【高数+复变函数】Laplace变换

news2024/11/24 14:48:00

文章目录

  • 【高数+复变函数】Laplace变换
    • 1. 问题引入及定义
    • 2. 存在定理
    • 3. 常见Laplace变换

【高数+复变函数】Laplace变换

1. 问题引入及定义

上一节:【高数+复变函数】傅里叶积分

回顾之前我们讲的傅里叶变换要满足的条件有(也就是傅里叶积分要满足的条件)

1 ∘ f ( t ) 1^{\circ} f(t) 1f(t) 在任一有限区间上满足 Dirichlet 条件

2 ∘ f ( t ) 2^{\circ} f(t) 2f(t) 在无限区间 ( − ∞ , + ∞ ) (-\infty,+\infty) (,+) 上绝对可积 (即积分 ∫ − ∞ + ∞ ∣ f ( t ) ∣ d t \int_{-\infty}^{+\infty}|f(t)| \mathrm{d} t +f(t)dt 收敛)

可这些条件相对较强,很多函数都无法满足。

例如:

  • Fourier变换存在的条件需要 实函数 f ( t ) f(t) f(t) ( − ∞ , + ∞ ) (-\infty,+\infty) (,+) 上绝对可积. 很多常见的初等函数(例如, 常数函数、多项式函数、正弦与余弦 函数等)都不满足这个要求
  • 很多以时间 t 为为自变量的函数,当t<0时,往往没有定义,或者不需要知道t<0的情况,而Fourier变换要求在 ( − ∞ , + ∞ ) (-\infty,+\infty) (,+)上都有定义。

这些条件限制了Fourier变换的应用,现在我们考虑对于任意一个函数 f ( t ) f(t) f(t), 能否经过适当地改造使其进行 Fourier 变换时克服 上述两个缺点呢?

这就使我们想到前面讲过的单位阶跃函数 u ( t ) u(t) u(t) 和指数衰减函数 e − β t ( β > 0 ) \mathrm{e}^{-\beta t}(\beta>0) eβt(β>0) 所具有的特点. 用前者乘 f ( t ) f(t) f(t) 可以使积分区间由 ( − ∞ , + ∞ ) (-\infty,+\infty) (,+) 换成 [ 0 , + ∞ ) [0,+\infty) [0,+), 用后者乘 f ( t ) f(t) f(t) 就有可能使其变成绝对可积, 因此, 为了克服 Fourier 变 换上述的两个缺点, 我们自然会想到用 u ( t ) e − β t ( β > 0 ) u(t) \mathrm{e}^{-\beta t}(\beta>0) u(t)eβt(β>0) 来乘 f ( t ) f(t) f(t), 即
f ( t ) u ( t ) e − β t ( β > 0 ) . f(t) u(t) \mathrm{e}^{-\beta t} \quad(\beta>0) . f(t)u(t)eβt(β>0).
对其进行傅里叶变换
G β ( ω ) = ∫ − ∞ + ∞ f ( t ) u ( t ) e − β t e − i ω t   d t = ∫ 0 + ∞ f ( t ) e − ( β + j ω ) t d t = ∫ 0 + ∞ f ( t ) e − s t   d t \begin{aligned} G_\beta(\omega) & =\int_{-\infty}^{+\infty} f(t) u(t) \mathrm{e}^{-\beta t} \mathrm{e}^{-i \omega t} \mathrm{~d} t \\ & =\int_0^{+\infty} f(t) \mathrm{e}^{-(\beta+j \omega )t } \mathrm{d} t=\int_0^{+\infty} f(t) \mathrm{e}^{-s t} \mathrm{~d} t \end{aligned} Gβ(ω)=+f(t)u(t)eβtet dt=0+f(t)e(β+)tdt=0+f(t)est dt
变换后是 s s s的函数: F ( s ) = ∫ 0 + ∞ f ( t ) e − s t   d t F(s)=\int_0^{+\infty} f(t) \mathrm{e}^{-s t} \mathrm{~d} t F(s)=0+f(t)est dt.

