标签：xj frac 21 DG uj Ij 一维 bm ODE
DG方法：一维ODE
考虑一维ODE的边值问题：
{
u
x
=
f
(
x
)
u
(
0
)
=
a
,
x
∈
[
0
,
1
]
\left\{\begin{matrix}u_x=f(x)\\ u(0)=a\end{matrix}\right. \space,\space x\in [0,1]
{ux=f(x)u(0)=a , x∈[0,1]
有限差分方法
对 x ∈ [ 0 , 1 ] x\in[0,1] x∈[0,1]做uniform划分： x j = j Δ x = j 1 N x_j=j\Delta x=j \frac{1}{N} xj=jΔx=jN1
如果是一阶FD：对于第 j j j个网格点，需要利用 u j − 1 , u j , u j + 1 u_{j-1}, u_j, u_{j+1} uj−1,uj,uj+1等信息逼近 u x u_x ux，其中 u j u_j uj表示准确解 u ( x j ) u(x_j) u(xj)的近似，则
u x ∣ x j ≈ u j − u j − 1 Δ x u_x|_{x_j} \approx\frac{u_j-u_{j-1}}{\Delta x} ux∣xj≈Δxuj−uj−1
要选择用 x j − 1 x_{j-1} xj−1是因为边界条件定义在左侧，信息从迎风的左边来。代入原式有
u j − u j − 1 Δ x = f ( x j ) ⇒ u j = u j − 1 + Δ x f ( x j ) \frac{u_j-u_{j-1}}{\Delta x}=f(x_j) \Rightarrow u_j=u_{j-1}+\Delta x f(x_j) Δxuj−uj−1=f(xj)⇒uj=uj−1+Δxf(xj)
所以求解过程可以从左向右扫描（sweep，最左边是 u 0 = a u_0=a u0=a），非常易于计算。
但只有一阶精度：
∣ u ( x j ) − u j ∣ ≈ O ( Δ x ) |u(x_j)-u_j|\approx O(\Delta x) ∣u(xj)−uj∣≈O(Δx)
当从 N N N个网格点加密到 2 N 2N 2N时，工作量增加一倍，但误差仅能减少一半。
而如果使用更高阶精度的差分方法，同理，将 u x ( x j ) u_x(x_j) ux(xj)表示为 u j − 2 , u j − 1 , u j u_{j-2}, u_{j-1}, u_{j} uj−2,uj−1,uj的线性组合（可通过Taylor展开推导）。这对于 j = 2 , 3 , . . . , N j=2,3,...,N j=2,3,...,N是可行的，但 j = 1 j=1 j=1处显然没有这么多stencil可供构造，所以在边界上使用一阶格式，但这又会导致计算降阶！因为 u 1 u_1 u1只有一阶精度，那么根据 u 1 u_1 u1计算出的 u 2 u_2 u2也达不到二阶，如此类推。
Discrete Galerkin
格式导出
DG希望既易于计算，又能有高阶精度。它首先定义一系列半网格点 x 2 k + 1 2 ( k = 0 , 1 , . . . , N ) x_{\frac{2k+1}{2}}(k=0,1,...,N) x22k+1(k=0,1,...,N)，将区间划分为很多个单元，单元 I j = [ x j − 1 2 , x j + 1 2 ] I_j=[x_{j-\frac{1}{2}}, x_{j+\frac{1}{2}}] Ij=[xj−21,xj+21]。注意仅要求 0 = x 1 2 < x 3 2 < . . . < x N − 1 2 < x N + 1 2 = 1 0=x_{\frac{1}{2}}<x_{\frac{3}{2}}<...<x_{N-\frac{1}{2}}<x_{N+\frac{1}{2}}=1 0=x21<x23<...<xN−21<xN+21=1，而不需要每个单元都是均匀长度的。每个单元的中点 x j = 1 2 ( x j − 1 2 + x j + 1 2 ) x_j=\frac{1}{2}(x_{j-\frac{1}{2}}+x_{j+\frac{1}{2}}) xj=21(xj−21+xj+21)，长度 Δ x j = x j − 1 2 − x j + 1 2 \Delta x_j=x_{j-\frac{1}{2}}-x_{j+\frac{1}{2}} Δxj=xj−21−xj+21。记 h = max j Δ x j h=\underset{j}{\max} \Delta x_j h=jmaxΔxj。
定义解空间（solution space）：
V
h
k
:
=
{
v
:
v
∣
I
j
∈
P
k
(
I
j
)
,
j
=
1
,
2
,
.
