推 znmkhxrw : 嗨V大, 我想證的是「在 x_1 和 x_2 分別趨近 x_0 後 08/06 23:06
→ znmkhxrw : 所得的極限L(x)」會滿足L(x_0)=f(x_0), 08/06 23:08
→ znmkhxrw : L'(x_0)=f'(x_0), L''(x_0)=f''(x_0) 08/06 23:08
→ znmkhxrw : 不過今天我舉的特例剛好是泰勒多項式, 因此我想證的 08/06 23:09
→ znmkhxrw : 可以直接去對泰勒多項式做微分檢查得證 08/06 23:09
→ znmkhxrw : 但是general case得到的L(x)就不知道怎麼證會符合 08/06 23:10
→ znmkhxrw : 微分條件 08/06 23:10
→ Vulpix : 你那句話跟二階泰勒一樣啊。 08/06 23:36
推 znmkhxrw : 嗨V大我回了wiki的例子一篇 推文不好排版 謝啦 08/06 23:49
先修一點 cap 的錯漏。
※ 編輯: Vulpix (163.13.112.58 臺灣), 08/07/2023 04:56:47
把 divided differences 算一算,感覺很有趣。
在 f is smooth enough 的前提下,divided differences 其實都可以用極限延拓。
說的是類似 f[a,a] 這種東西可以自然定義成 f'(a)。
不過這樣一來,如果 f 是 C^1,就保證 f[x,y] 有 C^0。
而要讓 f[x,y,z] 能處處連續,f 至少也得是 C^2。
總之,f[x_0] + f[x_0,x_1](x-x_0) + f[x_0,x_1,x_2](x-x_0)^2 的極限,
就是 f[x_0] + f[x_0,x_0](x-x_0) + f[x_0,x_0,x_0](x-x_0)^2。
f[x_0,x_0] 就是 f'(x_0) 沒問題,而 f[x_0,x_0,x_0] 則是 f"(x_0)/2。
有公式為證:
d/dx f[z_1,z_2,...,z_n,x] = f[z_1,z_2,...,z_n,x,x]
用數學歸納法甚至可以得到:
(D_x^3/3!)(D_y^2/2!)(D_z^2/2!) f[x,y,z] = f[x,x,x,x,y,y,y,z,z,z]。
f[x_0,x_0,x_0] 的情況比較簡單,就是 f[x_0] 在 x_0 的二階導數再除以 2!。
如果是已知 f, f', f" 在 -1, 0, 1 上的值,
x f(x) f'(x) f"(x)
-1 2 -8 56
0 1 0 0
1 2 8 56
那這種 p(x) 的 Newton form 就是
f[-1] + f[-1,-1](x+1) + f[-1,-1,-1](x+1)^2 + f[-1,-1,-1,0](x+1)^3
+ f[-1,-1,-1,0,0]x(x+1)^3 + f[-1,-1,-1,0,0,0]x^2(x+1)^3
+ f[-1,-1,-1,0,0,0,1]x^3(x+1)^3 + f[-1,-1,-1,0,0,0,1,1]x^3(x+1)^3(x-1)
+ f[-1,-1,-1,0,0,0,1,1,1]x^3(x+1)^3(x-1)^2
然後 wiki 上那張表,就只是很理所當然地計算這些係數而已。
所以你應該是卡在:
1. f[1,2,3,4,5] 我會,但 f[-1,-1,-1,0,0] 到底是什麼?
2. 為什麼 f[-1,b,c,0,e] 在 b,c→-1 且 e→0 的時候會收斂到 f[-1,-1,-1,0,0]?