由此式所确定的函数 F ( s ) F(s) F(s), 实际上是由 f ( t ) f(t) f(t) 通过一种新的变换得来的, 这种 变换我们称为 Laplace 变换.

定义 :设函数 f ( t ) f(t) f(t) t ⩾ 0 t \geqslant 0 t0 时有定义, 而且积分
∫ 0 + ∞ f ( t ) e − s t   d t ( s  是一个复参量  ) \int_0^{+\infty} f(t) \mathrm{e}^{-st} \mathrm{~d} t \quad(s \text { 是一个复参量 }) 0+f(t)est dt(s 是一个复参量 )
复平面 s s s 的某一区域内收敛, 由此积分所确定的函数记为
F ( s ) = ∫ 0 + ∞ f ( t ) e − s t   d t , F(s)=\int_0^{+\infty} f(t) \mathrm{e}^{-s t} \mathrm{~d} t, F(s)=0+f(t)est dt,
则称上式为函数 f ( t ) f(t) f(t) 的 Laplace 变换式. 记为 F ( s ) = C [ f ( t ) ] F(s)=\mathscr{C}[f(t)] F(s)=C[f(t)]
f ( t ) f(t) f(t) F ( s ) F(s) F(s) 的 Laplace 逆变换 (或称 为象原函数), 记为 f ( t ) = C − 1 [ F ( s ) ] f(t)=\mathscr{C}^{-1}[F(s)] f(t)=C1[F(s)]

不同于在实轴上定义的Fourier,Laplace是定义在复平面上的。

2. 存在定理

探究一个函数满足什么条件时,Laplace变换是存在的

Laplace 变换的存在定理 若函数 f ( t ) f(t) f(t) 满足下列条件:
1 ∘ 1^{\circ} 1 t ⩾ 0 t \geqslant 0 t0 的任一有限区间上连续或分段连续;
2 ∘ 2^{\circ} 2 t → + ∞ t \rightarrow+\infty t+ 时, f ( t ) f(t) f(t) 的增长速度不超过某一指数函数, 亦即存在常数 M > 0 M>0 M>0 c ⩾ 0 c \geqslant 0 c0,使得
∣ f ( t ) ∣ ⩽ M e c t , 0 ⩽ t < + ∞ |f(t)| \leqslant M \mathrm{e}^{c t}, \quad 0 \leqslant t<+\infty f(t)Mect,0t<+
成立 (满足此条件的函数, 称它的增大是不超过指数级的, c c c 为它的增长指数). 则 f ( t ) f(t) f(t) 的 Laplace 变换
F ( s ) = ∫ 0 + ∞ f ( t ) e − s x   d t F(s)=\int_0^{+\infty} f(t) \mathrm{e}^{-sx} \mathrm{~d} t F(s)=0+f(t)esx dt
在半平面 Re ⁡ ( s ) > c \operatorname{Re}(s)>c Re(s)>c 上一定存在

右端的积分在 Re ⁡ ( s ) ⩾ c 1 > c \operatorname{Re}(s) \geqslant c_1>c Re(s)c1>c 上绝对收敛而且 一致收敛, 并且在 Re ⁡ ( s ) > c \operatorname{Re}(s)>c Re(s)>c 的半平面内, F ( s ) F(s) F(s) 为解析函数…

证明不做要求,是证明 f ( t ) e − s x f(t) \mathrm{e}^{-sx} f(t)esx绝对可积

上述存在定理是充分非必要条件,也就是在 Re ⁡ ( s ) < c \operatorname{Re}(s)<c Re(s)<c时也可能存在,以及 c < 0 c<0 c<0时也可能成立,也就有一个新定理:

定理2 如果 ∫ 0 + ∞ f ( t ) e − s t   d t \int_0^{+\infty} f(t) e^{-s t} \mathrm{~d} t 0+f(t)est dt s 1 = β 1 + i ω 1 s_1=\beta_1+i \omega_1 s1=β1+iω1 处收敛, 则这个积分在 Re ⁡ s > β 1 \operatorname{Re} s>\beta_1 Res>β1 上处处收敛,且 由这个积分确定的函数 F ( s ) F(s) F(s) Re ⁡ s > β 1 \operatorname{Re} s>\beta_1 Res>β1 上解析; 如果 ∫ 0 + ∞ f ( t ) e − s t   d t \int_0^{+\infty} f(t) e^{-s t} \mathrm{~d} t 0+f(t)est dt s 2 = β 2 + i ω 2 s_2=\beta_2+i \omega_2 s2=β2+iω2 处发散, 则这个积分在 Re ⁡ s < β 2 \operatorname{Re} s<\beta_2 Res<β2 上处处发散.

