Seminar Analysis

Konvexe Funktionen und einige wichtige Ungleichungen

Michael Schaeper
23.04.2013
1
Abstract
This seminar is about convex functions and several important inequalities. At the beginning the
term convexity is on focus, because with its help many important inequalities can be proofed. Af-
terwards we go in detail and proof the inequalities from Hlder, Minkowski and Jensen. At the end
the Cauchy-Schwartz inequality is used in an application example, which solves the represented
problem.
Kurze bersicht
Dieses Seminar handelt ber Konvexe Funktionen und einige wichtige Ungleichungen. Zunchst
steht der Begriff der Konvexitt im Mittelpunkt, da mit dessen Hilfe einige wichtige Ungleichungen
bewiesen werden knnen. Anschlieend werden speziel die Hldersche, Minkowskische, sowie Jen-
sensche Ungleichung bewiesen. Zum Schluss wird gezeigt, wie die Chauchy-Schwarz-Ungleichung
in einem Anwendungsbeispiel zum tragen kommen kann, um das vorgestellte Problem zu lsen.
1 Einleitung
Ableitungen knnen physikalisch als Geschwindigkeiten interpretiert werden, zweite Ableitungen
dann entsprechend als Beschleunigungen. In diesem Seminar wird nun die geometrische Bedeu-
tung der zweiten Ableitung diskutiert. Dies fhrt zum wichtigen Begriff der Konvexitt, mit dessen
Hilfe sich eine Reihe interessanter Ungleichungen herleiten lassen.
Denition 1.1
a) Es sei I R ein Intervall. Eine Funktion f : I R heit konvex, falls fr alle x, y I
und t [0, 1] gilt:
f((1 t)x + ty) (1 t)f(x) + tf(y) (1)
b) Eine Funktion f : I R heit konkav, falls f konvex ist.
Konvexitt bedeutet anschaulich, dass der Graph von f immer unterhalb der Verbindungsstrecke
zweier seiner Punkte liegt (vgl. Abb. 1), entsprechend bedeutet Konkavitt, dass er stets oberhalb
dieser Strecke liegt. Natrlich ist f : I R genau dann konkav, wenn (1) mit ""fr f gilt.
Satz 1.2
Eine Funktion f : I R ist genau dann konvex, wenn fr alle x < z < y I gilt:
f(z) f(x)
z x

f(y) f(z)
y z
(2)
Beweis :
Setzt man in (1) z := (1 t)x + ty mit t (0, 1), folgt sofort die quivalenz:
f(z) (1 t)f(x) + tf(y)
0 (1 t)f(x) + tf(y) f(z) | (y x)
0 (1 t)(y x)f(x) + t(y x)f(y) (y x)f(z)
0 [(1 t)y (1 t)x]f(x) + (ty tx)f(y) (y x)f(z)
0 [y ((1 t)x + ty
. .
=:z
))]f(x) + [(1 t)x + ty
. .
=:z
x)f(y) (y x)f(z)
0 (y z)f(x) + (z x)f(y) (y z + z x)f(z)
0 [f(y) f(z)](z x) [f(z) f(x)](y z)

f(z) f(x)
z x

f(y) f(z)
y z
Folgerung 1.3
Eine differenzierbare Funktion f F(I) ist genau dann konvex, wenn f

monoton wachsend
ist.
Beweis :
"": In (2) gilt: x < z < y. Mit z x
+
folgt: lim
zx
+
f(z)f(x)
zx
= f

(x)
f(y)f(z)
yz
Mit z y

folgt:
f(z)f(x)
zx
lim
zy

f(y)f(z)
yz
= f

(y)
Insgesamt ist f

monoton wachsend, denn: x < y f

(x) f

(y)
"": Whle
f(z)f(x)
zx
= f

(
1
), sowie
f(y)f(z)
yz
= f

(
2
) Da f

monoton wachsend, gilt: f

(x) f

(y)
Insbesondere: f

(
1
) f

(
2
)
Mit dem Mittelwertsatz der Differentialrechnung folgt:
f(z)f(x)
zx
= f

(
1
) f

(
2
) =
f(y)f(z)
yz
,
was mit Satz 1.2 die Konvexittseigenschaft beschreibt.
Auf dieser Seite benden sich ein paar Aussagen im Zusammenhang mit Konvexitt, die fr den
weiteren Verlauf des Seminars aber nicht ausschlaggebend sind. Sie sollen dem Leser dennoch
nicht vorenthalten werden.
Folgerung 1.4
Eine zweimal differenzierbare Funktion f F(I) ist genau dann konvex, wenn f

