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
时间序列分析中的状态估计:状态空间模型与卡尔曼滤波的隐状态估计
状态空间模型通过构建生成可观测数据的潜在未观测状态来进行时间序列分析,卡尔曼滤波为其核心,提供实时隐状态估计。本文深入探讨其理论基础与实践应用,涵盖线性及非线性系统的高级滤波算法(如EKF和UKF),并展示在运动目标跟踪等领域的具体应用,强调了参数调优和性能评估的重要性。
69 11
时间序列预测的不确定性区间估计:基于EnbPI的方法与应用研究
本文探讨了时间序列预测中不确定性量化的问题,特别是基于一致性预测理论的EnbPI方法。EnbPI通过集成学习和自举采样技术,解决了传统方法在处理非平稳时间序列数据时的局限性,提供了一种分布无关的预测区间构建方法,支持任意估计器的集成,并在推理阶段保持高效。实验结果显示,EnbPI在德国电力价格预测中表现出良好的覆盖率和适应性,尽管存在一定的计算成本。
65 0
|
5月前
|
偏差与方差理论
偏差与方差理论
35 0
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语言用极大似然和梯度下降算法估计GARCH(p)过程
R语言用极大似然和梯度下降算法估计GARCH(p)过程
【分布鲁棒和多目标非负矩阵分解】基于DR-NMF的对NMF问题噪声模型的识别鲁棒性研究(Matlab代码实现)
【分布鲁棒和多目标非负矩阵分解】基于DR-NMF的对NMF问题噪声模型的识别鲁棒性研究(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)
【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)
146 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)
160 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)
100 0