3. 常见Laplace变换

例 1 求单位阶跃函数 u ( t ) = { 0 , t < 0 , 1 , t > 0 u(t)=\left\{\begin{array}{l}0, t<0, \\ 1, t>0\end{array}\right. u(t)={0,t<0,1,t>0 的 Laplace 变换.

解: L [ u ( t ) ] = ∫ 0 + ∞ e − s t   d t \mathscr{L} [u(t)]=\int_0^{+\infty} \mathrm{e}^{-s t} \mathrm{~d} t L[u(t)]=0+est dt

其中 e − s t = e − t ( β + j ω ) = e − t β ( c o s w t − i s i n w t ) e^{-st}=e^{-t(\beta+j \omega )}=e^{-t\beta}(coswt-isinwt) est=et(β+)=e(coswtisinwt)

∣ ( c o s w t − i s i n w t ) ∣ |(coswt-isinwt)| (coswtisinwt)有界,所以保证 e − t β e^{-t\beta} e收敛即可,即需要满足 R e ( s ) = β > 0 Re(s)=\beta>0 Re(s)=β>0
又有 ∫ 0 + ∞ e − s t   d t = − 1 s e − , t ∣ 0 + ∞ = 1 s 又有\int_0^{+\infty} \mathrm{e}^{-s t} \mathrm{~d} t=-\left.\frac{1}{s} \mathrm{e}^{-, t}\right|_0 ^{+\infty}=\frac{1}{s} 又有0+est dt=s1e,t 0+=s1
所以 L [ u ( t ) ] = 1 s ( Re ⁡ ( s ) > 0 ) . \mathscr{L}[u(t)]=\frac{1}{s} \quad(\operatorname{Re}(s)>0) . L[u(t)]=s1(Re(s)>0).

例 2 求函数 f ( t ) = e k t f(t)=\mathrm{e}^{k t} f(t)=ekt 的 Laplace 变换 ( k k k 为实数).

这个积分在 Re ⁡ ( s ) > k \operatorname{Re}(s)>k Re(s)>k 时收敛, 而且有
∫ 0 + ∞ e − ( s − k ) t   d t = 1 s − k , \int_0^{+\infty} \mathrm{e}^{-(s-k) t} \mathrm{~d} t=\frac{1}{s-k}, 0+e(sk)t dt=sk1,
所以
L [ e k t ] = 1 s − k ( Re ⁡ ( s ) > k ) . \mathscr{L}\left[\mathrm{e}^{k t}\right]=\frac{1}{s-k}(\operatorname{Re}(s)>k) . L[ekt]=sk1(Re(s)>k).
例 3 求正弦函数 f ( t ) = sin ⁡ k t f(t)=\sin k t f(t)=sinkt ( k k k 为实数) 的 Laplace 变换.


L [ sin ⁡ k t ] = ∫ 0 + ∞ sin ⁡ k t e − s t   d t = k s 2 + k 2 ( Re ⁡ ( s ) > 0 ) . 可用两次分部积分证明 \mathscr{L}[\sin k t] =\int_0^{+\infty} \sin k t \mathrm{e}^{-s t} \mathrm{~d} t \\ =\frac{k}{s^2+k^2} \quad(\operatorname{Re}(s)>0) .可用两次分部积分证明 L[sinkt]=0+sinktest dt=s2+k2k(Re(s)>0).可用两次分部积分证明
同理可得余弦函数 f ( t ) = cos ⁡ k t f(t)=\cos k t f(t)=coskt ( k k k 为实数) 的 Laplace 变换
L [ cos ⁡ k t ] = s s 2 + k 2 ( Re ⁡ ( s ) > 0 ) . \mathscr{L}[\cos k t]=\frac{s}{s^2+k^2} \quad(\operatorname{Re}(s)>0) . L[coskt]=s2+k2s(Re(s)>0).
例4 周期函数和 δ \delta δ函数的Laplace变换

