三角不等式

三角不等式 (Triangle Inequality)

三角不等式 (Triangle Inequality) 是数学中最为基础且应用广泛的不等式之一，其核心思想源自初等几何：三角形任意两边之和大于第三边。在现代数学中，该不等式被提升为定义度量空间和赋范向量空间的核心公理，在数学分析、泛函分析、概率论和数值计算等分支中发挥着根本性作用。

几何起源

三角不等式之名源于初等几何的直观观察。在欧氏几何中，对于任意三角形 $\triangle ABC$ ，该不等式指出：

AB + BC > AC,\quad AB + AC > BC,\quad AC + BC > AB

当三点共线且中间点位于另两点之间时，不等号退化为等号，即 $AB + BC = AC$ 。这一几何直观是三角不等式所有推广形式的原始出发点。从度量的角度看，该不等式等价于"两点之间直线最短"这一基本事实：沿折线 $A \to B \to C$ 的路径长度不小于沿直线 $A \to C$ 的距离。这一原理在平面几何、立体几何乃至黎曼几何中均有深刻体现。

度量空间中的公理化定义

设 $(X, d)$ 为一度量空间，其中 $d: X \times X \to \mathbb{R}$ 为距离函数。三角不等式要求：

d(x, z) \le d(x, y) + d(y, z),\quad \forall\, x,y,z \in X

该性质与正定性（ $d(x,y) \ge 0$ ，且 $d(x,y)=0$ 当且仅当 $x=y$ ）及对称性（ $d(x,y)=d(y,x)$ ）共同构成距离的三条公理。任何满足这三条公理的函数均称为度量。三角不等式在三条公理中最为关键，它刻画了距离在间接路径下的传递性限制。

常见的度量都满足三角不等式：欧氏距离 $d_2(x,y) = \sqrt{\sum_{i=1}^n (x_i - y_i)^2}$ 由 Cauchy-Schwarz 不等式保证；曼哈顿距离 $d_1(x,y) = \sum_{i=1}^n |x_i - y_i|$ 由绝对值三角不等式逐分量累加得到；切比雪夫距离 $d_\infty(x,y) = \max_i |x_i - y_i|$ 可直接代入定义验证；离散度量（相同点为 $0$ 、不同点为 $1$ ）显然也满足。更重要的是，所有由范数诱导的距离 $d(x,y) = \|x - y\|$ 均自动满足三角不等式，这为度量空间与赋范空间之间的联系提供了桥梁。

赋范空间中的三角不等式

在赋范向量空间 $(V, \|\cdot\|)$ 中，三角不等式表现为范数的次可加性：

\|x + y\| \le \|x\| + \|y\|,\quad \forall\, x, y \in V

该性质与正定性（ $\|x\| \ge 0$ ， $\|x\|=0$ 当且仅当 $x=0$ ）和齐次性（ $\|\alpha x\| = |\alpha| \|x\|$ ）共同构成范数的三条公理。

对于 $\mathbb{R}^n$ 上的 Euclid 范数 $\|\cdot\|_2$ ，利用 Cauchy-Schwarz 不等式可证：

\|x + y\|_2^2 = \|x\|_2^2 + 2\langle x, y \rangle + \|y\|_2^2 \le \|x\|_2^2 + 2\|x\|_2\|y\|_2 + \|y\|_2^2 = (\|x\|_2 + \|y\|_2)^2

两边开平方即得 $\|x + y\|_2 \le \|x\|_2 + \|y\|_2$ 。对于 $L^p$ 范数（ $p \ge 1$ ），三角不等式对应于 Minkowski 不等式，其证明需要借助 Hölder 不等式。当 $0 < p < 1$ 时，三角不等式不再成立，此时 $L^p$ 空间仅为准赋范空间，不再具备完整的 Banach 空间结构。

反向三角不等式

由三角不等式可推出一个极其有用的变形——反向三角不等式 (Reverse Triangle Inequality)：

\bigl| \|x\| - \|y\| \bigr| \le \|x - y\|

证明简洁明了：由三角不等式得 $\|x\| \le \|x - y\| + \|y\|$ ，即 $\|x\| - \|y\| \le \|x - y\|$ ；同理 $\|y\| - \|x\| \le \|y - x\| = \|x - y\|$ 。综合两方向即得结论。

