当前位置: 首页 > news >正文

【复变函数】三、复变函数的积分

目录

  • 1. 复变函数积分
    • 1.1. 复积分
    • 1.2. 存在性与计算
      • 1.2.1 第二类曲线积分与格林公式
      • 1.2.2 第一类曲线积分与参数式
    • 1.3. 性质
    • 1.4. 圆径积分
  • 2. 柯西积分定理
    • 2.1. 柯西(Cauchy)基本定理与莫雷拉(Morrera)定理
    • 2.2. 复合闭路定理
    • 2.3. 闭路变形定理
    • 2.4. 路径无关性
    • 2.5. 不定积分
  • 3. 柯西积分公式
    • 3.1. 柯西积分公式
    • 3.2. 高阶导数公式
    • 3.3. 圆域积分公式
      • 3.3.1. 泊松(Poisson)积分公式
      • 3.3.2. 平均值公式
      • 3.3.3. 柯西不等式
    • 3.4. 刘维尔(Liouville)定理
    • 3.5. 代数学基本定理

1. 复变函数积分

1.1. 复积分

  函数 f ( z ) f(z) f(z) 在复平面上的简单光滑的有向曲线 C C C 上有定义。对曲线沿正向任意分割 T T T,在所得的 n n n 个弧长为 Δ z i \Delta z_i Δzi 曲线段上分别任取一点 ζ i ( i = 1 , . . . , n ) \zeta_i(i=1,...,n) ζi(i=1,...,n),分割细度 ∣ ∣ T ∣ ∣ = max ⁡ 1 ≤ i ≤ n Δ z i = δ \displaystyle||T||=\max_{1\le i\le n}{\Delta z_i}=\delta ∣∣T∣∣=1inmaxΔzi=δ

  若以下极限存在,则 f ( z ) f(z) f(z) 沿 C C C积分
∫ C f ( z ) d z = lim ⁡ δ → 0 ∑ i = 1 n f ( ζ i ) Δ z i \int_Cf(z)dz=\lim_{\delta\to0}\sum_{i=1}^nf(\zeta_i)\Delta z_i Cf(z)dz=δ0limi=1nf(ζi)Δzi

  特别的,

  • 曲线 C C C负向积分: ∫ C − f ( z ) d z \displaystyle\int_{C^-}f(z)dz Cf(z)dz
  • 闭曲线 Γ \Gamma Γ逆时针方向积分: ∮ Γ f ( z ) d z \displaystyle\oint_\Gamma f(z)dz Γf(z)dz
      

1.2. 存在性与计算

1.2.1 第二类曲线积分与格林公式

  对于 f ( z ) = u ( x , y ) + i v ( x , y ) f(z)=u(x,y)+iv(x,y) f(z)=u(x,y)+iv(x,y),仅当
∀ z ∈ C , lim ⁡ z → z 0 f ( z ) = f ( z 0 ) \forall z\in C,\,\lim_{z\to z_0}f(z)=f(z_0) zC,zz0limf(z)=f(z0)

  存在
∫ C f ( z ) d z = ∫ C u d x − v d y + i ∫ C v d x + u d y \int_Cf(z)dz=\int_Cudx-vdy+i\int_Cvdx+udy Cf(z)dz=Cudxvdy+iCvdx+udy

  即:若 f ( z ) f(z) f(z)(按段)光滑曲线 C C C连续,则 f ( z ) f(z) f(z) C C C可积
  

  由格林公式 P ( x , y ) P(x,\,y) P(x,y) Q ( x , y ) Q(x,\,y) Q(x,y) 在具有分段光滑边界 C C C闭单连通域 D ‾ \overline D D 上的偏导数连续,则
∫ C P ( x , y ) d x + Q ( x , y ) d y = ∬ D ( ∂ Q ∂ x − ∂ P ∂ y ) d x d y \int_CP(x,\,y)dx+Q(x,\,y)dy=\iint_D(\frac{\partial Q}{\partial x}-\frac{\partial P}{\partial y})dxdy CP(x,y)dx+Q(x,y)dy=D(xQyP)dxdy

  即有
∫ C f ( z ) d z = − ∬ D ‾ ( ∂ v ∂ x + ∂ u ∂ y ) d x d y + i ∬ D ‾ ( ∂ u ∂ x − ∂ v ∂ y ) d x d y \int_Cf(z)dz=-\iint_{\overline D}(\frac{\partial v}{\partial x}+\frac{\partial u}{\partial y})dxdy+i\iint_{\overline D}(\frac{\partial u}{\partial x}-\frac{\partial v}{\partial y})dxdy Cf(z)dz=D(xv+yu)dxdy+iD(xuyv)dxdy

1.2.2 第一类曲线积分与参数式

  对于曲线 C : z = z ( t ) = x ( t ) + i y ( t ) , t : a → b C:z=z(t)=x(t)+iy(t),\,t:a \to b C:z=z(t)=x(t)+iy(t),t:ab ,有
∫ C f ( z ) d z = ∫ a b f [ z ( t ) ] z ′ ( t ) d t \int_Cf(z)dz=\int_a^bf[z(t)]z'(t)dt Cf(z)dz=abf[z(t)]z(t)dt

