(五)物质导数与空间时间导数
本文内容主要包括:
1. 物质导数与空间时间导数及二者的联系
考虑运动变形过程中代表性物质点的物理量 Φ\bold\PhiΦ(张量) 随时间的变化率。
- 在物质描述中,Φ\bold\PhiΦ 以 (X⃗,t)(\vec{X},t)(X,t) 为自变量;
- 在空间描述中,Φ\bold\PhiΦ 以 (x⃗,t)(\vec{x},t)(x,t) 为自变量。
物理量 Φ\bold \PhiΦ 随某一固定的物质点一起运动的时间变化率(称作:物质导数)可写作:
DΦDt=(∂Φ(X⃗,t)∂t)∣X⃗≜Φ∙\dfrac{D\bold \Phi}{Dt} =\left. \left(\frac{\partial \bold\Phi(\vec{X},t)}{\partial t}\right)\right|_{\vec X} \triangleq \overset{\bullet}{\bold\Phi}DtDΦ=(∂t∂Φ(X,t))X≜Φ∙
物理量 Φ\bold \PhiΦ 在某一固定的空间坐标上的时间变化率(称作:空间时间导数/局部导数)可写作:
(∂Φ(x⃗,t)∂t)∣x⃗≜Φ′\left. \left(\frac{\partial \bold\Phi(\vec{x},t)}{\partial t}\right)\right|_{\vec x} \triangleq \bold\Phi'(∂t∂Φ(x,t))x≜Φ′
根据复合函数的求导法则可推出:
Φ∙={∂Φ[x⃗(X⃗,t),t]∂t}∣X⃗=(∂Φ∂t)∣x⃗+(∂Φ∂xr)(∂xr∂t)∣X⃗=Φ′+(∂Φ∂xr⊗g⃗r)⋅(g⃗s∂xs∂t)∣X⃗=Φ′+(Φ▽)⋅(∂x⃗∂t)∣X⃗=Φ′+(Φ▽)⋅(∂u⃗∂t)=Φ′+(Φ▽)⋅v⃗=Φ′+v⃗⋅(▽Φ)\begin{aligned} & \overset{\bullet}{\bold\Phi} =\left. \left\{\frac{\partial \bold\Phi[\vec{x}(\vec{X},t),t]}{\partial t}\right\}\right|_{\vec X} \\\\ &\quad=\left.\left(\dfrac{\partial\bold\Phi}{\partial t}\right)\right|_{\vec{x}}+\left(\dfrac{\partial\bold\Phi}{\partial {x}^r}\right)\left.\left(\dfrac{\partial x^r}{\partial t}\right)\right|_{\vec{X}}\\\\ &\quad=\bold\Phi'+\left(\dfrac{\partial\bold\Phi}{\partial {x}^r}\otimes\vec{g}\ ^r\right)\cdot\left.\left(\vec{g}_s\dfrac{\partial x^s}{\partial t}\right)\right|_{\vec{X}}\\\\ &\quad=\bold\Phi'+\left(\bold\Phi\triangledown\right)\cdot\left.\left(\dfrac{\partial\vec x}{\partial t}\right)\right|_{\vec{X}}\\\\ &\quad=\bold\Phi'+\left(\bold\Phi\triangledown\right)\cdot\left(\dfrac{\partial\vec u}{\partial t}\right)\\\\ &\quad=\bold\Phi'+\left(\bold\Phi\triangledown\right)\cdot\vec{v}\\\\ &\quad=\bold\Phi'+\vec{v}\cdot\left(\triangledown\bold\Phi\right) \end{aligned}Φ∙={∂t∂Φ[x(X,t),t]}X=(∂t∂Φ)x+(∂xr∂Φ)(∂t∂xr)X=Φ′+(∂xr∂Φ⊗g r)⋅(gs∂t∂xs)X=Φ′+(Φ▽)⋅(∂t∂x)X=Φ′+(Φ▽)⋅(∂t∂u)=Φ′+(Φ▽)⋅v=Φ′+v⋅(▽Φ)
2. 空间坐标系相关量的物质导数
2.1. 空间坐标系基矢的物质导数
随时间变化,某一固定物质点将映射至空间坐标系中的不同位置。因此,“空间坐标系基矢的物质导数”是指:某一物质点所在处的基矢变化率。故