根據前面的脈絡,兩個問題的回答是一起的:
f[a,b,c,d,e] 在 R^5 上無法直接用 divided difference 寫下的位置,
以其極限取代之。則 f[a,b,c,d,e] 在 R^5 上連續。
總之就是要確認 a divided difference with repeated arguments is well defined。
f[a,a] = lim_{x→a} { f(x)-f(a) }/{ x-a } = f'(a)
而一般一點的情況,建議從 expanded form 下手。
以 f[0,0,0,1,1] 為例,
f[0,b,c,1,e]
= f(0)/(-b)(-c)(-1)(-e) + f(b)/b(b-c)(b-1)(b-e) + f(c)/c(c-b)(c-1)(c-e)
+ f(1)/1(1-b)(1-c)(1-e) + f(e)/e(e-b)(e-c)(e-1)
後二項在 b,c→0 的時候,會趨近於 -f(1)/(e-1) + f(e)/e^3(e-1)。
然後在 e→1 的時候會再趨近於 f'(1)-3f(1)。
前三項在 e→1 的時候,會→ f(0)/bc - f(b)/b(c-b)(b-1)^2 + f(c)/c(c-b)(c-1)^2。
最後在 b,c→0 下會趨近於 3f(0) + 2f'(0) + f"(0)/2。
關於連續性,適合的參考資料應該是 https://ftp.cs.wisc.edu/Approx/deboor2.pdf。
f[x,y] 在 R^2 上連續,這直接做就好,沒有很難做。
更多變數的情況下就要一些技巧了。
※ 編輯: Vulpix (163.13.112.58 臺灣), 08/08/2023 13:45:45
推 znmkhxrw : 謝謝V大的分享! 關於連續性我有兩個看法: 08/08 16:37
→ znmkhxrw : (1) 我自己對於f[x,y]跟f[x,y,z]都是一直羅畢達XD 08/08 16:37
→ znmkhxrw : 但是general case我就羅不下去了, 太醜了, 你給的 08/08 16:45
→ znmkhxrw : pdf應該就是general解決這件事吧 08/08 16:45
→ znmkhxrw : (2) 對於微分條件, 用mean value thm for divided 08/08 16:50
→ znmkhxrw : difference來看的話, 要處理f[x,y,z]確實需要f€C^2 08/08 16:53
→ znmkhxrw : 才能讓3點退化成1點的(f''(ε)取極限把極限搬入) 08/08 16:56
→ znmkhxrw : 但是我總覺得有辦法只要"f€C^1, f'€diff"就可以 08/08 17:00
→ znmkhxrw : 以普通MVT舉例, (f(x)-f(a))/(x-a)=f'(ε) 08/08 17:02
→ znmkhxrw : 如果f€C^1, 當然可以x→a讓f'(ε)趨近於f'(a) 08/08 17:02
→ znmkhxrw : 但是其實f€diff即可, 因為根本不用透過MVT 08/08 17:03
要 f[x,y] 連續至少要 C^1,因為沿著 y=x 靠近 (a,a) 的時候要 f' 連續。
※ 編輯: Vulpix (163.13.112.58 臺灣), 08/08/2023 17:31:27
推 znmkhxrw : V大我回應如下連結, 有數學式跟說明, 謝謝 08/08 20:07
https://i.imgur.com/kDaTMXM.png
對,我知道因為 MVT 的要求是 "f conti. on [a,b], f is diff. on (a,b).",
所以如果只是要 f[0,b,c,1,e] 會收斂到 f[0,0,0,1,1] 上,可能可以放寬條件,
甚至上面這個應該不用到四階導數存在,只要二階可導就可以了。
可是大家應該也都知道……
(partially) derivable, differentiable, continuously differentiable 很煩人。
但我的確是想先建構函數再考慮,畢竟,f[x,y,z,u,v] 那種函數很美嘛。
※ 編輯: Vulpix (163.13.112.58 臺灣), 08/09/2023 17:34:42
推 znmkhxrw : 同意你說的, 謝謝這串分享! 08/09 18:45
找到比較一勞永逸的方式:
首先,這次既不是用 Newton form,也不是用 Lagrange form,
