第五周。

12Fourier分析.tex

@@ -127,4 +127,33 @@
     \item 若延拓为偶函数，则$b_n = \dfrac{1}{l} \dint_{-l}^l f(x) \sin \dfrac{n \pi x}{l} \dif x = 0, n = 1, 2, \dots$，因此
     \[f(x) \sim \frac{a_0}{2} + \sum_{n = 1}^\infty a_n \cos \frac{n \pi x}{l}, 0 \leq x \leq l\]
     我们得到的是一个余弦级数。
-\end{enumerate}
+\end{enumerate}
+
+\section{Fourier级数的平均收敛}
+\begin{definition}[三角多项式]
+    \[T_N(x) = \frac{\alpha_0}{2} + \sum_{n = 1}^N (\alpha_n \cos nx + \beta_n \sin nx)\]
+    称为$N$次三角多项式（周期$2\pi$）。
+\end{definition}
+
+问题：给定函数$f \in R[-\pi, \pi]$（或其它$2\pi$周期函数），用$N$次三角多项式逼近$f$，如何才能使得区间上平均误差
+\[\norm{f - T_N}^2 := \int_{-\pi}^\pi \abs{f(x) - F_N(x)}^2 \dif x\]
+达到最小？
+
+综合结论：
+\begin{proposition}
+    用$N$次三角多项式逼近函数$f \in R[-\pi, \pi]$（或周期函数），取其Fourier展开系数
+    \[T_N(x) = \frac{a_0}{2} + \sum_{n = 1}^N (a_n \cos nx + b_n \sin nx)\]
+    这时区间上平均误差$\norm{f - F_N}^2$最小。
+\end{proposition}
+
+\begin{proposition}[Bessel不等式]
+    $f(x)$的Fourier展开系数满足：对任意的$N$，
+    \[\frac{a_0^2}{2} + \sum_{n = 1}^N (a_n^2 + b_n^2) \leq \frac{1}{\pi} \int_{-\pi}^\pi f^2(x) \dif x\]
+
+    进一步，只要$f(x)$可积，不等式右端为定值，因而$f(x)$的Fourier系数级数一致收敛，进而$f(x)$的Fourier级数一致收敛。
+\end{proposition}
+
+\begin{proposition}[Parseval等式]
+    若$f(x)$满足收敛定理条件，还成立等式
+    \[\frac{a_0^2}{2} + \sum_{n = 1}^{\infty} (a_n^2 + b_n^2) = \frac{1}{\pi} \int_{-\pi}^\pi f^2(x) \dif x \eqper\]
+\end{proposition}

13多变量函数的连续性.tex

@@ -0,0 +1,298 @@
+\chapter{多变量函数的连续性}
+\section{欧氏空间}
+\begin{definition}[$n$维向量空间]
+    我们定义
+    \[\ndreal = \{(x_1, x_2, \dots, x_n) \mid x_i \in \realnum, i = 1, 2, \dots, n\}\]
+    其中$n$数组$(x_1, x_2, \dots, x_n)$用$\bvec{x}$来代替，即
+    \[\bvec{x} = (x_1, x_2, \dots, x_n)\]
+    称$\bvec{x}$为$\ndreal$中一个点，也称它是一个向量。
+
+    $\ndreal$上可以定义零元与单位元，并在$\ndreal$上定义线性运算：对$\bvec{x} = (x_1, x_2, \dots, x_n), \bvec{y} = (y_1, y_2, \dots, y_n) \in \ndreal$，有
+
+    （1）加法$\bvec{x} + \bvec{y} := (x_1 + y_1, x_2 + y_2, \dots, x_n + y_n) \in \ndreal$，它满足交换律、结合律
+
+    （2）数乘$\lambda \bvec{x} := (\lambda x_1, \lambda x_2, \dots, \lambda x_n) \in \ndreal, \lambda \in \realnum$，它满足分配律、结合律。
+
+    带有线性运算的$\ndreal$称为$n$维向量空间。
+\end{definition}
+
+\begin{definition}[内积]
