{
  "id": "pafnuty-chebyshev",
  "title": "帕夫努季·切比雪夫",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "帕夫努季·切比雪夫是俄国数学家，其研究深刻影响了数论、概率、逼近论及机构的数学研究。",
  "category": "mathematics",
  "subcategory": "probability-statistics",
  "type": "person",
  "aliases": [
    "切比雪夫",
    "帕夫努季·利沃维奇·切比雪夫",
    "切比雪夫"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/pafnuty-chebyshev/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/pafnuty-chebyshev/",
      "json": "https://aiwiki.page/en/pafnuty-chebyshev.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "帕夫努季·利沃维奇·切比雪夫（1821年5月16日—1894年12月8日）是俄国数学家，他的研究为数论、概率和逼近论奠定了基本方法。以他命名的数学成果包括一个用于约束大幅偏离概率的不等式、一族在数值计算中占据核心地位的多项式，以及用于研究素数分布的函数。他还研究机械连杆机构，将机器设计视为数学问题的来源，而非与数学分离的实践活动。\n\n切比雪夫的研究有一个鲜明特点：在无法求得精确解时，力求获得严格且实用的信息。他为素数的数量确定界限，利用有关分布的有限信息控制随机波动，并寻求使最大可能误差最小的逼近方法。作为圣彼得堡的教授和帝国科学院院士，他推动建立了一种研究传统，安德烈·马尔可夫和亚历山大·李雅普诺夫后来延续了这一传统。他的工作将十九世纪的分析学和力学，与后来在统计学、科学计算和工程学中占据核心地位的领域联系起来。"
    },
    {
      "heading": "早年生活与数学教育",
      "text": "切比雪夫出生于俄罗斯帝国卡卢加省奥卡托沃的一个地主家庭。他的出生日期按当时俄国使用的儒略历为5月4日，对应格里高利历的5月16日。童年时，他在家中接受教育，直到1832年全家迁往莫斯科。他的一条腿有残疾，因此有些活动受到限制，而钻研数学和制作机械模型则成为他终身的兴趣。\n\n切比雪夫早年曾接受波戈列尔斯基的数学私教课程，后者是莫斯科教育界的一位教师。1837年，切比雪夫进入莫斯科大学，在哲学系的数学科求学。他最重要的老师之一是尼古拉·布拉什曼，其研究兴趣包括分析学和力学。这样的教育环境既重视严谨的数学推理，也鼓励关注物理系统中产生的问题。\n\n切比雪夫于1841年毕业。他在学生时代对代数方程数值解法的研究，已经显露出他对能够求得实际结果的方法的兴趣，而不满足于仅仅证明解在抽象意义上的存在。这一区别在19世纪的数学中十分重要：即使已知一个方程有解，也未必有切实可行的方法来准确计算这个解。关于误差、收敛性以及方法实用性的问题，在他后来的研究中反复出现。\n\n1843年，他的第一篇数学论文发表于约瑟夫·刘维尔主编的《纯粹与应用数学杂志》。这篇论文讨论多重积分，表明切比雪夫早期的研究并不局限于后来与他的名字联系最为紧密的那些领域。在法国一流期刊上发表论文，也使他跻身于以法语为主要交流语言之一的国际数学界。\n\n1846年，他凭借一篇关于概率论初等分析的学位论文，获得莫斯科大学硕士学位。当时，概率论与天文学、测量误差、保险和人口统计密切相关，但许多论证仍依赖于对所涉概率分布的严格限制性假设。切比雪夫后来的贡献在于，揭示了仅凭期望和方差等一般性量，就能将研究推进到何种程度。因此，他早年的学术训练将计算、不确定性和力学这三个主题结合起来，而三者在他的整个学术生涯中始终相互关联。"
    },
    {
      "heading": "圣彼得堡的学术生涯与国际交往",
