数学表达式学习

本文阐述了在学术论文中保持符号系统一致性的关键,包括标量、向量和矩阵的表示方法,以及集合的表示与运算,如并集、交集、差集和幂集等。重点介绍了向量的列向量表示和矩阵的定义,并给出了笛卡尔积的定义。确保读者在阅读时遵循统一的风格和术语约定。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

相关

同一篇论文中的符号系统应保证一致性、完备性
从一而终、统一风格, 不再受其它文献的影响
提 "XXX 公式"的时候, 提出者必须是大数学家

标量: x x x
向量: x \mathbf{x} x \mathbf 、 x \bm{x} x \bm、 x \boldsymbol{x} x \boldsymbol
矩阵、集合: X \mathbf{X} X
向量转置: x T \mathbf{x}^{\mathrm{T}} xT \mathbf{x}^{\mathrm{T}}

1.集合的表示与运算

1.1集合的表示

枚举法
  • Ω = { a , b , … , z } \mathbf{\Omega}=\{\textrm{a},\textrm{b},\dots,\textrm{z}\} Ω={a,b,,z}
    \mathbf{\Omega}={\textrm{a},\textrm{b},\dots,\textrm{z}}
    非斜体:\textrm
  • 两个整数之间的枚举集合, [ 1 , . . , 10 ] [1,..,10] [1,..,10]
  • X = { x 1 } i = 1 n \mathbf{X}=\{x_1\}_{i=1}^n X={x1}i=1n
谓词法
  • 基础版:将元素形式放在竖线左边,元素满足的形式放在竖线右边, O = { x ∣ x ∈ N , x m o d    2 = 1 } \mathbf{O}=\{x|x \in \mathbb{N},x \mod 2=1\} O={xxN,xmod2=1}
  • 常用版:将基本限制放在竖线左边,提升颜值 O = { x ∈ N ∣ x m o d    2 = 1 } \mathbf{O}=\{x \in \mathbb{N}|x \mod 2=1\} O={xNxmod2=1}
常用集合

实数 R \mathbb{R} R \mathbb、 R \mathcal{R} R \mathcal
有理数 Q \mathbf{Q} Q

平凡子集

空集 ∅ \emptyset \emptyset
全集 U \mathrm{\mathbf{U}} U
元素与集合之间的关系: ∈ \in
集合与集合之间的关系: ⊆ \subseteq \subseteq

1.2 集合的运算


  • ⋃ i = 1 n X i \bigcup_{i=1}^n \mathbf{X}_i i=1nXi表示 n n n个集合的并
    \bigcup_{i=1}^n \mathbf{X}_i

  • ∩ \cap \cap

  • X ∖ Y \mathbf{X} \setminus \mathbf{Y} XY \setminus


  • X ‾ = U ∖ X \overline{\mathbf{X}}= \mathbf{U} \setminus \mathbf{X} X=UX,\overline
    ¬ X \neg \mathbf{X} ¬X

  • 幂集
    2 A = { B ∣ B ⊆ A } 2^{\mathbf{A}}=\{\mathbf{B} \vert \mathbf{B} \subseteq \mathbf{A}\} 2A={BBA}
    例: A = { 0 , 1 , 2 } \mathbf{A}=\{0,1,2\} A={0,1,2}, 2 A = { ∅ , { 0 } , { 1 } , { 2 } , { 0 , 1 } , { 0 , 2 } , { 1 , 2 } , { 0 , 1 , 2 } } 2^{\mathbf{A}}=\{\emptyset,\{0\},\{1\},\{2\},\{0,1\},\{0,2\},\{1,2\},\{0,1,2\}\} 2A={,{0},{1},{2},{0,1},{0,2},{1,2},{0,1,2}}

  • 笛卡尔积
    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)aA,bB}
    ( a , b ) ≠ ( b , a ) (a,b) \ne(b,a) (a,b)=(b,a),\ne
    ∣ A × B ∣ = ∣ A ∣ × ∣ B ∣ \vert \mathbf{A} \times \mathbf{B}\vert =\vert \mathbf{A} \vert \times \vert \mathbf{B}\vert A×B=A×B
    一维空间 R \mathbb{R} R,二维空间 R 2 \mathbb{R}^2 R2 n n n维空间 R n \mathbb{R}^n Rn

2. 向量与矩阵

2.1 向量
  • x ∈ R m \mathbf{x} \in \mathbb{R}^m xRm
  • x = ( x 1 , … , x m ) \mathbf{x}=(x_1,\dots,x_m) x=(x1,,xm), x = [ x 1 , … , x m ] \mathbf{x}=[x_1,\dots,x_m] x=[x1,,xm],向量是有序的,花括号表示无序
  • 列向量: x T = [ x 1 ; x 2 ; …   ; x m ] \mathbf{x}^{\mathrm{T}} = [x_1; x_2; \dots; x_m] xT=[x1;x2;;xm]
  • 向量内积: a ⋅ b = a b T = ∑ 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 ab=abT=i=1naibi,\cdot
  • 加权和: x w T \mathbf{x}\mathbf{w}^{\mathrm{T}} xwT
2.2 矩阵
  • 一个n行m的矩阵 X ∈ R n × m \mathbf{X} \in \mathbb{R}^{n \times m} XRn×m
  • X = [ x i j ] n × m \mathbf{X} =[\mathbf{}x_{ij}]_{n \times m} X=[xij]n×m

3. 二元关系

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值