畢竟 p(x) = Σ_{i=1}^n (c_i x^i) 這個 standard form 還是最容易求導數的長相。
已知 f(x_i) for i = 0, 1, ... , n,而且 x_i 各不相同。
那麼,https://i.imgur.com/sPmLIUo.png。
因為 Vandermonde determinant 不是 0,所以這組 c_i 有唯一解。
下一步是讓 x_1, x_2, ... , x_{m_0} 都趨近於 x_0,
不過在那之前,要先處理一下前 1 + m_0 列。
把上圖的等式拿來做以下列運算:
for(int i=1; i<=1+m_0; i++)
for(int j=1+m_0; j>=i; j--)
(第 j 列 -= 第 j-1 列) /= (x_j - x_{j-i});
總之,經過這串列運算以後,等式會變成 https://i.imgur.com/7UsrbCz.png。
其中的「1」代表 1 函數,各個「x^k」則各自代表 k 次方函數。
其實1[x_0,x_1] = 0,上部矩陣的下三角都是 0。
然後x[x_0,x_1] = 1,上部矩陣的主對角線上都是 1。
下部矩陣沒有動到,照抄。
接下來要確認一下他的行列式值。
雖然長相很兇惡,但是因為我們之前有紀錄列運算的過程,
所以實際上是 Vand. det. / sub-Vand. det. of {x_0, ... , x_{m_0}},
所以這個行列式 = Π_{j>i>m_0} (x_j - x_i) * Π_{j>m_0≧i} (x_j - x_i),
在 x_1, x_2, ... , x_{m_0} 都趨近於 x_0 的時候,
收斂到 Π_{j>i>m_0} (x_j - x_i) * Π_{j>m_0} (x_j - x_0)^{1+m_0} ≠ 0。
這表示如果那個方陣的極限存在的話,行列式值非零。
終於要算極限了,前面那個方程式左側的方陣和右側的行矩陣各自都是收斂的,
而且方陣極限的行列式值非零,所以 c 那一個行矩陣也收斂。
整個方程式的極限是 https://i.imgur.com/AoSFHbG.png。
跟剛剛一樣,其實上部矩陣的下三角都是 0,而且主對角線上都是 1。
只是為了能有個通式的長相就拉他們下水。
下部矩陣沒有動到,照抄。
然後反覆把想拿來簡併的 x_k 併在一起,我們就得到了退化多項式 p(x) 的係數 c_i。
前 1 + m_0 列已經不會再被動到了。
p(x_0) = f(x_0) 可直接參照矩陣方程式的第一列。
觀察第二列可得 p'(x_0) = 1 + 2x_0 + 3x_0^2 + ... + nx_0^{n-1} = f'(x_0),
同理可得其他高階導數的等式。
這個作法就是從最初的插值多項式直接退化成 p(x),
並且證明了直到第「簡併數」階之前,p 在簡併點上的導數 = f 在簡併點上的導數。
-------------------------
至於 f[a,b,c] 收斂到 f"(a)/2!,似乎真的可以用 f" 存在來證。
總之先對 b,c 做 MVT:
如果 [ f'(ξ)(ξ-a)-f(ξ)+f(a) ]/(ξ-a)^2 收斂到 f"(a)/2,
那 f[a,b,c] 就收斂到 f"(a)/2!。
可是羅下去會卡在 f" 的連續性上,所以雖然我愛羅但是不能羅,
因為羅後不收斂不代表羅前也不收斂。
[ f'(ξ)(ξ-a)-f(ξ)+f(a) ]/(ξ-a)^2
= [ f'(ξ)-f'(a) ]/(ξ-a) - [ f(ξ)-f(a)-f'(a)(ξ-a) ]/(ξ-a)^2
→ f"(a) - f"(a)/2 = f"(a)/2
前項直接算極限,後項則是先羅一次。
前面做 MVT 也很辛苦,f[a,x] 的連續性是顯然的,
而 f[a,x] 的可微性則要考慮是否在 a 微分。
不在 a 的時候,很簡單,商法則可搞定。
在 a 的話,[ f[a,x]-f'(a) ]/(x-a) 把分母處理好以後就是先羅一次,
其實跟上面那個先羅一次的後項是一樣的東西,所以也是收斂到 f"(a)/2。
f[a,b,c] = d/dx f[a,x] |x=ξ for some ξ between b and c,
這個 ξ 有可能是 a,
所以 f[a,b,c] 可能是 [ f'(ξ)(ξ-a)-f(ξ)+f(a) ]/(ξ-a)^2 或 f"(a)/2。
最後當 b,c→a 的時候,也讓 ξ→a,然後就回到前頭的計算了。
可是再多一個 d 的時候……
感覺上應該是可以做 MIT 的,但我覺得累。
f[a,b,c,d] = (f[a,b,c]-f[a,b,d])/(c-d) 且 c≠d,進行 MVT:
