特征稀疏基质决定因素为零
Eigen sparse matrix determinant is zero
我正在尝试计算我使用的稀疏矩阵是正定的。为此,我试图使用Sylvester标准,这意味着领先的未成年人是积极的。
要计算矩阵的决定因素,我正在构造矩阵每个块的sparselu求解器,然后可以为我提供矩阵的决定因素。但是从一定维度开始(左右130*130),我得到的结果是所有决定因素。对于某种截面算法,本特定算法的决定因素简单低于某些阈值。
我对这种机制的搜索没有带来不错的结果。我的矩阵的尺寸约为16k*16k,所有非零元素都位于对角线附近的96个元素上。
eigen中是否实现了任何截断机制,我可以以某种方式控制其阈值吗?
这很可能是由于底流,即,确定因素被计算为小于1.0
的大量数字的产物。如果计算0.5
周围130个值的乘积,您就靠近可以用单个精密浮子代表的边界。
您可以使用方法logAbsDeterminant
和signDeterminant
获得有意义的结果。
相关文章:
- 如何声明特征矩阵,然后通过嵌套循环初始化它
- 在决定是通过参考还是通过价值时,尺寸真的是一个问题吗
- 特征::矩阵<双精度,1,3> 结构类型函数中的返回类型函数
- 有没有一种方法可以通过"typedef"为重新定义的基本类型定义特征和强制转换运算符
- 特征命名访问向量段
- 将特征矩阵的向量设置为0
- 特征:模板函数中矩阵的平面图
- basic_string的前导/尾部不区分空格的特征
- 特征 3 类的模板专用化
- 特征 c++:复矩阵的面积双曲正切(atanh)
- C++ 中的特征向量计算
- 根据C++标准的定义实现"is_similar"类型特征
- C++类型特征,以查看是否可以<uint32_t>对类型"K"的任何变量调用"static_cast(k)"
- 有没有办法找到特征矩阵系数的中值?
- 如何将高维数据映射到特征类型?
- 将平面阵列重塑为复杂的特征类型
- 特征稀疏基质决定因素为零
- 用Cublas设备API计算矩阵决定因素
- 可以在没有递归的情况下发现矩阵的决定因素
- 哪些因素应该决定我的c++ web服务器上的线程数