0, οπότε ισότητα έχουμε μόνο αν xi=A για κάθε i.
Αναδιάταξη με εναλλαγή. Αν σε μια μετάθεση υπάρχουν i<j με σ(i)>σ(j), η ανταλλαγή των bσ(i) και bσ(j) αλλάζει το άθροισμα κατά
Κάθε ανταλλαγή μειώνει τις αναστροφές, άρα μετά από πεπερασμένα βήματα φτάνουμε στην ταυτοτική χωρίς να μικρύνει το άθροισμα. Το κάτω φράγμα βγαίνει εφαρμόζοντας το ίδιο στα −bn+1−i.
Chebyshev με διπλό άθροισμα. Αφού οι (ai), (bi) είναι ομοιόμορφα διατεταγμένες, κάθε όρος του ∑i,j(ai−aj)(bi−bj) είναι ≥0. Αναπτύσσοντας, το άθροισμα ισούται με 2n∑aibi−2∑ai∑bi. Για ολοκληρώματα, το ίδιο με ∬(f(x)−f(y))(g(x)−g(y))dxdy≥0.
Cauchy–Schwarz από διακρίνουσα. Το ∑(ait+bi)2=t2∑ai2+2t∑aibi+∑bi2 είναι ≥0 για κάθε t, άρα η διακρίνουσα είναι ≤0. Για ολοκληρώματα δες και τη θεωρία των ολοκληρωμάτων.
Hölder από Young. Για u,v≥0 ισχύει uv≤pup+qvq (ΑΜ-ΓΜ με βάρη p1,q1 στα up,vq). Αν A=(∑aip)1/p και B=(∑biq)1/q είναι θετικά, βάλε u=ai/A, v=bi/B και άθροισε: AB∑aibi≤p1+q1=1.
Minkowski από Hölder. Για p>1 γράψε ∑(ai+bi)p=∑ai(ai+bi)p−1+∑bi(ai+bi)p−1 και εφάρμοσε Hölder σε κάθε άθροισμα. Αφού (p−1)q=p, παίρνεις S≤(∥a∥p+∥b∥p)S1/q με S=∑(ai+bi)p, και διαιρείς με S1/q.
Jensen από την ευθεία στήριξης. Μια κυρτή φ έχει σε κάθε εσωτερικό σημείο m του I ευθεία στήριξης: υπάρχει k με φ(x)≥φ(m)+k(x−m) για κάθε x∈I (αν η φ είναι παραγωγίσιμη, k=φ′(m)). Με m=∑wixi, πολλαπλασίασε με wi και άθροισε: οι όροι k(xi−m) δίνουν 0. Για ολοκληρώματα βάλε x=f(t) και ολοκλήρωσε.
Το τέχνασμα της εφαπτομένης. Αν θέλεις ∑φ(xi)≥nφ(m) υπό τον όρο ∑xi=nm, αλλά η φ δεν είναι κυρτή παντού, αρκεί να δείξεις φ(x)≥φ(m)+φ′(m)(x−m)μόνο για τα x του πεδίου. Συνήθως η διαφορά είναι ένα κλάσμα με παράγοντα (x−m)2. Αθροίζοντας, ο γραμμικός όρος φεύγει.
Κυρτή συνάρτηση: μέγιστο στα άκρα. Κάθε x∈[a,b] γράφεται x=(1−λ)a+λb με λ∈[0,1], άρα
φ(x)≤(1−λ)φ(a)+λφ(b)≤max{φ(a),φ(b)}.
Αντίστοιχα μια κοίλη συνάρτηση παίρνει το ελάχιστό της σε άκρο. Σε πολλές μεταβλητές: αν η έκφραση είναι κυρτή (ή γραμμική) ως προς κάθε μεταβλητή χωριστά σε ένα «κουτί» ∏[ai,bi], το μέγιστο πιάνεται σε κορυφή του κουτιού. Κράτα τις άλλες σταθερές και σπρώξε μία μεταβλητή τη φορά σε άκρο.