      "text": "1847年，切比雪夫迁居圣彼得堡，提交了一篇关于利用对数进行积分的论文后，开始在圣彼得堡大学任教。他在该校的学术生涯一直持续到1882年退休、不再承担大学教学工作为止。他的课程与研究涉及广泛的领域，包括高等代数、数论、概率论以及微分方程的积分。尽管他的声誉主要建立在几项影响尤为深远的成果之上，但他的专业活动总体上属于19世纪广博的数学分析传统。\n\n早期对他产生关键影响的一位学者是维克托·布尼亚科夫斯基，后者让他参与整理莱昂哈德·欧拉的数学遗稿。欧拉学术生涯中的相当一部分时间是在圣彼得堡科学院度过的，他留下的论文构成了当地重要的学术遗产。编校工作促使切比雪夫深入钻研显式公式、级数、算术恒等式和计算方法。切比雪夫本人的研究风格同样重视具体的数学对象和精确的估计，而不依赖某一种统摄全局的理论。\n\n1849年，切比雪夫的博士论文《同余理论》巩固了他作为数论学家的地位。该论文承袭欧拉与卡尔·弗里德里希·高斯开创的传统，通过同余及相关问题研究整数的算术性质。1853年，切比雪夫成为帝国科学院的助理院士，此后逐级晋升，并于1859年成为正式院士。科学院提供了制度上的依托，使他能够在大学教学之外持续开展研究、发表成果并参与国际交流。\n\n1852年，切比雪夫进行了一次重要的西欧之旅，期间结识了数学家和工程师，也有机会考察各种机械。他与詹姆斯·约瑟夫·西尔维斯特、夏尔·埃尔米特等人的讨论，是他长期维系的通信与面对面交流网络的一部分。对工场和工业设施的参观同样影响深远：如何将一种运动转化为另一种运动的问题，促使他将注意力转向最佳逼近和连杆机构设计。\n\n随着数学成就的积累，切比雪夫获得了国际认可。他于1877年当选英国皇家学会外籍会员，并于1874年当选法国科学院外籍院士。他的论文常以法语发表，而他的姓氏在不同语言和出版物中的拼写也各不相同。Tchebycheff、Tchebychev和Tschebyscheff等形式，至今仍可见于较早的文献和沿用已久的专业术语中。这些不同拼写指的都是同一位数学家，并不代表其研究工作的不同分支。"
    },
    {
      "heading": "素数与初等方法的局限",
      "text": "在高斯和勒让德提出早期猜想之后、1896年素数定理得到证明之前，切比雪夫关于素数分布的研究是这一领域最重大的进展之一。若以 \\(\\pi(x)\\) 表示不超过 \\(x\\) 的素数个数，该定理断言\n\n\\[\\pi(x)\\sim \\frac{x}{\\log x}.\\]\n\n切比雪夫并未证明这一渐近关系。他的成就在于，严格确立了具有正确数量级的上下界，并证明：如果 \\(\\pi(x)\\log x/x\\) 存在极限，那么这一极限必定为 \\(1\\)。\n\n他在这一主题上的主要论文发表于1848年和1852年。如今以他命名的两个函数，将有关的算术信息组织起来：\n\n\\[\\vartheta(x)=\\sum_{p\\leq x}\\log p, \\qquad \\psi(x)=\\sum_{p^k\\leq x}\\log p.\\]\n\n第一个求和遍历所有不超过给定上限的素数，第二个则计入每一个不超过 \\(x\\) 的素数幂 \\(p^k\\)，权重为 \\(\\log p\\)。因此，同一个素数可能对 \\(\\psi(x)\\) 贡献多次。与不加权的计数函数 \\(\\pi(x)\\) 相比，这些加权和更容易与阶乘建立联系。\n\n这一方法的基础是 \\(n!\\) 的素因数分解。在这个阶乘中，素数 \\(p\\) 的指数为\n\n\\[\\sum_{k\\geq 1}\\left\\lfloor\\frac{n}{p^k}\\right\\rfloor.\\]\n\n取对数可将乘法转化为加法，从而把阶乘的增长与素数幂的加权计数联系起来。通过估计阶乘，并将这类恒等式精心组合，便能获得有关素数的信息。这种方法被称为初等方法，是因为它不使用复变函数方法，而不是因为其论证简单。\n\n切比雪夫得到了约为 \\(0.92129\\) 和 \\(1.10555\\) 的两个常数，分别从下方和上方限制了 \\(\\pi(x)\\log x/x\\) 可能的渐近行为。