Eşitsizlikler

Matematiksel İlişkilerin Sınırları ve Özellikleri

Eşitsizlikler Nedir?

Eşitsizlikler, matematiksel nesneler arasındaki büyüklük ilişkilerini ifade eden temel yapılardır. İki veya daha fazla ifade arasındaki sıra ilişkisini gösteren bu matematiksel önermeler, analiz, optimizasyon, olasılık teorisi ve birçok uygulamalı alanda kritik rol oynar.

Eşitsizliklerin Kullanım Alanları:
• Analiz: Limit hesaplamaları, yakınsaklık testleri
• Olasılık: Merkezi limit teoremi, büyük sayılar yasası
• Optimizasyon: Maksimum-minimum problemleri
• Geometri: Uzaklık, alan ve hacim kestirimleri
• Fizik: Enerji sınırları, belirsizlik ilkeleri

Klasik eşitsizlikler, matematikçilerin yüzyıllar boyunca geliştirdiği güçlü araçlardır. Bu eşitsizlikler, karmaşık problemleri basitleştirmek ve matematiksel yapıları daha iyi anlamak için kullanılır.

Temel Eşitsizlik Türleri
Cebirsel Eşitsizlikler: Sayılar ve cebirsel ifadeler için
Analitik Eşitsizlikler: İntegraller ve türevler için
Geometrik Eşitsizlikler: Uzaklık ve şekiller için
Olasılıksal Eşitsizlikler: Rastgele değişkenler için

Cauchy-Schwarz Eşitsizliği

Cauchy-Schwarz eşitsizliği, matematiğin en temel ve en önemli eşitsizliklerinden biridir. İç çarpım uzaylarında iki vektör arasındaki ilişkiyi sınırlar.

$$\left(\sum_{i=1}^{n} a_i b_i\right)^2 \leq \left(\sum_{i=1}^{n} a_i^2\right)\left(\sum_{i=1}^{n} b_i^2\right)$$

İntegral formu:

$$\left(\int_a^b f(x)g(x)dx\right)^2 \leq \int_a^b f^2(x)dx \cdot \int_a^b g^2(x)dx$$
Eşitlik Durumu:
Eşitlik ancak ve ancak $a_i$ ve $b_i$ orantılı olduğunda sağlanır, yani bir $\lambda$ sabiti için $a_i = \lambda b_i$ veya $b_i = 0$ durumunda.
Örnek Uygulama
$a_1 = 1, a_2 = 2, a_3 = 3$ ve $b_1 = 4, b_2 = 5, b_3 = 6$ için:

Sol taraf: $(1·4 + 2·5 + 3·6)^2 = (4 + 10 + 18)^2 = 32^2 = 1024$
Sağ taraf: $(1 + 4 + 9)(16 + 25 + 36) = 14 · 77 = 1078$

$1024 \leq 1078$ ✓
Geometrik Yorum: Cauchy-Schwarz eşitsizliği, iki vektörün iç çarpımının, bu vektörlerin normlarının çarpımından küçük veya eşit olduğunu söyler. Bu, vektörler arasındaki açı ilişkisinin temelini oluşturur.

Abel Eşitsizliği

Abel eşitsizliği, kısmi toplamlar dizisinin üst ve alt sınırlarını kullanarak bir toplamı kestirir. Serilerin yakınsaklığını analiz ederken özellikle yararlıdır.

$$\left|\sum_{k=m}^{n} a_k b_k\right| \leq M \max\{|A_m|, |A_{m+1}|, \ldots, |A_n|\}$$

Burada $A_k = \sum_{j=m}^{k} a_j$ kısmi toplamı ve $M = \sum_{k=m}^{n} |b_k - b_{k+1}| + |b_n|$ dir.

Abel Dönüşümü:
Abel eşitsizliği, Abel dönüşümü (kısmi toplama formülü) kullanılarak ispatlanır:
$$\sum_{k=m}^{n} a_k b_k = A_n b_n - \sum_{k=m}^{n-1} A_k (b_{k+1} - b_k)$$
Dirichlet Testi
Abel eşitsizliği, Dirichlet yakınsaklık testinin temelini oluşturur. Eğer $(a_n)$ kısmi toplamları sınırlı ve $(b_n)$ monoton azalan bir dizidir, o zaman $\sum a_n b_n$ serisi yakınsaktır.
Dikkat: Abel eşitsizliği, alternatif serileri ve trigonometrik serileri incelerken çok kullanışlıdır. Fourier serilerinin yakınsaklığı için temel bir araçtır.