g⃗i∙=(g⃗i)′+v⃗⋅▽g⃗i=v⃗⋅▽g⃗i=vj∂g⃗i∂xj=vjΓijkg⃗k=vjΓij,kg⃗k\overset{\bullet}{\vec{g}_i} =(\vec{g}_i)'+\vec{v}\cdot\triangledown\vec{g}_i =\vec{v}\cdot\triangledown\vec{g}_i =v^j\dfrac{\partial \vec{g}_i}{\partial x^j} =v^j\Gamma_{ij}^k\vec{g}_k =v^j\Gamma_{ij,k}\vec{g}^kgi∙=(gi)′+v⋅▽gi=v⋅▽gi=vj∂xj∂gi=vjΓijkgk=vjΓij,kgk
式中,Γijk、Γij,k\Gamma_{ij}^k、\Gamma_{ij,k}Γijk、Γij,k 分别为空间坐标系的第二类、第一类 Christoffel 符号。又由于
DDt(g⃗i⋅g⃗j)=g⃗i∙⋅g⃗j+g⃗i⋅g⃗j∙=0⟹g⃗i⋅g⃗j∙=−g⃗i∙⋅g⃗j\dfrac{D}{Dt}(\vec{g}_i\cdot\vec{g}^j) =\overset{\bullet}{\vec{g}_i}\cdot\vec{g}^j+\vec{g}_i\cdot\overset{\bullet}{\vec{g}^j} =0 \Longrightarrow \vec{g}_i\cdot\overset{\bullet}{\vec{g}^j}=-\overset{\bullet}{\vec{g}_i}\cdot\vec{g}^jDtD(gi⋅gj)=gi∙⋅gj+gi⋅gj∙=0⟹gi⋅gj∙=−gi∙⋅gj
令 g⃗j∙=βijg⃗i\overset{\bullet}{\vec{g}^j}=\beta^j_i\vec{g}^igj∙=βijgi ,那么:
g⃗i⋅βkjg⃗k=βij=−g⃗i∙⋅g⃗j=−vkΓikj\vec{g}_i\cdot\beta^j_k\vec{g}^k =\beta^j_i =-\overset{\bullet}{\vec{g}_i}\cdot\vec{g}^j =-v^k\Gamma^j_{ik}gi⋅βkjgk=βij=−gi∙⋅gj=−vkΓikj
故,
g⃗j∙=−vkΓikjg⃗i\overset{\bullet}{\vec{g}^j}=-v^k\Gamma^j_{ik}\vec{g}^igj∙=−vkΓikjgi
2.2. 空间坐标系协变基矢混合积的 g\sqrt{g}g 的物质导数
由空间坐标系基矢的物质导数可知:
gij∙=g⃗i∙⋅g⃗j+g⃗i⋅g⃗j∙=vr(Γirkgkj+Γjrkgki)=vr(Γir,j+Γjr,i)\overset{\bullet}{g_{ij}} =\overset{\bullet}{\vec{g}_i}\cdot\vec{g}_j+\vec{g}_i\cdot\overset{\bullet}{\vec{g}_j} =v^r(\Gamma^k_{ir}g_{kj}+\Gamma^k_{jr}g_{ki}) =v^r(\Gamma_{ir,j}+\Gamma_{jr,i})gij∙=gi∙⋅gj+gi⋅gj∙=vr(Γirkgkj+Γjrkgki)=vr(Γir,j+Γjr,i)
由于,
1det([A])[A∗]=[A]−1\dfrac{1}{det([A])}[A^*]=[A]^{-1}det([A])1[A∗]=[A]−1
其中,[A∗][A^*][A∗] 为 [A][A][A] 的伴随矩阵。则
1g∂g∂gji=gij,g=det(gij)\dfrac{1}{g}\dfrac{\partial g}{\partial g_{ji}}=g^{ij},g=det(g_{ij})g1∂gji∂g=gij,g=det(gij)
故,det(gij)det(g_{ij})det(gij) 的物质导数为:
g∙=∂g∂gjigji∙=ggijgji∙=gvr(Γiri+Γjrj)=2gvrΓiri\overset{\bullet}{g} =\dfrac{\partial g}{\partial g_{ji}}\overset{\bullet}{g_{ji}} =gg^{ij}\overset{\bullet}{g_{ji}} =gv^r(\Gamma_{ir}^i+\Gamma_{jr}^j) =2gv^r\Gamma_{ir}^ig∙=∂gji∂ggji∙=ggijgji∙=gvr(Γiri+Γjrj)=2gvrΓiri
式中,Γiri\Gamma_{ir}^iΓiri 为空间坐标系的第二类Christoffel 符号。进一步:
g∙=gvrΓiri\overset{\bullet}{\sqrt{g}}=\sqrt gv^r\Gamma_{ir}^ig∙=gvrΓiri
