AM@隐函数@隐函数求导@幂指函数求导@参数式函数求导

文章目录

    • abstract
    • 显函数
    • 隐函数
      • 隐函数显化
    • 隐函数求导
    • 对数求导法
      • 幂指函数求导
      • 乘法链函数及其分式函数求导
      • 例子
    • 参数方程确定的函数及其导数
      • 引言
      • 参数方程确定的函数
      • 参数方程确定的函数的导数
      • 参方函数的二阶导数
      • 例子
      • 极坐标曲线某点的导数

abstract

  • 显函数和隐函数
    • 一个函数可以有不同的表示方式,而公式法中又有不同的方式描述同一个函数,例如表示成显函数或者隐函数
    • 然而某些函数只能表示成隐函数(难以显化)
  • 隐函数求导
  • 参数式函数求导

显函数

  • 函数 y = f ( x ) y=f(x) y=f(x)(0)表示两个变量 y , x y,x y,x之间的对应关系,其中 y , x y,x y,x分别称为因变量和自变量
  • 等号左端的是因变量符号,而等号右端是含有自变量的式子,当自变量取定义域内任一值时,该式子能确定对应的函数值,这种方式表达的函数称为显函数
  • 例如函数 y = − x y=-x y=x(f1)

隐函数

  • 一般地,若变量 x , y x,y x,y满足一个方程 F ( x , y ) = 0 F(x,y)=0 F(x,y)=0(1),在一定条件下,当 x x x取区间内的任一值时,相应地总有满足这个方程地唯一 y y y值存在,那么说方程(1)在该区间内确定了一个隐函数

  • 方程(1)也可以表示为 F ( x , y ( x ) ) = 0 F(x,y(x))=0 F(x,y(x))=0

  • 例如 x + y = 0 x+y=0 x+y=0(f2), x y = e xy=e xy=e

隐函数显化

  • 将一个隐函数(1)化为显函数(0),称为隐函数的显化
  • 不是所有隐函数都容易或能够显化,但由于函数的定义, y , x y,x y,x存在确定关系,方程(1)所确定的隐函数仍然可以表示为(或设为)显函数的形式: y = y ( x ) y=y(x) y=y(x)

隐函数求导

  • 虽然隐函数不一定能显化,但我们还是希望能够对隐函数求导
  • 通常的办法是对隐函数两边对自变量求导
  • 若方程包含 y y y的式子或者项记为 f ( y ) f(y) f(y),则将其对 x x x求导应视为复合函数求导: f ( y ) = f ( y ( x ) ) f(y)=f(y(x)) f(y)=f(y(x)) x x x求导的导数: y ′ = d f d y ⋅ d y d x y'=\frac{\mathrm{d}f}{\mathrm{d}{y}}\cdot\frac{\mathrm{d}{y}}{\mathrm{d}{x}} y=dydfdxdy= f ′ ⋅ y ′ f'\cdot y' fy
  • 例如 y 5 y^{5} y5 x x x求导: 5 y 4 ⋅ y ′ 5y^4\cdot{y'} 5y4y
  • 而隐函数高阶导类似的,继续对方程两边求导,必要时将一阶导的结果代入二阶导的算式中

对数求导法

  • y = f ( x ) y=f(x) y=f(x)两边同时取对数,在求出 y y y的导数

幂指函数求导

  • 这种方法经常用在包含幂指函数的方程中简化求导过程
    • y = u v , ( u > 0 ) y=u^{v},(u>0) y=uv,(u>0), u = u ( x ) , v = v ( x ) u=u(x),v=v(x) u=u(x),v=v(x)都可导
      • ln ⁡ y = v ln ⁡ u \ln{y}=v\ln{u} lny=vlnu
      • 1 y y ′ \frac{1}{y}y' y1y= v ′ ln ⁡ u + v 1 u u ′ v'\ln{u}+v\frac{1}{u}u' vlnu+vu1u
    • y ′ = y ( v ′ ln ⁡ u + v 1 u u ′ ) y'=y(v'\ln{u}+v\frac{1}{u}u') y=y(vlnu+vu1u)= u v ( v ′ ln ⁡ u + v u ′ u ) u^{v}(v'\ln{u}+v\frac{u'}{u}) uv(vlnu+vuu)
  • 另一种操作手法是将幂指函数 y = u v y=u^{v} y=uv变形为指数函数 e ln ⁡ u v e^{\ln{u^{v}}} elnuv= e v ln ⁡ u e^{v\ln{u}} evlnu
    • 这种手法将幂指函数处理成复合函数,运用复合函数求导法也可得到上述结论