以周期性三角波为例( f ( t + 2 b ) = f ( t ) f(t+2 b)=f(t) f(t+2b)=f(t)):
f ( t ) = { t , 0 ⩽ t < b , 2 b − t , b ⩽ t < 2 b f(t)= \begin{cases}t, & 0 \leqslant t<b, \\ 2 b-t, & b \leqslant t<2 b\end{cases} f(t)={t,2bt,0t<b,bt<2b
image-20230526224159301
E [ f ( t ) ] = ∫ 0 + ∞ f ( t ) e − s t   d t = ∫ 0 2 b f ( t ) e − s t   d t + ∫ 2 b 4 b f ( t ) e − s t   d t + ∫ 4 h 6 t f ( t ) e − s t   d t + ⋯ + ∫ 2 k b 2 ( k + 1 ) b f ( t ) e − s t   d t + ⋯ \begin{aligned} \mathscr{E}[f(t)]= & \int_0^{+\infty} f(t) \mathrm{e}^{-s t} \mathrm{~d} t \\ = & \int_0^{2 b} f(t) \mathrm{e}^{-s t} \mathrm{~d} t+\int_{2 b}^{4 b} f(t) \mathrm{e}^{-s t} \mathrm{~d} t+\int_{4 h}^{6 t} f(t) \mathrm{e}^{-s t} \mathrm{~d} t \\ & +\cdots+\int_{2 k b}^{2(k+1) b} f(t) \mathrm{e}^{-s t} \mathrm{~d} t+\cdots \end{aligned} E[f(t)]==0+f(t)est dt02bf(t)est dt+2b4bf(t)est dt+4h6tf(t)est dt++2kb2(k+1)bf(t)est dt+
t = τ + 2 k b t=\tau+2 k b t=τ+2kb, 则
∫ 2 k b 2 ( k + 1 ) b f ( t ) e − s t   d t = ∫ 0 2 b f ( τ + 2 k b ) e − s ( τ + 2 k b ) d τ = e − 2 k b s ∫ 0 2 b f ( τ ) e − s τ d τ , \begin{aligned} \int_{2 k b}^{2(k+1) b} f(t) \mathrm{e}^{-s t} \mathrm{~d} t & =\int_0^{2 b} f(\tau+2 k b) \mathrm{e}^{-s(\tau+2 k b)} \mathrm{d} \tau \\ & =\mathrm{e}^{-2 k b s} \int_0^{2 b} f(\tau) \mathrm{e}^{-s \tau} \mathrm{d} \tau, \end{aligned} 2kb2(k+1)bf(t)est dt=02bf(τ+2kb)es(τ+2kb)dτ=e2kbs02bf(τ)esτdτ,
所以原式可转化成:
L [ f ( t ) ] = ∑ k = 0 + ∞ e − 2 k b s ∫ 0 2 b f ( t ) e − s t   d t = 1 1 − e − 2 b s ∫ 0 2 b f ( t ) e − s t   d t \mathscr{L}[f(t)]=\sum_{k=0}^{+\infty} \mathrm{e}^{-2 k b s} \int_0^{2 b} f(t) \mathrm{e}^{-s t} \mathrm{~d} t =\frac{1}{1-\mathrm{e}^{-2 b s}} \int_0^{2 b} f(t) \mathrm{e}^{-s t} \mathrm{~d} t L[f(t)]=k=0+e2kbs02bf(t)est dt=1e2bs102bf(t)est dt
之后根据不同函数的 f ( t ) f(t) f(t)计算后式即可。

例5 求单位脉冲函数 δ ( t ) \delta(t) δ(t) 的Laplace变换

首先考虑 t t t的定义域问题:

如果在 t = 0 t=0 t=0 处包含了单位脉冲函数时, 则
∫ 0 − 0 + f ( t ) e − s t   d t ≠ 0 , 即  L − [ f ( t ) ] ≠ L + [ f ( t ) ] .  \int_{0^{-}}^{0^{+}} f(t) e^{-s t} \mathrm{~d} t \neq 0 \text {, 即 } \mathfrak{L}_{-}[f(t)] \neq \mathfrak{L}_{+}[f(t)] \text {. } 00+f(t)est dt=0 L[f(t)]=L+[f(t)]
因此把 t ≥ 0 t \geq 0 t0 上定义的函数延拓到 t > 0 t>0 t>0 t = 0 t=0 t=0任意一个邻域内有定义, 并且把Laplace变换定义为
L [ f ( t ) ] = L − [ f ( t ) ] = ∫ 0 − + ∞ f ( t ) e − s t   d t . \mathcal{L}[f(t)]=\mathfrak{L}_{-}[f(t)]=\int_{0^{-}}^{+\infty} f(t) e^{-s t} \mathrm{~d} t . L[f(t)]=L[f(t)]=0+f(t)est dt.
之后在此拓延下再来考虑单位脉冲函数:
L [ δ ( t ) ] = L − [ δ ( t ) ] = ∫ 0 − + ∞ δ ( t ) e − s t   d t = ∫ − ∞ + ∞ δ ( t ) e − s t   d t = e − s t ∣ t = 0 = 1 \begin{aligned} \mathfrak{L}[\delta(t)] & =\mathfrak{L}_{-}[\delta(t)] \\ & =\int_{0^{-}}^{+\infty} \delta(t) e^{-s t} \mathrm{~d} t \\ & =\int_{-\infty}^{+\infty} \delta(t) e^{-s t} \mathrm{~d} t=e^{-st}|_{t=0}=1 \end{aligned} L[δ(t)]=L[δ(t)]=0+δ(t)est dt=+δ(t)est dt=estt=0=1
例6 f ( t ) = e − β t δ ( t ) − β e − β t u ( t ) ( β > 0 ) f(t)=e^{-\beta t} \delta(t)-\beta e^{-\beta t} u(t)(\beta>0) f(t)=eβtδ(t)βeβtu(t)(β>0) 的Laplace变换(其中 u ( t ) u(t) u(t) 为单位阶跃函数).

首先根据Laplace的定义,在 R e s > − β Res>-\beta Res>β时,可以进行变换:
L [ f ( t ) ] = ∫ 0 − + ∞ [ e − β t δ ( t ) − β e − β t u ( t ) ] e − s t   d t = ∫ 0 − + ∞ δ ( t ) e − ( s + β ) t   d t − β ∫ 0 + ∞ e − ( s + β ) t   d t = 1 + β e − ( β + s ) t s + β ∣ 0 + ∞ = 1 − β s + β = s s + β . \begin{aligned} \mathfrak{L}[f(t)] & =\int_{0^{-}}^{+\infty}\left[e^{-\beta t} \delta(t)-\beta e^{-\beta t} u(t)\right] e^{-s t} \mathrm{~d} t \\ & =\int_{0^{-}}^{+\infty} \delta(t) e^{-(s+\beta) t} \mathrm{~d} t-\beta \int_0^{+\infty} e^{-(s+\beta) t} \mathrm{~d} t \\ & =1+\left.\beta \frac{e^{-(\beta+s) t}}{s+\beta}\right|_0 ^{+\infty}=1-\frac{\beta}{s+\beta}=\frac{s}{s+\beta} . \end{aligned} L[f(t)]=0+[eβtδ(t)βeβtu(t)]est dt=0+δ(t)e(s+β)t dtβ0+e(s+β)t dt=1+βs+βe(β+s)t 0+=1s+ββ=s+βs.

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.coloradmin.cn/o/588225.html

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,一经查实,立即删除!