上式也可利用第二类Christoffel符号与协变基矢的混合积 g\sqrt{g}g 的关系与物质导数和局部导数的关系得到:
g∙=v⃗⋅(▽g)=vi∂g∂xi=gvrΓiri\overset{\bullet}{\sqrt{g}} =\vec{v}\cdot(\triangledown\sqrt{g}) =v^i\dfrac{\partial \sqrt{g}}{\partial x^i} =\sqrt gv^r\Gamma_{ir}^ig∙=v⋅(▽g)=vi∂xi∂g=gvrΓiri
3. 随体坐标系 {XA,t}\{X^A,t\}{XA,t} 相关量的物质导数
3.1. 随体坐标系 {XA,t}\{X^A,t\}{XA,t} 基矢的物质导数
随时间的变化,特定的物质点在随体坐标系 {XA,t}\{X^A,t\}{XA,t} 中的基矢不断改变。其协变基矢的变化率可写作:
C⃗A∙=[∂∂t(∂x⃗∂XA)]∣X⃗=[∂∂XA(∂x⃗∂t)]∣X⃗=∂∂XA(∂u⃗∂t)=∂v⃗∂XA=vB∣∣AC⃗B=∂v⃗∂xi∂xi∂XA=x,Ai∂v⃗∂xi=x,Aivj∣ig⃗j\begin{aligned} &\overset{\bullet}{\vec{C}_A} =\left.\left[\dfrac{\partial}{\partial t}\left(\dfrac{\partial \vec{x}}{\partial X^A}\right)\right]\right|_{\vec{X}} =\left.\left[\dfrac{\partial}{\partial X^A}\left(\dfrac{\partial \vec{x}}{\partial t}\right)\right]\right|_{\vec{X}} \\\ \\ &\quad\ =\dfrac{\partial}{\partial X^A}\left(\dfrac{\partial \vec{u}}{\partial t}\right) =\dfrac{\partial\vec{v}}{\partial X^A} =v^B||_A\vec{C}_B \\\ \\ &\quad\ =\dfrac{\partial\vec{v}}{\partial x^i}\dfrac{\partial x^i}{\partial X^A} =x^i_{,A}\dfrac{\partial\vec{v}}{\partial x^i} =x^i_{,A}v^j|_i\vec{g}_j \end{aligned} CA∙=[∂t∂(∂XA∂x)]X=[∂XA∂(∂t∂x)]X =∂XA∂(∂t∂u)=∂XA∂v=vB∣∣ACB =∂xi∂v∂XA∂xi=x,Ai∂xi∂v=x,Aivj∣igj
同理可知
C⃗A∙∙=∂a⃗∂XA=aB∣∣AC⃗B\overset{\bullet\bullet}{\vec{C}_A} =\dfrac{\partial\vec{a}}{\partial X^A} =a^B||_A\vec{C}_BCA∙∙=∂XA∂a=aB∣∣ACB
又
DC⃗A⋅C⃗BDt=C⃗A∙⋅C⃗B+C⃗A⋅C⃗B∙=0\dfrac{D{\vec{C}_A\cdot\vec{C}^B}}{Dt} =\overset{\bullet}{\vec{C}_A}\cdot\vec{C}^B+{\vec{C}_A}\cdot\overset{\bullet}{\vec{C}^B} =0DtDCA⋅CB=CA∙⋅CB+CA⋅CB∙=0
故
C⃗A∙=−(C⃗B∙⋅C⃗A)C⃗B=−vA∣∣BC⃗B=−X,jAvj∣ig⃗i\overset{\bullet}{\vec{C}^A} =-(\overset{\bullet}{\vec{C}_B}\cdot\vec{C}^A)\vec{C}^B =-v^A||_B\vec{C}^B =-X^A_{,\ j}v^j|_i\vec{g}^iCA∙=−(CB∙⋅CA)CB=−vA∣∣BCB=−X, jAvj∣igi
3.2. 随体坐标系 {XA,t}\{X^A,t\}{XA,t} 协变基矢混合积的 C\sqrt{C}C 的物质导数
C∙AB=C⃗∙A⋅C⃗B+C⃗A⋅C⃗∙B=vB∣∣A+vA∣∣B\overset{\bullet}{C}_{AB} =\overset{\bullet}{\vec C}_{A}\cdot{\vec C}_{B}+\vec{C}_A\cdot\overset{\bullet}{\vec C}_{B} =v_B||_A+v_A||_BC∙AB=C∙A⋅CB+CA⋅C∙B=vB∣∣A+vA∣∣B
又