(x) 0 gilt.
Eine differenzierbare Funktion f F(I) ist genau dann monoton wachsend, wenn f

(x) 0 fr
x I gilt. Da nach Folgerung 1.3 eine differenzierbare Funktion f F(I) genau dann konvex
ist, wenn f

monoton wachsend ist, oder anders formuliert f

(x) 0 fr x I, folgt sofort die

quivalenz der Aussage.
f

(x) 0 f

mon. wachsend
1.3
f konvex
Denition 1.5
Eine Funktion f : I R hat einen Wendepunkt in einem inneren Punkt a I, falls f fr ein
geeignetes > 0 auf (a , a] konkav und auf [a, a + ) konvex ist, oder dies auf f zutrifft.
Bemerkung 1.6
Die Funktion f F(I) habe einen Wendepunkt in a I. Ist f auf I differenzierbar, so hat f

ein lokales Extremum in a. Ist f auf I zweimal differenzierbar, so folgt f

(a) = 0
Beispiel 1.7
a) Die Exponentialfunktion f(x) = e
x
, f C

(R) ist konvex wegen f(x) = e

x
= f

(x) 0
x R.(vgl. Abb. 2)
b) Der Logarithmus g(x) = log(x), g C

(R
+
) ist wegen g

(x) =
1
x
2
0
konkav. (vgl. Abb. 2)
c) Fr die Potenzfunktionen p

: x x

gilt auf (0, ):

p

(x) = x
1
, p

(x) = ( 1)x
2
D.h. konvex fr: 1 0, sowie konkav fr: 0 1.
d) Sei nun = 3. p
3
(x) = x
3
ist wegen p

3
(x) = 6x auf (, 0] konkav
und auf [0, ) konvex. (vlg. Abb. 3)
e) Sei nun = 4. p
4
(x) = x
4
ist wegen p

4
(x) = 12x
2
0 konvex fr alle x R.
(vlg. Abb. 3)
Mit Hilfe der Konvexitt der Exponentialfunktion lassen sich wichtige Ungleichungen beweisen.
Lemma 1.8
Fr p, q > 1 mit
1
p
+
1
q
= 1 und a, b 0 gilt:
a b
1
p
a
p
+
1
q
b
q
(3)
Beweis :
Es werden alle 4 Flle betrachtet:
Fr a, b = 0 folgt sofort: 0 0
Fr a = 0, b > 0 folgt: 0 b 0 +
1
q
b
q
0 b
q

Fr a > 0, b = 0 analog
Fr a, b > 0 folgt mit x := log(a) und y := log(b):
a b = e
x
e
y
= e
x+y
= exp(
1
p
px +
1
q
qy)
(1)

1
p
exp(px) +
1
q
exp(qy) =
1
p
a
p
+
1
q
b
q

Satz 1.9 (Hldersche Ungleichung)

Fr p, q > 1 mit
1
p
+
1
q
= 1 und Regelfunktionen f, g R(J) gilt:
_
J
|f(x)g(x)| dx
_
_
_
_
J
|f(x)|
p
dx
_
_
_
1
p

_
_
_
_
J
|g(x)|
q
dx
_
_
_
1
q
(4)
Beweis :
Sei > 0. Deniere:
A

:=
_
_
_
_
J
|f(x)|
p
dx
_
_
_
1
p
+ , B

:=
_
_
_
_
J
|g(x)|
q
dx
_
_
_
1
q
+
Fr x J wendet man (3) auf a :=
|f(x)|
A

, b :=
|g(x)|
B

an und erhlt:
a b =
|f(x)|
A

|g(x)|
B

(3)

1
p
_
|f(x)|
A

_
p
+
1
q
_
|g(x)|
B

_
q
|Integration

1
A

_
J
|f(x)g(x)| dx
1
pA
p

_
J
|f(x)|
p
dx +
1
qB
q

_
J
|g(x)|
q
dx

1
p
+
1
q
= 1
Fr 0 folgt die Behauptung (4):
_
J
|f(x)g(x)| dx A B
Mit p = q = 2 hat man speziell die Cauchy-Schwarzsche Ungleichung:
_
J
|f(x)g(x)| dx
_
_
_
_
J
|f(x)|
2
dx
_
_
_
1
2