+    对于任何$\bvec{x} = (x_1, x_2, \dots, x_n), \bvec{y} = (y_1, y_2, \dots, y_n)$，定义
+    \[\brak{\bvec{x}, \bvec{y}} = \sum_{i = 1}^n x_i y_i\]
+    这是一个是数，叫做向量$\bvec{x}$与$\bvec{y}$的内积。
+\end{definition}
+
+\begin{proposition}[内积的性质]
+    对$\bvec{x}, \bvec{y}, \bvec{z} \in \ndreal, \alpha, \beta \in \realnum$，
+    \begin{enumerate}
+        \item 正定性：$\brak{\bvec{x}, \bvec{x}} \geq 0$，等号成立当且仅当$\bvec{x} = \bvec{0}$；
+        \item 对称性：$\brak{\bvec{x}, \bvec{y}} = \brak{\bvec{y}, \bvec{x}}$；
+        \item 线性性：$\brak{\alpha \bvec{x} + \beta \bvec{y}, \bvec{z}} = \alpha \brak{\bvec{x}, \bvec{z}} + \beta \brak{\bvec{y}, \bvec{z}}$
+    \end{enumerate}
+\end{proposition}
+
+在向量空间$\ndreal$定义有内积之后，称为$n$维Euclid空间，简称欧氏空间。
+
+\begin{definition}[范数]
+    对于任何向量$\bvec{x} \in \ndreal$，定义
+    \[\norm{\bvec{x}} = \sqrt{\brak{\bvec{x}, \bvec{x}}} = \sqrt{x_1^2 + x_2^2 + \dots + x_n^2}\]
+    称为向量$\bvec{x}$的范数。
+\end{definition}
+
+\begin{proposition}[范式的性质]
+    \begin{enumerate}
+        \item $\norm{x} \geq 0$，式中等号当且仅当$\bvec{x} = \bvec{0}$成立；
+        \item 对任何$\lambda \in \realnum$，$\norm{\lambda \bvec{x}} = \abs{\lambda} \norm{\bvec{x}}$；
+        \item （三角不等式）$\norm{\bvec{x} + \bvec{y}} \leq \norm{\bvec{x}} + \norm{\bvec{y}}$；
+        \item （Cauchy-Schwarz不等式、内积不等式）$\abs{\brak{\bvec{x}, \bvec{y}}} \leq \norm{\bvec{x}} \cdot \norm{\bvec{y}}$。
+    \end{enumerate}
+\end{proposition}
+
+\begin{definition}[向量间的夹角与向量正交]
+    对于两个向量$\bvec{x}, \bvec{y} \neq \bvec{0}$，存在唯一的$\theta \in [0, \pi]$使得
+    \[\cos \theta = \frac{\brak{\bvec{x}, \bvec{y}}}{\norm{\bvec{x}} \norm{\bvec{y}}}\]
+    这个$\theta$定义为$\bvec{x}$与$\bvec{y}$之间的夹角。
+
+    $\brak{\bvec{x}, \bvec{y}} = 0$当且仅当$\theta = \dfrac{\pi}{2}$，这时称向量$\bvec{x}$与$\bvec{y}$正交。
+\end{definition}
+
+\begin{definition}[向量间的距离]
+    定义$\norm{\bvec{x} - \bvec{y}}$为$\bvec{x}$与$\bvec{y}$两点之间的距离。
+\end{definition}
+
+\begin{proposition}[距离的性质]
+    \begin{enumerate}
+        \item 正定性：$\norm{\bvec{x} - \bvec{y}} \geq 0$，等号成立当且仅当$\bvec{x} = \bvec{y}$；
+        \item 对称性：$\norm{\bvec{x} - \bvec{y}} = \norm{\bvec{y} - \bvec{x}}$；