用现代记号表示，他的结果蕴含\n\n\\[\\liminf_{x\\to\\infty}\\frac{\\pi(x)\\log x}{x} \\geq 0.92129\\ldots, \\qquad \\limsup_{x\\to\\infty}\\frac{\\pi(x)\\log x}{x} \\leq 1.10555\\ldots.\\]\n\n这些不等式虽不足以保证收敛，却大幅缩小了可能的范围，并确立了 \\(x/\\log x\\) 是正确的数量级。\n\n他还证明了约瑟夫·伯特兰于1845年提出的伯特兰假设：对每个整数 \\(n>1\\)，都存在一个素数 \\(p\\)，满足 \\(n<p<2n\\)。切比雪夫的证明完成于1850年。这一结果给出了一项统一保证：素数之间不可能出现倍数意义上过大的空隙。因此，他的工作既提供了对素数数量的整体估计，也给出了一个具体定理，保证每个特定形式的区间中都有素数。最终，雅克·阿达马和夏尔-让·德拉瓦莱·普桑在1896年给出的证明运用了复分析和黎曼ζ函数，确立了切比雪夫的上下界已逼近却未能达到的极限关系。"
    },
    {
      "heading": "概率不等式与极限定理",
      "text": "切比雪夫推动概率论转向研究无需详细了解分布便可成立的结论。其中最具代表性的例子是切比雪夫不等式。如果随机变量 \\(X\\) 具有有限的期望值 \\(\\mu\\) 和有限的方差 \\(\\sigma^2\\)，那么对于任意 \\(t>0\\)，都有\n\n\\[\\Pr(|X-\\mu|\\geq t)\\leq \\frac{\\sigma^2}{t^2}.\\]\n\n等价地说，偏离期望值至少 \\(k\\) 个标准差的概率至多为 \\(1/k^2\\)。这一结论不要求变量服从正态分布，而且变量既可以是离散的，也可以是连续的。\n\n证明的关键是一个简单的大小比较。当事件 \\(|X-\\mu|\\geq t\\) 发生时，非负量 \\((X-\\mu)^2\\) 至少为 \\(t^2\\)。因此，其期望值满足\n\n\\[\\mathbb E[(X-\\mu)^2] \\geq t^2\\Pr(|X-\\mu|\\geq t),\\]\n\n由此便得到上述结论。伊雷内-朱尔·比奈梅早在1853年就已发表这一不等式，早于切比雪夫1867年的论述。“比奈梅–切比雪夫不等式”这一名称体现了这段历史。切比雪夫的独特贡献，在于将这类界限系统地用于证明一般性的概率命题。\n\n例如，设 \\(X_1,\\ldots,X_n\\) 是相互独立的随机变量，具有共同的期望值 \\(\\mu\\)，且它们的方差均不超过某个固定常数 \\(C\\)。对于它们的样本均值，\n\n\\[\\overline X_n=\\frac{1}{n}\\sum_{i=1}^{n}X_i,\\]\n\n由统计独立性可得\n\n\\[\\operatorname{Var}(\\overline X_n) =\\frac{1}{n^2}\\sum_{i=1}^{n}\\operatorname{Var}(X_i) \\leq \\frac{C}{n}.\\]\n\n因此，\n\n\\[\\Pr(|\\overline X_n-\\mu|\\geq\\varepsilon) \\leq\\frac{C}{n\\varepsilon^2}\\longrightarrow 0.\\]\n\n这就证明了弱大数定律的一种形式：均值依概率收敛于各变量共同的期望值。关键在于，各变量的分布不必具有相同的形状。\n\n切比雪夫还研究了中心极限定理，该定理描述了经适当标准化的随机变量之和近似服从正态分布的现象。他在1887年的研究中使用矩——即随机变量各次幂的期望值——来研究极限分布。矩方法试图通过证明这些数值特征的收敛来确定分布。不过，与初等的方差论证不同，这一方法需要谨慎使用：矩可能不存在，而且即使所有阶矩都存在，也未必能唯一确定一个分布。\n\n他对中心极限问题的论述存在一些缺漏，后来马尔可夫和李雅普诺夫的研究弥补了这些缺漏。这一历史区别十分重要：切比雪夫提供了强有力的方法和一套研究纲领，而非如今与这一主题相关的全部现代条件和证明。他的不等式至今仍具有基础性意义，因为它区分了哪些结论仅凭方差有限就能推出，哪些更强的结论则需要对分布尾部、独立性或各加项的相对大小作出额外假设。"
