一般地,n个自变量的二阶线性偏微分方程可表示为
∑i,j=1naij(x1,⋅⋅⋅,xn)∂2u∂xi∂xj+∑j=1nbj(x1,⋅⋅⋅,xn)∂u∂xj+c(x1,⋅⋅⋅,xn)u=f(x1,⋅⋅⋅,xn)(1)\sum_{i,j=1}^na_{ij}(x_1,···,x_n)\frac{\partial^2 u}{\partial x_i\partial x_j}+\sum_{j=1}^nb_j(x_1,···,x_n)\frac{\partial u}{\partial x_j}+c(x_1,···,x_n)u=f(x_1,···,x_n) \tag{1} i,j=1∑n​aij​(x1​,⋅⋅⋅,xn​)∂xi​∂xj​∂2u​+j=1∑n​bj​(x1​,⋅⋅⋅,xn​)∂xj​∂u​+c(x1​,⋅⋅⋅,xn​)u=f(x1​,⋅⋅⋅,xn​)(1)
当系数aij,bj,ca_{ij},b_j,caij​,bj​,c均为常数时,称为常系数线性偏微分方程,否则为变系数的,且总可假定aij=ajia_{ij}=a_{ji}aij​=aji​。方程中不含未知函数的项f(x1,⋅⋅⋅,xn)f(x_1,···,x_n)f(x1​,⋅⋅⋅,xn​)称为非齐次项,当f≡0f\equiv 0f≡0时方程为二阶齐次线性偏微分方程,否则为非齐次的。

作为(1)式的特殊情况,一维波动方程能分解为两个一阶线性偏微分方程,从而利用特征线求出其通解。对于一般的二阶线性偏微分方程(1),接下来将通过自变量的变量代换化简方程中的二阶偏导数部分,并用方程在变量代换下的不变性对方程进行分类。这里只讨论两个自变量的情形。

1. 特征方程和特征线

两个自变量的二阶齐次线性偏微分方程为
a11∂2u∂x2+2a12∂2u∂x∂y+a22∂2u∂y2+b1∂u∂y+b2∂u∂y+cu=0(2)a_{11}\frac{\partial^2u}{\partial x^2}+2a_{12}\frac{\partial^2u}{\partial x\partial y}+a_{22}\frac{\partial^2u}{\partial y^2}+b_1\frac{\partial u}{\partial y}+b_2\frac{\partial u}{\partial y}+cu=0 \tag{2} a11​∂x2∂2u​+2a12​∂x∂y∂2u​+a22​∂y2∂2u​+b1​∂y∂u​+b2​∂y∂u​+cu=0(2)
其中,a11,a12,a22a_{11},a_{12},a_{22}a11​,a12​,a22​不同时为0,这里略写了已知函数aij,bj(i,j=1,2)a_{ij},b_j(i,j=1,2)aij​,bj​(i,j=1,2)和c的自变量。

