Inégalité de jensen

Inégalité de Jensen

En mathématiques, en analyse, l’inégalité de Jensen est une relation utile et très générale concernant les fonctions convexes, due au mathématicien danois Johan Jensen et dont il donna la preuve en 1906^[1]. On peut l'écrire de deux manières : discrète ou intégrale. Elle apparaît notamment en analyse, en théorie de la mesure et en probabilités (théorème de Rao-Blackwell), mais également en physique statistique, en mécanique quantique et en théorie de l'information (inégalité de Gibbs).

Pour les fonctions concaves, cette inégalité reste vraie si elle est renversée. Ce sera notamment le cas pour la fonction logarithme, très utilisée en physique.

Sommaire

1 Énoncé
- 1.1 Forme discrète
- 1.2 Forme intégrale
2 Démonstration
3 Notes et références
4 Voir aussi

Énoncé

Forme discrète

Inégalité de Convexité — Soit f une fonction convexe. Soit (x₁, ..., x_n) une famille de réels appartenant à l'intervalle de définition de f. Soit (λ₁, ..., λ_n) une famille de réels de l'intervalle [0; 1] tels que :

$\sum_{i=1}^{n} \lambda_i = 1$ ^[2]

Alors on a :

$f \left(\sum_{i=1}^n \lambda_i x_i \right) \leq \sum_{i=1}^n \lambda_i f \left( x_i \right)$

De nombreux résultats élémentaires importants d'analyse s'en déduisent, comme l'inégalité arithmético-géométrique : si $\left( x_i \right)_{0 \le i < N }$ est une famille de réels strictement positifs, alors :

$\frac{1}{N} \sum_{i=0}^{N-1} x_i \ge \sqrt[N]{\prod_{i=0}^{N-1} x_i}$

Donc la preuve découle immédiatement de l'inégalité de Jensen (renversée), appliqué au logarithme de la partie de droite, le logarithme étant concave.

Forme intégrale

Cadre général

Inégalité de Jensen — Soit a et b deux éléments de $\overline{\mathbb{R}} = \mathbb{R} \cup \{ \pm \infty \}$ tels que a < b. Soit $~\phi~$ une fonction continue de [0; 1] dans ]a; b[. Soit enfin $~f~$ une fonction convexe de ]a; b[ à valeurs réelles. Alors :

$f \left( \int_0^1 \phi \left(x \right) \, \mathrm dx \right) \leq \int_0^1 f \circ \phi \left( x \right) \, \mathrm dx$

On en déduit une relation importante entre les espaces L^p associés à une mesure finie : si p et q sont deux entiers naturels non-nuls et tels que $p \le q$ , alors :

$L^1 \supset L^2 \supset \cdots \supset L^p \supset L^q \supset \cdots \supset L^{\infty}$

Théorie de la mesure

Inégalité de Jensen — Soit (Ω,A,μ) un espace mesuré tel que $μ(Ω) = 1$ . Si g est une fonction à valeurs réelles μ-intégrable et si φ est une fonction convexe mesurable sur les réels, alors :

$\varphi\left(\int_{\Omega} g\, \mathrm d\mu\right) \le \int_\Omega \varphi \circ g\, \mathrm d\mu.$

Probabilités, statistiques

En statistiques, on retrouve cette inégalité concernant l'espérance :

Inégalité de Jensen — Soit f une fonction convexe sur ]a; b[ et X une variable aléatoire d'espérance finie, à valeurs dans ]a; b[. Alors l'inégalité suivante est vraie :

$f(\mathbb{E}(X)) \leq \mathbb{E}[f(X)]$

Avec $\mathbb E$ l'espérance mathématique.

On peut alors en déduire un résultat important de statistiques : le théorème de Rao-Blackwell. En effet, si L est une fonction convexe, alors d'après l'inégalité de Jensen,

$L(\Bbb{E}\{\delta(X)\}) \le \Bbb{E}\{L(\delta(X))\} \quad \Rightarrow \quad \Bbb{E}\{L(\Bbb{E}\{\delta(X)\})\} \le \Bbb{E}\{L(\delta(X))\}.$

Si δ(X) est un estimateur d'un paramètre non observé θ étant donné un vecteur X des observables, et si T(X) est une statistique suffisante pour θ, alors un estimateur plus performant, dans le sens de la minimisation des pertes, est donné par :

$\delta_{1}(X) = \Bbb{E}_{\theta}\{\delta(X') \,|\, T(X')= T(X)\},$

C'est-à-dire l'espérance de δ par rapport à θ, prise sur tous les vecteurs X compatibles avec la même valeur de T(X).

Démonstration

La démonstration historique est une preuve par récurrence de la forme discrète. La forme intégrale se déduit dans le cadre de la théorie de la mesure par des arguments de densité, et se généralise ensuite aux autres contextes.

Voici une preuve plus simple, dans le cadre le plus général : celui des espaces mesurés.

Soient (Ω,A,μ) un espace mesuré tel que $μ(Ω) = 1$ , $g:\Omega \to \mathbb{R}$ μ-intégrable et $\phi : \mathbb{R} \to \mathbb{R}$ mesurable convexe.

On note $Λ φ$ l'ensemble des applications affines de $\mathbb{R}$ dans $\mathbb{R}$ inférieures à $φ$ .

Les propriétés des fonctions convexes assurent que pour $x \in \mathbb{R}$ , $\phi(x) = \sup_{l\in\Lambda_\phi} l(x)$ .

En particulier, pour $l\in\Lambda_\phi$ , $\int \phi\circ g\mathrm d\mu \ge \int l\circ g\mathrm d\mu$ .

Or, pour $l\in\Lambda_\phi$ , $\int l\circ g\mathrm d\mu = l\left( \int g\mathrm d\mu \right)$ , car $μ(Ω) = 1$ .