.
.
,
N
}
\bm{V}_h^k:=\{v: v|_{I_j} \in \bm{P}^k(I_j),j=1,2,...,N\}
Vhk:={v:v∣Ij∈Pk(Ij),j=1,2,...,N}
其中 P k ( I j ) \bm{P}^k(I_j) Pk(Ij)表示第 j j j个单元上的次数小于等于 k k k的多项式空间。当 k = 1 k=1 k=1时即为分片线性函数（piecewise linear functions）。注意在cell边界处，函数值时可以间断的，而区别于传统有限元要求内部单元的边界值连续。
由于解在单元边界处可以完全不连续，因此 x j + 1 2 x_{j+\frac{1}{2}} xj+21处存在一个左值 u j + 1 2 − u_{j+\frac{1}{2}}^- uj+21−和一个右值 u j + 1 2 + u_{j+\frac{1}{2}}^+ uj+21+，分别属于左右两个单元。
不同单元的多项式空间 P k \bm{P}^k Pk的阶数 k k k可以不同（ P \bm{P} P adaptivity）。
定义测试函数（test function） v ( x ) v(x) v(x)，原问题成立，则如下积分式一定成立：
∫ I j u x v = ∫ I j f ( x ) v , j = 1 , 2 , . . . , N \int _{I_j} u_xv =\int_{I_j}f(x)v \space, \space j=1,2,...,N ∫Ijuxv=∫Ijf(x)v , j=1,2,...,N
假定 v ( x ) v(x) v(x)是至少可微的，那么分部积分：
∫ I j f ( x ) v = ∫ I j u x v = − ∫ I j u v x + u ( x j + 1 2 ) v ( x j + 1 2 ) − u ( x j − 1 2 ) v ( x j − 1 2 ) \int_{I_j}f(x)v=\int _{I_j} u_xv =-\int _{I_j} uv_x + u(x_{j+\frac{1}{2}})v(x_{j+\frac{1}{2}}) - u(x_{j-\frac{1}{2}})v(x_{j-\frac{1}{2}}) ∫Ijf(x)v=∫Ijuxv=−∫Ijuvx+u(xj+21)v(xj+21)−u(xj−21)v(xj−21)
所以问题转换为：
find u h ( x ) ∈ V h k u_h(x) \in \bm{V}_h^k uh(x)∈Vhk来逼近 u ( x ) u(x) u(x)，代入上式有
− ∫ I j u v x + ( u h v ) ∣ x j + 1 2 − ( u h v ) ∣ x j − 1 2 = ∫ I j f ( x ) v -\int _{I_j} uv_x +(u_hv)|_{x_{j+\frac{1}{2}}} - (u_hv)|_{x_{j-\frac{1}{2}}}=\int_{I_j}f(x)v −∫Ijuvx+(uhv)∣xj+21−(uhv)∣xj−21=∫Ijf(x)v
但问题是 v ∈ v\in v∈？，如果任意的可微函数都可以，那么自由度太多会造成over-determined！注意到
u h k ∈ V h k : = { v : v ∣ I j ∈ P k ( I j ) , j = 1 , 2 , . . . , N } u_h^k \in \bm{V}_h^k:=\{v: v|_{I_j} \in \bm{P}^k(I_j),j=1,2,...,N\} uhk∈Vhk:={v:v∣Ij∈Pk(Ij),j=1,2,...,N}
在每个单元 I j I_j Ij上确定 P k ( I j ) \bm{P}^k(I_j) Pk(Ij)需要 k + 1 k+1 k+1个参数，将 P k ( I j ) \bm{P}^k(I_j) Pk(Ij)这个线性空间的基取为 φ j 0 ( x ) , φ j 1 ( x ) , . . . , φ j k ( x ) \varphi_j^0(x),\varphi_j^1(x),...,\varphi_j^k(x) φj0(x),φj1(x),...,φjk(x)，则线性表出为
u h ( x ) ∣ I j = ∑ l = 0 k u j l φ j l ( x ) u_h(x)|_{I_j}=\sum_{l=0}^k u_j^l\varphi_j^l(x) uh(x)∣Ij=l=0∑kujlφjl(x)