+        \item 三角不等式：$\norm{\bvec{x} - \bvec{y}} \leq \norm{\bvec{x} - \bvec{z}} + \norm{\bvec{z} - \bvec{y}}$。
+    \end{enumerate}
+\end{proposition}
+
+\section{欧氏空间中点列的极限}
+\begin{definition}
+    设$\bvec{x}_i \in \ndreal, i = 1, 2, \dots$，称$\{\bvec{x}_k\}$是$\ndreal$中的点列。
+\end{definition}
+
+\begin{definition}[点列的极限]
+    设$\{\bvec{x}_i\}$是$\ndreal$中的一个点列且$\bvec{a} \in \ndreal$。如果对任意给定的$\varepsilon > 0$，都存在$k_0 \in \naturalnum$，使得对任意的$k > k_0$有
+    \[\norm{\bvec{x}_i - \bvec{a}} < \varepsilon\]
+    则称点$\bvec{a}$是点列$\{\bvec{x}_i\}$的极限，记作
+    \[\tolim{k}{\infty} \bvec{x}_k = \bvec{a}\quad \text{或} \quad \bvec{x}_k \to \bvec{a} (k \to \infty)\]
+\end{definition}
+
+\begin{corollary}
+    记$\bvec{x}_k = (x_1^{(k)}, x_2^{(k)}, \dots, x_n^{(k)}), k = 1, 2, \dots, \bvec{a} = (a_1, a_2, \dots, a_n)$，则$\tolim{k}{\infty} \bvec{x}_k = \bvec{a}$的充分必要条件是$\tolim{k}{\infty} x_j^{(k)} = a_j, j = 1, 2, \dots, n$，即$\{\bvec{x}_k\}$收敛当且仅当其每个分量数列$\{x_j^{(k)}\}, j = 1, 2, \dots, n$收敛。
+\end{corollary}
+
+\begin{theorem}[收敛点列的唯一性]
+    若$\{\bvec{x}_k\}$收敛，那么$\tolim{k}{\infty} \bvec{x}_k = \bvec{a}$唯一。
+\end{theorem}
+
+\begin{theorem}[收敛点列的有界性]
+    若$\{\bvec{x}_k\}$收敛，则存在$M > 0$，满足对任意的$k$，$\norm{\bvec{x}_k} \leq M$。
+\end{theorem}
+
+\begin{theorem}[收敛点列的线性性]
+    设$\tolim{k}{\infty} \bvec{x}_k = \bvec{a}$且$\tolim{k}{\infty} \bvec{y}_k = \bvec{b}$，那么对于任何$\alpha, \beta \in \realnum$有
+        \[\tolim{k}{\infty} (\alpha \bvec{x}_k + \beta \bvec{b}_k) = \alpha \bvec{a} + \beta \bvec{b}\eqper\]
+\end{theorem}
+
+\begin{definition}[基本列]
+    设$\{\bvec{x}_k\}$是$\ndreal$中的一个点列。如果对于任意给定的$\varepsilon > 0$，存在$k_0 \in \naturalnum$，对任意的$k, k^\prime > k_0$，都有$\norm{\bvec{x}_k - \bvec{x}_{k^\prime}} < \varepsilon$，则称$\{\bvec{x}_k\}$是一个基本（点）列。 
+\end{definition}
+
+\begin{theorem}
+    $\{\bvec{x}_k\}$为收敛点列的充分必要条件是$\{\bvec{x}_k\}$是基本点列。
+\end{theorem}
+ 
+\begin{theorem}[Bolzano-Weierstrass点列收敛原理]
+    若$\{\bvec{x}_k\}$有界，则必有收敛子列。
+\end{theorem}
+
+\begin{proof}
+    以$n = 2$为例，记$\bvec{x}_k = (x_k, y_k) \in \realnum^2, k = 1, 2, \dots$。已知存在$M > 0$，使得\[\norm{\bvec{x}_k} \leq M, k = 1, 2, \dots\]
+    即
+    \[\abs{x_k}^2 + \abs{y_k}^2 \leq M^2, k = 1, 2, \dots\]