1. 檢查 f[a,b,x] 的連續性。
雖然 b≠a,但是 x 可能是兩者之一。
所以對於 x 的連續性是依賴於 f \in C^1。
f 三階可微,所以 f 當然 \in C^1。
2. 檢查 f[a,b,x] 的可微性。
當 x 不是 a 也不是 b 的時候,直接用公式算導函數。
然後在 a 上計算 (f[a,b,x]-f[a,b,a])/(x-a) 的極限,
也就是 f[a,a,x,b] 的極限,這個應該可以由 C^2 保證。
(f[b,b,x,a] 在 b 的情形是類似的,因為此時 a,b 有對稱性。)
到此,應用 MVT 得 f[a,b,c,d] = d/dx f[a,b,x] |x=ξ
= lim_{x→ξ} (f[a,b,x]-f[a,b,ξ])/(x-ξ)
= lim_{x→ξ} f[a,b,ξ,x]
而這個 ξ 只是介於 c,d 之間而已,可能是兩數之間的任何數。
接下來分成 ξ 剛好是 a:此時 f[a,b,c,d] = f[a,b,a,a] (∵C^2)
ξ 剛好是 b:此時 f[a,b,c,d] = f[a,b,b,b] (∵C^2)
ξ 兩者皆非:此時 f[a,b,c,d] = f[a,b,ξ,ξ] (∵C^1)
所以綜合來說,f[a,b,c,d] = f[a,b,ξ,ξ] 都是對的。
然後計算 b,ξ→a 的時候 f[a,b,c,d] 的極限,
基於 b,ξ 的異同情況,f[a,b,c,d]=f[a,b,b,b] 或 f[a,η,η,η],
統一寫作 f[a,b,c,d] = f[a,η,η,η],其中 η 介於 b,ξ 之間或者就是 b,
最後利用三階可微能算出他收斂到 f[a,a,a,a] = f"'(a)/3!。
感覺上應該還是要善用 divided difference 的符號,
不過扯上簡併的連續性跟可微性都得驗證。
或者可以針對 b,c,d 直接做某種推廣版的 MVT:
f[a,b,c,d] = f[a,η,η,η], where min(b,c,d)<η<max(b,c,d).
※ 編輯: Vulpix (1.160.12.97 臺灣), 08/13/2023 07:26:34
推 znmkhxrw : 嗨V大辛苦了~好多資訊, 幾個問題跟回應: 08/13 08:52
→ znmkhxrw : (1) "「1」代表 1 函數,各個「x^k」則各自代表 08/13 08:53
→ znmkhxrw : k 次方函數。"這句話看不太懂, 所以也不知道為什麼 08/13 08:54
→ znmkhxrw : 1[x_0,x_1] = 0以及x[x_0,x_1] = 1 08/13 08:54
f[x_0,x_1] = [ f(x_1)-f(x_0) ]/(x_1-x_0)
f 代入 1 函數,得 (1-1)/(x_1-x_0) = 0。
f 代入 k 次方函數,得
(x_1^k-x_0^k)/(x_1-x_0) = Σ_{i=0}^{k-1} x_0^i x_1^{k-1-i}。
例如 k = 2 的 2 次方函數,
x^2[x_0,x_1] = (x_1^2-x_0^2)/(x_1-x_0) = x_1+x_0,
x^2[x_1,x_2] = (x_2^2-x_1^2)/(x_2-x_1) = x_2+x_1,
x^2[x_0,x_1,x_2] = [ (x_2+x_1) - (x_1+x_0) ]/(x_2-x_0) = 1 這樣。
所以其實(上部矩陣的)下三角都是 0、(上部矩陣的)主對角線都是 1。
→ znmkhxrw : 的x_0有負次方是要假設x_0不為零? 08/13 08:56
那就把次方都改成 max(0, 原本的次方) 好了……
或者乾脆改成原次方的絕對值。
不過反正負次方項的係數都是 0 啦,當成 notation 看就好,沒有什麼代值的功能。
→ znmkhxrw : (3) 承上的方程式, 跟Confluent Vandermonde很像耶! 08/13 08:56
→ znmkhxrw : 以上連結的唯一解c_0~c_n所決定出來的多項式p(x) 08/13 09:04
→ znmkhxrw : 如果可以證明出來他就是Newton/Lagrange的退化函數 08/13 09:06
首先,不管 Newton、Lagrange 插出來的多項式都跟
https://i.imgur.com/sPmLIUo.png 解出來的多項式是同一個。
所以雖然我算的是這個多項式的退化,但可以直接當成 Newton form 的極限,沒問題。