设有自变量的变量代换
{ξ=φ(x,y),η=ψ(x,y),\begin{cases} \xi=\varphi(x,y), \\ \eta=\psi(x,y), \end{cases} {ξ=φ(x,y),η=ψ(x,y),​
其中,函数φ,ψ\varphi,\psiφ,ψ有二阶连续偏导,雅可比(Jacobi)行列式
J=∂(φ,ψ)∂(x,y)=∣∂φ∂x∂φ∂y∂ψ∂x∂ψ∂y∣≠0J=\frac{\partial (\varphi,\psi)}{\partial(x,y)}= \begin{vmatrix} \frac{\partial \varphi}{\partial x} & \frac{\partial \varphi}{\partial y} \\ \frac{\partial \psi}{\partial x} & \frac{\partial \psi}{\partial y} \end{vmatrix} \neq 0 J=∂(x,y)∂(φ,ψ)​=∣∣∣∣∣​∂x∂φ​∂x∂ψ​​∂y∂φ​∂y∂ψ​​∣∣∣∣∣​​=0
以保证函数φ,ψ\varphi,\psiφ,ψ相互独立,有反函数存在。未知函数u作为新的自变量ξ,η\xi,\etaξ,η的函数仍记为u(ξ,η)u(\xi,\eta)u(ξ,η),利用复合函数求导的链式法则,可将方程(2)变成一个新的二阶线性偏微分方程
A11∂2u∂ξ2+2A12∂2u∂ξ∂η+A22∂2u∂η2+B1∂u∂ξ+B2∂u∂η+Cu=0(a)A_{11}\frac{\partial^2u}{\partial \xi^2}+2A_{12}\frac{\partial^2u}{\partial \xi\partial \eta}+A_{22}\frac{\partial^2u}{\partial \eta^2}+B_1\frac{\partial u}{\partial \xi}+B_2\frac{\partial u}{\partial \eta}+Cu=0 \tag{a} A11​∂ξ2∂2u​+2A12​∂ξ∂η∂2u​+A22​∂η2∂2u​+B1​∂ξ∂u​+B2​∂η∂u​+Cu=0(a)
其中,二阶偏导数项的系数
A11=a11(∂φ∂x)2+2a12∂φ∂x∂φ∂y+a22(∂φ∂y)2,A12=a11∂φ∂x∂ψ∂x+2a12(∂φ∂x∂φ∂y+∂φ∂y∂φ∂x)+a22∂φ∂y∂ψ∂y(3)A11=a11(∂ψ∂x)2+2a12∂ψ∂x∂ψ∂y+a22(∂ψ∂y)2A_{11}=a_{11}(\frac{\partial \varphi}{\partial x})^2+2a_{12}\frac{\partial \varphi}{\partial x}\frac{\partial \varphi}{\partial y}+a_{22}(\frac{\partial \varphi}{\partial y})^2 ,\\ A_{12}=a_{11}\frac{\partial \varphi}{\partial x}\frac{\partial \psi}{\partial x}+2a_{12}(\frac{\partial \varphi}{\partial x}\frac{\partial \varphi}{\partial y}+\frac{\partial \varphi}{\partial y}\frac{\partial \varphi}{\partial x})+a_{22}\frac{\partial \varphi}{\partial y}\frac{\partial \psi}{\partial y} \quad \quad (3)\\ A_{11}=a_{11}(\frac{\partial \psi}{\partial x})^2+2a_{12}\frac{\partial \psi}{\partial x}\frac{\partial \psi}{\partial y}+a_{22}(\frac{\partial \psi}{\partial y})^2 A11​=a11​(∂x∂φ​)2+2a12​∂x∂φ​∂y∂φ​+a22​(∂y∂φ​)2,A12​=a11​∂x∂φ​∂x∂ψ​+2a12​(∂x∂φ​∂y∂φ​+∂y∂φ​∂x∂φ​)+a22​∂y∂φ​∂y∂ψ​(3)A11​=a11​(∂x∂ψ​)2+2a12​∂x∂ψ​∂y∂ψ​+a22​(∂y∂ψ​)2
其他系数可推导而得。

为化简方程中的二阶偏导数部分,由(3)式可见,若选取φ(x,y)\varphi(x,y)φ(x,y)或ψ(x,y)\psi(x,y)ψ(x,y)是一阶非线性偏微分方程
a11(∂z∂x)2+2a12∂z∂x∂z∂y+a22(∂z∂y)2=0(4)a_{11}(\frac{\partial z}{\partial x})^2+2a_{12}\frac{\partial z}{\partial x}\frac{\partial z}{\partial y}+a_{22}(\frac{\partial z}{\partial y})^2=0 \tag{4} a11​(∂x∂z​)2+2a12​∂x∂z​∂y∂z​+a22​(∂y∂z​)2=0(4)
的解,则新方程中A11A_{11}A11​与A22A_{22}A22​至少有一个为0,方程化简。

