ComputerInBook

Fourier分析导论——第3章——Fourier级数的收敛性(E.M. Stein & R. Shakarchi)

第 3 章 Fourier级数的收敛性(Convergence of Fourier Series)

The sine and cosine series, by which one can represent

an arbitrary function in a given interval, enjoy

among other remarkable properties that of being convergent.

This property did not escape the great geometer (Fourier)

who began, through the introduction

of the representation of functions just mentioned,

a new career for the applications of analysis; it was

stated in the Memoir which contains his first research

on heat. But no one so far, to my knowledge, gave a

general proof of it…

(正弦和余弦，凭其可以表示任意已知区间上的函数,在其诸多属性中，除其它显著特性之外，还可享有其收敛性。这个属性并没有逃过伟大的几何学家(Fourier)，他通过引入正弦和余弦的函数表示，开启了分析应用的新事业；这在回忆录中有所陈述，其中包括他对热的首次研究。但据我所知，到目前为止，还没有人给出它的通用证明……)

----------------------------------------------------------------------- G. Dirichlet [di:rikléi], 1829

在这一章中，我们继续我们的Fourier级数收敛性问题的研究。我们从两个不同的角度来处理这个问题。

第一个是从“全局的(global)”角度，关注整个闭区间[0,2π]上的函数 f 的所有行为。我们想到的结论是“均方收敛(mean-square convergence)”：假如函数 f 在圆周上可积，则当 $N \rightarrow \infty$ 时，有

$\displaystyle \frac{1}{2\pi} \int_{0}^{2\pi}\left | f(\theta-S_{N}(f)(\theta))^{2} \right | d\theta \rightarrow 0$ 。

这个结论的核心是“正交性(orthogonality)(译注：直角的，与垂直有关的)”的基本概念；这个概念基于两个量描述——具有内积的向量空间，以及与其相关的无限维变体Hilbert空间。一个关联结论是 Parseval[pázeifa:l]恒等式——其建立了函数的均方(mean-square)“范数(norm)”(译注：又称“范”或“模”)与其对应的Fourier系数范数之间的等式关系。正交性是一个基础的数学概念，它在分析学中有许多的应用。

第二个是从“局部有(local)”角度，关注的是函数 f 在某个已知的邻近点的行为。我们考虑的主要问题是逐点收敛问题：对于一个已知的 θ , f 的Fourier 级数收敛于 f (θ) 吗？我们首先证明，只要 f 在 θ 可微的时候，这个收敛性确实成立。作为一个推论，我们获得了Riemann[rí:ma:n]局部化原理，它表明， $S_{N}(f)(\theta)$ 是否完全收敛于 f (θ) 取决于在一个关于 θ 的任意小的区间上 f 的行为。这是一个著名的结论，因为函数 f 的Fourier系数(当然，还有Fourier级数)取决于 f 在整个闭区间[0,2π]上的取值。

1. Fourier级数的均方收敛(Mean-square convergence of Fourier series)

本节的目标就是证明下面的定理。

定理1.1 假如 f 在圆周上可积，则当 $N \rightarrow \infty$ 时，

$\displaystyle \frac{1}{2\pi} \int_{0}^{2\pi}\left | f(\theta-S_{N}(f)(\theta))^{2} \right | d\theta \rightarrow 0$ 。

正如我们前面所标识的那样，其涉及的关键概念是正交性。在一个向量空间中，正交性的正确设置是配置内积。

1.1. 向量空间和内积

向量空间的预备知识

一个实数域 ℝ (译注：R的双线写法)上的向量空间 V 是一个集合，其元素可以“被加”在一起，且可以按标量(scalars)“被乘”。更确切地说，我们可以将任意 X,Y ∈ V 的元素对，与集合V中一个称为它们和的元素关联起来，并将其和用 X + Y 表示。我们要求这个加法遵守通用的算术法则，例如，交换律 X + Y = Y + X ，以及结合律 X + (Y + Z ) = (X + Y ) + Z ，等等。此外，给定任意 X ∈ V 和实数λ ,我们赋予一个元素 λX ∈ V ，称其为 λ 与 X 的乘积。这种标量乘必须符合标准的属性，例如， $\lambda_{1}(\lambda_{2}X ) = (\lambda_{1} \lambda_{2})X$ 和 $\lambda(X + Y ) = \lambda X +\lambda Y$ 。我们可以允许用复数 ℂ (译注：C的双线写法)替换标量乘；则我们称 V 是复数域上的一个向量空间。

例如，实数 $( x_{1} , x_{2} ,..., x_{d} )$ 构成的d 元组(译注：d 个元素组成的元素组合) $\mathbb{R}^{d}$ 是一个实数域上的向量空间。其加法按元组分量方式(componentwise)定义为

$( x_{1} , x_{2} ,..., x_{d }) + ( y_{1} , y_{2} ,..., y_{d }) = (x_{1} + y_{1}, x_{2} + y_{2},..., x_{d} + y_{d} )$ ,

且与 λ∈ ℝ 的标量乘定义为：

$\lambda( x_{1} , x_{2} ,..., x_{d} ) = (\lambda x_{1},\lambda x_{2}....,\lambda x_{d} )$ 。

类似地，空间 $\mathbb{C}^{d}$ (前面例子的复数版本)是由复数 $( z_{1} , z_{2} ,..., z_{d} )$ 构成的d元组。它是一个复数域 ℂ 上定义的向量空间，其加法按元组分量方式定义为

$( z_{1} , z_{2} ,..., z_{d }) + ( w_{1} , w_{2} ,..., w_{d }) = ( z_{1} + w_{1}, z_{2} + w_{2},..., z_{d} + w_{d} )$ 。

且与 λ∈ ℂ 的标量乘定义为：

$\lambda( z_{1} , z_{2} ,..., z_{d} ) = ( \lambda z_{1} , \lambda z_{2} ,...,\lambda z_{d} )$ 。

实数域 ℝ 上的向量空间V的内积(inner product)将空间V中的任意元素对 X , Y 与一个实数关联起来，我们将这个关联的实数表示为( X , Y )。特别地，内积必须是按双变量呈对称形式( X , Y ) = (Y ，X )和线性性；即，

(αX + βY ,Z ) = α( X ，Z) + β(Y，Z )

其中， α 与 β 是实数，且 X , Y ,Z ∈ V 。此外，我们要求内积为正定义(positive-definite),即，对于所有 V 中的 X ,( X , X ) ≥ 0 。特别地，已知一个内积(. , .),我们定义 X 的范数为

$||X||=(X,X)^{1/2}$ 。

此外，如果 ||X || = 0 , 则意味着 X = 0 ，我们称内积为严格正定义。

例如，当 $X = (x_{1} , x_{2} ,..., x_{d})$ ， $Y = (y_{1} , y_{2} ,..., y_{d})$ 时，空间 $\mathbb{R}^{d}$ 用严格正定义的内积定义为

$( X , Y ) = x_{1} y_{1} + x_{2} y_{2} + ... + x_{d} y_{d }$ 。则

$||X || = ( X ,X )^{1/2} = \sqrt{x_{1}^{2}+...+x_{d}^{2}}$ ,

这就是常见的Euclid距离(Euclidean distance)。也可以使用记法|X |代替||X ||。

对于复数上的向量空间，两个元素的内积仍然是一个复数。此外，这样的内积称为Hermite[ermí:t]内积(非对称性)( 译注：Charles Hermite，法国数学家)，因为它们必须满足 $(X,Y)=\overline{(Y,X)}$ (译注：变换变量后内积的共轭)。因此，在下列两个变量中，第一个内积是线性的，第二个内积是共轭线性的：

$(\alpha X + \beta Y ,Z ) = \alpha( X ,Z ) + \beta (Y,Z )$

和

$( X ,\alpha Y + \beta Z ) = \alpha ( X ,Y ) + \beta(X ,Z )$ 。

此外，我们一定有 ( X , X ) ≥ 0 ，且定义 X 的范数为 $||X||=(X,X)^{1/2}$ ，这与前面一样。再有，假如 ||X || = 0 意味着 X = 0，则内积为严格正定义。

例如， $\mathbb{C}$ 中的两个向量 $Z = ( z_{1} , z_{2},...,z_{d} )$ 和 $W = ( w_{1} , w_{2} ,..., w_{d} )$ 的内积定义为

$(Z ,W ) = z_{1} \overline{w_1} + z_{2}\overline{w_2}+ ... + z_{d} \overline{w_3}$ 。

则，向量 Z 的范数形式由

$||Z || = ( Z ,Z )^{1/2} = \sqrt{|z_1 |^{2}+...+|z_d |^{2}}$

给出。

向量空间上内积的出现允许人们定义“正交性”的几何概念。令 V 为向量空间(建立在实数域 ℝ 或复数域 ℂ )，其具有内积(. , .) 且与范数||.|| 关联。如果两个元素 X 和 Y 的内积 (X ，Y ) = 0 ,则元素 X 和 Y 是正交的，写成 X⊥Y。从正交性的概念出来，可以推出三个重要的结论：

() Pythagoras[paiθǽgəræs]定理(Pythagorean theorem)：

假如 X 和 Y 是正交的，则 $||X+Y||^{2} = ||X||^{2} + ||Y||^{2}$ 。

() Cauchy[kouʃ í]-Schwarz[swɔ:ts]不等式:

对于任意 X , Y ∈ V，我们有

|(X ，Y )| ≤ || X || || Y || 。

() 三角不等式：

对于任意 X , Y ∈ V，我们有

||X + Y || ≤ || X || + || Y || 。

证明这三个事实非常简单。

对于(i),展开(X + Y , X + Y )并应用假设条件 (X ，Y ) = 0 即可证明。

对于(ii)，我们首先处理 || Y || = 0 这种情况，证明对所有所 X ，这意味着 (X ，Y ) = 0 。事实上，对于所有的实数 t ，我们有

$0 \leq ||X+tY||^{2} = ||X||^{2} + 2t \mathrm{Re}(X,Y )$

以及 $\mathrm{Re}(X,Y ) \neq 0$ , 假如我们取 t 为一个很大的值并且可正(或负)，则这与不等式矛盾。类似地，考虑 $||X+itY||^{2}$ , 我们求得 $\mathrm{Im}(X ,Y ) = 0$ 。

假如 || Y || ≠ 0 ,我们可以设；则 X - c Y 与 Y 正交，因此，也与 cY 正交，假如我们写成并应用Pythagoras 定理，我们得到

$||X||^{2} = ||X-cY||^{2} + ||cY||^{2} \geq |c|^{2} ||Y||^{2}$ 。

对以上不等式两侧取平方根就得到预期的结果。注意，当 X = c Y 时，在上面式子中我们恰好取得等式。

最后，对于(iii)，我们首先注意到

$||X+Y||^{2} = (X,X ) + (X,Y ) + (Y,X ) + (Y,Y )$ 。

但 $(X ,X ) = ||X||^{2}$ ， $(Y ,Y ) = ||Y||^{2}$ , 且根据 Cauchy-Schwarz不等式有

$|(X,Y ) + (Y,X )| \leq 2 || X || || Y ||$ 。

两个重要的例子

向量空间 $\mathbb{R}^{d}$ 和 $\mathbb{C}^{d}$ 是有限维向量空间。在Fourier级数的背景下，我们必须处理两个无限维向量空间，我们现在对其进行描述。

复数域 ℂ上的向量空间 $\ell^{2}{(\mathbb{Z})}$ (译注：是小写字母l的花体写法，ℤ 是Z的双线写法)是所有(双侧)无限复数序列

$(...,a_{-n},a_{-1},a_{0} ,a_{1},...,a_{n},...)$

的集合，它使得

$\displaystyle \sum_{n \in \mathbb{Z}}^{}|a_{n}|^{2} < \infty$ 。

即，这个级数是收敛的。加法是按分量方式定义的，因此是标量乘。两个向量 $A = (...,a_{-1},a_{0} ,a_{1},...)$ 和 $B = (...,b_{-1} ,b_{0} ,b_{1} ,...)$ 按绝对收敛级数定义为

$\displaystyle ( A,B ) = \sum_{n \in \mathbb{Z}}a_{n} \overline{ b_{n}}$ 。

而 A 的范数形式由

$\displaystyle || A|| = ( A,B )^{1/2} = (\sum_{n \in \mathbb{Z}}^{}|a_n|^2 )^{1/2}$

给出。

首先，我们必须验证 $\ell^{2}{(\mathbb{Z})}$ 是向量空间。这就要求，如果 A 和 B是 $\ell^{2}{(\mathbb{Z})}$ 上的两个元素，则向量 A + B 也是其中的元素。为了理解这一点，对于每一个 N > 0 ,我们令

$A_{N} = (...,0,0,a_{-N} ,...,a_{-1},a_{0} ,a_{1},... a_{N},0,0,...)$ 表示截断的元素, 其中，对于 $| A + B | \leq || A || + || B ||$ 任意|n|> N ，我们设 $a_{n}=0$ 。我们以类似的方式定义截断元素 $A_{N}$ 。则，根据在有限维Euclid[júklid]空间中成立的三角不等式，我们有

$||A_{N} + B_{N}|| \leq ||A_{N}|| + ||B_{N}|| \leq || A || + || B ||$ 。

则

$\displaystyle \sum_{|n| \leq N}| a_n + b_n |^{2} \leq ( || A ||+|| B || )^{2}$ ，

令 N 趋近无穷大，得到 $\displaystyle \sum_{|n| \leq N}| a_n + b_n |^{2} \leq \infty$ 。也可推断出， $| A + B | \leq || A || + || B ||$ ，这就是三角不等式。Cauchy-Schwarz 不等式指出， $\sum_{n \in \mathbb{Z}}a_{n} \overline{ b_{n}}$ 绝对收敛且 $| A + B | \leq || A || + || B ||$ 也可以按同样的方式从其有限类比推断出。

在这三个向量空间的例子 $\mathbb{R}^{d}$ , $\mathbb{C}^{d}$ 和 $\ell^{2}{(\mathbb{Z})}$ 中，它们的内积和范数符合两个重要属性：

() 内积严格正定义，即，意味着。

() 向量空间是完备的(completion)，根据定义，指的是每一个 Cauchy序列按范数形式收敛于向量空间中的一个极限值。

具有以上两个属性的内积空间称为Hilbert[hílbət]空间。

我们现在给一个条件(i)和(ii)都不成立的准Hilbert空间的例子。

例子2。

令 ℛ (译注：ℛ 为字母R的修饰字体写法，LaTex语法为\mathcal(R),Word中的字体为Cambria Math，Unicode码为U+0211B(ALT+X快捷键转换))表示闭区间[0,2π]上(或等价地，圆周上的可积函数)复值Riemann可积函数族。这是一个复数域 ℂ 上的向量空间，加法逐点定义为

$(f + g )(\theta) = ( f )(\theta) + ( g )(\theta)$ 。

自然地，与标量λ∈ℂ 的乘法定义为

$( \lambda f )(\theta) = \lambda \cdot( f )(\theta)$ 。

向量空间上的内积定义为

(1) $\displaystyle(f , g ) = \frac{1}{2\pi} \int_{0}^{2\pi} f(\theta)\overline{g(\theta) }d\theta$ 。

则 f 的范数定义为

$\displaystyle ||f||== \left (\frac{1}{2\pi} \int_{0}^{2\pi}|f(\theta)|^{2}d\theta \right ) ^{1/2}$ 。

首先，我们观察到，对于任意两个实数A 和 B，有 $2 A B \leq A^{2} + B^{2}$ , 假如我们令 $A = \lambda^{1/2}| f (\theta)|$ 和 $B = \lambda^{1/2}| g (\theta)|$ 且有 λ > 0 ，我们得到

$\displaystyle |f(\theta) \overline{g(\theta)}| \leq \frac{1}{2}(\lambda |f(\theta)|^{2} + \lambda^{-1}| g(\theta)|^{2} )$ 。

则当我们对这个不等式按θ 积分时得到

$\displaystyle |(f ,g )| \leq \displaystyle \frac{1}{2\pi} \int_{0}^{2\pi} f(\theta) \overline{g(\theta)}d\theta \leq \frac{1}{2}(\lambda ||f||^{2} + \lambda^{-1}|| g||^{2} )$ 。

则，代入 $\lambda= || g ||/|| f ||$ 便得到Cauchy-Schwarz不等式。则，正如我们前面所见一样，三角不等式只是一个简单的结果。当然，我们选取λ时我们必须假设 || f || ≠ 0 且 || g || ≠ 0 ，这又会把我们引入下面的观察。

在 ℛ 中，条件(i)对于Hilbert空间不成立，因此|| f || = 0 仅意味着 f 在其连续点消失。这不是一个很严重的问题，因为在附录中，我们证明可积函数是连续的(除了“微不足道(negligible)”的集合之外)，因此|| f || = 0 就意味着 f 除了在某些“0测度”集合之外是消失的。实际上，人们可以通过采用0函数这样的约定来绕过 f 不等于0有困难，因为为了积分的目的，f 表现得正好像0函数。

更本质的困难在于ℛ 是不完备的。理解这一点的一种方式是从函数

$\displaystyle \left\{ \begin{array}{l} 0( \theta = 0) \vspace{0.2cm}\\ \log(\frac{1}{\theta})(0 < \theta \leq 2\pi) \end{array}\right.$

出发。因为是 f 无界的，所以，它不属于空间 ℛ 。由截断序列 $f_{n}$ 定义的序列

$\displaystyle f_{n}(\theta) \left\{ \begin{array}{l} 0 (0 \leq \theta \leq \frac{1}{n}) \vspace{0.2cm} \\ f({\theta})(\frac{1}{n} < \theta \leq 2\pi) \end{array}\right.$

可以很容易地看成构成空间ℛ 中的一个Cauchy序列(见练习5)。然而，这个序列不收敛于空间ℛ 中的一个元素，因为极限一定会是 f (如果存在的话)；另一个例子，见练习7。

这个以及更复杂的例子激发了对 ℛ的完备性的探索，这类函数是闭区间[0,2π]上Riemann可积函数。这种完备性的构造和识别——Lebesgue函数类 $L^{2}$ ( [0,2π] ) ,代表着分析学上的一个重要转折点(有点类似于前面提到的比率函数的完备性，即，从 ℚ 到 ℝ 的通道 )。这些基础概念的详细讨论将推后到第III册书，届时我们将以Lebesgue积分理论开始。

