泛函分析 第一章 度量空间
参考来源于《泛函分析讲义》,张恭庆,林源渠编著,北京大学出版社
文章目录
- 第一章 度量空间
- 压缩映像原理
- 定义1.1.1 距离
- 定义1.1.3 收敛
- 定义1.1.4 闭集
- 定义1.1.5 基本列与完备
- 定义1.1.8 连续
- 定义1.1.10 压缩映射
- 定理1.1.11 Banach不动点定理——压缩映像原理
- 完备化
- 定义1.2.1 等距同构
- 定义1.2.2 稠密性
- 定义1.2.4 完备化空间
- 列紧集
- 有界
- 定义1.3.1 列紧
- 定义1.3.5 ε\varepsilonε网
- 定义1.3.6 完全有界
- 定理1.3.7 Hausdorff
- 定义1.3.8 可分
- 定义1.3.10 紧
- 定义1.3.14 一致有界、等度连续(一致连续)
- 定理1.3.15 Arzela-Ascoli
- 线性赋范空间
- 定义1.4.1
- 定义1.4.2 准范数
- 定义1.4.3 范数
- 定义1.4.15 范数等价
- 定义1.4.21 次线性泛函
- 定义1.4.23 最佳逼近
- 定义1.4.24 严格凸
- 引理1.4.31 F.Riesz引理
- 定理1.4.28 有穷维B∗B^*B∗空间的刻画
- 凸集与不动点
- 定义1.5.1 凸集
- 定义1.5.3 凸包、凸组合
- 定义1.5.5 Minkowski泛函
- 定义1.5.7 吸收凸集、对称凸集
- 内积空间
- 定义1.6.1 共轭双线性函数
- 定义1.6.3 内积
- 命题1.6.8 Cauchy-Schwarz不等式
- 命题1.6.13 平行四边形法则
- 定义1.6.14 Hilbert空间
- 定义1.6.17 正交
- 定义1.6.19 正交集
- 定义1.6.23 Bessel不等式与Parseval等式
- 定义1.6.29 同构
- 定义1.6.31 最佳逼近和正交分解
第一章 度量空间
压缩映像原理
定义1.1.1 距离
X\mathscr XX上定义一个双变量实值函数ρ(x,y)\rho(x,y)ρ(x,y)满足下列三个条件:
(1) ρ(x,y)=0⇔x=y\rho(x,y)=0 \Leftrightarrow x=yρ(x,y)=0⇔x=y
(2) ρ(x,y)=ρ(y,x)\rho(x,y)=\rho(y,x)ρ(x,y)=ρ(y,x)
(3) ρ(x,z)=ρ(x,y)+ρ(y,z)\rho(x,z)=\rho(x,y)+\rho(y,z)ρ(x,z)=ρ(x,y)+ρ(y,z)
ρ\rhoρ叫做X\mathscr XX上的一个距离,以ρ\rhoρ为距离的距离空间X\mathscr XX记做(X,ρ)(\mathscr X, \rho)(X,ρ)
定义1.1.3 收敛
距离空间(X,ρ)(\mathscr X, \rho)(X,ρ)上的点列{xn}\{x_n\}{xn}收敛到x0x_0x0是指ρ(xn,x0)→0(n→∞)\rho(x_n,x_0)\to 0(n\to\infty)ρ(xn,x0)→0(n→∞),记做limn→∞xn=x0\lim\limits_{n\to\infty}x_n=x_0n→∞limxn=x0
定义1.1.4 闭集
EEE为度量空间(X,ρ)(\mathscr X, \rho)(X,ρ)中的子集。若∀{xn}⊂E\forall \{x_n\}\subset E∀{xn}⊂E有xn→x0x_n\to x_0xn→x0,则x0∈Ex_0\in Ex0∈E
定义1.1.5 基本列与完备
(1) ρ(xn,xm)→0(n,m→∞)\rho(x_n,x_m)\to0(n,m\to\infty)ρ(xn,xm)→0(n,m→∞)
(2) ∀ε>0,∃N(ε)s.t.m,n⩾N(ε)⇒ρ(xn,xm)<ε\forall\varepsilon>0,\exists N(\varepsilon) s.t. m,n\geqslant N(\varepsilon)\Rightarrow\rho(x_n,x_m)<\varepsilon∀ε>0,∃N(ε)s.t.m,n⩾N(ε)⇒ρ(xn,xm)<ε
所有收敛列都是基本列
所有基本列都收敛,则空间完备
完备度量空间的闭子集必完备
定义1.1.8 连续
T:(X,ρ)→(Y,r)T:(\mathscr X,\rho)\to(\mathscr Y, r)T:(X,ρ)→(Y,r)为连续映射
(1) ρ(xn,x0)→0⇒r(T(xn),T(x0))→0\rho(x_n,x_0)\to0\Rightarrow r(T(x_n),T(x_0))\to0ρ(xn,x0)→0⇒r(T(xn),T(x0))→0
(2) ∀ε>0,∀x0∈X,∃δ=δ(x0,ε),s.t.ρ(x,x0)<δ⇒r(T(x),T(x0))<ε(∀x∈X)\forall\varepsilon>0, \forall x_0\in\mathscr X,\exists\delta=\delta(x_0,\varepsilon),s.t.\rho(x,x_0)<\delta\Rightarrow r(T(x),T(x_0))<\varepsilon\qquad(\forall x \in \mathscr X)∀ε>0,∀x0∈X,∃δ=δ(x0,ε),s.t.ρ(x,x0)<δ⇒r(T(x),T(x0))<ε(∀x∈X)
(3) limn→∞xn=x0⇒limn→∞T(xn)=T(limn→∞xn)=T(x0)\lim\limits_{n\to\infty}x_n=x_0 \Rightarrow \lim\limits_{n\to\infty}T(x_n)=T(\lim\limits_{n\to\infty}x_n)=T(x_0)n→∞limxn=x0⇒n→∞limT(xn)=T(n→∞limxn)=T(x0)
定义1.1.10 压缩映射
称T:(X,ρ)→(X,ρ)T:(\mathscr X, \rho)\to(\mathscr X,\rho)T:(X,ρ)→(X,ρ)是一个压缩映射,如果存在0<α<1,s.t.ρ(T(x),T(y))⩽αρ(x,y)(∀x,y∈X)0<\alpha<1,s.t.\rho(T(x),T(y))\leqslant\alpha\rho(x,y)\quad(\forall x,y\in\mathscr X)0<α<1,s.t.ρ(T(x),T(y))⩽αρ(x,y)(∀x,y∈X)
