作者热门文章
- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
在 Eigen 中,如果我们有对称正定矩阵 A
那么我们可以计算 A
的逆矩阵
A.inverse();
或
A.llt().solve(I);
其中 I
是与 A
大小相同的单位矩阵。但是有没有更有效的方法来计算对称正定矩阵的逆?
例如,如果我们将 A
的 Cholesky 分解写为 A = LL^{T}
,则 L^{-T} L^{- 1}
是 A
的逆函数,因为 A L^{-T} L^{-1} = LL^{T} L^{-T} L^{- 1} = I
(其中 L^{-T}
表示 L
转置的逆)。
因此我们可以获得 A
的 Cholesky 分解,计算它的逆,然后获得该逆的叉积以找到 A
的逆。但我的直觉是,计算这些显式步骤会比使用 A.llt().solve(I)
慢。
在任何人问之前,我确实需要一个显式逆 - 它是 Gibbs 采样器的一部分的计算。
最佳答案
与 A.llt().solve(I)
,您假设 A
是 SPD 矩阵并应用 Cholesky 分解来求解方程 Ax=I
。求解方程的数学过程与您的显式方法完全相同。因此,如果您正确执行每一步,性能应该是相同的。
另一方面,A.inverse()
,您正在进行一般矩阵求逆,它对大矩阵使用 LU 分解。因此性能应该低于 A.llt().solve(I);
。
关于c++ - 对称正定矩阵的特征有效逆,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38640563/
我是一名优秀的程序员,十分优秀!