很多数学上的性质都记不牢，每次用到都需要重新推导。为了减少此类时间浪费，决定以后每次使用时彻底整理好，自用之余也可造福读者。本文所有内容均已严格查证并推导，但限于水平，难免有误。恳请发现问题的各位予以指正，谢谢！1.迹的定义在线性代数中，将nnn阶方阵（即n×nn\timesnn×n矩阵）A{\bfA}A的主对角线上各个元素的和称为方阵A{\bfA}A的迹（trace），记为tr(A){\rmtr}(\bfA)tr(A)。这里需要注意的是，迹是在方阵上定义的。如果不是方阵，那么就没有迹。MATLAB中可以对方阵A直接使用trace函数来得到其迹（代码：trace(A)），但如果对非方阵使用tr

利用迭代法求解定非线性方程及方程组，使得误差不超过10^(-8)。同时应用迭代加速技术，提交迭代运算效率。此题需要用到的MATLAB代码及附录：附录6二分法作根的隔离%附录6二分法作根的隔离%%二分法作根的隔离clear%清除变量clc%清除命令行窗口代码formatlongaa=input('\n请输入自变量x的区间：\n');x=[aa(1):0.1:aa(2)];y=fun(x);plot(x,y);holdonezplot('0');xlim([aa(1),aa(2)]);k=0;%二分法迭代次数e=aa(2)-aa(1);%区间长度大小a=aa(1);b=aa(2);c=(a+b)/

 之前的文章中，简单的介绍了一些基本的操作，回归之前的内容可以参考一下链接：zEigen库的基本使用说明_每日亿学的博客-CSDN博客_eigen库 本章内容主要就是继续延伸Eigen库的使用内容也会实时进行更新，Eigen库在SLAM中使用广泛，需要对这个库有一定的熟悉。一、赋值操作首先最简单的如何给申请好的矩阵对象进行赋值？1、定义对象时//这里以动态的矩阵模板为例子MatrixXia{//创建2x2matrix{1,2},//firstrow{3,4}//secondrow};Matrixc={1,2,3,4,5};2、类似输入流的方式Matrix3fm;m3、（,）赋值注意这里和数组不

各位童鞋们大家好，我是小小明，前几天我给大家分享了一个SMT求解器z3，链接地址见：https://xxmdmst.blog.csdn.net/article/details/120279521虽然SMT求解器很强大，能够解逻辑题、解数独、解方程、甚至解决逆向问题，但是有个缺点就是只能找出一个可行解，如果我想要找出可行解的最大值或最小值就不行，无法完成类似Excel的规划求解的功能。前文中已经提到了scipy这个库可以进行线性规划求解，可惜我在这周的实际测试中发现，不支持整数约束，只能求解出实数。差点放弃写这篇文章，不过后面我又发现了PuLP这个库，简直发现了新大陆，原来有这么个专门进行规划求

1四元数转旋转矩阵       使用了normalized()函数和toRotationMatrix()函数//下面的变量名称自拟Eigen::Quaterniondq_odom_curr_tmp;//声明一个Eigen类的四元数//此处进行赋值，使用其他语句以及合理的常数也可q_odom_curr_tmp.x()=imuVec[imuVec.size()-1].orientation.x;q_odom_curr_tmp.y()=imuVec[imuVec.size()-1].orientation.y;q_odom_curr_tmp.z()=imuVec[imuVec.size()-1].o

先理解下三重积分的物理意义:就是体积V的物体的质量，每个点的密度为被积函数f(x,y,z)柱面坐标变换： 球面坐标变换，可以用两次复合变换来证明：L是弧线。根据弧长微分公式：所以第一类曲线积分可以化成一元函数t的定积分。其中参数方程第二类曲线积分： 老师的解释是：第二类曲线积分是特殊的第一类曲线积分，它的被积函数是两个矢量的点乘 这里非常重要，我们要熟悉在简明微积分里面，它是这么写的：其实就是换元注意，就是这个点在曲线上的单位切矢量。 这里要注意，3--->5的时候，因为换元，所以积分上下限要自己换好。虽然4无法直接推出5，但实际做的时候，可以直接等于。第一类曲面积分：核心在于dS化成二重积分

定义   向量有范数，矩阵也有范数，定义和向量范数类似，不过多了一条要求。它的定义如下：正定性positivity,∥A∥≥0\parallelA\parallel\ge0∥A∥≥0，只有A=0A=0A=0时才取等号；非负齐次性homogeneity或scaling,∥kA∥=∣k∣∥A∥\parallelkA\parallel=|k|\parallelA\parallel∥kA∥=∣k∣∥A∥劣可加性subadditivity或三角不等式triangleinequality，∥A+B∥≤∥A∥+∥B∥\parallelA+B\parallel\le\parallelA\parallel+\p

认为有一个原始数组:$array[]=array('name'=>'a','code'=>1);$array[]=array('name'=>'b','code'=>2);$array[]=array('name'=>'c','code'=>3);$array[]=array('name'=>'d','code'=>4);$array[]=array('name'=>'e','code'=>5);$array[]=array('name'=>'f','code'=>6);$array[]=array('name'=>'g','code'=>7);$array[]=array('name

一、提前了解二、预积分的目的1.IMU通过加速度计和陀螺仪测出的是加速度和角速度，通过积分获得两帧之间的旋转和位移的变换；2.在后端非线性优化的时候，需要优化位姿，每次调整位姿都需要在它们之间重新传递IMU测量值，需要重新积分，这将非常耗时，为了避免重新传递测量值，所以采取预积分策略。三、进入预积分主题1.IMU模型其中：2.当前时刻的PVQ的连续表达形式对图像第kkk帧和第k+1k+1k+1帧之间的所有IMU进行积分，对应的IMU坐标系为bkb_kbk​和bk+1b_{k+1}bk+1​，根据k时刻的数据，积分求得k+1k+1k+1时刻的数据，求出的是在世界坐标系下的值：其中：ΔtkΔt_k

插值算法：最近邻插值、双线性插值文章目录插值算法：最近邻插值、双线性插值最近邻插值法（nearest_neighbor)线性插值单线性插值法双线性插值插值算法有很多种，这里列出关联比较密切的三种：最近邻法(NearestInterpolation)：计算速度最快，但是效果最差。双线性插值(BilinearInterpolation)：双线性插值是用原图像中4(2*2)个点计算新图像中1个点，效果略逊于双三次插值，速度比双三次插值快，属于一种平衡美，在很多框架中属于默认算法。双三次插值(Bicubicinterpolation)：双三次插值是用原图像中16(4*4)个点计算新图像中1个点，效果比