Loading [MathJax]/jax/output/HTML-CSS/jax.js

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    

相关文章
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
18 误差分布曲线的建立 - 拉普拉斯的研究
18 误差分布曲线的建立 - 拉普拉斯的研究
80 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)
146 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)
【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
先验分布、后验分布、似然估计、贝叶斯估计、最大似然估计
先验分布、后验分布、似然估计、贝叶斯估计、最大似然估计
234 0
先验分布、后验分布、似然估计、贝叶斯估计、最大似然估计