乘法链函数及其分式函数求导

  • 另一类形是多项式(因式分解形式): y = f 1 ( x ) f 2 ( x ) ⋯ f n ( x ) y=f_1(x)f_2(x)\cdots{f_n(x)} y=f1(x)f2(x)fn(x),对其两边取对数, ln ⁡ y \ln{y} lny= ln ⁡ f 1 ( x ) + ln ⁡ f 2 ( x ) + ⋯ + ln ⁡ f n ( x ) \ln{f_1(x)}+\ln{f_2(x)}+\cdots+\ln{f_{n}(x)} lnf1(x)+lnf2(x)++lnfn(x)= ∑ i = 1 n ln ⁡ f i ( x ) \sum_{i=1}^{n}\ln{f_i(x)} i=1nlnfi(x)

    • 这使得乘积函数函数变成加和形式,因而求导更加方便:
    • 1 y y ′ \frac{1}{y}y' y1y= ∑ i = 1 n 1 f i ( x ) f i ′ ( x ) \sum_{i=1}^{n}\frac{1}{f_i(x)}f_{i}'(x) i=1nfi(x)1fi(x)
  • g = ∏ i = 1 n f i ( x ) ∏ i = 1 m g i ( x ) g=\frac{\prod_{i=1}^{n}f_i(x)}{\prod_{i=1}^{m}g_i(x)} g=i=1mgi(x)i=1nfi(x)依然有效:

    • ln ⁡ g = ∑ i = 1 n ln ⁡ f i ( x ) − ∑ i = 1 m ln ⁡ g i ( x ) \ln{g}=\sum_{i=1}^{n}\ln{f_i(x)}-\sum_{i=1}^{m}\ln{g_i(x)} lng=i=1nlnfi(x)i=1mlngi(x)
  • 这种方法不仅可以用于幂指型隐函数和显函数求导(注意根式也时幂的一种表现形式)

例子

  • 以求 y = a x y=a^x y=ax的导函数为例,使用对数求导法(伯努利求导法)

  • y = a x y=a^x y=ax,两边取对数 ln ⁡ y = ln ⁡ a x = x ln ⁡ a \ln y=\ln a^x=x \ln a lny=lnax=xlna

  • 两边同时对 x x x求导, 1 y y ′ = ln ⁡ a \frac{1}{y}y'=\ln a y1y=lna,整理: y ′ = y ln ⁡ a = a x ln ⁡ a y'=y\ln a=a^x \ln a y=ylna=axlna即, ( a x ) ′ = a x ln ⁡ a (a^x)'=a^x \ln a (ax)=axlna

  • e y + x y − e = 0 e^{y}+xy-e=0 ey+xye=0所确定的隐函数 y = y ( x ) y=y(x) y=y(x)的导数 y ′ = d y d x y'=\frac{\mathrm{d}{y}}{\mathrm{d}{x}} y=dxdy
  • 两边求导,得 e y y ′ + 1 y + x y ′ = 0 e^{y}y'+1{y}+xy'=0 eyy+1y+xy=0;整理可得 y ′ = − y x + e y y'=-\frac{y}{x+e^{y}} y=x+eyy, ( x + e y ≠ 0 ) (x+e^{y}\neq{0}) (x+ey=0)
  • y = ( x + 1 ) ( x + 2 ) y=(x+1)(x+2) y=(x+1)(x+2), y > 0 y>0 y>0
    • ln ⁡ y \ln{y} lny= ln ⁡ ( x + 1 ) + ln ⁡ ( x + 2 ) \ln(x+1)+\ln(x+2) ln(x+1)+ln(x+2)
    • 1 y y ′ = 1 x + 1 + 1 x + 2 \frac{1}{y}y'=\frac{1}{x+1}+\frac{1}{x+2} y1y=x+11+x+21
    • y ′ y' y= y ( 1 x + 1 + 1 x + 2 ) y(\frac{1}{x+1}+\frac{1}{x+2}) y(x+11+x+21)= ( x + 2 ) + ( x + 1 ) (x+2)+(x+1) (x+2)+(x+1)= 2 x + 3 2x+3 2x+3
  • 若将 y y y展开为多项式形式 y = x 2 + 3 x + 2 y=x^2+3x+2 y=x2+3x+2,结果也是一样的,只不过当乘积项较多时,对数求导法会更加简单
  • f ( x ) = ( x − 1 ) ( x − 2 ) ( x − 3 ) ( x − 4 ) f(x)=\frac{(x-1)(x-2)}{(x-3)(x-4)} f(x)=(x3)(x4)(x1)(x2), y = f ( x ) y=\sqrt{f(x)} y=f(x) = f ( x ) 1 2 f(x)^{\frac{1}{2}} f(x)21的导数