定理1.1.11 Banach不动点定理——压缩映像原理
设(X,ρ)(\mathscr X, \rho)(X,ρ)是一个完备的距离空间,TTT是(X,ρ)(\mathscr X, \rho)(X,ρ)到自身的一个压缩映射,则TTT在X\mathscr XX上存在唯一不动点。
注:
(1) α=0\alpha=0α=0时也成立
(2) α=1\alpha=1α=1时为弱压缩映射,此时TTT可以有不动点,也可以没有不动点
完备化
定义1.2.1 等距同构
设(X,ρ),(X1,ρ1)(\mathscr X,\rho),(\mathscr X_1,\rho_1)(X,ρ),(X1,ρ1)是两个度量空间,如果存在映射φ:X→X1\varphi:\mathscr X\to\mathscr X_1φ:X→X1满足
(1) φ\varphiφ是满射
(2) ρ(x,y)=ρ1(φ(x),φ(y))(∀x,y∈X)\rho(x,y)=\rho_1(\varphi(x), \varphi(y))\quad(\forall x,y\in\mathscr X)ρ(x,y)=ρ1(φ(x),φ(y))(∀x,y∈X)
则称(X,ρ)和(X1,ρ1)(\mathscr X,\rho)和(\mathscr X_1,\rho_1)(X,ρ)和(X1,ρ1)是等距同构的,并称φ\varphiφ为等距同构映射,有时简称等距同构。
注: 由(2)还可以推出φ\varphiφ是单射。
定义1.2.2 稠密性
设(X,ρ)(\mathscr X,\rho)(X,ρ)是度量空间,集合E⊂XE\subset\mathscr XE⊂X为在X\mathscr XX的稠密子集
⇔∀x∈X,∀ε>0,∃z∈E,s.t.ρ(x,z)<ε⇔∀x∈X,∃{xn}⊂E,s.t.xn→x⇔∀ε>0,有X=⋃z∈EB(z,ε)\begin{aligned} &\Leftrightarrow\forall x\in\mathscr X,\forall\varepsilon>0,\exists z\in E,s.t.\quad \rho(x,z)<\varepsilon \\ &\Leftrightarrow\forall x\in\mathscr X,\exists\{x_n\}\subset E,s.t.\quad x_n\to x \\ &\Leftrightarrow\forall\varepsilon>0,有\mathscr X=\bigcup\limits_{z\in E}\mathcal B(z,\varepsilon) \end{aligned} ⇔∀x∈X,∀ε>0,∃z∈E,s.t.ρ(x,z)<ε⇔∀x∈X,∃{xn}⊂E,s.t.xn→x⇔∀ε>0,有X=z∈E⋃B(z,ε)
定义1.2.4 完备化空间
包含给定度量空间(X,ρ)(\mathscr X,\rho)(X,ρ)的最小的完备度量空间成为X\mathscr XX的完备化空间。
最小的完备度量空间不是唯一的。
若要求度量空间在其完备化空间中稠(在等距同构意义下),则可证其完备化度量空间必在等距同构下唯一。
命题1.2.5
若(X1,ρ1)(\mathscr X_1,\rho_1)(X1,ρ1)是一个以(X,ρ)(\mathscr X,\rho)(X,ρ)为子空间的完备度量空间,并且X\mathscr XX等距同构于X1\mathscr X_1X1的一个稠子集,则X1\mathscr X_1X1是X\mathscr XX的唯一完备化空间。
定理1.2.6
每一个度量空间有一个其自身在其中稠的唯一完备化空间。
例1.2.7
设ρ(x,y)=maxa⩽t⩽b∣x(t)−y(t)∣\rho(x,y)=\max\limits_{a\leqslant t \leqslant b}|x(t)-y(t)|ρ(x,y)=a⩽t⩽bmax∣x(t)−y(t)∣,由weitrstrass定理,P[a,b]P[a,b]P[a,b]在C[a,b]C[a,b]C[a,b]中稠,且(C[a,b],ρ)(C[a,b],\rho)(C[a,b],ρ)完备。
例1.2.8
设ρ1(x,y)=∫ab∣x(t)−y(t)∣dt\rho_1(x,y)=\int_a^b|x(t)-y(t)|dtρ1(x,y)=∫ab∣x(t)−y(t)∣dt,C[a,b]C[a,b]C[a,b]在L1[a,b]L^1[a,b]L1[a,b]中稠,且(L1[a,b],ρ1)(L^1[a,b],\rho_1)(L1[a,b],ρ1)完备。
列紧集
有界
设(X,ρ)(\mathscr X,\rho)(X,ρ)是一个距离空间,A是X\mathscr XX的子集。如果∃x0∈X\exists x_0 \in\mathscr X∃x0∈X及r>0r>0r>0使得A⊂B(x0,r)A\subset\mathcal B(x_0,r)A⊂B(x0,r),则称A是有界的。
定义1.3.1 列紧
设(X,ρ)(\mathscr X,\rho)(X,ρ)是一个距离空间,AAA是X\mathscr XX的子集。如果AAA的任意点列在X\mathscr XX中有收敛子列,则称AAA是列紧的。若这个子列还收敛到AAA中的点,则称AAA是自列紧的。如果空间X\mathscr XX是列紧的,则称X\mathscr XX是列紧空间。
定义1.3.5 ε\varepsilonε网
对ε>0,N⊂M\varepsilon>0,N\subset Mε>0,N⊂M有
M⊂⋃y∈NB(y,ε)M\subset\bigcup\limits_{y\in N}\mathcal B(y,\varepsilon)M⊂y∈N⋃B(y,ε)
则NNN为MMM的ε\varepsilonε网。若NNN有穷集,则为有穷ε\varepsilonε网
定义1.3.6 完全有界
MMM完全有界,则∀ε>0\forall\varepsilon>0∀ε>0,都存在MMM的一个有穷ε\varepsilonε网
定理1.3.7 Hausdorff
列紧集⇒\Rightarrow⇒完全有界⇒\Rightarrow⇒有界,完全有界⟹完备\stackrel{完备}\Longrightarrow⟹完备列紧集
定义1.3.8 可分
一个距离空间若有可数个稠密子集,则称为是可分的。