_
_
_
_
J
|g(x)|
2
dx
_
_
_
1
2
Satz 1.10 (Minkowskische Ungleichung)
Fr p 1 und Regelfunktionen f, g R(J) gilt:
_
_
_
_
J
|f(x) + g(x)|
p
dx
_
_
_
1
p

_
_
_
_
J
|f(x)|
p
dx
_
_
_
1
p
+
_
_
_
_
J
|g(x)|
p
dx
_
_
_
1
p
(5)
Beweis : Fr p = 1 ist dies klar. (Dreiecksungleichung)
_
J
|f(x) + g(x)| dx
_
J
|f(x)| +|g(x)| dx =
_
J
|f(x)| dx +
_
J
|g(x)| dx
Fr p > 1 und
1
p
+
1
q
= 1 berechnet man mit Hilfe der Hlderschen Ungleichung fr
A :=
_
J
|f(x) + g(x)|
p
dx :
A =
_
J
|f(x) + g(x)| |f(x) + g(x)|
p1
dx

_
J
|f(x)| |f(x) + g(x)|
p1
dx +
_
J
|g(x)| |f(x) + g(x)|
p1
dx

_
_
_
_
J
|f(x)|
p
dx
_
_
_
1
p

_
_
_
_
J
|f(x) + g(x)|
(p1)q
dx
_
_
_
1
q
+
_
_
_
_
J
|g(x)|
p
dx
_
_
_
1
p

_
_
_
_
J
|f(x) + g(x)|
(p1)q
dx
_
_
_
1
q
=
_

_
_
_
_
_
J
|f(x)|
p
dx
_
_
_
1
p
+
_
_
_
_
J
|g(x)|
p
dx
_
_
_
1
p
_

_
A
1
q
wegen:
1
p
+
1
q
= 1
1
q
= 1
1
p
q =
p
p1
(p 1)q = p
Fr A = 0 ist (5) richtig, fr A = 0 dividiert man die letzte Abschtzung durch A
1
q
.
Bemerkung 1.11
Wendet man (4) und (5) auf die Treppenfunktionen f :=
n

k=1
x
k

(k1,k)
und
g :=
n

k=1
y
k

(k1,k)
an, so erhlt man speziell die ebenfalls von Hlder und Minkowski
stammenden Ungleichungen:
n

k=1
|x
k
y
k
|
_
_
n

k=1
|x
k
|
p
_
_
1
p

_
_
n

k=1
|y
k
|
q
_
_
1
q
(6)
_
_
n

k=1
|x
k
+ y
k
|
_
_
1
p

_
_
n

k=1
|x
k
|
p
_
_
1
p
+
_
_
n

k=1
|y
k
|
p
_
_
1
p
(7)
Imfolgenden betrachten wir ein passendes Anwendungsbeispiel zur Chauchy-Schwarz-Ungleichung:
Anwendung: Beschrnkung des Punkt-Linien Vorfalls
Man stelle sich vor, man hat eine groe Anzahl N Punkte, sowie N gerade verlaufende Linien
in dieser Umgebung. Die Menge der Punkte p wird als P, die Menge der Linien l wird als L
bezeichnet. Das Ziel ist es nun eine begrndete obere Schranke fr die Punkt-Linien-Vorflle I,
welche wie folgt deniert sind, zu nden:
I =

p,l

pl
mit
pl
=
_
1, wenn p l
0, sonst
Mit anderen Worten, wenn n(p) die Anzahl der Linien l L ist, die durch einen Punkt p P
gehen, oder n(l) die Anzahl der Punkte p P die auf einer Linie l L liegen, dann ist
I =

p
n(p) =

l
n(l)
Als anschauliche Orientierung soll nun das folgende Beispiel dienen. Hier ist der Spezialfall N = 3
gewhlt.
Beispiel 1.12
N = 3, I =

p,l

pl
=
11
+
12
+ . . . +
33
= 3
Eine grobe, einfache Abschtzung ist, dass jeder Punkt p auf jeder Linie l liegt, d.h. in diesen Fall
mssten sich alle Linien in einem Punkt S schneiden, auf welchem dann alle Punkte p liegen. Also
ist die grtmgliche obere Schranke:
I N
2
An dieser Stelle wird darauf hingewiesen, dass diese Schranke nicht angenommen werden kann, da
die Punkte alle unterschiedlich sind.
Diese Abschtzung knnen wir jedoch optimieren, indem wir Cauchy-Schwarz benutzen:
Mit y
k
= 1 und p, q = 2 hat (6) quaddriert folgende Darstellung:
_
_
N