1C∂C∂CBA=C−1AB,C=det(CAB)\dfrac{1}{C}\dfrac{\partial C}{\partial C_{BA}}=\overset{-1}{C}\ ^{AB},C=det(C_{AB})C1∂CBA∂C=C−1 AB,C=det(CAB)
则
C∙=∂C∂CBAC∙AB=CC−1ABC∙AB=C(vA∣∣A+vB∣∣B)=2CvA∣∣A\overset{\bullet}{C} =\dfrac{\partial C}{\partial C_{BA}}\overset{\bullet}{C}_{AB} =C\overset{-1}{C}\ ^{AB}\overset{\bullet}{C}_{AB} =C(v^A||_A+v^B||_B) =2Cv^A||_AC∙=∂CBA∂CC∙AB=CC−1 ABC∙AB=C(vA∣∣A+vB∣∣B)=2CvA∣∣A
进一步知:
C∙=12CC∙=CvA∣∣A\overset{\bullet}{\sqrt C} =\dfrac{1}{2\sqrt C}\overset{\bullet}{C} =\sqrt Cv^A||_AC∙=2C1C∙=CvA∣∣A
3.3. J\mathscr{J}J 的物质导数
由于,
J=det(F)=CG\mathscr{J}=det(\bold F)=\sqrt{\dfrac{C}{G}}J=det(F)=GC
故,
J∙=C∙G=CGvA∣∣A=JvA∣∣A=J▽⋅v⃗\overset{\bullet}{\mathscr{J}} ={\dfrac{\overset{\bullet}{\sqrt C}}{\sqrt G}} =\dfrac{\sqrt C}{\sqrt G}v^A||_A =\mathscr{J}v^A||_A =\mathscr{J}\triangledown\cdot\vec{v}J∙=GC∙=GCvA∣∣A=JvA∣∣A=J▽⋅v
4. 任意张量在空间坐标系与随体坐标系 {XA,t}\{X^A,t\}{XA,t} 中的物质导数
以三阶张量为例:
Φ=Φ∙∙kijg⃗i⊗g⃗j⊗g⃗k=Φ∙∙MABC⃗A⊗C⃗B⊗C⃗M\bold\Phi =\varPhi^{ij}_{\bullet\bullet k}\ \vec{g}_i\otimes\vec{g}_j\otimes\vec{g}^k =\varPhi^{AB}_{\bullet\bullet M}\ \vec{C}_A\otimes\vec{C}_B\otimes\vec{C}^MΦ=Φ∙∙kij gi⊗gj⊗gk=Φ∙∙MAB CA⊗CB⊗CM
则
Φ∙=Φ∙∙∙MABC⃗A⊗C⃗B⊗C⃗M+Φ∙∙MABC⃗A∙⊗C⃗B⊗C⃗M+Φ∙∙MABC⃗A⊗C⃗B∙⊗C⃗M+Φ∙∙MABC⃗A⊗C⃗B⊗C⃗∙M=(Φ∙∙∙MAB+Φ∙∙MNBvA∣∣N+Φ∙∙MANvB∣∣N−Φ∙∙NABvN∣∣M)C⃗A⊗C⃗B⊗C⃗M\begin{aligned} &\overset{\bullet}{\bold\Phi} =\overset{\bullet}{\varPhi}\ ^{AB}_{\bullet\bullet M}\ \vec{C}_A\otimes\vec{C}_B\otimes\vec{C}^M +\varPhi^{AB}_{\bullet\bullet M}\ \overset{\bullet}{\vec{C}_A}\otimes\vec{C}_B\otimes\vec{C}^M +\varPhi^{AB}_{\bullet\bullet M}\ \vec{C}_A\otimes\overset{\bullet}{\vec{C}_B}\otimes\vec{C}^M +\varPhi^{AB}_{\bullet\bullet M}\ \vec{C}_A\otimes\vec{C}_B\otimes\overset{\bullet}{\vec{C}}\ ^M \\\\ &\ \ \ =(\overset{\bullet}{\varPhi}\ ^{AB}_{\bullet\bullet M}+\varPhi^{NB}_{\bullet\bullet M}\ v^A||_N+\varPhi^{AN}_{\bullet\bullet M}\ v^B||_N-\varPhi^{AB}_{\bullet\bullet N}\ v^N||_M)\ \vec{C}_A\otimes\vec{C}_B\otimes\vec{C}^M \end{aligned}Φ∙=Φ∙ ∙∙MAB CA⊗CB⊗CM+Φ∙∙MAB CA∙⊗CB⊗CM+Φ∙∙MAB CA⊗CB∙⊗CM+Φ∙∙MAB CA⊗CB⊗C∙ M =(Φ∙ ∙∙MAB+Φ∙∙MNB vA∣∣N+Φ∙∙MAN vB∣∣N−Φ∙∙NAB vN∣∣M) CA⊗CB⊗CM