完全有界的距离空间是可分的。
定义1.3.10 紧
拓扑空间X\mathscr XX中,称集合MMM是紧的,如果X\mathscr XX中每个覆盖MMM的开集族中都有有穷个开集覆MMM。
紧⇔\Leftrightarrow⇔自列紧
定义1.3.14 一致有界、等度连续(一致连续)
设MMM紧的距离空间,F⊂C(M)F\subset C(M)F⊂C(M)。若∃M1>0\exists M_1>0∃M1>0,使得∣φ(x)∣⩽M1(∀x∈M,∀φ∈F)|\varphi(x)|\leqslant M_1\quad(\forall x\in M,\forall\varphi\in F)∣φ(x)∣⩽M1(∀x∈M,∀φ∈F)则F是一致有界的。
等价于FFF为C(M)C(M)C(M)的有界集。
如果∀ε>0,∃δ(ε)>0\forall\varepsilon>0,\exists \delta(\varepsilon)>0∀ε>0,∃δ(ε)>0,使得∣φ(x1)−φ(x2)∣<ε(∀x1,x2∈M,ρ(x1,x2)<δ,∀φ∈F)|\varphi(x_1)-\varphi(x_2)|<\varepsilon\quad(\forall x_1,x_2\in M,\rho(x_1,x_2)<\delta,\forall\varphi\in F)∣φ(x1)−φ(x2)∣<ε(∀x1,x2∈M,ρ(x1,x2)<δ,∀φ∈F),则称FFF是等度连续的。
定理1.3.15 Arzela-Ascoli
F⊂C(M)F\subset C(M)F⊂C(M)是一个列紧集⟺F\Longleftrightarrow F⟺F为一致有界且等度连续的函数族。
线性赋范空间
定义1.4.1
线性流形 E=E0+x0,E0E=E_0+x_0,E_0E=E0+x0,E0为线性子空间
线性流形还是线性子空间⇔x0∈E0\Leftrightarrow x_0\in E_0⇔x0∈E0
线性包{xλ}\{x_\lambda\}{xλ}的有穷线性组合,也称{xλ}\{x_\lambda\}{xλ}张成的线性子空间,记为span{xλ}span\{x_\lambda\}span{xλ}
span{xλ}=⋂{xλ}⊂M,M为线性子空间Mspan\{x_\lambda\}=\bigcap_{\{x_\lambda\}\subset M,M为线性子空间}Mspan{xλ}={xλ}⊂M,M为线性子空间⋂M
定义1.4.2 准范数
∣∣⋅∣∣:X→R1||\cdot||:\mathscr{X}\to\mathbb{R}^1∣∣⋅∣∣:X→R1满足条件:
(1) ∣∣x∣∣⩾0(∀x∈X);∣∣x∣∣=0⇔x=θ||x||\geqslant0(\forall x\in\mathscr{X});||x||=0\Leftrightarrow x=\theta∣∣x∣∣⩾0(∀x∈X);∣∣x∣∣=0⇔x=θ
(2) ∣∣x+y∣∣⩽∣∣x∣∣+∣∣y∣∣(∀x,y∈X)||x+y||\leqslant||x||+||y||(\forall x,y\in\mathscr{X})∣∣x+y∣∣⩽∣∣x∣∣+∣∣y∣∣(∀x,y∈X)
(3) ∣∣−x∣∣=∣∣x∣∣(∀x∈X)||-x||=||x||(\forall x\in\mathscr{X})∣∣−x∣∣=∣∣x∣∣(∀x∈X)
(4) liman→0∣∣anx∣∣=0,lim∣∣xn→0∣∣∣∣axn∣∣=0\lim\limits_{a_n\to0}||a_nx||=0, \lim\limits_{||x_n\to0||}||ax_n||=0an→0lim∣∣anx∣∣=0,∣∣xn→0∣∣lim∣∣axn∣∣=0
对X\mathscr{X}X赋予准范数∣∣⋅∣∣||\cdot||∣∣⋅∣∣后称为F∗F^*F∗空间
完备的F∗F^*F∗空间称为FFF空间
定义1.4.3 范数
∣∣⋅∣∣:X→R1||\cdot||:\mathscr{X}\to\mathbb{R}^1∣∣⋅∣∣:X→R1满足条件:
(1) ∣∣x∣∣⩾0(∀x∈X);∣∣x∣∣=0⇔x=θ||x||\geqslant0(\forall x\in\mathscr{X});||x||=0\Leftrightarrow x=\theta∣∣x∣∣⩾0(∀x∈X);∣∣x∣∣=0⇔x=θ(正定性)
(2) ∣∣x+y∣∣⩽∣∣x∣∣+∣∣y∣∣(∀x,y∈X)||x+y||\leqslant||x||+||y||(\forall x,y\in\mathscr{X})∣∣x+y∣∣⩽∣∣x∣∣+∣∣y∣∣(∀x,y∈X)(三角不等式)
(3) ∣∣ax∣∣=∣a∣∣∣x∣∣(∀a∈K,∀x∈X)||ax||=|a|||x||(\forall a\in\mathbb{K},\forall x\in\mathscr{X})∣∣ax∣∣=∣a∣∣∣x∣∣(∀a∈K,∀x∈X)(齐次性)
对X\mathscr{X}X赋予范数∣∣⋅∣∣||\cdot||∣∣⋅∣∣后称为B∗B^*B∗空间
完备的B∗B^*B∗空间称为BBB空间或Banach空间。
LpL^pLp范数:(∫Ω∣u(x)∣pdμ)1p(\int_{\Omega}|u(x)|^pd\mu)^\frac{1}{p}(∫Ω∣u(x)∣pdμ)p1
lpl^plp范数: (∑n=1∞∣u(x)∣p)1p(\sum_{n=1}^{\infty}|u(x)|^p)^\frac{1}{p}(∑n=1∞∣u(x)∣p)p1
L∞L^{\infty}L∞范数: infμ(E0)=0,E0⊂Ω(supx∈Ω∖E0∣u(x)∣)\inf\limits_{\mu(E_0)=0,E_0\subset\Omega}(\sup\limits_{x\in\Omega\setminus E_0}|u(x)|)μ(E0)=0,E0⊂Ωinf(x∈Ω∖E0sup∣u(x)∣),又记esssupx∈Ω∣u(x)∣ess \sup\limits_{x\in\Omega}|u(x)|essx∈Ωsup∣u(x)∣
定义1.4.15 范数等价
∣∣⋅∣∣2||\cdot||_2∣∣⋅∣∣2比∣∣⋅∣∣1||\cdot||_1∣∣⋅∣∣1强,是指
∣∣xn∣∣2→0⇒∣∣xn∣∣1→0(当n→∞)||x_n||_2\to0\Rightarrow||x_n||_1\to0\qquad(当n\to\infty)∣∣xn∣∣2→0⇒∣∣xn∣∣1→0(当n→∞)
