LaTeX插入数学公式

转载自https://blog.csdn.net/baidu_38060633/article/details/79183905

LaTeX编辑数学公式基本语法元素
LaTeX中的数学模式有两种形式:inline 和 display。前者是指在正文插入行间数学公式,后者独立排列,可以有或没有编号。

• 行间公式(inline):用$...$将公式括起来。
• 块间公式(displayed)，用$$...$$将公式括起来是无编号的形式，还有\[...\]的无编号独立公式形式但Markdown好像不支持。块间元素默认是居中显示的。
• 各类希腊字母编辑表 

常用的包括：\alpha, \beta,\omega分别为α,β,ω. 大写字母\Theta, \Gamma,\Omega为 ΘΘ ,ΓΓ,ΩΩ.

上下标、根号、省略号 
上标： ^ 如 x2x2 
下标： _ 如 xixi 
下标如果多于一个字母或符号,需要用一对 {} 括起来。 
根号： \sqrt 如5–√n5n为$\sqrt[n]{5}$ 
省略号： \dots \cdots分别为 …⋯…⋯
运算符 
小的运算符(operator)例如 + - * /等可以直接输入，其他特殊的有\pm \times \div \cdot \cap \cup \geq \leq \neq \approx \equiv 
±×÷⋅∩∪≥≤≠≈≡±×÷⋅∩∪≥≤≠≈≡ 
求和：\sum_1^n: ∑n1∑1n 
积分：\int_1^n: ∫n1∫1n 
极限：lim_{x \to \infty}: limx→∞limx→∞
分数 
分数的表示：\frac{}{}如3838
矩阵与行列式 
$$\begin{matrix}…\end{matrix}$$，使用&分隔同行元素，\换行。如：

$$
    \begin{matrix}
    1 & x & x^2 \\
    1 & y & y^2 \\
    1 & z & z^2 \\
    \end{matrix}
$$
1
2
3
4
5
6
7
111xyzx2y2z2
1xx21yy21zz2

行列式
$$
X=\left|
    \begin{matrix}
        x_{11} & x_{12} & \cdots & x_{1d}\\
        x_{21} & x_{22} & \cdots & x_{2d}\\
        \vdots & \vdots & \ddots & \vdots\\
        x_{m1} & x_{m2} & \cdots & x_{md}\\
    \end{matrix}
\right|
$$
1
2
3
4
5
6
7
8
9
10
X=∣∣∣∣∣∣∣x11x21⋮xm1x12x22⋮xm2⋯⋯⋱⋯x1dx2d⋮xmd∣∣∣∣∣∣∣
X=|x11x12⋯x1dx21x22⋯x2d⋮⋮⋱⋮xm1xm2⋯xmd|
分隔符 
各种括号用 () [] { } \langle\rangle 等命令表示,注意花括号通常用来输入命令和环境的参数,所以在数学公式中它们前面要加 \。可以在上述分隔符前面加 \big \Big \bigg \Bigg 等命令来调整大小。

箭头 

方程式

\begin{equation}
E=mc^2
\end{equation}
1
2
3
E=mc2
E=mc2
分段函数
$$
f(n) =
\begin{cases}
n/2,  & \text{if $n$ is even} \\
3n+1, & \text{if $n$ is odd}
\end{cases}
$$
1
2
3
4
5
6
7
f(n)={n/2,3n+1,if n is evenif n is odd
f(n)={n/2,if n is even3n+1,if n is odd
方程组
$$
\left\{ 
\begin{array}{c}
    a_1x+b_1y+c_1z=d_1 \\ 
    a_2x+b_2y+c_2z=d_2 \\ 
    a_3x+b_3y+c_3z=d_3
\end{array}
\right. 
$$
1
2
3
4
5
6
7
8
9
⎧⎩⎨⎪⎪a1x+b1y+c1z=d1a2x+b2y+c2z=d2a3x+b3y+c3z=d3
{a1x+b1y+c1z=d1a2x+b2y+c2z=d2a3x+b3y+c3z=d3
常用公式
线性模型 
$$h(\theta) = \sum_{j = 0} ^n \theta_j x_j$$
h(θ)=∑j=0nθjxj
h(θ)=∑j=0nθjxj
均方误差 
$$J(\theta) = \frac{1}{2m}\sum_{i = 0} ^m(y^i - h_\theta (x^i))^2$$
J(θ)=12m∑i=0m(yi−hθ(xi))2
J(θ)=12m∑i=0m(yi−hθ(xi))2
批量梯度下降 
$$\frac{\partial J(\theta)}{\partial\theta_j}=-\frac1m\sum_{i=0}^m(y^i-h_\theta(x^i))x^i_j $$
∂J(θ)∂θj=−1m∑i=0m(yi−hθ(xi))xij
∂J(θ)∂θj=−1m∑i=0m(yi−hθ(xi))xji
推导过程：

$$
\begin{align}
\frac{\partial J(\theta)}{\partial\theta_j}
& = -\frac1m\sum_{i=0}^m(y^i-h_\theta(x^i)) \frac{\partial}{\partial\theta_j}(y^i-h_\theta(x^i)) \\
& = -\frac1m\sum_{i=0}^m(y^i-h_\theta(x^i)) \frac{\partial}{\partial\theta_j}(\sum_{j=0}^n\theta_jx_j^i-y^i) \\
& = -\frac1m\sum_{i=0}^m(y^i-h_\theta(x^i))x^i_j
\end{align}
$$
1
2
3
4
5
6
7
8
∂J(θ)∂θj=−1m∑i=0m(yi−hθ(xi))∂∂θj(yi−hθ(xi))=−1m∑i=0m(yi−hθ(xi))∂∂θj(∑j=0nθjxij−yi)=−1m∑i=0m(yi−hθ(xi))xij
∂J(θ)∂θj=−1m∑i=0m(yi−hθ(xi))∂∂θj(yi−hθ(xi))=−1m∑i=0m(yi−hθ(xi))∂∂θj(∑j=0nθjxji−yi)=−1m∑i=0m(yi−hθ(xi))xji
参考：
LATEX Notes 
http://www.cnblogs.com/Sinte-Beuve/p/6160905.html