如何在微信公众号和知乎使用markdown公式？一般人我不告诉他

如何在知乎和公众号中优雅地写数学公式吗？如何在知乎直接贴 markdown 文件？我发现一个神网站解决了这个问题： mdnice.com

使用 mdnice.com 结合 LaTeX 语法编写数学公式，一键复制到公众号或知乎文章，简直太方便了！如果对 LaTeX 语法不熟悉，可参考知乎问题：知乎上的公式是怎么打出来的？

不如我们来看一下使用 mdnice.com 排版的文章，如下所示：以下来自一个 markdown 文件的一部分：

https://github.com/fengdu78/Data-Science-Notes/blob/master/0.math/1.CS229/markdown/1.CS229-LinearAlgebra.md

排版效果

假设 是一个函数，它接受 中的向量并返回实数。那么关于 的黑塞矩阵（也有翻译作海森矩阵），写做： ，或者简单地说， 是 矩阵的偏导数：

 

换句话说， ，其：

 

注意：黑塞矩阵通常是对称阵：

 

与梯度相似，只有当 为实值时才定义黑塞矩阵。

很自然地认为梯度与向量函数的一阶导数的相似，而黑塞矩阵与二阶导数的相似（我们使用的符号也暗示了这种关系）。这种直觉通常是正确的，但需要记住以下几个注意事项。首先，对于一个变量 的实值函数，它的基本定义：二阶导数是一阶导数的导数，即：

 

然而，对于向量的函数，函数的梯度是一个向量，我们不能取向量的梯度，即:

 

上面这个表达式没有意义。因此，黑塞矩阵不是梯度的梯度。然而，下面这种情况却这几乎是正确的：如果我们看一下梯度 的第 个元素，并取关于于 的梯度我们得到：

 

这是黑塞矩阵第 行（列）,所以：

 

简单地说：我们可以说由于： ，只要我们理解，这实际上是取 的每个元素的梯度，而不是整个向量的梯度。

最后，请注意，虽然我们可以对矩阵 取梯度，但对于这门课，我们只考虑对向量 取黑塞矩阵。这会方便很多（事实上，我们所做的任何计算都不要求我们找到关于矩阵的黑森方程），因为关于矩阵的黑塞方程就必须对矩阵所有元素求偏导数 ，将其表示为矩阵相当麻烦。

是不是排版很漂亮？记住markdown神器地址：mdnice.com