证明对数均值不等式 · 算术平均数总爱赢
热门 在几何世界里，两点之间直线最短，这就像阿基米德说的“两点之间线段最短”一样，是所有人都认可的真理。但在某些特殊的数学场景里，比如处理那些涉及对数函数的复杂表达式，要么在金融数学里计算利息累积时，我们常会遇到分比形式。
这时候，算术平均数就显得有点“笨重”。而对数均值不等式正好告诉我们：算术平均数 ≥ 对数均值（当两数不相等时严格大于）。这个结论也叫卡瓦列里不等式的通俗版本。
拿 2 和 1 俩数凑。算术平均数是 1.5。对数均值呢？分子是
2-1=1，分母是对数差，ln2 ≈ 0.693。那右边就是 1/0.693 ≈ 1.44。这就有点意思了，1.44 比 1.5 小。难道算术平均数一直赢过对数均值？
没错，这就是我们要证明的核心：(a-b)/(ln a - ln b) ≤ (a+b)/2，对任意正数 a≠b 成立。
? 代数推导 · 设 x = a/b
(x-1)/ln x ≤ (x+1)/2
? 验证 x=2： 左边 1.5，右边 1.442 → 成立。 x=10： 左边 5.5，右边 ≈3.91 → 成立。随着 x 增大，右边线性增长始终压制对数增长。
? 实例验证 · 数值说话
a=4, b=1
算术平均 = (4+1)/2 = 2.5
对数均值 = 3/ln4 ≈ 3/1.386 ≈ 2.16
2.5 > 2.16 ✔️
a=9, b=4
算术平均 = 6.5
对数均值 = 5/ln(9/4) = 5/ln2.25 ≈ 5/0.811 ≈ 6.17
6.5 > 6.17 ✔️
a=100, b=1
算术平均 = 50.5
对数均值 = 99/ln100 ≈ 99/4.605 ≈ 21.5
50.5 > 21.5 差距巨大
a=1.5, b=1
算术平均 = 1.25
对数均值 = 0.5/ln1.5 ≈ 0.5/0.405 ≈ 1.23
1.25 > 1.23 很接近
小提示 两个数越接近，对数均值越靠近算术平均；差距越大，算术平均优势越明显。
? 几何直观 · 矩形与三角形
想象一个矩形，宽是 a，高是 b。它的对角线把矩形分成两个三角形。这两个三角形的高都是 √(ab)。要是你把这两个三角形拼在一起看“平均高度”，对数均值对应着某种加权压低的数值。而算术平均数 (a+b)/2 对应的是以 a 和 b 为底、高为 √(ab) 的三角形面积的一半。
更直观地说：对数均值 就像把两个数“压”了一下，数值总是比算术平均矮一截。这正好对应不等式 L ≤ A。
矩形面积 = ab
三角形高 = √(ab)
对数均值 ≤ 算术平均
??? 网友们还关心 · 对数均值周边
? 金融中的连续复利
对数均值在连续复利计算中自然出现。比如两笔不同利率的平均增长，对数均值 能更准确反映真实累积。很多理财攻略里会用到这个不等式来估计收益上限。
⚡ 物理中的平均电阻
并联电阻的平均值常用对数均值 近似。当电阻值差异大时，算术平均会高估，而对数均值更贴近实际。这也是卡瓦列里不等式 的应用场景。
? 误差估计与数值分析
在数值积分或插值中，对数均值不等式 用于控制误差项。例如梯形法误差估计常涉及 (a+b)/2 与 (a-b)/ln(a/b) 的差值。
? 与算术-几何平均的关系
对数均值介于几何平均 和 算术平均 之间：√(ab) ≤ (a-b)/ln(a/b) ≤ (a+b)/2。这是均值链的重要一环，很多竞赛题以此为背景。
- 对数均值不等式 是卡瓦列里不等式的直接推论，在数学分析中用于构造凸函数 的积分表示。
- 利用对数均值 可以证明 Young 不等式 的加权形式，是信息论中熵估计的基础。
- 很多网民关心 对数均值不等式 的逆向形式：当底数变化时，对数平均 与 算术平均 的差距有精确上下界。
? 进阶 · 选项卡探索
完整代数证明（简洁版）
设 x = a/b > 1，要证 (x+1)/2 ≥ (x-1)/ln x。
令 g(x) = (x+1)/2 - (x-1)/ln x，求导得 g'(x) = 1/2 - [ln x - (x-1)/x]/(ln x)^2。
分析符号可得 g'(x) > 0 对于 x>1，且 g(1)=0，故 g(x) ≥ 0。证毕。
关键 这个导数证明用到了对数不等式 的经典放缩：ln(1+t) ≤ t。
几何视角二： 在直角坐标系中，曲线 y=1/x 在区间 [b,a] 上的积分等于 ln(a/b)。而梯形面积 (a+b)/2 · (a-b) 与曲边梯形面积 ∫_b^a 1/x dx 的关系正好导出对数均值不等式。这是积分形式 的几何解释。
加权推广： 对于 p>0，定义 p-对数均值 L_p(a,b) = [ (a^p - b^p) / (p (ln a - ln b)) ]^(1/p)。当 p=1 时就是标准对数均值。可以证明 L_p(a,b) 关于 p 递增，且当 p→0 时趋于几何平均，p→∞ 时趋于算术平均。这是均值族 的连续桥梁。
热门 网友们还关心 对数均值不等式 在机器学习 中用于设计损失函数，因为它的平滑性优于算术平均。
? 更多示例 · 不等式验证
算术=3.5，对数≈3/ln2.5≈3/0.916=3.27 ✔️
算术=7.5，对数=9/ln4≈9/1.386=6.49 ✔️
算术=1.15，对数=0.1/ln(1.0909)≈0.1/0.087=1.149 ✔️
所有例子均满足 算术平均 ≥ 对数均值，且差值随比值增大而增大。