相关文章

RL - 强化学习 Decaying Epsilon Greedy 算法解决多臂老虎机问题

欢迎关注我的CSDN&#xff1a;https://spike.blog.csdn.net/ 本文地址&#xff1a;https://blog.csdn.net/caroline_wendy/article/details/130945234 Decaying Epsilon Greedy 算法是一种强化学习中的探索策略&#xff0c;可以平衡开发和探索之间的矛盾。基本思想是&#xff0…

第15章:索引的数据结构

一、为什么使用索引 1.索引是存储引擎用于快速找到记录的一种数据结构。相当于一本书的目录。在进行数据查找时&#xff0c;首先查看查询条件是否命中某条索引&#xff0c;符合则通过索引查找相关数据。如果不符合则需要全表扫描&#xff0c;一条一条查找记录&#xff0c;直到…

Layui源码解读之define函数

一、layui.define 用法 layui.define([mods], callback) 通过layui.define该方法可在新的 JS 文件中定义一个 layui 模块。 mods 是可选的&#xff0c;用于声明该模块所依赖的模块。callback 为模块加载完毕的回调函数&#xff0c;它返回一个 exports 参数&#xff0c;用于输出…

鸿蒙App开发选择Java还是JavaScript?

众所周知&#xff0c; Java和 JavaScript是两种编程语言&#xff0c;这两种语言在不同的环境中都有许多用途。在鸿蒙 App开发中&#xff0c; Java和 JavaScript是两种常见的编程语言&#xff0c;它们都具有广泛的应用&#xff0c;并且都有其独特的优势。下面我们将就这两种编程…

LiveGBS国标GB/T28181国标平台功能-电子地图移动位置订阅mobileposition地图定位GPS轨迹坐标位置获取redis获取位置

LiveGBS国标GB/T28181国标平台功能-电子地图移动位置订阅mobileposition地图定位GPS轨迹坐标位置获取redis获取位置 1、位置订阅1.1、国标设备编辑1.2、选择设备开启位置订阅1.3、全局开启位置订阅1.4、通过目录订阅获取位置(少数情况) 2、经纬度信息查询2.1、访问接口获取2.1.…

详解iPaaS与RPA的区别及各自的应用场景

随着企业数字化转型的加速&#xff0c;业务系统集成和自动化流程成为关键议题。本文旨在探讨iPaaS&#xff08;Integration Platform as a Service&#xff09;与RPA&#xff08;Robotic Process Automation&#xff09;在业务系统集成方面的区别&#xff0c;它们各自的用途和适…

python数据分析案例——零售商店电子销售订单分析

一、项目背景 通过"扫描"零售商店电子销售点个别产品的条形码而获得的消费品销售的详细数据。 这些数据提供了有关所售商品的数量、特征和价值以及价格的详细信息。 二、数据来源 https://www.kaggle.com/marian447/retail-store-sales-transactions 三、提出问…

windows11@OpenWith@选择文件打开方式导致卡死@windows11任务栏显示秒

文章目录 OpenWith选择文件打开方式导致卡死解决方案 windows11任务栏显示秒显示秒的注册表设置取消显示秒: OpenWith选择文件打开方式导致卡死 关键在于一个名为openwith的进程出现问题该进程有时会卡死,并且无法关闭,这个bug存在很久了,具体参考:Windows11 - Microsoft Comm…

MySQL 多行函数

文章目录 多行函数1. 求 country 表中&#xff0c;所有国家人口的平均值&#xff0c;其 SQL 语句实现如下&#xff1a;2. 求 country 表中&#xff0c;所有国家人口的总数&#xff0c;其 SQL 语句实现如下&#xff1a;3. 求 country 表中&#xff0c;人口最多和最少国家的人口数…

KD7742耐压接地泄漏绝缘四合一并行测试仪

一、产品简介 KD7742耐压接地泄漏绝缘四合一并行测试仪具有交/直流耐压、绝缘电阻等项目的测试分析功能&#xff0c;能显示电压、电流和电阻的波形图以及趋势图&#xff0c;以便更直观的监测分析绝缘性能和绝缘崩溃时的各项指标&#xff0c;适用于高要求的测试分析场合。 产品具…

