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：
$$
\begin{matrix}
1 & x & y \\
2 & x^2 & y^2 \\
3 & x^3 & y^3 \\
\end{matrix}
$$
\[\begin{matrix} 1 & x & y \\ 2 & x^2 & y^2 \\ 3 & x^3 & y^3 \\ \end{matrix} \]
行列式:
$$
X=\left|
\begin{matrix}
x_{11} & x_{12} & \cdots & x_{1d}\\
x_{21} & x_{22} & \cdots & x_{2d}\\
\vdots & \vdots & \ddots & \vdots\\
x_{m1} & x_{m2} & \cdots & x_{md}\\
\end{matrix}
\right|
$$
\[X=\left| \begin{matrix} x_{11} & x_{12} & \cdots & x_{1d}\\ x_{21} & x_{22} & \cdots & x_{2d}\\ \vdots & \vdots & \ddots & \vdots\\ x_{m1} & x_{m2} & \cdots & x_{md}\\ \end{matrix} \right| \]
- 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：
$$
\langle\rangle \{\} () [] \\
\{ \big\{ \Big\{ \bigg\{ \Bigg\{
$$
\[\langle\rangle \{\} () [] \\ \{ \big\{ \Big\{ \bigg\{ \Bigg\{ \]
- 分段函数:
$$
f(n) =
\begin{cases}
n/2, & \text{if $n$ is even} \\
3n+1, & \text{if $n$ is odd}
\end{cases}
$$
\[f(n) = \begin{cases} n/2, & \text{if $n$ is even} \\ 3n+1, & \text{if $n$ is odd} \end{cases} \]
- 方程组：
$$
\left\{
\begin{array}{3}
a_1 x + b_1 y + c_1 z = d_1 \\
a_2 x + b_2 y + c_2 z = d_2 \\
a_3 x + b_3 y + c_3 z = d_3
\end{array}
\right.
注意： 最后的\right后面有个点.
$$
\[\left\{ \begin{array}{3} a_1 x + b_1 y + c_1 z = d_1 \\ a_2 x + b_2 y + c_2 z = d_2 \\ a_3 x + b_3 y + c_3 z = d_3 \end{array} \right. \]
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：
\[\begin{align} \frac{\partial J(\theta)}{\partial\theta_j} &= -\frac{1}{m} \sum_{i=0}^{m}(y^i-h_\theta(x^i)) \frac{\partial}{\partial\theta_j}(y^i-h_\theta(x^i)) \\ & = -\frac{1}{m} \sum_{i=0}^m(y^i-h_\theta(x^i)) \frac{\partial}{\partial\theta_j}(\sum_{j=0}^{n}\theta_j x^i_j-y^i) \\ & = -\frac{1}{m} \sum_{i=0}^m(y^i-h_\theta(x^i))x^i_j \end{align} \]
$$
\begin{align}
\frac{\partial J(\theta)}{\partial\theta_j}
& = -\frac{1}{m} \sum_{i=0}^{m}(y^i-h_\theta(x^i)) \frac{\partial}{\partial\theta_j}(y^i-h_\theta(x^i)) \\
& = -\frac{1}{m} \sum_{i=0}^m(y^i-h_\theta(x^i)) \frac{\partial}{\partial\theta_j}(\sum_{j=0}^{n}\theta_j x^i_j-y^i) \\
& = -\frac{1}{m} \sum_{i=0}^m(y^i-h_\theta(x^i))x^i_j
\end{align}
$$
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。