概率之间的距离可以用散度度量，比如常用的kl散度KLD(q|p)=<p, log q - log p>
这相当于在p点定义了一个切向量空间
那么对应的余p空间怎么定义？
也既在kl散度对p点的导数
类比李代数SO(3)对应旋转矩阵(存在约束)，其对应一so(3)，信息学科(具体为机器视觉，SLAM)的一个核心问题是计算某(向量)函数对so(3)的导数，回避矩阵表示间的约束，从而可以当成一般的数值优化问题进行求解
--
FROM 183.38.136.*