因为共有 N N N个单元，则 dim V h k = N ( k + 1 ) \dim V_h^k=N(k+1) dimVhk=N(k+1)。需要求解的值是线性组合的系数 u j l , l = 0 , 1 , . . . , k , j = 1 , 2 , . . . , N u_j^l\space,\space l=0,1,...,k,\space j=1,2,...,N ujl , l=0,1,...,k, j=1,2,...,N，因此需要有 N ( k + 1 ) N(k+1) N(k+1)个约束条件。假定 v ∈ W h v\in \bm{W}_h v∈Wh，那么应该要有 dim W h = dim V h k = N ( k + 1 ) \dim \bm{W}_h=\dim \bm{V}_h^k=N(k+1) dimWh=dimVhk=N(k+1)。
这两者是可以取成不一样的线性空间的，而如果取成一样的（ W h = V h k \bm{W}_h=\bm{V}_h^k Wh=Vhk，都来自分片线性多项式的空间），则成为Galerkin方法。
于是问题转换为：find u h ∈ V h k , v ∈ V h k u_h \in \bm{V}_h^k\space, \space v \in \bm{V}_h^k uh∈Vhk , v∈Vhk ……
但仍不对，因为单元边界上有两个值（左值 u j + 1 2 − u_{j+\frac{1}{2}}^- uj+21−和右值 u j + 1 2 + u_{j+\frac{1}{2}}^+ uj+21+）。需要额外加条件。而我们希望当 k = 0 k=0 k=0时，DG方法能还原回普通的一阶（迎风）有限差分方法： u j − u j − 1 Δ x = f ( x j ) \frac{u_j - u_{j-1}}{\Delta x} = f(x_j) Δxuj−uj−1=f(xj)。
此时解空间和测试函数空间都为分片常值函数。由于测试函数是任意的，取 v = { 1 , I j 0 , o t h e r v=\left\{\begin{matrix}1\space,\space \space \space I_j\\ 0, \space\rm{other} \end{matrix}\right. v={1 , Ij0, other，则 v x = 0 v_x=0 vx=0， ∫ I j u h v x = 0 \int_{I_j}u_hv_x=0 ∫Ijuhvx=0。于是有
u h ( x j + 1 2 ) v ( x j + 1 2 ) − u h ( x j − 1 2 ) v ( x j − 1 2 ) = ∫ I j f ( x ) u_h(x_{j+\frac{1}{2}})v(x_{j+\frac{1}{2}})-u_h(x_{j-\frac{1}{2}})v(x_{j-\frac{1}{2}})=\int_{I_j}f(x) uh(xj+21)v(xj+21)−uh(xj−21)v(xj−21)=∫Ijf(x)
希望能还原出： u j − u j − 1 = Δ x f ( x j ) u_j-u_{j-1}=\Delta x f(x_j) uj−uj−1=Δxf(xj)。而在 k = 0 k=0 k=0时， u j u_j uj就是第 j j j个单元的函数近似解的值 u h ( I j ) u_h(I_j) uh(Ij)。
注意到 v ( x ) v(x) v(x)的取值方式，因此取 v ( x j + 1 2 ) = v ( x j + 1 2 − ) , u h ( x j + 1 2 ) = u h ( x j + 1 2 − ) = u j v(x_{j+\frac{1}{2}})=v(x_{j+\frac{1}{2}}^-), u_h(x_{j+\frac{1}{2}})=u_h(x_{j+\frac{1}{2}}^-)=u_j v(xj+21)=v(xj+21−),uh(xj+21)=uh(xj+21−)=uj，和 v ( x j − 1 2 ) = v ( x j − 1 2 + ) , u h ( x j − 1 2 ) = u h ( x j − 1 2 − ) = u j − 1 v(x_{j-\frac{1}{2}})=v(x_{j-\frac{1}{2}}^+), u_h(x_{j-\frac{1}{2}})=u_h(x_{j-\frac{1}{2}}^-)=u_{j-1} v(xj−21)=v(xj−21+),uh(xj−21)=uh(xj−21−)=uj−1。
所以完整的DG格式为：
find u h ( x ) ∈ V h k u_h(x) \in \bm{V}_h^k uh(x)∈Vhk，使得对于任意的测试函数 v ∈ V h k v\in\bm{V}_h^k v∈Vhk和任意的单元 I j I_j Ij，都有
