博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
Latex 公式插入和公式对齐
阅读量:2238 次
发布时间:2019-05-09

本文共 664 字,大约阅读时间需要 2 分钟。

目前用到的公式插入与对齐方式主要有2种,分为单个公式和多个公式的情况,现总结如下。

#1 单个公式

##1.1 嵌入段落中
$+equation+$
eg: c=a+b的表示方式是\$c = a + b\$
##1.2 标准的单公式表示方法

\begin{equation}	公式内容\end{equation}

eg:

\begin{equation}	s = a + b\end{equation}效果为:

\begin{equation}

s =a+b
\end{equation}

#2 多个公式

##2.1 根据符号对齐的多个公式排列方式

\begin{align}	公式1	公式2	...\end{align}

例如,让每个公式按“=”对齐,需要在“=”前加上符号“&”,表示方法如下

\begin{align}	sum &= a+b+c+d \\	sub &= a-b\end{align}双斜线表示换行,效果如下:

\begin{align}

sum &= a+b+c+d\
sub &= a-b
\end{align}

如果不使用符号“&”,两公式是右对齐

##2.2 居中对齐的多公式排列方式
当公式比较长时,或者一个公式中有多个“=”时,可以使用居中对齐的方式

\begin{gather}	sum &= a+b+c+d \\	sub &= a-b\end{gather}双斜线表示换行,效果如下:

\begin{gather}

sum = a+b+c+d \
sub = a-b
\end{gather}

转载地址:http://mhobb.baihongyu.com/

你可能感兴趣的文章
PCA 的数学原理和可视化效果
查看>>
机器学习中常用评估指标汇总
查看>>
什么是 ROC AUC
查看>>
Bagging 简述
查看>>
详解 Stacking 的 python 实现
查看>>
简述极大似然估计
查看>>
用线性判别分析 LDA 降维
查看>>
用 Doc2Vec 得到文档/段落/句子的向量表达
查看>>
使聊天机器人具有个性
查看>>
使聊天机器人的对话更有营养
查看>>
一个 tflearn 情感分析小例子
查看>>
attention 机制入门
查看>>
手把手用 IntelliJ IDEA 和 SBT 创建 scala 项目
查看>>
GAN 的 keras 实现
查看>>
AI 在 marketing 上的应用
查看>>
Logistic regression 为什么用 sigmoid ?
查看>>
Logistic Regression 为什么用极大似然函数
查看>>
SVM 的核函数选择和调参
查看>>
LightGBM 如何调参
查看>>
用 TensorFlow.js 在浏览器中训练神经网络
查看>>