k=1
x
k
_
_
2

k=1
x
k
2

k=1
1
2
. .
N
= N
N

k=1
x
k
2
I
2
lsst sich nun wie folgt abschtzen:
I
2
=
_
_

p,l

pl
_
_
2
=
_
_
_

p
_
_

pl
_
_
_
_
_
2
N

p
_
_

pl
_
_
2
= N

l,l

pl

pl
= N

l,l

_
_

pl

pl

_
_
. .
()
Die Summe ber l, l

ist die Summe ber alle angeordneten Linien-Paaren (l, l

). Sei nun ein Paar

(l, l

) fest gegeben, der Ausdruck

p

pl

pl
beschreibt die Anzahl derer Punkte aus P, welche
gleichzeitig auf l und auf l

liegen.
Es sind fr (*) also zwei Flle zu betrachen, gilt l = l

, so folgt:

l=l

_
_

pl

pl

_
_
=

l
_
_

pl
_
_
= I
2. Fall, gilt nun l = l

:
Gegeben sei also ein Linien-Paar l = l

. Die maximale Anzahl von Punkten p aus P, welche

gleichzeitig auf l und l

liegen ist 1, nmlich genau der Schnittpunkt der beiden Linien. Also
gilt:

l=l

_
_

pl

pl

_
_
=

l=l

1 N N
2
Insgesamt ergibt sich mit I N
2
die viel schrfere Abschtzung:
I
2
N
_
I + N
2
_
N(N
2
+ N
2
) = 2N
3
I

2N
3
2
Nun kommen wir zur letzten Ungleichung dieses Seminares: Die Jensensche Ungleichung.
Fr Zahlen x
1
, . . . , x
n
R werden nun gewichtete Mittel x :=
n

k=1

k
x
k
untersucht. Hierbei gilt
fr die Gewichte
k
0 und
n

k=1

k
= 1
Satz 1.13 (Jensensche Ungleichung)
Es sei I R ein Intervall. Fr x
1
, . . . , x
n
I liegen alle gewichteten Mittel x =
n

k=1

k
x
k
in
I, fr konvexe Funktionen : I R gilt die Jensensche Ungleichung
(x)
n

k=1

k
(x
k
) (8)
Beweis : per Induktion
IA: Der Fall n = 1 ist klar, denn mit
1

k=1

k
=
1
= 1, sowie x =
1

k=1

k
x
k
=
1
x
1
= x
1
gilt:
(x)
1
(x
1
) = (x) =
1

k=1

k
(x
k
)
Der Fall n = 2 ebenso, denn aufgrund der Konvexitt von gilt:
(x) = (
2

k=1

k
x
k
) = (
1
x
1
+
2
x
2
)
(1)

1
(x
1
) +
2
(x
2
) =
2

k=1

k
(x
k
)
Die Behauptung sei nun fr n 1 bereits gezeigt.
IV: (x) = (
n1

k=1

k
x
k
)
n1

k=1

k
(x
k
)
IS: (n 1) n
(x) = (
n

k=1

k
x
k
) = (
n1

k=1

k
x
k
+
n
x
n
)
IV

n1

k=1

k
(x
k
) +
n
(x
n
) =
n

k=1

k
(x
k
)
Folgerung 1.14
Fr Zahlen x
1
, . . . , x
n
> 0 und
1
, . . . ,
n
0 mit
n

k=1

k
= 1 gilt die Abschtzung
n

k=1
x

k
k

n

k=1

k
x
k
(9)
Beweis :
Da der Logarithmus auf (0, ) konkav ist, gilt nach (8):
log
_
_
n

k=1

k
x
k
_
_

k=1

k
log(x
k
) |Anwendung exp
exp
_

_
log
_
_
n

k=1

k
x
k
_
_
_

_
exp
_
_
n

k=1

k
log(x
k
)
_
_

k=1

k
x
k
exp
_
_
n

k=1
log(x

k
k
)
_
_
=
n

k=1
x

k
k
Speziell erhlt man mit
k
=
1
n
diese allgemeine Fassung der Ungleichung zwischen geometri-
schem und arithmetischem Mittel:
n

x
1
x
2
x
n

1
n
n

k=1
x
k
Literatur
W. Kaballo. Einfhrung in die Analysis I. Spektrum Akademischer Verlag, 1996, 21