Typora中利用LaTeX 插入数学公式

LaTeX 插入数学公式

利用Typora进行资料总结时,遇见公式,一般的方法是剪切粘贴,但过于麻烦,因此学习利用LaTeX进行公式编辑,Typora对Latex进行了很好的支持,对Latex插入公式进行简单总结学习

本文内容参考https://blog.csdn.net/baidu_38060633/article/details/79183905 在Typora上进行了实验。

LaTeX 编辑数学公式基本语法元素

数学公式有两种形式: inline 和 display

  • **inline(行间公式)?*在正文插入数学公式,用$...$ 将公式括起来

  • display(快间公式) :独立排列的公式,用 $$...$$将公式括起来,默认显示在行中间

  • 各类希腊字母表:

    eg: $\alpha$: α \alpha α

上下标、根号、省略号

  • 下标:_ eg: x i x_i xi​

  • 上标:^ eg: $ x^2$

    注意:上下标如果多于一个字母或者符号,需要用一对{}括起来 eg: x i 1 x_{i1} xi1​ 、 x α t x^{\alpha t} xαt

  • 根号:\sqrt eg: 5 n \sqrt[n]{5} n5 ​

  • 省略号:\dots \cdots 分别表示 … \dots … $ \cdots$

运算符

基本预算符: ± \pm ± ÷ \div ÷

  • 求和: \sum_1^n : ∑ 1 n \sum_1^n ∑1n​

  • 积分:\int_1^n: ∫ 1 n \int_1^n ∫1n​

  • **极限:**lim_{x \to \infty} :

    $ lim_{x \to \infty}$

  • 分数:\frac{}{} 如: 3 8 \frac{3}{8} 83​

  • 矩阵与行列式

    矩阵:$$\begin{matrix}...\end{matrix}$$ ,使用&分隔同行元素,\ 换行。eg:

$$
\begin{matrix}
1 & x & x^2\1 & y & y^2\1 & z & z^2\\end{matrix}
$$

1 x x 2 1 y y 2 1 z z 2

1amp;xamp;x21amp;yamp;y21amp;zamp;z2" role="presentation">111amp;xamp;yamp;zamp;x2amp;y2amp;z21amp;xamp;x21amp;yamp;y21amp;zamp;z2

111​xyz​x2y2z2​
​ 行列式:

$$
X=\left|
\begin{matrix}
x_{11} & x_{12} & \cdots & x_{1d}\x_{21} & x_{22} & \cdots & x_{2d}\\vdots & \vdots & \ddots & \vdots \x_{11} & x_{12} & \cdots & x_{1d}\\end{matrix}
\right|
$$

X = ∣ x 11 x 12 ⋯ x 1 d x 21 x 22 ⋯ x 2 d ⋮ ⋮ ⋱ ⋮ x 11 x 12 ⋯ x 1 d ∣ X=\left|

x11amp;x12amp;⋯amp;x1dx21amp;x22amp;⋯amp;x2d⋮amp;⋮amp;⋱amp;⋮x11amp;x12amp;⋯amp;x1d" role="presentation">x11x21⋮x11amp;x12amp;x22amp;⋮amp;x12amp;⋯amp;⋯amp;⋱amp;⋯amp;x1damp;x2damp;⋮amp;x1dx11amp;x12amp;⋯amp;x1dx21amp;x22amp;⋯amp;x2d⋮amp;⋮amp;⋱amp;⋮x11amp;x12amp;⋯amp;x1d

