+
+#### 第一章:线性方程组
+- **Markdown源码**:[高等代数第一章.md](/otherdocs/高等代数/高等代数第一章.md)
+- **PDF版本**:[高等代数第一章.pdf](/otherdocs/高等代数/高等代数第一章.pdf)
+
+#### 第二章:矩阵
+- **Markdown源码**:[高等代数第二章.md](/otherdocs/高等代数/高等代数第二章.md)
+- **PDF版本**:[高等代数第二章.pdf](/otherdocs/高等代数/高等代数第二章.pdf)
+
+#### 第三章:向量空间
+- **Markdown源码**:[高等代数第三章.md](/otherdocs/高等代数/高等代数第三章.md)
+- **PDF版本**:[高等代数第三章.pdf](/otherdocs/高等代数/高等代数第三章.pdf)
+
+#### 第四章:线性变换
+- **Markdown源码**:[高等代数第四章.md](/otherdocs/高等代数/高等代数第四章.md)
+- **PDF版本**:[高等代数第四章.pdf](/otherdocs/高等代数/高等代数第四章.pdf)
+
+#### 第五章:多项式
+- **Markdown源码**:[高等代数第五章.md](/otherdocs/高等代数/高等代数第五章.md)
+- **PDF版本**:[高等代数第五章.pdf](/otherdocs/高等代数/高等代数第五章.pdf)
+
+#### 第六章:矩阵的标准形
+- **Markdown源码**:[高等代数第六章.md](/otherdocs/高等代数/高等代数第六章.md)
+- **PDF版本**:[高等代数第六章.pdf](/otherdocs/高等代数/高等代数第六章.pdf)
+
+#### 第七章:二次型
+- **Markdown源码**:[高等代数第七章.md](/otherdocs/高等代数/高等代数第七章.md)
+- **PDF版本**:[高等代数第七章.pdf](/otherdocs/高等代数/高等代数第七章.pdf)
+
+
diff --git a/docs/sop/math-analysis-notes.md b/docs/sop/math-analysis-notes.md
new file mode 100644
index 0000000..8b882ac
--- /dev/null
+++ b/docs/sop/math-analysis-notes.md
@@ -0,0 +1,87 @@
+---
+title: 数学分析笔记
+date: 2025-01-20 14:00:00
+descriptionHTML: '
+
+'
+tags:
+ - 数学
+ - 笔记
+sidebar: true
+readingTime: true
+hidden: false
+---
+
+# 数学分析笔记
+
+
+
+ 本数学分析笔记包含以下主要内容:
+
+### 主要章节
+
+- **第一章:实数理论与数列极限**
+ - 实数的完备性
+ - 数列极限的定义与性质
+ - 单调有界定理
+
+- **第二章:函数极限与连续性**
+ - 函数极限的定义
+ - 连续函数的性质
+ - 一致连续性
+
+- **第三章:导数与微分**
+ - 导数的定义与几何意义
+ - 求导法则
+ - 微分中值定理
+
+- **第四章:积分理论**
+ - 定积分的定义
+ - 牛顿-莱布尼茨公式
+ - 积分技巧与应用
+
+- **第五章:级数理论**
+ - 数项级数
+ - 幂级数
+ - 傅里叶级数
+
+- **第六章:多元函数微积分**
+ - 偏导数与全微分
+ - 多重积分
+ - 向量分析
+
+
+
+#### Markdown源码版本
+- **文件名**:数学分析完整笔记.md
+- **文件大小**:约 150KB
+- **格式**:Markdown格式,支持数学公式渲染
+- **下载链接**:[点击下载源码版本](/otherdocs/数分笔记/数学分析完整笔记.md)
+
+#### PDF版本
+- **文件名**:数学分析完整笔记.pdf
+- **文件大小**:约 2MB
+- **格式**:PDF格式,适合打印和阅读
+- **下载链接**:[点击下载PDF版本](/otherdocs/数分笔记/数学分析完整笔记.pdf)
diff --git a/docs/sop/vllm-learning-notes-1.md b/docs/sop/vllm-learning-notes-1.md
new file mode 100644
index 0000000..edf9437
--- /dev/null
+++ b/docs/sop/vllm-learning-notes-1.md
@@ -0,0 +1,270 @@
+---
+title: vllm学习笔记1
+date: 2025-09-06 23:00:00 # 发布日期和时间,格式:YYYY-MM-DD HH:MM:SS
+descriptionHTML: '
+
学习笔记:ray介绍,vllm的作用和主要运行方式
+'
+tags: # 文章标签列表,用于分类和搜索
+ - AI
+ - 笔记
+sidebar: true # 是否显示侧边栏:true显示,false隐藏
+readingTime: true # 是否显示阅读时间:true显示,false隐藏
+sticky: 0 # 精选文章设置:值越大在首页展示越靠前,0表示不精选
+recommend: false
+---
+
+# vLLM学习笔记1 - Ray与vLLM架构深入理解
+
+> **版本说明**: 本文基于 vLLM 0.2.7 版本进行分析
+> **源码位置**: 相关代码主要位于 `vllm/engine/` 和 `vllm/worker/` 目录下
+
+## Ray框架介绍
+
+### Ray是什么
+
+Ray是一个开源的分布式计算框架,专门为机器学习和AI工作负载设计。它提供了简单的API来构建和运行分布式应用程序。
+
+### Ray中的有状态和无状态
+
+#### 无状态服务
+- **特点**: 每次请求都是独立的,不依赖之前的状态
+- **示例**: HTTP API服务,每个请求处理完就结束
+
+#### 有状态(Worker)服务
+- **特点**: 需要维护内部状态,请求之间有依赖关系
+- **优势**: 可以缓存数据,避免重复计算
+- **示例**: 数据库连接池,模型推理服务(需要保持模型在内存中)
+
+在vLLM中,Worker节点就是典型的**有状态服务**,因为它们需要:
+- 在内存中保持加载的模型
+- 维护KV Cache状态
+- 跟踪正在处理的请求状态
+
+## vLLM的作用与价值
+
+### 主要作用
+1. 专门优化大语言模型的推理速度
+2. 通过PagedAttention技术显著减少内存占用
+3. 支持动态批处理,提高GPU利用率
+4. 支持多GPU和多节点部署
+
+### 核心优势
+- **PagedAttention**: 将注意力机制的KV Cache分页管理,类似操作系统的虚拟内存
+- **连续批处理**: 动态调整批大小,无需等待整个批次完成
+- **零拷贝**: 减少不必要的数据复制操作
+
+### KV Cache显存分配机制
+
+在传统的Transformer推理中,KV Cache需要预先分配连续的显存空间,这会造成大量的内存浪费。vLLM通过PagedAttention技术,将KV Cache分割成固定大小的block块进行管理。
+
+#### Block分配原理
+####
+
+```mermaid
+graph TB
+ subgraph "GPU显存空间"
+ subgraph "KV Cache Pool"
+ B1["Block 1
16 tokens
状态: 已分配"]
+ B2["Block 2
16 tokens
状态: 已分配"]
+ B3["Block 3
16 tokens
状态: 空闲"]
+ B4["Block 4
16 tokens
状态: 空闲"]
+ B5["Block 5
16 tokens
状态: 已分配"]
+ B6["Block 6
16 tokens
状态: 空闲"]
+ end
+
+ subgraph "模型权重"
+ MW["Model Weights
固定占用"]
+ end
+ end
+
+ subgraph "请求管理"
+ R1["Request 1
Seq ID: 001
长度: 25 tokens"]
+ R2["Request 2
Seq ID: 002
长度: 18 tokens"]
+ end
+
+ subgraph "Block映射表"
+ BT["Block Table
Seq 001: [Block1, Block2]
Seq 002: [Block5]
Free: [Block3, Block4, Block6]"]
+ end
+
+ R1 --> B1
+ R1 --> B2
+ R2 --> B5
+
+ BT --> B1
+ BT --> B2
+ BT --> B5
+
+ style B1 fill:#ff9999,stroke:#333,stroke-width:2px,color:#000
+ style B2 fill:#ff9999,stroke:#333,stroke-width:2px,color:#000
+ style B5 fill:#ff9999,stroke:#333,stroke-width:2px,color:#000
+ style B3 fill:#99ff99,stroke:#333,stroke-width:2px,color:#000
+ style B4 fill:#99ff99,stroke:#333,stroke-width:2px,color:#000
+ style B6 fill:#99ff99,stroke:#333,stroke-width:2px,color:#000
+ style MW fill:#cce5ff,stroke:#333,stroke-width:2px,color:#000
+ style R1 fill:#fff2cc,stroke:#333,stroke-width:2px,color:#000
+ style R2 fill:#fff2cc,stroke:#333,stroke-width:2px,color:#000
+ style BT fill:#f0f0f0,stroke:#333,stroke-width:2px,color:#000
+```
+
+#### 关键特性说明
+
+1. **固定Block大小**: 每个Block通常包含16个token的KV Cache
+2. **动态分配**: 根据序列长度动态分配所需的Block数量
+3. **非连续存储**: Block在物理内存中可以不连续,通过映射表管理
+4. **高效回收**: 请求完成后立即回收Block,供其他请求使用
+
+#### 内存利用率对比
+
+| 方案 | 内存预分配 | 实际使用率 | 浪费率 |
+|------|------------|------------|--------|
+| 传统方案 | 最大序列长度 | 20-30% | 70-80% |
+| PagedAttention | 按需分配 | 90-95% | 5-10% |
+
+#### Block管理的具体流程
+
+```python
+# 位置: vllm/core/block_manager.py
+class BlockManager:
+ def allocate_blocks(self, sequence_length):
+ """为序列分配所需的Block"""
+ blocks_needed = math.ceil(sequence_length / self.block_size)
+ allocated_blocks = []
+
+ for _ in range(blocks_needed):
+ if self.free_blocks:
+ block = self.free_blocks.pop()
+ allocated_blocks.append(block)
+ else:
+ # 内存不足,触发抢占机制
+ self.preempt_sequences()
+
+ return allocated_blocks
+
+ def free_blocks(self, sequence_id):
+ """释放序列占用的Block"""
+ blocks = self.sequence_to_blocks[sequence_id]
+ self.free_blocks.extend(blocks)
+ del self.sequence_to_blocks[sequence_id]
+```
+
+这种设计的优势:
+- **内存碎片化最小**: 固定大小的Block避免了内存碎片
+- **动态扩展**: 序列可以根据需要动态申请更多Block
+- **共享机制**: 多个序列可以共享相同的prefix Block(如系统提示词)
+
+## vLLM运作方式详解
+
+### 整体架构流程
+
+```
+用户请求 → LLMEngine → Scheduler → Workers → GPU推理 → 结果返回
+```
+
+### 详细运作步骤
+
+1. `LLMEngine`接收用户的文本生成请求
+2. `Scheduler`决定哪些请求可以被处理
+3. 为请求分配GPU内存和计算资源
+4. 多个`Worker`并行执行推理任务
+5. 收集各Worker的输出并返回给用户
+
+## 调度器(Scheduler)详解
+
+### 调度器的核心职责
+
+调度器是vLLM的"大脑",主要负责:
+
+#### 1. 请求管理
+```python
+# 位置: vllm/engine/llm_engine.py
+class LLMEngine:
+ def __init__(self):
+ self.scheduler = Scheduler(...)
+```
+
+#### 2. 资源调度策略
+1. 跟踪可用的GPU内存
+2. 决定哪些请求可以组成一个批次
+3. 根据请求的优先级和到达时间排序
+
+
+### 调度算法核心逻辑
+
+```python
+# 简化的调度逻辑示例
+def schedule_requests(self):
+ # 1. 检查可用资源
+ available_memory = self.get_available_memory()
+
+ # 2. 选择可执行的请求
+ executable_requests = []
+ for request in self.waiting_requests:
+ if self.can_allocate(request, available_memory):
+ executable_requests.append(request)
+
+ # 3. 返回调度结果
+ return executable_requests
+```
+
+## Worker的作用与机制
+
+### Worker的核心功能
+
+Worker是vLLM的"执行者",每个Worker负责:
+
+#### 1. 模型加载与管理
+```python
+# 位置: vllm/worker/worker.py
+class Worker:
+ def __init__(self):
+ self.model_runner = ModelRunner(...)
+ self.cache_engine = CacheEngine(...)