如果∣∣⋅∣∣2||\cdot||_2∣∣⋅∣∣2比∣∣⋅∣∣1||\cdot||_1∣∣⋅∣∣1强且∣∣⋅∣∣1||\cdot||_1∣∣⋅∣∣1比∣∣⋅∣∣2||\cdot||_2∣∣⋅∣∣2强,则称∣∣⋅∣∣1||\cdot||_1∣∣⋅∣∣1与∣∣⋅∣∣2||\cdot||_2∣∣⋅∣∣2等价。
为了∣∣⋅∣∣2||\cdot||_2∣∣⋅∣∣2比∣∣⋅∣∣1||\cdot||_1∣∣⋅∣∣1强,必需且仅须存在常数C>0C>0C>0,使得∣∣x∣∣1⩽C∣∣x∣∣2(∀x∈X)||x||_1\leqslant C||x||_2\quad(\forall x\in\mathscr{X})∣∣x∣∣1⩽C∣∣x∣∣2(∀x∈X)
所以∣∣⋅∣∣1||\cdot||_1∣∣⋅∣∣1与∣∣⋅∣∣2||\cdot||_2∣∣⋅∣∣2等价必须且仅须存在常数C1,C2>0C_1,C_2>0C1,C2>0,使得C1∣∣x∣∣1⩽∣∣x∣∣2⩽C2∣∣x∣∣1C_1||x||_1\leqslant ||x||_2\leqslant C_2||x||_1C1∣∣x∣∣1⩽∣∣x∣∣2⩽C2∣∣x∣∣1
注:
(1) 有穷维任意两个范数等价,无穷维不成立
(2) 相同维度的两个有穷维线性赋范空间在代数上是同构的,在拓扑上是同胚的
(3) 有穷维B∗\mathcal{B}^*B∗空间必是B\mathcal{B}B空间
(4) B∗B^*B∗空间上的任意有穷维子空间必是闭子空间
定义1.4.21 次线性泛函
P:X→R1P:\mathscr{X}\to\mathbb{R}^1P:X→R1满足条件:
(1) P(x+y)⩽P(x)+P(y)(∀x,y∈X)P(x+y)\leqslant P(x)+P(y)(\forall x,y\in\mathscr{X})P(x+y)⩽P(x)+P(y)(∀x,y∈X)(次可加性)
(2) P(λx)=λP(x)(∀λ>0,∀x∈X)P(\lambda x)=\lambda P(x)(\forall \lambda>0,\forall x\in\mathscr{X})P(λx)=λP(x)(∀λ>0,∀x∈X)(正齐次性)
则称PPP是X\mathscr{X}X上的一个次线性泛函
若PPP还满足P(x)⩾0(∀x∈X)P(x)\geqslant0(\forall x\in\mathscr{X})P(x)⩾0(∀x∈X)并且(2)是齐次性,即P(ax)=∣a∣P(x)(∀a∈K,∀x∈X)P(ax)=|a|P(x)(\forall a\in\mathbb{K},\forall x\in\mathscr{X})P(ax)=∣a∣P(x)(∀a∈K,∀x∈X),则称PPP是一个半范数或半模
设PPP是有穷维B∗B^*B∗空间X\mathscr{X}X上的一个次线性泛函,如果P(x)⩾0(∀x∈x)P(x)\geqslant0(\forall x\in\mathscr{x})P(x)⩾0(∀x∈x),并且P(x)=0⇔x=θP(x)=0\Leftrightarrow x=\thetaP(x)=0⇔x=θ,则存在正常数c1,c2c_1,c_2c1,c2使得c1∣∣x∣∣⩽P(x)⩽c2∣∣x∣∣(∀x∈X)c_1||x||\leqslant P(x)\leqslant c_2||x|| \qquad(\forall x\in\mathscr{X})c1∣∣x∣∣⩽P(x)⩽c2∣∣x∣∣(∀x∈X)
定义1.4.23 最佳逼近
设X\mathscr{X}X是一个B∗B^*B∗空间,若e1,e2,...,ene_1,e_2,...,e_ne1,e2,...,en是X\mathscr{X}X中给定的向量组,则∀x∈X\forall x\in\mathscr{X}∀x∈X,存在着最佳逼近系数λ1,λ2,...,λn\lambda_1,\lambda_2,...,\lambda_nλ1,λ2,...,λn满足
∣∣x−∑i=1nλiei∣∣=mina∈Kn∣∣x−∑i=1naiei∣∣||x-\sum_{i=1}^{n}\lambda_ie_i||=\min\limits_{a\in\mathbb{K}^n}||x-\sum_{i=1}^{n}a_ie_i||∣∣x−i=1∑nλiei∣∣=a∈Knmin∣∣x−i=1∑naiei∣∣
若记M:=spane1,e2,...,en;ρ(x,M):=infy∈M∣∣x−y∣∣;xo:=∑i=1nλieiM:=span{e_1,e_2,...,e_n};\rho(x,M):=\inf\limits_{y\in M}||x-y||;x_o:=\sum_{i=1}^n\lambda_ie_iM:=spane1,e2,...,en;ρ(x,M):=y∈Minf∣∣x−y∣∣;xo:=∑i=1nλiei,则有ρ(x,x0)=ρ(x.M)\rho(x,x_0)=\rho(x.M)ρ(x,x0)=ρ(x.M)。称x0∈Mx_0\in Mx0∈M为xxx在MMM上的最佳逼近元。在B∗B^*B∗空间中,任意指定元素在给定的有限维子空间上的最佳逼近元总是存在的,但唯一性需要依靠B∗B^*B∗空间X\mathscr{X}X模的性质
定义1.4.24 严格凸
B∗B^*B∗空间(X,∣∣⋅∣∣)(\mathscr{X},||\cdot||)(X,∣∣⋅∣∣)是严格凸的,是指∀x,y∈X,x≠y\forall x,y\in\mathscr{X},x\neq y∀x,y∈X,x=y必有∣∣x∣∣=∣∣y∣∣=1⇒∣∣ax+by∣∣<1(∀a,b>0,a+b=1)||x||=||y||=1\Rightarrow||ax+by||<1\qquad(\forall a,b>0,a+b=1)∣∣x∣∣=∣∣y∣∣=1⇒∣∣ax+by∣∣<1(∀a,b>0,a+b=1)
∀a,b\forall a,b∀a,b可以改成∃a0,b0\exists a_0,b_0∃a0,b0
严格凸则存在唯一最佳逼近系数
严格凸强烈依赖于所考虑的范数
引理1.4.31 F.Riesz引理