En passant à la borne supérieure sur l, on obtient l'inégalité : $\int \phi\circ g\mathrm d\mu \ge \phi\left( \int g\mathrm d\mu \right)$

Toutes les autres formes de l'inégalité de Jensen s'en déduisent.

Notes et références

↑ (fr) Johan Jensen : « Sur les fonctions convexes et les inégalités entre les valeurs moyennes », Acta Mathematica 30 : 175-193, 1906.
↑ Dans le cas le plus général, on peut ne pas imposer cette relation aux λ_i, mais il faut alors dans l'inégalité de Jensen diviser les sommes par $\scriptstyle \sum_{i=1}^{n} \lambda_i$ .

Voir aussi

Articles en rapport avec la convexité
Géométrie convexe	Article principal : Ensemble convexe Outils et résultats fondamentaux : Enveloppe convexe • Adhérence, intérieur et frontière d'un convexe • Projection sur un convexe fermé • Séparation des convexes • Points remarquables à la frontière d'un convexe • Polytope • Théorème de Krein-Milman • Lemme de Farkas Géométrie combinatoire : Théorème de Carathéodory • Théorème de Radon • Théorème de Helly Géométrie métrique : Courbe de largeur constante • Théorème des quatre sommets Algorithmes de géométrie convexe : Approche polyèdrale • Marche de Jarvis • Parcours de Graham • Théorème optimisation/séparation Optimisation linéaire : Programmation linéaire • Algorithme du simplexe • Génération de colonnes
Interactions géométrie-analyse	Théorème de Hahn-Banach • Jauge
Analyse convexe	Article principal : Fonction convexe Outils et résultats fondamentaux : Inégalité de Jensen Optimisation convexe : Conditions de Kuhn-Tucker • Méthode du point intérieur
Utilisations de la convexité	Inégalités de convexité : Inégalité arithmético-géométrique • Inégalité de Hölder Analyse fonctionnelle : Espace localement convexe • Théorème du point fixe de Schauder Localisation de zéros de polynômes : Théorème de Gauss-Lucas Théorie des nombres : Théorème de Minkowski

Portail des mathématiques

Ce document provient de « In%C3%A9galit%C3%A9 de Jensen ».

Catégories : Analyse convexe | Inégalité

Wikimedia Foundation. 2010.

Contenu soumis à la licence CC-BY-SA. Source : Article Inégalité de jensen de Wikipédia en français (auteurs)

Игры ⚽ Нужна курсовая?

Regardez d'autres dictionnaires:

Inegalite de Jensen — Inégalité de Jensen En mathématiques, en analyse, l’inégalité de Jensen est une relation utile et très générale concernant les fonctions convexes, due au mathématicien danois Johan Jensen et dont il donna la preuve en 1906[1]. On peut l écrire de … Wikipédia en Français
Inégalité De Jensen — En mathématiques, en analyse, l’inégalité de Jensen est une relation utile et très générale concernant les fonctions convexes, due au mathématicien danois Johan Jensen et dont il donna la preuve en 1906[1]. On peut l écrire de deux manières … Wikipédia en Français
Inégalité de Jensen — En mathématiques, et plus précisément en analyse, l’inégalité de Jensen est une relation utile et très générale concernant les fonctions convexes, due au mathématicien danois Johan Jensen et dont il donna la preuve en 1906[1]. On peut l écrire de … Wikipédia en Français
Inegalite de Holder — Inégalité de Hölder En analyse, l’inégalité de Hölder, du nom de Otto Hölder, est une inégalité fondamentale relative aux espaces Lp : soit S un espace mesuré, soient 1 ≤ p, q ≤ ∞ avec 1/p + 1/q = 1, soit f une fonction de Lp(S) et g dans… … Wikipédia en Français
Inégalité De Hölder — En analyse, l’inégalité de Hölder, du nom de Otto Hölder, est une inégalité fondamentale relative aux espaces Lp : soit S un espace mesuré, soient 1 ≤ p, q ≤ ∞ avec 1/p + 1/q = 1, soit f une fonction de Lp(S) et g dans Lq(S). Alors fg… … Wikipédia en Français
Inégalité de hölder — En analyse, l’inégalité de Hölder, du nom de Otto Hölder, est une inégalité fondamentale relative aux espaces Lp : soit S un espace mesuré, soient 1 ≤ p, q ≤ ∞ avec 1/p + 1/q = 1, soit f une fonction de Lp(S) et g dans Lq(S). Alors fg… … Wikipédia en Français
Inegalite arithmetico-geometrique — Inégalité arithmético géométrique Étant donnés n réels strictement positifs , on définit leur moyenne arithmétique et leur moyenne géométrique : et . Il est classique que … Wikipédia en Français
Inegalite de Bienayme-Tchebychev — Inégalité de Bienaymé Tchebychev Soit X une variable aléatoire d espérance μ et de variance finie σ2 (l hypothèse de variance finie garantit l existence de l espérance). L inégalité de Bienaymé Tchebychev s énonce de la façon suivante :… … Wikipédia en Français
Inégalité De Bienaymé-Tchebychev — Soit X une variable aléatoire d espérance μ et de variance finie σ2 (l hypothèse de variance finie garantit l existence de l espérance). L inégalité de Bienaymé Tchebychev s énonce de la façon suivante : Théorème pour tout réel… … Wikipédia en Français
Inégalité de bienaymé-tchebychev — Soit X une variable aléatoire d espérance μ et de variance finie σ2 (l hypothèse de variance finie garantit l existence de l espérance). L inégalité de Bienaymé Tchebychev s énonce de la façon suivante : Théorème pour tout réel… … Wikipédia en Français

Dictionnaires et Encyclopédies sur 'Academic'

Inégalité de jensen