[裴礼文数学分析中的典型问题与方法习题参考解答]4.3.9

简介: 需要全部的解答, 请 http://www.cnblogs.com/zhangzujin/p/3527416.html    证明 $\dps{\int_0^\frac{\pi}{2} t\sex{\frac{\sin nt}{\sin t}}^4\rd t\frac{2}{\pi}x,\ 0

需要全部的解答, 请 http://www.cnblogs.com/zhangzujin/p/3527416.html 

 

证明 $\dps{\int_0^\frac{\pi}{2} t\sex{\frac{\sin nt}{\sin t}}^4\rd t<\frac{\pi^2n^2}{4}}$.

 

证明: 先回忆两个常用不等式:

 

(1). $|\sin nx|\leq n|\sin x|$, $\forall\ x$. 这可用数学归纳法证明. 当 $n=1$ 时结论自明. 设当 $n=k$ 时结论成立, 则 $$\beex \bea |\sin (k+1)x|&=|\sin kx\cos x+\cos kx\sin x|\\ &\leq |\sin kx|+|\sin x| \leq k|\sin x|+|\sin x| =(k+1)|\sin x|. \eea \eeex$$

 

(2). $\dps{\sin x>\frac{2}{\pi}x,\ 0<x<\frac{\pi}{2}}$. 几何上这是明显的. 分析上来看, $f(x)=\sin x$ 是凹函数, 而 $$\bex f(x)=f\sex{\sex{1-\frac{2x}{\pi}}\cdot 0+\frac{2x}{\pi}\cdot \frac{\pi}{2}} >\sex{1-\frac{2x}{\pi}}\cdot f(0)+\frac{2x}{\pi}\cdot f\sex{\frac{\pi}{2}}=\frac{2x}{\pi}. \eex$$ 往证题目. $$\beex \bea \int_0^\frac{\pi}{2} t\sex{\frac{\sin nt}{\sin t}}^4\rd t &=\int_0^\frac{\pi}{2n} +\int_\frac{\pi}{2n}^\frac{\pi}{2}t\sex{\frac{\sin nt}{\sin t}}^4\rd t\\ &\leq \int_0^\frac{\pi}{2n} t\sex{\frac{n\sin t}{\sin t}}^4\rd t +\int_\frac{\pi}{2n}^\frac{\pi}{2} t\sex{\frac{1}{\frac{2t}{\pi}}}^4\rd t\\ &=n^4\frac{t^2}{2}|_0^\frac{\pi}{2n} +\sex{\frac{\pi}{2}}^4\int_\frac{\pi}{2n}^\frac{\pi}{2} \frac{1}{t^3}\rd t\\ &=\frac{\pi^2n^2}{8} +\sex{\frac{\pi}{2}}^4\sex{-\frac{1}{2}t^{-2}}|_{\frac{\pi}{2n}}^\frac{\pi}{2}\\ &<\frac{\pi^2n^2}{8}+\sex{\frac{\pi}{2}}^4 \frac{1}{2} \sex{\frac{2n}{\pi}}^4\\ &=\frac{\pi^2n^2}{4}. \eea \eeex$$

目录
相关文章
|
存储 前端开发 API
应用服务层
应用服务层
537 1
|
机器学习/深度学习 人工智能 物联网
Facechain使用教程:3张照片就能生成个人写真,还完全免费
下面4张图片,小伙伴们有没有看出来哪些是原图,哪些是AI生成的呢?
1171 0
|
关系型数据库 MySQL 数据库
Docker 安装 MySQL
一、查看 MySQL 版本 访问 MySQL 镜像库地址:https://hub.docker.com/_/mysql?tab=tags 。 可以通过 Tags 查看其他版本的 MySQL,默认是最新版本 mysql:latest 。 你也可以在下拉列表中找到其他你想要的版本: 二、拉取 MySQL 镜像 拉取官方的最新版本的镜像: docker pull mysql:latest 三、查看本地镜像 使用以下命令来查看是否已安装了 mysql: docker images 四、运行容器 安装完成后,我们可以使用以下命令来运行 mysql 容器: docker run -itd --name m
2031 0
|
机器学习/深度学习 并行计算 数据挖掘
NumPy性能优化技巧系列:打造高效数据处理流程
【4月更文挑战第17天】本文介绍了优化Python中NumPy性能的五大技巧:1) 使用内置函数代替循环;2) 避免不必要的数据复制,利用`inplace`和视图;3) 选择合适的数据类型以减少内存占用;4) 优化数组形状和内存布局,保持连续性;5) 利用并行计算库如`numba`加速计算。这些技巧能提升数据处理效率,降低资源消耗,适应大规模数据处理需求。
|
关系型数据库 Linux 数据库
Linux系统之安装PostgreSQL数据库
Linux系统之安装PostgreSQL数据库
2714 1
|
分布式计算 Hadoop
hadoop格式化HDFS问题
【7月更文挑战第15天】
415 12
|
存储 并行计算 算法
基础的点云转换
对于点云处理而言,最简单也逃不过的就是点云转换了,我们就从点云转换开始,来一步步完成点云加速的学习。点云基础转换是3D点云处理中的一个重要步骤。它的主要目的是将点云从一个坐标系转换到另一个坐标系中,通常是为了方便后续处理或者显示。在实际应用中,点云基础转换通常包括平移、旋转、缩放等操作。这里对应了pcl::transformPointCloud这种方法 1. CUDA与Thrust 使用CUDA和Thrust进行点云基础转换可以大大提高处理效率,特别是当点云数据量较大时。CUDA是一种并行计算架构,可以利用GPU的计算能力来加速计算,而Thrust是CUDA的C++模板库,提供了许多与ST
475 0
|
存储 监控 算法
【JVM】如何定位、解决内存泄漏和溢出
【JVM】如何定位、解决内存泄漏和溢出
817 0
|
消息中间件 关系型数据库 MySQL
[flink 实时流基础] 输出算子(Sink)
[flink 实时流基础] 输出算子(Sink)
870 1
|
存储 C语言
【学习笔记】verilog HDL之二:数据类型与表达式
本文介绍了Verilog语言中的常量、变量和表达式。Verilog有四种基本值:0、1、x(未知)和z(高阻)。整型常量有十进制和基数两种格式,实数型常量包括浮点数,字符串常量由双引号括起的字符序列构成。变量分为线网型和寄存器型,线网型包括wire、tri等11种类型,寄存器型有reg、integer、time等,其中reg可声明存储器。表达式中的操作数包括常数、参数、线网等8种类型,操作符包括算术、关系、逻辑等9种类型。