Неравенство Мюрхеда: мажорирование и симметричные суммы

Неравенство Мюрхеда - это удобный инструмент для сравнения симметричных сумм одночленов: оно говорит, что чем «равномернее» распределены показатели степеней, тем меньше соответствующая симметричная сумма. Формально сравнение наборов показателей задаётся отношением мажорирования, а сами суммы строятся симметризацией одночлена по всем перестановкам переменных. Из неравенства Мюрхеда как частные случаи вытекают неравенство между средним арифметическим и средним геометрическим (AM-GM) и многие олимпиадные оценки. Ниже разберём точную формулировку, как проверять мажорирование, доказательство и типичные применения. Если нужно сразу применить неравенство Мюрхеда к конкретной задаче, удобнее собрать постановку в форме ниже и продолжить разбор в чате.
Симметричная сумма и обозначение Мюрхеда
Пусть даны неотрицательные числа и набор показателей . Симметричной суммой называют величину, в которой одночлен суммируется по всем перестановкам переменных:
Деление на делает выражение симметричным средним, а не просто суммой, что удобно: при равных переменных оно равно единице. Например, при набор даёт - среднее арифметическое, а набор даёт - среднее геометрическое. Так уже на двух переменных видно, что Мюрхед обобщает AM-GM.

Мажорирование: когда один набор «равномернее» другого
Главное понятие - мажорирование. Говорят, что набор мажорирует набор (пишут ), если после сортировки обоих по убыванию выполнены условия:
Первое условие - равенство полных сумм (одинаковая суммарная степень одночлена), второе - все частичные суммы старшего набора не меньше. Содержательно мажорирование означает, что показатели «более неравномерны»: их масса сильнее сконцентрирована в больших компонентах, тогда как ближе к равномерному распределению. Классический пример: - степени постепенно выравниваются.

Формулировка неравенства Мюрхеда
Неравенство Мюрхеда связывает мажорирование наборов и порядок их симметричных сумм. Для неотрицательных и наборов с одинаковой суммой компонент:
Иными словами, более неравномерный набор показателей даёт большую симметричную сумму. Верно и обратное при положительных переменных: если выполнено для всех положительных , то . Поэтому мажорирование - не просто достаточное, а критериальное условие для сравнения симметричных средних одной степени.
Самый яркий частный случай - AM-GM. Возьмём и . Тогда , а неравенство превращается в
то есть в неравенство между средним арифметическим и геометрическим. Так Мюрхед даёт единый взгляд на целое семейство неравенств о средних, родственный подходу через выпуклость - см. неравенство Йенсена для выпуклых функций.
Доказательство через усреднение перестановок
Опорный шаг доказательства - это случай, когда наборы и отличаются «переносом массы» между двумя координатами. Если получается из заменой пары с на пару , где (так называемое преобразование Робина–Худа, которое уменьшает неравномерность), то достаточно проверить элементарное неравенство для двух показателей. Зафиксировав остальные переменные, нужно показать, что для любых
Это сводится к с подходящими - произведение двух сомножителей одного знака, что неотрицательно. Суммирование такого неравенства по всем перестановкам даёт для одного шага. Общий случай завершается ключевой теоремой: тогда и только тогда, когда получается из конечной цепочкой таких усредняющих преобразований (теорема Харди–Литлвуда–Пойа о бистохастических матрицах). Применяя одношаговую оценку вдоль цепочки, получаем неравенство в общем виде.
Условие равенства
Равенство при и (как мультимножества показателей) достигается только в тривиальных ситуациях. Если все переменные равны, , то любая симметричная сумма равна , где - общая степень, и все совпадают. При различных положительных равенство возможно лишь когда наборы и совпадают с точностью до перестановки. Это та же логика, что в AM-GM: среднее арифметическое равно среднему геометрическому ровно тогда, когда все числа одинаковы. Поэтому в олимпиадных задачах после применения Мюрхеда точку равенства ищут среди равных переменных.
Как применять Мюрхеда к олимпиадным неравенствам
Типовая схема работы с симметричным неравенством такая. Сначала раскрывают обе части до симметричных сумм одночленов одинаковой полной степени (однородность обязательна - если степени разные, неравенство нормируют, например условием или ). Затем для каждой пары сумм проверяют мажорирование наборов показателей: если левый набор мажорирует правый, неравенство Мюрхеда даёт нужную оценку напрямую. Когда мажорирования между крайними наборами нет, помогает разложение SOS (сумма квадратов) или применение Мюрхеда к промежуточным наборам и сложение нескольких оценок.