Jordan Eşitsizliği

Jordan eşitsizliği, sinüs fonksiyonunun belirli bir aralıktaki davranışını karakterize eder ve Fourier analizinde sıkça kullanılır.

$$\frac{2}{\pi}x \leq \sin x \leq x \quad \text{için } 0 \leq x \leq \frac{\pi}{2}$$

Daha genel form:

$$\frac{2}{\pi} \leq \frac{\sin x}{x} \leq 1 \quad \text{için } 0 < x \leq \frac{\pi}{2}$$
Geometrik Yorum:
Jordan eşitsizliği, birim çember üzerindeki bir yayın uzunluğu ile kirişinin uzunluğu arasındaki ilişkiyi gösterir. Alt sınır, sinüs fonksiyonunun küçük açılar için lineer davranışını yansıtır.
Fourier Analizinde Kullanım
Jordan eşitsizliği, Fourier serilerinin yakınsaklığını ve integrallerin değerlendirilmesini analiz etmek için kullanılır. Özellikle, sinüs ve kosinüs fonksiyonlarının integrallerini sınırlandırmada etkilidir.
Jordan eşitsizliği, Dirichlet çekirdeğinin integralini kestirerken kullanılır:

$\int_0^{\pi} \frac{\sin(n+\frac{1}{2})t}{\sin(\frac{t}{2})} dt$

Bu integral, Fourier serilerinin yakınsaklığını analiz ederken kritik rol oynar.
Pratik İpucu: Jordan eşitsizliği, $\int_0^{\pi/2} \sin x \, dx$ ve benzeri integralleri kestirerken kullanılır. Alt sınır $2/\pi \approx 0.6366$, sinüs fonksiyonunun ortalama değerini verir.

Bernoulli Eşitsizliği

Bernoulli eşitsizliği, üslü ifadelerin alt sınırını veren basit ama güçlü bir eşitsizliktir. İlk olarak Jacob Bernoulli tarafından 1689'da ispatlanmıştır.

$(1 + x)^n \geq 1 + nx$

Bu eşitsizlik $x \geq -1$ ve $n \in \mathbb{N}$ için geçerlidir. Daha genel form için $n \geq 1$ veya $n \leq 0$ olmalıdır.

Genelleştirilmiş Bernoulli Eşitsizliği:
• $n \geq 1$: $(1 + x)^n \geq 1 + nx$ (eşitsizlik aynı yönde)
• $0 \leq n \leq 1$: $(1 + x)^n \leq 1 + nx$ (eşitsizlik ters yönde)
• Reel $r \geq 1$ için: $(1 + x)^r \geq 1 + rx$ ($x \geq -1$)
Bileşik Faiz Uygulaması
Yıllık %5 faizle 10 yıl sonra sermaye:

$(1.05)^{10} \geq 1 + 10(0.05) = 1.5$

Gerçek değer: $(1.05)^{10} \approx 1.629$

Bernoulli eşitsizliği minimum artışı garanti eder.
İspat Tekniği: Bernoulli eşitsizliği matematiksel tümevarım ile kolayca ispatlanır. Taban adım $n=1$ için trivialdir, ve tümevarım adımı binom açılımını kullanır.
$\text{Örnek: } (1.1)^5 \geq 1 + 5(0.1) = 1.5$ $\text{Gerçek: } (1.1)^5 = 1.61051$

Çebişev Eşitsizliği

Çebişev eşitsizliği, olasılık teorisinde ve istatistikte temel bir araçtır. Rastgele bir değişkenin ortalamasından ne kadar uzaklaşabileceğini varyansı kullanarak sınırlar.

$P(|X - \mu| \geq k\sigma) \leq \frac{1}{k^2}$

Burada $\mu = E[X]$ beklenen değer, $\sigma^2 = \text{Var}(X)$ varyans ve $k > 0$ herhangi bir sabittir.