现在，我们转向定理1.1的证明。

1.2. 均方收敛的证明(Proof of mean-square convergence)

考虑圆周上具有内积

$\displaystyle (f,g) = \frac{1}{2\pi} \int_{0}^{2\pi}f(\theta)\overline{g}(\theta)d\theta$

的可积函数空间 ℛ 以及由

$\displaystyle ||f||^{2}=(f,f) =\frac{1}{2\pi} \int_{0}^{2\pi}|f(\theta)|^{2}d\theta$

定义的范式。要使用这种记法，我们必需证明当 $N \rightarrow \infty$ 时， $|| f - f_{N}(f )|| \rightarrow 0$ 。对于每一个整数 n，令 $e_{n}(\theta)=e^{i\theta}$ , 并注意到族 $\displaystyle \{e_{n} \}_{n \in \mathbb{Z}}$ 是规范正交的(orthonormal)；即，

$\displaystyle (e_{n},e_{m}) = \left \{ \begin{array}{l} 1(m=n) \\ 0(m \neq n) \end{array} \right.$ 。

令 f 为单位圆周上的可积函数，并令 $a_{n}$ 表示Fourier系数。一个重要的观察是，这些Fourier系数是通过 f 与正交集 $\displaystyle \{e_{n} \}_{n \in \mathbb{Z}}$ 中的元素构成的内积表示的：

$\displaystyle (f,e_{n})=\frac{1}{2\pi} \int_{0}^{2\pi}f(\theta)e^{-in\theta}d\theta=a_{n}$ 。

特别地， $\displaystyle S_{N}( f ) = \sum_{|n| \leq {N}}a_{n} e_{n}$ 。则族 $e_{n}$ 的规范正交属性与 $a_{n} = (f,e_{n} )$ 这个事实意味着对于所有 $| n | \leq N$ ， $\displaystyle f-\sum_{|n| \leq {N}}a_{n} e_{n}$ 之差与 $e_{n}$ 是正交的。因此，对于任意复数 $b_{n}$ ,我们一定有

(2) $\displaystyle \left (f-\sum_{|n| \leq {N}}a_{n} e_{n} \right ) \perp \sum_{|n| \leq {N}}b_{n} e_{n}$ 。

从这个事实，我们总结出两个结论。

第一，我们可以应用Pythagoras定理于下列分解式

$\displaystyle f= f-\sum_{|n| \leq {N}}a_{n} e_{n} + \sum_{|n| \leq {N}}a_{n} e_{n}$ ，

其中，我们现在选择 $b_{n}=a_{n}$ (译注：即以上式子(2)中的任序 $b_{n}$ ),我们得到

$\displaystyle \left \| f \right \|^{2}= \left \| f-\sum_{|n| \leq {N}}a_{n} e_{n} f \right \| ^{2}+ \left \| \sum_{|n| \leq {N}}a_{n} e_{n} \right \|^{2}$

因为族 $\displaystyle \{e_{n} \}_{n \in \mathbb{Z}}$ 具有规范正交性意味着

$\displaystyle \left \| \sum_{|n| \leq {N}}^{}a_{n} e_{n} \right \|^{2}= \sum_{|n| \leq {N}}^{}\left \|a_{n}\right \|^{2}$ ，

我们推断出

(3) $\displaystyle \left \|f \right \|^{2} = \left \|f - S_{N} ( f )\right \|^{2} + \sum_{|n| \leq {N}}^{}\left \|a_{n}\right \|^{2}$ 。

第二，从(2)中我们可以总结出下面的简单引理。

引理1.2 (最优逼近)(Best approximation) 假如f 是圆周上具有Fourier系数 $a_{n}$ 的可积函数，则对于任间复数 $c_{n}$ ,有

$\displaystyle \left | f - S_{N} ( f ) \right | \leq \left \| f - \sum_{|n| \leq N}^{}c_{n}e_{n} \right \|$ ，

此外，对于所有的 $| n |\leq N$ , 仅当 $c_{n}=a_{n}$ 时，等号成立。

证明：

应用 Pythagoras 定理可立即推出下列等式

$\displaystyle f - \sum_{|n| \leq N}^{}c_{n}e_{n} = f - S_{N} ( f )+\sum_{|n| \leq N}^{}b_{n}e_{n}$ ，

其中， $b_{n}=a_{n}-c_{n}$ 。

这个引理有一个清晰的几何解释。它指的是在范式||.||中最接近 f 的至多N次三角多项式是部分和 $S_{N}(f)$ 。这个部分和的几何属性如图1所描述，其中 f 在序列 $\left \{ e_{-N} ,..., e_{0} , ..., e_{n} \right \}$ 所跨越的平面上的正交投影正好是 $S_{N}(f)$ 。

----------------------------------------------------------图1 最优逼近引理----------------------------------------------

使用最优逼近引理，我们现在可以给出 $\displaystyle \left | S_N(f)-f \right | \rightarrow 0$ 的证明，以及证明重要事实——三角多项式在圆周上的连续函数空间中是稠密的(dense)。

假如 f 在圆周上是连续的。则，给定 ε > 0 , 存在(根据第二章推论5.4)一个三角多项式 P，假如其次数为 M ，使得，对于所有的θ，有

$| f(\theta)- P(\theta)| < \epsilon$ 。

特别地，取平方并对这个不等式积分就产生 $|| f - P|| < \epsilon$ ，应用最优逼近引理我们推断出，只要 N ≥ M ，就有

$|| f - S_{N} ( f )|| <\epsilon$ 。

当 f 是连续的时候，这就证明了定理1.1。

假如f 仅可积，我们不能用三角多项式一致地逼近 f 。反之，我们应用第二章中的逼近引理3.2 并选择一个圆周上的连续函数 g 并满足

$\displaystyle \left | \sup_{\theta \in [0,2\pi]}g({\theta}) \right | \leq \left | \sup_{\theta \in [0,2\pi]}f({\theta}) \right |=B$

以及

$\displaystyle \int_{0}^{2\pi} \left | f(\theta)-g(\theta) \right |d\theta < \epsilon^{2}$ 。

则，我们得到

$\displaystyle \left \| f-g \right \|^{2} \\=\frac{1}{2\pi} \int_{0}^{2\pi} \left | f(\theta)-g(\theta) \right |^{2}d\theta \\ =\frac{1}{2\pi} \int_{0}^{2\pi} \left | f(\theta)-g(\theta) \right | \left | f(\theta)-g(\theta) \right | d\theta \\ \leq \frac{2B}{2\pi}\int_{0}^{2\pi} \left | f(\theta)-g(\theta) \right |d\theta \\ \leq C\epsilon^{2}$ 。

现在，我们可以使用三角多项式 P 逼近函数 g，使得 $| g - P | < \epsilon$ 。则 $|| f - P|| < C^{'}\epsilon$ ，且我们可以再一次应用最优逼近引理推断。这就完成了证明命题—— f 的Fourier级数的部分和按均方范式||.|| 收敛于 f 。

注意，这个结论以及关系式(3)意味着，假如 $a_{n}$ 是可积函数 f 的第 n 项Fourier系数，则级数 $\displaystyle \sum_{n=-\infty}^{\infty}\left |a_{n} \right |^{2}$ 收敛，且，事实上，我们有 Parseval[pá:zeifa:l] 恒等式

$\displaystyle \sum_{n=-\infty}^{\infty}\left |a_{n} \right |^{2}=\left \| f \right \|^{2}$ 。

这个恒等式建立了两个向量空间 $\ell^{2}(\mathbb{Z})$ 和 ℛ 中范式之间的重要联系。

我们现在总结一下一节的结论。

定理1.3 令 f 为圆周上具有 $\displaystyle f \sim \sum_{n=-\infty}^{\infty}a_{n} e^{in\theta}$ 的可积函数，则我们有：

() Fourier级数均方收敛，即，当 $N \rightarrow \infty$ 时，

$\displaystyle \frac{1}{2\pi} \int_{0}^{2\pi}\left | f(\theta)-f_{N}(f)(\theta) \right | ^{2}d\theta \rightarrow 0$ 。

() Parseval恒等式，即

$\displaystyle \sum_{n=-\infty}^{\infty}\left |a_{n} \right |^{2}= \frac{1}{2\pi} \int_{0}^{2\pi}\left | f(\theta) \right | ^{2}d\theta$ 。

评注1 ：

假如 $\{e_{n} \}$ 是圆周上函数的任意规范正交族，且 $a_{n} = ( f , e_{n} )$ , 则从关系(3) 我们可以推断出

$\displaystyle \sum_{n=-\infty}^{\infty}\left |a_{n} \right |^{2} \leq \left \| f \right \| ^{2}$ 。

这称为Bessel[bésəl]不等式。仅当族 $\{e_{n} \}$ 恰好也是一个“基(basis)”的时候等号成立(与Parseval不等式一样)，即，在此意义上——当 $N \rightarrow \infty$ 时， $\displaystyle \left \| \sum_{|n| \leq N}^{}b_{n}e_{n}-f \right \| \longrightarrow 0$ 。

