$\Large{\LaTeX}$ 常用公式
$$\Large{\LaTeX}$$:
\]
$ $ 表示行内
$$ $$ 表示独立
$\operatorname{lcm}(x)$\(\operatorname{lcm}(x)\)
$\pm$\(\pm\)
$\equiv$\(\equiv\)
$\pmod{p}$\(\pmod{p}\)
$\%$\(\%\)
$\sqrt[n]{x} \sqrt{x}$\(\sqrt[n]{x} \sqrt{x}\)
$\in \ne$\(\in \ne\)
$\leqslant \geqslant$\(\leqslant \geqslant\)
$\perp \angle 45^\circ$\(\perp \angle \ 45^\circ\)
$\forall \exists$\(\forall \exists\)
$\therefore \& \because$\(\therefore \& \because\)
$\implies \iff$\(\implies \iff\)
$a^{x+2y}_{i,j}$\(a^{x+2y}_{i,j}\)
$\sum\limits_{i=1}^n a_i$\(\sum\limits_{i=1}^n a_i\)
$\prod\limits_{i=1}^n a_i$\(\prod\limits_{i=1}^n a_i\)
$\lim\limits_{n\to\infty}x_n$\(\lim\limits_{n\to\infty}x_n\)
$\int_{-N}^{N}e^x \, dx$\(\int_{-N}^{N}e^x \, dx\)
$\dfrac{1}{x+\dfrac{3}{y+\dfrac{1}{5}}}$\(\dfrac{1}{x+\dfrac{3}{y+\dfrac{1}{5}}}\)
$\dots \vdots \ddots$\(\dots \quad \vdots \quad \ddots\)
$\begin{matrix}a&b\\c&d\end{matrix}$\(\begin{matrix}a&b\\c&d\end{matrix}\)
$\begin{vmatrix}a&b\\c&d\end{vmatrix}$\(\begin{vmatrix}a&b\\c&d\end{vmatrix}\)
$\begin{bmatrix}a&b\\c&d\end{bmatrix}$\(\begin{bmatrix}a&b\\c&d\end{bmatrix}\)
$\begin{Batrix}a&b\\c&d\end{Batrix}$\(\begin{Bmatrix}a&b\\c&d\end{Bmatrix}\)
$\begin{pmatrix}a&b\\c&d\end{pmatrix}$\(\begin{pmatrix}a&b\\c&d\end{pmatrix}\)
$f(x)=\begin{cases} x & x\geqslant0 \\ x^{-1} & x<0 \end{cases}$\(f(x)=\begin{cases} x & x\geqslant0 \\ x^{-1} & x<0 \end{cases}\)
$\begin{aligned} 3 & = 1+1+1 \\ & = 1+2 \end{aligned}$\(\begin{aligned} 3 & = 1+1+1 \\ & = 1+2 \end{aligned}\)
$\begin{aligned} a_1 & = 1 \\ a_2 & = 2 \\ & \dots \\ a_n & = n \end{aligned}$\(\begin{aligned} a_1 & = 1 \\ a_2 & = 2 \\ & \dots \\ a_n & = n \end{aligned}\)
$\Gamma \Delta \Theta \Lambda \Xi \Pi \Sigma \Upsilon \Phi \Psi \Omega$\(\Gamma \Delta \Theta \Lambda \Xi \Pi \Sigma \Upsilon \Phi \Psi \Omega\)
$\alpha \beta \gamma \delta \epsilon \zeta \eta \theta \iota \kappa \lambda$\(\alpha \beta \gamma \delta \epsilon \zeta \eta \theta \iota \kappa \lambda\)
$\mu \nu \xi \omicron \pi \varepsilon \varrho \varsigma \vartheta \varphi \aleph$\(\mu \nu \xi \omicron \pi \varepsilon \varrho \varsigma \vartheta \varphi \aleph\)<-最后一个是希伯来文
