机器人学中的状态估计（证明一）

一、证明高斯分布积分为1

图1 .一元高斯分布的图像，给出了均值$\mu$和标准差$\sigma$

证明：首先我们考虑下面积分
这个积分可以这样计算：⾸先将它的平⽅写成下⾯的形式(二重积分)
然后使⽤笛卡尔坐标(x, y)到极坐标(r, θ)的坐标变换，即：
雅可比行列式如下：
则二重积分变为：
其中$z=-\frac{r^2}{2{\sigma }^2}$，因此：

最后，令 $y=x-\mu$ ，高斯分布概率密度函数的积分为：
得证！

二、假设 u, v是两个相同维度的列向量，请证明下面这个等式：$u^{T}v=tr(v{u}^T)$

证明：

所以

三、对于高斯分布的随机变量，$x\sim \mathbb{N}(\mu ,\Sigma )$,请证明下面等式：

证明：期望（一阶矩）的公式推导如下
由题意知x服从高斯分布，所以高斯概率密度函数p(x)=$N(x\mid \mu ,{\sigma }^2)$
则有，
将$x-\mu$替换掉，为方便描述下面我用x替换，注意这里替换的 x和前面$x-\mu$中的x不是同一个变量，有
上式中的
为奇函数，即f(-x)=f(x),函数关于原点对称，所以该项积分为0，所以：

公式得证！

四、对于高斯分布的随机变量，$x\sim \mathbb{N}(\mu ,\Sigma )$,请证明下面等式：

证明：高斯分布方差的公式推导,即证明

由题意知x服从高斯分布，所以高斯概率密度函数p(x)=$N(x\mid \mu ,{\sigma }^2)$
按照证明期望的讨论同样证明方差，过程如下：
得到：
公式得证！

五、对于K 个相互独⽴的⾼斯概率密度，$x\sim N({\mu }_K,{\Sigma }_K)$，请证明它们的归⼀化积仍然是高斯分布：

其中：
且$\eta$是归一化因子。

待证明。。。