评注2 ：

我们可以将每一个可积函数与其Fourier系数构成的序列 $\{a_{n} \}$ 关联起来。Parseval恒等式确保了 $\{a_{n} \} \in \ell^{2} ({\mathbb{Z}})$ 。因为 $\ell^{2} ({\mathbb{Z}})$ 是Hilbert空间，前面讨论的 ℛ 不具完备性可以这样理解：存在一个序列 $\{a_{n} \}_{n \in \mathbb{Z}}^{}$ ，使得 $\displaystyle \sum_{n \in \mathbb{Z}}|a_{n}|^{2}< \infty$ ，然而，不存在这样的Riemann可积函数F——对于所有的n , 其第 n 项Fourier系数等于 $a_{n}$ 。习题6中给出了这样的例子。

由于收敛级数的项趋近于0，我们从Parseval恒等式或Bessel不等式推断出随后的结论。

定理1.4 (Riemann-Lebesgue引理) 假如 f 是圆周上的可积函数，则当 $|n| \rightarrow \infty$ 时， $\hat{f}(n) \rightarrow 0$ 。

这个命题的一个等价重述是，假如 f 在 [0,2π ]上可积，则，当 $N \rightarrow \infty$ 时，

$\displaystyle \int_{0}^{2\pi}f(\theta)\sin(N\theta)d\theta \rightarrow 0$

且

$\displaystyle \int_{0}^{2\pi}f(\theta)\cos(N\theta)d\theta \rightarrow 0$ 。

为了对本节做总结，我们给出Parseval恒等式的更多通用版本，这些恒等式我们在下一章将会用到。

引理1.5 假如 F 和 G为圆周上的可积函数，且其分别有Fourier级数

$F \sim \sum_{}^{}a_{n} e^{in\theta}$ 和 $G \sim \sum_{}^{}b_{n} e^{in\theta}$ 。

则

$\displaystyle \frac{1}{2\pi} \int_{0}^{2\pi}F(\theta)\overline{G(\theta)}d\theta= \sum_{n=-\infty}^{\infty}a_{n}\overline{b_{n}}$ 。

回顾在例子1中的讨论可知，级数 $\displaystyle \sum_{n=-\infty}^{\infty}a_{n}\overline{b_{n}}$ 绝对收敛。

证明：

证明可从Parseval恒等式以及事实

$\displaystyle (F,G) = \frac{1}{4} \left [ \left \|F +G \right \|^{2}-\left \|F -G \right \|^{2}+i \left ( \left \|F +iG \right \|^{2}-\left \|F -iG \right \|^{2} \right ) \right]$

推断出，以上两者在每一个 Hermite内积空间中都成立。这个事实的验证留给读者去完成。

2. 回到逐点收敛

均方收敛定理并不能更进一步地深入洞悉逐点收敛问题。事实上，定理1.1并不能确保对于任意θ Fourier级数都收敛。练习3有助于解释这种现象。然而，假如一个函数在某一点 $\theta_{0}$ 可微，则其Fourier级数在 $\theta_{0}$ 点处收敛。在证明了这个结论之后，我们给出一个在某一点具有发散Fourier级数的连续函数的例子。这些现象表明了Fourier级数理论中逐点收敛问题的复杂性(intricate)。

2.1. 一个关于局部化结论

定理 2.1 令 f 为圆周上的可积函数，且在 $\theta_{0}$ 点处可微。则当 N 趋近于无穷大时， $S_{N} ( f ) \rightarrow f (\theta_{0})$ 。

证明：

定义

$\displaystyle F(t)=\left \{ \begin{array}{l} \frac{f(\theta_{0}-t)-f(\theta_{0})}{t}(t \neq 0 , |t|< \pi) \\ -f^{'}(\theta_{0})(t=0) \end{array} \right.$ 。

首先，F 在0 附近有界，因为其在 0 附近可微。其次，对于任意小的 δ ，函数 F 在区间 $[-\pi,-\delta ]\cup[\delta,\pi]$ 上是可积的，因为 F 可积并且 |t | > δ 。根据附录中命题1.4的结论，函数 F 在整个闭区间 [-π,π]上是可积的。我们知道， $S_{N} ( f )(\theta_{0}) = (f * D_{N})(\theta_{0})$ , 其中 $D_{N}$ 是 Dirichlet核。因为 $\displaystyle \frac{1}{2\pi} \int_{}^{}D_{N}=1$ , 我们求得

$\displaystyle S_{N} ( f ) - f (\theta_{0}) \\ =\frac{1}{2\pi} \int_{-\pi}^{\pi}f(\theta_{0}-t)D_{N}(t)dt-f(\theta_{0}) \\ =\frac{1}{2\pi} \int_{-\pi}^{\pi} \left | f(\theta_{0}-t)-f(\theta_{0}) \right |D_{N}(t)dt \\ =\frac{1}{2\pi} \int_{-\pi}^{\pi}F(t)tD_{N}(t)dt$ 。

我们回顾

$\displaystyle tD_{N}(t)=\frac{t}{\sin(t/2)}\sin \left [(N+\frac{1}{2})t \right ]$ ，

其中，系数(quotient)函数在闭区间[-π,π]上是连续的。因为我们可以写成

$\displaystyle \sin \left [(N+\frac{1}{2})t \right ]=\sin(Nt)\cos(\frac{t}{2})+\cos(Nt)\sin(\frac{t}{2})$ ，

我们应用 Riemann-Lebesgue 引理到Riemann可积函数 $\displaystyle F(t)t\cos(\frac{t}{2})/\sin(\frac{t}{2})$ 和以完成定理的证明。

注意到，假如我们仅假设 f 在 $\theta_{0}$ 点满足一个 Lipschitz[lípʃits]条件(译注：Lipschitz是德国数学家)，则定理所述的结论仍然成立；即，

$\displaystyle | f (\theta) - f ((\theta_0)| \leq M| (\theta - \theta_{0}|$

对于某些 M ≥ 0 和所有 θ 成立。这种说法与称 f 满足一个阶次 α = 1 Hölder[hə:ldə]条件等价。

这个定理的一个显著结果是Riemann局部化原理(the localization principle of Riemann)。这个结论指出， $S_{N} ( f )(\theta_{0})$ 的收敛性仅取决于 f 在 $\theta_{0}$ 附近的行为。最初，这并不明确，因为构成Fourier级数要求对 f 在整个圆周上积分。

定理2.2 假设 和 是定义在圆周上的两个可积函数，且对于某个 $\theta_{0}$ ，存在一个包括 $\theta_{0}$ 的开区间 , 使得对于所有 $\theta \in I$ ，有

$f (\theta) = g(\theta)$ 。

则当 趋近于无穷大时， $S_{N }( f )(\theta_{0}) - S_N ( g )(\theta_{0}) \rightarrow 0$ 。

证明：

在中，是0 ，因此它在 $\theta_{0}$ 点是可微的，且我们可以应用前面的定理来推断这个证明。

2.2. 一个具有发散Fourier级数的连续函数

现在我们将注意力转向一个连续周期函数的例子，它的Fourier级数在某一点发散。因此，如果可微性的假设被弱化的连续性的假设所取代(译注：可微性更严格，可微一定连续，但连续不一定可微)，则定理 2.1 将不成立。我们的反例(counter-example)表明，这个看似合理的(plausible)假设(hypothesis)(译注：指函数在积分区间上连续的这个弱化的假设)实际上是错误的；此外，它的构建也阐明了该理论的一个重要原则。

这里涉及的原理称为“打破对称(symmetry-breaking)”(注：我们从物理学借用这个术语，在物理中它用在一个完全不同的背景下)。我们想到的对称是出现在函数的Fourier展开式中的频率 $e^{in\theta}$ 和 $e^{-in\theta}$ 之间的对称。例如，部分和算子(partial sum operator)以反映这种对称的方式定义。此外，Dirichlet核，Fejèr核和 Poisson核都是这种意义上的对称性。打我们打破这种对称性时，即，当我们将Fourier级数 $\displaystyle \sum_{n=-\infty}^{\infty}a_{n}e^{in\theta}$ 拆分成 $\displaystyle \sum_{n \geq 0}^{\infty}a_{n}e^{in\theta}$ 和 $\displaystyle \sum_{n<0}^{\infty}a_{n}e^{in\theta}$ 两个部分时，我们就引入新的且影响深远的现象。

我们给一个简单的例子。我们以齿状函数 f 开始，其按 θ 为自变量为奇函数，且当 $0 < \theta < \pi$ 时， $f = i (\pi-\theta )$ 。则，根据第2章练习8 ，我们知道

(4) $f(\theta) \sim \displaystyle \sum_{n \neq 0}^{}\frac{e^{in\theta}}{n}$ 。

现在，我们考虑打破对称性的结果，打破对称导致的级数为

$\displaystyle \sum_{n=-\infty}^{n=-1}a_{n}e^{in\theta}$ 。

则，不同于(4) , 以上的级数不再是Riemann可积函数的Fourier级数。事实上，假如它是Riemann可积函数的Fourier级数，比如为 $\tilde{f}$ ,特别地，其中的 $\tilde{f}$ 有界。使用Abel均值，则，我们有

$\displaystyle \left | A_{r}(\tilde{f})(0) \right |=\sum_{n=1}^{\infty}\frac{r^{n}}{n}$ ，

