Yngz_Miao的博客

导数、梯度、雅可比矩阵、黑塞矩阵都是与求导相关的一些概念，比较容易混淆，本文主要是对它们的使用场景和定义进行区分。梯度是雅可比矩阵的一个特例：当向量函数为标量函数时（f\mathbf{f}f向量维度为1），雅可比矩阵是梯度向量黑塞矩阵是多元函数fxfx的梯度对自变量x\mathbf{x}x的雅可比矩阵。

奇异值与特征值都被用于描述矩阵作用于某些向量的标量，都是描述该向量模长变化幅度的数值。矩阵与向量的乘积得到一个新的向量，几何上相当于对向量进行了旋转和拉伸，就像是对向量施加了一个作用，或者说是变换。如果有向量vvv能使得矩阵AAA与之的积AvλvAvλvλ\lambdaλ为标量，那么λ\lambdaλ和vvv就分别是AAA的特征值与特征向量如果存在单位正交矩阵UUU和VVV，使得AUDVTA=UDV^TAUDVTDDD为对角矩阵，对角线上的值被称为奇异值。

在SLAM问题中，经常需要解一些方程数远大于未知量的超定线性方程组Ax=0或Ax=b，那么这种情况下，从解析解的角度上看，是无解的，但是我们又需要给出一个答案，此时求解的就是最小二乘解。线性方程组分为齐次线性方程组Ax=0和非齐次线性方程组Ax=b，其区别在于常数项是否为0向量。其中，x是n维向量。