+```
+
+#### 2. 推理执行
+- **前向传播**: 执行模型的前向计算
+- **KV缓存管理**: 管理注意力机制的键值缓存
+- **内存分配**: 为每个请求分配必要的内存空间
+
+#### 3. 状态维护
+- **请求状态跟踪**: 记录每个请求的处理进度
+- **缓存状态管理**: 维护PagedAttention的页面状态
+- **错误处理**: 处理推理过程中的异常情况
+
+### Worker的工作流程
+
+1. **初始化**: 加载模型权重,初始化缓存引擎
+2. **接收任务**: 从调度器接收批处理任务
+3. **执行推理**: 并行处理批次中的所有请求
+4. **返回结果**: 将推理结果返回给引擎
+
+## 关键代码文件位置
+
+### 主要源码文件结构
+
+```
+vllm/
+├── engine/
+│ ├── llm_engine.py # 主引擎,协调整个推理流程
+│ └── async_llm_engine.py # 异步版本的引擎
+├── core/
+│ ├── scheduler.py # 调度器核心逻辑
+│ └── block_manager.py # 内存块管理器
+├── worker/
+│ ├── worker.py # Worker基类实现
+│ └── model_runner.py # 模型运行器
+└── attention/
+ └── backends/ # PagedAttention实现
+```
+
+### 重要文件说明
+
+- **`vllm/engine/llm_engine.py`**: 整个系统的入口点和协调中心
+- **`vllm/core/scheduler.py`**: 实现了复杂的请求调度算法
+- **`vllm/worker/worker.py`**: Worker的具体实现逻辑
+- **`vllm/core/block_manager.py`**: PagedAttention的内存管理实现
+
+## 总结
+
+vLLM通过Ray框架实现分布式推理,采用有状态的Worker设计来保持模型和缓存状态。其核心创新在于PagedAttention技术和智能调度系统,大幅提升了大语言模型的推理效率和资源利用率。
+
diff --git a/otherdocs/数分笔记/数学分析完整笔记.md b/otherdocs/数分笔记/数学分析完整笔记.md
new file mode 100644
index 0000000..089a9a8
--- /dev/null
+++ b/otherdocs/数分笔记/数学分析完整笔记.md
@@ -0,0 +1,1450 @@
+**Copyright © 2024 Simon**
+
+# 数学分析完整笔记
+
+# 第一章 序章
+
+* 暂无
+
+# 第二章 函数
+
+* 反函数
+
+## 三角函数和反函数
+
+**倒数关系:**
+
+$$
+\cos\theta \cdot \sec\theta = 1
+$$
+
+$$
+\sin\theta \cdot \csc\theta = 1
+$$
+
+$$
+\tan\theta \cdot \cot\theta = 1
+$$
+
+**商数关系:**
+
+$$
+\tan\theta = \frac{\sin\theta}{\cos\theta}
+$$
+
+$$
+\cot\theta = \frac{\cos\theta}{\sin\theta}
+$$
+
+**平方关系:**
+
+$$
+\sin^{2}\theta + \cos^{2}\theta = 1
+$$
+
+$$
+1 + \tan^{2}\theta = \sec^{2}\theta
+$$
+
+$$
+1 + \cot^{2}\theta = \csc^{2}\theta
+$$
+
+**积化和差公式:**
+
+$$
+sin\alpha\cos\beta=\frac{1}{2}[\ \sin(\alpha + \beta)+\sin(\alpha-\beta)]
+$$
+
+$$
+cos\alpha\sin\beta=\frac{1}{2}[\ \sin(\alpha + \beta)-\sin(\alpha-\beta)]
+$$
+
+$$
+cos\alpha\cos\beta=\frac{1}{2}[\ \cos(\alpha + \beta)+\cos(\alpha-\beta)]
+$$
+
+$$
+sin\alpha\sin\beta=-\frac{1}{2}[\ \cos(\alpha + \beta)-\cos(\alpha-\beta)]
+$$
+
+**和差化积:**
+
+1. **正弦函数的和差化积公式:**
+
+ $$
+ sin\alpha+\sin\beta = 2\sin\frac{\alpha + \beta}{2}\cos\frac{\alpha-\beta}{2}
+ $$
+
+ $$
+ sin\alpha-\sin\beta = 2\cos\frac{\alpha + \beta}{2}\sin\frac{\alpha-\beta}{2}
+ $$
+2. **余弦函数的和差化积公式:**
+
+ $$
+ cos\alpha+\cos\beta = 2\cos\frac{\alpha + \beta}{2}\cos\frac{\alpha-\beta}{2}
+ $$
+
+ $$
+ cos\alpha-\cos\beta=2\sin\frac{\alpha + \beta}{2}\sin\frac{\alpha-\beta}{2}
+ $$
+
+### 三角函数
+
+* **余切函数**:
+ 定义:
+
+ $$
+ \cot\theta = \frac{\cos\theta}{\sin\theta}
+ $$
+
+ 在直角三角形中
+
+ $$
+ \cot\theta = \frac{邻边}{对边}
+ $$
+
+ 值域:$R$,定义域:$\theta \neq k\pi, k \in Z$
+* **正割函数**:
+ 定义:
+
+ $$
+ \sec\theta = \frac{1}{\cos\theta}
+ $$
+
+ 值域:$(-\infty, 1]\cup[1,\infty)$,定义域:$\displaystyle \theta \neq k\pi + \frac{\pi}{2}, k \in Z$。
+* **余割函数**:
+ 定义:
+
+ $$
+ \csc\theta = \frac{1}{\sin\theta}
+ $$
+
+ 值域:$(-\infty, 1]\cup[1,\infty)$,定义域:$\theta \neq k\pi, k \in Z$。
+
+### 反三角函数
+
+1. **反正弦函数**:
+ 符号:
+
+ $$
+ y = \arcsin x
+ $$
+
+ 定义域:$[-1,1]$,值域:$\displaystyle\left[-\frac{\pi}{2},\frac{\pi}{2}\right]$
+ 性质:
+
+ $$
+ \sin(\arcsin x) = x, x \in [1,1]
+ $$
+
+ $$
+ \arcsin(\sin y) = y, y \in \left[-\frac{\pi}{2},\frac{\pi}{2}\right]
+ $$
+2. **反余弦函数**:
+ 符号:
+
+ $$
+ y = \arccos x
+ $$
+
+ 定义域:$[-1,1]$,值域:$[0,\pi]$
+ 性质:
+
+ $$
+ \cos(\arccos x) = x, x \in [-1,1]
+ $$
+
+ $$
+ \arccos(\cos y) = y, y \in [0,\pi]
+ $$
+3. **反正切函数**:
+ 符号:
+
+ $$
+ y = \arctan x
+ $$
+
+ 定义域:$R$,值域:$\left(-\frac{\pi}{2},\frac{\pi}{2}\right)$
+ 性质:
+
+ $$
+ \tan(\arctan x) = x, x \in R
+ $$
+
+ $$
+ \arctan(\tan y) = y, y \in \left(-\frac{\pi}{2},\frac{\pi}{2}\right)
+ $$
+4. **反余切函数**:
+ 符号:
+
+ $$
+ y = \text{arccot} x
+ $$
+
+ 定义域:$R$,值域:$(0,\pi)$
+ 性质:
+
+ $$
+ \cot(\text{arccot} x) = x, x \in R
+ $$
+
+ $$
+ \text{arccot}(\cot y) = y, y \in (0,\pi)
+ $$
+
+# 第三章 极限
+
+## 数列的极限
+
+### 数列极限的$\varepsilon - N$语言证明
+
+1. **定义**
+ 数列$\{a_{n}\}$极限是$A$(记为$\lim_{n\rightarrow\infty}a_{n}=A$)的$\varepsilon - N$定义:对于任意给定的正数$\varepsilon\gt0$,存在正整数$N$,使得当$n > N$时,$\vert a_{n}-A\vert\lt\varepsilon$成立。
+2. **证明步骤**
+ - **步骤一:给定$\varepsilon\gt0$**
+ - **步骤二:寻找$N$**
+
+ - 通过分析$\vert a_{n}-A\vert\lt\varepsilon$,对$a_{n}$表达式变形来确定与$\varepsilon$有关的正整数$N$。
+ - 例如,对于数列$\displaystyle a_{n}=\frac{1}{n}$证明$\displaystyle\lim_{n\rightarrow\infty}a_{n}=0$,由$\displaystyle\vert a_{n}-0\vert=\vert\frac{1}{n}-0\vert=\frac{1}{n}$,要使$\displaystyle \frac{1}{n}\lt\varepsilon$,得$\displaystyle n>\frac{1}{\varepsilon}$,可取$\displaystyle N = [\frac{1}{\varepsilon}]+1$($[x]$表示不超过 $x$ 的最大整数)。
+ - **步骤三:验证$n > N$时$\vert a_{n}-A\vert\lt\varepsilon$成立**
+
+ - 仍以上例说明,当$\displaystyle n > N = [\frac{1}{\varepsilon}]+1$时,$n>\frac{1}{\varepsilon}$,则$\displaystyle \frac{1}{n}\lt\varepsilon$,即$\displaystyle \vert a_{n}-0\vert\lt\varepsilon$,证得$\displaystyle \lim_{n\rightarrow\infty}\frac{1}{n}=0$。
+
+### 利用夹迫性证明数列极限
+
+1. **夹迫性定理**
+ 若存在三个数列$\{a_{n}\}$,$\{b_{n}\}$,$\{c_{n}\}$,满足当$n$足够大(比如$n > N_{0}$,$N_{0}$为某个正整数)时,$a_{n}\leq b_{n}\leq c_{n}$,且$\lim_{n\rightarrow\infty}a_{n}=\lim_{n\rightarrow\infty}c_{n}=A$,那么$\lim_{n\rightarrow\infty}b_{n}=A$。
+
+## 函数的极限
+
+1. **当$x\to0$时**
+ - **$x$与$\sin x$是等价无穷小**:
+ - 根据等价无穷小的定义,
+ $$
+ \lim_{x \to 0}\frac{\sin x}{x}=1
+ $$
+ - **$x$与$\tan x$是等价无穷小**:
+ - 同样有
+ $$
+ \lim_{x \to 0}\frac{\tan x}{x}=1
+ $$
+ - **$1 - \cos x$与$\frac{1}{2}x^{2}$是高阶等价无穷小**:
+ - 由
+ $$
+ \lim_{x \to 0}\frac{1 - \cos x}{\frac{1}{2}x^{2}} = 1
+ $$
+
+- 补充:
+- $$
+ x-\sin x\sim\frac{1}{6}x^{3}
+ $$
+
+1. **当$x\to+\infty$时**
+ - **$\ln x$与$\sqrt{x}$的关系**:
+ - 对于任意正整数$n$,
+ $$
+ \lim_{x \to +\infty}\frac{\ln x}{x^{n}} = 0
+ $$
+ - **$x^{n}$与$e^{x}$($n$为常数)**:
+ - 对于任意常数$n$,
+ $$
+ \lim_{x \to +\infty}\frac{x^{n}}{e^{x}} = 0
+ $$
+
+* 当$x\to0$时
+
+$$
+\arctan{x}\to\sin{x}\to x\to \arcsin{x}\to \tan{x} \ \ \ \ \ \ {他们相差}\ \ \frac{x^3}{6}
+$$
+
+***重点:!!!!!(如果考试要用的话就要用泰勒展开写出来)***
+
+## 函数连续性
+
+暂无
+
+## 无限小量和无限大量
+
+暂无
+
+# 第四章 微分和微商
+
+## 各种函数的导数
+
+1. $(kx)' = k$
+2. $(x^n)' = nx^{n - 1}$
+3. $(a^x)' = a^x \ln a$
+4. $(e^x)' = e^x$
+5. $(\log_a x)' = \frac{1}{x \ln a}$
+6. $(\ln x)' = \frac{1}{x}$
+7. $(\sin x)' = \cos x$
+8. $(\cos x)' = - \sin x$
+
+*以下是重点*
+
+**9. $(\tan x)' = \sec^2 x$**
+
+**10. $(\cot x)' = - \csc^2 x$**
+
+**11. $(\sec x)' = \sec x \tan x$**
+
+**12. $(\csc x)' = - \csc x \cot x$**
+
+**13. $\displaystyle( \arcsin x)' = \frac{1}{\sqrt{1 - x^2}}$**
+
+**14. $\displaystyle( \arccos x)' = - \frac{1}{\sqrt{1 - x^2}}$**
+
+**15. $\displaystyle( \arctan x)' = \frac{1}{1 + x^2}$**
+
+**16. $\displaystyle( \text{arccot} x)' = - \frac{1}{1 + x^2}$**
+
+1. **双曲正弦函数(sinh x)**
+ - 定义:$\displaystyle\sinh x=\frac{e^{x}-e^{-x}}{2}$
+ - 导数:$\displaystyle(\sinh x)'=\cosh x$
+2. **双曲余弦函数(cosh x)**
+ - 定义:$\displaystyle\cosh x=\frac{e^{x}+e^{-x}}{2}$
+ - 导数:$\displaystyle(\cosh x)'=\sinh x$
+
+## 莱布尼兹公式
+
+### 公式表述
+
+若函数$u(x)$和$v(x)$都有$n$阶导数,则
+
+$$
+(uv)^{(n)}=\sum_{k = 0}^{n}C_{n}^{k}u^{(n - k)}v^{(k)}
+$$
+
+其中:
+
+- $\displaystyle C_{n}^{k}=\frac{n!}{k!(n - k)!}$是二项式系数
+- $\displaystyle u^{(n-k)}$表示$u$的$(n - k)$阶导数,当$n-k = 0$时,$u^{(0)}=u$
+- $\displaystyle v^{(k)}$表示$v$的$k$阶导数,当$k = 0$时,$v^{(0)}=v$
+
+> **应用举例**
+> 求$y=x^{2}e^{x}$的$n$阶导数。
+> 令$u = x^{2}$,$v=e^{x}$
+> $u' = 2x$,$u''=2$,$u^{(k)}=0$ for $k>2$
