Loading [MathJax]/jax/element/mml/optable/GeneralPunctuation.js

1 votos

¿Problemas para minimizar expresiones con la desigualdad de Cauchy-Schwarz?

Estoy leyendo Tapas Matemáticas, aquí:

enter image description here

He respondido a estos dos problemas. El problema es que no he podido responder a la segunda pregunta en cada uno de ellos. He empleado la desigualdad de Cauchy-Schwarz para responderlas. Sé que

|u,v|=

si \mathbf{u} depende linealmente de \mathbf{v} . Así, por ejemplo: En para la primera, hice u_i=\sqrt{x_i} y v_i=\frac{1}{\sqrt{x_i}} Creo que esto significa que tenemos que tener:

(\sqrt{x_1},\dots,\sqrt{x_n})=\lambda\left(\frac{1}{\sqrt{x_1}} ,\dots , \frac{1}{\sqrt{x_n}}\right)

Y por lo tanto:

\left(\sqrt{x_1}-\lambda\frac{1}{\sqrt{x_1}} ,\dots , \sqrt{x_n}-\lambda \frac{1}{\sqrt{x_n}}\right)=0

Pero esto no parece ser útil.

0 votos

Para lograr n^2 puedes tomar x_k=\frac1n por cada k ¿verdad?

1voto

tobi Puntos 342

Cauchy-Schwarz tiene el caso de igualdad cuando la relación de cada término correspondiente es constante. En su caso eso significa:

\frac{\sqrt{x_k}}{\frac{1}{\sqrt{x_k}}} = \text{same constant},\ k = \overline{1,n}

Esto significa que x_1=x_2=\ldots=x_n . Para encontrar este valor constante, basta con sustituir todas las variables en la restricción dada:

nx_1=1\Rightarrow x_1=\frac{1}{n}

Así que el caso de la igualdad es x_1=x_2=\ldots=x_n = \dfrac{1}{n} . Y esto, efectivamente, alcanza el límite inferior requerido n^2 . Para la segunda desigualdad el mismo razonamiento da el caso de igualdad:

(x_1,x_2,\ldots,x_n) = \left(\frac{\mu}{a_1},\frac{\mu}{a_2},\ldots,\frac{\mu}{a_n}\right)

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X