数学表达式: 从恐惧到单挑-作业day1

1.6 作业

描述你在学习、使用数学表达式时的困难, 可举例说明.

答：数学矩阵的不同表达式形式，不容易理解矩阵的形式。例如： X = { x i } i = 1 n = { x 1 , x 2 . … , x n } \mathbf{X} = \{x_i\}_{i=1}^n=\{x_1,x_2.\dots,x_n\} X={xi​}i=1n​={x1​,x2​.…,xn​},有时会将$x$看作为一个实数，实际上应该是一个向量，其中$x_i=[x_{i1},x_{i2},\dots ,x_{im}]$

2.6 作业

• 令 A = { 3 , 5 } \mathbf{A}=\{3,5\} A={3,5} ,写出 $2^{\mathbf{A}}$.
  答： 2 A = { ∅ , 3 , 5 , { 3 , 5 } } 2^\mathbf{A}=\{\emptyset,3,5,\{3,5\}\} 2A={∅,3,5,{3,5}}
• 展开 $2^{\varnothing }$
  答： 2 ∅ = { ∅ } 2^\emptyset=\{\emptyset\} 2∅={∅}
• 令 A = { 5 , 6 , 7 , 8 , 9 } \mathbf{A}=\{5,6,7,8,9\} A={5,6,7,8,9},写出 $\mathbf{A}$ 的其他两种表示法.
  答： A = [ 5..9 ] = { 5 , 6 , … , 9 } \mathbf{A}=[5..9]=\{5,6,\dots,9\} A=[5..9]={5,6,…,9}
• 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.

模仿：

2. 集合的表示与运算

• 集合论是数学的基础, 更是计算机的基础.
• 这次不玩集合悖论.
• 集合元素无序.
• 默认情况下, 集合元素不可重 (组合数学中有可重集的概念).

2.1 集合的表示

• 枚举法
  A = { 0 , 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 } \mathbf{A}=\{0,1,2,3,4,5,6,7,8,9\} A={0,1,2,3,4,5,6,7,8,9}是阿拉伯数字的集合.
  N = { 0 , 1 , 2 , …   } \mathbf{N}=\{0,1,2,\dots\} N={0,1,2,…}是自然数的集合.
  Ω = { a , b , … , z } \mathbf{\Omega} = \{\textrm{a}, \textrm{b}, \dots, \textrm{z}\} Ω={a,b,…,z}是英文字母表, 我故意把字母写成非斜体的, 表示不是变量. 未加 $ 符号的表达式为 \mathbf{\Omega} = {\textrm{a}, \textrm{b}, \dots, \textrm{z}}. 有时 \Omega 之外没有加 \mathbf, 作为希腊字母影响没有英文字母的大.
• 向量、集合等，可以用粗体 \mathbf{x} ($\mathbf{x}$), \bm{x} ($\mathbf{x}$), \boldsymbol{x} ($\mathbf{x}$). 全文统一即可. 西瓜书用的应该是 mathbf.
• 枚举法的几种简记
  • 如果是两个整数之间的枚举集合, 可以使用简记 [ 1..10 ] = { 1 , 2 , … , 10 } [1..10]=\{1, 2, \dots, 10\} [1..10]={1,2,…,10}, 也可以使用变量如 $[i..j]$. 注意这里是两个点, 而不是 3 个点的 \dots.
  • 开区间 (3, 5) 表示大于 3, 小于 5 的所有实数. 闭区间 [3, 5] 表示大于或等于 3, 小于或等于 5 的所有实数. 这是基础数学的内容, 不仅限于离散数学的范畴.
  • X = { x i } i = 1 n = { x 1 , x 2 , … , x n } \mathbf{X} = \{x_i\}_{i = 1}^n = \{x_1, x_2, \dots, x_n\} X={xi​}i=1n​={x1​,x2​,…,xn​}表示集合有 $n$ 个元素. 式子源码为 \mathbf{X} = {x_i}_{i = 1}^n = {x_1, x_2, \dots, x_n}. 不写 x_2 其实也没有影响.
• 谓词法
  奇数的集合可表示为
  O = { x ∣ x ∈ N , x m o d    2 = 1 } = { x ∈ N ∣ x , x m o d    2 = 1 } \mathbf{O}=\{x|x\in\mathbf{N},x\mod 2=1\}=\{x\in\mathbf{N}|x,x\mod 2=1\} O={x∣x∈N,xmod2=1}={x∈N∣x,xmod2=1}.
  第一种表示法最基础, 将元素形式放在竖线左边, 元素满足的条件放在竖线右边. 第二种表示法较常用, 将基本限制放在竖线左边, 提升颜值.
• 常用集合
  实数 $\mathbb{R}$: 源码 \mathbb{R}. 有的地方也写成 $\mathcal{R}$ \mathcal{R}, 总觉得没这个好看.
  有理数 $\mathbf{Q}$: 源码 \mathbf{Q}.
• 平凡子集
  空集 $\varnothing$, 源码: \emptyset. 如果写成 $\varphi$ (源码: \phi) 就错了.
  全集 (universe) $\mathbf{U}$, 这个一般在离散数学中使用.

2.2 元素与子集

• $x\in \mathbf{X}$表示元素与集合的关系. 源码: x \in \mathbf{X}.
• $\mathbf{A}\subseteq \mathbf{B}$ 表示集合与集合之间的关系. 源码: \mathbf{A} \subseteq \mathbf{B}.