    • f 1 ( x ) , f 2 ( x ) , f 3 ( x ) , f 4 ( x ) f_1(x),f_2(x),f_3(x),f_4(x) f1(x),f2(x),f3(x),f4(x)分别为 x − 1 x-1 x1, x − 2 x-2 x2, x − 3 x-3 x3, x − 4 x-4 x4
  • x > 4 x>4 x>4,则 f ( x ) > 0 f(x)>0 f(x)>0

    • 两边取对数 ln ⁡ y = 1 2 ln ⁡ f ( x ) \ln{y}=\frac{1}{2}\ln{f(x)} lny=21lnf(x)= 1 2 ( ln ⁡ ( x − 1 ) + ln ⁡ ( x − 2 ) − ln ⁡ ( x − 3 ) − ln ⁡ ( x − 4 ) ) \frac{1}{2}(\ln(x-1)+\ln(x-2)-\ln(x-3)-\ln(x-4)) 21(ln(x1)+ln(x2)ln(x3)ln(x4))
    • 两边对 x x x求导: 1 y y ′ = 1 2 ( 1 x − 1 + 1 x − 2 − 1 x − 3 − 1 x − 4 ) \frac{1}{y}y'=\frac{1}{2}(\frac{1}{x-1}+\frac{1}{x-2}-\frac{1}{x-3}-\frac{1}{x-4}) y1y=21(x11+x21x31x41) y ′ = y 2 ( 1 x − 1 + 1 x − 2 − 1 x − 3 − 1 x − 4 ) y'=\frac{y}{2}(\frac{1}{x-1}+\frac{1}{x-2}-\frac{1}{x-3}-\frac{1}{x-4}) y=2y(x11+x21x31x41)
  • x < 1 x<1 x<1 f ( x ) > 0 f(x)>0 f(x)>0,和第一种情形相同

  • x < 1 x<1 x<1, 2 < x < 3 2<x<3 2<x<3时, f ( x ) > 0 f(x)>0 f(x)>0,和第一种情形相同

  • 1 < x < 2 1<x<2 1<x<2, 3 < x < 4 3<x<4 3<x<4,此时 f ( x ) < 0 f(x)<0 f(x)<0,不能直接用对数求导法

    • 但是 g = − y = − f ( x ) g=-y=-f(x) g=y=f(x),则 g > 0 g>0 g>0,可以用对数求导法求出 g ′ g' g,从而 y ′ = − g ′ y'=-g' y=g

参数方程确定的函数及其导数

引言

  • 从研究物体运动的轨迹开始引入参数方程
  • 以抛射运动为例,抛射体的运动轨迹表示为方程组(1):
    • x = v 1 t x=v_1t x=v1t(1-1)
    • y = v 2 t − 1 2 g t 2 y=v_2t-\frac{1}{2}gt^2 y=v2t21gt2(1-2)
  • 其中 v 1 , v 2 v_1,v_2 v1,v2分贝时抛射体速度的水平和铅直方向的分量; g g g时重力加速度, t t t是飞行时间
  • x , y x,y x,y分别是抛射体在铅直品面上的位置的横坐标和纵坐标
  • 方程组(1)中, x , y x,y x,y都是关于变量 t t t的函数,可以分别记为 x = x ( t ) , y = y ( t ) x=x(t),y=y(t) x=x(t),y=y(t);为了便于讨论和区分,将函数的映射符号使用和因变量相异的符号,表示为方程组(2):
    • x = ϕ ( t ) x=\phi(t) x=ϕ(t),(2-1)
    • y = ψ ( t ) y=\psi(t) y=ψ(t)(2-2)

