速学 latex 数学公式

一、 要速学的，也是应用最快的方法，亲测哦

首先需要三法宝了： 1. mathtype 这里有汉化版，推荐安装 <MathType 6.9简体中文版(加载&对象型> 

                                 下载链接：http://download.csdn.net/detail/myprograminglife/8386977

    2. 在线latex 网页，这个网页是用来生成博客加载公式的 源代码 的 ，指CSDN 工具栏上

。
 

                                        http://www.codecogs.com/latex/eqneditor.php
    3. latex 经典教程，公式编辑，当手册用，实在不行才查看《latex 入门- 刘海洋》

下载链接：

                                       http://download.csdn.net/detail/myprograminglife/8387067

然后有了以上三法宝，好开始实践时间了：

1. 首先对 mathtype ，打开 选项->剪切与复制选项 -> 见图，选择latex 2.09 and later , 下面两个不要勾选。



这时 行了， 在其中写一个你想要的公式，比如：



2， 然后复制上边的公式， 粘贴到 latex 网址的那个。 



这时盒子下面就有 我们要的公式，这时需要复制源码，不是上述的盒子中的 文字， 切记， 切记， 是下面的源码！！！！



3. 将源码 复制之后， 打开你要贴公式的博客， 首先点击你要编辑的位置， 出现一闪一闪 的待编辑状态的图标， 然后点上侧的

，
源代码，点之后，直接粘贴（或Ctrl+v）然后 再点击 此源代码按钮，

， 这时就添加上了。

4.  如果有的网页中显示的不尽人意，这时就参考 《latex -入门》第四章语法，修改即可。

二. latex 实例： 





latex 输入：

\begin{align*}
{\mathop{\rm logp}\nolimits} (r|{\pi _0}) 
&= ||r|{|_0}\log {\pi _0} + (D - ||r|{|_0})\log (1 - {\pi _0})  \\ 
&=  {||r|{|_0}(log{\pi _0} - \log (1 - {\pi _0}))} + const \\ 
&=  { - \lambda }||r|{|_0} + const
\end{align*}

latex 输入：

p(D|r) = p(y|X,r) = \int \int {p(y|X,w,r)p(w|r,{\sigma ^2})p({\sigma ^2})}dwd{\sigma^2}

latex 输入：

\[p({w_j}|{\sigma ^2},{r_j}) \begin{cases}
{\delta _0}({w_j}) & {if }\; {r_j} = 0 \\
N({w_j}|0,{\sigma ^2}\sigma _w^2) &{if }\; {r_j} = 1
\end{cases}

latex 输入：

p(D|r) = \int \int {N({y}|{X_r}w_r,{\sigma ^2}I_{N})N({{w_j}|0_{{D_r}}},{\sigma ^2}\sigma _w^2{I_{{D_r}}})p({\sigma ^2})}dw_rd{\sigma^2}

latex 输入：

\begin{align*}
p(D|r)
& = \int \int {p(y|r,{w_r},{\sigma ^2})p({w_r}|r,{\sigma ^2})p({\sigma ^2})d{w_r}}d{\sigma^2} \\
& \propto |X_{_r}^T{X_r} + \sum\nolimits_r^{ - 1} {} {|^{ - \frac{1}{2}}}|\sum\nolimits_r {} {|^{ - \frac{1}{2}}}{(2{b_\sigma } + S(r))^{ - (2{a_\sigma } + N - 1)/2}}
\end{align*}

latex 输入：

{\mathop{\rm logp}\nolimits} (D|r) \approx\ logp(y|X,{{\hat w}_r},\hat \sigma^2 )- \frac{{||r|{|_0}}}{2}\log N

latex 输入：

\begin{align*}
[y|{x_r},w,r,{\sigma ^2}
&\sim N(\sum\limits_j {{r_j}{w_j}{x_{ij}},} {\sigma ^2}) \\
{r_j} & \sim Ber({\pi _0})\\
{w_j}& \sim N(0,\sigma _{_w}^2)
\end{align*}

latex 输入：

\partial f(\theta ) =
\begin{cases}
\{ - 1\} &if \theta < 0\\
[ - 1,1] &if \theta = 0\\
\{ + 1\} & if \theta > 0
\end{cases}