泛函分析笔记3:内积空间 我们前面讲了距离空间、赋范空间,距离空间赋予了两个点之间的距离度量,范数赋予了每个点自身的长度度量,而范数则可以导出距离。本章要讲的内积可以看成是更加统一的定义,因为从内积我们可以导出范数,进而导出距离。因此内积空间是一个“更小”的空间,在此基础上结合完备性我们引出了 Hilbert 空间,后续我们的研究也大多集中在 Hilbert 空间上。 1. 内积空间 定义:\(X\) 为 \(\m 2020-12-11 Functional Analysis #Hilbert空间 #内积空间 #共轭双线性泛函 #伴随算子 #Riesz表示定理 #直和 #正交补 #标准正交基 #标准正交集 #Bessel不等式
泛函分析笔记2:赋范空间 在度量空间中,我们重点关注的是两个元素之间的距离,而这一部分要引出来的赋范空间中,则对每个元素本身也赋予了“范数”,也就是“长度”。 1. 线性空间 线性空间,可以简单理解为对线性运算封闭的集合。那么线性运算的形式是什么呢?常见的线性运算可以写为 \(T(x;a)=\sum_i a_ix_i\),因此可以看出来包含了数乘和加法两种基本运算,因此线性空间必然需要对数乘和加法封闭,除此之外,为 2020-11-10 Functional Analysis #线性空间 #赋范空间 #Banach空间 #Hamel基 #Schauder基 #线性算子 #算子范数 #线性泛函
泛函分析笔记1:度量空间 这一章节研究度量空间的基本结构,在开始前,我们需要思考几个问题: 什么是度量空间? 我们为什么要首先学习度量空间呢? 在这篇笔记的最后再来回答这个问题。 2020-10-18 Functional Analysis #度量空间 #完备空间 #开集 #可分性 #柯西列 #连续映射 #Banach不动点定理
泛函分析笔记0:绪论 本系列泛函分析课程笔记的参考教材是清华大学出版社,步尚全老师写的《泛函分析基础》。 笔记的内容基本来自于我的听课记录,以及自己复习过程中的一些想法,由于笔者的数学功底极其不扎实,因此很可能会有不准确甚至错误之处,欢迎大家指正。 2020-10-18 Functional Analysis
VMWare15 + Ubuntu18.04 踩坑记录 1. 虚拟机联网问题 VMWare虚拟机大致有 3 种联网方式,以下三种方式联网自由度逐渐递减: 桥接:虚拟机就相当于局域网中的另一台主机,有独立的 ip 地址; NAT:虚拟机需要借助于主机才能联网,虚拟机也是以物理主机的身份与外界通信; Host-only:虚拟机只能与主机通信,不能联网; 有时候设置好 NAT 或者桥接模式后仍然不能联网,可以尝试输入以下命令 1sudo 2020-08-11 Software #虚拟机 #linux
树莓派设置开机自启动程序 最近调试树莓派,希望开机运行两个程序,其中一个是可执行文件,另一个是 python 脚本,他们都是无限循环的程序,也就是说不关机不会停止运行。中间还是遇到了很多 bug,现在记录一下自启动程序的设置方法以及debug的整个过程。 1. 自启动程序设置方法 网上用的最多的方法就是修改 /etc/rc.local 文件: 1sudo nano /etc/rc.local 进入之后在 ex 2020-07-20 Hardware #raspberry pi
JY901串口数据接收与处理(Python) 最近在用JY901做一些实验,关于JY901网上有很多资料了,也有上位机软件,可以方便的查看输出数据。我想做的是对输出的角速度进行积分,对比积分后的结果与输出的角度,如果数据都比较准确地话,那么他们应该相差不大。 这篇文章里,要完成的事情就是通过串口接收他输出的角速度和角度,然后对角速度进行积分,并实时显示数据结果。下面我首先对各个部分进行分块解释,完整的代码放在最后。 2020-07-09 Hardware #IMU
树莓派使用 1. 系统安装 参考链接 2. 连接树莓派 如果有显示器和键盘鼠标,可以直接利用HMDI线连接树莓派和显示器,像操作普通电脑一样。 如果没有显示器,就需要通过ssh连接。首先需要知道树莓派的地址。 2020-06-08 Hardware #raspberry pi
强大数定律与弱大数定律 最近学习的时候遇到了强大数定律与弱大数定律,两者的区分提到了“依概率收敛”和“几乎处处收敛”,由于本人的数学基础太差,一直很难理解这个地方,在网上查阅了一些资料有了一些个人的理解,不知道对不对,不过还是想记录下来。提前说明,这里给出的解释非常的不严格,甚至有点搞笑,不过个人觉得很容易理解。 首先给出来强弱大数定律的表述。 对于独立同分布的无穷随机序列 \(\{X_i\}\),期望为 \(\ma 2020-05-30 Probability Theory #大数定律 #依概率收敛 #几乎必然收敛