参数方程确定的函数

  • 若把对应于同一个 t t t y , x y,x y,x看作是对应的,那么就得到 y , x y,x y,x之间的函数关系
  • 一般地,若参数方程(2)确定 y , x y,x y,x间的函数关系,则称此函数关系所表达的函数为方程(2)所确定的函数(简称参方函数)
  • 参数方程(2)中的参数是 t t t,变量是 x x x;将参数方程化为一般方程不总是容易进行的,一般的转化方法如下(消去参数 t t t):
    • x = ϕ ( t ) x=\phi(t) x=ϕ(t)具有单调连续反函数 t = ϕ − 1 ( x ) t=\phi^{-1}(x) t=ϕ1(x)
    • 并设 x = ϕ ( t ) x=\phi(t) x=ϕ(t)的反函数为 t = ϕ − 1 ( x ) t=\phi^{-1}(x) t=ϕ1(x)(3)
    • 将(3)代入 y = ψ ( t ) y=\psi(t) y=ψ(t),得 y = ψ ( ϕ − 1 ( x ) ) y=\psi(\phi^{-1}(x)) y=ψ(ϕ1(x))(4);这就是说,参方函数可以看作是 y = ψ ( t ) , t = ϕ − 1 ( x ) y=\psi(t),t=\phi^{-1}(x) y=ψ(t),t=ϕ1(x)的复合函数
  • 有时参数 t t t难以消去
  • 引言例中, y = f ( x ) y=f(x) y=f(x)的表示:
    • x = ϕ ( x ) x=\phi(x) x=ϕ(x)= v 1 t v_1t v1t,得 t = ϕ − 1 ( x ) t=\phi^{-1}(x) t=ϕ1(x)= x v 1 \frac{x}{v_1} v1x
    • 代入 y = ψ ( t ) = v 2 t − 1 2 g t 2 y=\psi(t)=v_2t-\frac{1}{2}gt^2 y=ψ(t)=v2t21gt2 y = v 2 ( x v 1 ) − 1 2 g ( x v 1 ) 2 y=v_2(\frac{x}{v_1})-\frac{1}{2}g(\frac{x}{v_1})^2 y=v2(v1x)21g(v1x)2

参数方程确定的函数的导数

  • 尽管参方函数不总便于化为一般函数,但是我们可以对参方函数进行求导

  • 为了计算复合函数(4)的导数,需要假定(2-1),(2-2)都可导,且 ϕ ′ ( t ) ≠ 0 \phi'(t)\neq{0} ϕ(t)=0

  • 于是根据复合函数的求导法则与反函数的求导法则,得 y = y ( x ) y=y(x) y=y(x)得导数:

  • y ′ y' y= d y d x \frac{\mathrm{d}{y}}{\mathrm{d}{x}} dxdy= ψ ′ ( t ) ϕ ′ ( t ) \frac{\psi'(t)}{\phi'(t)} ϕ(t)ψ(t)(5)

    • 方法1:分式上下同时除以 d t ≠ 0 d{t}\neq{0} dt=0
      • y ′ y' y= d y d t d x d t \huge\frac{\frac{d{y}}{dt}}{\frac{dx}{d{t}}} dtdxdtdy(5-1)
        • = ψ ′ ( t ) ϕ ′ ( t ) \frac{\psi'(t)}{\phi'(t)} ϕ(t)ψ(t)
    • 方法2:配项 1 = d t d t 1=\frac{d{t}}{d{t}} 1=dtdt, ( d t ≠ 0 ) (d{t}\neq{0}) (dt=0)再变形
      • = d y d t \frac{\mathrm{d}{y}}{\mathrm{d}{t}} dtdy d t d x \frac{\mathrm{d}{t}}{\mathrm{d}{x}} dxdt = d y d t \frac{\mathrm{d}{y}}{\mathrm{d}{t}} dtdy 1 d x d t \frac{1}{\frac{\mathrm{d}{x}}{\mathrm{d}{t}}} dtdx1(5-2)
        • = ψ ′ ( t ) ϕ ′ ( t ) \frac{\psi'(t)}{\phi'(t)} ϕ(t)ψ(t)
  • 公式(5)就是方程组(2)确定的函数的关于 x x x的函数的导数公式