+    因此$\{x_k\}, \{y_k\}$都是有界数列。首先存在$\{x_k\}$的收敛子列$\{x_{k^\prime}\}$，进而考虑有界子列$\{y_{k^\prime}\}$，从中得到收敛子列$\{y_{k^{\prime \prime}}\}$。而其对应的$\{x_{k^{\prime \prime}}\}$是收敛子列$\{x_{k^\prime}\}$的子列，必然也是收敛数列。
+    
+    由此得到$\{\bvec{x}_k\}$的收敛子列$\{\bvec{x}_{k^{\prime \prime}}\} = \{(x_{k^{\prime \prime}}, y_{k^{\prime \prime}})\}$。
+\end{proof}
+
+\section{欧氏空间中的开集与闭集}
+\begin{definition}[邻域]
+    令$\bvec{a} \in \ndreal, r > 0$，则记$\bvec{a}$点的开邻域为
+    \[B_r(\bvec{a}) := \{\bvec{x} \in \ndreal \mid \norm{\bvec{x} - \bvec{a}} < r\}\]
+
+    记$\bvec{a}$的闭邻域为
+    \[\overline{B_r}(\bvec{a}) := \{\bvec{x} \in \ndreal \mid \norm{\bvec{x} - \bvec{a}} \leq r\}\]
+
+    记$\bvec{a}$的空心邻域为
+    \[B_r(\hat{\bvec{a}}) := \{\bvec{x} \in \ndreal \mid 0 < \norm{\bvec{x} - \bvec{a}} < r\}\eqper\]
+\end{definition}
+
+\begin{definition}[内点、内部与开集]
+    设$E \subset \ndreal$，如果点$\bvec{a} \in E$，并且存在$r > 0$使得$B_r(\bvec{a}) \subset E$，那么$\bvec{a}$称为$E$的一个内点。点集$E$的全体内点之集合记作$\interior{E}$，称之为$E$的内部。如果$\interior{E} = E$，那么称$E$为$\ndreal$中的开集。
+\end{definition}
+
+\begin{theorem}
+    对任何集$E$，$E$的内部$\interior{E}$是开集。
+\end{theorem}
+
+\begin{theorem}
+    在空间$\ndreal$中：
+    \begin{enumerate}
+        \item $\ndreal$，$\varnothing$是开集；
+        \item 设$\{E_\alpha\}$是$\ndreal$的一个开子集族，其中指标$\alpha$来自一个指标集$I$，那么并集$\bigcup \limits_{\alpha \in I} E_\alpha$也是开集（任意多个开集的并是开集）；
+        \item 设$E_1, E_2, \dots, E_m$是有限个开集，那么交集$\bigcap \limits_{i = 1}^m E_i$也是开集（有限个开集之交是开集）。
+    \end{enumerate}
+\end{theorem}
+
+\begin{definition}[补集]
+    设$E \subset \ndreal$，$\compleset{E} = \ndreal \setminus E$称$\compleset{E}$为点集$E$的补集。
+\end{definition}
+
+\begin{definition}[闭集]
+    设$F \subset \ndreal$，如果$\compleset{F}$是开集，则称$F$是闭集。
+\end{definition}
+
+\begin{theorem}
+    在空间$\ndreal$中：
+    \begin{enumerate}
+        \item $\varnothing$，$\ndreal$是闭集；
+        \item 设$\{F_\alpha\}$是$\ndreal$的一个闭子集族，其中指标$\alpha$来自一个指标集$I$，那么交集$\bigcap \limits_{\alpha \in I} F_\alpha$也是闭集（任意多个闭集的交是闭集）；
+        \item 设$F_1, F_2, \dots, F_m$是有限个闭集，那么交集$\bigcup \limits_{i = 1}^m F_i$也是闭集（有限个开集之并是闭集）。
+    \end{enumerate}
+\end{theorem}
+
+\begin{definition}[凝聚点]