Pig项目新加权限类型生成Token并且解决验证问题

前言 这个教程可能不是最好的,也许是最直白的,你只需要找到对应的地方跟着博主一起去修改就能操作成功,今天用添加 mini 的授权模式的例子说一下这个 mini 模式是自己自定义的,你想叫什么都行 最近可烦死了快被折磨死人,在昨天睡了一觉,今天就解决问题了…睡一觉就能解决问题,那…

教你一步步使用实现TensorFlow 进行对象检测

在本文中,我们将学习如何使用 TensorFlow Hub 预训练模型执行对象检测。TensorFlow Hub 是一个库和平台,旨在共享、发现和重用预训练的机器学习模型。TensorFlow Hub 的主要目标是简化重用现有模型的过程,从而促进协作、减少冗余工作并加速机器学习的研发。用户可以搜索社区…

【数据结构与算法分析inC-MarkAllen】2-算法分析

文章目录 第二章——算法分析2.1 算法评价的量化理论2.1.1 函数渐进增长四种渐进增长定义运算法则两个函数相对增长率判断 2.1.2 算法分析的计算机模型2.1.3 要分析的目标最坏情况 2.1.4 一般法则for循环嵌套for循环顺序语句分支语句二分函数调用 2.2 计算方法2.2.1 循环主体中…

Android应用的加固与逆向

文章目录 前言名词释义加固手段逆向dex文件resources.arscReact Native TODO文档链接工具参考加固工具逆向工具 前言 加固与逆向是安卓攻防的两个方面。搞安卓研发时间长了就不可避免走到这一步。既要研究别人的实现&#xff0c;又要保护好自己的东西。个人认为&#xff0c;逆…

糖尿病首创新药的中国梦

《多肽链》原创出品 作者&#xff5c;慕白 在中国上市一款first-in-class&#xff08;FIC&#xff09;全球首创新药&#xff0c;有多难&#xff1f;先来看一组数据对比。 按照美国FDA的药品评价和研究中心&#xff08;CDER&#xff09;报告数据&#xff0c;2022年有37款新药…

chatgpt赋能python:介绍Python中二次函数的基本知识

介绍Python中二次函数的基本知识 在Python中&#xff0c;二次函数是一个重要的概念&#xff0c;它是由一个二次项、一次项和一个常数项构成的一个代数式。二次函数在数学和物理学中都有广泛的应用&#xff0c;了解二次函数的基本知识对于学习和理解这些领域都是非常重要的。在…

uni-app实现 app 小程序 手机端H5扫码功能

首先 扫码这个功能小程序和App都是有现成的方法 但是H5是不行的 我们可以看这样一段代码 <template><view><!-- #ifdef MP-WEIXIN --><button click"scan">扫描</button><view v-if"result">{{result}}</view>…

长尾词挖掘,挖掘百度相关词和下拉词的操作步骤

什么是下拉词 在搜索引擎的搜索框输入一个关键词的时候&#xff0c;搜索框会推荐一些与这个关键词有关联的长尾关键词&#xff0c;如“汉服”。 什么是相关词 在搜索引擎的搜索框输入一个关键词的时候&#xff0c;一般会推荐与这个关键词相关的长尾关键词。如“汉服”。 挖…

【SpringBoot系列】SpringBoot中 @Configuration 和 @Component 的区别及原理分析

示例 //Component Configuration public class AppConfig {Beanpublic Foo foo() {System.out.println("foo() invoked...");Foo foo new Foo();System.out.println("foo() 方法的 foo hashcode: " foo.hashCode());return foo;}Beanpublic Eoo eoo() {…

华为OD机试真题B卷 Java 实现【等差数列】,附详细解题思路

一、题目描述 等差数列 2&#xff0c;5&#xff0c;8&#xff0c;11&#xff0c;14。。。。 从 2 开始的 3 为公差的等差数列。 输出求等差数列前n项和。 数据范围&#xff1a; 1≤n≤1000 。 二、输入描述 输入一个正整数n。 三、输出描述 输出一个相加后的整数。 四…