李群与李代数的学习

本文只用于记录自己在学习李群与李代数过程中的一些个人理解和总结，不保证正确性。欢迎探讨。

0.参考资料:

A micro Lie theory for state estimation in robotics: https://pan.baidu.com/s/1SEkB6L1kESTcZU6GqLVYGA 提取码: y7jk
视觉SLAM十四讲：https://github.com/gaoxiang12/slambook2

1.基础知识

基础知识略掉了，看十四讲就好。

2.个人理解

1. 李群与李代数，是一块范围非常之大的数学，不需要关注太多，只需要理解在SLAM中的使用就好；
2. 三维旋转、六自由度的旋转与平移，分别对应了特殊正交群 SO(3) 与 特殊欧式群 SE(3)；
3. 李群是高维空间中的流形，流形上一点的切（超）平面构成了李代数的参数空间；由于李群的性质（连续光滑），所以李群对应的流形上处处可导；
4. 既然李群是高维空间的流形，所以必然本身实际的维度低于空间维度。实际的维度即切平面的维度。例如三维旋转矩阵R虽然有9个参数，但由于旋转只有3个变量（通过3个单位、3个正交，限制了6个自由度），所以其对应的李代数只有3个变量；
5. 李群与李代数可以相互转化，转化即：指数映射与对数映射；
6. 在变化比较小时，李群上的乘法（小旋转）可以用李代数线性表示，对应的系数J即为雅克比矩阵；
7. 在求解一个优化问题时，需要通过梯度进行迭代，此时对于旋转矩阵R或旋转平移矩阵T来说，可以有两种思路：a) 在矩阵对应的李代数上求导，利用其加法性质；b) 对矩阵进行扰动，采用扰动模型。扰动模型相比于李代数求导，减少了雅克比矩阵的计算，所以表示形式更为简洁。