+> $v^{(k)}=e^{x}$ for all $k\geqslant0$
+> 根据莱布尼兹公式$(x^{2}e^{x})^{(n)}=C_{n}^{0}x^{2}e^{x}+C_{n}^{1}(2x)e^{x}+C_{n}^{2}(2)e^{x}$
+> 即$(x^{2}e^{x})^{(n)}=(x^{2}+2nx + n(n - 1))e^{x}$
+
+# 第五章 中值定理
+
+## 拉格朗日中值定理
+
+**定理内容**
+
+- 若函数$y = f(x)$满足:
+ - 在闭区间$[a,b]$上连续;
+ - 在开区间$(a,b)$内可导。
+- 那么在$(a,b)$内至少存在一点$\xi$,使得
+- $$
+ f(b)-f(a)=f^{\prime}(\xi)(b - a)
+ $$
+
+> **应用举例**
+> 例如,证明不等式$\displaystyle \frac{b - a}{1 + b^{2}}<\arctan b-\arctan a<\frac{b - a}{1 + a^{2}}$,其中$a < b$。
+> 设$f(x)=\arctan x$,$f(x)$在$[a,b]$上连续,在$(a,b)$内可导,且$\displaystyle f^{\prime}(x)=\frac{1}{1 + x^{2}}$。
+> 根据拉格朗日中值定理,存在$\xi\in(a,b)$,使得$\displaystyle \arctan b-\arctan a=\frac{1}{1+\xi^{2}}(b - a)$。
+> 因为$\displaystyle \frac{1}{1 + b^{2}}<\frac{1}{1+\xi^{2}}<\frac{1}{1 + a^{2}}$
+> 所以$\displaystyle \frac{b - a}{1 + b^{2}}<\arctan b-\arctan a<\frac{b - a}{1 + a^{2}}$。
+
+## 洛必达
+
+没什么好说的
+
+## 函数的极限
+
+1. **函数极限存在的第一充分条件**
+
+ - **内容**:设函数$f(x)$在$x_0$的某去心邻域$\dot{U}(x_0,\delta)$内有定义。
+ - 若当$x \in (x_0 - \delta,x_0)$时,$f(x)$单调递增且有上界,当$x\in(x_0,x_0+\delta)$时,$f(x)$单调递减且有下界,则$\lim_{x \to x_0}f(x)$存在。
+ - 反之,若当$x\in(x_0 - \delta,x_0)$时,$f(x)$单调递减且有下界,当$x\in(x_0,x_0+\delta)$时,$f(x)$单调递增且有上界,则$\lim_{x \to x_0}f(x)$存在。
+2. **函数极限存在的第二充分条件(重点看这个)**
+
+ - **内容**:设函数$y = f(x)$在点$x_0$处具有二阶导数且$f^{\prime}(x_0)=0$,$f^{\prime\prime}(x_0)\neq0$。
+ - 若$f^{\prime\prime}(x_0)>0$,则函数$y = f(x)$在$x = x_0$处取得极小值;
+ - 若$f^{\prime\prime}(x_0)<0$,则函数$y = f(x$在$x = x_0$处取得极大值。
+
+## 函数凹凸性
+
+**利用二阶导数判定**
+设函数$y = f(x)$在区间$I$内具有二阶导数。
+如果$f^{\prime\prime}(x)>0$,$x\in I$,那么函数$y = f(x)$在区间$I$上是凹的。
+如果$f^{\prime\prime}(x)<0$,$x\in I$,那么函数$y = f(x)$在区间$I$上是凸的。
+
+**定义5.2**
+设$f(x)$在$(a,b)$有定义。若对任意$x_1$,$x_2\in(a,b)$和任意$\lambda\in(0,1)$,有
+
+$$
+f(\lambda x_1+(1 - \lambda)x_2)\leq\lambda f(x_1)+(1 - \lambda)f(x_2)
+$$
+
+则称$f(x)$在$(a,b)$为下凸函数;若对任意$x_1$,$x_2\in(a,b)$和任意$\lambda\in(0,1)$,有
+
+$$
+f(\lambda x_1+(1 - \lambda)x_2)\geq\lambda f(x_1)+(1 - \lambda)f(x_2)
+$$
+
+则称$f(x)$在$(a,b)$为上凸函数。
+
+## 函数拐点
+
+**判定方法**
+
+- **二阶导数法**
+ - 一般地,若函数$y = f(x)$在点$x_0$处二阶可导,且在$x_0$的某邻域内二阶导数$f^{\prime\prime}(x)$变号(即函数的凹凸性发生改变),同时$f^{\prime\prime}(x_0) = 0$,那么点$(x_0,f(x_0))$是函数$y = f(x)$的一个拐点。
+
+> **二阶导数不存在的点也可能是拐点**
+
+# 第六章&第七章&第八章 积分
+
+* 常见积分公式
+
+# 不定积分基本公式
+
+$$
+\int kdx = kx + c
+$$
+
+$$
+\int x^{n}dx = \frac{x^{n + 1}}{n + 1}+c
+$$
+
+$$
+\int e^{x}dx = e^{x}+c
+$$
+
+$$
+\int a^{x}dx = \frac{a^{x}}{\ln a}+c
+$$
+
+$$
+\int \frac{1}{x}dx = \ln |x|+c
+$$
+
+$$
+\int \sin xdx = -\cos x + c
+$$
+
+$$
+\int \cos xdx = \sin x + c
+$$
+
+$$
+\int \tan xdx = -\ln |\cos x|+c
+$$
+
+$$
+\int \cot xdx = \ln |\sin x|+c
+$$
+
+$$
+\int \csc xdx = \ln |\csc x - \cot x|+c
+$$
+
+$$
+\int \sec xdx = \ln |\sec x + \tan x|+c
+$$
+
+$$
+\int x^{2}dx = \frac{1}{3}x^{3}+c
+$$
+
+$$
+\int \frac{1}{x^{2}}dx = -\frac{1}{x}+c
+$$
+
+$$
+\int \frac{1}{\sin x}dx = \int \csc^{2}xdx = -\cot x + c
+$$
+
+$$
+\int \frac{1}{\cos^{2}x}dx = \int \sec^{2}xdx = \tan x + c
+$$
+
+$$
+\int \frac{1}{1 + x^{2}}dx = \arctan x + c
+$$
+
+$$
+\int \frac{1}{\sqrt{1 - x^{2}}}dx = \arcsin x + c
+$$
+
+$$
+\int \sec x\tan xdx = \sec x + c
+$$
+
+$$
+\int \csc x\cot xdx = -\csc x + c
+$$
+
+$$
+\int \frac{dx}{a^{2}+x^{2}}=\frac{1}{a}\arctan\frac{x}{a}+c
+$$
+
+$$
+\int \frac{dx}{x^{2}-a^{2}}=\frac{1}{2a}\ln|\frac{x - a}{x + a}|+c
+$$
+
+$$
+\int \frac{dx}{\sqrt{a^{2}-x^{2}}}=\arcsin\frac{x}{a}+c
+$$
+
+$$
+\int \frac{dx}{\sqrt{x^{2}+a^{2}}}=\ln|x+\sqrt{x^{2}+a^{2}}|+c
+$$
+
+$$
+\int \frac{dx}{\sqrt{x^{2}-a^{2}}}=\ln|x+\sqrt{x^{2}-a^{2}}|+c
+$$
+
+$$
+\int \frac{x^{2}}{1 + x^{2}}dx=\frac{1}{2}\ln(1 + x^{2})+c
+$$
+
+$$
+\int \frac{1}{1 + x^{2}}dx=\arctan x + c
+$$
+
+### 补充
+
+$$
+\int \frac{x^2}{1 + x^{2}}dx = x - \arctan x + C
+$$
+
+过程如下(懂了吧)
+
+$$
+\begin{align*}
+\frac{x^2}{1 + x^{2}}&=\frac{x^2 + 1 - 1}{1 + x^{2}}\\
+&=\frac{x^2 + 1}{1 + x^{2}} - \frac{1}{1 + x^{2}}\\
+&= 1 - \frac{1}{1 + x^{2}}
+\end{align*}
+$$
+
+$$
+\int\ln xdx=x\ln x - x + C
+$$
+
+## 换元积分
+
+1. **第一类换元法(凑微分法)**
+
+ - **示例**:计算$\displaystyle \int 2x\cos(x^{2})dx$。
+
+ - 令$u = x^{2}$,则$du=2xdx$。
+ - 原积分$\displaystyle \int 2x\cos(x^{2})dx=\int\cos udu=\sin u + C$。
+ - 再把$u = x^{2}$代回,得到$\sin(x^{2})+C$。
+ - **常见的凑微分形式**:
+
+ - $\displaystyle \int f(ax + b)dx=\frac{1}{a}\int f(ax + b)d(ax + b)(a\neq0)$
+ - $\displaystyle \int f(x^{n})x^{n - 1}dx=\frac{1}{n}\int f(x^{n})d(x^{n})$。
+ - $\displaystyle \int f(\sin x)\cos xdx=\int f(\sin x)d(\sin x)$。
+2. **第二类换元法**
+
+ - **根式代换**
+ - 当被积函数中含有$\displaystyle \sqrt{a^{2}-x^{2}}(a>0)$时,可令$x = a\sin t$,$t\displaystyle \in\left(-\frac{\pi}{2},\frac{\pi}{2}\right)$。
+ - 示例:计算$\displaystyle \int\frac{1}{\sqrt{1 - x^{2}}}dx$。
+ - 令$x=\sin t$,$\displaystyle t\in\left(-\frac{\pi}{2},\frac{\pi}{2}\right)$,则$dx=\cos tdt$。
+ - 原积分
+ - $$
+ \displaystyle \int\frac{1}{\sqrt{1 - x^{2}}}dx=\int\frac{1}{\sqrt{1-\sin^{2}t}}\cos tdt=\int 1dt=t + C
+ $$
+ - 因为$\displaystyle x = \sin t$,所以$t=\arcsin x$,最终结果为$\arcsin x + C$
+ - 当被积函数中含有$\displaystyle \sqrt{x^{2}+a^{2}}(a>0)$时,可令$x = a\tan t$,$\displaystyle t\in\left(-\frac{\pi}{2},\frac{\pi}{2}\right)$。
+ - 当被积函数中含有$\displaystyle \sqrt{x^{2}-a^{2}}(a>0)$时,可令$x = a\sec t$,$\displaystyle t\in\left(0,\frac{\pi}{2}\right)\cup\left(\frac{\pi}{2},\pi\right)$。
+ - **倒代换**
+ - 当分母的次数比分子的次数高很多时,可考虑倒代换,即令$\displaystyle x=\frac{1}{t}$。
+ - 示例:计算$\displaystyle \int\frac{1}{x^{4}(1 + x^{2})}dx$。
+
+ - 令$\displaystyle x=\frac{1}{t}$,则$\displaystyle dx=-\frac{1}{t^{2}}dt$。
+ - 原积分
+
+ $$
+ \displaystyle \int\frac{1}{x^{4}(1 + x^{2})}dx=\int\frac{t^{4}}{1 + t^{2}}\left(-\frac{1}{t^{2}}\right)dt=-\int\frac{t^{2}}{1 + t^{2}}dt
+ $$
+
+ - 进一步化简
+ $$
+ \displaystyle =-\int\left(1-\frac{1}{1 + t^{2}}\right)dt=-t+\arctan t + C
+ $$
+ - 再把$\displaystyle t=\frac{1}{x}$代回,得到$\displaystyle -\frac{1}{x}+\arctan\frac{1}{x}+C$。
+3. **三角代换与双曲代换(补充方法)**
+
+ - **三角代换**:三角代换主要是利用三角函数之间的关系
+ $\sin^{2}t+\cos^{2}t = 1$,$\sec^{2}t-\tan^{2}t = 1$等来化简根式。
+ - **双曲代换(暂时没遇过)**:
+ - 双曲函数定义为$\displaystyle \sinh x=\frac{e^{x}-e^{-x}}{2}$,$\displaystyle \cosh x=\frac{e^{x}+e^{-x}}{2}$,且$\cosh^{2}x-\sinh^{2}x = 1$。
+ - 当被积函数含有$\displaystyle \sqrt{x^{2}+a^{2}}$时,也可令$x = a\sinh t$,因为$\displaystyle \sqrt{x^{2}+a^{2}}=\sqrt{a^{2}\sinh^{2}t+a^{2}}=a\cosh t$,这样代换后可以简化积分运算。
+
+## 分部积分法
+
+**分部积分公式**
+
+- 设函数$u = u(x)$及$v = v(x)$具有连续导数,那么
+
+ $$
+ \int u(x)v^{\prime}(x)dx = u(x)v(x)-\int v(x)u^{\prime}(x)dx
+ $$
+
+ 也可以写成
+
+ $$
+ \int udv = uv-\int vdu
+ $$
+
+## 有理函数的积分
+
+就是拆开
+
+## 定积分
+
+暂无
+
+## 积分中值定理
+
+**积分第一中值定理**
+
+- 若函数$f(x)$在闭区间$[a,b]$上连续,则在$[a,b]$上至少存在一点$\xi$,使得
+ $$
+ \displaystyle \int_{a}^{b}f(x)dx = f(\xi)(b - a)
+ $$
+
+> 这个定理的几何意义是:对于在区间$[a,b]$上连续的函数$y = f(x)$,由曲线$y = f(x)$、$x=a$、$x = b$以及$x$轴所围成的曲边梯形的面积等于以区间$[a,b]$为底,以这个区间内某一点$\xi$处的函数值$f(\xi)$为高的矩形的面积。
+
+**积分第二中值定理**
+
+- 第一形式:设$f(x)$在$[a,b]$上可积,$g(x)$在$[a,b]$上单调递减且$g(x)\geq0$,则存在$\xi\in[a,b]$,使得
+
+$$
+\int_{a}^{b}f(x)g(x)dx = g(a)\int_{a}^{\xi}f(x)dx
+$$
+
+- 第二形式:设$f(x)$在$[a,b]$上可积,$g(x)$在$[a,b]$上单调,那么存在$\xi\in[a,b]$,使得
+
+$$
+\int_{a}^{b}f(x)g(x)dx = g(a)\int_{a}^{\xi}f(x)dx+g(b)\int_{\xi}^{b}f(x)dx
+$$
+
+## 泰勒公式
+
+### 带佩亚诺余项
+
+若函数$f(x)$在点$x_0$存在直至$n$阶导数,则
+
+$$
+\displaystyle f(x)=f(x_0)+f'(x_0)(x - x_0)+\frac{f''(x_0)}{2!}(x - x_0)^2+\cdots+\frac{f^{(n)}(x_0)}{n!}(x - x_0)^n+o((x - x_0)^n)
+$$
+
+其中$o((x - x_0)^n)$为佩亚诺余项,表示当$x\to x_0$时,余项是比$(x - x_0)^n$高阶的无穷小.