  曲线的参数式可以带入被积函数中。
  

1.3. 性质

  复积分有如下性质:

  • 线性性 ∫ C [ α f ( z ) + β g ( z ) ] d z = α ∫ C f ( z ) d z + β ∫ C g ( z ) d z \displaystyle\int_C[\alpha f(z)+\beta g(z)]dz=\alpha\int_Cf(z)dz+\beta\int_Cg(z)dz C[αf(z)+βg(z)]dz=αCf(z)dz+βCg(z)dz
  • 有向性 ∫ C f ( z ) d z = − ∫ C − f ( z ) d z \displaystyle\int_Cf(z)dz=-\int_{C^-}f(z)dz Cf(z)dz=Cf(z)dz
  • 可加性 ∫ C f ( z ) d z = ∫ C 1 f ( z ) d z + ∫ C 2 f ( z ) d z , C = C 1 + C 2 \displaystyle\int_Cf(z)dz=\int_{C_1}f(z)dz+\int_{C_2}f(z)dz,\,\,C=C_1+C_2 Cf(z)dz=C1f(z)dz+C2f(z)dz,C=C1+C2

  并满足以下不等式
∣ ∫ C f ( z ) d z ∣ ≤ ∫ C ∣ f ( z ) ∣ d S ≤ M L \Big\vert\int_Cf(z)dz\Big\vert\le\int_C\vert f(z)\vert dS\le ML Cf(z)dz Cf(z)dSML

  其中, M = max ⁡ z ∈ C ∣ f ( z ) ∣ \displaystyle M=\max_{z\in C}\vert f(z)\vert M=zCmaxf(z) L L L 为曲线 C C C 的弧长。
  

1.4. 圆径积分

  对于 C : r = ∣ z − z 0 ∣ , n ∈ Z \displaystyle C:r=\vert z-z_0\vert,\,n\in Z C:r=zz0,nZ,有
I = ∮ C ∣ z − z 0 ∣ − n d z = { 2 π i , n = 1 0 , n ≠ 1 I=\oint_C\vert z-z_0\vert^{-n}dz=\begin{cases} 2\pi i,\,n=1\\ 0,\,n\not=1 \end{cases} I=Czz0ndz={2πi,n=10,n=1
  

2. 柯西积分定理

2.1. 柯西(Cauchy)基本定理与莫雷拉(Morrera)定理

  在单连闭域 D ‾ \overline D D解析的函数 f ( z ) f(z) f(z) 对于任意闭路 C ⊂ D ‾ C\subset\overline D CD 满足
∮ C f ( z ) d z = 0 \oint_Cf(z)dz=0 Cf(z)dz=0

  Cauchy定理由 1.2.1 结论和 C-R 条件易证,其逆定理Morrera定理,即:区域 D D D 上的连续函数 f ( z ) f(z) f(z) 对于任意闭路 C ⊂ D C\subset D CD D ‾ 1 = C + D 1 \overline D_1=C+D_1 D1=C+D1 D 1 ⊂ D D_1\subset D D1D,满足
∮ C f ( z ) d z = 0 \oint_Cf(z)dz=0 Cf(z)dz=0

  则 f ( z ) f(z) f(z) D D D解析
  

2.2. 复合闭路定理

  柯西基本定理多连闭域上的推广

  在具有边界 C = C 0 + ∑ i = 1 n C i − \displaystyle C=C_0+\sum_{i=1}^{n} C_i^- C=C0+i=1nCin 连闭域 D ‾ \overline D D解析的函数 f ( z ) f(z) f(z) 满足
∮ C f ( z ) d z = 0 \oint_Cf(z)dz=0 Cf(z)dz=0

  即 ∮ C 0 f ( z ) d z = ∑ i = 1 n ∮ C i f ( z ) d z \displaystyle\oint_{C_0}f(z)dz=\sum_{i=1}^{n}\oint_{C_i}f(z)dz C0f(z)dz=i=1nCif(z)dz,其中, C 0 C_0 C0 是外边界。
  

2.3. 闭路变形定理

  一个解析函数在其解析区域上沿闭曲线的积分,不因闭曲线在区域内作连续变形而改变。

  由此可将不规则曲线积分转化为典型曲线积分,如圆径积分。
  

2.4. 路径无关性

  对于单连通域 D D D ∀ z 1 , z 2 ∈ D \forall z_1,\,z_2\in D z1,z2D,两点间的任意条逐段光滑曲线 C ⊂ D C\subset D CD,则其上的解析函数 f ( z ) f(z) f(z) 沿 C C C同向积分都相等。

  即:解析函数在单连域内的积分只与起点与终点有关
∫ C f ( z ) d z = ∫ z 1 z 2 f ( z ) d z \int_Cf(z)dz=\int_{z_1}^{z_2}f(z)dz Cf(z)dz=z1z2f(z)dz
  

