深入解析 琴生不等式 (Jensen's Inequality) 的数学原理、几何直观及其在概率论、经济学和竞赛数学中的广泛应用。探索凸函数背后的逻辑之美。
在数学分析中，琴生不等式（Jensen's Inequality）是描述凸函数（Convex Function）平均值与函数平均值之间关系的重要不等式。它由丹麦数学家约翰·延森（Johan Jensen）于1906年发表，因此得名。简单来说，它揭示了“平均值的函数”与“函数的平均值”之间的大小关系。
想象你站在一个碗底（凸函数形状）。无论你从碗壁的哪两个点连线，这条连线（弦）始终位于碗壁（函数图像）的上方。琴生不等式正是这一几何性质的代数表达。
对于凸函数 ，函数值的加权平均数 大于等于 自变量加权平均数的函数值。即：。
若 是定义在区间 上的凸函数，，且 为非负实数且满足 ，则：
f(λ₁x₁ + λ₂x₂ + ... + λₙxₙ) ≤ λ₁f(x₁) + λ₂f(x₂) + ... + λₙf(xₙ)
当 为凹函数时，不等号方向相反。
若 是一个随机变量， 是一个凸函数，且期望存在，则：
f(E[X]) ≤ E[f(X)]
其中 表示数学期望算子。这是琴生不等式在统计学和经济学中最常用的形式。
理解证明过程有助于灵活运用琴生不等式。我们主要通过数学归纳法和支撑线（Supporting Line）性质来证明。
琴生不等式的离散形式可以通过数学归纳法轻松证明。
基础步骤：当 时，即为凸函数的定义：，显然成立。
归纳假设：假设当 时不等式成立。
归纳步骤：考虑 的情况。令 。若 ，则显然成立。若 ，令 ，则 。利用凸函数定义和归纳假设，即可推导出 时也成立。
这是更通用且更具几何直观的方法。对于任意凸函数 在点 处，存在一条支撑线（切线或次梯度线），使得对于所有 ，都有 。
取 （即加权平均值）。则：
f(x_i) ≥ f(x_0) + m(x_i - x_0)
两边同乘 并求和：
∑ λ_i f(x_i) ≥ ∑ λ_i [f(x_0) + m(x_i - x_0)]
= f(x_0) ∑ λ_i + m (∑ λ_i x_i - x_0 ∑ λ_i)
= f(x_0) + m (x_0 - x_0)
= f(x_0)
即 ，证毕。
琴生不等式可以推广到测度论空间。若 是概率测度， 是凸函数， 是可积函数，则：
f(∫ f(x) dμ) ≤ ∫ f(f(x)) dμ
此外，若 是凸函数， 是单调递增凸函数，则复合函数 也是凸函数，琴生不等式依然适用。
琴生不等式不仅是数学竞赛中的利器，在自然科学和社会科学中也扮演着核心角色。以下是几个主要应用领域：
在概率论中，琴生不等式直接证明了方差的非负性。因为 是凸函数，所以 ，即 。此外，它也是证明柯西-施瓦茨不等式和赫尔德不等式的基础工具。
在微观经济学中，效用函数通常假设为凹函数（边际效用递减）。根据琴生不等式，。这意味着确定性财富的效用高于风险财富的期望效用。这解释了为什么理性经济人是“风险厌恶”的，即他们愿意支付保费来规避风险。
在信息论中，琴生不等式用于证明吉布斯不等式（Gibbs' Inequality），进而证明相对熵（KL散度）的非负性。由于对数函数 是凹函数，利用琴生不等式可得 ，这是推导香农熵性质的关键。
在奥数和国际数学奥林匹克（IMO）中，琴生不等式常用于处理涉及函数凹凸性的不等式证明。特别是当题目中出现 与 的关系时，往往能直接套用。
通过具体实例，我们可以更深刻地理解如何识别和应用琴生不等式。以下是三个不同难度的示例。
我们知道 AM-GM 不等式：。这可以用琴生不等式轻松证明。
证明：取 ，其定义域为 。计算二阶导数 ，故 为凸函数。根据琴生不等式：
两边乘以 -1 并取指数，即得 AM-GM 不等式。
题目：在锐角三角形 中，证明 。
分析：考虑函数 在区间 上的凹凸性。，故 在该区间为凹函数。
证明：根据琴生不等式（凹函数情形，不等号反向）：
(sin A + sin B + sin C) / 3 ≤ sin((A+B+C)/3)
= sin(π/3)
= √3 / 2
故 ，当且仅当 时取等号。
题目：设 为随机变量，证明 。
分析：这涉及绝对值函数和平方函数。虽然 是凸函数，但直接应用较难。我们可以利用柯西-施瓦茨不等式，或者再次利用琴生不等式的思想。
证明：考虑凸函数 。由琴生不等式：
(E[|X - E[X]|])^2 ≤ E[(|X - E[X]|)^2] = E[(X - E[X])^2] = Var(X)
开方即得结论。这里关键是将绝对值的期望平方后，转化为二阶矩。
| 函数类型 | 示例函数 | 二阶导数符号 | 琴生不等式方向 | 典型应用 |
|---|---|---|---|---|
| 凸函数 (Convex) | 方差非负、风险中性 | |||
| 凹函数 (Concave) | 效用最大化、熵最大化 | |||
| 线性函数 | 期望的线性性质 |
在搜索和学习琴生不等式的过程中，用户往往容易混淆一些概念。以下是根据网民搜索习惯整理的高频问题。
琴生不等式主要处理凸/凹函数的平均值关系，核心在于函数的“弯曲方向”。而柯西不等式主要处理向量内积或乘积和与平方和的关系，核心在于“正交性”或“投影”。虽然两者都可以用于证明均值不等式，但出发点不同。琴生不等式更通用，柯西不等式在代数变形中更常用。
最简单的方法是看二阶导数 。若 在区间上恒成立，则为凸函数（下凸，像个碗）；若 ，则为凹函数（上凸，像个拱桥）。常见的凸函数有 ；常见的凹函数有 (在 到 )。
在金融中，琴生不等式解释了期权定价中的“凸性溢价”（Convexity Premium）。由于期权 payoff 函数通常是凸的（如看涨期权 ），根据琴生不等式，。这意味着基于期望标的资产价格计算的期权价值低于实际的期望期权价值，这反映了时间价值和波动率的价值。
对于琴生不等式，等号成立的条件通常有两种情况：1. 所有 相等；2. 函数 在相关区间上是线性的（即二阶导数为0）。在严格凸或严格凹函数的情况下，只有当所有变量相等时等号才成立。
该不等式由丹麦数学家约翰·延森（Johan Ludwig Williams Jensen）在1906年的论文《关于凸函数和不等式》中首次系统提出并证明。为了纪念他的贡献，中文译为“琴生不等式”，英文为 Jensen's Inequality。