+
+### 带拉格朗日余项
+
+若函数$f(x)$在含有$x_0$的某个开区间$(a,b)$内具有$n + 1$阶导数,则对于$\forall x\in(a,b)$,有
+
+$$
+f(x)=f(x_0)+f'(x_0)(x - x_0)+\frac{f''(x_0)}{2!}(x - x_0)^2+\cdots+\frac{f^{(n)}(x_0)}{n!}(x - x_0)^n+R_n(x)
+$$
+
+其中$\displaystyle R_n(x)=\frac{f^{(n + 1)}(\xi)}{(n + 1)!}(x - x_0)^{n + 1}$,$\xi$是介于$x_0$与$x$之间的某个值.
+
+## 常见泰勒公式
+
+### 指数函数
+
+$$
+e^x = 1 + x +\frac{x^2}{2!}+\frac{x^3}{3!}+\cdots+\frac{x^n}{n!}+\cdots
+$$
+
+### 对数函数
+
+$$
+\ln(1 + x)=x-\frac{x^2}{2}+\frac{x^3}{3}-\cdots+(-1)^{n - 1}\frac{x^n}{n}+\cdots
+$$
+
+### 三角函数
+
+- **正弦函数**:
+
+$$
+\sin x = x -\frac{x^3}{3!}+\frac{x^5}{5!}-\cdots+(-1)^{n - 1}\frac{x^{2n - 1}}{(2n - 1)!}+\cdots
+$$
+
+- **余弦函数**:
+
+$$
+\cos x = 1 -\frac{x^2}{2!}+\frac{x^4}{4!}-\cdots+(-1)^{n}\frac{x^{2n}}{(2n)!}+\cdots
+$$
+
+- **正切函数**:
+
+$$
+\tan x = x +\frac{x^3}{3}+\frac{2x^5}{15}+\cdots
+$$
+
+### 反三角函数
+
+- **反正弦函数**:
+
+$$
+\arcsin x = x +\frac{1}{2}\cdot\frac{x^3}{3}+\frac{1\cdot3}{2\cdot4}\cdot\frac{x^5}{5}+\cdots
+$$
+
+- **反正切函数**:
+
+$$
+\arctan x = x -\frac{x^3}{3}+\frac{x^5}{5}-\cdots+(-1)^{k - 1}\frac{x^{2k - 1}}{2k - 1}+\cdots
+$$
+
+### 双曲函数
+
+- **双曲正弦函数**:
+
+$$
+\sinh x = x +\frac{x^3}{3!}+\frac{x^5}{5!}+\cdots+(-1)^{k - 1}\frac{x^{2k - 1}}{(2k - 1)!}+\cdots
+$$
+
+- **双曲余弦函数**:
+
+$$
+\cosh x = 1 +\frac{x^2}{2!}+\frac{x^4}{4!}+\cdots+(-1)^{k}\frac{x^{2k}}{(2k)!}+\cdots
+$$
+
+### 幂函数
+
+$$
+(1 + x)^{\alpha}=1+\alpha x+\frac{\alpha(\alpha - 1)}{2!}x^{2}+\cdots+\frac{\alpha(\alpha - 1)\cdots(\alpha - n + 1)}{n!}x^{n}+\cdots
+$$
+
+### 自己推到:
+
+麦克劳林展开式为:
+
+$$
+f(x)=f(0)+f'(0)x+\frac{f''(0)}{2!}x^{2}+\frac{f'''(0)}{3!}x^{3}+\cdots+\frac{f^{(n)}(0)}{n!}x^{n}+r_{n}(x)
+$$
+
+其中$r_{n}(x)$为余项
+
+## 体积
+
+暂无
+
+## 弧长
+
+#### (1)直角坐标形式
+
+若曲线的方程为$y = f(x)$,$a\leq x\leq b$,且$f(x)$在区间$[a,b]$上具有连续导数,则曲线弧长$s$的计算公式为:
+
+$$
+s=\int_{a}^{b}\sqrt{1 + [f'(x)]^{2}}dx
+$$
+
+#### (2)参数方程形式
+
+若曲线由参数方程$\left\{\begin{array}{l}x = x(t)\\y = y(t)\end{array}\right.$给出,$\alpha\leq t\leq\beta$,其中$x(t)$、$y(t)$在区间$[\alpha,\beta]$上具有连续导数,则曲线弧长$s$的计算公式为:
+
+$$
+s=\int_{\alpha}^{\beta}\sqrt{[x'(t)]^{2}+[y'(t)]^{2}}dt
+$$
+
+#### (3)极坐标形式
+
+若曲线的极坐标方程为$\rho = \rho(\theta)$,$\alpha\leq\theta\leq\beta$,且$\rho(\theta)$在区间$[\alpha,\beta]$上具有连续导数,则曲线弧长$s$的计算公式为:
+
+$$
+s=\int_{\alpha}^{\beta}\sqrt{\rho^{2}(\theta)+[\rho'(\theta)]^{2}}d\theta
+$$
+
+## 曲率
+
+**直角坐标系的曲率**
+
+$$
+\left|\frac{y^{\prime\prime}}{\left[1+(y^{\prime})^{2}\right]^{\frac{3}{2}}}\right|
+$$
+
+**参数方程的曲率**
+
+- 若曲线由参数方程$\left\{\begin{array}{l}x = x(t)\\y = y(t)\end{array}\right.$给出,$t$为参数。则$x^{\prime}=x^{\prime}(t)$,$y^{\prime}=y^{\prime}(t)$,$x^{\prime\prime}=x^{\prime\prime}(t)$,$y^{\prime\prime}=y^{\prime\prime}(t)$。
+- 曲率公式为
+ $$
+ \left|\frac{x^{\prime}(t)y^{\prime\prime}(t)-x^{\prime\prime}(t)y^{\prime}(t)}{\left[(x^{\prime}(t))^{2}+(y^{\prime}(t))^{2}\right]^{\frac{3}{2}}}\right|
+ $$
+
+## 面积
+
+1. **直角坐标下求面积**
+
+ - 设函数$y = f(x)$在区间$[a,b]$上连续且$f(x)\geqslant0$,那么由曲线$y = f(x)$,直线$x = a$,$x = b$以及$x$轴所围成的曲边梯形的面积
+
+ $$
+ \int_{a}^{b}f(x)dx
+ $$
+
+2. **极坐标下求面积**
+
+ - 由极坐标方程$\rho=\rho(\theta)$,$\alpha\leqslant\theta\leqslant\beta$所围成的图形的面积
+ $$
+ S=\frac{1}{2}\int_{\alpha}^{\beta}\rho^{2}(\theta)d\theta
+ $$
+3. **参数方程下求面积**
+
+ - 若曲线$C$的参数方程为$\left\{\begin{array}{l}x = x(t)\\y = y(t)\end{array}\right.$,$\alpha\leqslant t\leqslant\beta$,且$x(t)$,$y(t)$具有连续的一阶导数,$x^{\prime}(t)$不变号。
+ - 当$x^{\prime}(t)>0$时,曲线$C$与直线$x = a,x = b,y = 0$所围成的图形的面积
+
+ $$
+ A=\int_{\alpha}^{\beta}y(t)x^{\prime}(t)dt
+ $$
+
+### **直角坐标与极坐标的转换关系**
+
+- 直角坐标用$(x,y)$表示,极坐标用$(\rho,\theta)$表示,它们之间的转换公式为$x = \rho\cos\theta$,$y=\rho\sin\theta$,且$\rho^{2}=x^{2} + y^{2}$
+
+# 一些例题
+
+* 求极限
+
+$$
+\lim _{n \rightarrow \infty} \frac{1}{n} \sum_{i=1}^n \frac{\ln (1+1 / i)}{\sin 1 / i}
+$$
+
+* 解答:
+
+$$
+\lim _{n \rightarrow \infty} \frac{1}{n} \sum_{i=1}^n \frac{\ln (1+1 / i)}{\sin 1 / i}=\lim _{n \rightarrow \infty} \frac{\ln (1+1 / n)}{\sin 1 / n}=\lim _{x \rightarrow 0} \frac{\ln (1+x)}{\sin x}=1
+$$
+
+# 黎曼和
+
+当分割子区间的最大长度$\lambda \to 0$($n\to+\infty$且分割越来越细)时,黎曼和的极限若存在,就是函数$f(x)$在区间$[a,b]$上的定积分,即
+
+$$
+\int_{a}^{b}f(x)dx=\lim\limits_{\lambda\to0}\sum_{i = 1}^{n}f(\xi_{i})\Delta x_{i}
+$$
+
+# 第十章 数项级数
+
+## 一、正项级数敛散性判别法
+
+### (一)比较判别法
+
+1. **原理**:设$\displaystyle\sum_{n = 1}^{\infty}a_{n}$和$\displaystyle\sum_{n = 1}^{\infty}b_{n}$是两个正项级数,且$a_{n}\leq b_{n}(n = 1,2,\cdots)$。若$\displaystyle\sum_{n = 1}^{\infty}b_{n}$收敛,则$\displaystyle\sum_{n = 1}^{\infty}a_{n}$也收敛;若$\displaystyle\sum_{n = 1}^{\infty}a_{n}$发散,则$\displaystyle\sum_{n = 1}^{\infty}b_{n}$也发散。
+2. **例如**:判断$\displaystyle\sum_{n = 1}^{\infty}\frac{1}{n^{2}+ 1}$的敛散性。因为$\displaystyle\frac{1}{n^{2}+1}<\frac{1}{n^{2}}$,而$\displaystyle\sum_{n = 1}^{\infty}\frac{1}{n^{2}}$是收敛的$p$级数($p = 2>1$),所以$\displaystyle\sum_{n = 1}^{\infty}\frac{1}{n^{2}+1}$收敛。
+
+### (二)比较判别法的极限形式
+
+1. **原理**:设$\displaystyle\sum_{n = 1}^{\infty}a_{n}$和$\displaystyle\sum_{n = 1}^{\infty}b_{n}$是两个正项级数,且$\displaystyle\lim_{n \rightarrow \infty}\frac{a_{n}}{b_{n}} = l$( $ 0 < l <+\infty$),则$\displaystyle\sum_{n = 1}^{\infty}a_{n}$与$\displaystyle\sum_{n = 1}^{\infty}b_{n}$敛散性相同。
+2. **例如**:判断$\displaystyle\sum_{n = 1}^{\infty}\sin\frac{1}{n}$的敛散性。因为$\displaystyle\lim_{n\rightarrow\infty}\frac{\sin\frac{1}{n}}{\frac{1}{n}} = 1$,而$\displaystyle\sum_{n = 1}^{\infty}\frac{1}{n}$发散,所以$\displaystyle\sum_{n = 1}^{\infty}\sin\frac{1}{n}$发散。
+
+### (三)比值判别法(达朗贝尔判别法)
+
+1. **原理**:设$\displaystyle\sum_{n = 1}^{\infty}a_{n}$是正项级数,且$\displaystyle\lim_{n\rightarrow\infty}\frac{a_{n + 1}}{a_{n}}=\rho$。当$\displaystyle\rho<1$时,级数$\displaystyle\sum_{n = 1}^{\infty}a_{n}$收敛;当$\displaystyle\rho>1$(包括$\displaystyle\rho = +\infty$)时,级数$\displaystyle\sum_{n = 1}^{\infty}a_{n}$发散;当$\displaystyle\rho = 1$时,判别法失效。