2.5. 不定积分

  对于单连通域 D D D 内的固定点 z 0 z_0 z0动点 z z z,两点间的任意条曲线 C ⊂ D C\subset D CD,则其上的解析函数 f ( z ) f(z) f(z)原函数 F ( z ) F(z) F(z) 是一个在 D D D 上解析的单值函数:
F ( z ) = ∫ z 0 z f ( ζ ) d ζ = ∫ C f ( ζ ) d ζ F(z)=\int_{z_0}^{z}f(\zeta)d\zeta=\int_Cf(\zeta)d\zeta F(z)=z0zf(ζ)dζ=Cf(ζ)dζ

  并且 F ′ ( z ) = f ( z ) F'(z)=f(z) F(z)=f(z),而 f ( z ) f(z) f(z)不定积分 F ( z ) + c F(z)+c F(z)+c c c c 为常数。对于 ∀ z 1 ∈ D \forall z_1\in D z1D,还有
∫ z 0 z 1 f ( z ) d z = F ( z 1 ) − F ( z 0 ) \int_{z_0}^{z_1}f(z)dz=F(z_1)-F(z_0) z0z1f(z)dz=F(z1)F(z0)
  

3. 柯西积分公式

3.1. 柯西积分公式

  对于闭区域 D ‾ = C + D \overline D=C+D D=C+D ∀ z 0 ∈ D \forall z_0\in D z0D,其上的解析函数 f ( z ) f(z) f(z) 满足
f ( z 0 ) = 1 2 π i ∮ C f ( z ) z − z 0 d z f(z_0)=\frac1{2\pi i}\oint_C\frac{f(z)}{z-z_0}dz f(z0)=2πi1Czz0f(z)dz
  

3.2. 高阶导数公式

  对于具有闭路边界 C C C单连闭域 D ‾ = C + D \overline D=C+D D=C+D ∀ z 0 ∈ D \forall z_0\in D z0D,其上的解析函数 f ( z ) f(z) f(z)任意阶导数,即存在
f ( n ) ( z 0 ) = n ! 2 π i ∮ C f ( z ) ( z − z 0 ) ( n + 1 ) d z , n = 1 , 2 , . . . f^{(n)}(z_0)=\frac{n!}{2\pi i}\oint_C\frac{f(z)}{(z-z_0)^{(n+1)}}dz,\,n=1,\,2,\,... f(n)(z0)=2πin!C(zz0)(n+1)f(z)dz,n=1,2,...
  

3.3. 圆域积分公式

  对于以 z 0 z_0 z0圆心 R R R半径闭圆域 D ‾ = C + D \overline D=C+D D=C+D ∀ ζ ∈ C \forall\zeta\in C ζC ∀ z ∈ D \forall z\in D zD 0 ≤ θ , φ < 2 π 0\le\theta,\,\varphi<2\pi 0θ,φ<2π,有以下参数表达式
{ R = ∣ ζ − z 0 ∣ r = ∣ z − z 0 ∣ \begin{cases} R=|\zeta-z_0|\\r=|z-z_0|\end{cases} {R=ζz0r=zz0 { ζ = z 0 + R e i φ z = z 0 + r e i θ \begin{cases}\zeta=z_0+Re^{i\varphi}\\z=z_0+re^{i\theta}\end{cases} {ζ=z0+Reiφz=z0+reiθ { d ζ = i R e i φ d φ ∣ ∮ C d ζ ∣ = 2 π R \begin{cases}d\zeta=iRe^{i\varphi}d\varphi\\\Big|\displaystyle\oint_Cd\zeta\Big|=2\pi R\end{cases} dζ=iReiφdφ Cdζ =2πR

  则 D ‾ \overline D D 上的解析函数 f ( z ) = u ( r , θ ) + i v ( r , θ ) f(z)=u(r,\,\theta)+iv(r,\,\theta) f(z)=u(r,θ)+iv(r,θ) 满足以下公式:
f ( z ) = { 1 2 π ∫ 0 2 π f ( z 0 + R e i φ ) d φ r = 0 1 2 π ∫ 0 2 π f ( z 0 + R e i φ ) R 2 − r 2 R 2 + 2 R r c o s ( φ − θ ) + r 2 d φ 0 < r < R f ( z 0 + R e i φ ) r = R 0 r > R f(z)=\begin{cases} \displaystyle\frac1{2\pi}\int_0^{2\pi}f(z_0+Re^{i\varphi})d\varphi&{r=0}\\\displaystyle\frac1{2\pi}\int_0^{2\pi}f(z_0+Re^{i\varphi})\frac{R^2-r^2}{R^2+2Rrcos(\varphi-\theta)+r^2}d\varphi&{0<r<R}\\f(z_0+Re^{i\varphi})&{r=R}\\0&r>R\end{cases} f(z)= 2π102πf(z0+Reiφ)dφ2π102πf(z0+Reiφ)R2+2Rrcos(φθ)+r2R2r2dφf(z0+Reiφ)0r=00<r<Rr=Rr>R