− ∫ I j u h ( x ) v x d x + u j + 1 2 − v j + 1 2 − − u j − 1 2 − v j − 1 2 + = ∫ I j f ( x ) v ( x ) d x (1) -\int_{I_j}u_h(x)v_x {\rm d}x + u_{j+\frac{1}{2}}^{-} v_{j+\frac{1}{2}}^{-} - u_{j-\frac{1}{2}}^{-} v_{j-\frac{1}{2}}^{+}=\int_{I_j}f(x)v(x){\rm d}x \tag{1} −∫Ijuh(x)vxdx+uj+21−vj+21−−uj−21−vj−21+=∫Ijf(x)v(x)dx(1)
此时的格式与计算中如何选取 P k \bm{P}^k Pk的基函数的具体形式无关！基函数可以有多种选择，例如Legendre多项式函数，Lagrange插值基函数，自然幂函数（ 1 , x , x 2 , . . . , x k 1,x,x^2,...,x^k 1,x,x2,...,xk），和 1 , x − x j Δ x j , ( x − x j Δ x j ) 2 , . . . , ( x − x j Δ x j ) k 1,\frac{x-x_j}{\Delta x_j}, \left(\frac{x-x_j}{\Delta x_j}\right)^2, ..., \left(\frac{x-x_j}{\Delta x_j}\right)^k 1,Δxjx−xj,(Δxjx−xj)2,...,(Δxjx−xj)k等等。
求解方式
一般地，假定选取的基函数为
φ
j
0
(
x
)
,
φ
j
1
(
x
)
,
.
.
.
,
φ
j
k
(
x
)
\varphi_j^0(x),\varphi_j^1(x),...,\varphi_j^k(x)
φj0(x),φj1(x),...,φjk(x)，线性表出
u
h
(
x
)
∣
I
j
=
∑
l
=
0
k
u
j
l
φ
j
l
(
x
)
u_h(x)|_{I_j}=\sum_{l=0}^k u_j^l \varphi_j^l(x)
uh(x)∣Ij=∑l=0kujlφjl(x)。需要求解向量
u
j
=
[
u
j
0
u
j
1
.
.
.
u
j
k
]
\bm{u}_j=\left[ \begin{matrix} u_j^0\\ u_j^1\\ ...\\u_j^k \end{matrix} \right]
uj=⎣⎢⎢⎡uj0uj1...ujk⎦⎥⎥⎤
由于测试函数是任意的，只要在线性空间 W h = V h k \bm{W}_h=\bm{V}_h^k Wh=Vhk内就行。所以不妨取 v = φ j m ( x ) , m = 0 , 1 , . . . , k v=\varphi_j^m(x), \space m=0,1,...,k v=φjm(x), m=0,1,...,k，则上一节中的格式写为
− ∫ I j ∑ l = 0 k u j l φ j l ( x ) ( φ j m ) x d x + ∑ l = 0 k u j l φ j l ( x j + 1 2 ) φ j m ( x j + 1 2 ) − u j − 1 2 − φ j m ( x j − 1 2 ) = ∫ I j f ( x ) φ j m ( x ) d x -\int_{I_j}\sum_{l=0}^k u_j^l \varphi_j^l(x) (\varphi_j^m)_x {\rm d}x + \sum_{l=0}^k u_j^l \varphi_j^l(x_{j+\frac{1}{2}}) \varphi_j^m(x_{j+\frac{1}{2}}) - u_{j-\frac{1}{2}}^{-} \varphi_j^m(x_{j-\frac{1}{2}})=\int_{I_j}f(x) \varphi_j^m(x) {\rm d}x −∫Ijl=0∑kujlφjl(x)(φjm)xdx+l=0∑kujlφjl(xj+21)φjm(xj+21)−uj−21−φjm(xj−21)=∫Ijf(x)φjm(x)dx
上式要对于 m = 0 , 1 , . . . , k m=0,1,...,k m=0,1,...,k均成立。注意其中的 u j − 1 2 − u_{j-\frac{1}{2}}^{-} uj−21−是隔壁单元算出来的结果值，传给本单元的。上式提取出 ∑ l = 0 k u j l \sum_{l=0}^k u_j^l ∑l=0kujl，有