$\mathbb{ABCDEFGHIJKLMNOPQRSTUVWXYZ}$\(\mathbb{ABCDEFGHIJKLMNOPQRSTUVWXYZ}\)
$\mathtt{ABCDEFGHIJKLMNOPQRSTUVWXYZ}$\(\mathtt{ABCDEFGHIJKLMNOPQRSTUVWXYZ}\)
$\text{ABCDEFGHIJKLMNOPQRSTUVWXYZ}$\(\text{ABCDEFGHIJKLMNOPQRSTUVWXYZ}\)
$\left(\dfrac{y+\dfrac{2}{3}}{x+\dfrac{2}{3}}\right)^5$\(\left(\dfrac{y+\dfrac{2}{3}}{x+\dfrac{2}{3}}\right)^5\)此功能(使用\left和\right)可以推广到不同的括号
$\left\lfloor\dfrac{1}{2}\right\rfloor \left\lceil\dfrac{1}{2}\right\rceil$\(\left\lfloor\dfrac{1}{2}\right\rfloor \left\lceil\dfrac{1}{2}\right\rceil\)
$\boxed{a^x+b^y=c^z}$\(\boxed{a^x+b^y=c^z}\)
下面 \(m\) 均表示一个中文字符的宽度,即两个英文字符的宽度。
\(x,y\) 均为演示需要,重点为中间空隙大小。
$x \! y$宽度为 \(-\dfrac{m}{6}\)
\(x \! y\)
$xy$宽度为 \(0\)
\(xy\)
$x \, y$宽度为 \(\dfrac{m}{6}\)
\(x \, y\)
$x \; y$宽度为 \(\dfrac{2m}{7}\)
\(x \; y\)
$x \ y$宽度为 \(\dfrac{m}{3}\)
\(x \ y\)
$x \quad y$宽度为 \(m\)
\(x \quad y\)
$x \qquad y$宽度为 \(2m\)
\(x \qquad y\)
随机推荐
- Flink 运行时架构
参考链接:https://blog.csdn.net/dajiangtai007/article/details/88575553 1.Flink 运行时架构 Flink 运行时架构主要包含几个部分: ...
- for循环操作(for...in、forEach)
1.for...in语句用于对数组或者对象的属性进行循环操作,是for循环的一种. 注意:该方法可用于数组或对象. 语法: for(变量 in 对象/数组){} 如: var obj = { nam ...
- TensorFlow-Slim 简介+Demo
github介绍:https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/slim 基于slim实现的yolo- ...
- JavaScript高级程序设计(读书笔记)之函数表达式
定义函数的方式有两种:一种是函数声明,另一种就是函数表达式. 函数声明的一个重要特征就是函数声明提升(function declaration hoisting),意思是在执行代码前会先读取函数声明. ...
- https(ssl) 免费证书
https://letsencrypt.org/getting-started/ https://certbot.eff.org/lets-encrypt/centosrhel7-nginx http ...
- 异步处理方式之信号(三):kill、raise、alarm、pause函数简介
文章目录 6. 函数kill和raise 7. 函数alarm和pause 7.1 alarm() 7.2 pause() 6. 函数kill和raise kill函数用来将信号发送给进程或者进程组. ...
- Oracle列值拼接
最近在学习的过程中,发现一个挺有意思的函数,它可实现对列值的拼接.下面我们来看看其具体用法. 用法: 对其作用,官方文档的解释如下: For a specified measure, LISTAGG ...
- xshell与小键盘问题
有些程序员的键盘是带有小数字键的,在使用xshell中文版时就可能出现一些小状况,本集就同大家分析一下使用数字键盘出现乱码的情况怎么办. 图1:使用数字小键盘出现乱码 问题描述: 在xshell上用v ...
- python中dump与dumps的区别
刚写了一个代吗,没有搞懂dump和dumps的区别,现在搞懂了,下班后在来整理import pickleq = [1,2,3,4]pickle.dump(q,open("cb1.txt&qu ...
- 机器学习——支持向量机SVM
前言 学习本章节前需要先学习: <机器学习--最优化问题:拉格朗日乘子法.KKT条件以及对偶问题> <机器学习--感知机> 1 摘要: 支持向量机(SVM)是一种二类分类模型, ...