    },
    {
      "heading": "最佳逼近与切比雪夫多项式",
      "text": "切比雪夫对函数逼近的研究，探讨的是如何用较简单的函数替代复杂函数，同时控制最大误差。对于定义在 \\([a,b]\\) 上的连续实值函数 \\(f\\)，最佳一致多项式逼近问题，就是寻找次数不超过 \\(n\\) 的多项式 \\(p\\)，使下式达到最小：\n\n\\[\\|f-p\\|_\\infty =\\max_{x\\in[a,b]}|f(x)-p(x)|.\\]\n\n这与最小二乘法逼近不同，后者最小化的是误差平方的平均值。平均误差很小，并不排除在某个短区间内出现很大的误差；一致逼近则直接限制最大的偏差。\n\n切比雪夫在19世纪50年代的研究，将这一极值问题与机构设计联系起来。如果一个连杆机构旨在描绘直线，那么它偏离这条直线的最大距离，可能比平均偏离距离更重要。在给定的工作范围内逼近函数时，也会出现同样的数学结构。他关于机构理论及相关逼近问题的论文，推动了最佳逼近作为一个独立领域的确立。\n\n这一问题的关键刻画是交错原理。次数不超过 \\(n\\) 的多项式 \\(p\\) 是 \\(f\\) 的最佳一致逼近，当且仅当其误差在至少 \\(n+2\\) 个依次排列的点上达到最大绝对值，且符号交替变化。因此，对于适当选取的 \\(x_0<\\cdots<x_{n+1}\\)，有\n\n\\[f(x_i)-p(x_i)=s(-1)^iE,\\]\n\n其中 \\(s\\) 为 \\(1\\) 或 \\(-1\\)，且 \\(E=\\|f-p\\|_\\infty\\)。这些符号交替的极值误差，使任何次数不超过 \\(n\\) 的多项式扰动都无法同时减小所有最大偏差。用现代术语来说，这是一种等幅振荡条件。\n\n第一类切比雪夫多项式定义为\n\n\\[T_n(\\cos\\theta)=\\cos(n\\theta).\\]\n\n它们满足\n\n\\[T_0(x)=1,\\qquad T_1(x)=x,\\qquad T_{n+1}(x)=2xT_n(x)-T_{n-1}(x).\\]\n\n当 \\(n\\geq1\\) 时，\\(T_n\\) 的首项系数为 \\(2^{n-1}\\)，且在 \\([-1,1]\\) 上有 \\(|T_n(x)|\\leq1\\)。因此，在该区间上所有次数为 \\(n\\) 的首一多项式中，首一多项式 \\(2^{1-n}T_n(x)\\) 的最大绝对值最小。其正负交替的极值直观地体现了这一极值性质。\n\n这些多项式也解释了为什么在许多数值问题中，精心选取的插值节点优于等距节点。它们的根为\n\n\\[x_k=\\cos\\left(\\frac{(2k-1)\\pi}{2n}\\right), \\qquad k=1,\\ldots,n,\\]\n\n这些根在 \\([-1,1]\\) 的两个端点附近分布得更密集。以这些根为插值节点时，节点多项式的一致范数在所有同次数的首一多项式中最小。这就控制了经典插值误差公式中的一个重要因子，不过完整的误差估计还取决于被逼近的函数。由此发展出的方法，后来成为数值分析的核心内容；它们并不是切比雪夫原始工作中就已具备的成熟计算算法。"
    },
    {
      "heading": "正交性、连分数与数值积分",
      "text": "切比雪夫在逼近方面的另一类研究，涉及与带权正交概念相适应的函数展开。两个实函数 \\(u\\) 和 \\(v\\) 在某区间上关于权函数 \\(w\\) 正交，是指\n\n\\[\\int_a^b u(x)v(x)w(x)\\,dx=0.\\]\n\n这是垂直概念在函数空间中的对应形式，可以用内积来表述。各类正交多项式为函数逼近、积分公式的构造以及微分方程的求解提供了系统的基底。\n\n对于第一类切比雪夫多项式，相应的权函数为定义在 \\((-1,1)\\) 上的 \\(w(x)=(1-x^2)^{-1/2}\\)。