2.3 集合的运算

• 集合的基数
  $|\mathbf{X}|$ 是指 X \mathbf{X}X 中元素个数, 其源码为 \vert \mathbf{X} \vert 或者 |\mathbf{X}|, 其实我也不清楚 \vert 和竖线的效果有什么区别. $|\varnothing |=0$.
• 并
  $\mathbf{X}\cup \mathbf{Y}$表示两个集合的并. 源码为 \mathbf{X} \cup \mathbf{Y}.
  ${\bigcup }_{i=1}^n{\mathbf{X}}_i.$表示 $n$ 个集合的并. 源码为 \bigcup_{i = 1}^n \mathbf{X}_i.
  其方式与${\sum }_{i=1}^{n}i=1+2+\cdots +n=\frac{n(n+1)}{2}$ 一致.源码为 \sum _{i = 1}^n i = 1 + 2 + \dots + n = \frac{n (n + 1)}{2}.
• 交
  $\mathbf{X}\cap \mathbf{Y}$表示两个集合的交. 源码为 \mathbf{X} \cap \mathbf{Y}. cup (杯子) 与 cap (帽子), 果然很形象.
  ${\bigcap }_{i=1}^n{\mathbf{X}}_i$表示 $n$ 个集合的交. 源码为 \bigcap_{i = 1}^n \mathbf{X}_i.
• 差
  $\mathbf{X}\setminus \mathbf{Y}$表示两个集合的差. 源码为 \mathbf{X} \setminus \mathbf{Y}. 一看 setminus 就知道是专门为集合设计的. 有些人喜欢用减号, 就显得不够专业了.
• 补
  $\overline{\mathbf{X}}=\mathbf{U}\setminus \mathbf{X}$表示 X \mathbf{X}X 的补集, 这里 U \mathbf{U}U 为全集. 源码为 \overline{\mathbf{X}} = \mathbf{U} \setminus \mathbf{X}.
  有时候式子复杂了用 overline 比较难看, 也可以使用$\neg \mathbf{X}$源码 \neg \mathbf{X}. 但 \neg 是逻辑运算的符号, 表示"非", 只能是凑合用吧.

2.4 幂集

幂集 (power set) 表示为: 2 A = { B ∣ B ⊆ A } 2^{\mathbf{A}} = \{\mathbf{B} \vert \mathbf{B} \subseteq \mathbf{A}\} 2A={B∣B⊆A}, 源码: 2^{\mathbf{A}} = {\mathbf{B} \vert \mathbf{B} \subseteq \mathbf{A}}.
例: A = { 0 , 1 , 2 } \mathbf{A} = \{0, 1, 2\} A={0,1,2}, 则 2 A = { ∅ , { 0 } , { 1 } , { 2 } , { 0 , 1 } , { 0 , 2 } , { 1 , 3 } , { 0 , 1 , 2 } } 2^{\mathbf{A}} = \{\emptyset, \{0\}, \{1\}, \{2\}, \{0, 1\}, \{0, 2\}, \{1, 3\}, \{0, 1, 2\}\} 2A={∅,{0},{1},{2},{0,1},{0,2},{1,3},{0,1,2}}
可以数一下 $|2^{\mathbf{A}}|=2^{|\mathbf{A}|}=2^3=8$. 源码: \vert 2^ {\mathbf{A}} \vert = 2^ {\vert \mathbf{A} \vert} = 2^ 3 = 8. 从基本的组合数学知识可知, 一个集合元素 $n$ 个元素要么选, 要么不选, 相当于 $n$ 位二进制数, 所以有 $2^n$ 种可能. 这也是幂集的来由.

• $\mathbf{A}\subseteq \mathbf{B}$与$\mathbf{B}\in 2^{\mathbf{A}}$等价, 后者看起来把简单问题复杂化, 但在一些特殊情况下有用.
• 一般而言, 只讨论有穷集的幂集. 如果你闲得慌, 可以思考下
  $|2^{\mathbf{N}}|=|\mathbb{R}|$, 即 2 的可数无穷次方为一阶不可数无穷.

2.5 笛卡尔积

笛卡尔积表示为 A × B = { ( a , b ) ∣ a ∈ A , b ∈ B } \mathbf{A} \times \mathbf{B} = \{(a, b) \vert a \in \mathbf{A}, b \in \mathbf{B}\} A×B={(a,b)∣a∈A,b∈B}.
源码 \mathbf{A} \times \mathbf{B} = {(a, b) \vert a \in \mathbf{A}, b \in \mathbf{B}}.

• 相当于一个集合出一个元素, 组成一个新的元素对.
• 元素对是有序的,$(a,b)\ne (b,a)$, 因此$\mathbf{A}\times \mathbf{B}\ne \mathbf{B}\times \mathbf{A}$. 源码 \mathbf{A} \times \mathbf{B} \ne \mathbf{B} \times \mathbf{A}. 其中, \ne 是 not equal 的简写, 也可写成 \neq.
• $\varnothing \times \mathbf{B}=\varnothing$, 因为空集没法出元素.
• 对于有穷集合 (咱们做计算的就别再去想无穷了) $|\mathbf{A}\times \mathbf{B}|=|\mathbf{A}|\times |\mathbf{B}|$. 当这两个元素有一个为空集是, 本式也成立.
• 一维数据所在的空间为 $\mathbb{R}$, 二维数据的空间为 $\mathbb{R}\times \mathbb{R}={\mathbb{R}}^2$, 三维数据的空间为 ${\mathbb{R}}^3$, $n$ 维数据的 ${\mathbb{R}}^n$.

3.3 作业

自己出数据, 做一个$3\times 2$与 $2\times 4$ 的矩阵乘法.
答：$\mathbf{A}\mathbf{B}=\mathbf{C}$
$$=\left[\begin{array}{cc}1& 5\\ 4& 3\\ 2& 1\end{array}\right]\times \left[\begin{array}{cccc}3& 4& 3& 1\\ 6& 2& 4& 5\end{array}\right]=\left[\begin{array}{cccc}33& 14& 23& 26\\ 30& 24& 24& 19\\ 12& 10& 10& 7\end{array}\right]$$