如果X0\mathscr{X}_0X0是B∗B^*B∗空间X\mathscr{X}X的一个真闭子空间,那么对∀0<ε<1,∃y∈X\forall 0<\varepsilon<1,\exists y\in\mathscr{X}∀0<ε<1,∃y∈X,使得∣∣y∣∣=1||y||=1∣∣y∣∣=1,并且∣∣y−x∣∣⩾1−ε(∀x∈X0)||y-x||\geqslant1-\varepsilon(\forall x\in\mathscr{X}_0)∣∣y−x∣∣⩾1−ε(∀x∈X0)
定理1.4.28 有穷维B∗B^*B∗空间的刻画
(1) B∗B^*B∗是有穷维的⇔X\Leftrightarrow\mathscr{X}⇔X的单位球面是列紧的
(2) B∗B^*B∗是有穷维的⇔X\Leftrightarrow\mathscr{X}⇔X的单位球面任意有界集是列紧的
(3) 设X\mathscr{X}X是有限维B∗B^*B∗空间,则列紧集⇔\Leftrightarrow⇔有界集
(4) 设X\mathscr{X}X是有限维B∗B^*B∗空间,则紧集⇔\Leftrightarrow⇔自列紧集⇔\Leftrightarrow⇔列紧闭集⇔\Leftrightarrow⇔有界闭集
(5) 设X\mathscr{X}X是有限维B∗B^*B∗空间,集合M⊂XM\subset\mathscr{X}M⊂X是完全有界集⇔M\Leftrightarrow M⇔M有界
(6) 在B∗B^*B∗空间中,则紧集是完全有界闭集,反之不一定成立;在BBB空间中,紧集⇔\Leftrightarrow⇔完全有界闭集
凸集与不动点
定义1.5.1 凸集
∀x,y∈E,∀0⩽λ⩽1,λx+(1−λ)y∈E\forall x,y \in E,\forall 0\leqslant\lambda\leqslant1, \lambda x+(1-\lambda)y\in E∀x,y∈E,∀0⩽λ⩽1,λx+(1−λ)y∈E,则EEE为凸集。
这个概念不要求空间有拓扑结构,但要有代数结构。
∀λ∈[0,1]\forall\lambda\in[0,1]∀λ∈[0,1]不能减弱为∀λ∈[0,1]∩Q\forall\lambda\in[0,1]\cap\mathbb{Q}∀λ∈[0,1]∩Q,可以减弱为∀λ∈[0,1]∖Q\forall\lambda\in[0,1]\setminus\mathbb{Q}∀λ∈[0,1]∖Q,但不能减弱为∃λ0∈[0,1]∖Q\exist\lambda_0\in[0,1]\setminus\mathbb{Q}∃λ0∈[0,1]∖Q
定义1.5.3 凸包、凸组合
若{Eλ∣λ∈Λ}\{E_{\lambda}|\lambda\in\Lambda\}{Eλ∣λ∈Λ}是线性空间X\mathscr{X}X中的一族凸集,则⋂λ∈ΛEλ\bigcap\limits_{\lambda\in\Lambda}E_{\lambda}λ∈Λ⋂Eλ也是凸集。
若{Eλ∣λ∈Λ}\{E_{\lambda}|\lambda\in\Lambda\}{Eλ∣λ∈Λ}是线性空间X\mathscr{X}X中包含AAA的一族凸集,则称⋂λ∈ΛEλ\bigcap\limits_{\lambda\in\Lambda}E_{\lambda}λ∈Λ⋂Eλ为AAA的凸包(最小凸集),并记做co(AAA)。
称∑i=1nλixi\sum\limits^{n}_{i=1}\lambda_ix_ii=1∑nλixi为x1,x2,...,xnx_1,x_2,...,x_nx1,x2,...,xn的凸组合,其中λi⩾0,∑i=1nλi=1\lambda_i\geqslant0,\sum\limits_{i=1}^{n}\lambda_i=1λi⩾0,i=1∑nλi=1
AAA的凸包是AAA中元素任意凸组合的全体。
定义1.5.5 Minkowski泛函
设X\mathscr{X}X是线性空间,CCC是X\mathscr{X}X上含有θ\thetaθ的凸子集,在X\mathscr{X}X上规定一个取值于[0,∞][0,\infty][0,∞]的函数
P(x)=inf{λ>0∣xλ∈C}(∀x∈X)P(x)=\inf\{\lambda>0|\frac{x}{\lambda}\in C\}\qquad(\forall x\in\mathscr{X})P(x)=inf{λ>0∣λx∈C}(∀x∈X)
与CCC对应,称函数PPP为CCC的Minkowski泛函。约定infϕ=∞:x∞=0,x=θ∈C\inf\phi=\infty: \frac{x}{\infty}=0,x=\theta\in Cinfϕ=∞:∞x=0,x=θ∈C
它有以下性质:
(1) P(x)∈[0,∞],P(θ)=0P(x)\in[0,\infty],P(\theta)=0P(x)∈[0,∞],P(θ)=0
(2) P(λx)=λP(x)(∀x∈X,∀λ>0)P(\lambda x)=\lambda P(x)(\forall x\in\mathscr{X},\forall\lambda>0)P(λx)=λP(x)(∀x∈X,∀λ>0)(正齐次性)
(3)P(x+y)⩽P(x)+P(y)(∀x,y∈X)P(x+y)\leqslant P(x)+P(y) (\forall x,y\in\mathscr{X})P(x+y)⩽P(x)+P(y)(∀x,y∈X)(次可加性)
定义1.5.7 吸收凸集、对称凸集
吸收集: CCC为含有θ\thetaθ的凸集且∀x∈X,∃λ>0\forall x\in\mathscr{X},\exist\lambda>0∀x∈X,∃λ>0,使得xλ∈C\frac{x}{\lambda}\in Cλx∈C
对称集: x∈C⇒−x∈Cx\in C\Rightarrow -x\in Cx∈C⇒−x∈C
若θ\thetaθ为CCC的内点,则CCC必吸收,反之不一定成立。
若在吸收集的定义中将凸集的要求去掉,则即使CCC为吸收的,θ\thetaθ也不一定为CCC的内点,此时CCC不一定为凸集。例如令C:=B((0,0),1)∖{(x,x2):x∈R∖{0}}C:=B((0,0),1)\setminus\{(x,x^2):x\in\mathbb{R}\setminus\{0\}\}C:=B((0,0),1)∖{(x,x2):x∈R∖{0}},则CCC为“吸收集”。
设X\mathscr{X}X为有限维B∗B^*B∗空间,若C⊂XC\subset\mathscr{X}C⊂X为含有θ\thetaθ点的吸收凸集,则θ\thetaθ必为CCC的内点。