3.3.1. 泊松(Poisson)积分公式

  取圆外(圆域上存在奇点)一点 z ∗ = z 0 + R 2 r e i θ z^*=z_0+\frac{R^2}re^{i\theta} z=z0+rR2eiθ,使得柯西积分公式中的 f ( ζ ) ζ − z ∗ \frac{f(\zeta)}{\zeta-z^*} ζzf(ζ) 一项在 D ‾ \overline D D解析,由柯西基本定理易知
f ( z ∗ ) = 0 f(z^*)=0 f(z)=0

  从而有
f ( z ) = f ( z ) − f ( z ∗ ) = 1 2 π ∫ 0 2 π f ( z 0 + R e i φ ) R 2 − r 2 R 2 + 2 R r c o s ( φ − θ ) + r 2 d φ f(z)=f(z)-f(z^*)=\frac1{2\pi}\int_0^{2\pi}f(z_0+Re^{i\varphi})\frac{R^2-r^2}{R^2+2Rrcos(\varphi-\theta)+r^2}d\varphi f(z)=f(z)f(z)=2π102πf(z0+Reiφ)R2+2Rrcos(φθ)+r2R2r2dφ

  比较实部得到闭圆域上的调和函数表达式
u ( r , θ ) = 1 2 π ∫ 0 2 π u ( R , φ ) R 2 − r 2 R 2 + 2 R r c o s ( φ − θ ) + r 2 d φ u(r,\,\theta)=\frac1{2\pi}\int_0^{2\pi}u(R,\,\varphi)\frac{R^2-r^2}{R^2+2Rrcos(\varphi-\theta)+r^2}d\varphi u(r,θ)=2π102πu(R,φ)R2+2Rrcos(φθ)+r2R2r2dφ

3.3.2. 平均值公式

  当 r = 0 r=0 r=0 时,泊松积分公式退化为调和函数的平均值公式
u ( z 0 ) = 1 2 π ∫ 0 2 π u ( R , φ ) d φ = 1 2 π R ∮ C u d s u(z_0)=\frac1{2\pi}\int_0^{2\pi}u(R,\,\varphi)d\varphi=\frac1{2\pi R}\oint_Cuds u(z0)=2π102πu(R,φ)dφ=2πR1Cuds

  同时有平均值公式 f ( z ) f(z) f(z)圆心的值,等于它沿圆周积分值的平均,即
f ( z 0 ) = 1 2 π ∫ 0 2 π f ( z 0 + R e i φ ) d φ f(z_0)=\frac1{2\pi}\int_0^{2\pi}f(z_0+Re^{i\varphi})d\varphi f(z0)=2π102πf(z0+Reiφ)dφ

3.3.3. 柯西不等式

  由高阶导数公式易知,若解析函数的模 ∣ f ( z ) ∣ |f(z)| f(z) C C C 上的上界 M M M,则
∣ f ( n ) ( z 0 ) ∣ ≤ n ! 2 π ⋅ M R ( n + 1 ) ⋅ 2 π R = n ! M R − n , n = 1 , 2 , . . . \Big|f^{(n)}(z_0)\Big|\le\frac{n!}{2\pi}\cdot\frac{M}{R^{(n+1)}}\cdot2\pi R=n!MR^{-n},\,n=1,\,2,\,... f(n)(z0) 2πn!R(n+1)M2πR=n!MRn,n=1,2,...

  特别的, n = 1 n=1 n=1 时有
∣ f ′ ( z 0 ) ∣ ≤ M R \Big|f'(z_0)\Big|\le\frac{M}{R} f(z0) RM

3.4. 刘维尔(Liouville)定理

  若一个整函数 f ( z ) f(z) f(z) 在复平面上有界,即 ∣ f ( z ) ∣ ≤ M |f(z)|\le M f(z)M,则 f ( z ) = c f(z)=c f(z)=c c c c 为常数。

  由柯西不等式,对于 ∀ R > 0 \forall R>0 R>0,取 R → ∞ R\to\infty R,得 f ′ ( z 0 ) ≡ 0 f'(z_0)\equiv0 f(z0)0,即证。
  

3.5. 代数学基本定理

  任意复系数多项式在复平面上必有零点,即:对于
f ( z ) = ∑ i = 0 n a i z n − i ( a 0 ≠ 0 , n ≥ 1 ) f(z)=\sum_{i=0}^na_iz^{n-i}\,(a_0\not=0,\,n\ge1) f(z)=i=0naizni(a0=0,n1)

  方程 f ( z ) = 0 f(z)=0 f(z)=0 有根。
  易知整函数 f ( z ) f(z) f(z) 满足 lim ⁡ z → ∞ 1 f ( z ) = 0 \displaystyle\lim_{z\to\infty}\frac1{f(z)}=0 zlimf(z)1=0,若 1 f ( z ) \displaystyle\frac1{f(z)} f(z)1有界整函数,由刘维尔定理,则 f ( z ) f(z) f(z) 也是常数,矛盾,故 1 f ( z ) \displaystyle\frac1{f(z)} f(z)1 必然存在奇点,即证。

相关文章:

【复变函数】三、复变函数的积分

目录 1. 复变函数积分1.1. 复积分1.2. 存在性与计算1.2.1 第二类曲线积分与格林公式1.2.2 第一类曲线积分与参数式 1.3. 性质1.4. 圆径积分 2. 柯西积分定理2.1. 柯西&#xff08;Cauchy&#xff09;基本定理与莫雷拉&#xff08;Morrera&#xff09;定理2.2. 复合闭路定理2.3.…...