反向三角不等式的重要性在于：它保证了范数作为函数的 Lipschitz 连续性（Lipschitz 常数为 1），进而是一致连续的。在序列收敛分析中，若 $x_n \to x$ ，则反向三角不等式立即给出 $\|x_n\| \to \|x\|$ ，即收敛序列的范数也收敛。这一性质在证明算子的连续性、函数空间中的收敛性等场景中被反复使用。

推广形式

三角不等式可自然推广至有限和的情形：

\|x_1 + x_2 + \dots + x_n\| \le \|x_1\| + \|x_2\| + \dots + \|x_n\|

这是数学归纳法的直接应用。

在积分理论中，Minkowski 不等式将三角不等式推广至函数空间。对任意可测函数 $f, g$ 和 $p \ge 1$ ：

\left( \int |f + g|^p \, d\mu \right)^{1/p} \le \left( \int |f|^p \, d\mu \right)^{1/p} + \left( \int |g|^p \, d\mu \right)^{1/p}

当 $p=2$ 时，该不等式退化为 $L^2$ 空间中的三角不等式，由 Cauchy-Schwarz 不等式导出。

在概率论中，三角不等式表现为期望的次可加性： $E[|X + Y|] \le E[|X|] + E[|Y|]$ 。方差方面也有类似的不等式：

\sqrt{\operatorname{Var}(X + Y)} \le \sqrt{\operatorname{Var}(X)} + \sqrt{\operatorname{Var}(Y)}

即标准差满足三角不等式。这一结果在金融投资组合理论中用于计算组合风险的上限，是 Markowitz 均值-方差分析的基础工具之一。

应用举例

三角不等式在数学各分支中应用广泛：

极限唯一性：证明 Banach 空间中收敛序列的极限唯一。若 $x_n \to x$ 且 $x_n \to y$ ，则 $\|x - y\| \le \|x - x_n\| + \|x_n - y\| \to 0$ ，故 $x = y$ 。
误差估计：在数值分析中，\ $\|x_{\text{approx}} - x_{\text{true}}\| \le \|x_{\text{approx}} - x_{\text{m}}\| + \|x_{\text{m}} - x_{\text{true}}\|$ 将总误差分解为近似误差与舍入误差，是误差分析的基本框架。
压缩映射原理：Banach 不动点定理的证明依赖三角不等式对迭代序列进行控制，确保 $x_{n+1} = T(x_n)$ 生成的序列是 Cauchy 列。
逼近论：Weierstrass 逼近定理的 Stone 推广中，三角不等式用于控制多项式逼近的误差叠加。
几何不等式：在凸几何中，三角不等式是证明 Brunn-Minkowski 不等式等深刻结果的基础工具，这些结果进而影响等周不等式的研究。

与其他不等式的关系

三角不等式与数学中的多个核心不等式紧密关联。Cauchy-Schwarz 不等式是证明 Euclid 范数满足三角不等式的关键；Young 不等式是推导 Hölder 不等式的基础，进而用于证明 $L^p$ 空间中的三角不等式；Jensen 不等式则在概率框架下与三角不等式协同作用，用于建立矩估计的上界。

三角不等式与 Minkowski 不等式的关系尤为密切：后者实际上是前者在 $L^p$ 空间中的精确推广。事实上，三角不等式可以看作 Minkowski 不等式在 $p=1$ 时的特例。这些不等式链构成了一条从初等几何到泛函分析的完整逻辑线索。

意义与地位

三角不等式形式简单、直观性强，却是整个分析学大厦的基石。从初等几何的直观断言到泛函分析中的核心公理，从数值计算的误差控制到概率空间的矩估计，三角不等式始终是最常用的数学工具之一。它对距离和范数的刻画深刻影响了现代数学的公理化建构方式。理解并熟练掌握三角不等式及其各种推广形式，是深入研习现代数学的必要前提。同时，三角不等式也向经济学者和金融从业者展示了数学抽象的力量：一条源于三角形的几何事实，最终成为诸如度量风险、刻画不确定性等众多经济分析方法的逻辑基础。

返回百科索引