latex数学表达式

摘要

日常总是在用的时候，发现不会写的，就去网上查，因为没仔细总结，直接无脑粘贴，以至于会反复的查询相同的问题，借魔训的机会，把latex中需要用到的数学表达式进行总结。

公式编号

自动编号

\begin{equation} \label{equation:1}
  a + b = c
\end{equation}

### 手动编号
\mathbf{A} = \mathbf{B} + \mathbf{C} \tag{1}
$$\mathbf{A}=\mathbf{B}+\mathbf{C}\text{\hspace{1em}(2)}$$

符号表(持续更新）

Type	Cmd	Result
无穷	\infty	$\infty$
向量	\mathbf{x}	$\mathbf{x}$
矩阵	\mathbf{X}	$\mathbf{X}$
实数集	\mathbb{R}	$\mathbb{R}$
空集	\emptyset	$\varnothing$
关系圈乘	\circ	$\circ$
竖线	\vert	$|$
双竖线	\Vert	$\Vert$
下标	s_1	$s_1$
乘	\times	$\times$
除	\frac {a} {b}	$\frac{a}{b}$
平方	3^2	$3^2$
开方	\sqrt{2}	$\sqrt{2}$
求和	\sum_{i=1}^{4} x_i	${\sum }_{i=1}^4{x}_i$
连乘	\prod_{i=1}^{4} x_i	${\prod }_{i=1}^4{x}_i$
分数	\frac {1} {3}	$\frac{1}{3}$
积分	\int_{0}^{2} x^2\mathrm{d}	${\int }_0^2{x}^2\mathrm{d}x$
子集	\subset	$\subset$
包含	\subseteq	$\subseteq$
任意	\forall	$\forall$
存在	\exists	$\exists$
左单箭头	\leftarrow	$\leftarrow$
左双箭头	\leftarrow	$\Leftarrow$
右单箭头	\rightarrow	$\to$
指向右单箭头	\to	$\to$
右双箭头	\rightarrow	$\Rightarrow$
上单箭头	\uparrow	$\uparrow$
上双箭头	\uparrow	$\Uparrow$
下单箭头	\downarrow	$\downarrow$
下双箭头	\downarrow	$\Downarrow$
左右单箭头	\leftrightarrow	$\leftrightarrow$
左右双箭头	\Leftrightarrow	$\iff$
上下单箭头	\updownarrow	$\updownarrow$
上下双箭头	\Updownarrow	$\Updownarrow$
无括号矩阵	\left( \begin{\matrix}a &b &c\end{\matrix}\right)	$$\left(\begin{array}{ccc}a& b& c\\ d& e& f\end{array}\right)$$
圆括号矩阵	\begin{\pmatrix}a &b &c \d&e&f\end{\pmatrix}	$$\left(\begin{array}{ccc}a& b& c\\ d& e& f\end{array}\right)$$
方括号矩阵	\begin{\bmatrix}a &b &c\d&e&f\end{\bmatrix}	$$\left[\begin{array}{ccc}a& b& c\\ d& e& f\end{array}\right]$$
竖线矩阵	\begin{\vmatrix}a &b &c\d&e&f\end{\vmatrix}	$$\left|\begin{array}{ccc}a& b& c\\ d& e& f\end{array}\right|$$
花括号矩阵	\begin{\Bmatrix}a &b &c\d&e&f\end{\Bmatrix}	$$\left\{\begin{array}{ccc}a& b& c\\ d& e& f\end{array}\right\}$$
双竖线矩阵	\begin{\Vmatrix}a &b &c\d&e&f\end{\Vmatrix}	$$\Vert \begin{array}{ccc}a& b& c\\ d& e& f\end{array}\Vert$$