利用代换 \\(x=\\cos\\theta\\)，可以将积分化为含有普通余弦函数的积分，从而得到它们的正交性：\n\n\\[\\int_{-1}^{1} \\frac{T_m(x)T_n(x)}{\\sqrt{1-x^2}}\\,dx = \\int_0^\\pi\\cos(m\\theta)\\cos(n\\theta)\\,d\\theta.\\]\n\n当 \\(m\\ne n\\) 时，该积分为零。这一联系说明了为什么切比雪夫多项式展开与傅里叶余弦级数密切相关。\n\n切比雪夫通过连分数以及用多项式之比逼近函数的方法，研究了更广泛的正交多项式体系。连分数可以表示一系列逐次得到的有理逼近，而这些逼近式的分母往往满足三项递推关系。在通常的正性假设下，正交多项式也具有三项递推关系。这些联系使人们能够在代数公式、积分关系和逼近问题之间相互借鉴、推导结果。\n\n数值积分为这些思想提供了另一个应用场景。求积公式用加权和代替积分：\n\n\\[\\int_a^b f(x)w(x)\\,dx \\approx \\sum_{j=1}^{n}\\lambda_j f(x_j).\\]\n\n在高斯求积中，若选取适当的 \\(n\\) 次正交多项式的零点作为节点，就能对所有次数不超过 \\(2n-1\\) 的多项式进行精确积分。早在切比雪夫开展相关研究之前，高斯就已提出这一基本构造；切比雪夫则为联系求积、正交性、连分数和矩的更广泛理论作出了贡献。\n\n他还研究了所有系数 \\(\\lambda_j\\) 均相等的公式。这种切比雪夫求积施加的约束不同于普通高斯求积。等权重在计算或实验中可能很有吸引力，但在节点数给定时，通常会限制所能达到的代数精度。于是，问题就变成了能否选取合适的节点，使求积公式精确匹配一组给定的矩。\n\n现代计算将这些思想拓展到了切比雪夫生前无法实现的方向。切比雪夫系数可以通过余弦变换高效计算，而多项式递推关系则支持稳定求值，无须将每个多项式展开为 \\(x\\) 的幂次形式。从历史上看，他的贡献在于揭示了这些方法背后相互关联的数学结构，而不在于后来借助电子计算机实现这些方法。"
    },
    {
      "heading": "机构与运动的数学研究",
      "text": "机械设计是切比雪夫长期从事的研究领域。他制作并研究了连杆机构、计算机械以及用于转换运动形式的装置模型。1852年的欧洲之旅让他接触到实际工程问题，进一步激发了他对这一领域的兴趣。在蒸汽机占据主导地位、工业机械迅速发展的时代，运动的传递是一项重要的技术课题。\n\n其中一个核心问题是，如何利用转动副和刚性杆件产生近似直线运动。简单转臂上的一点沿圆周运动，但许多机器需要活塞、刀具或平台沿直线运动。滑动导轨可以保证运动轨迹为直线，却也会带来摩擦和磨损。连杆机构提供了另一种方法：通过选择若干相互连接的杆件的长度，可以使指定点沿一条含有近似直线段的曲线运动。\n\n切比雪夫连杆机构是一种用于实现近似直线运动的四杆机构。它的实用价值在于连杆曲线上选定的一段，而不是整条轨迹都为直线。必须明确区分近似直线机构与精确直线机构。切比雪夫的机构不应与后来出现的精确直线机构混为一谈，例如波塞利耶—利普金连杆机构；后者采用的是不同的几何原理。\n\n这一数学任务可以表述为一个带约束的数学优化问题。杆长和铰接点的位置决定了一族曲线；设计者通过选择这些参数，控制指定运动范围内轨迹与预期路径的偏差。这与一致逼近十分相似。在这两种情形中，改善某一段范围内的表现，可能会使另一段变差，而极值误差呈现均衡分布，则可能是识别良好设计或最优设计的依据。因此，这些机械装置不只是数学原理的例证，还推动了数学问题本身的形成。\n\n切比雪夫还研制了步行机构，利用相互连接的机械腿支撑平台并推动其前进。这类装置不仅需要关注单个点的运动路径，还要注意各运动阶段之间的协调。机械足在承受载荷时应近似水平运动，而在不接触地面时，则应沿轨迹的另一部分返回。他的模型表明，几何约束能够产生复杂的协调运动，而无须独立控制每一个运动部件。\n\n此外，他还制造了计算机构，包括采用连续进位装置的加法机，并探索了用机械方式实现算术运算的方法。这些装置属于19世纪以齿轮和连杆机构实现计算的广泛探索。它们的历史意义在于数学结构与实体构造之间的相互作用：一台能够实际工作的机器，既要可靠地完成运算，又必须满足几何、机械和制造方面的约束。留存至今的模型及复原装置，使切比雪夫生涯中这一较少为人所知的侧面得以直观呈现。"
