数学表达式day1_数学表达式是什么-CSDN博客

本文链接：https://blog.csdn.net/FERNsummer/article/details/119104094

作业1.6
描述你在学习、使用数学表达式时的困难, 可举例说明.

通常使用word编辑数学表达式时，由于不熟练，找符号的时间特别长，比如下图的求和式：

问题是这个式子写出来还需键入不同部分虚线方框的内容，即使能够熟练找到自己想要的公式符号，但是在整体输入的时候还是很不方便。

所以好像感觉用Markdown确实要方便一点，只要熟练掌握不同符号的表达方式，以及编写技巧，大型的表达式也能轻松写出来。
再者有一点就是不知道什么时候该用数学表达式，什么时候不该用。

这个好像没办法举例，因为用到的不多。大多数时候感觉这个地方该用一个式子佐证一下，但是又觉得别的式子都不合适。总之的话可能还是表达式学得少了，积累得不够，更不用说形成自己的表达风格了。

漫漫抄表达式之旅即将开启(╥╯^╰╥)。

2.6 作业

令 $\mathbf{A} = \{3, 5\}$ , 写出 $2^{\mathbf{A}}$ .
展开 $2^{\emptyset}$ .
令 $\mathbf{A} = \{5, 6, 7, 8, 9\}$ , 写出 $\mathbf{A}$ 的其它两种表示法.
使用 markdown 模式写 CSDN 贴子, 根据提供的源码将相应表达式写出来. 提示: markdown 模式写表达式的源码与 Latex 比较一致 (估计就是从后者学习的), 仅在少数地方不同. 这里抄会了, 就为以后写论文就扫除了重要障碍.

$2^{\mathbf{A}} = \{\emptyset, \{3\}, \{5\}, \{3, 5\}\}$
$\mathbf{A}$ 的幂集中含有 $\vert 2^{\mathbf{A}} \vert = 2^{\vert \mathbf{A} \vert} = 2^2 = 4$ 个子集。
$\emptyset$ 中含0个元素，则其幂集中含有 $\vert 2^{\mathbf{\emptyset}} \vert = 2^{\vert \emptyset \vert} = 2^0 = 1$ 个子集，因此 $2^{\mathbf{\emptyset}} = ｛\emptyset｝$ .
$\mathbf{A} = \{5, 6, 7, 8, 9\}$ , 可以表示为
第一种： $\mathbf{A} = [5..9] = \{5, 6, \dots, 10\}$
第二种： $\mathbf{A} = \{x \in \mathbb{N} \vert 5 \leq x \leq 10\}$
现在准备写一遍老师博客里的表达式：
$\mathbf{A} = \{0, 1, 2, 3, 4, 5, 6, 7, 8, 9\}$
$\mathbb{N} = \{0, 1, 2, \dots\}$
$\mathbf{\Omega} = \{\textrm{a}, \textrm{b}, \dots, \textrm{z}\}$
$\mathbf{X} = \{x_i\}_{i=1}^n = \{x_1, x_2, \dots, x_n\}$
$\mathbf{O} = \{x \in \mathbb{N}, x \mod 2 = 1\} = \{x \in \mathbb{N} \vert x \mod 2 = 1\}$
实数集 $\mathbb{R}$ / $\mathcal{R}$
有理数集 $\mathbf{Q}$
空集 $\emptyset$
集合与集合： $\mathbf{A} \subseteq \mathbf{B}$
并集： $\mathbf{X} \cup \mathbf{Y}$ , $\bigcup _{i=1}^n = \mathbf{X}_i$ , $\sum_{i=1}^n i = 1 + 2 + \dots + n = \frac{n (n + 1)}{2}$
交集： $\mathbf{X} \cap \mathbf{Y}$ , $\bigcap_{i=1}^n \mathbf{X}_i$
差： $\mathbf{X} \setminus \mathbf{Y}$
补： $\overline{\mathbf{X}} = \mathbf{U} \setminus \mathbf{X}$
集合的基数： $\vert \mathbf{X} \vert$
幂集： $2^\mathbf{A} = \{\mathbf{B} \vert \mathbf{B} \subseteq \mathbf{A}\}$
$\vert 2^{\mathbf{A}} \vert = 2^{\vert \mathbf{A} \vert} = 2^3 = 8$
笛卡尔积： $\mathbf{A} \times \mathbf{B} = \{(\textrm{a}, \textrm{b}) \vert \textrm{a} \in \mathbf{A}, \textrm{b} \in \mathbf{B}\}$ , $\mathbf{A} \times \mathbf{B} \neq \mathbf{B} \times \mathbf{A}$ .

向量与矩阵

3.3 作业
自己出数据, 做一个3 $\times$ 2 与 2 $\times$ 4 的矩阵乘法.

设 ${\mathbf{A}} = \left[\begin{array}{ll} 1 & 2 \\ 3 & 4 \\ 5 & 6 \end{array}\right]$ , ${\mathbf{B}} = \left[\begin{array}{ll} 2 & 1 & 3 & 1 \\ 0 & 1 & 2 & 1 \end{array}\right]$ , 则
${\mathbf{A}} \times \mathbf{B} =\left[\begin{array}{ll} 1 & 2 \\ 3 & 4 \\ 5 & 6 \end{array}\right] \times\left[\begin{array}{lll} 2 & 1 & 3 & 1 \\ 0 & 1 & 2 & 1 \end{array}\right]=\left[\begin{array}{ccc} 2 & 3 & 7 & 3 \\ 6 & 7 & 17 & 7 \\ 10 & 11 & 27& 11 \end{array}\right]$

附加作业：数学表达式符号系统找错

勉强做一下：

在这里插入图片描述

$\mathbf{O} = \{o_i\}_{i=0}^\mathbf{N}$
此处定义的 $i$ 的区间不正确，与下文一致，应该从1到 $\mathbf{N}$ 才对.如： $\mathbf{O} = \{o_i\}_{i=1}^\mathbf{N}$
the m-th view
m 应该为斜体形式，保证上下文中形式一致。如：the $m$ -th view.
$\{ \mathbf{X}^{(m)} = [x_1^{(m)}, \dots, x_N^{(m)}] \in \mathbb{R}^{d_m \times \mathbf{N}} \}_{m=1}^\mathbf{M}$
此处的 $x$ 实际上表示一个向量，应该加粗表示。后文也存在相同错误。如： $\{ \mathbf{X}^{(m)} = [\mathbf{x}_1^{(m)}, \dots, \mathbf{x}_N^{(m)}] \in \mathbb{R}^{d_m \times \mathbf{N}} \}_{m=1}^\mathbf{M}$ .