参方函数的二阶导数

  • 若方程组(2)中的方程还都是二阶可导的,则
    • y ′ ′ y'' y′′= d 2 y d x 2 \frac{\mathrm{d}^2{y}}{\mathrm{d}{x^2}} dx2d2y= d d x ( d y d x ) \frac{\mathrm{d}}{\mathrm{d}{x}}(\frac{\mathrm{d}{y}}{\mathrm{d}{x}}) dxd(dxdy)(6)
      • = d d x ( d y d x ) \frac{\mathrm{d}}{\mathrm{d}{x}}(\frac{\mathrm{d}{y}}{\mathrm{d}{x}}) dxd(dxdy) d t d t \frac{\mathrm{d}{t}}{\mathrm{d}{t}} dtdt(6-0)
      • = d d t ( ψ ′ ( t ) ϕ ′ ( t ) ) \frac{\mathrm{d}}{\mathrm{d}{t}}(\frac{\psi'(t)}{\phi'(t)}) dtd(ϕ(t)ψ(t)) d t d x \frac{\mathrm{d}{t}}{\mathrm{d}{x}} dxdt(6-1)
      • = ψ ′ ′ ( t ) ϕ ′ ( t ) − ψ ′ ( t ) ψ ′ ′ ( t ) ( ϕ ′ ( t ) ) 2 \frac{\psi''(t)\phi'(t)-\psi'(t)\psi''(t)}{(\phi{'}(t))^{2}} (ϕ(t))2ψ′′(t)ϕ(t)ψ(t)ψ′′(t) 1 ϕ ′ ( t ) \frac{1}{\phi'(t)} ϕ(t)1,其中 d t d x \frac{\mathrm{d}{t}}{\mathrm{d}{x}} dxdt= 1 d x d t \frac{1}{\frac{\mathrm{d}{x}}{\mathrm{d}{t}}} dtdx1= 1 ϕ ′ ( t ) \frac{1}{\phi'(t)} ϕ(t)1(6-2)
      • = ψ ′ ′ ( t ) ϕ ′ ( t ) − ψ ′ ( t ) ψ ′ ′ ( t ) ( ϕ ′ ( t ) ) 3 \frac{\psi''(t)\phi'(t)-\psi'(t)\psi''(t)}{(\phi{'}(t))^{3}} (ϕ(t))3ψ′′(t)ϕ(t)ψ(t)ψ′′(t)(6-3)
  • 公式(6)就是参方函数的二阶导公式,重要的是式(6-0)处的配项,
    • 公式(6-3)不需要记忆
    • 记住公式(6-1)的手法即可

例子

  • 某椭圆的参数方程为 x = a cos ⁡ t x=a\cos{t} x=acost, y = b sin ⁡ t y=b\sin{t} y=bsint

  • 求椭圆在 t = π 4 t=\frac{\pi}{4} t=4π相应点 M 0 M_0 M0处的切线方程

    • 代入 t = π 4 t=\frac{\pi}{4} t=4π得点 M ( 2 2 a , 2 2 b ) M(\frac{\sqrt{2}}{2}a,\frac{\sqrt{2}}{2}b) M(22 a,22 b)
    • M M M处斜率为 y ′ ∣ t = π 4 y'|_{t=\frac{\pi}{4}} yt=4π= b cos ⁡ t − a sin ⁡ t ∣ t = π 4 \frac{b\cos{t}}{-a\sin{t}}|_{t=\frac{\pi}{4}} asintbcostt=4π= − b a -\frac{b}{a} ab
  • 直线点斜式方程 y − 2 b 2 y-\frac{\sqrt{2}b}{2} y22 b= − b a ( x − 2 2 a ) -\frac{b}{a}(x-\frac{\sqrt{2}}{2}a) ab(x22 a),即 b x + a y − 2 a b = 0 bx+ay-\sqrt{2}ab=0 bx+ay2 ab=0