    },
    {
      "heading": "学生、研究传统与后世影响",
      "text": "切比雪夫的影响通过教学、学术机构活动，以及年轻研究者承续的数学问题不断扩展。与他密切相关的圣彼得堡学派并非以某份正式宣言为纲领，而是以重视严格估计、显式构造、概率论、算术，以及分析与应用之间的联系为特色。这些共同旨趣形成了一种鲜明的研究风格，却没有把参与者局限于单一领域。\n\n安德烈·马尔可夫是他最重要的学生之一。马尔可夫在数论、逼近论和概率论方面推进了研究，其中包括对极限定理的进一步分析。他后来对相依序列的研究，产生了如今所谓的马尔可夫链。这一发展超出了切比雪夫通常采用的独立性假设，但仍延续了同一方向的努力：精确确定大数定律及其他极限结果成立所需的条件。\n\n亚历山大·李雅普诺夫同样成长于切比雪夫所营造的数学环境。他的贡献包括一种强有力的中心极限定理，以及有关运动稳定性的奠基性研究。现代所称的李雅普诺夫条件，约束了各独立求和项的高阶绝对矩与其总方差之间的相对关系。它给出了收敛于正态分布的一个充分条件，也表明切比雪夫的概率论研究纲领如何在后续研究中变得更加精确。\n\n与圣彼得堡传统有关的数学家还包括亚历山大·科尔金和叶戈尔·佐洛塔廖夫。他们在二次型、算术和逼近论方面的研究表明，这一学派的影响不能仅归结于概率论。例如，佐洛塔廖夫的极值逼近问题，将寻求误差最优均衡的研究拓展到了涉及有理函数和椭圆函数的情形。\n\n切比雪夫于1882年结束大学教学生涯，但仍继续从事科学研究。他于1894年12月8日在圣彼得堡逝世，对应儒略历11月26日。他的文集在身后出版，使原先散见于科学院出版物和数学期刊中的论文得以保存并汇集。他的方法后来能够广泛传播，既有赖于这些出版物，也得益于后继者积极开展的各项研究。\n\n如今，在若干数学领域中都能见到切比雪夫的名字，而这些领域的现代形态是在他去世后才发展起来的。切比雪夫多项式展开为谱方法和高精度科学计算提供了支撑；切比雪夫型界为统计学提供了不依赖具体分布的界限；他的素数计数函数则仍是解析数论的标准工具。看待这些应用时，需要注意区分不同的历史层次。一个以他命名的现代算法，可能将他的多项式恒等式与后来在线性代数、数值稳定性和数字计算方面产生的思想结合起来。贯穿这些发展的，是一组精确的数学工具：依据有限信息建立不等式、通过极值构造平衡误差，以及借助加权和揭示原本难以探明的结构。"
    }
  ],
  "links": [
    "number-theory",
    "probability",
    "mathematical-analysis",
    "leonhard-euler",
    "carl-friedrich-gauss",
    "prime-number-theorem",
    "prime-number",
    "chebyshevs-inequality",
    "random-variable",
    "expected-value",
    "variance",
    "sample-mean",
    "statistical-independence",
    "law-of-large-numbers",
    "central-limit-theorem",
    "function-approximation",
    "least-squares",
    "chebyshev-polynomials",
    "interpolation",
    "inner-product",
    "orthogonal-polynomials",
    "fourier-series",
    "continued-fraction",
    "recurrence-relation",
    "chebyshev-quadrature",
    "mathematical-optimization",
    "andrey-markov",
    "statistics"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}