关系表达(持续更新）

1. a \in \mathbf{B}=> $a\in \mathbf{B}$
2. \mathbf{A} \subseteq \mathbf{B} => $\mathbf{A}\subseteq \mathbf{B}$
3. \mathbf{X} \cup \mathbf{Y}=>$\mathbf{X}\cup \mathbf{Y}$
4. \mathbf{X} \cap \mathbf{Y}=> $\mathbf{X}\cap \mathbf{Y}$
5. \mathbf{X} \setminus \mathbf{Y}=>$\mathbf{X}\setminus \mathbf{Y}$
6. \overline{\mathbf{X}} = \mathbf{U} \setminus \mathbf{X}=>$\overline{\mathbf{X}}=\mathbf{U}\setminus \mathbf{X}.$
7. \underline{\mathbf{X}} = \mathbf{U} \setminus \mathbf{X}=>$\underline{\mathbf{X}}=\mathbf{U}\setminus \mathbf{X}.$
8. \mathbf{X} = {x_i}_{i = 1}^n = {x_1, x_2, \dots, x_n}=> 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​}
9. 2^{\mathbf{A}} = {\mathbf{B} \vert \mathbf{B} \subseteq \mathbf{A}}=> 2 A = { B ∣ B ⊆ A } 2^{\mathbf{A}} = \{\mathbf{B} \vert \mathbf{B} \subseteq \mathbf{A}\} 2A={B∣B⊆A}
10. $\left(\mathbf{S}=\sum_i^n\textrm{x}_i\right)$=>$\left(\mathbf{S}={\sum }_i^n{\text{x}}_i\right)$
11. $ $ \left(\mathbf{S}=\sum_i^n\textrm{x}_i\right) \tag{2} $ $ =>$$\left(\mathbf{S}=\sum _i^n{\text{x}}_i\right)\text{\hspace{1em}(3)}$$
12. \mathbf{A} \times \mathbf{B} = {(a, b) \vert a \in \mathbf{A}, b \in \mathbf{B}}=> 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}
13. \mathbf{A} \times \mathbf{B} \ne \mathbf{B} \times \mathbf{A}=>$\mathbf{A}\times \mathbf{B}\ne \mathbf{B}\times \mathbf{A}$

向量矩阵运算(持续更新）

1. \mathbf{x}^{\mathrm{T}} = [x_1; x_2; \dots; x_m]=>${\mathbf{x}}^{\mathrm{T}}=[x_1;x_2;\dots ;x_m]$
2. \mathbf{a} \cdot \mathbf{b} = \mathbf{a} \mathbf{b}^\mathrm{T} = \sum_{i=1}^n a_i b_i=>$\mathbf{a}\cdot \mathbf{b}=\mathbf{a}{\mathbf{b}}^{\mathrm{T}}={\sum }_{i=1}^n{a}_i{b}_i$
3. \mathbf{x}\mathbf{w}^{T} \sum_i^nx_iw_i=>$\mathbf{x}{\mathbf{w}}^T={\sum }_i^n{x}_i{w}_i$

数学知识总结(持续更新）

• 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.

• 给定 A = { a , b , c , d } \mathbf{A} = \{a, b, c, d\} A={a,b,c,d} 上的关系 $\mathbf{R}$

  正闭包: ${\mathbf{R}}^{+}={\bigcup }_{i=1}^{|\mathbf{A}|}{\mathbf{R}}^i$

  克林闭包: ${\mathbf{R}}^{\ast }={\mathbf{R}}^{+}\cup {\mathbf{R}}^0$, 其中 R 0 = { ( x , x ) ∣ x ∈ A } \mathbf{R}^0 = \{(x, x) \vert x \in \mathbf{A}\} R0={(x,x)∣x∈A}

踩坑记录(持续更新）

1. 行内公式，csdn中$与表达式间不能用空格，如$\mathbf{x} $ 或$ \mathbf{x}$ 都无法得到 $\mathbf{x}$， 只有$\mathbf{x}$才能得到，且第一个$前需要一个空格分隔.

