Disuguaglianza di Hardy-Littlewood

In matematica, la disuguaglianza di Hardy-Littlewood, il cui nome si deve a G. H. Hardy e John Edensor Littlewood, stabilisce che se f {\displaystyle f} e g {\displaystyle g} sono funzioni misurabili reali e non-negative che si annullano all'infinito, e se sono definite sullo spazio euclideo R n {\displaystyle \mathbb {R} ^{n}} , allora:

R n f ( x ) g ( x ) d x R n f ( x ) g ( x ) d x {\displaystyle \int _{\mathbb {R} ^{n}}f(x)g(x)\,dx\leq \int _{\mathbb {R} ^{n}}f^{*}(x)g^{*}(x)\,dx}

dove f {\displaystyle f^{*}} e g {\displaystyle g^{*}} sono i riordinamenti simmetrici decrescenti di f {\displaystyle f} e g {\displaystyle g} rispettivamente.

Dimostrazione

Il teorema di rappresentazione della torta a strati di una funzione misurabile reale non-negativa f {\displaystyle f} definita su R n {\displaystyle \mathbb {R} ^{n}} è la relazione:

f ( x ) = 0 + χ L ( f , t ) ( x ) d t x R n {\displaystyle f(x)=\int _{0}^{+\infty }\chi _{L(f,t)}(x)\,\mathrm {d} t\qquad \forall x\in \mathbb {R} ^{n}}

dove χ L ( f , t ) {\displaystyle \chi _{L(f,t)}} denota la funzione indicatrice dell'insieme di livello L ( f , t ) = { y R n : f ( y ) t } {\displaystyle L(f,t)=\{y\in \mathbb {R} ^{n}:f(y)\geq t\}} . Questa rappresentazione segue dal fatto che:

1 L ( f , t ) ( x ) = 1 [ 0 , f ( x ) ] ( t ) {\displaystyle 1_{L(f,t)}(x)=1_{[0,f(x)]}(t)}

e quindi utilizzando la formula:

f ( x ) = 0 f ( x ) d t {\displaystyle f(x)=\int _{0}^{f(x)}\mathrm {d} t}

Grazie a tale rappresentazione si può scrivere:

f ( x ) = 0 χ f ( x ) > r d r g ( x ) = 0 χ g ( x ) > s d s {\displaystyle f(x)=\int _{0}^{\infty }\chi _{f(x)>r}\,dr\qquad g(x)=\int _{0}^{\infty }\chi _{g(x)>s}\,ds}

dove χ f ( x ) > r {\displaystyle \chi _{f(x)>r}} denota la funzione indicatrice dell'insieme E f {\displaystyle E_{f}} dato da:

E f = { x X : f ( x ) > r } {\displaystyle E_{f}=\left\{x\in X:f(x)>r\right\}}

Analogamente, χ g ( x ) > s {\displaystyle \chi _{g(x)>s}} denota la funzione indicatrice dell'insieme E f {\displaystyle E_{f}} dato da:

E g = { x X : g ( x ) > s } {\displaystyle E_{g}=\left\{x\in X:g(x)>s\right\}}

Si ha dunque:

R n f ( x ) g ( x ) d x = R n 0 0 χ f ( x ) > r χ g ( x ) > s d r d s d x {\displaystyle \int _{\mathbb {R} ^{n}}f(x)g(x)\,dx=\displaystyle \int _{\mathbb {R} ^{n}}\int _{0}^{\infty }\int _{0}^{\infty }\chi _{f(x)>r}\chi _{g(x)>s}\,dr\,ds\,dx}
= 0 0 R n χ f ( x ) > r g ( x ) > s d x d r d s {\displaystyle =\int _{0}^{\infty }\int _{0}^{\infty }\int _{\mathbb {R} ^{n}}\chi _{f(x)>r\cap g(x)>s}\,dx\,dr\,ds}
= 0 0 μ ( { f ( x ) > r } { g ( x ) > s } ) d r d s {\displaystyle =\int _{0}^{\infty }\int _{0}^{\infty }\mu \left(\left\{f(x)>r\right\}\cap \left\{g(x)>s\right\}\right)\,dr\,ds}
0 0 min ( μ ( f ( x ) > r ) ; μ ( g ( x ) > s ) ) d r d s {\displaystyle \leq \int _{0}^{\infty }\int _{0}^{\infty }\min \left(\mu \left(f(x)>r\right);\mu \left(g(x)>s\right)\right)\,dr\,ds}
= 0 0 min ( μ ( f ( x ) > r ) ; μ ( g ( x ) > s ) ) d r d s {\displaystyle =\int _{0}^{\infty }\int _{0}^{\infty }\min \left(\mu \left(f^{*}(x)>r\right);\mu \left(g^{*}(x)>s\right)\right)\,dr\,ds}
= 0 0 μ ( { f ( x ) > r } { g ( x ) > s } ) d r d s {\displaystyle =\int _{0}^{\infty }\int _{0}^{\infty }\mu \left(\left\{f^{\ast }(x)>r\right\}\cap \left\{g^{\ast }(x)>s\right\}\right)\,dr\,ds}
= R n f ( x ) g ( x ) d x {\displaystyle =\int _{\mathbb {R} ^{n}}f^{*}(x)g^{*}(x)\,dx}

Bibliografia

  • (EN) Richard J. Gardner, The Brunn–Minkowski inequality, in Bull. Amer. Math. Soc. (N.S.), vol. 39, n. 3, 2002, pp. 355–405 (electronic), DOI:10.1090/S0273-0979-02-00941-2.
  • (EN) Lieb, Elliott H., & Loss, Michael, Analysis, Second, Providence, RI, American Mathematical Society, 2001, ISBN 0-8218-2783-9.

Voci correlate

Collegamenti esterni

  • (EN) Almut Burchard, A Short Course on Rearrangement Inequalities (PDF), su math.toronto.edu.
  Portale Matematica: accedi alle voci di Wikipedia che trattano di matematica