或
Φ∙=Φ∙∙∙kijg⃗i⊗g⃗j⊗g⃗k+Φ∙∙kijg⃗∙i⊗g⃗j⊗g⃗k+Φ∙∙kijg⃗i⊗g⃗∙j⊗g⃗k+Φ∙∙kijg⃗i⊗g⃗j⊗g⃗∙k=(Φ∙∙∙kij+Φ∙∙ksjvrΓrsi+Φ∙∙kisvrΓrsj−Φ∙∙sijvrΓrks)g⃗i⊗g⃗j⊗g⃗k=[(Φ∙∙kij)′+(vrΦ∙∙k,rij+Φ∙∙ksjvrΓrsi+Φ∙∙kisvrΓrsj−Φ∙∙sijvrΓrks)]g⃗i⊗g⃗j⊗g⃗k=[(Φ∙∙kij)′+vrΦ∙∙kij∣r)]g⃗i⊗g⃗j⊗g⃗k=Φ′+v⃗⋅▽Φ\begin{aligned} &\overset{\bullet}{\bold\Phi} =\overset{\bullet}{\varPhi}\ ^{ij}_{\bullet\bullet k}\ \vec{g}_i\otimes\vec{g}_j\otimes\vec{g}^k +\varPhi^{ij}_{\bullet\bullet k}\ \overset{\bullet}{\vec{g}}_i\otimes\vec{g}_j\otimes\vec{g}^k +\varPhi^{ij}_{\bullet\bullet k}\ \vec{g}_i\otimes\overset{\bullet}{\vec{g}}_j\otimes\vec{g}^k +\varPhi^{ij}_{\bullet\bullet k}\ \vec{g}_i\otimes\vec{g}_j\otimes\overset{\bullet}{\vec{g}}\ ^k \\\\ &\ \ \ =(\overset{\bullet}{\varPhi}\ ^{ij}_{\bullet\bullet k}+{\varPhi}\ ^{sj}_{\bullet\bullet k}v^r\Gamma^i_{rs}+{\varPhi}\ ^{is}_{\bullet\bullet k}v^r\Gamma^j_{rs}-{\varPhi}\ ^{ij}_{\bullet\bullet s}v^r\Gamma^s_{rk})\ \vec{g}_i\otimes\vec{g}_j\otimes\vec{g}^k \\\\ &\ \ \ =[({\varPhi}\ ^{ij}_{\bullet\bullet k})'+(v^r{\varPhi}\ ^{ij}_{\bullet\bullet k,r}+{\varPhi}\ ^{sj}_{\bullet\bullet k}v^r\Gamma^i_{rs}+{\varPhi}\ ^{is}_{\bullet\bullet k}v^r\Gamma^j_{rs}-{\varPhi}\ ^{ij}_{\bullet\bullet s}v^r\Gamma^s_{rk})]\ \vec{g}_i\otimes\vec{g}_j\otimes\vec{g}^k \\\\ &\ \ \ =[({\varPhi}\ ^{ij}_{\bullet\bullet k})'+v^r{\varPhi}\ ^{ij}_{\bullet\bullet k}|_r)]\ \vec{g}_i\otimes\vec{g}_j\otimes\vec{g}^k \\\\ &\ \ \ =\bold\Phi'+\vec{v}\cdot\triangledown\bold\Phi \end{aligned}Φ∙=Φ∙ ∙∙kij gi⊗gj⊗gk+Φ∙∙kij g∙i⊗gj⊗gk+Φ∙∙kij gi⊗g∙j⊗gk+Φ∙∙kij gi⊗gj⊗g∙ k =(Φ∙ ∙∙kij+Φ ∙∙ksjvrΓrsi+Φ ∙∙kisvrΓrsj−Φ ∙∙sijvrΓrks) gi⊗gj⊗gk =[(Φ ∙∙kij)′+(vrΦ ∙∙k,rij+Φ ∙∙ksjvrΓrsi+Φ ∙∙kisvrΓrsj−Φ ∙∙sijvrΓrks)] gi⊗gj⊗gk =[(Φ ∙∙kij)′+vrΦ ∙∙kij∣r)] gi⊗gj⊗gk =Φ′+v⋅▽Φ
相关文章:
(五)物质导数与空间时间导数
本文内容主要包括:1. 物质导数与空间时间导数及二者的联系2. 空间坐标系相关量的物质导数2.1. 空间坐标系基矢的物质导数2.2. 空间坐标系协变基矢混合积的 g\sqrt{g}g 的物质导数3. 随体坐标系 {XA,t}\{X^A,t\}{XA,t} 相关量的物质导数3.1. 随体坐标系 {XA,t}\{X^…...
python实战应用讲解-【语法基础篇】流程控制-运算符(附示例代码)
目录 比较运算符 相等运算符 is:相同运算符 in:成员资格运算符 字符串和序列的比较...

