对数求和不等式

✍ dations ◷ 2025-05-18 05:09:59 #包含证明的条目,信息论,不等式

对数求和不等式(Log sum inequality)是一个不等式 ,可用于证明信息论中的多个定理。

对任何非负实数 a 1 , , a n {\displaystyle a_{1},\ldots ,a_{n}} 和正数 b 1 , , b n {\displaystyle b_{1},\ldots ,b_{n}} ,并记

则有如下的对数求和不等式:

上式中,等号成立的充分必要条件是所有 a i / b i {\displaystyle a_{i}/b_{i}} 都相等。

设辅助函数 f ( x ) = x log x {\displaystyle f(x)=x\log x} ,容易验证这个函数是一个凸(Convex)函数,我们有

推导中第二行的不等号,是由琴生不等式得到的 (可验证 b i / b 0 {\displaystyle {b_{i}}/{b}\geq 0} i b i / b = 1 {\displaystyle \sum _{i}{b_{i}}/{b}=1} )。

对数求和不等式可用于证明信息论中的几个不等式,例如吉布斯不等式或KL散度的基本性质 。

例如,证明吉布斯不等式时,将 p i {\displaystyle p_{i}} 看作 a i {\displaystyle a_{i}} ,将 q i {\displaystyle q_{i}} 看作 b i {\displaystyle b_{i}} ,得到

这个不等式对于收敛的无穷级数亦成立,即当 n = {\displaystyle n=\infty } 时,附加假设 a < {\displaystyle a<\infty } b < {\displaystyle b<\infty } 即可使不等式成立。

另一种推广则是将对数函数一般化。只要将对数函数换为任何一个 g ( x ) {\displaystyle g(x)} ,其使得 f ( x ) = x g ( x ) {\displaystyle f(x)=xg(x)} 是一个凸(Convex)函数即可。2004年,Csiszár证明了将对数函数换成一个单调非减函数,定理亦成立。

相关

  • 量词量词(英语:measure word),学术名称分类词(classifier),是一种存在于某些语言中的词语或语素,用来区分由可数名词指代的不同事物。在存在分类词的语言中,分类词常常用于名词被计数或者
  • 弗拉芒语弗拉芒语(荷兰语: Vlaams 帮助·信息),又称弗拉芒荷兰语(Vlaams-Nederlands)或比利时荷兰语(Belgisch-Nederlands .mw-parser-output .IPA{font-family:"Charis SIL","Doulos SIL"
  • C·S·路易斯克利夫·斯特普尔斯·刘易斯(英语:Clive Staples Lewis,1898年11月29日-1963年11月22日),通称C·S·刘易斯(C.S. Lewis)或 鲁益师,其朋友及家人昵称他为杰克(Jack),出生于北爱尔兰首府贝
  • PEACE MAKER铁《新撰组异闻PEACE MAKER》(日语:新撰組異聞PEACE MAKER)是日本漫画家黑乃奈奈绘的日本漫画作品。在月刊Comic BLADE上连载,单行本全5卷。其后推出续篇《PEACE MAKER 铁》,在2005
  • 新民新民市是中国辽宁省沈阳市下辖的一个县级市,位于沈阳市西北部。嘉庆十八年(1813年)分承德(今沈阳)西部,广宁东部地区;设新民厅,(治所在新民屯)属奉天府。光绪二十八年(1902年)改新民厅为
  • 麻辣辣,在台湾话、潮汕话中叫做莶(hiam)。辣是化学物质(譬如辣椒素、姜酮、姜醇等)刺激细胞,在大脑中形成了类似于灼烧的微量刺激的感觉,不是由味蕾所感受到的味觉,而是一种痛觉。所以其
  • 伍德福德 (南卡罗来纳州)伍德福德(英文:Woodford),是美国南卡罗来纳州下属的一座城市。城市类型是“Town”。其面积大约为0.79平方英里(2.03平方公里)。根据2010年美国人口普查,该市有人口185人,人口密度约
  • 胡中藻胡中藻(1712年-1755年),字翰选,号坚磨生,吏役胡大祉之子。江西南昌府新建县人。乾隆四年十月的官员履历所载,胡中藻年二十九岁,即其最晚出生于康熙五十一年(1712年)。胡中藻为鄂尔泰
  • 上下颌前突上下颌前突是一种容貌特征。也叫暴牙、龅牙、哨牙、鸟嘴畸形、突颌畸形等。是指上下门齿及上下颌骨向前突出,放松状态下上下唇多不能自然闭合,笑时牙龈大量外露。从正面观察开
  • K-近邻算法在模式识别领域中,最近邻居法(KNN算法,又译K-近邻算法)是一种用于分类和回归的非参数统计方法。在这两种情况下,输入包含特征空间(英语:Feature Space)(Feature Space)中的个最接近的