子墨的专栏

转载网址：http://www.cnblogs.com/wqj1212/archive/2010/11/21/1883033.html?ADUIN=734657000&ADSESSION=1417503100&ADTAG=CLIENT.QQ.5353_.0&ADPUBNO=26381四元数与欧拉角之间的转换  在3D图形学中，最常用的旋转表示方法便是四元数和欧拉角，比起

转载地址：http://www.paulinternet.nl/?page=bicubicspherical linear interpolation(球面线性插值)： Eigen::Quqterniond::slerp() 函数是在四元数表示的两个角度之间插值。参照 http://www.paulinternet.nl/?page=bicubic Cubic interpolationOn th...

转载地址：http://blog.youkuaiyun.com/bigpiglet_zju/article/details/20791881稀疏矩阵(Sparse Matrix)由于有很多0，为了节省空间，一般压缩存储。通常只需要保存非零元素及其位置即可。        下面介绍Compressed Row Storage(CRS)格式或者称为 Compressed

转载地址：https://en.wikipedia.org/wiki/Linear_least_squares_(mathematics)最小二乘分为 ： 线性最小二乘和非线性最小二乘线性函数：  如果把要求的n个未知变量记为 [x1,x2,x3,...xn]T，线性函数f(x1,x2,x3,...xn)= k1*x1+ k2*x2+k3*x3+...+kn*xn,写成矩阵的形式即为：...

学校时候学的线性代数都忘光了，总结一下常用的东西《1》矩阵的行列式 where In is the n × n identity matrix. For square matrices A and B of equal size,                             for an n × n matrix. If A is a triangular m...

转载地址：http://blog.youkuaiyun.com/luoleicn/article/details/6527049牛顿法：1、求解方程。并不是所有的方程都有求根公式，或者求根公式很复杂，导致求解困难。利用牛顿法，可以迭代求解。原理是利用泰勒公式，在x0处展开，且展开到一阶，即f(x) = f(x0)+(x－x0)f'(x0)求解方程f(x)=0，即f(x0)+(x-x0)*f

转载地址：http://blog.youkuaiyun.com/nupt123456789/article/details/8281923梯度下降法是一个一阶迭代优化算法，通常也称为最速下降法。我之前也没有关注过这类算法。最近，听斯坦福大学的机器学习课程时，碰到了用梯度下降算法求解线性回归问题，于是看了看这类算法的思想。今天只写了一些入门级的知识。我们知

Gauss–Newton algorithmThe Gauss–Newton algorithm is used to solve non-linear least squares problems高斯牛顿法的推导来自于牛顿法，Wiki的数学推导确实很清楚：Derivation from Newton's methodLevenber

转载地址：https://en.wikipedia.org/wiki/Lagrange_multiplierhttp://blog.youkuaiyun.com/xianlingmao/article/details/7919597http://blog.youkuaiyun.com/johnnyconstantine/article/details/46335763在求取有约束条件的

转载地址：https://en.wikipedia.org/wiki/Matrix_calculus前提： 若 x为向量，则默认 x为列向量， xT 为行向量，后面提到的两种布局都是这样认为的。Types of Matrix Derivatives Types Scalar Vector Matrix Scalar Vector ...

转载地址：http://blog.youkuaiyun.com/bitcarmanlee/article/details/526625181.三角分解(LU分解) 矩阵的LU分解是将一个矩阵分解为一个下三角矩阵与上三角矩阵的乘积。本质上，LU分解是高斯消元的一种表达方式。首先，对矩阵A通过初等行变换将其变为一个上三角矩阵。对于学习过线性代数的同学来说，这个过程应该很熟悉，线性代数考试中求行列式求逆...

转载地址：http://shitou7630.blog.163.com/blog/static/32699536201233044558287定义：p维空间的两点（两个p维向量x,y）的距离定义为： 并且点x欧氏模数为：这里很快可以得出，所有到原点距离相等的点满足这是某个正球体的方程。这就是说观测数据x的各个分量对x至中心的欧式距离贡献是

转载地址：https://en.wikipedia.org/wiki/System_of_linear_equations#Solving_a_linear_system由于很多地方需要求解   齐次，非齐次线性方程，把线代，高数书毕业了都扔了，汗，简单总结一下。 实际中都是用Eigen 库，调用API解线性方程组，得注意每个函数的适用条件。  where A is a...