Karamata, σύντομα. Λέμε ότι το x=(x1≥⋯≥xn)κυριαρχεί στο y=(y1≥⋯≥yn) αν x1+⋯+xk≥y1+⋯+yk για κάθε k, με ισότητα για k=n. Τότε για κυρτή φ ισχύει ∑φ(xi)≥∑φ(yi). Παράδειγμα: το (2,0) κυριαρχεί στο (1,1), και το Jensen για δύο σημεία είναι ειδική περίπτωση. Η πρακτική συνέπεια: με σταθερό άθροισμα και xi∈[a,b], το ∑φ(xi) για κυρτή φ μεγιστοποιείται όταν όσο το δυνατόν περισσότερα xi είναι στα άκρα a, b (το πολύ ένα ενδιάμεσο).
Εξομάλυνση. Αν η αντικατάσταση δύο μεταβλητών xi,xj από τον μέσο τους 2xi+xj κρατά τον περιορισμό και δεν αυξάνει την έκφραση, το ελάχιστο είναι στο σημείο με όλες τις μεταβλητές ίσες. Προσοχή στη λογική: πρώτα εξασφαλίζεις ότι υπάρχει σημείο ελαχίστου (συνέχεια σε συμπαγές σύνολο), και μετά δείχνεις ότι αν δεν είναι όλες ίσες, μια εξομάλυνση δίνει γνήσια μικρότερη τιμή.
Τυπικά κόλπα
Βρες πρώτα την περίπτωση ισότητας. Σου λέει πώς να σπάσεις τους όρους στην ΑΜ-ΓΜ. Π.χ. για x>0 το x2+x16 γράφεται x2+x8+x8, ώστε το γινόμενο να είναι σταθερό και η ισότητα (x=2) εφικτή.
Ομογενοποίηση και κανονικοποίηση. Με όρο όπως abc=1 ή a+b+c=3 κάνεις και τις δύο πλευρές ίδιου βαθμού, ή αντίστροφα, σε ομογενή ανισότητα διαλέγεις την κλίμακα που σε βολεύει.
Τετράγωνα (SOS). Γράψε τη διαφορά ως άθροισμα τετραγώνων, π.χ. 3(a2+b2+c2)−(a+b+c)2=(a−b)2+(b−c)2+(c−a)2.
Cauchy–Schwarz με τη σταθερά 1.(∫abf)2≤(b−a)∫abf2. Στα αθροίσματα, η μορφή Engel: ∑viui2≥∑vi(∑ui)2 για vi>0.
Κυρτότητα χωρίς παράγωγο δεύτερης τάξης. Άθροισμα κυρτών, σύνθεση κυρτής με γραμμική, και max κυρτών είναι κυρτά. Η t είναι κοίλη, η tlnt κυρτή.
Ελαχιστοποίηση μιας μεταβλητής: αν στο τέλος μένει αc+cβ με α,β,c>0, η ΑΜ-ΓΜ δίνει ≥2αβ χωρίς παράγωγο.
Πώς εμφανίζεται στο IMC
Στο IMC σπάνια ζητείται μια «καθαρή» ανισότητα με τρεις μεταβλητές. Συνήθως η ανισότητα είναι ένα βήμα μέσα σε θέμα ανάλυσης ή γραμμικής άλγεβρας:
IMC 2026, 2η μέρα, θέμα 7: ένα εμβαδόν φράσσεται από κάτω με ένα ολοκλήρωμα που εξαρτάται από μία παράμετρο, και η ελαχιστοποίηση γίνεται με ΑΜ-ΓΜ για δύο όρους.
IMC 2026, 2η μέρα, θέμα 8: το άθροισμα των ∣λi∣ γράφεται ως γνήσια κοίλη συνάρτηση μιας παραμέτρου σε κλειστό διάστημα. Το ελάχιστο είναι σε άκρο, και μένει να συγκρίνεις δύο τιμές.