Alternatif form:

$P(|X - \mu| \geq \epsilon) \leq \frac{\sigma^2}{\epsilon^2}$
Pratik Yorum:
• Ortalamadan 2 standart sapma uzakta olma olasılığı en fazla 1/4
• Ortalamadan 3 standart sapma uzakta olma olasılığı en fazla 1/9
• Ortalamadan 4 standart sapma uzakta olma olasılığı en fazek 1/16
Zar Atma Örneği
Adil bir zar 100 kez atılıyor. Ortalama: $\mu = 3.5$, Varyans: $\sigma^2 = 35/12$

Toplamın 300 ile 400 arasında olma olasılığı:
Çebişev ile: $P(|S - 350| \geq 50) \leq \frac{100 \cdot 35/12}{50^2} \approx 0.117$

En az %88.3 olasılıkla toplam 300-400 arasındadır.
Önemli Not: Çebişev eşitsizliği dağılımdan bağımsızdır. Herhangi bir dağılım için geçerlidir, ancak genellikle gevşek bir sınırdır. Normal dağılım gibi bilinen dağılımlar için daha keskin sınırlar vardır.

Gram Eşitsizliği

Gram eşitsizliği, vektörlerin lineer bağımsızlığı ile ilgili bir kriterdir ve Gram determinantını kullanır.

$\det(G(v_1, \ldots, v_n)) \geq 0$

Burada $G(v_1, \ldots, v_n)$ Gram matrisidir:

$G_{ij} = \langle v_i, v_j \rangle$

Eşitlik ancak ve ancak vektörler lineer bağımlı olduğunda sağlanır.

Gram Determinantının Özellikleri:
• $\det(G) = 0$ ⟺ vektörler lineer bağımlı
• $\det(G) > 0$ ⟺ vektörler lineer bağımsız
• $\det(G)$ = (paralelkenar/paralelotop hacminin)²
• Cauchy-Schwarz'ın genelleştirilmesidir
Geometrik Yorum
İki vektör için:

$\det(G) = |v_1|^2|v_2|^2 - (\langle v_1, v_2 \rangle)^2 = |v_1|^2|v_2|^2\sin^2\theta$

Bu, $v_1$ ve $v_2$ tarafından oluşturulan paralelkenarın alanının karesidir.
Uygulama Alanı: Gram eşitsizliği, sayılar teorisinde kafes noktalarının hacimlerini hesaplarken ve optimizasyon problemlerinde pozitif yarı-tanımlı matrisleri karakterize ederken kullanılır.

Hölder Eşitsizliği

Hölder eşitsizliği, $L^p$ uzaylarında temel bir araçtır ve Cauchy-Schwarz eşitsizliğinin genelleştirilmesidir.

$\sum_{i=1}^{n} |a_i b_i| \leq \left(\sum_{i=1}^{n} |a_i|^p\right)^{1/p} \left(\sum_{i=1}^{n} |b_i|^q\right)^{1/q}$

Burada $p, q > 1$ ve $\frac{1}{p} + \frac{1}{q} = 1$ (eşlenik üsler).

İntegral formu:

$\int |f(x)g(x)|dx \leq \left(\int |f(x)|^p dx\right)^{1/p} \left(\int |g(x)|^q dx\right)^{1/q}$
Özel Durumlar:
• $p = q = 2$: Cauchy-Schwarz eşitsizliği
• $p = 1, q = \infty$: $\sum |a_i b_i| \leq \|a\|_1 \|b\|_\infty$
• $p = \infty, q = 1$: $\sum |a_i b_i| \leq \|a\|_\infty \|b\|_1$
Örnek: p=3, q=3/2
$a = (1, 2, 3)$ ve $b = (4, 5, 6)$ için $p=3$, $q=3/2$:

Sol: $|1·4 + 2·5 + 3·6| = 32$
Sağ: $(1^3 + 2^3 + 3^3)^{1/3}(4^{3/2} + 5^{3/2} + 6^{3/2})^{2/3}$
$= (36)^{1/3}(8 + 11.18 + 14.7)^{2/3} \approx 3.3 \times 11.2 \approx 37$

$32 \leq 37$ ✓
Fonksiyonel Analiz: Hölder eşitsizliği, $L^p$ uzaylarının dual uzaylarını karakterize etmek için kullanılır. $(L^p)^* = L^q$ ilişkisi bu eşitsizliğe dayanır.

Minkowski Eşitsizliği

Minkowski eşitsizliği, üçgen eşitsizliğinin $L^p$ uzaylarındaki genelleştirilmesidir ve $L^p$ normunun gerçekten bir norm olduğunu gösterir.