当 r 趋近于1 时，其趋近于无穷大，因为此时 $\sum \frac{1}{n}$ 发散。这就得出了预期的矛盾。因为

$\displaystyle \left | A_{r}(\tilde{f})(0) \right | \leq \frac{1}{2\pi} \int_{-\pi}^{\pi}|\tilde{f}(\theta)|P_{r}(\theta)d\theta \leq \sup_{\theta}|\tilde{f}(\theta)|$ ,

其中， $P_{r}(\theta)$ 表示前面章节讨论的Poisson核。

齿状波函数是我们用来塑造(fashion)反例的对象。我们按随后的方式进行。对于每一个 N ≥ 1, 我们在闭区间 [-π,π]上定义如下两个函数，

$\displaystyle f_{N}(\theta)=\sum_{0 \leq |n| \leq N}^{}\frac{e^{in\theta}}{n}$ 和 $\displaystyle \tilde{f}_{N}(\theta)=\sum_{-N \leq n \leq -1}^{}\frac{e^{in\theta}}{n}$ 。

我们主张(contend)两点：

() $|\tilde{f}_{N}(\theta)| \geq c\log N$ 。

() $f_{N}(\theta)$ 按 N 和 θ 一致有界。

第一种表述是事实 $\displaystyle \sum_{n=1}^{N}\frac{1}{n} \geq \log N$ 的结果，这很容易建立(另见图2)：

$\displaystyle \sum_{n=1}^{N}\frac{1}{n} \geq \sum_{n=1}^{N-1}\int_{n}^{n+1}\frac{dx}{x}=\int_{1}^{N}\frac{dx}{x}=\log N$ 。

为了证明(ii), 我们按照与证明Tauber[táubə]定理一样的思路去论证，这种思想指的是，假如级数 $\sum c_{n}$ 是Abel可积于 s 且 $s=O(\frac{1}{n})$ ，则实际上 $\sum c_{n}$ 收敛于s (见第2章练习14)。实际上，Tauber定理的证明非常类似下面的引理。

引理2.3 假如级数 $\displaystyle \sum_{n=1}^{\infty}r^{n}c_{n}$ 当 趋近于 1 () 时是有界的。

假如 $c_{n}=O(\frac{1}{n})$ , 则部分和 $\displaystyle S_{N}=\sum_{n=1}^{N}c_{n}$ 是有界的。

---------------------------------------------------图2 比较总和与积分--------------------------------------

证明：

令 , 且选择使得 $n|c_{n}| \leq M$ 。我们估算差值

$\displaystyle S_{N} - A_{r} =\sum_{n=1}^{N}(c_{n}-r^{n}c_{n})-\sum_{n=N+1}^{\infty}r^{n}c_{n}$

为如下：

$\displaystyle |S_{N} - A_{r}| \\ \leq \sum_{n=1}^{N}|c_{n}|(1-r^{n})+\sum_{n=N+1}^{\infty}r^{n}|c_{n}| \\ \leq M \sum_{n=1}^{N}(1-r^{n})+\frac{M}{N}\sum_{n=N+1}^{\infty}r^{n} \\ \leq MN(1-r)+\frac{M}{N}\frac{1}{1-r} \\ =2M$ ，

其中，我们已经用到了简单的观察结果

$1-r^{n} = (1 - r)(1 + r + ...+ r^{n-1}) \leq n(1 - r)$ 。

因此，我们看到，假如同时满足 $|A_{r}| \leq M$ 且 $n|c_{n}| \leq M$ 两个条件，则 $|S_{N}| \leq 3M$ 。

我们应用这个引理到级数 $\displaystyle \sum_{n \neq 0}\frac{e^{in\theta}}{n}$ ，这是上面用到的齿状函数的 Fourier 级数。这里，对于 $n \neq 0$ , $\displaystyle c_{n} = \frac{e^{in\theta}}{n} + \frac{e^{-in\theta}}{-n}$ , 因此，显然 $\displaystyle c_{n} = O(\frac{1}{|n|})$ 。最后，这个级数的Abel均值是 $A_{r}(f )(\theta) = (f * P_{r})(\theta)$ 。但 f 是有界的且 $P_{r}$ 是好核。因此， $S_{N}(f )(\theta)$ 按 N 和 θ 一致有界，正如所证明的那样。

现在我们来到问题的核心。注意到，和 $\tilde{f}$ 都是 N 次的三角多项式(即，仅当 $| n |\leq N$ 时，它们有非零Fourier系数)。现在，我们据此通过用个2N 个单位分别替换掉 $f_{N}$ 和 $\widetilde{f}_{N}$ 的频率，便构成了次数分别为和的三角多项式 $P_{N}$ 和 $\widetilde{P_{N}}$ 。换句话说，我们定义 $P_{N}(\theta) = e^{i(2N)\theta} f_{N}(\theta)$ 和 $\widetilde{P_{N}}(\theta) = e^{i(2N)\theta} \widetilde{f_{N}}(\theta)$ 。因此，当 $0 < |n| \leq N$ 时， $f_{N }$ 具有非消减的Fourier系数，而现在，对 $N \leq n \leq 3N$ 且 $n \neq 2$ , $P_{N}$ 的系数是非消减的。此外，是 $f_{N}$ 的对称中心，而现在是 $P_{N}$ 的对称中心。下面我们考虑部分和 $S_{M}$ 。

引理2.4

$\displaystyle S_{N}(P_{N})=\left\{ \begin{array}{l} P_{N}(if \hspace{0.2cm}M \geq 3N) \vspace{0.2cm}\\ \widetilde{P_{N}}(if \hspace{0.2cm}M = 3N)) \vspace{0.2cm} \\ 0(if \hspace{0.2cm}M < 3N)) \end{array}\right.$ 。

从上面所述和图3很容易明了。

--------------------------------------------------引理2.4中的打破对称性------------------------------------------

这个影响在于，当时,算子 $S_{M }$ 打破了 $P_{N}$ 的对称性，但是在引理覆盖的其它情况下， $S_{M}$ 的行为相对“温和(benign)”, 因为在那些情况，输出结果要么是 $P_{N}$ 要么是0。

其次，我们必须求得正项序列 $\sum a_{k}$ 的收敛级数和递增得足够快的整数序列 $\{ N_{k} \}$ 以使得：

() $N_{k+1} \geq 3N_{k}$ ,

() 当 $k \rightarrow \infty$ 时 $\alpha_{k} \rightarrow \infty$ 。

我们选取(例如) $\alpha_{k} = 1/k^{2}$ 和 $N_{k} = 3^{2^{k}}$ ，很容易看出其满足以上的标准。

最后，我们可以写下我们期望的函数。即，

$\displaystyle f (\theta) = \sum_{k=1}^{\infty}\alpha_{k} P_{N_{k}}(\theta)$ 。

由于 $P_{N}$ 一致有界(回顾 $|P_{N}(\theta)|=| f_{N}(\theta)|$ )，上面这个级数一致收敛于某个连续周期函数。然而，根据我们上面的引理我们得到，当 $m \rightarrow \infty$ 时，

$\displaystyle |S_{2N_{m}}(f )(0)|\geq c\alpha_m \log N_{m} + O(1) \rightarrow \infty$ 。

---------------------------------------中间区间 $(N_{k},3N_{k})$ 中打破对称性------------------------------

事实上，对应于 $N_{k }$ ( 或 ) 的项分别贡献了或 0 (因为序列 $P_{N}$ 一致有界)，而对应于 $N_{m}$ 的项以绝对值形式大于 $c\alpha_{m} \log N_{m}$ ，因此 $|\widehat{P_{N}}(\theta)|= |\widehat{f_{N}}(\theta)| \geq c \log N$ 。因此，在 0 处的Fourier级数的部分和是无界的，我们完成了证明，因为这证明了在 $\theta= 0$ 处的 Fourier级数的发散性。为了产生一个其级数在任意其它预先分配的 $\theta = \theta_{0}$ 处发散的函数，只需考虑函数 $f(\theta=\theta_{0})$ 足可。

内容来源：

<> E.M. Stein & R. Shakarchi

你可能感兴趣的:(数学与应用数学,级数收敛,傅里叶级数,傅立叶级数)