MXNet中使用双向循环神经网络BiRNN对文本进行情感分类
文本分类类似于图片分类,也是很常见的一种分类任务,将一段不定长的文本序列变换为文本的类别。这节主要就是关注文本的情感分析(sentiment analysis),对电影的评论进行一个正面情绪与负面情绪的分类。整理数据集第一步都是将数据集整理好&…...

SpringBoot 整合 MongoDB 6 以上版本副本集及配置 SSL / TLS 协议
续上一篇 Linux 中使用 docker-compose 部署 MongoDB 6 以上版本副本集及配置 SSL / TLS 协议 前提:此篇文章是对上一篇文章的实战和项目中相关配置的使用,我这边针对 MongoDB 原有基础上做了增强,简化了 MongoDB 配置 SSL / TLS 协议上的支…...

C语言static关键字
目录static修饰局部变量static修饰全局变量static修饰函数static是C语言的关键字,它有静态的意思static的三种用法:修饰局部变量修饰全局变量修饰函数 static修饰局部变量 我们先看一个程序: void print() {int a 0;a;printf("%d\n&…...

【华为OD机试模拟题】用 C++ 实现 - 单词接龙(2023.Q1)
最近更新的博客 【华为OD机试模拟题】用 C++ 实现 - 货币单位换算(2023.Q1) 【华为OD机试模拟题】用 C++ 实现 - 选座位(2023.Q1) 【华为OD机试模拟题】用 C++ 实现 - 停车场最大距离(2023.Q1) 【华为OD机试模拟题】用 C++ 实现 - 重组字符串(2023.Q1) 【华为OD机试模…...