$\left(\sum_{i=1}^{n} |a_i + b_i|^p\right)^{1/p} \leq \left(\sum_{i=1}^{n} |a_i|^p\right)^{1/p} + \left(\sum_{i=1}^{n} |b_i|^p\right)^{1/p}$

Bu eşitsizlik $p \geq 1$ için geçerlidir.

İntegral formu:

$\|f + g\|_p \leq \|f\|_p + \|g\|_p$
Üçgen Eşitsizliği Bağlantısı:
• $p = 1$: Standart üçgen eşitsizliği
• $p = 2$: Öklid normunda üçgen eşitsizliği
• $p = \infty$: $\|f + g\|_\infty \leq \|f\|_\infty + \|g\|_\infty$
• Alt uzayların kapalılığını gösterir
Geometrik Yorum
Minkowski eşitsizliği, bir üçgende iki kenarın toplamının üçüncü kenardan büyük veya eşit olduğunu söyler. $L^p$ uzaylarında, doğrudan gitmek en kısa yoldur.

Özel durum $p=2$: İki vektörün toplamının normu, bu vektörlerin normlarının toplamından küçük veya eşittir.
Dikkat: $0 < p < 1$ için Minkowski eşitsizliği ters yönde geçerlidir. Bu durumda $L^p$ bir metrik uzay değildir.
İspat Stratejisi: Minkowski eşitsizliği, Hölder eşitsizliği kullanılarak ispatlanır. $|a+b|^p$ ifadesi genişletilir ve Hölder uygulanır.

Grüss Eşitsizliği

Grüss eşitsizliği, iki fonksiyonun çarpımının integralinin, fonksiyonların integrallerinin çarpımından ne kadar farklı olabileceğini sınırlar.

$\left|\int_a^b f(x)g(x)dx - \frac{1}{b-a}\int_a^b f(x)dx \cdot \int_a^b g(x)dx\right|$ $\leq \frac{1}{4}(M_f - m_f)(M_g - m_g)(b-a)$

Burada $m_f \leq f(x) \leq M_f$ ve $m_g \leq g(x) \leq M_g$ için tüm $x \in [a,b]$.

Kovaryans Yorumu:
Grüss eşitsizliği, fonksiyonların kovaryansını sınırlar:
$|\text{Cov}(f,g)| \leq \frac{1}{4}(M_f - m_f)(M_g - m_g)$
Bu, istatistikte korelasyon katsayısının sınırlarını belirlemek için kullanılır.
Uygulama Örneği
$f(x) = x$ ve $g(x) = x^2$ için $[0,1]$ aralığında:

$\int_0^1 x \cdot x^2 dx = \int_0^1 x^3 dx = 1/4$
$\int_0^1 x dx \cdot \int_0^1 x^2 dx = (1/2)(1/3) = 1/6$
Fark: $|1/4 - 1/6| = 1/12$

Grüss sınırı: $(1/4)(1-0)(1-0) = 1/4$
$1/12 \leq 1/4$ ✓
Genelleştirmeler: Grüss eşitsizliği, Çebişev eşitsizliği ve diğer integral eşitsizlikleriyle yakından ilişkilidir. Nümerik integrasyon hatalarını tahmin etmek için kullanılır.

Süreksiz Değişkenli Fonksiyonlarla İlgili Eşitsizlikler

Süreksiz (ayrık) değişkenli fonksiyonlar için özel eşitsizlikler, diziler ve toplamlar üzerinde çalışırken kullanılır.

Aritmetik-Geometrik Ortalama (AM-GM):

$\frac{a_1 + a_2 + \cdots + a_n}{n} \geq \sqrt[n]{a_1 a_2 \cdots a_n}$

Pozitif sayılar için geçerlidir. Eşitlik ancak tüm $a_i$ eşit olduğunda sağlanır.

Harmonik-Geometrik Ortalama (HM-GM):

$\frac{n}{\frac{1}{a_1} + \frac{1}{a_2} + \cdots + \frac{1}{a_n}} \leq \sqrt[n]{a_1 a_2 \cdots a_n}$
Ortalamalar Zinciri:
$\text{HM} \leq \text{GM} \leq \text{AM} \leq \text{QM}$
Burada QM (Quadratic Mean): $\sqrt{\frac{a_1^2 + \cdots + a_n^2}{n}}$

Eşitlik ancak tüm sayılar eşit olduğunda sağlanır.
Örnek: AM-GM Uygulaması
$a = 2$, $b = 8$ için:

AM: $(2 + 8)/2 = 5$
GM: $\sqrt{2 \times 8} = 4$

$5 \geq 4$ ✓

Bu eşitsizlik, optimizasyon problemlerinde minimum/maksimum değerleri bulmak için kullanılır.