类似于之前对一阶线性偏微分方程的讨论,一阶偏微分方程(4)的求解归结为一阶常微分方程
a11(dy)2−2a12dxdy+a22(dx)2=0(5)a_{11}(dy)^2-2a_{12}dxdy+a_{22}(dx)^2=0 \tag{5} a11​(dy)2−2a12​dxdy+a22​(dx)2=0(5)
的求解。相应地,有

定理1:若φ(x,y)=h\varphi(x,y)=hφ(x,y)=h(h为常数)是常微分方程(5)的隐式通解(积分曲线族),则z=φ(x,y)z=\varphi(x,y)z=φ(x,y)是偏微分方程(4)的解。定理的逆命题也成立。

上述定理揭示了常微分方程(5)与二阶线性偏微分方程(2)之间的关系,提供了化简二阶线性偏微分方程的具体方法。称一阶常微分方程(5)为二阶线性偏微分方程(2)的特征方程,称特征方程的积分曲线为方程(2)的特征曲线

2. 方程的分类、化简和标准形

特征方程(4)的解取决于它的判别式
Δ=a122−a11a22\Delta= a_{12}^2-a_{11}a_{22} Δ=a122​−a11​a22​
由(3)式可推出,二阶线性偏微分方程(2)经过变量代换后得到的新方程式的判别式为
A122−A11A22=J2ΔA_{12}^2-A_{11}A_{22}=J^2\Delta A122​−A11​A22​=J2Δ
当Jacobi行列式J≠0J\neq 0J​=0时,在自变量的变量代换下,判别式Δ\DeltaΔ的符号保持不变,反映了方程的本性,据此可将方程分类。

在(x0,y0)(x_0,y_0)(x0​,y0​)点,若Δ>0\Delta>0Δ>0,则称二阶线性偏微分方程(2)式在(x0,y0)(x_0,y_0)(x0​,y0​)点为双曲型的;若Δ=0\Delta=0Δ=0则称(2)式在(x0,y0)(x_0,y_0)(x0​,y0​)为抛物型的;若Δ<0\Delta<0Δ<0,则称(2)式在(x0,y0)(x_0,y_0)(x0​,y0​)为椭圆型的。若在平面区域D内有Δ>0\Delta>0Δ>0或Δ=0\Delta=0Δ=0,或Δ<0\Delta<0Δ<0,则相应地称方程(2)在区域D内为双曲型、抛物型或椭圆型方程。若方程在区域D的一部分是双曲型的,另一部分是椭圆型的,而在交界线上是抛物型的,则称该方程在D内是混合型方程。

易见,弦振动方程
∂2u∂t2=a2∂2u∂x2\frac{\partial^2u}{\partial t^2}=a^2\frac{\partial^2u}{\partial x^2} ∂t2∂2u​=a2∂x2∂2u​
的Δ≡a2>0\Delta\equiv a^2>0Δ≡a2>0

一维热传导方程
∂u∂t=a2∂2u∂x2\frac{\partial u}{\partial t}=a^2\frac{\partial^2u}{\partial x^2} ∂t∂u​=a2∂x2∂2u​
的Δ≡0\Delta \equiv 0Δ≡0

二维拉普拉斯方程
∂2u∂x2+∂2u∂y2=0\frac{\partial^2 u}{\partial x^2}+\frac{\partial^2u}{\partial y^2}=0 ∂x2∂2u​+∂y2∂2u​=0
的Δ=−1<0\Delta=-1<0Δ=−1<0,它们在全平面上依次为双曲型方程、抛物型方程和椭圆型方程。