  • 摆线参数方程 x = ϕ ( t ) = a ( t − sin ⁡ t ) x=\phi(t)=a(t-\sin{t}) x=ϕ(t)=a(tsint); y = ψ ( t ) = a ( 1 − cos ⁡ t ) y=\psi(t)=a(1-\cos{t}) y=ψ(t)=a(1cost)所确定的函数 y = y ( x ) y=y(x) y=y(x)的二阶导数
    • 可以直接套用二阶导公式,也可逐步求导
    • 逐步求导法:
      • d y d x \frac{d{y}}{d{x}} dxdy= ψ ′ ( t ) ϕ ′ ( t ) \frac{\psi'(t)}{\phi'(t)} ϕ(t)ψ(t)= sin ⁡ t 1 − cos ⁡ t \frac{\sin{t}}{1-\cos{t}} 1costsint= cot ⁡ t 2 \cot\frac{t}{2} cot2t
        • t 2 ≠ n π , n ∈ Z \frac{t}{2}\neq{n\pi},n\in\mathbb{Z} 2t=,nZ,即 t ≠ 2 n π , n ∈ Z t\neq{2n\pi},n\in\mathbb{Z} t=2,nZ
      • d 2 y d x 2 \frac{d^{2}{y}}{d{x^2}} dx2d2y= d d x cot ⁡ t 2 d t d x \frac{d}{d{x}}\cot{\frac{t}{2}}\frac{d{t}}{dx} dxdcot2tdxdt= − ( csc ⁡ 2 t 2 ) ⋅ 1 2 ⋅ 1 a ( 1 − cos ⁡ t ) -(\csc^2\frac{t}{2})\cdot{\frac{1}{2}}\cdot{\frac{1}{a(1-\cos{t})}} (csc22t)21a(1cost)1= − ( 1 2 sin ⁡ 2 t 2 ) 1 a ( 1 − cot ⁡ t ) -(\frac{1}{2\sin^2\frac{t}{2}})\frac{1}{a(1-\cot{t})} (2sin22t1)a(1cott)1= − 1 a ( 1 − cot ⁡ t ) 2 -\frac{1}{a(1-\cot{t})^2} a(1cott)21, ( t ≠ 2 n π , n ∈ Z ) (t\neq{2n\pi},n\in\mathbb{Z}) (t=2,nZ)

极坐标曲线某点的导数

  • 将极坐标曲线 L L L: r = r ( θ ) r=r(\theta) r=r(θ)化为直角坐标的参数方程:

    • x = r cos ⁡ θ x=r\cos\theta x=rcosθ; y = r sin ⁡ θ y=r\sin\theta y=rsinθ
    • 在利用参数方程求导法求导 y x ′ y_{x}' yx= y θ ′ x θ ′ \Large\frac{y_\theta'}{x_\theta'} xθyθ= r ′ sin ⁡ θ + r cos ⁡ θ r ′ cos ⁡ θ − r sin ⁡ θ \frac{r'\sin\theta+r\cos\theta}{r'\cos\theta-r\sin\theta} rcosθrsinθrsinθ+rcosθ
  • 极坐标上的曲线 r = e θ r=e^{\theta} r=eθ对应的直角坐标参数方程为

    • x = r cos ⁡ θ x=r\cos\theta x=rcosθ= e θ cos ⁡ θ e^{\theta}\cos\theta eθcosθ

    • y = r sin ⁡ θ = e θ sin ⁡ θ y=r\sin\theta=e^{\theta}{\sin\theta} y=rsinθ=eθsinθ

    • y x ′ y_x' yx= sin ⁡ θ + cos ⁡ θ cos ⁡ θ − sin ⁡ θ \frac{\sin\theta+\cos\theta}{\cos\theta-\sin\theta} cosθsinθsinθ+cosθ

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/107236.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

在进行自动化测试,遇到验证码的问题,怎么办?