ChatGPT Pro是什么

ChatGPT Pro 和 ChatGPT Plus 的区别主要体现在功能范围、适用场景和目标用户上。 ChatGPT Plus 功能 • 价格&#xff1a;20美元/月。 • 目标用户&#xff1a;针对个人用户设计。 • 主要特点&#xff1a; • 在高峰期响应速度更快。 • 使用高级模型&#xff08;如 GPT-4…...

React - echarts 世界地图,中国地图绘制

中国地图 首先需要一个包含中国所有省份名称的 json&#xff0c;这个好多网站都能找到。 我传到资源里了&#xff0c;放百度网盘怕太长时间不登录给我删掉了。 中国地图中文版json 我把地图抽出来单独做成了组件&#xff0c;这样用的时候比较方便. 使用的时候&#xff1a; …...

knife4j-openapi3 4.5 最基本的使用 openAPI

最基本的使用&#xff0c;配置太多懒得研究 SpringBoot 整合 knfe4j &#xff0c;使用 OpenAPI3 规范&#xff0c;这个兄弟写的挺好 环境&#xff1a; spring-boot-starter-parent&#xff1a;3.4.0 1. 依赖 <dependency><groupId>com.github.xiaoymin</gr…...

如何在 Ubuntu 22.04 上安装和使用 Apache Kafka

简介 Apache Kafka是一个高性能、低延迟的分布式流处理平台&#xff0c;广泛用于构建实时数据管道和流式应用。本文将指导你如何在Ubuntu 22.04系统上快速部署Apache Kafka&#xff0c;让你体验到Kafka在处理大规模实时数据流方面的强大能力。通过本教程&#xff0c;你将学会如…...

Linux:network:添加ip的时候自动添加一个本地路由

文章目录 问题问题 最近在看一个路由的问题,顺便看内核代码,发现在添加IP的时候,内核会自动添加一个local route。 net/ipv4/devinet.c inet_rtm_newaddr->__inet_insert_ifa /* Send message first, then call notifier.Notifier will trigger FIB update, so thatlis…...

Android 10、11、12存储适配相关

AndroidQ(10)分区存储完美适配 - 简书前言 最近时间在做AndroidQ的适配&#xff0c;截止到今天AndroidQ分区存储适配完成&#xff0c;期间出现很多坑&#xff0c;目前网上的帖子大部分都是概述变更内容&#xff0c;接下来的几篇帖子都是对分区存储实际...https://www.jianshu.c…...

如何将视频转化为音频?五个方法策略

在日常生活中&#xff0c;我们经常需要将视频中的音频提取出来&#xff0c;以便在特定的场合使用。无论是为了制作铃声、背景音乐&#xff0c;还是为了进行语音转文字处理&#xff0c;视频转音频的需求都非常普遍。如何将视频转化为音频&#xff1f;本文将详细介绍多种将视频转…...

ecovadis评估最新标准

EcoVadis评估的最新标准主要包括奖牌评估规则和新增的徽章规则&#xff0c;以下是对这两方面的详细阐述&#xff1a; 一、奖牌评估规则 评估范围&#xff1a;EcoVadis的评估总分为100分&#xff0c;评估内容涵盖环境、劳工与人权、商业道德、可持续采购等四大主题。 奖牌等级…...

Java版-图论-最小生成树-Kruskal算法

实现描述 为了造出一棵最小生成树&#xff0c;我们从最小边权的边开始&#xff0c;按边权从小到大依次加入&#xff0c;如果某次加边产生了环&#xff0c;就扔掉这条边&#xff0c;直到加入了 n-1 条边&#xff0c;即形成了一棵树。 实现代码 首选我们对所有的边&#xff0c…...

【单片机开发】MCU三种启动方式(Boot选择)[主Flash/系统存储器(BootLoader)/嵌入式SRAM]

目录 参考资料&#xff1a; 利用 Boot 选择不同的启动方式&#xff1a; 单片机的存储结构(主 FLASH/系统存储器/嵌入式 SRAM)&#xff1a; 1. Cortex-M 内核芯片——启动原理&#xff1a; 1.1. 启动流程&#xff1a; 1.2. 根据单片机的存储器映射和架构图&#xff1a;启动…...

实验15 验证LSTM模型的长程依赖

本次实验依托上个实验 一 模型构建 创建LSTM模型&#xff0c;里面包括初始化init函数、初始化权重函数_init_weights、初始化状态函数init_state、前向传播函数forward。 init函数&#xff1a;虽然每个时间的输入和隐层都是一样的&#xff0c;但是他们会有四组不同的权重&am…...

Charles功能说明

1.扫把(clear the current Session) (前头方向) 作用:清除所有抓取的包(正方形框) 2.中心圈-未启用显示(Star Recording)点击启动 -启动之后显示(Stop Recording)点击停止 作用:启动之后开始抓取包(刷新一次页面或跳转抓取内容) 3.锁-未启动显示(Star SSL Proxying)点击启动 -启…...