+2. **例如**:判断$\displaystyle\sum_{n = 1}^{\infty}\frac{n!}{n^{n}}$的敛散性。计算$\displaystyle\lim_{n\rightarrow\infty}\frac{a_{n+1}}{a_{n}}=\lim_{n\rightarrow\infty}\frac{(n + 1)!}{(n+1)^{n+1}}\cdot\frac{n^{n}}{n!}=\lim_{n\rightarrow\infty}\left(\frac{n}{n + 1}\right)^{n}=\frac{1}{e}<1$,所以级数收敛。
+
+### (四)根值判别法(柯西判别法)
+
+1. **原理**:设$\displaystyle\sum_{n = 1}^{\infty}a_{n}$是正项级数,且$\displaystyle\lim_{n\rightarrow\infty}\sqrt[n]{a_{n}}=\rho$。当$\displaystyle\rho<1$时,级数$\displaystyle\sum_{n = 1}^{\infty}a_{n}$收敛;当$\displaystyle\rho>1$(包括$\displaystyle\rho = +\infty$)时,级数$\displaystyle\sum_{n = 1}^{\infty}a_{n}$发散;当$\displaystyle\rho = 1$时,判别法失效。
+2. **例如**:判断$\displaystyle\sum_{n = 1}^{\infty}\left(\frac{n}{2n+1}\right)^{n}$的敛散性。$\displaystyle\lim_{n\rightarrow\infty}\sqrt[n]{a_{n}}=\lim_{n\rightarrow\infty}\frac{n}{2n + 1}=\frac{1}{2}<1$,所以该级数收敛。
+
+### (五)积分判别法
+
+1. **原理**:设$f(x)$是$[1,+\infty)$上非负、单调递减的连续函数,令$a_{n}=f(n)$,则级数$\displaystyle\sum_{n = 1}^{\infty}a_{n}$与反常积分$\displaystyle\int_{1}^{+\infty}f(x)dx$同敛散。
+2. **例如**:判断$\displaystyle\sum_{n = 2}^{\infty}\frac{1}{n\ln n}$的敛散性。考虑函数$f(x)=\frac{1}{x\ln x}$,$\displaystyle\int_{2}^{+\infty}\frac{1}{x\ln x}dx=\lim_{t\rightarrow+\infty}\int_{2}^{t}\frac{1}{x\ln x}dx=\lim_{t\rightarrow+\infty}[\ln(\ln x)]_{2}^{t}=+\infty$,所以级数$\displaystyle\sum_{n = 2}^{\infty}\frac{1}{n\ln n}$发散。
+
+### (六)拉阿比判别法
+
+1. **原理**:设$\displaystyle\sum_{n = 1}^{\infty}a_{n}$是正项级数,且$\displaystyle\lim_{n \to \infty} n\left(\frac{a_{n}}{a_{n + 1}} - 1\right)=R$。
+ - 当$R > 1$时,级数$\displaystyle\sum_{n = 1}^{\infty}a_{n}$收敛;
+ - 当$R < 1$时,级数$\displaystyle\sum_{n = 1}^{\infty}a_{n}$发散;
+ - 当$R = 1$时,判别法失效。
+2. **例如**:判断级数$\displaystyle\sum_{n = 1}^{\infty}\frac{(2n)!}{(n!)^{2}}\cdot\frac{1}{2^{n}}$的敛散性。
+ 计算$\displaystyle\lim_{n \to \infty} n\left(\frac{a_{n}}{a_{n + 1}} - 1\right)$:
+
+$$
+\begin{align*}
+a_{n}&=\frac{(2n)!}{(n!)^{2}}\cdot\frac{1}{2^{n}}\\
+a_{n + 1}&=\frac{(2(n + 1))!}{((n + 1)!)^{2}}\cdot\frac{1}{2^{n + 1}}\\
+\frac{a_{n}}{a_{n + 1}}&=\frac{(2n)!}{(n!)^{2}}\cdot\frac{1}{2^{n}}\cdot\frac{((n + 1)!)^{2}}{(2(n + 1))!}\cdot 2^{n + 1}\\
+&=\frac{(2n)!}{(n!)^{2}}\cdot\frac{((n + 1)!)^{2}}{(2n + 2)!}\cdot 2\\
+&=\frac{(2n)!}{(n!)^{2}}\cdot\frac{(n + 1)^{2}\cdot (n!)^{2}}{(2n + 2)\cdot(2n + 1)\cdot(2n)!}\cdot 2\\
+&=\frac{(n + 1)^{2}}{(2n + 2)\cdot(2n + 1)}\cdot 2\\
+&=\frac{(n + 1)^{2}}{(n + 1)(2n + 1)}\cdot 2\\
+&=\frac{n + 1}{2n + 1}\cdot 2
+\end{align*}
+$$
+
+$$
+\begin{align*}
+\lim_{n \to \infty} n\left(\frac{a_{n}}{a_{n + 1}} - 1\right)&=\lim_{n \to \infty} n\left(\frac{n + 1}{2n + 1}\cdot 2 - 1\right)\\
+&=\lim_{n \to \infty} n\left(\frac{2n + 2 - (2n + 1)}{2n + 1}\right)\\
+&=\lim_{n \to \infty} n\cdot\frac{1}{2n + 1}\\
+&=\lim_{n \to \infty}\frac{n}{2n + 1}\\
+&=\frac{1}{2} < 1
+\end{align*}
+$$
+
+所以级数$\displaystyle\sum_{n = 1}^{\infty}\frac{(2n)!}{(n!)^{2}}\cdot\frac{1}{2^{n}}$发散。
+
+## 二、交错级数敛散性判别法
+
+### (一)莱布尼茨判别法
+
+1. **原理**:对于交错级数$\displaystyle\sum_{n = 1}^{\infty}(- 1)^{n - 1}a_{n}(a_{n}>0)$,如果$a_{n}\geq a_{n + 1}(n = 1,2,\cdots)$,且$\displaystyle\lim_{n\rightarrow\infty}a_{n}=0$,那么交错级数$\displaystyle\sum_{n = 1}^{\infty}(-1)^{n-1}a_{n}$收敛。
+2. **例如**:判断$\displaystyle\sum_{n = 1}^{\infty}(-1)^{n - 1}\frac{1}{n}$的敛散性。$a_{n}=\frac{1}{n}$,显然$\displaystyle\frac{1}{n}\geq\frac{1}{n + 1}$,且$\displaystyle\lim_{n\rightarrow\infty}\frac{1}{n}=0$,所以该交错级数收敛。
+
+## 三、任意项级数敛散性判别法
+
+### (一)绝对收敛判别法
+
+1. **原理**:若$\displaystyle\sum_{n = 1}^{\infty}\vert a_{n}\vert$收敛,则$\displaystyle\sum_{n = 1}^{\infty}a_{n}$绝对收敛,且$\displaystyle\sum_{n = 1}^{\infty}a_{n}$收敛。
+2. **例如**:判断$\displaystyle\sum_{n = 1}^{\infty}\frac{\sin n}{n^{2}}$的敛散性。因为$\displaystyle\left|\frac{\sin n}{n^{2}}\right|\leq\frac{1}{n^{2}}$,而$\displaystyle\sum_{n = 1}^{\infty}\frac{1}{n^{2}}$收敛,所以$\displaystyle\sum_{n = 1}^{\infty}\frac{\sin n}{n^{2}}$绝对收敛,从而该级数收敛。
+
+### (二)条件收敛判别法
+
+如果$\displaystyle\sum_{n = 1}^{\infty}a_{n}$收敛,但$\displaystyle\sum_{n = 1}^{\infty}\vert a_{n}\vert$发散,则$\displaystyle\sum_{n = 1}^{\infty}a_{n}$条件收敛。例如$\displaystyle\sum_{n = 1}^{\infty}(-1)^{n - 1}\frac{1}{n}$收敛,但$\displaystyle\sum_{n = 1}^{\infty}\left|(-1)^{n - 1}\frac{1}{n}\right|=\sum_{n = 1}^{\infty}\frac{1}{n}$发散,所以$\displaystyle\sum_{n = 1}^{\infty}(-1)^{n - 1}\frac{1}{n}$条件收敛。
+
+# 第十一章到第十三章
+
+# 狄利克雷判别法:
+
+## 一、数项级数的狄利克雷判别法
+
+设级数$\sum_{n=1}^{\infty}a_n b_n$,如果满足:
+
+1. 部分和序列$A_n = \sum_{k=1}^{n}a_k$有界,即存在常数$M$,使得对所有$n$,都有:
+$$
+|A_n| = \left|\sum_{k=1}^{n}a_k\right| \leq M
+$$
+
+2. 数列$\{b_n\}$单调趋于零,即:
+ - 单调递减或单调递增;
+ $\lim_{n \to \infty} b_n = 0$。
+
+则级数$\sum_{n=1}^{\infty} a_n b_n$收敛。
+
+## 二、函数项级数的狄利克雷判别法
+
+设函数项级数:
+
+$$
+\sum_{n=1}^{\infty} a_n(x)b_n(x)
+$$
+
+如果满足:
+
+1. 对每个固定的$x$,部分和序列
+
+$$
+A_n(x) = \sum_{k=1}^{n} a_k(x)
+$$
+
+有界,即存在常数$M(x)$,使得:
+
+$$
+|A_n(x)|\leq M(x)
+$$
+
+2. 函数序列$\{b_n(x)\}$对$n$单调趋于零,即满足:
+ - 单调性:对于每个固定的$x$,$b_n(x)$关于$n$单调递减或递增;
+ - 极限性:对每个固定的$x$,有$\lim_{n \to \infty} b_n(x) = 0$。
+
+则函数项级数$\sum_{n=1}^{\infty} a_n(x)b_n(x)$收敛。
+
+## 三、广义积分的狄利克雷判别法
+
+设积分:
+
+$$
+\int_{a}^{+\infty} f(x)g(x)\,\mathrm{d}x
+$$
+
+如果满足:
+
+1. 积分的原函数
+
+$$
+F(x)=\int_{a}^{x}f(t)\,\mathrm{d}t
+$$
+
+有界,即存在常数$M$,使得:
+
+$$
+|F(x)|\leq M, \quad x \ge a
+$$
+
+2. 函数$g(x)$满足:
+ - 在区间$[a,+\infty)$上单调趋于零;
+ $\lim_{x \to +\infty} g(x)=0$。
+
+则广义积分$\int_{a}^{+\infty} f(x)g(x)\,\mathrm{d}x$收敛。
+
+## 四、瑕积分的狄利克雷判别法
+
+设积分存在瑕点$x = a$(假设瑕点为积分下限,其他点类似),考虑积分:
+
+$$
+\int_{a}^{b}f(x)g(x)\,\mathrm{d}x
+$$
+
+如果满足:
+
+1. 积分的原函数:
+
+$$
+F(x)=\int_{a}^{x}f(t)\,\mathrm{d}t
+$$
+
+在靠近瑕点$x=a$时有界。
+
+2. 函数$g(x)$满足:
+ - 在$(a,b]$上单调趋于零(当$x \to a^+$时);
+ -$\lim_{x \to a^+}g(x)=0$。
+
+则瑕积分$\int_{a}^{b}f(x)g(x)\,\mathrm{d}x$收敛。
+
+# 阿贝尔判别法:
+
+## 一、数项级数的阿贝尔判别法
+
+考虑级数:
+
+$$
+\sum_{n=1}^{\infty} a_n b_n
+$$
+
+如果满足以下两个条件:
+
+1. 级数$\sum_{n=1}^{\infty} a_n$**收敛**(而非仅仅有界);
+2. 数列$\{b_n\}$为**单调有界数列**,即:
+ - 存在有限的常数$M$,使得$|b_n|\leq M$,且单调(递增或递减)。
+
+则级数$\sum_{n=1}^{\infty} a_n b_n$**收敛**。
+
+## 二、函数项级数的阿贝尔判别法
+
+### 判别法描述:
+
+考虑函数项级数:
+
+$$
+\sum_{n=1}^{\infty} a_n(x) b_n(x)
