数学表达式の学习笔记

Cat in Coffee

已于 2022-03-24 18:57:16 修改

阅读量951

点赞数

文章标签： latex

于 2021-07-27 00:23:36 首次发布

本文链接：https://blog.csdn.net/coffee_m/article/details/119111303

版权

数学表达式の学习笔记

1 基础格式
2 二元关系
3 范数
4 累加、累成、积分
5 向量及矩阵求导的推导
6 图、树与m叉树
7 max min 程序

1 基础格式

不加粗斜体， $A$ 。

一个公式既有斜体又有正体，注意{}的范围，如{\rm Hom}(U,V) ${\rm Hom}(U,V)$ 。

删除，用sout或cancel，得到 $\sout a, \cancel a$ 。

不加粗正体，\rm{A} $\to\rm{A}$ 。rm：roman。（这里的 $\to$ 只表示得到的意思，此处不表示集合映射到集合）

加粗斜体，\boldsymbol{A} $\to\boldsymbol{A}$ ，\bm{A} $\to\bm{A}$ 。
其中，bm：Access bold symbols in maths mode. \bm{·} is rather more careful in the way it does things than \boldsymbol{·}.

$\equiv \approx \overset{\mathrm{def}}{=} \xlongequal{\quad\quad}$

\mathbf{A} $\to\mathbf{A}$ 。bf：boldface。
PS：对于矩阵，个人更推荐 \bm{·}的 $\bm{A}$ ，而不是\mathbf{·}的 $\mathbf{A}$ 。如果是纯粹的数学中，集合则是最普通的不加粗斜体 $A$ 。

本文的格式本文统一，但不代表最终推荐。

如果集合在后文中都会以某种矩阵方式出现，那么集合以大写正体加粗表示是合理的（但依然可以斜体加粗），如果集合以向量在后文出现，那么以小写黑体加粗是合理的，如果后文中依然是最纯粹的集合，建议大写斜体不加粗。

\dots $\to\dots$ a \空格 b $\to a\ b$ \langle\rangle $\to\langle\rangle$ \pm $\to\pm$ ，即plus minus

\mathbb{R} $\to\mathbb{R}$ ，双线字体（也称空体字母）通常用于表示数域（对加减乘除封闭的数集）。如有理数集 $\mathbb{Q}$ ，实数集 $\mathbb{R}$ ，复数集 $\mathbb{C}$ ，整数不是数域，但因为使用频率很高，也记作 $\mathbb{Z}$ ，同理自然数集 $\mathbb{N}$ 。bb，blackboard bold。

\mathcal{R} $\to\mathcal{R}$ ，花写体（通常个也称手写体、花体，尽管实际上存在差异）是集合论中表示集族的专属，如集合 $A$ 的幂集是集族，记作 $\mathcal{A}=2^{\mathbf{A}}$ 。cal，calligraphy。

$\mathbf{X} = \{x_i\}_{i = 1}^n = \{x_1, x_2, \dots, x_n\}$ .

\emptyset $\to\emptyset$ \underline{\mathbf{A}} $\to\underline{\mathbf{A}}$

\overline{\mathbf{X}} = \mathbf{U} \setminus \mathbf{X} $\to\overline{\mathbf{X}} = \mathbf{U} \setminus \mathbf{X}$ .

\bigcup_{i = 1}^n \mathbf{X}_i $\to\bigcup_{i = 1}^n \mathbf{X}_i$ .

\sum_{i = 1}^n i = 1 + 2 + \dots + n = \frac{n (n + 1)}{2} $\to \sum_{i = 1}^n i = 1 + 2 + \dots + n = \frac{n (n + 1)}{2}$ .

$\mathbf B\subseteq \mathbf A$ 与 $\mathbf B \in 2^{\mathbf{A}}$ 等价。

\mathbf{A} \times \mathbf{B} \ne \mathbf{B} \times \mathbf{A} $\to \mathbf{A} \times \mathbf{B} \ne \mathbf{B} \times \mathbf{A}$ .