自动秒收录程序与自动秒收录网站源码论坛版本下载

自动秒收录程序与自动秒收录网站源码论坛版本下载 随着互联网的快速发展&#xff0c;网站优化已成为众多企业和个人博主提升在线影响力的关键手段。其中&#xff0c;SEO&#xff08;搜索引擎优化&#xff09;作为提升网站排名的核心策略&#xff0c;备受关注。而SEO优化的一个…...

HTML颜色-HTML脚本

HTML脚本 js使得HTML页面具有更强的动态和交互性 HTML<script>标签 标签用于定义客户端脚本&#xff0c;比如javascript 可包含脚本语句&#xff0c;也可以通过src属性指向外部的脚本文件 JavaScript最常用于图片操作&#xff0c;表单验证以及动态的内容更新 HTML<n…...

【WRF理论第十三期】详细介绍 Registry 的作用、结构和内容

目录 1. Introduction&#xff1a;介绍 Registry 的作用和功能。2. Registry Contents&#xff1a;详细描述 Registry 的结构和内容&#xff0c;包括各个部分的条目类型。2.1. DIMSPEC ENTRIES&#xff08;维度规格条目&#xff09;2.2. STATE ENTRIES&#xff08;状态变量条目…...

使用Kimi开发自己的问答应用

概述 Kimi是大家常用的一个人工智能助手&#xff0c;本文使用Kimi开发文档&#xff0c;以node作为后端&#xff0c;开发与一个问答系统 实现效果 Kimi简介 Kimi是由Moonshot AI开发的人工智能助手&#xff0c;擅长中文和英文对话。目标是帮助用户解决问题、提供信息和执行任…...

Vue前端开发-路由其他配置

在路由文件中&#xff0c;除了跳转配置外&#xff0c;还可以进行路径重定向配置&#xff0c;如果没有找到对应的地址&#xff0c;还可以实现404的配置&#xff0c;同时&#xff0c;如果某个页面需要权限登录&#xff0c;还可以进行路由守卫配置&#xff0c;接下来&#xff0c;分…...

AI与遥感的融合:构建新一代智能监测作业平台

在测绘地理信息与遥感领域&#xff0c;人工智能&#xff08;AI&#xff09;技术的融合正推动着一场监测作业模式的革命。AI不仅提升了数据处理的效率&#xff0c;还极大地扩展了遥感技术的应用范围和深度。 遥感监测的智能化趋势 随着遥感数据量的激增&#xff0c;传统的人工…...

3D 视觉定位技术:汽车零部件制造的智能变革引擎

在汽车零部件制造领域&#xff0c;传统工艺正面临着前所未有的挑战。市场对于零部件精度与生产效率近乎苛刻的要求&#xff0c;促使企业寻求突破之道。而 3D 视觉定位技术&#xff0c;为汽车零部件制造开启了精准定位与智能化生产的新纪元。 3D 视觉定位系统的核心技术原理 3…...

git提交时出现merge branch main of xxx

git提交时出现merge branch main of xxx 原因&#xff1a; 1、同事commit了一个修改A&#xff0c;push到remote 2、我把这个修改直接pull了下来&#xff08;pull是fetchmerge的操作&#xff0c;自动合并到本地workspace&#xff09; 3、同事因为后续的commit有冲突&#xff0c…...

重生之我在异世界学编程之C语言:深入结构体篇(上)

大家好&#xff0c;这里是小编的博客频道 小编的博客&#xff1a;就爱学编程 很高兴在CSDN这个大家庭与大家相识&#xff0c;希望能在这里与大家共同进步&#xff0c;共同收获更好的自己&#xff01;&#xff01;&#xff01; 本文目录 引言正文《1》 结构体的两种声明一、结构…...

到达率和服务率在python中实现

到达率和服务率在python中实现 概念理解 到达率(Arrival Rate):是指顾客(或任务、事件等)到达服务系统的平均速率,通常用单位时间内到达的数量来表示。例如,在一个客服中心,每小时平均有10个客户来电咨询,这里的每小时10个客户就是到达率。服务率(Service Rate):是…...

重视猫艾滋:宠物健康的隐秘挑战

猫艾滋&#xff0c;全称为猫获得性免疫缺陷综合征&#xff08;Feline Acquired Immunodeficiency Syndrome&#xff09;&#xff0c;是由猫免疫缺陷病毒&#xff08;FIV&#xff09;感染引起的一种严重危害猫类健康的疾病。虽然其名称与人类艾滋病相似&#xff0c;但猫艾滋仅在…...