斤斤计较的婚姻到底有多难？白心之岂必有为
很多人私聊我会问到在哪个人群当中斤斤计较的人最多？我都会回答他，一般婚姻出现问题的斤斤计较的人士会非常多，以我多年经验，在婚姻落的一塌糊涂的人当中，斤斤计较的人数占比在20～30%以上，也就是说10个婚姻出现问题的斤斤计较的人有2-3个有多不减。在婚姻出问题当中，有大量的心理不平衡的、尖酸刻薄的怨妇。在婚姻中仅斤斤计较有两种类型：第一种是物质上的，另一种是精神上的。在物质与精神上抠门已经严重的影响
QQ群采集助手，精准引流必备神器 2401_87347160 其他经验分享
功能概述微信群查找与筛选工具是一款专为微信用户设计的辅助工具，它通过关键词搜索功能，帮助用户快速找到相关的微信群，并提供筛选是否需要验证的群组的功能。主要功能关键词搜索：用户可以输入关键词，工具将自动查找包含该关键词的微信群。筛选功能：工具提供筛选机制，用户可以选择是否只显示需要验证或不需要验证的群组。精准引流：通过上述功能，用户可以更精准地找到目标群组，进行有效的引流操作。3.设备需求该工具可以
机器学习与深度学习间关系与区别 ℒℴѵℯ心·动ꦿ໊ོ꫞ 人工智能学习深度学习 python
一、机器学习概述定义机器学习（MachineLearning,ML）是一种通过数据驱动的方法，利用统计学和计算算法来训练模型，使计算机能够从数据中学习并自动进行预测或决策。机器学习通过分析大量数据样本，识别其中的模式和规律，从而对新的数据进行判断。其核心在于通过训练过程，让模型不断优化和提升其预测准确性。主要类型1.监督学习（SupervisedLearning）监督学习是指在训练数据集中包含输入
随笔 | 仙一般的灵气海思沧海
仙岛今天，我看了你全部，似乎已经进入你的世界我不知道，这是否是梦幻，还是你仙一般的灵气吸引了我也许每一个人都要有一份属于自己的追求，这样才能够符合人生的梦想，生活才能够充满着阳光与快乐我不知道，我为什么会这样的感叹，是在感叹自己的人生，还是感叹自己一直没有孜孜不倦的追求只感觉虚度了光阴，每天活在自己的梦中，活在一个不真实的世界是在逃避自己，还是在逃避周围的一切有时候我嘲笑自己，嘲笑自己如此的虚无，
一百九十四章. 自相矛盾巨木擎天
唉！就这么一夜，林子感觉就像过了很多天似的，先是回了阳间家里，遇到了那么多不可思议的事情儿。特别是小伙伴们，第二次与自己见面时，僵硬的表情和恐怖的气氛，让自己如坐针毡，打从心眼里难受！还有东子，他现在还好吗？有没有被人欺负？护城河里的小鱼小虾们，还都在吗？水不会真的干枯了吧？那对相亲相爱漂亮的太平鸟儿，还好吧！春天了，到了做窝、下蛋、喂养小鸟宝宝的时候了，希望它们都能够平安啊！虽然没有看见家人，也
element实现动态路由+面包屑软件技术NINI vue案例 vue.js 前端
el-breadcrumb是ElementUI组件库中的一个面包屑导航组件，它用于显示当前页面的路径，帮助用户快速理解和导航到应用的各个部分。在Vue.js项目中，如果你已经安装了ElementUI，就可以很方便地使用el-breadcrumb组件。以下是一个基本的使用示例：安装ElementUI（如果你还没有安装的话）:你可以通过npm或yarn来安装ElementUI。bash复制代码npmi
微服务下功能权限与数据权限的设计与实现 nbsaas-boot 微服务 java 架构
在微服务架构下，系统的功能权限和数据权限控制显得尤为重要。随着系统规模的扩大和微服务数量的增加，如何保证不同用户和服务之间的访问权限准确、细粒度地控制，成为设计安全策略的关键。本文将讨论如何在微服务体系中设计和实现功能权限与数据权限控制。1.功能权限与数据权限的定义功能权限：指用户或系统角色对特定功能的访问权限。通常是某个用户角色能否执行某个操作，比如查看订单、创建订单、修改用户资料等。数据权限：
理解Gunicorn：Python WSGI服务器的基石范范0825 ipython linux 运维
理解Gunicorn：PythonWSGI服务器的基石介绍Gunicorn，全称GreenUnicorn，是一个为PythonWSGI（WebServerGatewayInterface）应用设计的高效、轻量级HTTP服务器。作为PythonWeb应用部署的常用工具，Gunicorn以其高性能和易用性著称。本文将介绍Gunicorn的基本概念、安装和配置，帮助初学者快速上手。1.什么是Gunico
学点心理知识，呵护孩子健康静候花开_7090
昨天听了华中师范大学教育管理学系副教授张玲老师的《哪里才是学生心理健康的最后庇护所，超越教育与技术的思考》的讲座。今天又重新学习了一遍，收获匪浅。张玲博士也注意到了当今社会上的孩子由于心理问题导致的自残、自杀及伤害他人等恶性事件。她向我们普及了一个重要的命题，她说心理健康的一些基本命题，我们与我们通常的一些教育命题是不同的，她还举了几个例子，让我们明白我们原来以为的健康并非心理学上的健康。比如如果
《投行人生》读书笔记小蘑菇的树洞
《投行人生》----作者詹姆斯-A-朗德摩根斯坦利副主席40年的职业洞见-很短小精悍的篇幅，比较适合初入职场的新人。第一部分成功的职业生涯需要规划1.情商归为适应能力分享与协作同理心适应能力，更多的是自我意识，你有能力识别自己的情并分辨这些情绪如何影响你的思想和行为。2.对于初入职场的人的建议，细节，截止日期和数据很重要截止日期，一种有效的方法是请老板为你所有的任务进行优先级排序。和老板喝咖啡的好
Long类型前后端数据不一致 igotyback 前端
响应给前端的数据浏览器控制台中response中看到的Long类型的数据是正常的到前端数据不一致前后端数据类型不匹配是一个常见问题，尤其是当后端使用Java的Long类型（64位）与前端JavaScript的Number类型（最大安全整数为2^53-1，即16位）进行数据交互时，很容易出现精度丢失的问题。这是因为JavaScript中的Number类型无法安全地表示超过16位的整数。为了解决这个问
swagger访问路径 igotyback swagger
Swagger2.x版本访问地址：http://{ip}:{port}/{context-path}/swagger-ui.html{ip}是你的服务器IP地址。{port}是你的应用服务端口，通常为8080。{context-path}是你的应用上下文路径，如果应用部署在根路径下，则为空。Swagger3.x版本对于Swagger3.x版本（也称为OpenAPI3）访问地址：http://{ip
店群合一模式下的社区团购新发展——结合链动 2+1 模式、AI 智能名片与 S2B2C 商城小程序源码说私域人工智能小程序
摘要：本文探讨了店群合一的社区团购平台在当今商业环境中的重要性和优势。通过分析店群合一模式如何将互联网社群与线下终端紧密结合，阐述了链动2+1模式、AI智能名片和S2B2C商城小程序源码在这一模式中的应用价值。这些创新元素的结合为社区团购带来了新的机遇，提升了用户信任感、拓展了营销渠道，并实现了线上线下的完美融合。一、引言随着互联网技术的不断发展，社区团购作为一种新兴的商业模式，在满足消费者日常需
2021-08-26 影幽
在生活中，女人与男人的感悟往往有所不同。人生最大的舞台就是生活，大幕随时都可能拉开，关键是你愿不愿意表演都无法躲避。在生活中，遇事不要急躁，不要急于下结论，尤其生气时不要做决断，要学会换位思考，大事化小小事化了，把复杂的事情尽量简单处理，千万不要把简单的事情复杂化。永远不要扭曲，别人善意，无药可救。昨天是张过期的支票，明天是张信用卡，只有今天才是现金，要善加利用！执着的攀登者不必去与别人比较自己的
高级编程--XML+socket练习题 masa010 java 开发语言
1.北京华北2114.8万人上海华东2,500万人广州华南1292.68万人成都华西1417万人（1）使用dom4j将信息存入xml中（2）读取信息，并打印控制台（3）添加一个city节点与子节点（4）使用socketTCP协议编写服务端与客户端，客户端输入城市ID，服务器响应相应城市信息（5）使用socketTCP协议编写服务端与客户端，客户端要求用户输入city对象，服务端接收并使用dom4j
2018-07-23-催眠日作业-#不一样的31天#-66小鹿小鹿_33
预言日：人总是在逃避命运的路上，与之不期而遇。心理学上有个著名的名词，叫做自证预言；经济学上也有一个很著名的定律叫做，墨菲定律；在灵修派上，还有一个很著名的法则，叫做吸引力法则。这3个领域的词，虽然看起来不太一样，但是他们都在告诉人们一个现象：你越担心什么，就越有可能会发生什么。同样的道理，你越想得到什么，就应该要积极地去创造什么。无论是自证预言，墨菲定律还是吸引力法则，对人都有正反2个维度的影响
回溯 Leetcode 332 重新安排行程 mmaerd Leetcode刷题学习记录 leetcode 算法职场和发展
重新安排行程Leetcode332学习记录自代码随想录给你一份航线列表tickets，其中tickets[i]=[fromi,toi]表示飞机出发和降落的机场地点。请你对该行程进行重新规划排序。所有这些机票都属于一个从JFK（肯尼迪国际机场）出发的先生，所以该行程必须从JFK开始。如果存在多种有效的行程，请你按字典排序返回最小的行程组合。例如，行程[“JFK”,“LGA”]与[“JFK”,“LGB
每日一题——第九十题互联网打工人no1 C语言程序设计每日一练 c语言
题目：判断子串是否与主串匹配#include#include#include//////判断子串是否在主串中匹配//////主串///子串///boolisSubstring(constchar*str,constchar*substr){intlenstr=strlen(str);//计算主串的长度intlenSub=strlen(substr);//计算子串的长度//遍历主字符串，对每个可能得
Python数据分析与可视化实战指南 William数据分析 python python 数据
在数据驱动的时代，Python因其简洁的语法、强大的库生态系统以及活跃的社区，成为了数据分析与可视化的首选语言。本文将通过一个详细的案例，带领大家学习如何使用Python进行数据分析，并通过可视化来直观呈现分析结果。一、环境准备1.1安装必要库在开始数据分析和可视化之前，我们需要安装一些常用的库。主要包括pandas、numpy、matplotlib和seaborn等。这些库分别用于数据处理、数学
《庄子.达生9》钱江潮369
