弧长估计

简介: f:[0,1][0,1]C2 函数, f(0)=f(1)=0, 且 $f''(x)

f:[0,1][0,1]C2 函数, f(0)=f(1)=0, 且 f(x)<0,  x[0,1]. 记曲线 \sed(x,f(x)); x[0,1] 的长度为 L. 证明: L<3.    

证明:  由 Rolle 定理,  \bex ξ(0,1),\stf(ξ)=0.\eex

  又由 f<0 知  \bex  f'(x)\sedd{\ba{ll}>0,&0<x<\xi,\\  <0,&\xi<x<1.\ea}  \eex
  于是  \beex  \bea  L&=\int_0^1 \sqrt{1+f'^2(x)}\rd x\\  &=\int_0^\xi +\int_\xi^1 \sqrt{1+f'^2(x)}\rd x\\  &<\int_0^\xi [1+f'(x)]\rd x+\int_{\xi}^1 [1-f'(x)]\rd x\\  &=\xi+f(\xi)-f(0)+(1-\xi)-[f(1)-f(\xi)]\\  &=1+2f(\xi)\\  &\leq 3.  \eea  \eeex
    

目录
打赏
0
0
0
0
15
分享
相关文章
|
5月前
贝叶斯统计中常见先验分布选择方法总结
本文详细介绍了贝叶斯统计中三种常见的先验分布选择方法:经验贝叶斯方法、信息先验和无信息/弱信息先验。
162 3
贝叶斯统计中常见先验分布选择方法总结
R语言随机波动模型SV:马尔可夫蒙特卡罗法MCMC、正则化广义矩估计和准最大似然估计上证指数收益时间序列
R语言随机波动模型SV:马尔可夫蒙特卡罗法MCMC、正则化广义矩估计和准最大似然估计上证指数收益时间序列
R语言极值推断:广义帕累托分布GPD使用极大似然估计、轮廓似然估计、Delta法
R语言极值推断:广义帕累托分布GPD使用极大似然估计、轮廓似然估计、Delta法
PYTHON 贝叶斯概率推断序列数据概率和先验、似然和后验图可视化
PYTHON 贝叶斯概率推断序列数据概率和先验、似然和后验图可视化
R语言用线性模型进行臭氧预测: 加权泊松回归,普通最小二乘,加权负二项式模型,多重插补缺失值
R语言用线性模型进行臭氧预测: 加权泊松回归,普通最小二乘,加权负二项式模型,多重插补缺失值
14 棣莫弗的二项概率逼近
14 棣莫弗的二项概率逼近
111 0
【状态估计】基于FOMIAUKF、分数阶模块、模型估计、多新息系数的电池SOC估计研究(Matlab代码实现)
【状态估计】基于FOMIAUKF、分数阶模块、模型估计、多新息系数的电池SOC估计研究(Matlab代码实现)
152 0
【状态估计】变分贝叶斯近似的递归噪声自适应卡尔曼滤波(Matlab代码实现)
【状态估计】变分贝叶斯近似的递归噪声自适应卡尔曼滤波(Matlab代码实现)
178 0
【状态估计】用于非标量系统估计的最优卡尔曼滤波(Matlab代码实现)
【状态估计】用于非标量系统估计的最优卡尔曼滤波(Matlab代码实现)
【 PMU】信号生成、采样、分割、估计器应用和误差计算(Matlab代码实现)
【 PMU】信号生成、采样、分割、估计器应用和误差计算(Matlab代码实现)
112 0

热门文章

最新文章

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等