Например, неравенство для неотрицательных переменных не доказывается одним Мюрхедом напрямую (правая часть не симметрична), но его симметризованная версия по всем шести членам сразу следует из . Близкая по духу техника - оценка дробей через метод, описанный в материале про неравенство Гёльдера для интегралов, который тоже опирается на сравнение взвешенных сумм.
Ещё один показательный пример - оценка . Здесь полная степень равна четырём в обеих частях, симметричные суммы соответствуют наборам слева и справа. Сортируем и проверяем частичные суммы: , , - все условия мажорирования выполнены, значит и , что и даёт требуемое. Этот приём - записать обе части как наборы показателей и формально проверить четыре строки условий - экономит много выкладок по сравнению с прямой алгебраической оценкой и почти не оставляет места для ошибки.
Частые ошибки
- Сравнивают наборы разной полной степени. Мюрхед применим только к симметричным суммам одночленов одинаковой суммарной степени; иначе сравнение бессмысленно. Сначала проверьте однородность и при необходимости нормируйте.
- Путают мажорирование с покомпонентным сравнением. Условие - это про частичные суммы отсортированных наборов, а не про неравенства покоординатно.
- Применяют к несимметричным выражениям. Если в неравенстве есть фиксированный порядок переменных (как без полной симметрии), напрямую Мюрхед не работает - нужна симметризация или другой метод.
- Забывают про неотрицательность переменных. Формулировка требует ; при отрицательных значениях дробные показатели и сам вывод теряют смысл.
- Считают мажорирование достаточным для строгого неравенства всегда. Равенство возможно при равных переменных, поэтому в задачах на минимум точку равенства нужно отдельно указывать.
FAQ
Чем неравенство Мюрхеда отличается от AM-GM? AM-GM - это частный случай Мюрхеда для наборов и . Мюрхед же сравнивает любые два набора показателей одинаковой степени, связанные мажорированием, поэтому покрывает целое семейство неравенств о средних.
Можно ли применять Мюрхеда к нецелым показателям? Да. Набор показателей может состоять из любых неотрицательных вещественных чисел; важно лишь равенство полных сумм и выполнение условий мажорирования по частичным суммам. Дробные показатели как раз дают средние степенные.
Что делать, если мажорирования между наборами нет? Тогда напрямую Мюрхед неприменим. Часто помогает разложить разность в сумму квадратов (метод SOS), нормировать неравенство дополнительным условием или применить Мюрхеда к промежуточным наборам и сложить полученные оценки.
Коротко
Неравенство Мюрхеда сравнивает симметричные суммы одночленов: если набор показателей мажорирует набор (одинаковая полная степень, все частичные суммы старшего набора не меньше), то . Это критериальное условие, обобщающее AM-GM, доказывается усреднением по перестановкам через преобразования Робина–Худа, а равенство достигается лишь при равных переменных. На практике неравенство раскрывают до симметричных сумм, проверяют мажорирование наборов и при его наличии получают оценку напрямую.
Читайте также

Неравенство Шура: доказательство и применение в олимпиадах
Неравенство Шура для неотрицательных a, b, c: формулировка через параметр t, доказательство методом WLOG-упорядочивания, частный случай t = 1 и приёмы решения олимпиадных задач.

Абстрактный класс и интерфейс: в чём отличие
Абстрактный класс и интерфейс: чем отличаются в ООП, когда наследовать поведение, а когда задавать контракт, как выбрать на примерах Java, C# и Python.

Алгоритм AdaBoost: как слабые классификаторы дают сильный
Алгоритм AdaBoost простыми словами: адаптивный бустинг, перевзвешивание объектов, формула веса классификатора, итоговый ансамбль и разбор шага на примере с формулами.