【原文】孔子观于吕梁，县水三十仞，流沫四十里，鼋鼍鱼鳖之所不能游也。见一丈夫游之，以为有苦而欲死也，使弟子并流而拯之。数百步而出，被发行歌而游于塘下。孔子从而问焉，曰：“吾以子为鬼，察子则人也。请问，‘蹈水有道乎’”曰：“亡，吾无道。吾始乎故，长乎性，成乎命。与齐俱入，与汩偕出，从水之道而不为私焉。此吾所以蹈之也。”孔子曰：“何谓始乎故，长乎性，成乎命？”曰：“吾生于陵而安于陵，故也；长于水而安于
水泥质量纠纷案代理词徐宝峰律师
贵州领航建设有限公司诉贵州纳雍隆庆乌江水泥有限公司产品质量纠纷案代理词尊敬的审判长、审判员：贵州千里律师事务所接受被告贵州纳雍隆庆乌江水泥有限公司的委托，指派我担任其诉讼代理人，参加本案的诉讼活动。下面，我结合本案事实和相关法律规定发表如下代理意见，供合议庭评议案件时参考：原告应当举证证明其遭受的损失与被告生产的水泥质量的因果关系。首先水泥是一种粉状水硬性无机胶凝材料。加水搅拌后成浆体，能在空气中
腾讯云技术深度探索：构建高效云原生微服务架构我的运维人生云原生架构腾讯云运维开发技术共享
腾讯云技术深度探索：构建高效云原生微服务架构在当今快速发展的技术环境中，云原生技术已成为企业数字化转型的关键驱动力。腾讯云作为行业领先的云服务提供商，不断推出创新的产品和技术，助力企业构建高效、可扩展的云原生微服务架构。本文将深入探讨腾讯云在微服务领域的最新进展，并通过一个实际案例展示如何在腾讯云平台上构建云原生应用。腾讯云微服务架构概览腾讯云微服务架构基于云原生理念，旨在帮助企业快速实现应用的容
Goolge earth studio 进阶4——路径修改与平滑陟彼高冈yu Google earth studio 进阶教程旅游
如果我们希望在大约中途时获得更多的城市鸟瞰视角。可以将相机拖动到这里并创建一个新的关键帧。camera_target_clip_7EarthStudio会自动平滑我们的路径，所以当我们通过这个关键帧时，不是一个生硬的角度，而是一个平滑的曲线。camera_target_clip_8路径上有贝塞尔控制手柄，允许我们调整路径的形状。右键单击，我们可以选择“平滑路径”，这是默认的自动平滑算法，或者我们可
基于社交网络算法优化的二维最大熵图像分割智能算法研学社（Jack旭）智能优化算法应用图像分割算法 php 开发语言
智能优化算法应用：基于社交网络优化的二维最大熵图像阈值分割-附代码文章目录智能优化算法应用：基于社交网络优化的二维最大熵图像阈值分割-附代码1.前言2.二维最大熵阈值分割原理3.基于社交网络优化的多阈值分割4.算法结果：5.参考文献：6.Matlab代码摘要：本文介绍基于最大熵的图像分割，并且应用社交网络算法进行阈值寻优。1.前言阅读此文章前，请阅读《图像分割：直方图区域划分及信息统计介绍》htt
使用 FinalShell 进行远程连接（ssh 远程连接 Linux 服务器）编程经验分享开发工具服务器 ssh linux
目录前言基本使用教程新建远程连接连接主机自定义命令路由追踪前言后端开发，必然需要和服务器打交道，部署应用，排查问题，查看运行日志等等。一般服务器都是集中部署在机房中，也有一些直接是云服务器，总而言之，程序员不可能直接和服务器直接操作，一般都是通过ssh连接来登录服务器。刚接触远程连接时，使用的是XSHELL来远程连接服务器，连接上就能够操作远程服务器了，但是仅用XSHELL并没有上传下载文件的功能
18-115 一切思考不能有效转化为行动，都TM是扯淡！成长时间线
7月25号写了一篇关于为什么会断更如此严重的反思，然而，之后日更仅仅维持了一周，又出现了这次更严重的现象。从8月2号到昨天8月6号，5天！又是5天没有更文！虽然这次断更时间和上次一样，那为什么说这次更严重？因为上次之后就分析了问题的原因，以及应该如何解决，按理说应该会好转，然而，没过几天严重断更的现象再次出现，想想，经过反思，问题依然没有解决与改变，这让我有些担忧。到底是哪里出了问题，难道我就真的
山东大学小树林支教调研团青青仓木队——翟晓楠山东大学青青仓木队
过了半年，又一次启程，又一次回到支教的初心之地。比起上一次的试探与不安，我更多了一丝稳重与熟练。心境、处境也都随着半个学期的过去而变得不同，半个学期中，身体上的，心理上的，太多的逆境让我变得步履维艰，曲曲折折，弯弯绕绕，我仿佛打不起精神，没有胃口，没有动力。感觉走的不顺畅的时候，支教这个旅程，给了我力量。自告奋勇承担起队长这一职务的我，从组织时的复杂和困难的经历，协调各种问题，从无到有，和校长和队
直返最高等级与直返APP：无需邀请码的返利新体验古楼
随着互联网的普及和电商的兴起，直返模式逐渐成为一种流行的商业模式。在这种模式下，消费者通过购买产品或服务，获得一定的返利，并可以分享给更多的人。其中，直返最高等级和直返APP是直返模式中的重要概念和工具。本文将详细介绍直返最高等级的概念、直返APP的使用以及与邀请码的关系。【高省】APP（高佣金领导者）是一个自用省钱佣金高，分享推广赚钱多的平台，百度有几百万篇报道，运行三年，稳定可靠。高省APP，
DIV+CSS+JavaScript技术制作网页（旅游主题网页设计与制作）云南大理 STU学生网页设计网页设计期末网页作业 html静态网页 html5期末大作业网页设计 web大作业
️精彩专栏推荐作者主页:【进入主页—获取更多源码】web前端期末大作业：【HTML5网页期末作业(1000套)】程序员有趣的告白方式：【HTML七夕情人节表白网页制作(110套)】文章目录二、网站介绍三、网站效果▶️1.视频演示2.图片演示四、网站代码HTML结构代码CSS样式代码五、更多源码二、网站介绍网站布局方面：计划采用目前主流的、能兼容各大主流浏览器、显示效果稳定的浮动网页布局结构。网站程
2020-04-12每天三百字之连接与替代冷眼看潮
不知道是不是好为人师，有时候还真想和别人分享一下我对某些现象的看法或者解释。人类社会不断发展进步的过程，就是不断连接与替代的过程。人类发现了火并应用火以后，告别了茹毛饮血的野兽般的原始生活（火烧、烹饪替代了生食）人类用石器代替了完全手工，工具的使用使人类进步一大步。类似这样的替代还有很多，随着科技的发展，有更多的原始的事物被替代，代之以更高效、更先进的技术。在近现代，汽车替代了马车，高速公路和铁路
jQuery 跨域访问的三种方式 No 'Access-Control-Allow-Origin' header is present on the reque qiaolevip 每天进步一点点学习永无止境跨域众观千象
XMLHttpRequest cannot load http://v.xxx.com. No 'Access-Control-Allow-Origin' header is present on the requested resource. Origin 'http://localhost:63342' is therefore not allowed access. test.html:1
mysql 分区查询优化 annan211 java 分区优化 mysql
分区查询优化引入分区可以给查询带来一定的优势，但同时也会引入一些bug. 分区最大的优点就是优化器可以根据分区函数来过滤掉一些分区，通过分区过滤可以让查询扫描更少的数据。所以，对于访问分区表来说，很重要的一点是要在where 条件中带入分区，让优化器过滤掉无需访问的分区。可以通过查看explain执行计划，是否携带 partitions
MYSQL存储过程中使用游标 chicony Mysql存储过程
DELIMITER $$ DROP PROCEDURE IF EXISTS getUserInfo $$ CREATE PROCEDURE getUserInfo(in date_day datetime)-- -- 实例-- 存储过程名为：getUserInfo-- 参数为：date_day日期格式:2008-03-08-- BEGINdecla
mysql 和 sqlite 区别 Array_06 sqlite
转载： http://www.cnblogs.com/ygm900/p/3460663.html mysql 和 sqlite 区别 SQLITE是单机数据库。功能简约，小型化，追求最大磁盘效率 MYSQL是完善的服务器数据库。功能全面，综合化，追求最大并发效率 MYSQL、Sybase、Oracle等这些都是试用于服务器数据量大功能多需要安装，例如网站访问量比较大的。而sq
pinyin4j使用 oloz pinyin4j
首先需要pinyin4j的jar包支持；jar包已上传至附件内方法一:把汉字转换为拼音；例如：编程转换后则为biancheng /** * 将汉字转换为全拼 * @param src 你的需要转换的汉字 * @param isUPPERCASE 是否转换为大写的拼音； true:转换为大写；fal
微博发送私信随意而生微博
在前面文章中说了如和获取登陆时候所需要的cookie，现在只要拿到最后登陆所需要的cookie，然后抓包分析一下微博私信发送界面 http://weibo.com/message/history?uid=****&name=**** 可以发现其发送提交的Post请求和其中的数据，让后用程序模拟发送POST请求中的数据，带着cookie发送到私信的接入口，就可以实现发私信的功能了。
jsp 香水浓 jsp
JSP初始化容器载入JSP文件后，它会在为请求提供任何服务前调用jspInit()方法。如果您需要执行自定义的JSP初始化任务，复写jspInit()方法就行了 JSP执行这一阶段描述了JSP生命周期中一切与请求相关的交互行为，直到被销毁。当JSP网页完成初始化后
在 Windows 上安装 SVN Subversion 服务端 AdyZhang SVN
在 Windows 上安装 SVN Subversion 服务端2009-09-16高宏伟哈尔滨市道里区通达街291号最佳阅读效果请访问原地址：http://blog.donews.com/dukejoe/archive/2009/09/16/1560917.aspx 现在的Subversion已经足够稳定，而且已经进入了它的黄金时段。我们看到大量的项目都在使
android开发中如何使用 alertDialog从listView中删除数据？ aijuans android
我现在使用listView展示了很多的配置信息，我现在想在点击其中一条的时候填出 alertDialog,点击确认后就删除该条数据，（ ArrayAdapter ，ArrayList，listView 全部删除），我知道在下面的onItemLongClick 方法中参数 arg2 是选中的序号，但是我不知道如何继续处理下去 1 2 3
jdk-6u26-linux-x64.bin 安装 baalwolf linux
