如何对包含在对齐环境中的数组环境中的行进行编号

如何对包含在对齐环境中的数组环境中的行进行编号

我正在尝试在 LaTeX 中排版多行优化问题。

align我在使用和alignat环境使事物正确对齐时遇到了很多困难。

我最近设法找到了一种解决方案,可以通过在环境array中使用环境来实现正确的对齐align。此代码的示例如下所示

\documentclass{article}
\usepackage{amsmath,array}
\begin{document}
    \begin{align}
    \centering
    \begin{array}{>{\displaystyle}l>{\displaystyle}c>{\displaystyle\hspace{0.5cm}}l}
    \min_{\bm{\alpha},\bm{\beta},\bm{\gamma},\lambdab} & \frac{1}{N}\sum_{i=1}^{N}\alpha_i + C_0\sum_{j=1}^{P}\beta_j + C_1\sum_{j=1}^{P}{\gamma_j} & \\
    \textrm{s.t.} & & \\
    & -M\alpha_i + \varepsilon \leq y_i \mathbf{x}_i^T \lambdab \leq M(1-\alpha_i) + \varepsilon & i= 1\ldots N \\
    & -M\alpha_i + \varepsilon \leq y_i \mathbf{x}_i^T \lambdab \leq M(1-\alpha_i) + \varepsilon & i= 1\ldots N 
    \end{array}
    \end{align}
\end{document}
\documentclass{article}

我的问题是我无法对数组环境中的每一行进行编号。我想知道是否有人知道如何对这些行进行编号/标记?

我意识到这里已经发布了几种解决方案,但在许多情况下,修复似乎涉及在方程式中定义我自己的编号系统。我宁愿尽量避免这种情况,因为我在论文的其余部分都使用编号,我认为这会产生冲突(我可能是错的)。

如果不是,我会对任何可以普遍产生这种对齐类型的解决方案感到满意(即 3 列,1 列居左;1 列居中;1 列居左)。

答案1

我建议你alignat改用

示例输出

\documentclass{article}

\usepackage{amsmath,array,bm}

\begin{document}

\begin{alignat}{3}
  &\min_{\bm{\alpha},\bm{\beta},\bm{\gamma},\lambda} \quad&&
  \frac{1}{N}\sum_{i=1}^{N}\alpha_i + C_0\sum_{j=1}^{P}\beta_j +
  C_1\sum_{j=1}^{P}{\gamma_j} \\ 
  &\textrm{s.t.} \notag \\
  &&& -M\alpha_i + \varepsilon \leq y_i \mathbf{x}_i^T \lambda \leq
  M(1-\alpha_i) + \varepsilon &\quad i&= 1\ldots N \\ 
  &&& -M\alpha_i + \varepsilon \leq y_i \mathbf{x}_i^T \lambda \leq
  M(1-\alpha_i) + \varepsilon & i&= 1\ldots N  
\end{alignat}

\end{document}

这里的对齐方式是{rlrlrl}。 更接近原始编码的替代方案是equationarray来自 的环境eqnarray。 这是一个示例,但我更愿意坚持使用amsmath环境:

eqnarray 示例

\documentclass{article}

\usepackage{amsmath,array,eqnarray,bm}

\begin{document}

\begin{equationarray}{lc>{\hspace{0.5cm}}l}
  \min_{\bm{\alpha},\bm{\beta},\bm{\gamma},\lambda} & \frac{1}{N}\sum_{i=1}^{N}\alpha_i + C_0\sum_{j=1}^{P}\beta_j + C_1\sum_{j=1}^{P}{\gamma_j} & \\
  \textrm{s.t.} & & \notag\\
  & -M\alpha_i + \varepsilon \leq y_i \mathbf{x}_i^T \lambda \leq
  M(1-\alpha_i) + \varepsilon & i= 1\ldots N \\ 
  & -M\alpha_i + \varepsilon \leq y_i \mathbf{x}_i^T \lambda \leq
  M(1-\alpha_i) + \varepsilon & i= 1\ldots N  
\end{equationarray}

\end{document}

相关内容