对于三种类型的二阶线性偏微分方程,可按以下步骤化简。

当Δ>0\Delta>0Δ>0,特征方程(5)可分解为两个一阶常微分方程。不妨设a11≠0a_{11}\neq 0a11​​=0,此时,有
dydx=a12+Δa11,dydx=a12−Δa11\frac{dy}{dx}=\frac{a_{12}+\sqrt{\Delta}}{a_{11}},\quad \frac{dy}{dx}=\frac{a_{12}-\sqrt{\Delta}}{a_{11}} dxdy​=a11​a12​+Δ​​,dxdy​=a11​a12​−Δ​​
解得两族特征线
φ(x,y)=h1,ψ(x,y)=h2\varphi(x,y)=h_1,\quad \psi(x,y)=h_2 φ(x,y)=h1​,ψ(x,y)=h2​
令ξ=φ(x,y),η=ψ(x,y)\xi=\varphi(x,y),\eta =\psi(x,y)ξ=φ(x,y),η=ψ(x,y),由定理1和公式(3)知A11=A22=0A_{11}=A_{22}=0A11​=A22​=0,新方程(a)有简单形式
∂2u∂ξ∂η+12A12(B1uξ+B2uη+Cu)=0(7)\frac{\partial^2u}{\partial \xi\partial \eta}+\frac{1}{2A_{12}}(B_1u_{\xi}+B_2u_{\eta}+Cu)=0 \tag{7} ∂ξ∂η∂2u​+2A12​1​(B1​uξ​+B2​uη​+Cu)=0(7)
因为沿两族特征线分别有
∂φ∂xdx+∂φ∂ydy=0,∂ψ∂xdx+∂ψ∂ydy=0\frac{\partial \varphi}{\partial x}dx+\frac{\partial \varphi}{\partial y}dy=0, \quad \frac{\partial \psi}{\partial x}dx+\frac{\partial \psi}{\partial y}dy=0 ∂x∂φ​dx+∂y∂φ​dy=0,∂x∂ψ​dx+∂y∂ψ​dy=0
从而
∂φ∂x/∂φ∂y=−a12+Δa11,∂φ∂x/∂ψ∂y=−a12−Δa11\frac{\partial \varphi}{\partial x}/\frac{\partial \varphi}{\partial y}=-\frac{a_{12}+\sqrt{\Delta}}{a_{11}},\quad \frac{\partial \varphi}{\partial x}/\frac{\partial \psi}{\partial y}=-\frac{a_{12}-\sqrt{\Delta}}{a_{11}} ∂x∂φ​/∂y∂φ​=−a11​a12​+Δ​​,∂x∂φ​/∂y∂ψ​=−a11​a12​−Δ​​
由a11≠0a_{11}\neq 0a11​​=0可知∂φ∂y∂ψ∂y≠0\frac{\partial \varphi}{\partial y}\frac{\partial \psi}{\partial y}\neq 0∂y∂φ​∂y∂ψ​​=0。从雅克比行列式算得
J=−2Δa11∂φ∂y∂ψ∂y≠0J=-\frac{2\sqrt{\Delta}}{a_{11}}\frac{\partial \varphi}{\partial y}\frac{\partial \psi}{\partial y}\neq 0 J=−a11​2Δ​​∂y∂φ​∂y∂ψ​​=0
故ξ,η\xi,\etaξ,η是两个独立的变量,同理由式(3)可算得
A12=−2Δa11∂φ∂y∂ψ∂y≠0A_{12}=-\frac{2\Delta}{a_{11}}\frac{\partial \varphi}{\partial y}\frac{\partial \psi}{\partial y}\neq 0 A12​=−a11​2Δ​∂y∂φ​∂y∂ψ​​=0
而B1,B2,CB_1,B_2,CB1​,B2​,C也可由推导出的公式算出

若对式(7)再作变量代换
s=12(ξ+η),t=12(ξ−η)s=\frac{1}{2}(\xi+\eta),\quad t=\frac{1}{2}(\xi-\eta) s=21​(ξ+η),t=21​(ξ−η)
可得方程
∂2u∂t2−∂2u∂s2+1A^11(B^1ut+B^2us+C^u)=0(8)\frac{\partial^2u}{\partial t^2}-\frac{\partial^2u}{\partial s^2}+\frac{1}{\hat A_{11}}(\hat B_1u_t+\hat B_2u_s+ \hat Cu)=0 \tag{8} ∂t2∂2u​−∂s2∂2u​+A^11​1​(B^1​ut​+B^2​us​+C^u)=0(8)
方程(7)和(8)都称为双曲型方程的标准型