1.找开发去掉验证码或者使用万能验证码 2.使用OCR自动识别 使用OCR自动化识别&#xff0c;一般识别率不是太高&#xff0c;处理一般简单验证码还是没问题 这里使用的是Tesseract-OCR,下载地址&#xff1a;https://github.com/A9T9/Free-Ocr-Windows-Desktop/releases 怎么使…

论自动化测试中的xpath | 多语言测试最新案例

XPath&#xff08;XML Path Language&#xff09;是一门在XML文档中查找信息的语言。XPath是XML处理中非常重要的组成部分&#xff0c;能大大简化文档的解析和处理。它与XSLT、XPointer等标准一起被广泛应用于XML的解析处理。 一般情况下&#xff0c;xpath主要应用在以下几个方…

VR、AR、MR、XR到底都是什么?有什么区别

目录 VRARMRXRAR、VR、MR、XR的区别 VR 英&#xff1a;Virtual Reality 中文翻译&#xff1a;虚拟现实 又称计算机模拟现实。是指由计算机生成3D内容&#xff0c;为用户提供视觉、听觉等感官来模拟现实&#xff0c;具有很强的“临场感”和“沉浸感”。我们可以使用耳机、控制器…

10月13日,每日信息差

今天是2023年10月13日&#xff0c;以下是为您准备的13条信息差 第一、欧盟投资4.5亿欧元在法国建设电池超级工厂。欧洲投资银行是欧盟的贷款机构&#xff0c;也是世界上最大的跨国银行之一 ​第二、北京银行推出数字人民币智能合约平台 数字人民币预付资金管理产品在商超场景…

MyBatis 缓存

MyBatis 缓存 MyBatis 是现在国内比较流行的 ORM 框架&#xff0c;在学习 MyBatis 的时候&#xff0c;不得不了解 MyBatis 的两级缓存&#xff0c;要了解 MyBatis 的缓存&#xff0c;先要了解 MyBatis 几个重要的对象 SqlSession - 对应的一次数据库会话&#xff0c;由 SqlSe…

“零代码”能源管理平台:智能管理能源数据

随着能源的快速增长&#xff0c;有效管理和监控能源数据变得越来越重要。为了帮助企业更好的管理能源以及降低能源成本&#xff0c;越来越多的能源管理平台出现在市面上。 “零代码”形式的能源管理平台&#xff0c;采用IT与OT深度融合为理念&#xff0c;可进行可视化、拖拽、…

spring boot 使用SSE向前端推送数据

SSE&#xff08;Server-Sent Events&#xff09;是一种基于HTTP的实时通信协议&#xff0c;它允许服务器向客户端发送持久性的数据流。与WebSocket不同的是&#xff0c;SSE是单向通信&#xff0c;只能由服务器向客户端发送数据。Spring Boot通过Spring WebFlux模块提供了对SSE的…

[题] 子矩阵的和 #二维前缀和

题目 子矩阵的和 题解 s[i][j] ( s[i - 1][j] s[i][j - 1] - s[i - 1][j - 1] ) ; 将输入后的数组进行初始化 表示以&#xff08;1, 1&#xff09;为左上角以&#xff08;i, j&#xff09;为右下角的矩阵内所有元素之和。 s[x2][y2] - s[x1 - 1][y2] - s[x2][y1 - 1] s[x1 …

从零到一完成Midway.js登录、注册、鉴权功能

您好&#xff0c;如果喜欢我的文章&#xff0c;可以关注我的公众号「量子前端」&#xff0c;将不定期关注推送前端好文~ 前言 本文将从项目搭建到实现从零到一开发一个登录、注册、鉴权的简易版注册登录系统&#xff0c;主要功能和技术选型如下&#xff1a; 服务端框架———…

【学习之路】Multi Agent Reinforcement Learning框架与代码

【学习之路】Multi Agent Reiforcement Learning框架与代码 Introduction 国庆期间&#xff0c;有个客户找我写个代码&#xff0c;是强化学习相关的&#xff0c;但我没学过&#xff0c;心里那是一个慌&#xff0c;不过好在经过详细的调研以及自身的实力&#xff0c;最后还是解…