$f:\mathbb{R} \to \mathbb{R}, \\ \ \ \ \ \ \ x \mapsto x^2 + 1$ .

练习：

1 $\mathbf{A}=\{3,5\}$ ，写出 $2^{\mathbf{A}}$ ： $2^{\mathbf{A}} = \{\emptyset,\{3\},\{5\},\{3,5\}\}$

2 展开 $2^{\emptyset}$ ： $2^{\emptyset}=\{\emptyset\}$

3 令 $\mathbf{A} = \{5, 6, 7, 8, 9\}$ ，写出 $\mathbf{A}$ 的其它两种表示法： $\mathbf{A} = \{5, 6, \dots, 9\}= \{x\in\mathbb{N}\ \vert\ 5\leq x\leq9\}$

4 矩阵乘法
$\left[ \begin{array} {lr} %lr表示第一列left左对齐，第二列right右对齐，若没写则后面的列center居中c对齐 3 & 1 \\ 4 & 2 \\ 0 & 5 \end{array} \right] \times \left[\begin{array}{lcr} 3 & 2 & 5 & 1 \\ 1 & 3 & 0 & 2 \end{array}\right] = \left[\begin{array}{lcr}10 & 9 & 15 & 5 \\ 14 & 14 & 20 & 8 \\ 5 & 15 & 0 & 10\end{array}\right]$

5 各种矩阵
pmatrix 圆括号矩阵； bmatrix 方括号矩阵； Bmatrix 花括号矩阵；
matrix 无括号矩阵排列； vmatrix 行列式； Vmatrix 范数：

\begin{
   pmatrix}  0 & -i \\ i & 0  \end{
   pmatrix}
\begin{
   bmatrix} 0 & -1 \\ 1 & 0 \end{
   bmatrix}
\begin{
   Bmatrix} 1 & 0 \\ 0 & -1 \end{
   Bmatrix}
\begin{
   matrix} 0 & 1 \\ 1 & 0 \end{
   matrix}
\begin{
   vmatrix} a & b \\ c & d \end{
   vmatrix}
\begin{
   Vmatrix} i & 0 \\ 0 & -i \end{
   Vmatrix}

$\begin{pmatrix} 0 & -i \\ i & 0 \end{pmatrix} \begin{bmatrix} 0 & -1 \\ 1 & 0 \end{bmatrix} \begin{Bmatrix} 1 & 0 \\ 0 & -1 \end{Bmatrix} \ \begin{matrix} 0 & 1 \\ 1 & 0 \end{matrix} \ \begin{vmatrix} a & b \\ c & d \end{vmatrix} \begin{Vmatrix} i & 0 \\ 0 & -i \end{Vmatrix}$

2 二元关系

（一个从集合 $\mathbf{A}$ 到集合 $\mathbf{B}$ 的）二元关系的本质是一种集合，它是 $\mathbf{A}\times \mathbf{B}$ 的子集。因此 $a 、 b$ 满足某种关系，实质为元素 $(a, b)$ 属于这个关系的集合，即 $(a,b)\in\mathbf{R}$ 。举例：

包含关系
$\mathbf{A}=\{\emptyset,\{1\}\}$ ， $\mathbf{B}=\{\{1\},\{2\},\{1,2\}\}$
从集合 $\mathbf{A}$ 到集合 $\mathbf{B}$ 的 $\subseteq$ 关系集合是
$\{(\emptyset,\{1\}) , (\emptyset,\{2\}) , (\emptyset,\{1,2\}) ,(\{1\},\{1\}) \} ,(\{1\},\{1,2\}) \}$
属于关系
$\mathbf{A}=\{0, 1\}$ ， $\mathbf{B}=\{\{1\},\{2\},\{1,2\}\}$
从集合 $\mathbf{A}$ 到集合 $\mathbf{B}$ 的 $\in$ 关系集合是
${(1,\{1\}) , (1,\{1,2\}) \}$

这两个例子中，包含和属于其实并不重要，因为包含是集族到集族（元素是集合；集族本身也是集合）的关系，属于是集合到集族的关系。也即关系是两个集合得到的一个新集合，它是两个集合笛卡尔集的子集。

