关于矩阵的论文参考文献

rank就是指矩阵的秩啊，low-rank matrix可能是指秩比较小的矩阵吧

关于【组合数学】的论文 生活中矩阵的应用摘要：矩阵作为一种重要的工具，在生活的方方面面都存在应用。比如科学地选彩票号码，图形的变换处理，控制监控系统都存在了矩阵的痕迹。矩阵在各个领域的应用为我们展示了矩阵的广泛实用性。矩阵实现了对组合的优化，对质量的管理优化，会变得越来越重要。关键词：矩阵 应用 优化 一．矩阵的概念在开始讨论矩阵应用前，先了解一下矩阵及相关的一些概念。在数学上，矩阵是指纵横排列的二维数据表格，最早来自于方程组的系数及常数所构成的方阵，这一概念由19世纪英国数学家凯利首先提出。一些矩阵在农业，经济，通信等领域都存在许多特别的应用。二．矩阵的特别的应用 1．矩阵应用在选彩票号码一些彩民由于未了解“旋转矩阵”的作用，都采取旧式的复式投注方式(即完全复式)，完完整整地拿去打彩，一些对复式投注进行深入研究的彩民发现进行复式投注浪费了不少成本。据研究者发现约有三分之一号码组合，实际上是不可能中奖或极难中奖的。据说在美国彩票史上，Gail Howard运用一种叫做“旋转矩阵”投注选号法，奇迹般地中出了74个大奖。这种“旋转矩阵”法，是一种基于“旋转矩阵”数学原理构造的选号法，其核心是：以极低的成本实现复式投注的效果。那么如何以极低的成本实现复式投注的最佳效果呢？这是由“旋转矩阵”法优点决定的。实际上，旋转矩阵是教你如何科学地组合号码。与完全复式投注组合号码的方法相比，旋转矩阵有着投入低、中奖保证高的优点。举个例子讲，10个号码的中6保5型的旋转矩阵的含义就是，你选择了10个号码，如果其中包含了6个中奖号码，那么运用该矩阵提供的14注号码，你至少有一注中对5个号码的奖。本矩阵只要投入28元，而相应的复式投注需要投入420元。大家知道，用10个号码，只购买其中的14注，如果你胡乱组合的话，即使这10个号码中包含有6个中奖号码，你也很可能只中得一些小奖。而运用旋转矩阵的话，就可以得到一个对5个号码的奖的最低中奖保证。旋转矩阵是世界上著名的彩票专家、澳大利亚数学家底特罗夫研究的，它可以帮助您锁定喜爱的号码，提高中奖的机会。首先您要先选一些号码，然后，运用某一种旋转矩阵，将你挑选的数字填入相应位置。如果您选择的数字中有一些与开奖号码一样，您将一定会中一定奖级的奖。当然运用这种旋转矩阵，可以最小的成本获得最大的收益，且远远小于复式投注的成本。 （1）旋转矩阵的原理在数学上涉及到的是一种组合设计：覆盖设计。而覆盖设计，填装设计，斯坦纳系，t-设计都是离散数学中的组合优化问题。2．矩阵在透视投影应用三维计算机图形学中另外一种重要的变换是透视投影。与平行投影沿着平行线将物体投影到图像平面上不同，透视投影按照从投影中心这一点发出的直线将物体投影到图像平面。这就意味着距离投影中心越远投影越小，距离越近投影越大。 最简单的透视投影将投影中心作为坐标原点，z = 1 作为图像平面，这样投影变换为 x' = x / z; y' = y / z，用齐次坐标表示为：这个乘法的计算结果是 (xc,yc,zc,wc) = (x,y,z,z)。在进行乘法计算之后，通常齐次元素 wc 并不为 1，所以为了映射回真实平面需要进行齐次除法，即每个元素都除以 wc： 更加复杂的透视投影可以是与旋转、缩放、平移、切变等组合在一起对图像进行变换。比如给定n个点，m个操作，构造O(m+n)的算法输出m个操作后各点的位置。操作有平移、缩放、翻转和旋转 这里的操作是对所有点同时进行的。