当Δ=0\Delta=0Δ=0时,由特征方程(5)只能得到一个一阶线性常微分方程。不妨设a11≠0a_{11}\neq 0a11​​=0,该方程为
dydx=a12a11\frac{dy}{dx}=\frac{a_{12}}{a_{11}} dxdy​=a11​a12​​
解得一族特征曲线φ(x,y)=h\varphi(x,y)=hφ(x,y)=h。任取二元函数ψ(x,y)\psi(x,y)ψ(x,y),使得J=∂(φ,ψ)∂(x,y)≠0J=\frac{\partial (\varphi,\psi)}{\partial(x,y)}\neq 0J=∂(x,y)∂(φ,ψ)​​=0。作变量代换
ξ=φ(x,y),η=ψ(x,y)\xi=\varphi(x,y),\quad \eta=\psi(x,y) ξ=φ(x,y),η=ψ(x,y)
可得A11=0,A22≠0A_{11}=0,A_{22}\neq 0A11​=0,A22​​=0。因a122=a11a22a_{12}^2=a_{11}a_{22}a122​=a11​a22​,∂φ∂x/∂φ∂y=−a22a11\frac{\partial \varphi}{\partial x}/\frac{\partial \varphi}{\partial y}=-\frac{a_{22}}{a_{11}}∂x∂φ​/∂y∂φ​=−a11​a22​​,从式(3)可得
A12=1a11(a11∂φ∂x+a12∂φ∂y)(a11∂ψ∂x+a12∂ψ∂y)=0A_{12}=\frac{1}{a_{11}}(a_{11}\frac{\partial \varphi}{\partial x}+a_{12}\frac{\partial \varphi}{\partial y})(a_{11}\frac{\partial \psi}{\partial x}+a_{12}\frac{\partial \psi}{\partial y})=0 A12​=a11​1​(a11​∂x∂φ​+a12​∂y∂φ​)(a11​∂x∂ψ​+a12​∂y∂ψ​)=0
新方程为
∂2u∂η2+1A22(B1∂u∂ξ+B2∂u∂η+Cu)=0\frac{\partial^2 u}{\partial \eta^2}+\frac{1}{A_{22}}(B_1\frac{\partial u}{\partial \xi}+B_2\frac{\partial u}{\partial \eta}+Cu)=0 ∂η2∂2u​+A22​1​(B1​∂ξ∂u​+B2​∂η∂u​+Cu)=0
称为抛物线方程的标准形

当Δ<0\Delta<0Δ<0时,特征方程(5)只能在复数域内分解成两个一阶方程。不妨设a11≠0a_{11}\neq 0a11​​=0,相应的一阶方程为
dydx=a12+i−Δa11和dydx=a12−i−Δa11\frac{dy}{dx}=\frac{a_{12}+i\sqrt{-\Delta}}{a_{11}}\quad 和 \quad \frac{dy}{dx}=\frac{a_{12}-i\sqrt{-\Delta}}{a_{11}} dxdy​=a11​a12​+i−Δ​​和dxdy​=a11​a12​−i−Δ​​
此时,不存在实特征线,特征方程(5)的隐式通解为
φ(x,y)±iψ(x,y)=h\varphi(x,y)\pm i\psi(x,y)=h φ(x,y)±iψ(x,y)=h
为避免引入复变量,作变换
{ξ=φ(x,y)η=ψ(x,y)\begin{cases} \xi=\varphi(x,y) \\ \eta=\psi(x,y) \end{cases} {ξ=φ(x,y)η=ψ(x,y)​
由定理1将z=φ(x,y)±iψ(x,y)z=\varphi(x,y)\pm i\psi(x,y)z=φ(x,y)±iψ(x,y)代入式(4),分别取实、虚部,可得A11=A22,A12=0A_{11}=A_{22}, A_{12}=0A11​=A22​,A12​=0,则有新方程
∂2u∂ξ2+∂2u∂η2+1A11(B1∂u∂ξ+B2∂u∂η+Cu)=0\frac{\partial^2 u}{\partial \xi^2}+\frac{\partial^2u}{\partial\eta^2}+\frac{1}{A_{11}}(B_1\frac{\partial u}{\partial \xi}+B_2\frac{\partial u}{\partial \eta}+Cu)=0 ∂ξ2∂2u​+∂η2∂2u​+A11​1​(B1​∂ξ∂u​+B2​∂η∂u​+Cu)=0
称方程为椭圆型方程的标准型。