∑ l = 0 k u j l [ − ∫ I j φ j l ( x ) ( φ j m ) x d x + φ j l ( x j + 1 2 ) φ j m ( x j + 1 2 ) ] = u j − 1 2 − φ j m ( x j − 1 2 ) + ∫ I j f ( x ) φ j m ( x ) d x (2) \sum_{l=0}^k u_j^l\left[ - \int_{I_j} \varphi_j^l(x) (\varphi_j^m)_x {\rm d}x + \varphi_j^l(x_{j+\frac{1}{2}}) \varphi_j^m(x_{j+\frac{1}{2}}) \right] = u_{j-\frac{1}{2}}^{-} \varphi_j^m(x_{j-\frac{1}{2}}) + \int_{I_j}f(x) \varphi_j^m(x) {\rm d}x \tag{2} l=0∑kujl[−∫Ijφjl(x)(φjm)xdx+φjl(xj+21)φjm(xj+21)]=uj−21−φjm(xj−21)+∫Ijf(x)φjm(x)dx(2)
记：
a
m
l
=
−
∫
I
j
φ
j
l
(
x
)
(
φ
j
m
)
x
d
x
+
φ
j
l
(
x
j
+
1
2
)
φ
j
m
(
x
j
+
1
2
)
(2-1)
a_{ml}=- \int_{I_j} \varphi_j^l(x) (\varphi_j^m)_x {\rm d}x + \varphi_j^l(x_{j+\frac{1}{2}}) \varphi_j^m(x_{j+\frac{1}{2}}) \tag{2-1}
aml=−∫Ijφjl(x)(φjm)xdx+φjl(xj+21)φjm(xj+21)(2-1)
b m = u j − 1 2 − φ j m ( x j − 1 2 ) + ∫ I j f ( x ) φ j m ( x ) d x (2-2) b_{m} = u_{j-\frac{1}{2}}^{-} \varphi_j^m(x_{j-\frac{1}{2}}) + \int_{I_j}f(x) \varphi_j^m(x) {\rm d}x \tag{2-2} bm=uj−21−φjm(xj−21)+∫Ijf(x)φjm(x)dx(2-2)
则在每个单元内都组成一个线性方程组： A j u j = b j \bm{A}_j\bm{u}_j=\bm{b}_j Ajuj=bj，其中 A j = ( a m l ) \bm{A}_j = (a_{ml}) Aj=(aml)是一个 ( k + 1 ) × ( k + 1 ) (k+1)\times(k+1) (k+1)×(k+1)的矩阵。
一旦 u j − 1 2 − u_{j-\frac{1}{2}}^{-} uj−21−给定，就可以求解该线性方程组。由此可见，DG的好处在于可以从左（给定了边界条件的一侧）向右逐次求解各个单元。
分析单元矩阵
A
j
\bm{A}_j
Aj的性质。由于不同单元
I
j
I_j
Ij中的基函数
φ
j
m
(
x
)
\varphi_j^m(x)
φjm(x)映射到参考单元（reference element）后是一样的，
所以元素
a
m
l
a_{ml}
aml通过坐标参数变换（一维中的
ξ
=
2
x
−
x
j
Δ
x
j
\xi=2 \frac{x-x_j}{\Delta x_j}
ξ=2Δxjx−xj能将physical element中的坐标
x
∈
[
x
j
−
1
2
,
x
j
+
1
2
]
x\in[x_{j-\frac{1}{2}}, x_{j+\frac{1}{2}}]
x∈[xj−21,xj+21]转成reference element的坐标
ξ
∈
[
−
1
,
1
]
\xi\in[-1,1]
ξ∈[−1,1]）映射到参考单元后，它的数值是一样的。这意味着，
A
j
\bm{A}_j
Aj与实际的单元
I
j
I_j
Ij的具体性质无关（independent of
j
j
j），整体只要计算一次
A
j
\bm{A}_j
Aj即可。下面简记为
A
\bm{A}
A。
解的存在唯一性
A u j = b j \bm{A}\bm{u}_j=\bm{b}_j Auj=bj的解存在唯一等价于 A u j = 0 \bm{A}\bm{u}_j=\bm{0} Auj=0有且仅有零解。
这对应到原方程，相当于已知 f = 0 f=0 f=0和边界条件 a = 0 a=0 a=0时，能否推出解 u = 0 u=0 u=0。