你把這個矩陣方程式展開,其實每一條都只是 p(x_i) = f(x_i) 而已。
→ znmkhxrw : 或是證明他是difference table演算法的那個函數 08/13 09:06
→ znmkhxrw : 那就解決了. 只是我沒有勇氣去寫出general case的 08/13 09:07
→ znmkhxrw : Confluent Vandermonde的反矩陣然後再乘開... 08/13 09:07
→ znmkhxrw : 然後剛剛看到V大你連結的矩陣, 發現跟CV很相似欸 08/13 09:08
→ znmkhxrw : (簡稱CV為Confluent Vandermonde) 08/13 09:08
→ znmkhxrw : 只是那個Ac=f的A矩陣跟f向量不太一樣, V大連結的f 08/13 09:11
→ znmkhxrw : 的微分項帶有factorial 08/13 09:11
因為我想要都用 divided difference 寫,所以會比 CV 多除以一些階乘。
也是因為這樣,我的係數才是組合數 C 而不是 CV 的排列數 P。
→ znmkhxrw : 我猜"(第 j 列 -= 第 j-1 列) /= (x_j - x_{j-i});" 08/13 09:16
→ znmkhxrw : 這個操作如果加料一下應該就可以推到rk7ijn2.jpg了 08/13 09:16
對,但我不要。這樣的行列式裡面會有一大堆階乘。
我的證明過程須要算行列式,不想讓他變醜。
→ znmkhxrw : (4) 最後有關微分條件放寬的思路謝謝分享 08/13 09:18
→ znmkhxrw : 其中有"MIT"是指哪個定理呢? 08/13 09:18
數學歸納法。
不過我還在想到底有哪些東西要定義跟證明XD
以這個流程來說,至少就是 f[x_1, ..., x_n] 收斂到 f^{(n)}(x_0)/n! 吧。
→ PPguest : @z大 difference table演算法不就是在算Newton form 08/13 17:31
→ PPguest : 的退化函數 08/13 17:32
是啊。
※ 編輯: Vulpix (1.160.12.97 臺灣), 08/13/2023 22:58:39
推 znmkhxrw : 08:54的回應理解了 謝謝 08/14 01:58
→ znmkhxrw : 09:56 是的! 所以我自己當初研究退化問題就是在想說 08/14 02:00
→ znmkhxrw : 那樣的表示法最好研究退化函數的長相, 然後Lagrange 08/14 02:00
→ znmkhxrw : 跟矩陣就被我捨棄了, 當下下意識覺得矩陣最麻煩 08/14 02:00
→ znmkhxrw : 因為還要寫出Vand反矩陣的通式還要取極限, 然後再跟 08/14 02:01
→ znmkhxrw : f向量相乘, 覺得很費工, 想不到V大這樣整理蠻乾淨的 08/14 02:02
既然反矩陣麻煩,那為什麼不用克拉瑪公式呢?
→ znmkhxrw : 09:56->09:06 打錯 08/14 02:02
→ znmkhxrw : 08:56, 09:11, 09:16一起回: 原來V大是把x_0^(-N) 08/14 02:03
→ znmkhxrw : 當作0的notation, 這樣確實就跟Confluent Vand差一 08/14 02:04
→ znmkhxrw : 個左乘的對角矩陣D了, D的左上區是階層, 右下區是 08/14 02:05
→ znmkhxrw : 單位矩陣 08/14 02:05
作者: Vulpix (Sebastian) 看板: Math
標題: Re: [分析] Hermite內插演算法的證明
時間: Sun Aug 6 19:28:57 2023
符號看得有點花……
如果你想做的是「在 x_1 和 x_2 分別趨近 x_0 後所得的極限 = Taylor 多項式」,
那你需要的就是 MVT of divided differences。
https://en.wikipedia.org/wiki/Mean_value_theorem_(divided_differences)
直接套上去就馬上做完了。
也不必去算新多項式的導數。
但是如果要一步一步來就沒那麼好算了。
(x_n - x_0)lim_{x_1→x_0} f[x_0,...,x_n]
= f[x_0,x_2,...,x_n] - lim_{x_1→x_0} f[x_0,...,x_{n-1}]
上面這條遞迴式是用來算極限的。