+$$
+
+如果满足:
+
+1. 对每个固定的$x$,级数
+
+$$
+\sum_{n=1}^{\infty} a_n(x)
+$$
+
+收敛;
+
+2. 对每个固定的$x$,函数序列$\{b_n(x)\}$单调有界,即:
+ - 存在常数$M(x)$,使得对所有$n$,$|b_n(x)|\leq M(x)$;
+ - 对于固定的$x$,关于$n$单调递增或递减。
+
+则函数项级数$\sum_{n=1}^{\infty}a_n(x)b_n(x)$收敛。
+
+## 三、广义积分的阿贝尔判别法
+
+### 判别法描述:
+
+考虑广义积分:
+
+$$
+\int_{a}^{+\infty} f(x)g(x)\,\mathrm{d}x
+$$
+
+如果满足:
+
+1. 积分$\int_{a}^{+\infty} f(x)\,\mathrm{d}x$**收敛**;
+2. 函数$g(x)$在区间$[a,+\infty)$上**单调有界**,即:
+ - 存在常数$M$,使得$|g(x)|\leq M$,且$g(x)$在$[a,+\infty)$上单调。
+
+则广义积分$\int_{a}^{+\infty} f(x)g(x)\,\mathrm{d}x$**收敛**。
+
+## 四、瑕积分的阿贝尔判别法
+
+### 判别法描述:
+
+考虑具有瑕点的积分(例如积分下限有瑕点$a$):
+
+$$
+\int_{a}^{b} f(x)g(x)\,\mathrm{d}x
+$$
+
+如果满足:
+
+1. 瑕积分$\int_{a}^{b} f(x)\,\mathrm{d}x$**收敛**;
+2. 函数$g(x)$在$(a,b]$上**单调有界**,即:
+ - 存在常数$M$,使得对所有$x\in(a,b]$,有$|g(x)|\leq M$;
+ - 在区间靠近瑕点$a$时,函数$g(x)$是单调的。
+
+则瑕积分$\int_{a}^{b} f(x)g(x)\,\mathrm{d}x$**收敛**。
+
+# 总结成一句话:
+
+- **狄利克雷** 判别法:部分和有界 (震荡) × 单调趋零 = 收敛。
+- **阿贝尔** 判别法:已知收敛 (收敛×单调有界) = 收敛。
+
+# 第十四章 傅里叶级数
+
+## 一、傅里叶级数的基本概念与公式
+
+一个定义在区间$[-l, l]$上周期为$2l$的函数$f(x)$,可表示成傅里叶级数:
+
+$$
+f(x) = \frac{a_0}{2} + \sum_{n=1}^{\infty} \left[a_n\cos\frac{n\pi x}{l} + b_n\sin\frac{n\pi x}{l}\right]
+$$
+
+### 系数计算公式:
+
+- **常数项$a_0$**:
+
+$$
+a_0 = \frac{1}{l}\int_{-l}^{l}f(x)\,dx
+$$
+
+- **余弦项系数$a_n$**($n\geq 1$):
+
+$$
+a_n = \frac{1}{l}\int_{-l}^{l}f(x)\cos\frac{n\pi x}{l}\,dx
+$$
+
+- **正弦项系数$b_n$**($n\geq 1$):
+
+$$
+b_n = \frac{1}{l}\int_{-l}^{l}f(x)\sin\frac{n\pi x}{l}\,dx
+$$
+
+## 二、傅里叶级数的特殊区间(常见):
+
+### (一)区间$[-\pi,\pi]$(标准区间)
+
+若函数定义在$[- \pi,\pi]$,周期为$2\pi$,傅里叶级数为:
+
+$$
+f(x)=\frac{a_0}{2}+\sum_{n=1}^{\infty}(a_n\cos nx+b_n\sin nx)
+$$
+
+- 系数公式:
+
+$$
+a_0=\frac{1}{\pi}\int_{-\pi}^{\pi}f(x)\,dx,\quad
+a_n=\frac{1}{\pi}\int_{-\pi}^{\pi}f(x)\cos nx\,dx,\quad
+b_n=\frac{1}{\pi}\int_{-\pi}^{\pi}f(x)\sin nx\,dx
+$$
+
+### (二)区间$[0,2\pi]$
+
+若函数定义在区间$[0,2\pi]$,周期为$2\pi$,傅里叶级数展开为:
+
+$$
+f(x)=\frac{a_0}{2}+\sum_{n=1}^{\infty}(a_n\cos nx+b_n\sin nx)
+$$
+
+- 系数计算:
+
+$$
+a_0=\frac{1}{\pi}\int_{0}^{2\pi}f(x)\,dx,\quad
+a_n=\frac{1}{\pi}\int_{0}^{2\pi}f(x)\cos nx\,dx,\quad
+b_n=\frac{1}{\pi}\int_{0}^{2\pi}f(x)\sin nx\,dx
+$$
+
+### (三)区间$[-l,l]$(一般区间)
+
+一般区间的情况(区间长度为$2l$),傅里叶级数通式为:
+
+$$
+f(x)=\frac{a_0}{2}+\sum_{n=1}^{\infty}\left(a_n\cos\frac{n\pi x}{l}+b_n\sin\frac{n\pi x}{l}\right)
+$$
+
+- 系数计算:
+
+$$
+a_0=\frac{1}{l}\int_{-l}^{l}f(x)\,dx,\quad
+a_n=\frac{1}{l}\int_{-l}^{l}f(x)\cos\frac{n\pi x}{l}\,dx,\quad
+b_n=\frac{1}{l}\int_{-l}^{l}f(x)\sin\frac{n\pi x}{l}\,dx
+$$
+
+## 三、小结(核心公式记忆):
+
+- 通式记忆:
+
+$$
+f(x)=\frac{a_0}{2}+\sum_{n=1}^{\infty}(a_n\cos\frac{n\pi x}{l}+b_n\sin\frac{n\pi x}{l})
+$$
+
+- 一般系数公式:
+
+$$
+a_0=\frac{1}{l}\int_{-l}^{l}f(x)dx,\quad
+a_n=\frac{1}{l}\int_{-l}^{l}f(x)\cos\frac{n\pi x}{l}dx,\quad
+b_n=\frac{1}{l}\int_{-l}^{l}f(x)\sin\frac{n\pi x}{l}dx
+$$
+
+- 区间特化记忆:
+ - 标准区间$[-\pi,\pi]$时,公式中$l=\pi$;
+ - 区间$[0,2\pi]$时,积分区间改为$[0,2\pi]$。
+
+# 第十五章——第二十章
+
+## 一、二元函数的极限与连续性
+
+### 1. 函数极限定义
+
+假设函数$f(x,y)$定义在点$(x_0,y_0)$的去心领域内,若对任意路径$(x,y)\rightarrow(x_0,y_0)$,极限值均存在且相等,则记为极限:
+
+$$
+\lim_{(x,y)\to(x_0,y_0)} f(x,y)=L
+$$
+
+### 2. 二元函数极限存在判定
+
+- 当沿不同路径趋于同一点的极限值不同时,则该二元函数极限不存在。
+
+常用方法:
+
+- 沿特殊路径(如$x = x_0$,$y = y_0$,$y = k(x - x_0)$等)求极限并比较。
+- 极坐标法:将$(x, y)$替换为$(r\cos\theta, r\sin\theta)$,考察当$r \to 0$时的极限。
+
+### 3. 二元函数的连续性
+
+若二元函数满足:
+
+$$
+\lim_{(x,y)\to(x_0,y_0)}f(x,y)=f(x_0,y_0)
+$$
+
+则称函数在点$(x_0,y_0)$连续。
+
+连续函数的性质:
+
+- 基本运算法则(加、减、乘、除、复合运算)在连续点均保持连续。
+- 多项式函数、指数函数、三角函数在定义域内连续。
+
+## 二、二元函数的偏导数与高阶偏导
+
+### 1. 偏导数定义
+
+给定二元函数$z = f(x, y)$,偏导数表示函数沿坐标轴方向的变化率:
+
+$$
+f_x(x,y)=\frac{\partial f}{\partial x}=\lim_{\Delta x \to 0}\frac{f(x+\Delta x,y)-f(x,y)}{\Delta x}
+$$
+
+$$
+f_y(x,y)=\frac{\partial f}{\partial y}=\lim_{\Delta y \to 0}\frac{f(x,y+\Delta y)-f(x,y)}{\Delta y}
+$$
+
+### 2. 高阶偏导
+
+常见的二阶偏导:
+
+$$
+f_{xx}(x,y)=\frac{\partial^2 f}{\partial x^2}, \quad f_{yy}(x,y)=\frac{\partial^2 f}{\partial y^2},\quad f_{xy}(x,y)=\frac{\partial^2 f}{\partial y \partial x},\quad f_{yx}(x,y)=\frac{\partial^2 f}{\partial x \partial y}
+$$
+
+偏导连续、光滑函数具有性质:
+
+$$
+f_{xy}(x,y)=f_{yx}(x,y)
+$$
+
+(克莱罗定理)
+
+## 三、二元函数的可微性与全微分
+
+### 1. 二元函数的可微定义
+
+设二元函数$z=f(x,y)$,若其变化量可表示为线性主部与高阶无穷小之和:
+
+$$
+\Delta z = f(x+\Delta x,y+\Delta y)-f(x,y)=f_x(x,y)\Delta x+f_y(x,y)\Delta y+o(\rho),\quad(\rho=\sqrt{\Delta x^2+\Delta y^2})
+$$
+
+且满足:
+
+$$
+\lim_{\rho\to 0}\frac{o(\rho)}{\rho}=0
+$$
+
+则称函数在该点可微。其中:
+
+-$f_x(x,y), f_y(x,y)$为函数在$(x,y)$点的偏导数。
+-$o(\rho)$为高阶无穷小量,其在点邻域内趋于零的速度快于线性小量$\rho$。
+
+几何意义:
+可微函数在该点局部表现如同一个线性函数,且误差项相对于线性近似部分极小,保证函数在该点附近可用线性函数很好地逼近。
+
+### 2. 全微分形式
+
+若函数在点$(x,y)$可微,则全微分为:
+
+$$
+dz = f_x(x,y)dx + f_y(x,y)dy
+$$
+
+作为函数在该点的线性近似。
+
+### 3. 可微性与连续性、偏导关系:
+
+函数可微 ⇒ 函数必定连续,且偏导数存在。但偏导数存在不能保证函数一定可微。充分条件(常见判定定理):
+
+- 若函数两个偏导数在点附近连续,则该函数在该点一定可微。
+
+## 四、二元函数的极值与最小二乘法
+
+### 1. 极值
+
+若点$(x_0, y_0)$为极值点(可能极大或极小),则有:
+
+$$
+f_x(x_0,y_0)=0,\quad f_y(x_0,y_0)=0
+$$
+
+#### 二阶导数判别法
+
+定义 Hessian 判别式:
+
+$$
+H =
+\begin{vmatrix}
+f_{xx}(x_0,y_0) & f_{xy}(x_0,y_0) \\
+f_{yx}(x_0,y_0) & f_{yy}(x_0,y_0)
+\end{vmatrix}
+$$
+
+- 若$H>0, f_{xx}(x_0,y_0)>0$,点为极小;
+- 若$H>0, f_{xx}(x_0,y_0)<0$,点为极大;
+- 若$H<0$,则为鞍点,不为极值点。
+
+### 2. 最小二乘法(Least Squares Method)
+
+拟合数据曲线,用以确定线性模型参数:
+
+对于拟合函数$y = ax + b$,最小化平方误差之和:
+
+$$
+S(a,b) = \sum_{i=1}^{n}(y_i - ax_i - b)^2
+$$
+
+通过偏导求驻点建立法方程:
+
+$$
+\frac{\partial S}{\partial a}=0,\quad \frac{\partial S}{\partial b}=0
+$$
+
+由此解出最优参数$a, b$。
+
+## 五、条件极值与拉格朗日乘数法
+
+求函数$f(x,y)$在约束条件$g(x,y)=0$下的极值。
+
+构建拉格朗日函数:
+
+$$
+L(x,y,\lambda)=f(x,y)-\lambda g(x,y)
+$$
+
+其中$g(x,y)=h(x,y)-c$为约束函数。
+
+由方程组:
+
+$$
+\nabla L = 0 \Rightarrow
+\begin{cases}
+f_x(x,y)-\lambda g_x(x,y)=0 \\
+f_y(x,y)-\lambda g_y(x,y)=0 \\
+g(x,y)=0
+\end{cases}
+$$
+
+求解确定极值点。
+
+## 六、含参变量的积分、广义积分与欧拉积分
+
+### 1. 含参变量积分
+
+积分形式:
+
+$$
+F(a)=\int_{u(a)}^{v(a)} f(x,a)\,dx
+$$
+
+求导法则(Leibniz公式):
+
+$$