1.上传安装文件(jdk-6u26-linux-x64.bin) 2.修改权限 [root@localhost ~]# ls -l /usr/local/jdk-6u26-linux-x64.bin 3.执行安装文件 [root@localhost ~]# cd /usr/local [root@localhost local]# ./jdk-6u26-linux-x64.bin&nbs
MongoDB经典面试题集锦 BigBird2012 mongodb
1.什么是NoSQL数据库？NoSQL和RDBMS有什么区别？在哪些情况下使用和不使用NoSQL数据库？ NoSQL是非关系型数据库，NoSQL = Not Only SQL。关系型数据库采用的结构化的数据，NoSQL采用的是键值对的方式存储数据。在处理非结构化/半结构化的大数据时；在水平方向上进行扩展时；随时应对动态增加的数据项时可以优先考虑使用NoSQL数据库。在考虑数据库的成熟
JavaScript异步编程Promise模式的6个特性 bijian1013 JavaScript Promise
Promise是一个非常有价值的构造器，能够帮助你避免使用镶套匿名方法，而使用更具有可读性的方式组装异步代码。这里我们将介绍6个最简单的特性。在我们开始正式介绍之前，我们想看看Javascript Promise的样子： var p = new Promise(function(r
[Zookeeper学习笔记之八]Zookeeper源代码分析之Zookeeper.ZKWatchManager bit1129 zookeeper
ClientWatchManager接口 //接口的唯一方法materialize用于确定那些Watcher需要被通知 //确定Watcher需要三方面的因素1.事件状态 2.事件类型 3.znode的path public interface ClientWatchManager { /** * Return a set of watchers that should
【Scala十五】Scala核心九：隐式转换之二 bit1129 scala
隐式转换存在的必要性，在Java Swing中，按钮点击事件的处理，转换为Scala的的写法如下： val button = new JButton button.addActionListener( new ActionListener { def actionPerformed(event: ActionEvent) {
Android JSON数据的解析与封装小Demo ronin47
转自：http://www.open-open.com/lib/view/open1420529336406.html package com.example.jsondemo; import org.json.JSONArray; import org.json.JSONException; import org.json.JSONObject; impor
[设计]字体创意设计方法谈 brotherlamp UI ui自学 ui视频 ui教程 ui资料
从古至今，文字在我们的生活中是必不可少的事物，我们不能想象没有文字的世界将会是怎样。在平面设计中，UI设计师在文字上所花的心思和功夫最多，因为文字能直观地表达UI设计师所的意念。在文字上的创造设计，直接反映出平面作品的主题。如设计一幅戴尔笔记本电脑的广告海报，假设海报上没有出现“戴尔”两个文字，即使放上所有戴尔笔记本电脑的图片都不能让人们得知这些电脑是什么品牌。只要写上“戴尔笔
单调队列-用一个长度为k的窗在整数数列上移动，求窗里面所包含的数的最大值 bylijinnan java 算法面试题
import java.util.LinkedList; /* 单调队列滑动窗口单调队列是这样的一个队列：队列里面的元素是有序的，是递增或者递减题目：给定一个长度为N的整数数列a(i),i=0,1,...,N-1和窗长度k. 要求：f(i) = max{a(i-k+1),a(i-k+2),..., a(i)},i = 0,1,...,N-1 问题的另一种描述就
struts2处理一个form多个submit chiangfai struts2
web应用中，为完成不同工作，一个jsp的form标签可能有多个submit。如下代码： <s:form action="submit" method="post" namespace="/my"> <s:textfield name="msg" label="叙述：">
shell查找上个月，陷阱及野路子 chenchao051 shell
date -d "-1 month" +%F 以上这段代码，假如在2012/10/31执行，结果并不会出现你预计的9月份，而是会出现八月份，原因是10月份有31天，9月份30天，所以-1 month在10月份看来要减去31天，所以直接到了8月31日这天，这不靠谱。野路子解决：假设当天日期大于15号
mysql导出数据中文乱码问题 daizj mysql 中文乱码导数据
解决mysql导入导出数据乱码问题方法：１、进入mysql，通过如下命令查看数据库编码方式： mysql> show variables like 'character_set_%'; +--------------------------+----------------------------------------+ | Variable_name&nbs
SAE部署Smarty出现：Uncaught exception 'SmartyException' with message 'unable to write dcj3sjt126com PHP smarty sae
对于SAE出现的问题：Uncaught exception 'SmartyException' with message 'unable to write file...。官方给出了详细的FAQ：http://sae.sina.com.cn/?m=faqs&catId=11#show_213 解决方案为： 01 $path
《教父》系列台词 dcj3sjt126com
Your love is also your weak point. 你的所爱同时也是你的弱点。 If anything in this life is certain, if history has taught us anything, it is that you can kill anyone. 不顾家的人永远不可能成为一个真正的男人。 &
mongodb安装与使用 dyy_gusi mongo
一.MongoDB安装和启动,widndows和linux基本相同 1.下载数据库, linux:mongodb-linux-x86_64-ubuntu1404-3.0.3.tgz 2.解压文件,并且放置到合适的位置 tar -vxf mongodb-linux-x86_64-ubun
Git排除目录 geeksun git
在Git的版本控制中，可能有些文件是不需要加入控制的，那我们在提交代码时就需要忽略这些文件，下面讲讲应该怎么给Git配置一些忽略规则。有三种方法可以忽略掉这些文件，这三种方法都能达到目的，只不过适用情景不一样。 1. 针对单一工程排除文件这种方式会让这个工程的所有修改者在克隆代码的同时，也能克隆到过滤规则，而不用自己再写一份，这就能保证所有修改者应用的都是同一
Ubuntu 创建开机自启动脚本的方法 hongtoushizi ubuntu
转载自： http://rongjih.blog.163.com/blog/static/33574461201111504843245/ Ubuntu 创建开机自启动脚本的步骤如下： 1) 将你的启动脚本复制到 /etc/init.d目录下以下假设你的脚本文件名为 test。 2) 设置脚本文件的权限 $ sudo chmod 755
第八章流量复制/AB测试/协程 jinnianshilongnian nginx lua coroutine
流量复制在实际开发中经常涉及到项目的升级，而该升级不能简单的上线就完事了，需要验证该升级是否兼容老的上线，因此可能需要并行运行两个项目一段时间进行数据比对和校验，待没问题后再进行上线。这其实就需要进行流量复制，把流量复制到其他服务器上，一种方式是使用如tcpcopy引流；另外我们还可以使用nginx的HttpLuaModule模块中的ngx.location.capture_multi进行并发
电商系统商品表设计 lkl
DROP TABLE IF EXISTS `category`; -- 类目表 /*!40101 SET @saved_cs_client = @@character_set_client */; /*!40101 SET character_set_client = utf8 */; CREATE TABLE `category` ( `id` int(11) NOT NUL
修改phpMyAdmin导入SQL文件的大小限制 pda158 sql mysql
　用phpMyAdmin导入mysql数据库时，我的10M的数据库不能导入，提示mysql数据库最大只能导入2M。　　 phpMyAdmin数据库导入出错：　　You probably tried to upload too large file. Please refer to documentation for ways to workaround this limit.
Tomcat性能调优方案 Sobfist apache jvm tomcat 应用服务器
一、操作系统调优对于操作系统优化来说，是尽可能的增大可使用的内存容量、提高CPU的频率，保证文件系统的读写速率等。经过压力测试验证，在并发连接很多的情况下，CPU的处理能力越强，系统运行速度越快。。【适用场景】任何项目。二、Java虚拟机调优应该选择SUN的JVM，在满足项目需要的前提下，尽量选用版本较高的JVM，一般来说高版本产品在速度和效率上比低版本会有改进。 J
SQLServer学习笔记 vipbooks 数据结构 xml
1、create database school 创建数据库school 2、drop database school 删除数据库school 3、use school 连接到school数据库，使其成为当前数据库 4、create table class(classID int primary key identity not null) 创建一个名为class的表，其有一