你想弄懂什么？

在跳跃间断点处，傅里叶级数趋近于单侧极限的中点。对于指定的方波，左极限为 $-1$，右极限为 $1$，因此级数在跳跃点处收敛于 $0$。

适用条件：该点是跳跃间断点。；单侧极限存在且有限。

切平面提供了曲面在参考点处的一阶局部近似。它由该点处的函数值和两个偏导数定义。

适用条件：曲面在参考点 $(x_0, y_0)$ 处可微。；平面是使用 $(x_0, y_0)$ 处的值和偏导数构造的。

立体区域 $\Omega$ 定义为满足 $x^2+y^2 \le z \le 4$ 的点 $(x,y,z)$ 的集合。它下方由圆形抛物面 $z=x^2+y^2$ 界定，上方由平面 $z=4$ 界定。

适用条件：下边界是抛物面 $z=x^2+y^2$。；上边界是平面 $z=4$。；区域是有界且闭合的。

柯西条件指出，对于每一个正容差 $\varepsilon$，都存在一个索引 $N$，使得对于所有大于 $N$ 的索引 $m, n$，数列项之间的距离 $|a_m - a_n|$ 严格小于 $\varepsilon$。这意味着数列中所有足够靠后的项都会彼此任意接近，无论它们的索引相隔多远。

适用条件：数列定义在实数上。；$\varepsilon > 0$ 是任意正容差。；$N$ 是依赖于 $\varepsilon$ 的整数阈值。；$m$ 和 $n$ 是任何严格大于 $N$ 的索引。

方向导数 f'_l($x_0$, $y_0$) 定义为当 rho 趋于 0 时，函数值的变化量与沿方向 l 的位移 rho 之比的极限。

适用条件：函数 f 在 ($x_0$, $y_0$) 及其附近点有定义。；方向 l 由角度 alpha 指定。；rho 代表 xy 平面中沿方向 l 的位移。；取 rho -> 0 的极限。

采样点 ξᵢ 在每个子区间内被选择，以确定近似矩形的高度。函数值 f(ξᵢ) 作为高度，而子区间的宽度 Δxᵢ 作为底边。

适用条件：区间 [a, b] 被划分为子区间。；从每个子区间中选择一个点 ξᵢ。

该证明使用了收敛形式定义的反面。它确立了对于每一个实数 $L$，存在一个 $\varepsilon > 0$（具体为 $\varepsilon=1$），使得对于每一个自然数 $N$，都存在一个索引 $n > N$，其中 $|a_n - L| \ge \varepsilon$。

适用条件：数列为 $a_n = (-1)^n$。；收敛的定义是 $\forall \varepsilon > 0, \exists N, \forall n > N: |a_n - L| < \varepsilon$。；其否定是 $\forall L, \exists \varepsilon > 0, \forall N, \exists n > N: |a_n - L| \ge \varepsilon$。

发散性的证明断言如下：对于每一个实数 $L$，存在一个 $\varepsilon > 0$，使得对于每一个整数 $N$，都有一个索引 $n > N$ 满足 $|a_n - L| \ge \varepsilon$。

适用条件：假设标准的序列收敛定义。；$a_n = (-1)^n$。

严格的极限要求 P 和 Q 在区域附近具有连续的一阶偏导数，边界是分片光滑的，并且需要控制边界近似误差。仅凭曲线的接近并不意味着其线积分的收敛。

适用条件：证明正在推向严格的极限。；P 和 Q 在区域 D 附近有定义。；考虑边界 L。

行列式缩放任何可测量平面图形的面积，而不仅仅是正方形。行列式的绝对值作为线性变换下所有区域的统一面积缩放因子。

适用条件：变换是线性的。；图形是可测量的且具有有限面积。；在标准正交坐标中使用普通欧几里得面积。

是的，在这种语境下，“最大公约数”（greatest common factor）被用来指代许多现代文本中更常称为“最大公因数”（greatest common divisor）的概念。所示的数学过程是相同的基于减法的欧几里得算法。

适用条件：在解释算法为何有效时非正式地使用。

矩阵表示为 $\begin{bmatrix} 0 & -1 \\ 1 & 0 \end{bmatrix}$。这是通过观察标准基向量落在哪里推导出来的：$\hat{i}$ 旋转到 $[0, 1]^T$，$\hat{j}$ 旋转到 $[-1, 0]^T$。

适用条件：旋转为 90 度逆时针。；在使用标准基向量的二维平面中工作。