Nesbitt Eşitsizliği:

$\frac{a}{b+c} + \frac{b}{c+a} + \frac{c}{a+b} \geq \frac{3}{2}$

Pozitif $a, b, c$ için geçerlidir.

Schur Eşitsizliği: Pozitif $a, b, c$ ve $t > 0$ için:
$a^t(a-b)(a-c) + b^t(b-c)(b-a) + c^t(c-a)(c-b) \geq 0$
Bu, simetrik eşitsizliklerin güçlü bir aracıdır.

Cebirsel Fonksiyonlarla İlgili Eşitsizlikler

Cebirsel fonksiyonlar için özel eşitsizlikler, radikaller, kuvvetler ve rasyonel ifadeler içeren problemlerde kullanılır.

Güç Ortalama Eşitsizliği:

$M_r(a_1, \ldots, a_n) = \left(\frac{a_1^r + \cdots + a_n^r}{n}\right)^{1/r}$

$r < s$ için $M_r \leq M_s$ (monotonluk özelliği).

Özel Durumlar:
• $r = -1$: Harmonik ortalama
• $r \to 0$: Geometrik ortalama
• $r = 1$: Aritmetik ortalama
• $r = 2$: Karesel ortalama
• $r \to \infty$: Maksimum değer

Young Eşitsizliği:

$ab \leq \frac{a^p}{p} + \frac{b^q}{q}$

Burada $a, b \geq 0$, $p, q > 1$ ve $\frac{1}{p} + \frac{1}{q} = 1$.

Ağırlıklı AM-GM
Pozitif ağırlıklar $w_1, \ldots, w_n$ ile ($\sum w_i = 1$):

$w_1 a_1 + \cdots + w_n a_n \geq a_1^{w_1} \cdots a_n^{w_n}$

Bu, Jensen eşitsizliğinin konkav fonksiyonlar için özel halidir.

Kantorovich Eşitsizliği:

$\frac{(\sum a_i)(\sum a_i^{-1})}{n^2} \leq \frac{(M + m)^2}{4Mm}$

Burada $0 < m \leq a_i \leq M$ pozitif sayılardır.

Jensen Eşitsizliği: Konkav bir $f$ fonksiyonu için:
$f\left(\frac{a_1 + \cdots + a_n}{n}\right) \geq \frac{f(a_1) + \cdots + f(a_n)}{n}$
Konveks fonksiyonlar için eşitsizlik ters yönde olur.
Dikkat: Cebirsel eşitsizliklerde simetri özelliklerinden yararlanmak çok kullanışlıdır. Değişkenlerin permütasyonları altında değişmezlik, ispat stratejilerini basitleştirir.

Polinomlarla İlgili Eşitsizlikler

Polinom eşitsizlikleri, polinomların köklerinin yerini, katsayılarının büyüklüğünü ve fonksiyon değerlerinin sınırlarını belirler.

Markov Eşitsizliği (Polinomlar için):

$\max_{x \in [-1,1]} |P'(x)| \leq n^2 \max_{x \in [-1,1]} |P(x)|$

Burada $P(x)$ en fazla $n$. dereceden bir polinomdur.

Bernstein Eşitsizliği:
Trigonometrik polinomlar için benzer bir sonuç:
$\max_{x} |T'(x)| \leq n \max_{x} |T(x)|$
Burada $T$ en fazla $n$. dereceden bir trigonometrik polinomdur.

Vieta Formülleri ve Eşitsizlikler:

$P(x) = x^n + a_{n-1}x^{n-1} + \cdots + a_1 x + a_0$ polinomunun kökleri $r_1, \ldots, r_n$ ise:

$|r_1 + r_2 + \cdots + r_n| = |a_{n-1}|$ $|r_1 r_2 \cdots r_n| = |a_0|$
Kök Sınırları
Cauchy Kök Sınırı:
$P(x) = a_n x^n + \cdots + a_0$ polinomunun tüm kökleri için:

$|r| < 1 + \frac{\max(|a_0|, \ldots, |a_{n-1}|)}{|a_n|}$

Bu, köklerin karmaşık düzlemde nerede olabileceğini sınırlar.