PHP基础(2)
PHP基础常用函数数组及多维数组数组遍历强制类型转换运算符赋值与基本运算字符串运算逻辑运算符常用函数 substr的用法是:substr(目标字符串,从字符串的哪个位置开始,然后返回往后的几个字符)strchr的用法是࿱…...
Java8(JDK1.8)新特性
一、Java8(JDK1.8)新特性 1、Lamdba表达式 2、函数式接口 3、方法引用和构造引用 4、Stream API 5、接口中的默认方法和静态方法 6、新时间日期API 7、OPtional 8、其他特性 二、java8(JDK1.8)新特性简介 1、速度快; 2、代码少、简…...

【C语言】指针的定义和使用
指针一、什么是指针二、指针类型三、指针和数组的关系四、空指针五、野指针一、什么是指针 指针(Pointer)是编程语言中的一个对象,通过地址直接指向内存中该地址的值。由于通过地址能够找到所需的变量存储单元,可以说地址指向该变…...
Parameter ‘zpspid‘ not found
异常:nested exception is org.apache.ibatis.binding.BindingException: Parameter testypid not found. Available parameters are [ztpsXmjcxx, pageable, param1, param2]分析:以为是xml文件中没有对应的字段,一细看了几遍是有这个字段的…...

23、高自由度下的E类波形理论计算(附Matlab代码)
23、高自由度下的E类波形理论计算(附Matlab代码) 0、代码 任意占空比、电压导数条件下的E类波形与阻抗条件计算Matlab 注意修改路径,我这边是:!!!!!!&#…...

软件测试:用“bug”来表示“在电脑程序里的错误”
计算机基础知识计算机(personal computer)俗称电脑(pc),是现代一种用于高速计算的电子机器,可以进行数值计算,又可以进行逻辑判断,还具有存储记忆功能,且能够按照程序的运…...
Git命令
git init # 初始化本地git仓库(创建新仓库)git config --global user.name "xxx" # 配置用户名git config --global user.email "xxxxxx.com" # 配置邮件git config --global color.ui true # git status等命令自动着色git config -…...
Java的异常概念和类型
Java是一种流行的编程语言,拥有强大的异常处理机制,以帮助开发人员在程序出现异常时更好地处理错误情况。本文将介绍Java异常的概念和类型。异常的概念在Java中,异常是指在程序运行时发生的错误或异常情况。例如,当程序试图打开不…...

【Leedcode】环形链表必备的面试题和证明题(附图解)
环形链表必备的面试题和证明题(附图解) 文章目录环形链表必备的面试题和证明题(附图解)前言一、第一题1.题目2.思路3.代码4.延伸问题(1)证明题一:(2)证明题二:二、第二题1.题目2.思路延伸的证明题总结前言 …...

Vulnhub靶场----7、DC-7
文章目录一、环境搭建二、渗透流程三、思路总结一、环境搭建 DC-7下载地址:https://download.vulnhub.com/dc/DC-7.zip kali:192.168.144.148 DC-7:192.168.144.155 二、渗透流程 nmap -T5 -A -p- -sV -sT 192.168.144.155思路: …...

【Unity VR开发】结合VRTK4.0:创建滑块
语录: 只有经历地狱般的磨练,才能炼出创造天堂的力量。 前言: 滑块是一个非常简单的控件,它允许通过沿有限的驱动轴滑动 Interactable 来选择不同的值。我们将使用线性驱动器创建一个滑块控件,该控件允许我们根据与滑…...