+    设$E \subset \ndreal$，若$\bvec{a} \in \ndreal$满足对任意的$r > 0$，$B_r(\hat{\bvec{a}}) \cap E \neq \varnothing$，则称$\bvec{a}$是$E$的凝聚点。
+
+    若$E$中的点不是$E$的凝聚点，称它为$E$的孤立点。
+\end{definition}
+
+\begin{definition}[导集、闭包]
+    点集$E \subset \ndreal$的凝聚点的全体称为$E$的导集，记作$\deriv{E}$。记$\closure{E} = E \cup \deriv{E}$，称$\closure{E}$为$E$的闭包。
+\end{definition}
+
+\begin{theorem}
+    $E$是闭集的充分必要条件是$\closure{E} = E$或$\deriv{E} \subset E$，即$E$的所有凝聚点都在$E$中。
+\end{theorem}
+
+\begin{theorem}
+    $\interior{E}$是含于$E$的最大开集，$\closure{E}$是包含着$E$的最小闭集。
+\end{theorem}
+
+\begin{definition}[外部、边界点、边界]
+    点集$E \subset \ndreal$，$\interior{\left(\compleset{E}\right)}$中的点称为$E$的外点，$E$的外点的全体称为$E$的外部；既不是$E$的内点也不是$E$的外点的点称为$E$的边界点，$E$的边界点的全体称为$E$的边界，记为$\partial E$。
+\end{definition}
+
+\begin{proposition}
+    $\closure{E} = E \cup \partial E$。
+\end{proposition}
+
+\section{欧氏空间中点集的列紧集与紧致集}
+\begin{definition}[列紧集]
+    设$E \subset \ndreal$，如果$E$中的任一点列都有一子列收敛于$E$中的一点，则称$E$是$\ndreal$中的列紧集。
+\end{definition}
+
+\begin{theorem}
+    $\ndreal$中的集合$E$为列紧集的充分必要条件是$E$是有界闭集。
+\end{theorem}
+
+\begin{definition}[开覆盖]
+    设$E \subset \ndreal$，$\mathscr{T} = \{G_\alpha\}$是$\ndreal$中的一个开集族。如果
+    \[E \subset \bigcup \limits_{\alpha} G_\alpha\]
+    我们称开集合族$\mathscr{T}$覆盖了$E$，或者称$\mathscr{T}$是$E$的一个开覆盖。
+\end{definition}
+
+\begin{definition}[紧致集]
+    设$E \subset \ndreal$，若能从$E$的任一个开覆盖中选出有限个开集，它们仍能组成$E$的开覆盖，那么称$E$为一紧致集。
+\end{definition}
+
+\begin{theorem}
+    $E \subset \ndreal$为紧致集的一个必要充分条件是$E$是有界闭集。
+\end{theorem}
+
+\begin{corollary}
+    列紧集与紧致集是等价的，都是有界闭集。
+\end{corollary}
+
+\begin{remark}
+    此后我们将避免提到紧致的概念，只应用列紧的性质。
+\end{remark}
+
+\begin{definition}[集合的直径]
+    $F \in \ndreal$，若$F \neq \varnothing$，定义$F$的直径为
+    \[d(F) = \sup \{\norm{\bvec{x} - \bvec{y}} \mid \bvec{x}, \bvec{y} \in F\}\]
+    若$F = \varnothing$，定义$d(F) = 0$。
+\end{definition}
+
+\section{欧氏空间中点集的连通性}
+\begin{definition}[道路连通集]
+    设$E \subset \ndreal$。如果对于任意两点$\bvec{p}, \bvec{q}, \in E$，都有一条连续曲线$l \in E$将$\bvec{p}$与$\bvec{q}$连接，则说点集$E$是道路连通的。所谓$\ndreal$中的连续曲线$l$，是指$l$可以表示为参数方程
+    \[x_i = \varphi_i(t), i = 1, 2, \dots, n\]
+    其中诸$\varphi_i$是区间$[a,b]$上的连续函数，且