Descartes İşaret Kuralı:

Bir polinomun pozitif gerçek köklerinin sayısı, katsayılarındaki işaret değişimlerinin sayısından fazla olamaz veya bu sayıdan çift bir sayı kadar azdır.

$P(x) = x^3 - 7x + 6$ $\text{İşaret: } + \, - \, + \text{ (2 değişim)}$ $\text{Pozitif kökler: 2 veya 0}$
Çebişev Polinomları
Çebişev polinomları $T_n(x)$, $[-1, 1]$ aralığında özel özelliklere sahiptir:

$|T_n(x)| \leq 1 \text{ için } x \in [-1, 1]$
$T_n(\cos\theta) = \cos(n\theta)$

Bu polinomlar, yaklaşım teorisinde ve nümerik analizde optimal özellikler sağlar.
Remez Değişim Teoremi: En iyi polinom yaklaşımı, hata fonksiyonunun en az $n+2$ noktada eşit büyüklükte ve alternatif işaretlerle maksimuma ulaştığı polinomdur. Bu, Çebişev polinomlarının optimalliğini açıklar.

Schur-Cohn Kriteri:

Bir polinomun tüm köklerinin birim çemberin içinde olup olmadığını test etmek için kullanılır. Kontrol sistemleri ve stabilite analizinde kritik öneme sahiptir.

Sturm Teoremi: Bir polinomun belirli bir aralıkta kaç gerçek kökü olduğunu belirlemek için Sturm dizisi kullanılır. Bu, cebirsel denklemlerin sayısal çözümünde temel bir araçtır.

Özet ve İleri Düzey Konular

Eşitsizlikler, matematiğin her dalında kullanılan temel araçlardır. Öğrendiğiniz klasik eşitsizlikler, daha karmaşık problemleri çözmek için temel oluşturur.

İleri Düzey Konular:
• Konveks Analiz: Jensen, Karamata eşitsizlikleri
• Fonksiyonel Eşitsizlikler: Hardy, Hilbert eşitsizlikleri
• Geometrik Eşitsizlikler: İzoperimetrik eşitsizlik
• Matriks Eşitsizlikleri: Hadamard, Sylvester eşitsizlikleri
• Olasılık Eşitsizlikleri: Hoeffding, Azuma-Hoeffding
• Bilgi Teorisi: Shannon, Kullback-Leibler eşitsizlikleri
Olimpiyat Matematiği
Eşitsizlikler, matematik olimpiyatlarının en önemli konularından biridir. AM-GM, Cauchy-Schwarz ve bunların çeşitli kombinasyonları sık sık kullanılır. Yaratıcı yaklaşımlar ve simetri kullanımı kritiktir.
Problem Çözme Stratejileri:
• Standart eşitsizlikleri tanıyın ve uygulayın
• Simetri ve homojenlik özelliklerinden yararlanın
• Normalizasyon ve ölçekleme yapın
• Ekstremum noktalarını inceleyin
• Tümevarım veya yapısal ispatlar deneyin

Önerilen Kaynaklar:

Kitap Önerileri
Temel Seviye:
• "Inequalities" - Hardy, Littlewood, Pólya (klasik)
• "The Cauchy-Schwarz Master Class" - J. Michael Steele
• "Analytical Inequalities" - Mitrinović

İleri Seviye:
• "Convex Functions and Their Applications" - Niculescu & Persson
• "Topics in Inequalities" - Hojjat Khademolhosseini
• "Secrets in Inequalities" - Pham Kim Hung

Matematiksel Sınırların Gücü

Eşitsizlikler, matematiğin en zarif ve güçlü araçlarından biridir. Sınırları belirler, ilişkileri açıklar ve tahminler yapmamızı sağlar.

Son Tavsiyeler
Temel eşitsizlikleri ezberleyin: AM-GM, Cauchy-Schwarz, Hölder
Çok pratik yapın: Olimpiyat problemleri çözün
İspatları anlayın: Teknikleri öğrenin
Uygulamaları görün: Analiz, optimizasyon, olasılık

a² + b² ≥ 2ab

Matematiksel sınırları keşfettiniz!