CCC是吸收凸集⇒\Rightarrow⇒ Minkowski泛函P(x)P(x)P(x)是实值函数(不是∞\infty∞)
CCC是对称凸集,必须P(x)P(x)P(x)是实齐次的,即P(αx)=∣α∣P(x)P(\alpha x)=|\alpha|P(x)P(αx)=∣α∣P(x)
均衡集: 复线性空间X\mathscr{X}X的一个子集CCC称为均衡的是指x∈C⇒αx∈C(∀α∈C,∣α∣=1)x\in C\Rightarrow\alpha x\in C\quad(\forall\alpha\in\mathbb{C},|\alpha|=1)x∈C⇒αx∈C(∀α∈C,∣α∣=1)
复线性空间X\mathscr{X}X上的任一个均衡吸收凸集CCC决定了这个空间上的一个半模。
设X\mathscr{X}X上的一个B∗B^*B∗空间,CCC是一个含有θ\thetaθ点的闭凸集。如果P(x)P(x)P(x)是CCC的Minkowski泛函,那么P(x)P(x)P(x)下半连续,且有C={x∈X∣P(x)⩽1}C=\{x\in\mathscr{X}|P(x)\leqslant1\}C={x∈X∣P(x)⩽1}。
此外,如果CCC还是有界的,此时不需要CCC闭,那么P(x)P(x)P(x)适合P(x)=0⇔x=θP(x)=0\Leftrightarrow x=\thetaP(x)=0⇔x=θ。又若CCC以θ\thetaθ为一内点,那么CCC还是吸收的,并且P(x)P(x)P(x)还是一致连续的。
注:称PPP为下半连续:若对∀a∈R\forall a\in\mathbb{R}∀a∈R,有{x∈X:P(x)⩽a}\{x\in\mathscr{X}:P(x)\leqslant a\}{x∈X:P(x)⩽a}为闭集。
内积空间
定义1.6.1 共轭双线性函数
(1) a(x,α1y1+α2y2)=αˉ1a(x,y1)+αˉ2a(x,y2)a(x,\alpha_1y_1+\alpha_2y_2)=\bar{\alpha}_1a(x,y_1)+\bar{\alpha}_2a(x,y_2)a(x,α1y1+α2y2)=αˉ1a(x,y1)+αˉ2a(x,y2)
(2) a(α1x1+α2x2,y)=α1a(x1,y)+α2a(x2,y)a(\alpha_1x_1+\alpha_2x_2,y)=\alpha_1a(x_1,y)+\alpha_2a(x_2,y)a(α1x1+α2x2,y)=α1a(x1,y)+α2a(x2,y)
q(x):=a(x,x)q(x):=a(x,x)q(x):=a(x,x)为aaa诱导的二次型
q(x)∈R1⇔a(x,y)=a(y,x)‾q(x)\in\mathbb{R}^1\Leftrightarrow a(x,y)=\overline{a(y,x)}q(x)∈R1⇔a(x,y)=a(y,x)
定义1.6.3 内积
线性空间X\mathscr{X}X上的一个共轭双线性函数
(⋅,⋅):X×X→K(\cdot,\cdot):\mathscr{X}\times\mathscr{X}\to\mathbb{K}(⋅,⋅):X×X→K
称为是一个内积,若它满足:
(1) (x,y)=(y,x)‾(∀x,y∈X)(x,y)=\overline{(y,x)}\quad (\forall x,y\in\mathscr{X})(x,y)=(y,x)(∀x,y∈X)(共轭对称性)
(2) (x,x)⩾0(∀x∈X),(x,x)=0⇔x=θ(x,x)\geqslant0\quad(\forall x\in\mathscr{X}),(x,x)=0\Leftrightarrow x=\theta(x,x)⩾0(∀x∈X),(x,x)=0⇔x=θ(正定性)
例:
l2l^2l2空间是内积空间,(x,y)=∑i=1∞xiyˉi(x,y)=\sum\limits_{i=1}^\infty x_i\bar{y}_i(x,y)=i=1∑∞xiyˉi
L2L^2L2空间是内积空间,(u,v)=∫Ωu(x)v(x)‾dx(u,v)=\int_\Omega u(x)\overline{v(x)}dx(u,v)=∫Ωu(x)v(x)dx
命题1.6.8 Cauchy-Schwarz不等式
设((X),(⋅,⋅))(\mathscr(X),(\cdot,\cdot))((X),(⋅,⋅))是内积空间,令∣∣x∣∣=(x,x)12(∀x∈X)||x||=(x,x)^{\frac{1}{2}}\quad(\forall x\in\mathscr{X})∣∣x∣∣=(x,x)21(∀x∈X),则有∣(x,y)∣⩽∣∣x∣∣∣∣y∣∣(∀x,y∈X)|(x,y)|\leqslant||x||||y||\quad(\forall x,y\in\mathscr{X})∣(x,y)∣⩽∣∣x∣∣∣∣y∣∣(∀x,y∈X)。等号成立当且仅当x,y线性相关。
由此可得内积是关于范数∣∣⋅∣∣||\cdot||∣∣⋅∣∣的连续函数,内积空间(X,(⋅,⋅))(\mathscr{X},(\cdot,\cdot))(X,(⋅,⋅))是严格凸的B∗B^*B∗空间
命题1.6.13 平行四边形法则
在B∗B^*B∗空间(X,∣∣⋅∣∣)(\mathscr{X},||\cdot||)(X,∣∣⋅∣∣)中引入一个内积(⋅,⋅)(\cdot,\cdot)(⋅,⋅)满足∣∣x∣∣=(x,x)12||x||=(x,x)^{\frac{1}{2}}∣∣x∣∣=(x,x)21,当且仅当范数∣∣⋅∣∣||\cdot||∣∣⋅∣∣满足平行四边形等式∣∣x+y∣∣2+∣∣x−y∣∣2=2(∣∣x∣∣2+∣∣y∣∣2)(∀x,y∈X)||x+y||^2+||x-y||^2=2(||x||^2+||y||^2)\quad(\forall x,y\in\mathscr{X})∣∣x+y∣∣2+∣∣x−y∣∣2=2(∣∣x∣∣2+∣∣y∣∣2)(∀x,y∈X)
定义1.6.14 Hilbert空间
完备的内积空间称为Hilbert空间
定义1.6.17 正交
两个元素正交:(x,y)=0(x,y)=0(x,y)=0,记为x⊥yx\perp yx⊥y
正交补:M⊥:={x∈X∣x⊥M}M^{\perp}:=\{x\in\mathscr{X}|x\perp M\}M⊥:={x∈X∣x⊥M}