一维波动方程、热传导方程和二维调和方程正式三类方程的最简单的标准性。

例1:求方程
x2∂2u∂x2−2xy∂2u∂x∂y+y2∂2u∂y2+x∂u∂x+y∂u∂y=0x^2\frac{\partial^2 u}{\partial x^2}-2xy\frac{\partial^2 u}{\partial x\partial y}+y^2\frac{\partial^2u}{\partial y^2}+x\frac{\partial u}{\partial x}+y\frac{\partial u}{\partial y}=0 x2∂x2∂2u​−2xy∂x∂y∂2u​+y2∂y2∂2u​+x∂x∂u​+y∂y∂u​=0
的通解。

:Δ=(xy)2−x2y2=0\Delta=(xy)^2-x^2y^2=0Δ=(xy)2−x2y2=0,方程为抛物型,特征方程
x2(dy)2+2xydxdy+y2(dx)2=(xdy+ydx)2=0x^2(dy)^2+2xydxdy+y^2(dx)^2=(xdy+ydx)^2=0 x2(dy)2+2xydxdy+y2(dx)2=(xdy+ydx)2=0

ydx+xdy=0ydx+xdy=0 ydx+xdy=0
积分得一族特征线
xy=cxy=c xy=c
作变量代换
ξ=xy,η=y\xi=xy,\quad \eta=y ξ=xy,η=y
可把方程变为
ηuηη+uη=0\eta u_{\eta\eta}+u\eta=0 ηuηη​+uη=0
令v=uηv=u_\etav=uη​,得
ηvη+v=0\eta v_\eta+ v=0 ηvη​+v=0
解之得
uη=v=φ(ξ)η−1u_{\eta}=v=\varphi(\xi)\eta^{-1} uη​=v=φ(ξ)η−1
所以
u=φ(ξ)ln∣η∣+ψ(ξ)=φ(xy)ln∣y∣+ψ(x,y),y≠0u=\varphi(\xi)ln|\eta|+\psi(\xi)=\varphi(xy)ln|y|+\psi(x,y),\quad y\neq 0 u=φ(ξ)ln∣η∣+ψ(ξ)=φ(xy)ln∣y∣+ψ(x,y),y​=0
其中,φ,ψ\varphi,\psiφ,ψ是任意二次可微函数。

二阶线性偏微分方程的分类和标准式 | 椭圆型、抛物线形、双曲线型 | 偏微分方程(十一)相关推荐

  1. 数理方程:二阶线性偏微分方程的分类和标准式

    更新:9 APR 2016 ========方法======== 对于任意的二元二阶齐次线性偏微分方程, \(a_{11}\dfrac{\partial^2u}{\partial x^2}+2a_{1 ...

  2. 特征方程求数列的通项公式(二阶线性递推式)

    特征方程求数列的通项公式(二阶线性递推式) 已知数列{an}\{a_n\}{an​}满足fn=afn−1+bfn−2,a,b∈N,b≠0,n>2,f1=c1,f2=c2,(c1,c2f_n=af ...

  3. 二阶边值问题的数值解matlab,二阶线性微分方程边值问题的MATLAB求解

    2012 年 3 月第 26 卷 第 1 期 阴 山 学 刊 YINSHAN ACADEMIC JOURNAL Mar. 2012 Vo1. 26 No. 1 二阶线性微分方程边值问题的 MATLAB ...