其中翻转是以坐标轴为对称轴进行翻转（两种情况），旋转则以原点为中心。如果对每个点分别进行模拟，那么m个操作总共耗时O(mn)。利用矩阵乘法可以在O(m)的时间里把所有操作合并为一个矩阵，然后每个点与该矩阵相乘即可直接得出最终该点的位置，总共耗时O(m+n)。假设初始时某个点的坐标为x和y，下面5个矩阵可以分别对其进行平移、旋转、翻转和旋转操作。预先把所有m个操作所对应的矩阵全部乘起来，再乘以(x,y,1)，即可一步得出最终点的位置。3．矩阵在质量问题中的运用 矩阵是从多维问题的事件中，找出成对的因素，排列成矩阵图，然后根据矩阵图来分析问题，确定关键点的方法，它是一种通过多因素综合思考，探索问题的好方法。 在复杂的质量问题中，往往存在许多成对的质量因素．将这些成对因素找出来，分别排列成行和列，其交点就是其相互关联的程度，在此基础上再找出存在的问题及问题的形态，从而找到解决问题的思路。 矩阵图的形式：A为某一个因素群，a1、a2、a3、a4、…是属于A这个因素群的具体因素，将它们排列成行；B为另一个因素群，b1、b2、b3、b4、…为属于B这个因素群的具体因素，将它们排列成列；行和列的交点表示A和B各因素之间的关系。按照交点上行和列因素是否相关联及其关联程度的大小，可以从中得到解决问题的启示。 质量管理中所使用的矩阵图，其成对因素往往是要着重分析的质量问题的两个侧面，如生产过程中出现了不合格品时，着重需要分析不合格的现象和不合格的原因之间的关系，为此，需要把所有缺陷形式和造成这些缺陷的原因都罗列出来，逐一分析具体现象与具体原因之间的关系，这些具体现象和具体原因分别构成矩阵图中的行元素和列元素。 矩阵图法的用途十分广泛．在质量管理中，常用矩阵图法解决以下问题： ①把系列产品的硬件功能和软件功能相对应，从中找出研制新产品或改进老产品的切入点，进行多变量分析、研究从何处入手以及以什么方式收集数据 。②明确应保证产品质量特性及与管理机构或保证部门的关系，使质量保证体制更可靠； ③当生产工序中存在多种不良现象，且它们具有若干个共同的原因时，搞清这些不良现象及其产生原因的相互关系，进而把这些不良现象一举消除。 ④明确产品的质量特性与试验测定仪器、试验测定项目之间的关系，力求强化质量评价体制或使之提高效率；（2）三，对矩阵应用的感悟 上述的矩阵应用说明了矩阵不仅仅是解方程组的工具，而且它是一种有用的工具，不仅仅在数学领域，还在经济，计算机领域等领域。相信在不久的未来，矩阵会变得越来越重要。矩阵的作用会越来越多地让人们发现。在线性代数数学书中，方程组可以转换为矩阵，再通过矩阵来简单，快速地解决问题。在质量管理问题上，它采用矩阵图来找出切入点，了解原因，使质量效率提高。 相信在不久的未来，矩阵对于优化问题的应用会越来越广泛，触及面会越来越多。矩阵是生活变得更简单，方便。参考文献：[1] 《科学通报》蒋昌俊,吴哲辉..,1989. [2] 求解约束矩阵方程及其最佳逼近的迭代法的研究彭亚新.湖南大学,2005.

低秩矩阵说的就是矩阵的秩比较小的情况！假设已知矩阵C，矩阵的低秩分解研究的就是找到一个秩比较小的矩阵C’，使得C-C'的F范数满足一个阈值的约束！SVD分解就属于低秩分解的一种方法！

小秩矩阵(low-rank matrix)在核方法和抽样中，可有效地减小计算开销。也可称作“低秩矩阵”。

Isometry3d是等距变换AngleAxisd是数轴角度其中末尾的字母d表示数值类型是double参考文献：