使用长轮询解决某些场景的实时消息推送需求

需求来源 最近做一个需求实现在移动端通过按钮&#xff0c;远程控制大屏幕上展示的资源进行实时切换&#xff0c;可以展示一个大屏页面&#xff0c;可以展示一段视频&#xff0c;也可以展示一张图片。 解决思路 大屏幕上打开一个游览器&#xff0c;访问指定动态资源展示页面…...

uniapp-内部项目使用文档

uniapp-内部项目使用文档 目录 uniapp-内部项目使用文档阶段1自行实现内容&#xff1a;阶段1问题记录&#xff1a; 阶段2自行实现内容&#xff1a; 阶段3 APP项目介绍及规范阶段4 公共组件方法UseList 列表页面HooksListItem 列表项uni-load-more 列表加载更多组件CardTitle 列…...

linux搭建NFS服务和autofs自动挂载NFS

文章目录 1、nfs服务1、nfs原理2、RPC和NFS通讯原理3、RPC和NFS流程4、NFS工作流程5、服务端搭建6、客户端搭建7、autofs自动挂载 1、nfs服务 1、nfs原理 是一个NAS的存储&#xff0c;通过网络来进行文件的共享&#xff0c;表现出来的形式就是一个文件夹 可以支持多个linux挂…...

springboot415社区网格化管理平台的构建-(论文+源码)_kaic

摘 要 现代经济快节奏发展以及不断完善升级的信息化技术&#xff0c;让传统数据信息的管理升级为软件存储&#xff0c;归纳&#xff0c;集中处理数据信息的管理方式。本社区网格化管理平台就是在这样的大环境下诞生&#xff0c;其可以帮助管理者在短时间内处理完毕庞大的数据…...

ubuntu下open-webui + ollama本地大模型部署

文章目录 nvidia gpu驱动安装 安装卸载 ollama 部署 添加docker秘钥docker配置添加国内镜像源ollama安装 从源拉取ollama镜像。启动一个ollama容器 通过ollama下载模型到本地检验本地模型 open-webui 部署 安装容器和镜像下载webui使用查看模型运行时内存、cpu、gpu占用 业余…...

自动化运维-配置Mysql、emqx、redis、nginx等通用性Linux日志分割工具 - logrotate

前言&#xff1a;logrotate 是一个在 Linux 系统中用于管理和轮转日志文件的工具。它的主要目的是帮助系统管理员自动执行日志文件的轮转、压缩、删除和邮件通知等任务&#xff0c;以防止日志文件占用过多的磁盘空间&#xff0c;同时保持日志文件的可管理性。 参考命令&#x…...

71、docker镜像制作上传/下载到阿里云

基本思想:简单学习一下如何制作镜像和上传下载到私有阿里云,然后构建一个gpu的训练/推理环境,以备后续使用 一、配置环境 ubuntu@ubuntu:~$ sudo apt-get install docker.ioubuntu@ubuntu:~$ sudo docker ps -a CONTAINER ID IMAGE COMMAND CREATED STATUS P…...

力扣--LCR 178.训练计划VI

题目 教学过程中&#xff0c;教练示范一次&#xff0c;学员跟做三次。该过程被混乱剪辑后&#xff0c;记录于数组 actions&#xff0c;其中 actions[i] 表示做出该动作的人员编号。请返回教练的编号。 示例 1&#xff1a; 输入&#xff1a;actions [5, 7, 5, 5] 输出&#…...

独孤思维:又有一个副业项目降价了

不要过早量出底牌&#xff0c;不然会变得低贱且廉价。 昨天在一个群里&#xff0c;看到有个博主&#xff0c;没有成交订单。 她把和用户的聊天对话发出来&#xff0c;我们大致看了下。 发现人家是有意向付费的。 但是这个博主过于心急&#xff0c;说今天加入可以优惠&#…...

【笔记】分布式任务调度平台XXL-JOB

这篇笔记主要记录以下内容&#xff1a; &#xff08;1&#xff09;第一次启动xxl-job的过程 &#xff08;2&#xff09;模块、文件、数据库&#xff08;表和字段&#xff09;的作用 &#xff08;3&#xff09;极少的源码解读&#xff08;XxlJobConfig&#xff09; 有点像实…...

Java基础总结上(Ref:JavaGuide)

基础概念与常识 Java语言有哪些特点&#xff0c;优点&#xff1f; 简单易学&#xff0c;是一门面向对象的语言&#xff0c;有封装继承多态三大特性&#xff0c;而且有多重防护机制保证安全性&#xff0c;例如权限修饰符&#xff0c;限制程序直接访问操作系统资源。通过JIT编译…...

嘉誉府5区共有产权看房记

特地工作日来看下嘉誉府5区的网红共有产权的房子&#xff0c;主要是冲着均价2.1万/平才来看。说实话从塘尾地铁步行到嘉誉府5区还挺需要时间的哈。可能以后需要电驴代步到地铁&#xff1f;确实楼盘现在是现楼&#xff0c;今年买明年住。鸿荣源确实很666哈。 今天来不需要排队&a…...

PostgreSQL函数中使用now()或current_timestamp的异同

在PostgreSQL函数中使用now()或current_timestamp可以获取当前的日期和时间。 now()函数返回当前的日期和时间&#xff0c;包括时区信息。它可以用于记录操作的时间戳或在查询中进行时间比较。 current_timestamp函数也返回当前的日期和时间&#xff0c;但不包括时区信息。它…...