安装程序2502/2503错误的解决方法

Windows Installer是在Windows 2000时提出&#xff0c;作为微软操作系统中的安装程序开发标准的操作系统服务。它可以支持安装程序所需要的许多功能&#xff0c;并且可以支持交易式安装&#xff08;Committable Installation&#xff09;&#xff0c;当安装程序发现错误或问题时…

Kubernetes 原生微服务开发 | 阿Q送书第七期

微服务开发并不容易。其中涉及大量的概念与复杂的技术&#xff0c;令很多开发者忘而却步。Quarkus 是一个全能的基础框架&#xff0c;除了基础的 Web 应用开发能力外&#xff0c;还包括服务发现与调用、熔断限流和观测等微服务治理体系。Quarkus 在提供强大特性的同时&#xff…

【Docker】Docker网络及容器间通信详解

目录 背景 默认网络 1、bridge 网络模式 2、host 网络模式 3、none 网络模式 4、container 网络模式 自定义网络 容器间网络通信 IP通信 Docker DNS server Joined容器 前言 本实验通过docker DNS server和joined 容器两种方法实现Docker容器间的通信。Docker容器间…

ASP.net数据从Controller传递到视图

最常见的方式是使用模型或 ViewBag。 使用模型传递数据&#xff1a; 在控制器中&#xff0c;创建一个模型对象&#xff0c;并将数据赋值给模型的属性。然后将模型传递给 View 方法。 public class HomeController : Controller {public IActionResult Index(){// 创建模型对…

SQL利用Case When Then多条件判断

CASE WHEN 条件1 THEN 结果1 WHEN 条件2 THEN 结果2 WHEN 条件3 THEN 结果3 WHEN 条件4 THEN 结果4 ......... WHEN 条件N THEN 结果N ELSE 结果X END Case具有两种格式。简单Case函数和Case搜索函数。 --简单Case函数 CASE sex WHEN 1 THEN…

wordpress遇到的问题

一&#xff09; 403 Forbidden 我是lnmpwordpress&#xff0c;所以在 /etc/nginx/conf.d/default.conf中 修改location 加上 index.php刷新即可&#xff1b; 二&#xff09;wordpress插件更新&#xff0c;需要输入服务器的FTP登录凭证的问题 在 wp-config.php的文件中进行修改…

一键搞定!黑群晖虚拟机+内网穿透实现校园公网访问攻略!

文章目录 前言本教程解决的问题是&#xff1a;按照本教程方法操作后&#xff0c;达到的效果是前排提醒&#xff1a; 1. 搭建群晖虚拟机1.1 下载黑群晖文件vmvare虚拟机安装包1.2 安装VMware虚拟机&#xff1a;1.3 解压黑群晖虚拟机文件1.4 虚拟机初始化1.5 没有搜索到黑群晖的解…

1.算法-Python遗传算法实例

题记 以下是一个python遗传算法实例&#xff0c;包括全过程和解析。 编辑main.py文件 main.py文件如下&#xff1a; #导入生成伪随机数的模块 import random# 随机生成初始种群 # 1.初始化种群&#xff0c;在搜索空间内随机生成一组个体&#xff0c;称为种群 # 定义函数&#…

政务窗口服务满意度调查如何开展

首先要明确调查的目的和重点&#xff0c;群狼调研(长沙窗口满意度调查)根据客户需求开展政务窗口的整体服务满意度&#xff0c;首先要确定调查的范围和对象&#xff0c;如面向全市的所有政务窗口&#xff0c;还是只针对某个区县的政务窗口进行调查。 根据调查目的和范围&#…

Hadoop3教程(二):HDFS的定义及概述

文章目录 &#xff08;40&#xff09;HDFS产生的背景和定义&#xff08;41&#xff09;HDFS的优缺点&#xff08;42&#xff09;HDFS组成架构&#xff08;43&#xff09;HDFS文件块大小&#xff08;面试重点&#xff09;参考文献 &#xff08;40&#xff09;HDFS产生的背景和定…