本文转载自Nautilus_sailing的试试LaTeX插入数学公式,内容有所改动
今天写了一篇随笔,其中需要写几个数学式子,但是我又不想直接将公式做成图片后插入,我觉得很不美观还麻烦。但是我也不会LaTex语法,所以只能一点点百度。然后我看到了Nautilus_sailing的一篇博文,我觉得里面的内容已经够我用的了,就转载过来便于以后查看使用。
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,块间元素默认是居中显示的。 -
常见希腊字符:
$\alpha$
、$\beta$
、$\gamma$
、$\omega$
分别对应\(\alpha\)、\(\beta\)、\(\gamma\)、\(\omega\);大写的$\Theta$
,$\Gamma$
,$\Omega$
分别为\(\Theta\)、\(\Gamma\)、\(\Omega\)。 -
上下标、根号、省略号:
上标:^
,如果上标多于两个字符,则将上标用{}
括起来,如\(x^{12}\)。
下表:_
,同上,如\(x_{ij}\)。
根号:\sqrt
,如\(\sqrt[n]{5}\)为$\sqrt[n]{5}$
。
省略号:\dots
、\cdots
、\vdots
、\ddots
,分别为\(\dots\)和\(\cdots\)和 \(\vdots\) 和\(\ddots\) -
运算符:
求和:\(\sum_{i=1}^{n+m}\)写作$\sum_{i=1}^{n+m}$
积分:\(\int_{a}^{a+b}\)写作$\int_{a}^{a+b}$
极限:\(lim_{x_i \to \infty}\)写作$lim_{x_i \to \infty}$
简单的运算符可以直接使用。
有特殊的例如\pm \times \div \cdot \cap \cup \geq \leq \neq \approx \equiv
,分别对应于:
\[\pm \times \div \cdot \cap \cup \geq \leq \neq \approx \equiv
\]
\]
-
分数:\(\frac{x+y}{a \cdot b}\)可写作
$\frac{x+y}{a \cdot b}$
-
矩阵与行列式:
$$\begin{matrix}……\end{matrix}$$
,使用&分隔同行元素,\\
换行。
矩阵:
$$
A =
\left[
\begin{matrix}
1 & x & y \\
2 & x^2 & y^2 \\
3 & x^3 & y^3 \\
\end{matrix}
\right]
$$
\[A =
\left[
\begin{matrix}
1 & x & y \\
2 & x^2 & y^2 \\
3 & x^3 & y^3 \\
\end{matrix}
\right]
\]
\left[
\begin{matrix}
1 & x & y \\
2 & x^2 & y^2 \\
3 & x^3 & y^3 \\
\end{matrix}
\right]
\]
行列式:
$$
X=\left|
\begin{matrix}
x_{11} & x_{12} & \cdots & x_{1d}\\
x_{21} & x_{22} & \cdots & x_{2d}\\
\vdots & \vdots & \ddots & \vdots\\
x_{m1} & x_{m2} & \cdots & x_{md}\\
\end{matrix}
\right|
$$
\[X=\left|
\begin{matrix}
x_{11} & x_{12} & \cdots & x_{1d}\\
x_{21} & x_{22} & \cdots & x_{2d}\\
\vdots & \vdots & \ddots & \vdots\\
x_{m1} & x_{m2} & \cdots & x_{md}\\
\end{matrix}
\right|
\]
\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|
\]
-
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。如下:
$$
\langle\rangle \{\} () [] \\
\{ \big\{ \Big\{ \bigg\{ \Bigg\{
$$
\[\langle\rangle \{\} () [] \\
\{ \big\{ \Big\{ \bigg\{ \Bigg\{
\]
\{ \big\{ \Big\{ \bigg\{ \Bigg\{
\]
- 分段函数:
$$
f(n) =
\begin{cases}
n/2, & \text{if $n$ is even} \\
3n+1, & \text{if $n$ is odd}
\end{cases}
$$
\[f(n) =
\begin{cases}
n/2, & \text{if $n$ is even} \\
3n+1, & \text{if $n$ is odd}
\end{cases}
\]
\begin{cases}
n/2, & \text{if $n$ is even} \\
3n+1, & \text{if $n$ is odd}
\end{cases}
\]
- 方程组:
$$
\left\{
\begin{array}{3}
a_1 x + b_1 y + c_1 z = d_1 \\
a_2 x + b_2 y + c_2 z = d_2 \\
a_3 x + b_3 y + c_3 z = d_3
\end{array}
\right.