Latex中的表格(2)
Latex中的表格一、一个加脚注的三线表的例子二、表格中加注释三、并排的表格3.1 使用小页环境并排表格3.2 使用子表格并排表格四、一个复杂的表格五、一个长表格这篇文章主要罗列一些特殊的表格例子。内容来自:一篇北师大学位论文模板,详见https://githu…...
(七)输运定理
本文主要内容包括:1. 物质积分2. 曲线上物质积分的时间变化率3. 曲面上物质积分的时间变化率4. 体积域上物质积分的时间变化率 (Reynolds 输运定理)1. 物质积分 考虑 t0t_0t0 时刻参考构型中由物质点 X⃗\vec{X}X所形成的 物质曲线 ct0c_{t_0}ct0、物质曲面 …...

ABBYYFineReader15免费电脑pdf文档文字识别软件
ABBYYFineReader是一款OCR文字识别软件,它可以对图片、文档等进行扫描识别,并将其转换为可编辑的格式,比如Word、Excel等,操作也是挺方便的。 我们在官网找到该软件并进行下载,打开软件后,选择转换为“Mic…...

【JavaEE】-- HTTP
1. HTTP是什么? HTTP(全称为"超文本传输协议")是一种应用非常广泛的应用层协议,HTTP是基于TCP协议的一种应用层协议。 应用层协议:是计算机网络协议栈中最高层的协议,它定义了运行在不同主机上…...

Day131 | 灵神 | 回溯算法 | 子集型 子集
Day131 | 灵神 | 回溯算法 | 子集型 子集 78.子集 78. 子集 - 力扣(LeetCode) 思路: 笔者写过很多次这道题了,不想写题解了,大家看灵神讲解吧 回溯算法套路①子集型回溯【基础算法精讲 14】_哔哩哔哩_bilibili 完…...

如何将联系人从 iPhone 转移到 Android
从 iPhone 换到 Android 手机时,你可能需要保留重要的数据,例如通讯录。好在,将通讯录从 iPhone 转移到 Android 手机非常简单,你可以从本文中学习 6 种可靠的方法,确保随时保持连接,不错过任何信息。 第 1…...

【单片机期末】单片机系统设计
主要内容:系统状态机,系统时基,系统需求分析,系统构建,系统状态流图 一、题目要求 二、绘制系统状态流图 题目:根据上述描述绘制系统状态流图,注明状态转移条件及方向。 三、利用定时器产生时…...
Unit 1 深度强化学习简介
Deep RL Course ——Unit 1 Introduction 从理论和实践层面深入学习深度强化学习。学会使用知名的深度强化学习库,例如 Stable Baselines3、RL Baselines3 Zoo、Sample Factory 和 CleanRL。在独特的环境中训练智能体,比如 SnowballFight、Huggy the Do…...

人机融合智能 | “人智交互”跨学科新领域
本文系统地提出基于“以人为中心AI(HCAI)”理念的人-人工智能交互(人智交互)这一跨学科新领域及框架,定义人智交互领域的理念、基本理论和关键问题、方法、开发流程和参与团队等,阐述提出人智交互新领域的意义。然后,提出人智交互研究的三种新范式取向以及它们的意义。最后,总结…...

wpf在image控件上快速显示内存图像
wpf在image控件上快速显示内存图像https://www.cnblogs.com/haodafeng/p/10431387.html 如果你在寻找能够快速在image控件刷新大图像(比如分辨率3000*3000的图像)的办法,尤其是想把内存中的裸数据(只有图像的数据,不包…...
Spring Boot + MyBatis 集成支付宝支付流程
Spring Boot MyBatis 集成支付宝支付流程 核心流程 商户系统生成订单调用支付宝创建预支付订单用户跳转支付宝完成支付支付宝异步通知支付结果商户处理支付结果更新订单状态支付宝同步跳转回商户页面 代码实现示例(电脑网站支付) 1. 添加依赖 <!…...

GAN模式奔溃的探讨论文综述(一)
简介 简介:今天带来一篇关于GAN的,对于模式奔溃的一个探讨的一个问题,帮助大家更好的解决训练中遇到的一个难题。 论文题目:An in-depth review and analysis of mode collapse in GAN 期刊:Machine Learning 链接:...
python打卡第47天
昨天代码中注意力热图的部分顺移至今天 知识点回顾: 热力图 作业:对比不同卷积层热图可视化的结果 def visualize_attention_map(model, test_loader, device, class_names, num_samples3):"""可视化模型的注意力热力图,展示模…...