  4. matlab编辑二阶线性系统,基于MATLAB的二阶线性系统分析与仿真

    第26卷第5期 河池学院学报 Vol .26No .52006年10月 JOURNAL OF HECH IUN I V ERSI TY Oct .2006基于MAT LAB 的二阶线性系统分析与仿真 ...

  5. 高数_第5章常微分方程_二阶线性微分方程解的结构

    二阶线性微分方程的一般形式是 y''  + p(x)y' + q(x)y = f(x)                 --------  (1) 这里所谓的线性是指未知函数 y 及其 一阶导y',  ...

  6. 二阶线性微分器的实现

    二阶线性微分器的实现 1. 经典微分器 y = (v(t)- v(t - T))/T在间隔时间 T很小时,对噪声有放大作用,实际无法应用到任务中. 2. 二阶线性微分器 3. C程序验证 #inclu ...

  7. (10/300)二阶线性微分方程的解的性质和结构(二)

    先占个坑,明天来填....明天能有时间吗????但是我把写博客这个事情必须坚持下去,等闲下来的时候一定要留几篇存稿. +++++++++++++++++++2020年3月20日08点27分++++++ ...

  8. 微分方程一维抛物热传导方程向前向后欧拉C-N格式二阶BDF格式MATLAB源码 显式欧拉,隐式欧拉,梯形公式,改进欧拉

    微分方程一维抛物热传导方程向前向后欧拉C-N格式二阶BDF格式MATLAB源码 显式欧拉,隐式欧拉,梯形公式,改进欧拉 五点差分,九点差分 差分格式,紧差分格式 直拍,只有pdf版方法说明 word版 ...

  9. 线性链表java实现_线性表的Java实现--链式存储(双向链表)

    线性表的Java实现--链式存储(双向链表) 有了单向链表的基础,双向链表的实现就容易多了. ? 双向链表的一般情况: ? ? class="decoded" alt=" ...

最新文章

  1. 《iPhone开发基础教程》第13章 我在哪里?使用Core Location定位功能
  2. 兄弟,用大白话给你讲小白都能看懂的分布式系统容错架构
  3. 五分钟教会你函数式编程与闭包
  4. 微信小程序之圆形进度条(自定义组件)
  5. python生成验证码
  6. 控制显示隐藏_iOS13隐藏了5个超实用新功能:让iPhone的使用体验更好
  7. [Database] 数据库范式理论
  8. php怎么调用css格式化,css文件格式化脚本的方法
  9. HDU Problem - 5971 Wrestling Match(染色)
  10. 2014年最具人气国外WORDPRESS主题
  11. 如何在VS和CB中配置MySQL环境
  12. shardingsphere 分片策略_ShardingSphere系列(二) 分片策略
  13. vue+element-ui 实现table单元格点击编辑,并且按上下左右键单元格之间切换
  14. Pywinauto在Windows Twain Driver自动化测试中的应用研究
  15. python继承方式是基于原型吗_【Python】python 普通继承方式和super继承方式
  16. 大众点评 mtgisg分析
  17. 万字长文,小学弟熬夜肝了这份腾讯面试攻略
  18. 资产配置那些事-常用理财工具1
  19. html中引入CSS样式表的3种方式
  20. 中国动漫产业落后的症结

热门文章

  1. html5验证电子邮件地址,大家都知道如何吗?
  2. 【微电网优化】基于matlab粒子群算法求解微网经济调度和环境友好调度优化问题【含Matlab源码 2283期】
  3. Connection to tcp://39.96.3.215:1935 failed: Error number -138 occurred
  4. 宽依赖和窄依赖深度剖析
  5. iOS获取图片的区域主色
  6. 2022中国智慧农业领域最具商业合作价值企业盘点
  7. ajax 表单提交传文件,Ajax提交Form表单及文件上传
  8. 促销活动表结果的学习探讨
  9. 树形结构(Python)
  10. 微信小程序实现点击生成随机验证码功能