+F'(a)=f[v(a),a]\cdot v'(a)-f[u(a),a]\cdot u'(a)+\int_{u(a)}^{v(a)} \frac{\partial f}{\partial a}(x,a)\,dx
+$$
+
+### 2. 广义积分
+
+例如:
+
+$$
+\int_{0}^{+\infty} f(x,a)\,dx
+$$
+
+判断广义积分收敛的常用方法:
+
+- 比较判别法
+- 极限判别法
+
+### 3. 欧拉积分
+
+- 第一类欧拉积分(Beta函数):
+
+$$
+B(x,y)=\int_0^1 t^{x-1}(1-t)^{y-1}\,dt,\quad x>0,y>0
+$$
+
+- 第二类欧拉积分(Gamma函数):
+
+$$
+\Gamma(x)=\int_0^{+\infty} t^{x-1}e^{-t}\,dt,\quad x>0
+$$
+
+- 两者关系:
+
+$$
+B(x,y)=\frac{\Gamma(x)\Gamma(y)}{\Gamma(x+y)}
+$$
+
+## 七、重积分
+
+### 二重积分定义
+
+设区域$D$为闭区域,则二重积分表示为:
+
+$$
+\iint_{D} f(x,y)\,dxdy
+$$
+
+### 计算方法
+
+- 直角坐标系下的积分:
+
+$$
+\iint_{D} f(x,y)\,dxdy=\int_{x=a}^{x=b}\int_{y=g_1(x)}^{y=g_2(x)} f(x,y)\,dydx
+$$
+
+- 极坐标变换:
+
+$$
+x=r\cos\theta,\quad y=r\sin\theta,\quad dxdy=r\,drd\theta
+$$
+
+### 应用
+
+- 求面积、体积、质量、重心等
+- 交换积分次序 (Fubini定理):
+
+$$
+\int_{x=a}^{x=b}\int_{y=c}^{y=d}f(x,y)\,dydx=\int_{y=c}^{y=d}\int_{x=a}^{x=b}f(x,y)\,dxdy
+$$
diff --git a/otherdocs/数分笔记/数学分析完整笔记.pdf b/otherdocs/数分笔记/数学分析完整笔记.pdf
new file mode 100644
index 0000000000000000000000000000000000000000..d1dc7571c5df8902daf66c31c337889801e64b4c
GIT binary patch
literal 1114441
zcma&M18`=+(=Qy`w(-QaZQD+s*c;o~*xcCO*tV^WH@3aG`QQ6~b>FI6_0?N-=KQ96
zdV0Eh&Q$fx97<(zNd^{1b~wt#^V2;z77}I>M^hU(etsr(Yd1R!5`IYuNl8u)E@lo<
zPEHP1W=>8np6@!h*f)=zOO%D3TU3;pnVI!JMf^Yb|M583xy9HeImFl{SVaDNJ2Nx8
zBr`MTcLy%EZ{+zd?Ei%<-zf2aWVtw*nc2Q+)^D1P`@is;W@8qFV-j<*FmZEqAps~j
zdRyDsnJ{rMGLz^7w5%P>9X(u06xB&sm>HS*NWK}I?0h7iob38EBqB~ub{1L|rgGM9
zOdM=njBK3WUF4+I73Aqj?5u4qNTe*xY#qM^9Zg-W&8
q7ECOx
z+>FeOoSZCdj4a%oBocNOW^OKy4oqyUjI4|tBx)v>CN9?hrI-eeN!i8G+}+IL+eS58
zYZIpLAd}dCtN3pD-^N=zI*6ONSt4d0ClRIhc8vIaxT^*g4qgn3<`+pKmz@NAv%G
z5kWyXi*JX&CyVX>PMVns2@4#Pr~(O-qN9twiQRt_V*bBUlGb)^-?lMH+I<@#ZeiwV
zZUM(6Z{c9&1|(tSW@Zx#ZNZoER?ia
zBgS6+YRm)Wv?pwpK9GodlsBMVOxwrX;9*^Wu7A&m3#pmPUGU)|>gVeu)5=^_;
z+S|QGzkd1U9$d{j+Y<%^%uHr8o*$OX?7h3z>K}(fzbWUUU(bS0xf<@kt6*WB$FZ-o
zKOEjc1R@Ee2*U{1f{=muLhdSod?1hzfxwXPr}t`t*uCrZl4~)8xifSw?#5MAyMDDU
zZ)@&xs%h68=1oQiydHZ92?_YUJiN9B1U$z-6aTy4ynA?hdm5<&Ax@7cPCrh!W$o%_
z(h|gMH!>o=2HlD4d64cW8Ii=W%LdOEARrzf$GbKinnSp)O!ig2K?;I!j_Y&ErMOxC
zEP&92{{PMXW+ueS|2s}%dpBHO!roOABQm+>pP|1?q{${pWLz4#`*9Y>6LRR
zZ$nwziqMn^$&@tXBse`xVA-axI;fg00q!9jb&h!q+>!};6i>oD@B&Gl>s1(~5tNwT
zJ-;xK!4prA^|-C;&oG>?7c3^kmK!7fP7{lV)Mr@(n>
zAkvx>iMSWUw-xm#e=8JyUic*x-7EP%0fik;{E?KECE^mwR0CxLwfG$cSFoHbHEPK6
zPIFG3YC~q85P%oeWTiMgG80dtA~1%FB)^9NONui>fI$Zw2pKYV^O@VO2Rf=NJ0JeV
zuKOB<>)5|%blbvrI3$?Si60oX*Yfk(eTPh*T4uC`advLNV1O_K>x;u#K&no8x&lElvPUzC8
zeLn0#2Wm0CmW|eYMXQI&UYNGKiLI&P_ROGf0#wK_%s=swQA-G+yh^gFq#MbRXXTA0
zIzj&U?+9*rVQi`@&Futz>@|a$F}Jfk@z3(q-=-im2f59VYEqvHJA#kl{RRQ?9fK(N
zvHYt|0?`_3aHB4Fo^|-a#MVi}EUSvoJ?Q~zJ?lb&@YY)i19}Q@j1;zgIN=uFN76eu
zGmr04-?*)y!#Uu9ys&{7bNO=e8AT+OT)c9BSQ4y}C{`+v}^Exj4CnQnvRQq-4yI@Sa@)^GoSp
z{s_C=f+VqH9(gb9-=omn?y)K};`qP;uact~#9}Mz0lZ;+X(c5Da$rod&-OVY_G-Mt
zwx5AO?+>5FEv_Z_+Bokmzmjc*91|AP*xEQ0LJS)YFTm+9@XpF3Sgdu~Q_!oVNVlQ}
z*uVF7Hpqoe0+St29}~4=k64|yNxwY#Zw<}#stkmL#yeKJYc2nvZg41z!pkh-@ryg|
z!Ym+xW`I$)9ub}-Lzz|^JVBW@tD#p!1R@plpm(Sw;ftE`W;
z)S!GgqhTu~hnW!_kJn0<$|{Z?m}Zf-ftOcL|C0k1*`!VJwK>%M7D%J
zg*zx|Rd~@{q}A*xyruf*D#VIb5v~_8c-E#n@dBPuJT+e`r~}J!r!t@8rMItjl;)
zoisPm@=RfTn=$5)ssv=#^{})W&7^0;xC*qYLv6W~
z-|gF@1>K*R?CxDO)T!u1d2w7J#hC{RESLOVr*3MD
zNW3EGk0Tec?9MGZuIsReFnYG^jyje&B9#MP`&j3
zmAIb2`X6|=b`#OHoF4m!ak&)Ba$LCiOGv_4loT*%J-|yQ(CE`WtmvoE&VA;;!5@P|
zrG6m8jfys{?%Ftyr9s$_rWg5xqZjwMpW*YX_tOR!I^gqkfRvcU{ME(8@eUc>fC!ex
zwS?4#jMU19PM9SYGLq4h$jq6MJ`a5j65-^&+yloiizblMxQ7dzO!j&P-%U_JLecEi
zOr)%i2bn6yXzfr#G&5sGQH-9kn=2(e2~Fp>Ty(>u7kkAdyxhu82P>8tf;D|j>Tpy8
zWBrcbG?f#E!
zigg?|yq~Kt8}?0*rlVtcb%d@QwH^p{w>#@#j%zWMGVkn3k_&NL3ryq@|Ec+VrAscH
zkj570X%j3;2h4{OCIaS?sml_hPQsZ5tf2rUEKJeC;(z#e5^x@`BQWPRHDwasm|l68{Db3t|@xk
zeO+If)UTl#|C3e!SN8i~`85ao|15Q8W8>uf@2T^l{$w0wE8^BpUAa4mEk%+y=y&Se
zY1K6`Fb<-FkG?6Az+yTIdiNS6%OqR5ndEI}h01i%;y@ThMw29^nhNr8EEK{2_cqn|
z>l`N3b+l}@HP1oT+C-T6wHHJePG*J>W(EFGfIuj~<9(7ij@VIXOBpa{6>(b^^9Gk1
z72x;gn|ur&@b(rN@bNKtIlb!naZ|T>FuIwI9F1fV7r(Qkjv-G76OlARL@cyJv^}_a
zaIiCImO$h~l9@$9PCOOyC$t?lk8SR-)QUfQJ3t=13S3y5x<|&p__%
z=Kuuc?DV{4MuouIJhszz>h+mu!;Dldl`3H!o-+$l|F6^R=F>%HACqc!=&$Fz9>I~3
zynsk=(UYyXVkbk%o%E}vQ<>K!^%cE-Q+BJ2a|h6
z2Br0#26lmT4V5haurO6~&%2QPw?R9epbJb8^H3$)xeN?AVoQKRFjUH~!mgXRIgWA<
zwv<~@y|RR&a(HxqVIGWfKfW~Itb#6V>9rZTMTjs}c(H{hw4UsO6bzS)Rr!0EGt=sd
z&~n$4S)51z@cB7@p+#;ylo8tFCpW7>gl!5~FSvDoUz
zG6&klIo!il;FucujeF1mCLNlrnt_^vQ
z=8~dsO?eqj<;ZIEMpT{rKPuxLoMU8+zayLKA4jMVW6mw3#3=@Tn?wtft9~|_
zME8-Sk*~3YX$)Vq^^@DdooJPETMuQ?&|BL4u=weYCvx?D;BazqA6w0>v?p)pg2S04
zN{&}Edt9xo8;lsM=zT!SnZ%hDr&Iub&=(Xty%NaBH;0zOm**}@CX0>NuWjpQ2VvIy
zlTdm{7*(_?ZQ?vc{$#B4q1@S+gguE<)6~vw!50693PyTj#4l(6kLxusY@hdVOh042VZj?j|$2mE>dTTWMWh~{k*2)jxb
zD>B?7wOyI~o?~jM{<0XTrD7O0gX)QaXq5w;3xIgpfI&>ea!JZejP|GmxNQ@_i-%3)
zbfstqxbl{uKPr;&yqd8q{PXxz^@WUP;{g6_sp+91q~k>~d$;|CvHG~u>+8q+KTL?c
zCL36PlLg7G!+V~Eg41^m5Q9;|Wuj+BsK^QEdf#)h;7beyRpsh7GvaIFdn9qvuj@Nf
zAZh@2I`N`FoBn(v7ax9E;BlI}#B>$g0Q{1j4*|!}S>iYsgQ>hW90SlWyIu5R{M16j
zGnK9*I;(2n9eycANG6?*mujz5_bo>=l$`!2_B{hH1ImnVRfz#3pga0mi`LQs)-j0^
z2dFzB&4&vU5i~KdN}&`p4Ik?Ah1}$R7_2_RkxqB!z1i9CT*gPM7ZT504YVqoT!ka%
zifr1{?Xf2BDNIYdj?7{*O64lb2)&1l85rL0D(t|NA8byj4^|7D=d4Ax(4BH3k1i%)
zUaJONhGR;IZSRS_pEOB2AmlO=e&v%QV{&ofoSPfD=**BJ!!+_UXUWJcx)U&-G!3+Y
z7Uwvj;Od79Z18&~9+#*;hN->-KwKKiW*}vc%zj6E|GHHK$&SaNgS$Wo<0YohN(s*l
zExsoON{kyHmEL?tpG_3}EXa{J$!(XL-z73)(|z`3U`O^|B9;RCqr7}#xKgF2Ryc-WD?>%6Bjt>5r$cWGy4H!a?yPUrU|dIj+EJ40HO}Ev3zt>3iZrDalZ6QBfQ(=$()6{yP^%31&q2hb+6N}cx7nWnWtr=x+1gcFGz+wHU>
z2+k#S!de2#i>b*fR1U2|53v3D^YDHWf~`luI?rpLFiGgfSO7lPmw^t9EaQ;Nn%W^n
zRA#`4D2ne<3?_#KX{6?ZAR8rVxrLy+IaVedjsqhVMyy!@Y*GY}gAW~UH2oB;mBZ$>
ze5v1U%gBI*DV^lX=5Yq|-cUsCOnl;~o2vywuX%wRtIfBh%h^ruk6pamx>I^7r9r_s
zBw_u+?1qzyGOZzHIOjsCnSQ}?mh_Cvp>+*1WYxZe4G`Q+L99)*D6Mi&uV9)RNc(pV
zD?@3rMYKvPB*#A2eh;%tJ6?}k@3%%k9f#j#S=yKHkT`m!ajN_htonApl`f8~hKvQP
zhI{6n6Q-7fdMqfmPz6M
z1`rY9u-s-5EcLeL$K$xCt^=lSNVSw1Q?7!wyIjpoUK^J=`*Sug(sMmMs_PIv$MYJm
z(AB06x-X)6*zK~a#^kC7XHYkDYE`N4)?T{1)A7wYJgml*XNWT8*g1>_*q3GKL>bsr