(1) 若x⊥yi(i=1,2)x\perp y_i(i=1,2)x⊥yi(i=1,2),则x⊥(λ1y1+λ2y2)x\perp(\lambda_1y_1+\lambda_2y_2)x⊥(λ1y1+λ2y2)
(2) 若x=y+zx=y+zx=y+z,且y⊥zy\perp zy⊥z,则|∣x∣∣2=∣∣y∣∣2+∣∣z∣∣2|x||^2=||y||^2+||z||^2∣x∣∣2=∣∣y∣∣2+∣∣z∣∣2
(3) 若x⊥yn(n∈N)x\perp y_n(n\in\mathbb{N})x⊥yn(n∈N),且yn→yy_n\to yyn→y,则x⊥yx\perp yx⊥y
(4) 若x⊥Mx\perp Mx⊥M,则x⊥span{M}x\perp span\{M\}x⊥span{M}
(5) M⊥M^\perpM⊥是X\mathscr{X}X的一个闭线性子空间
(6) M‾⊥=M⊥\overline{M}^\perp=M^\perpM⊥=M⊥
定义1.6.19 正交集
设X\mathscr{X}X是一个内积空间,集合S={eα∣α∈A}S=\{e_\alpha|\alpha\in A\}S={eα∣α∈A}是X\mathscr{X}X的一个子集,称SSS是正交集是指eα⊥eβ(∀α≠β,α,β∈A)e_\alpha\perp e_\beta\quad(\forall\alpha\neq\beta,\alpha,\beta\in A)eα⊥eβ(∀α=β,α,β∈A)若∣∣eα∣∣=1(∀α∈A)||e_\alpha||=1(\forall\alpha\in A)∣∣eα∣∣=1(∀α∈A),则称SSS为正交规范集;如果S⊥={θ}S^\perp=\{\theta\}S⊥={θ},那么称SSS完备。
若对∀x∈X\forall x\in\mathscr{X}∀x∈X有x=∑α∈A(x,eα)eαx=\sum\limits_{\alpha\in A}(x,e_\alpha)e_\alphax=α∈A∑(x,eα)eα,则正交规范集S={eα∣α∈A}S=\{e_\alpha|\alpha\in A\}S={eα∣α∈A}称为一个基(或封闭的),其中{(x,eα)∣α∈A}\{(x,e_\alpha)|\alpha\in A\}{(x,eα)∣α∈A}称为xxx关于基{eα∣α∈A}\{e_\alpha|\alpha\in A\}{eα∣α∈A}的Fouier系数
非{θ}\{\theta\}{θ}内积空间X\mathscr{X}X中必存在完备正交集
定义1.6.23 Bessel不等式与Parseval等式
设X\mathscr{X}X是一个内积空间,集合S={eα∣α∈A}S=\{e_\alpha|\alpha\in A\}S={eα∣α∈A}是X\mathscr{X}X的正交规范集,那么∀x∈X\forall x\in\mathscr{X}∀x∈X有
∑α∈A∣(x,eα)∣2⩽∣∣x∣∣2\sum\limits_{\alpha\in A}|(x,e_\alpha)|^2\leqslant||x||^2α∈A∑∣(x,eα)∣2⩽∣∣x∣∣2
推论1:设X\mathscr{X}X是一个内积空间,集合S={eα∣α∈A}S=\{e_\alpha|\alpha\in A\}S={eα∣α∈A}是X\mathscr{X}X的正交规范集,那么对∀x∈X\forall x\in\mathscr{X}∀x∈X有∑α∈A(x,eα)eα∈X\sum\limits_{\alpha\in A}(x,e_\alpha)e_{\alpha}\in\mathscr{X}α∈A∑(x,eα)eα∈X且
∣∣x−∑α∈A(x,eα)eα∣∣2=∣∣x∣∣−∑α∈A∣(x,eα)∣2||x-\sum\limits_{\alpha\in A}(x,e_\alpha)e_\alpha||^2=||x||-\sum\limits_{\alpha\in A}|(x,e_\alpha)|^2∣∣x−α∈A∑(x,eα)eα∣∣2=∣∣x∣∣−α∈A∑∣(x,eα)∣2
推论2:设X\mathscr{X}X是一个内积空间,集合S={eα∣α∈A}S=\{e_\alpha|\alpha\in A\}S={eα∣α∈A}是X\mathscr{X}X的正交规范集,则下三条等价
(1) SSS是封闭的(任意xxx可展,SSS是正交规范基)
(2) SSS是完备的(S⊥={θ}S^\perp=\{\theta\}S⊥={θ})
(3) Parseval等式成立,即∣∣x∣∣2=∑α∈A∣(x,eα)∣2(∀x∈X)||x||^2=\sum\limits_{\alpha\in A}|(x,e_\alpha)|^2\quad(\forall x\in\mathscr{X})∣∣x∣∣2=α∈A∑∣(x,eα)∣2(∀x∈X)
定义1.6.29 同构
设(X1,(⋅,⋅)1),(X2,(⋅,⋅)2)(\mathscr{X}_1,(\cdot,\cdot)_1),(\mathscr{X}_2,(\cdot,\cdot)_2)(X1,(⋅,⋅)1),(X2,(⋅,⋅)2)是两个内积空间,如果存在X1→X2\mathscr{X}_1\to\mathscr{X}_2X1→X2的一个线性同构TTT满足(Tx,Ty)2=(x,y)1(∀x,y∈X1)(Tx,Ty)_2=(x,y)_1\quad(\forall x,y\in\mathscr{X}_1)(Tx,Ty)2=(x,y)1(∀x,y∈X1),则称内积空间X1\mathscr{X}_1X1与X2\mathscr{X}_2X2是同构的。
如果Hilbert空间X\mathscr{X}X可分,必须且仅须它有至多可数的正交规范基SSS。当SSS元素个数N<∞N<\inftyN<∞时,X\mathscr{X}X同构于KN\mathbb{K}^NKN;当N=∞N=\inftyN=∞时,X\mathscr{X}X同构于l2l^2l2
定义1.6.31 最佳逼近和正交分解
CCC是Hilbert空间的闭凸子集,则CCC上存在唯一元素x0x_0x0取到最小模。
于是对任意y∈X,∃!x0∈Cy\in\mathscr{X},\exists!x_0\in Cy∈X,∃!x0∈C,使得∣∣y−x0∣∣=infx∈C∣∣y−x∣∣||y-x_0||=\inf\limits_{x\in C}||y-x||∣∣y−x0∣∣=x∈Cinf∣∣y−x∣∣。