跟李笑来学美式俚语(Most Common American Idioms): Part 56

Most Common American Idioms: Part 56 前言 本文是学习李笑来的Most Common American Idioms这本书的学习笔记&#xff0c;自用。 Github仓库链接&#xff1a;https://github.com/xiaolai/most-common-american-idioms 使用方法: 直接下载下来&#xff08;或者clone到本地…...

类和对象一

目录 1.类的引入 2.类的定义 3.访问限定符 4.类的作用域 5.类对象模型 6.类的大小 1.类的引入 C语言结构体中只能定义变量&#xff0c;在C中&#xff0c;结构体不仅可以定义变量&#xff0c;也可以定义函数。 C兼容C语言&#xff0c;结构用法可以继续使用 同时sruct也升…...

两个数的和最小

两个数的和最小 C 代码C 代码Java 代码Python 代码 &#x1f490;The Begin&#x1f490;点点关注&#xff0c;收藏不迷路&#x1f490; 给你n个整数&#xff0c;你可以从中任意取两个数a和b&#xff0c;问a加上b的和的绝对值最小可能是多少&#xff1f; 输入 有多组测试数据…...

Mac mini m4本地跑大模型(ollama + llama + ComfyUI + Stable Diffusion | flux)

安装chat大模型&#xff08;不推荐&#xff0c;本地运行的大模型只能聊废话&#xff0c;不如网页版使用openAI等高效&#xff09; 首先下载ollama的安装包 https://ollama.com/ 点击启动访问&#xff1a;http://localhost:11434 Ollama is running 代表已经运行起来了&#x…...

IoTDB AINode 报错,call inference 301: Error ocurred while executing inference

问题及现象 使用时序数据库 IoTDB 的 AINode 的 call inference 语句后报错&#xff1a; Msg: org.apache.iotdb.jdbc.IoTDBSOLException&#xff1a;301: Error ocurred while executing inference:[tuple object has no attribute inference]解决方法 可以替换 venv 里面的…...

Linux网络 UDP socket

背景知识 我们知道&#xff0c; IP 地址用来标识互联网中唯一的一台主机&#xff0c; port 用来标识该主机上唯一的一个网络进程&#xff0c;IPPort 就能表示互联网中唯一的一个进程。所以通信的时候&#xff0c;本质是两个互联网进程代表人来进行通信&#xff0c;{srcIp&…...

Day2——需求分析与设计

教师端签到应用软件的需求分析&#xff1b; 产品经理如何写好产品需求文档&#xff08;附模板&#xff09; 需求分析是软件开发过程中的关键步骤&#xff0c;它确保了开发的软件能够满足用户的需求。以下是进行需求分析的具体步骤&#xff1a; 1. 确定分析目标 明确教师端签到…...

aosp15上winscope离线html如何使用?

背景&#xff1a; aosp15上的如何使用Winscope前面已经有分享过相关的blog&#xff0c;这块其实和aosp14没啥大的差别&#xff0c;具体可以看如下2个文章&#xff1a; 手把手教你aosp14编译Winscope 安卓aosp15手机上如何离线获取winscope文件 文章中也说明在aosp15如果直接使…...

AttributeError: module numpy has no attribute int .报错解决

AttributeError: module numpy has no attribute int .报错解决方案_attributeerror: module numpy has no attribute i-CSDN博客 以上为参考教程&#xff0c;试了卸载再安装&#xff0c;不行&#xff0c;报错&#xff1a; Found existing installation: numpy 1.24.3 error: …...

python爬虫常用数据保存模板(Excel、CSV、mysql)——scrapy中常用数据提取方法(CSS、XPATH、正则)(23)

文章目录 1、常用数据保存模板2.1 保存为Excel格式2.2 保存为CSV格式2.3 保存至mysql数据库2、scrapy中常用数据提取方法2.1 XPath选择器2.2 CSS选择器2.3 正则表达式1、常用数据保存模板 2.1 保存为Excel格式 # 1、导入模块 from openpyxl import workbook# 2、创建一个exce…...

【面试题】简述rabbitmq的组织架构

[面试题]简述rabbitmq的组织架构 RabbitMQ 是一种流行的消息中间件&#xff0c;其架构设计围绕消息生产者, 消息消费者和消息中转&#xff08;Broker&#xff09;展开。以下是 RabbitMQ 的主要组织架构组件和它们之间的关系&#xff1a; 1. 核心组件 1.1 Producer&#xff0…...

C#-WPF 常见类型转换方法(持续更新)

目录 一、普通类型转换 1、Convert类 2、Parse(转String) 3、TryParse(转String) 4、ToString(转String) 5、int转double 6、String转DateTime 7、自定义类型的显示/隐式转换 二、byte[]转ImageSource 方法一 方法二 一、普通类型转换 1、Convert类 提供了一种安全…...

c基础加堆练习题

1】思维导图&#xff1a; 2】在堆区空间连续申请5个int类型大小空间&#xff0c;用来存放从终端输入的5个学生成绩&#xff0c;然后显示5个学生成绩&#xff0c;再将学生成绩升序排序&#xff0c;排序后&#xff0c;再次显示学生成绩。显示和排序分别用函数完成 要求&#xff…...