+    \begin{align*}
+        \bvec{p} & = (\varphi_1(a), \varphi_2(a), \dots, \varphi_n(a))\\
+        \bvec{q} & = (\varphi_1(b), \varphi_2(b), \dots, \varphi_n(b))\eqper
+    \end{align*}
+\end{definition}
+
+\begin{definition}[区域]
+     连通的开集称为开区域。开区域连通它的边界构成的集合（开集合的闭包）称为闭区域。
+\end{definition}
+
+\section{多元函数的极限}
+\begin{definition}[多元函数]
+    设$D \subset \ndreal$，那么映射$f: D \to \realnum$称为$n$元函数，也记为
+    \[f(\bvec{x}) = f(x_1, x_2, \dots, x_n), \bvec{x} = (x_1, x_2, \dots, x_n) \in D\]
+    其中$D$称为函数$f$的定义域，$f(D) \subset \realnum$称为$f$的值域。
+\end{definition}
+
+\begin{definition}[多元函数的极限]
+    设$D \subset \ndreal$以及$f: D \to \realnum$。点$\bvec{a} \in \ndreal$是$D$的一个凝聚点（即$a \in \deriv{D}$，又设$l$是一个数。如果对任意的$\varepsilon > 0$，都存在$\delta > 0$，使得对任意的$\bvec{x} \in D \cap B_\delta(\hat{\bvec{a}})$，有
+    \[\abs{f(\bvec{x}) - l} < \varepsilon\]
+    就称函数$f$在点$\bvec{a}$处有极限$l$，或当$\bvec{x}$趋向于$\bvec{a}$时，$f(\bvec{x})$趋向于$l$，记作
+    \[\tolim{\bvec{x}}{\bvec{a}} f(\bvec{x}) = l\]
+    或
+    \[f(\bvec{x}) \to l(\bvec{x} \to \bvec{a})\eqper\]
+\end{definition}
+
+\begin{remark}
+    $\bvec{a}$是$D$的凝聚点，因此不论$\delta$有多小，总有$\bvec{x} \in D$满足$0 < \norm{\bvec{x} - \bvec{a}} < \delta$。
+\end{remark}
+
+\begin{remark}
+    如果$\tolim{P}{P_0} f(P) = a$，那么动点$P$按任意方式区域点$P_0$时，$f(P)$都存在极限且极限都是$a$。
+
+    换言之，如果$P$以不同方式趋近于零时$f(P)$有不同的极限，那么极限不存在。
+\end{remark}
+
+\begin{definition}[无穷远处的极限]
+    设$f: D \to \realnum$，且对任意的$r > 0$，$\compleset{B_r(\bvec{0})} \cap D \neq \varnothing$。如果对任意的$\varepsilon > 0$，总存在$M > 0$，使得对任意的$\bvec{x} \in D \cap \compleset{B_M(\bvec{0})}$，有
+    \[\abs{f(\bvec{x}) - b} < \varepsilon\]
+    则称$\tolim{\bvec{x}}{\infty} f(\bvec{x}) = b$。
+\end{definition}
+
+\section{多元函数极限的性质}
+\begin{theorem}[函数极限与点列极限]
+    设$D \subset \ndreal$，$f: D \to \realnum$，点$\bvec{a} \in \deriv{D}$。函数极限
+    \[\tolim{\bvec{x}}{\bvec{a}} f(\bvec{x}) = l\]
+    的充分必要条件是：对任何点列$\{\bvec{x}_i\} \subset D, \bvec{x}_i \neq \bvec{a} (i = 1, 2, 3, \dots)$，且$\bvec{x}_i \to \bvec{a}(i \to \infty)$数列极限
+    \[\tolim{i}{\infty} f(\bvec{x}_i) = l\eqper\]
+\end{theorem}
+
+\begin{theorem}[函数四则运算的极限]
