学习记录-视觉SLAM十四讲第2版（一）

前言

还是得学些SLAM相关的内容，在后面的科研中也好用得上。以此为记录督促自己日日有提升。

一、第1讲值得记录的内容

需要记录的只有SLAM的定义：
SLAM是Siumltaneous Localization and Mapping的缩写，中文是同时定位与地图构建。
如果采用相机作为传感器，则称为视觉SLAM。

二、习题

1.提示：从A的维度和秩角度来分析

首先是秩的定义：在线性代数中，一个矩阵A的列秩是A的线性独立的纵列的极大数目。类似地，行秩是A的线性无关的横行的极大数目。即如果把矩阵看成一个个行向量或者列向量，秩就是这些行向量或者列向量的秩，也就是极大无关组中所含向量的个数。通常表示为r(A)，rk(A)或rank A。
一直以来都是采用将A和b弄在一起变成增广矩阵之后，进行高斯消元法求解。
设矩阵A的秩为r，且矩阵的行数和列数分别为m和n。r<=min(m,n)。
r=m=n时，此时矩阵的列向量全部线性无关，可以张成维度为n的空间，又b为m1=n1的列向量，故b一定在该空间内，且有且仅有1个系数组合能够满足，即Ax=b有唯一解；
r=m<n时，此时矩阵的行向量全部线性无关，又秩r<n，故矩阵的列向量线性相关，故存在多个列向量来组成维度为m的空间的选择情况，换句话说就是方程比变量个数少，所以存在自由变量可以任意取值，因此Ax=b有无数个解；
r=n&l