设CCC是内积空间X\mathscr{X}X中的一个闭凸子集,任意∀y∈X\forall y\in\mathscr{X}∀y∈X,为了x0x_0x0是yyy上的最佳逼近元,必须且仅须Re(y−x0,x0−x)⩾0(∀x∈C)Re(y-x_0,x_0-x)\geqslant0\quad(\forall x\in C)Re(y−x0,x0−x)⩾0(∀x∈C)
若MMM是Hilbert空间X\mathscr{X}X上的闭线性子流形,∀x∈X\forall x\in\mathscr{X}∀x∈X,yyy是xxx在MMM上的最佳逼近元,必须且仅须满足(x−y)⊥(M−{y})(x-y)\perp(M-\{y\})(x−y)⊥(M−{y});若MMM是闭线性子空间,则(x−y)⊥M(x-y)\perp M(x−y)⊥M,则∀x∈X\forall x\in\mathscr{X}∀x∈X,存在着下面的唯一正交分解
x=y+z(y∈M,z∈M⊥)x=y+z\quad(y\in M, z\in M^\perp)x=y+z(y∈M,z∈M⊥)
称yyy是xxx在MMM上的正交投影。
泛函分析 第一章 度量空间相关推荐
- 王道考研 计算机网络笔记 第一章:概述计算机网络体系结构
本文基于2019 王道考研 计算机网络: 2019 王道考研 计算机网络 个人笔记总结 后续章节将陆续更新- 目录 一.概念.功能.组成.分类 1. 计算机网络的概念 2. 计算机网络功能 3. 计算 ...
- 计算机组成原理-第一章
计算机组成原理第一章概述 一.计算机系统概述 1. 定义 2.分类 3.计算机系统的抽象层次 二.计算机系统的组成 1.计算机系统的硬件组成 1.1冯.诺依曼计算机(重点) 1.2现代计算机结构 1. ...
- 山西农业大学c语言答案,第一章C语言及程序设计概述-东北农业大学教务处.doc...
全国高等农林院校"十一五"规划教材 C语言程序设计 孙力 主编 中国农业出版社 内容简介 本书是全国高等农林院校"十一五"规划教材之一. 全书共11章,分别介绍 ...
- Python3-Cookbook总结 - 第一章:数据结构和算法
第一章:数据结构和算法 Python 提供了大量的内置数据结构,包括列表,集合以及字典.大多数情况下使用这些数据结构是很简单的. 但是,我们也会经常碰到到诸如查询,排序和过滤等等这些普遍存在的问题. ...
- 《零成本实现Web自动化测试--基于Selenium》第一章 自动化测试基础
第一篇 Selenium 和WebDriver工具篇 第一章 自动化测试基础 1.1 初识自动化测试 自动化测试有两种常见方式 1.1.1 代码驱动测试,又叫测试驱动开发(TDD) 1.1.2 ...
- 华南理工网络计算机基础知识,2019年华南理工大学网络教育计算机基础随堂练习第一章...
2019年华南理工大学网络教育计算机基础随堂练习第一章 (9页) 本资源提供全文预览,点击全文预览即可全文预览,如果喜欢文档就下载吧,查找使用更方便哦! 11.90 积分 第一章 计算机基础知识·第 ...
- CCNA 第一章 网际互联
第一章 网际互联 路由器知识点: 1.默认时,路由器不转发任何广播包和组播包. 2.路由器使用逻辑地址,逻辑地址在网络层的包头中,用来决定将包转发到的下一跳路由器. 3.路由器可以使用管理员创建的访问 ...
- 2018-3-31(Nature-Inspired metaheuristic Algoritjms Second Edition第一章)笔记-优化,寻优,元启发式算法
第一章-----Introduction' 1.1 一些歌概念: x: design or decision variables 设计或决策变量 f(x) :Objective function ...
- Android项目驱动式开发教程 第2版,《Android项目驱动式开发教程》第一章开发入门.ppt...
<Android项目驱动式开发教程>第一章开发入门 1.4 项目框架分析 4 android:versionName="1.0" > 5 8 第9行代码andro ...
最新文章
- Java面试题!Java获取异常堆栈信息
- 面向对象的程序设计之原型模式
- vim does not map customized key?
- 软件测试(四)之 PrintPrimes
- 6-14 数据库高级
- WorkerMan 入门学习之(二)基础教程-Connection类的使用
- mysql default unix_timestamp(now())
- pg数据库的基本操作
- jabber服务器_最近JavaScript Jabber播客-Microsoft(而非Microsoft)和Web
- JAVA核心知识点--获取HttpServletRequest请求Body中的内容
- android自动获取天气,Android获取天气预报的两种方式(国家气象局和中央气象台天气预报API)...
- 保存到千牛服务器的文件在哪里,压缩包里的文件保存后在哪里?
- Java岗大厂面试百日冲刺 - 日积月累,每日三题【Day18】—— 奇葩问题合集
- box-shadow兼容IE8浏览器写法
- 机器朗读发音电脑说话
- 中国石油大学《机械原理》第二次在线作业
- SPH算法的理论和实践(1)
- mac和windows下载安装redis
- C#利用OWC组件生成数据报表
- MySQL 异常错误码使用 及 对照表 DataException
热门文章
- 基于碰撞传感器的自动导航车系统设计
- iPhone电源键坏了怎么开机和关机?
- 联想拯救者R7000安装Ubuntu18.04后屏幕亮度调节终极解决方案
- npm install 报错 EACCES: permission denied, mkdir XXXX
- 网传迅雷遭遇“脱裤门” 官方回应:恶意造谣
- 【01】基础:集搜客爬虫软件安装
- [CF852H]Bob and stages
- PCB工程师,一些常见的DFM问题,你知道如何避免吗?
- 用vs2015或者是vs2017时出现vs找不到msvcp120d .dll或是msvcr120d .dll无法继续执行代码。重新安装可能会解决此问题。
- 适合Java新手入门的控制台程序练习题