作业(持续更新）

2021.7.26

1. 令 A = { 3 , 5 } \mathbf{A} = {3, 5} A={3,5}, 写出$2^{\mathbf{A}}$
   {$\varnothing$},{3},{5},{3,5}
2. 展开$2^{\varnothing }$
   $\varnothing$ { ∅ } \{\emptyset\} {∅}
3. 令 $\mathbf{A}$ = {5, 6, 7, 8, 9} 写出$\mathbf{A}$的其它两种表示法
   A = { x ∣ x ∈ N , x = 5 , 6 , 7 , 8 , 9 } \mathbf{A}=\{x|x \in \mathbf{N}, x=5,6,7,8,9\} A={x∣x∈N,x=5,6,7,8,9}
   A = { x ∈ N ∣ x = 5 , 6 , 7 , 8 , 9 } \mathbf{A}=\{x \in \mathbf{N} |x=5,6,7,8,9\} A={x∈N∣x=5,6,7,8,9}
4. 自己出数据, 做一个 3 $\times$ 2 与 2 $\times$ 4 的矩阵乘法
   $$\mathbf{A}=\left[\begin{array}{cc}1& 2\\ 3& 4\\ 5& 6\end{array}\right]$$
   $$\mathbf{B}=\left[\begin{array}{cccc}7& 8& 9& 10\\ 11& 12& 13& 14\end{array}\right]$$
   $$\mathbf{A}\times \mathbf{B}=\left[\begin{array}{cccc}1\ast 7+2\ast 11& 1\ast 8+2\ast 12& 1\ast 9+2\ast 13& 1\ast 10+2\ast 14\\ 3\ast 7+4\ast 11& 3\ast 8+4\ast 12& 3\ast 9+4\ast 13& 3\ast 10+4\ast 14\\ 5\ast 7+6\ast 11& 5\ast 8+6\ast 12& 5\ast 9+6\ast 13& 5\ast 10+6\ast 14\end{array}\right]$$
   $$\Downarrow$$
   $$\mathbf{A}\times \mathbf{B}=\left[\begin{array}{cccc}29& 32& 35& 38\\ 65& 72& 79& 86\\ 101& 112& 123& 134\end{array}\right]$$

2021.7.27

5. 令 A = { 1 , 2 , 5 , 8 , 9 } \mathbf{A} = \{1, 2, 5, 8, 9\} A={1,2,5,8,9}, 写出$\mathbf{A}$ 上的 “模 2 同余”
   关系及相应的划分

   模2同余关系： R = { ( a , b ) ∈ A × A ∣ a m o d    2 = b m o d    2 } \mathbf{R} = \{(a, b) \in \mathbf{A} \times \mathbf{A} \vert a \mod 2 = b \mod 2\} R={(a,b)∈A×A∣amod2=bmod2}
   划分： P = { { 1 , 5 , 9 } , { 2 , 8 } } \mathcal{P}=\{\{1,5,9\},\{2,8\}\} P={{1,5,9},{2,8}}

6. 令 A = { 1 , 2 , 5 , 8 , 9 } \mathbf{A} = \{1, 2, 5, 8, 9\} A={1,2,5,8,9}, 自己给定两个关系 ${\mathbf{R}}_1$ 和 ${\mathbf{R}}_2$, 并计算${\mathbf{R}}_1\circ {\mathbf{R}}_2$,${\mathbf{R}}_1^{+},{\mathbf{R}}_1^{\ast }$

   R 1 = { ( 1 , 5 ) , ( 1 , 2 ) , ( 5 , 2 ) } \mathbf{R_1} = \{\left(1,5\right),\left(1,2\right), \left(5,2\right)\} R1​={(1,5),(1,2),(5,2)} R 2 = { ( 1 , 8 ) , ( 2 , 5 ) } \mathbf{R_2} = \{\left(1,8\right),\left(2,5\right)\} R2​={(1,8),(2,5)}

   R 1 ∘ R 2 = { ( 1 , 5 ) } \mathbf{R_1} \circ \mathbf{R_2} = \{\left(1,5\right)\} R1​∘R2​={(1,5)}

   R 1 2 = { ( 1 , 2 ) } \mathbf{R_1^2}=\{\left(1,2\right)\} R12​={(1,2)}

   ${\mathbf{R}}_1^3=\varnothing$

   ${\mathbf{R}}_1^4=\varnothing$

   R 1 + = R 1 1 ∪ R 1 2 ∪ R 1 3 ∪ R 1 4 ∪ R 1 5 = { ( 1 , 5 ) , ( 1 , 2 ) , ( 5 , 2 ) } \mathbf{R}_1^+ =\mathbf{R_1^1} \cup\mathbf{R_1^2}\cup\mathbf{R_1^3}\cup\mathbf{R_1^4}\cup\mathbf{R_1^5}=\{\left(1,5\right),\left(1,2\right), \left(5,2\right)\} R1+​=R11​∪R12​∪R13​∪R14​∪R15​={(1,5),(1,2),(5,2)}