+    设$f, g: D \to \ndreal$，$a \in \deriv{D}$，如果存在有限极限
+    \[\tolim{\bvec{x}}{\bvec{a}} f(\bvec{x}) = l, \tolim{\bvec{x}}{\bvec{a}} g(\bvec{x}) = m\]
+    那么有
+    \begin{enumerate}
+        \item $\tolim{\bvec{x}}{\bvec{a}} (f \pm g)(\bvec{x}) = l \pm m$；
+        \item $\tolim{\bvec{x}}{\bvec{a}} fg(\bvec{x}) = lm$；
+        \item $\tolim{\bvec{x}}{\bvec{a}} \left(\dfrac{f}{g}\right)(\bvec{x}) = \dfrac{l}{m}$，其中$m \neq 0$。
+    \end{enumerate}
+\end{theorem}
+
+\begin{theorem}[Cauchy收敛原理]
+    设$D \subset \ndreal$，$\bvec{a} \in \deriv{D}$，$f:D \to \realnum$。那么极限$\tolim{\bvec{x}}{\bvec{a}} f(\bvec{x})$存在的充分必要条件是：对任意给定的$\varepsilon > 0$，存在$\delta > 0$，使得对任意的$\bvec{x}^\prime, \bvec{x}^{\prime \prime} \in D \cap B_\delta(\hat{\bvec{a}})$，有$\abs{f(\bvec{x}^\prime) - f(\bvec{x}^{\prime \prime})} < \varepsilon$。
+\end{theorem}

高等微积分.tex

@@ -15,6 +15,7 @@
 \usepackage{float}
 \usepackage{extarrows}
 \usepackage{physics}
+\usepackage{mathrsfs}
 % \usepackage{mathptmx}
 \usetikzlibrary{arrows.meta}
 
@@ -47,13 +48,19 @@
 \newcommand{\integer}{\mathbb{Z}}
 \newcommand{\naturalnum}{\mathbb{N}}
 \newcommand{\toxzero}{\lim \limits_{x \to x_0}}
-\newcommand{\tolim}[2]{\lim \limits_{#1 \to #2}}
+\newcommand{\tolim}[2]{\lim \limits_{{#1} \to {#2}}}
-\newcommand{\invertfunc}[1]{#1^{-1}}
+\newcommand{\invertfunc}[1]{{#1}^{-1}}
-\newcommand{\deriv}[1]{#1^\prime}
+\newcommand{\deriv}[1]{{#1}^\prime}
 \newcommand{\delx}{\Delta x}
 \newcommand{\dint}{\displaystyle\int}
 \newcommand{\bderiv}[1]{{#1}^{\prime \prime}}
 \newcommand{\dsum}{\displaystyle\sum}
+\newcommand{\bvec}[1]{\boldsymbol{#1}}
+\newcommand{\brak}[1]{\left\langle #1 \right\rangle}
+\newcommand{\interior}[1]{{#1}^\circ}
+\newcommand{\compleset}[1]{{#1}^\mathrm{c}}
+\newcommand{\closure}[1]{\overline{#1}}
+\newcommand{\ndreal}{\realnum^n}
 
 \DeclareMathOperator{\sgn}{sgn}
 
@@ -62,7 +69,7 @@
 \date{}
 % linespread{1.5}
 
-% \includeonly{10数项级数.tex}
+% \includeonly{13多变量函数的连续性.tex}
 
 \begin{document}
     \maketitle
@@ -85,4 +92,5 @@
     \include{10数项级数.tex}
     \include{11函数列与函数项级数.tex}
     \include{12Fourier分析.tex}
+    \include{13多变量函数的连续性.tex}
 \end{document}