-
先证两端点为0。由测试函数的任意性，取 v ∣ I 1 = u h ∣ I 1 ∈ P k ( I 1 ) v|_{I_1}=u_h|_{I_1}\in\bm{P}^k(I_1) v∣I1=uh∣I1∈Pk(I1)。代入式（1）即为：
− ∫ I j u h ( u h ) x d x + ( u h ) x 3 2 − ( u h ) x 3 2 − = 0 -\int_{I_j}u_h(u_h)_x {\rm d}x + (u_h)_{x_\frac{3}{2}}^{-} (u_h)_{x_\frac{3}{2}}^{-}=0 −∫Ijuh(uh)xdx+(uh)x23−(uh)x23−=0
推出 ( u h 2 ) 2 ∣ x 1 2 x 3 2 + [ ( u h ) x 3 2 − ] 2 = 0 \left( \frac{u_h}{2} \right)^2|_{x_\frac{1}{2}}^{x_\frac{3}{2}}+\left[(u_h)_{x_\frac{3}{2}}^{-}\right]^2=0 (2uh)2∣x21x23+[(uh)x23−]2=0，显然有 ( u h ) x 3 2 − = ( u h ) x 1 2 + = a = 0 (u_h)_{x_\frac{3}{2}}^{-}=(u_h)_{x_\frac{1}{2}}^{+}=a=0 (uh)x23−=(uh)x21+=a=0。 -
再证在整个单元内为0。由上一步知道有 ∫ I 1 u h v x d x = 0 \int_{I_1}u_hv_x {\rm d}x =0 ∫I1uhvxdx=0。而由条件知道近似解 u h u_h uh多项式有 ( x − x 1 2 ) (x-x_\frac{1}{2}) (x−x21)的因子，可写为 u h ( x ) = ( x − x 1 2 ) u ^ ( x ) u_h(x)=(x-x_\frac{1}{2})\hat{u}(x) uh(x)=(x−x21)u^(x)，其中 u ^ ( x ) ∈ P k − 1 ( I 1 ) \hat{u}(x)\in \bm{P}^{k-1}(I_1) u^(x)∈Pk−1(I1)。由测试函数的任意性，取 v ( x ) = ∫ x 1 2 x u ^ ( ξ ) d ξ v(x)=\int_{x_\frac{1}{2}}^x\hat{u}(\xi) {\rm d} \xi v(x)=∫x21xu^(ξ)dξ。则因为 ( x − x 1 2 ) (x-x_\frac{1}{2}) (x−x21)恒大于0，积分 ∫ I 1 ( x − x 1 2 ) u ^ ( x ) v x d x = 0 \int_{I_1}(x-x_\frac{1}{2})\hat{u}(x)v_x {\rm d}x=0 ∫I1(x−x21)u^(x)vxdx=0当且仅当 u ^ ( x ) = 0 \hat{u}(x)=0 u^(x)=0，故整个单元 I 1 I_1 I1均为0.
-
以此类推逐个单元。
误差量度
L
2
L_2
L2范数误差：
L
2
:
=
∣
∣
u
−
u
h
∣
∣
L
2
=
(
∫
0
1
(
u
(
x
)
−
u
h
(
x
)
)
2
d
x
)
1
2
L_2:=||u-u_h||_{L_2}=\left( \int_0^1 \left( u(x) - u_h(x)\right)^2 {\rm d}x \right)^\frac{1}{2}
L2:=∣∣u−uh∣∣L2=(∫01(u(x)−uh(x))2dx)21
如何说明一个格式的阶数 r r r呢？假定在 h h h宽度下计算得到 e h ≈ C h r e_h\approx Ch^r eh≈Chr，加密一倍得到 e 2 h ≈ C ( 2 h ) r e_{2h} \approx C(2h)^r e2h≈C(2h)r，则
e 2 h e h = 2 r ⇒ r = log 2 ( e 2 h e h ) \frac{e_{2h}}{e_h}=2^r \space \Rightarrow \space r = \log_2\left(\frac{e_{2h}}{e_h}\right) ehe2h=2r ⇒ r=log2(ehe2h)
标签：xj,frac,21,DG,uj,Ij,一维,bm,ODE 来源： https://blog.csdn.net/weixin_43614211/article/details/123168090
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。