   R 1 ∗ = R 1 + ∪ R 0 = { ( 1 , 5 ) , ( 1 , 2 ) , ( 5 , 2 ) , ( 1 , 1 ) , ( 2 , 2 ) , ( 5 , 5 ) , ( 8 , 8 ) , ( 9 , 9 ) } \mathbf{R}_1^* =\mathbf{R}_1^+\cup \mathbf{R_0}=\{\left(1,5\right),\left(1,2\right), \left(5,2\right),\left(1,1\right),\left(2,2\right),\left(5,5\right),\left(8,8\right),\left(9,9\right)\} R1∗​=R1+​∪R0​={(1,5),(1,2),(5,2),(1,1),(2,2),(5,5),(8,8),(9,9)}

7. 查阅粗糙集上下近似的定义并大致描述
   上近似和下近似：上近似是指包含 给定集合 X 元素的最小可定义集。下近似则是包含于X的最大可定义集

8. 自己给定一个矩阵并计算其各种范数
   $$\mathbf{A}=\left[\begin{array}{cc}1& -2\\ 3& 4\end{array}\right]$$
   ${\mathrm{l}}_0=\Vert \mathbf{A}{\Vert }_0=3$(count element larger that zero)
   ${\mathrm{l}}_1=\Vert \mathbf{A}{\Vert }_1={\sum }_{i,j}|a_{ij}|=1+2+3+4=10$
   ${\mathrm{l}}_2^2=\Vert \mathbf{A}{\Vert }_2^2=1^2+(-2{)}^2+3^2+4^2=30$
   ${\mathrm{l}}_2=\sqrt{{\mathrm{l}}_2^2}=\sqrt{30}$
   ​${\mathrm{l}}_{\infty }=\Vert \mathbf{A}{\Vert }_{\infty }=4$(maximum element)
   ​${\mathrm{l}}_{-\infty }=\Vert \mathbf{A}{\Vert }_{-\infty }=-2$(minimum element)

9. 举例说明你对函数的认识
   万物皆函数，建模，例如单位圆为$x^2+y^2=1，单位球为x^2+y^2+z^2=1$

10. 解释 推荐系统: 问题、算法与研究思路 2.1 中的优化目标各符号及含义
    $$\min \sum _{(i,j)\in \Omega }(f({\mathbf{x}}_i,{\mathbf{t}}_j)-r_{ij}{)}^2$$

    其实就是最小二乘， $f({\mathbf{x}}_i,{\mathbf{t}}_j)为计算值，r_{ij}$为真实值，逐步优化拟合值与真实值之间最小二乘，其实这里应该要加上一个二次罚函数正则项以避免过拟合

2021.7.28

11. 将向量下标为偶数的分量 (x2, x4, …) 累加, 写出相应表达式
    $$\sum _{i\mathrm{m}\mathrm{o}\mathrm{d}2=0}^n{x}_i$$

12. 各出一道累加、累乘、积分表达式的习题, 并给出标准答案
    X = { 1 , 2 , 3 , 4 } \mathbf{X}=\{1,2,3,4\} X={1,2,3,4}
    $$\sum _{i=1}^4{x}_i=10\text{\hspace{1em}(4)}$$
    $$\prod _{i=1}^4{x}_i=24\text{\hspace{1em}(5)}$$

    $${\int }_0^2{x}^2\mathrm{d}x=\frac{1}{3}{\mathrm{x}}^3{|}_0^2=\frac{8}{3}\text{\hspace{1em}(6)}$$

13. 你使用过三重累加吗? 描述一下其应用
    背包算法？物品大小，价格，重量三个维度？

14. 给一个常用的定积分, 将手算结果与程序结果对比
    手算过程参考题12，${\int }_0^2{x}^2\mathrm{d}x=\frac{8}{3}$

15. 自己写一个小例子 ($n=3,m=1$) 来验证最小二乘法

${\mathrm{x}}_1$	${\mathrm{x}}_2$	${\mathrm{x}}_3$	$\mathrm{y}$
2	4	6	20
2.1	4.4	6.1	22
1.9	4.2	5.7	19.6

$$\mathbf{x}=\left[\begin{array}{ccc}{\mathrm{x}}_1& {\mathrm{x}}_2& {\mathrm{x}}_3\end{array}\right]\mathbf{w}=\left[\begin{array}{c}3\\ 2\\ 1\end{array}\right]\text{\hspace{1em}(7)}$$

$$\mathbf{y}=\mathrm{x}\mathrm{w}=3\times {\mathrm{x}}_1+2\times {\mathrm{x}}_2+{\mathrm{x}}_3\text{\hspace{1em}(8)}$$