注意: 最后的\right后面有个点.
$$
\[\left\{
\begin{array}{3}
a_1 x + b_1 y + c_1 z = d_1 \\
a_2 x + b_2 y + c_2 z = d_2 \\
a_3 x + b_3 y + c_3 z = d_3
\end{array}
\right.
\]
\begin{array}{3}
a_1 x + b_1 y + c_1 z = d_1 \\
a_2 x + b_2 y + c_2 z = d_2 \\
a_3 x + b_3 y + c_3 z = d_3
\end{array}
\right.
\]
常用公式
建议先看公式,检测一下自己是否能写出来代码。
- 线性模型
\[h(\theta) = \sum_{j=0}^n \theta_j x_j
\]
\]
$$h(\theta) = \sum_{j=0}^n \theta_j x_j$$
- 均方误差
\[J(\theta) = \frac{1}{2m} \sum_{i=0}^m (y^i - h_\theta(x^i))^2
\]
\]
$$J(\theta) = \frac{1}{2m} \sum_{i=0}^m (y^i - h_\theta(x^i))^2$$
- 批量梯度下降
\[\frac{\partial J(\theta)}{\partial\theta_j} = -\frac{1}{m} \sum_{i=0}^m (y^i - h_\theta(x^i))x^i_j
\]
\]
$$\frac{\partial J(\theta)}{\partial\theta_j} = -\frac{1}{m} \sum_{i=0}^m (y^i - h_\theta(x^i))x^i_j$$
推导过程:
\[\begin{align}
\frac{\partial J(\theta)}{\partial\theta_j}
&= -\frac{1}{m} \sum_{i=0}^{m}(y^i-h_\theta(x^i)) \frac{\partial}{\partial\theta_j}(y^i-h_\theta(x^i)) \\
& = -\frac{1}{m} \sum_{i=0}^m(y^i-h_\theta(x^i)) \frac{\partial}{\partial\theta_j}(\sum_{j=0}^{n}\theta_j x^i_j-y^i) \\
& = -\frac{1}{m} \sum_{i=0}^m(y^i-h_\theta(x^i))x^i_j
\end{align}
\]
\frac{\partial J(\theta)}{\partial\theta_j}
&= -\frac{1}{m} \sum_{i=0}^{m}(y^i-h_\theta(x^i)) \frac{\partial}{\partial\theta_j}(y^i-h_\theta(x^i)) \\
& = -\frac{1}{m} \sum_{i=0}^m(y^i-h_\theta(x^i)) \frac{\partial}{\partial\theta_j}(\sum_{j=0}^{n}\theta_j x^i_j-y^i) \\
& = -\frac{1}{m} \sum_{i=0}^m(y^i-h_\theta(x^i))x^i_j
\end{align}
\]
$$
\begin{align}
\frac{\partial J(\theta)}{\partial\theta_j}
& = -\frac{1}{m} \sum_{i=0}^{m}(y^i-h_\theta(x^i)) \frac{\partial}{\partial\theta_j}(y^i-h_\theta(x^i)) \\
& = -\frac{1}{m} \sum_{i=0}^m(y^i-h_\theta(x^i)) \frac{\partial}{\partial\theta_j}(\sum_{j=0}^{n}\theta_j x^i_j-y^i) \\
& = -\frac{1}{m} \sum_{i=0}^m(y^i-h_\theta(x^i))x^i_j
\end{align}
$$
上面的推到过程中需要使用align
参数,意思为排整齐; 校准; (尤指) 使成一条直线; 使一致
,每个等于号前面加上&可自动对齐,至于更多用法请自行百度。