SVD分解
摘要：首先，有y = AX，将A看作是对X的线性变换 但是，如果有AX = λX，也就是，A对X的线性变换，就是令X的长度为原来的λ倍数。 *说起线性变换，A肯定要是方阵，而且各列线性无关。（回想一下，A各列相当于各个坐标轴，X各个分量相当于各个坐标轴的“基本向量”长度） （同一长度的各个方向的向量，变换
阅读全文
posted @ 2019-03-16 21:29
03 2019 档案
测绘线性代数（三）：伪逆解
摘要：原来的说法: 向量V的各个分量，对A的列向量进行线性组合。 V' = x i + y j 通常，要知道V' 的大小和方向，首先是将i , j 绘制出来，然后用V各个分量对其线性组合。 如果i⊥j ，而且| i | = | j | =1， 如果以 i 和 j 为坐标轴，那么V' 就是V在以i和j为坐标
阅读全文
posted @ 2019-03-04 21:47
测绘线性代数（二）：以全站仪求坐标精度为例
摘要：例子： 已知全站仪先验测角中误差为：e = σhar =σvar ，单位：秒。 测距中误差为：a+b*S 注：b单位： 10-6，S单位：km，也为斜距中误差σsd 水平距离计算公式：HD = SD * sin(Var)， 竖直距离计算公式：VD = SD * cos(Var) 泰勒一阶展开得：（泰
阅读全文
posted @ 2019-03-03 11:34