16. 自己推导一遍, 并描述这个方法的特点 (不少于 5 条)

• 实现简单，广泛的应用于工业问题上；
• 分类时计算量非常小，速度很快，存储资源低；
• 便利的观测样本概率分数；
• 对逻辑回归而言，多重共线性并不是问题，它可以结合L2正则化来解决该问题；
• 计算代价不高，易于理解和实现；

20210802

1. 定义无向网络

Definition 11.4 A non-directed net is a tuple $G=(\mathbf{V},w)$, where $\mathbf{V}$ is the set of nodes, and $w:\mathbf{V}\times \mathbf{V}\to \mathbb{R}$ is the weight function, Where $\forall \text{edge}\left(v_i,v_j\right)$, Satisfying $w\left(i,j\right)=w\left(j,i\right)$.

1. 自己画一棵树, 将其元组各部分写出来 (特别是函数$p$).

$T=(\mathbf{V},r,p)$
$\mathbf{V}$={1,2,3,4}
$r=1$
$p(3)=p(4)=2$
$p(2)=1$
$p(1)=\varphi$

2. 针对该树, 将代码中的变量值写出来 (特别是 parent 数组).
   $\mathrm{p}\mathrm{a}\mathrm{r}\mathrm{e}\mathrm{n}\mathrm{t}$[0]=-1
   $\mathrm{p}\mathrm{a}\mathrm{r}\mathrm{e}\mathrm{n}\mathrm{t}$[1]=0
   $\mathrm{p}\mathrm{a}\mathrm{r}\mathrm{e}\mathrm{n}\mathrm{t}$[2]=1
   $\mathrm{p}\mathrm{a}\mathrm{r}\mathrm{e}\mathrm{n}\mathrm{t}$[3]=1

3. 画一棵三叉树, 并写出它的 child 数组.
   
   $\left[\begin{array}{ccc}2& -1& 3\\ 4& 5& 6\\ -1& -1& -1\end{array}\right]$

4. 按照本贴风格, 重新定义树. 提示: 还是应该定义 parent 函数, 字母表里面只有一个元素.
   Let $\varphi$ be the empty node, an 1-tree is a $\mathbf{T}\mathbf{r}\mathbf{e}\mathbf{e}$ = ($\mathbf{V},r,\Sigma ,c$) where
   $\mathbf{V}$ is the set of nodes;
   $r\in \mathbf{V}$ is the root node;
   $\Sigma$ is the alphabet(only one char);
   c : V × Σ ∗ → V ∪ { ϕ } c: \mathbf{V} \times \Sigma^* \to \mathbf{V} \cup \{\phi\} c:V×Σ∗→V∪{ϕ} satisfying
   $\forall v\in \mathbf{V},\exists 1s\in {\Sigma }^{\ast }$ s.t. $c\left(r,s\right)=v$

5. 根据图、树、m-叉树的学习, 谈谈你对元组的理解.
   元组是把数据结构抽象到元组里，方便建模计算，有的可以用二元组，有的可以用三元组，N维就用N元组，元组之间的关系运算也非常有用，例如图的一阶可达，二阶/n阶可达及路径数都能很清晰的表达出来。

20210803

6. 定义一个标签分布系统, 即各标签的值不是 0/1, 而是$\left[\begin{array}{c}0，1\end{array}\right]$区间的实数, 且同一对象的标签和为 1.
   Definition 6. A label distribution system is a tuple $\mathbf{S}=\left(\mathbf{X},\mathbf{Y}\right)$ where $\mathbf{X}={\left[\begin{array}{c}{x}_{ij}\end{array}\right]}_{n\times m}\in {\mathbb{R}}^{n\times m}$ is the data matrix, $\mathbf{Y}={\left[\begin{array}{c}{x}_{ik}\end{array}\right]}_{n\times l}\in {\left[\begin{array}{c}0,1\end{array}\right]}^{n\times l}$ is the label matrix, Satisfying $\forall i\in \left(0\dots n\right)$, ${\sum }_{k=1}^l{\left\{\begin{array}{c}{y}_{ik}\end{array}\right\}}^{n\times l}=1$, Where $n$ is the number is instances, $m$ is the number of features, and $l$ is the number of labels.

7. 找一篇你们小组的论文来详细分析数学表达式, 包括其涵义, 规范, 优点和缺点
   需要时间研究.