本來的插值多項式是 f[x_0] + f[x_0,x_1](x-x_0) + f[x_0,x_1,x_2](x-x_0)^2。
在 x_1→x_0 之後,變成
f(x_0) + f'(x_0)(x-x_0) + {f[x_0,x_2]-f'(x_0)}/(x_2-x_0) * (x-x_0)^2。
然後 {f[x_0,x_2] - f'(x_0)}/(x_2 - x_0) 在 x_2→x_0 下的極限 = f"(x_0)/2,
所以多項式的極限就變成 f(x_0) + f'(x_0)(x-x_0) + f"(x_0)/2 * (x-x_0)^2。
不過我本來在想的是用 Lagrange 觀點。
e_0(x) := Π_{i=1}^n (x-x_i)/(x_0-x_i),其他 e_j 類推。
還是先用 n = 2 來觀察,
插值多項式 = f(x_0)e_0(x) + f(x_1)e_1(x) + f(x_2)e_2(x)
然後也先讓 x_1→x_0,多項式變成
f(x_0){e_0(x)+e_1(x)} + {f(x_1)-f(x_0)}e_1(x) + f(x_2)e_2(x)。
所以我們分成三項來看:
1. e_0(x)+e_1(x) = (x-x_1)(x-x_2)/(x_0-x_1)(x_0-x_2)
+ (x-x_0)(x-x_2)/(x_1-x_0)(x_1-x_2) 公因式
= (x-x_2)/(x_1-x_0)
* (x_1-x_0)(x_0-x_2+x_1-x)/(x_0-x_2)(x_1-x_2)
= (x-x_2)(x_0-x_2+x_1-x)/(x_0-x_2)(x_1-x_2)
→ (x-x_2)(2x_0-x_2-x)/(x_0-x_2)^2
= 1 - (x-x_0)^2/(x_0-x_2)^2
最後這個多項式,他代 x_0 得 1、導數得 0,而代 x_2 得 0。
2. {f(x_1)-f(x_0)}e_1(x) = {f(x_1)-f(x_0)}(x-x_0)(x-x_2)/(x_1-x_0)(x_1-x_2)
→ f'(x_0)(x-x_0)(x-x_2)/(x_0-x_2)
(x-x_0)(x-x_2)/(x_0-x_2) 代 x_0 得 0、導數得 1,而代 x_2 得 0。
3. e_2(x) = (x-x_0)(x-x_1)/(x_2-x_0)(x_2-x_1) → (x-x_0)^2/(x_2-x_0)^2
最後這個多項式也是代 x_0 得 0、導數得 0,而代 x_2 得 1。
我們得到三個可以各自突顯 f(x_0), f'(x_0), f(x_2) 的多項式,
剛好跟 Lagrange 觀點有謀而合。
最後再讓 x_2→x_0,
f(x_0){1-(x-x_0)^2/(x_0-x_2)^2}
+ f'(x_0)(x-x_0)(x-x_2)/(x_0-x_2) + f(x_2)(x-x_0)^2/(x_2-x_0)^2
= f(x_0)+f'(x_0)(x-x_0)
+ { f(x_2) - f(x_0) - f'(x_0)(x_2-x_0) }(x-x_0)^2/(x_2-x_0)^2
→ f(x_0) + f'(x_0)(x-x_0) + f"(x_0)(x-x_0)^2/2
其實仔細看,1, x-x_0, (x-x_0)^2/2 也是
在函數值、一階導數、二階導數之中各自突顯一項,而消滅其他兩項的多項式函數,
同樣符合 Lagrange 觀點的插值概念。
真正麻煩的還是 general case:
有資料的點是 x_0, ..., x_n,每個點的高階導數已知階數不盡相同。
像是已知 f(-1), f(0), f'(0), f"(0), f(5), f(100), f'(100) 這樣。
然後先用 -1, 0, a, b, 5, 100, c 插值,再讓 a,b→0 和 c→100,
之後要檢查在 x = 0 的一階二階導數和在 x = 100 的一階導數。
不過我想,應該也是這樣一步步算極限就好。
但是那個 general form 就真的很難看,所以平常都是給 algorithm。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.162.224.247 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Math/M.1691321340.A.CC3.html
推
→
→
→
→
→
→
→
推
推
→
→
→
→
→
→
→
→
→
→
推
→
推
推
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→