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