\right| X=∣∣∣∣∣∣∣∣∣​x11​x21​⋮x11​​x12​x22​⋮x12​​⋯⋯⋱⋯​x1d​x2d​⋮x1d​​∣∣∣∣∣∣∣∣∣​

  • 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
$\leftarrow$

← \leftarrow ←

  • 方程式

    E=mc^2
    

    E = m c 2 E=mc^2 E=mc2

  • 分段函数

    $$
    f(n)=
    \begin{cases}
    n/2, & \text{if $n$ is even}\3n+1,& \text{if $n$ is odd}
    \end{cases}
    $$
    

    f ( n ) = { n / 2 , if  n  is even 3 n + 1 , if  n  is odd f(n)=

    {n/2,amp;if n is even3n+1,amp;if n is odd" role="presentation">{n/2,3n+1,amp;if n is evenamp;if n is odd{n/2,amp;if n is even3n+1,amp;if n is odd

    f(n)={n/2,3n+1,​if n is evenif n is odd​

  • 方程组

    $$
    \left\{
    \begin{array}{c}
    a_1x+b_1y+c_1z=d_1\a_2x+b_2y+c_2z=d_2\a_3x+b_3y+c_3z=d_3
    \end{array}
    \right.
    $$
    

    { 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 \left\{

    a1x+b1y+c1z=d1a2x+b2y+c2z=d2a3x+b3y+c3z=d3" role="presentation">a1x+b1y+c1z=d1a2x+b2y+c2z=d2a3x+b3y+c3z=d3a1x+b1y+c1z=d1a2x+b2y+c2z=d2a3x+b3y+c3z=d3

    \right. ⎩⎨⎧​a1​x+b1​y+c1​z=d1​a2​x+b2​y+c2​z=d2​a3​x+b3​y+c3​z=d3​​

常用公式

  • 线性模型
$$
h(\theta) = \sum_{j=0} ^n \theta_j x_j
$$

h ( θ ) = ∑ j = 0 n θ j x j h(\theta) = \sum_{j=0} ^n \theta_j x_j h(θ)=j=0∑n​θj​xj​

  • 均方误差

    $$
    J(\theta) = \frac{1}{2m}\sum_{i=0}^m(y^i - h_\theta(x^i))^2
    $$
    

    J ( θ ) = 1 2 m ∑ i = 0 m ( y i − h θ ( x i ) ) 2 J(\theta) = \frac{1}{2m}\sum_{i=0}^m(y^i - h_\theta(x^i))^2 J(θ)=2m1​i=0∑m​(yi−hθ​(xi))2

  • 求积公式

    \$$
    H_c=\sum_{l_1+\dots +l_p}\prod^p_{i=1} \binom{n_i}{l_i}
    \$$
    

H c = ∑ l 1 + ⋯ + l p ∏ i = 1 p ( n i l i ) H_c=\sum_{l_1+\dots +l_p}\prod^p_{i=1} \binom{n_i}{l_i} Hc​=l1​+⋯+lp​∑​i=1∏p​(li​ni​​)

  • 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 ) ∂ θ j = − 1 m ∑ i = 0 m ( y i − h θ ( x i ) ) x j i \frac{\partial J(\theta)}{\partial\theta_j} = -\frac1m\sum_{i=0}^m(y^i - h_\theta(x^i))x^i_j ∂θj​∂J(θ)​=−m1​i=0∑m​(yi−hθ​(xi))xji​

  • 推导过程

    $$
    \begin{align}
    \frac{\partial J(\theta)}{\partial\theta_j}
    & = -\frac1m\sum_{i=0}^m(y^i - h_\theta(x^i)) \frac{\partial}{\partial\theta_j}(y^i-h_\theta(x^i))\& = -\frac1m\sum_{i=0}^m(y^i-h_\theta(x^i)) \frac{\partial}{\partial\theta_j}(\sum_{j=0}^n\theta_j x^i_j-y^i)\&=-\frac1m\sum_{i=0}^m(y^i -h_\theta(x^i)) x^i_j
    \end{align}
    $$
    

    KaTeX parse error: Expected 'EOF', got '&' at position 48: …tial\theta_j} &̲ = -\frac1m\sum…

添加内容:
1.字符下标

max ⁡ a < x < b { f ( x ) } \max \limits_{a<x<b}\{f(x)\} a<x<bmax​{f(x)}

$$
\max \limits_{a<x<b}\{f(x)\}
$$

参考

  1. https://blog.csdn.net/baidu_38060633/article/details/79183905
  2. https://www.latex-project.org/help/

注:如有问题,请指正,谢谢

(0)

相关推荐