z|Hx50YQ;)bIS(TIHRx!0fJgOtW1SmzT7jlwFBI%5j0OZ|Qvd4`4G%%kh|;S%Z<14+
zdrOLowFE;BV=6W%j?JN`HRlSv?}X0lrgFufTcXs;azff+WqkE$nKrQ!TDzaJ8f#Fg
zmHFSy@Qr*`zWYjb8>y&NS$muq6&lVJsMLw_FU+5ns@L@Z%U47!4HbO)%HSjV=m~-O
z&hTEij|`@R9n2frn{3~z!1l?QgnYFF)(kYX2kl^>Xm|L}KQzQ^K0=0$0nEl9R}!$>
z?X7p2;lCL^!*)K{I$A%CLm#M~cZvMwzy
z=ifsCC8p)j!C#L=B<9@?b$ALNny3&seD%Hl?Ju`=N+6G{#;-}c#>^%L#j-PbO~`>E
za4>m2aAUQg#kqSLa*(L}x~BToXG907zf7$Rr9SzJbKxZvV{#OR@`f{x3;Z=Oj+E~O
zwdzK@?GTr`jd$fXZxD#fWRBy*J8ImRG%jcG-f^c<=fd!qfAKB~Ja*k~-
zj|V@3fPgoM4Da(31&L|#rs;#$!;_6g6Y*JKSM;P_tmqovUIEQpvYNyWZah7#r#?RY
z^c+|Jq$LRl9mO+!`xy8MlozT}j^;V}C|=GC{VjEt6j-x~jJqq`_sR()U8O0;#GUTR
zAvS%D=ta*~RgT;k$e^)5h`>SV3Apdp7hGXKq+u&OqG9rVq2bXaw9V@2gYPbRbh?~-
zYRRJJPqJ9vT71hbI`OB^kp&i?Y>Ce7WT+OgxpPeC)@>ANEd77o8)Wd`8u%*&x{QH
zKpB#};1(tlniH+j5USc>yX|+VI;T^mkWit}U;q(&vr5kX(}TA4<&8M-ez`c?YUC)3
zYtnD`U<5)QwzTaC!w7>3X4m`a^nRY#V&u@ftqfp34SS^)^|NSh8Q?=VqFn?J_-8pO
z^zpQKImp%a`Eb3tIJz0Z)fygAxykBl`b_U{GPQ*O4)f66VjOKA#x^;dBg!P
z*Vmhao9CO^0V#Lqm*;h@W$DM<6)2t*Em5jdk79QCJJC#73vKl|QT!OzYoNey0F!UR4{>KQ@zcb#WM<8%(C5~bWF?WE;vrfM4|ujl}6s^MIQIe0Y*9E>sXuyB(!UVp%&{K0pp
zoO_C?jxyrKF~^$ZUg`i{!ec~Q!_4bws-Qv+x3!l9IuzZ=Q!Rd;Pazi#e#J@}w=7_fIBN7(|M
zbS;^DOI-ruOJ@nP9E~GD#waknx*k1pUl~seqmyqWCp6dHa!q?1V((7V6Y##Q6*3*s
z2Fk&AiVn!lb(2k}U{ZKv({3gILbBjtxPwK%2rCLl<8|ys9QLNZF@YW?R*rF!KzsTq
z5TQjCrtGXQQ?dmNM(;mET1e<59ZN(8f_-T8lgkEOWv!up2Jf{%EXD1&hKr{0nORqz
zs}KLOD|B73*0TrvGe6*fT-4%5khc08C&rnPmSnmM-?WcAJj?2P)Kt>{)0oQDDz{9s
zc&@l;n24bXmFPqI=T=BlKjyH5=dCarmB~$UwUO{xSjaq&1&XW}uhPLF*#07We^T<5
zbOR?K(FICNSvD!04{5!*?gJ_MS)pS{4{^vxKc$dhyjC9mvl-Uf$BLHEVE`zL!Hy9C
z(;%$VsR&k0?kZi;6uwWWlK^(_(lKCCKHd{2ww;LUVvY^8J`|7R=f$`lLkV3@KFxJ9
zSCrtq9LQ&zY?a^^kou;G_ifm{&J+Rbh1S{9AOD!Iv5nG|UR
z01`!-7%5oc{`y75fc*=Oin04dQmRuj;QAZRn>bz`Bq^3VX7PgQPL^G8Ug^;E(iJ*k
zQ4ohl2Y(Gf>0qrg{-LZdYA7dV6{DzE=8CHuKASbEjceDAP)J#V_qxf`Tck*e?N&eQ
z?$7m;U0r_sn6Tm&unr@u3wMBTL)~5rA*n?57zve6-Z5HUclU$0azMq3vRYuP7|oNpLNP{mZ(}6|PIE-#69^|g$v^HZ1PvixRbR$N
zuS?0F?o2(L!upw-^?ZOH`vK+C-U7uo>^AnIlQ8_9lRFso2Bl5AMf#pObfQU*fhfF3{6V)N
ztlr?|h_i&>OiZvfA;DF=6~>AEvp1!nmShmnU<`mU_Rb0i`7z822VmwBz^!6@?JXXO
z=1EimVIlF1zxo@=ohVbUj(vG@lL=8gQb$*=EFd>Zx`Vyvp&afCw*Zq$9-=5$<_b&o
z@}st1*Rcl^cm0
zLdd+6quV93fUtgLMknB1zB8_stD@oDMMk+lxQ*dmyvNaM`^n01*`RG7y~&pD
z0}t49vN9j(3GSx=x&`Y&6^)QJo?i(Y;eHxCPK?61&C=5`M19qxXy{bRoj-6ZdjREO
zcuU?6*pR2(gtZYA%4}RUQo#WJF>j*EXarwQ-$O~)Zr5EBM<&AX?t){xC~n@lvv6d%
z_yW%Ct>t&r4V8rLx%jG(EveCN!{o@yqCXQu`0WF5~+cMVlL#yz^liOBWOHn?q!q%6H{Av@9GI>LIYU7IZaX!>R
zzjGXfx^(XLk-Z^%lAs$Ni|x)RYqK(%9-+LZfmpUD+77-9a4$EObVke0OSz^qKDC97
zCsw36%E=tRYdUG2YCFtpimGKIRAU5Mww60t!j}Ht;{eNNy8L7IdVJaG3fuxLjg1>>
zx^0=8fvxph7kgpsHC3eD9a1wJX6IuMSLlooO(pQqTl{TzxZ1@}OM~l!N%GLE0(G_{
zb&RppGd;|HcZF!|b_R0RDm~zHZTy!>1(K)R5sQqtwrYAsJev_v@`l>I)B69FRbiORCiE1(aM4iBbcE6#7dVcv>@{20alqOP7^nE)D
zb~u0i8TuunA>{TXdrfwHmVaXLnNBix-Q&X?L+u&}{C18+Ow1^)H{JA;H6+z|)
zfWAwJH<2U|vz7Org0U!$HZz36f0y6Sh}-ywG0#agXHVpgrSH2St(+N&iM9ye&ugVY
z1a@u*B_~cli(B#MXy3zv#GIBz1dKP%+AMd7|Hwi*h4ikZpo=wsc)DV&H;5G@I9}}3
zfKfC>dBt|;OBb###CcG!m>I7>BGGV4kB7!!G!v0b+cwHLD+qCb6eLcqS>$Awf0}fH
z;xU2Sq5$2X>j|F%0w>fiBms-VxGc`|(Ofedv3NzP_4JvR*1=P$>l6J#8g+4qZFocv
z!JuX*oJKf@J1#lw!Bvv0L0Ej<9)%c2oiipld`Jq*O-)ArqHx`NT4b5VJXbSykP`>e
z#OK~x-CK;@pVx#b>Yvoq)b8(o`E(#{7pqn@k(-A1tkf;O$b0jHYF*)3VJSMkJiB0un@@CqNQd|OSdT05#rGYr|
z*v_8N{`e8Ob)t)U6#9!-75JaTv0}Nz(~7+{BX8#p^DC`xlbuDYJYf6P9yk_Y-B#A<
zmww8L($|&JPTgv@WLI0nG({fC#Z7-DlU1d-Y%Fp(5gge4hiDmhe-*-7lss2wCK!kc
zfgflw*?j!M=J0esEvN)
zl;U${)(wn3x-ih4ai-sp^{*%jBaSH2D0$iJB(R}5O@77ngd5+_;N;8|JTSiHb>`k^
zYVzV9nv$=sD`frM#m4iSJLBIDbxIXosetk3M5W_zd&DPkd;MB)4=M(mnh5KRmVfUw
z*+;aMZt^ZP6nA8j$twqBE{h-PYVq4@#iSZiYcJxu5(k}bh7RIfLKTw(6j=7S3UZz~
z@JG#pGx*~SF{}d@BD^Z5KiD*m5}I%o!N0%;y0yEWX0c)_cE
zAJcT#uWLH8ZF)f}wckoqA=j9ysLuT%HJd{TAzPMxSCKoK%}~d3Lw#)*dH~Uvx>4n&
z6bi0Z`WU5^KN0Wj79?Mly+80zeER_{CMbA{)cuA0ljFS$=E77B~0atw$Zkbn3}sI|_)Lv3Uxc$)pF%_yAxr&BMo3&Zoo1Uf9l;_WpT
zeQjM@vpz!#>uS$9kQX~__UygRVAC*_aK`iXkjqN>$(u%$qF
zSi&)Ht8ne!?^9XcV>c^B-R7F>bT28EKbt=lB8%hpVlhjyTie9}m1%p$*{$m-EO@zc
z!;d4OO5j|@lSft}sSroSls1(XlzH*p^_1}R!L!(N6!o_Z)1dXlL(u-B%s(J6F*F8f
zAX-cQ_9DJ|t=e?witlKQSF2SKrq0Eie=w~^od(?Dg*}|j`$V%BpOF^In7N9FsIF5M
z%7n;?CrkckFj+F?#jb-{+89&?yp{gF6&cnZ!O~GZ@non;83*|>sED%4
z4X!*pn7$>vRkj?P9oSPE<&749O3J;04yg97!(E2&PMs|7sgd%wzD*iJVASc^;QT<#V+3ZmA?1I65$U#4Y#ABK4pexzmD
z0-OKP@EcsGR*GI!NesNNRIK=nP3grNNB9yiRBjj2P71{Gt^-BV-x>LscRMO%~6aJo(M+-#Tazzqz)|Ah{RJA&BY`79Y!nHbH?ys#Xt&^r#@Po#(p81Z##brlR|)Q*6o0#Gq}{k
zpHpHuSI@aLm#yBsQ}XZfXi;L`;z#N#DccD=}E72QR3E0K+rJ?%lbxNTu3)N!kxzBW_Ffk+
zH)~Z{wZJ}uzSbVw+Rdg@+DvUz0#7e%b>U>K3oD|Mv%#@*toM`w^tk0`kgTHtce8<;
z-SbGa?WP3!u<@t2Lnp}|l09~DSkGmlbrr+ZbF)EyG1|2Aro^g>%9rrIp^~oLJuJsB$DXS54MyafUEb<5l)e}R1e$<6)W&n34ErsFBw?R%e%Zf8LCi;$y}
z0{g+(7PkZsjjaN6Vxv4lNNk7jp~v!wm5C`RmwhT%ofw}?wgzcsF=SNUqSU(wU-kca
zuyMJ*Zx#H@>?5Sv^8a|dTgA2=3}XEA_Qi)iWkOPt?ZHCKY31>LIm`6*rqtTo_3=1N
zyb`ux{8{Dt$taZ$cQ{(dRN8ejy0dde-1~WVcl!MAX)>VK_w(P~DWT&GAq%eA#pU}f
zQ%kg!^gsL_7x`f3KK@59p7ihVt{y7O+i;q&s+4czp(z4fWL~ffnD24?6HzS642_5N8OUql$oZF7mLB*RJ!Q08786_u^)y)ij^Cf)vuY;Ig
zhBSEJ=L#2kMZUWnnQ0MkyeB?XNMg$FXpk9wKr58C3{F&CW!o9rfrv}gf&t}5imMv$
zCN#OsrNc%7&iWWmcH%nXgxDc%a}aX}rh8hft;4c_@?X_j+I_m#6)_Dp;iW>Vp8#bA
z`Vw0X=wbTTp+MHWfUb}C$yw@2{aBBGmd=rGE9--!`?~)EA(Tyj$@T5gbEM6}2mqfo
z1$#}XGZljsUDjlN(>m!Hy$^ubCilFMvh%V1JR|W?sY)4XV**E>?vH~01cln_v)J(v
zpmc3Br)F$Crz<1p(=$VN?Y3|0LX?`~c6oK=V?2&8gnQ^FU)33Vt*qO~F8Q3FeI7X_
zBp87zw$2u{h1sulBu0uzm7~~>L;ql*U9yA5z1!n|Q7Ld>Ct}pc36pzeAM!Eu+(Gpf
zOf)`sGybg1A3u$pB-+L^Lx}maO^j0ynPIWCo9%vY`se+U5{OQnho7lIrr(6<$R|5v7P<|3)ha5LS
z(BMat850-V^^vzW99J!lNs>4gSW|3lI}q5lL?CZu#uK>f8Wj$gtBgwBKCZ6uTbJE?ee>1lGx6Q>x^<|
zUYYGaXHkzzm#$~-2c2fve3jp!@JahCN1QUtAIw;{5%Rv|u@|>Y|T
zPY4Qg%KS+kkOJ5`<3GZh7nlR&dDO$eGaMKf#uY#hPpNZ%1=)=uKh=0~C
zkDWr{+J?K2IefOX@qGU7UVe`I{0?h&KJpS(d=MulU!*7%TK^gmlN$J=RXMeNy`omq
z^6NJ0Bly_j)x$mgKD80`HyBu5&;+zsiMi0*7;YdUGwjV!l9dWsa_cHr=w6?8Lg>S5
z2P576$_yc>)8CFRocWRZf^=#M_m!5#|B~w
znCI5Z(tfU?mmr#>egec!fxR}twz!Zh#WZxrzxRFA`uTQBN2guxpv36cX?Y%?d0wXe
zec&!