我们更感兴趣的是集合到它自身的关系，也直接称集合中（集合上）的关系，即从集合 $\mathbf{A}$ 到集合 $\mathbf{A}$ 的关系 $\mathbf{R}$ ，它是 $\mathbf{A}\times \mathbf{A}$ 的子集。

等价关系 equivalence relation $\sim$
满足：
i 自反性reflexive： $\forall a\in \mathbf{A}$ ，有 $\in \mathbf{R}$ ；
ii 对称性： $\forall a,b \in \mathbf{A}$ ，如果 $\in \mathbf{R}$ ，则 $\in \mathbf{R}$ ；
iii 传递性： $\forall a,b,c\in \mathbf{A}$ , 如果 $\in \mathbf{R}$ ，则 $\in \mathbf{R}$ .
偏序关系 partial order relation $\preceq$
满足：
i 自反性
ii 反对称性 antisymmetry： $\forall a,b \in \mathbf{A}$ ，若 $(a,b)\in\mathbf{R},(b,a) \in \mathbf{R}$ ，则 $a = b$ 。
或者换一种角度：对 $\mathbf{A}$ 内任意两不同元素 $a, b$ ，则 $\mathbf{R}$ 中最多含有 $(a, b), (b, a)$ 中的一个。（可以直观理解为关系表示的矩阵中除主对角线外的任意一对元素（ $a_{ij},a_{ji}$ ）中最多只能取一个）
iii 传递性
全序关系 total ordering relation
在偏序关系的基础上，满足：
i 可比较性： $\forall a,b \in \mathbf{A}$ ，如果 $a\ne b$ ，则 $(a,b)\in\mathbf{R}$ 或 $(b,a)\in\mathbf{R}$ .
严格全序关系 strict total order relation
在全序关系的基础上，将自反性和反对称性替换为：
i 反自反性antireflexive： $\forall a\in \mathbf{A}$ ，有 $\notin \mathbf{R}$ .（此性质一般不称作非自反；“非自反”一般表示“对自反性的否定： $\exist a\in \mathbf{A}$ ，使 $\notin \mathbf{R}$ ”）

模 $n$ 同余关系
$n$ 是给定的一个大于1的整数。设 $\mathbf {A} \in \mathbb{Z}$ ，首先表示 $\mathbf {A}$ 上的 ”模 $n$ 同余“ 关系 $\mathbf {R}=\{ (a,b)\in \mathbf{A}\times \mathbf{A} \ | \ a\equiv b({\rm mod} \ n) \}$ 上式中 $a\equiv b({\rm mod} \ n)$ 表示 $a$ 与 $b$ 模 $n$ 同余。
可以证明： $\mathbf {A}$ 上的 ”模 $n$ 同余“ 关系是一种等价关系。
自反性： $a$ 与 $b$ 模 $n$ 同余，则 $n$ 整除 $a - b$ 。 $n$ 可以整除 $a - a = 0$ ，即 $a\equiv a({\rm mod} \ n)$ ，满足自反性。
对称性： $\forall a,b \in \mathbf{A}$ ，如果 $a\equiv b({\rm mod} \ n)$ ，则 $a - b = k \cdot n$ ，则 $b - a = - k \cdot n$ ，即 $b\equiv a({\rm mod} \ n)$ ， $\in \mathbf{R}$ 。
传递性，同理可证。

有了集合 $\mathbf{A}$ 中的等价关系 $\mathbf{R}$ 后，就自然有了基于等价关系 $\mathbf{R}$ 的等价类，任取 $a\in \mathbf{A}$ ，集合 $\{ x\in\mathbf{A} \ | \ (x,a)\in\mathbf{R} \}$ 就是一个等价类。
以集合 ${1,2,3,4,5\}$ 上的模3同余关系 $\mathbf{R}$ 为例， $\mathbf{R}=\{(1,1),(2,2),\dots,(5,5), (1,4) , (4,1) ,(2,5), (5,2) \}$