【Eigen】Chapter3 稀疏线性代数 Sparse Linear Algebra

最新推荐文章于 2025-10-09 11:19:03 发布

原创

最新推荐文章于 2025-10-09 11:19:03 发布 · 658 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#线性代数 #矩阵 #算法

（1）稀疏矩阵操作

1）稀疏矩阵格式

在许多应用中，矩阵其只有少量非零系数，这样的矩阵称为稀疏矩阵(Sparse Matrix)。在这种情况下，采用稀疏矩阵的存储方式，即仅存储非零系数，可以减少内存消耗并提高性能。

在Eigen中，SparseMatrix<>模板类是用于表示稀疏矩阵，注意稠密的用的是Matrix<>，SparseMatrix<>提供了高性能和低内存使用率。它实现了广泛使用的压缩列（或行）存储方案的更通用的变体。

它由四个紧凑数组组成：

1 Values: 存储非零的系数值。注意，压缩列存储按照一列一列的顺序存储非零元素，同样，压缩行按照一行一行的顺序存储元素；

2 InnerIndices: 存储非零的行（或列）下标。简单的说，我们可以先按照列或者行的顺序存储values，然后对于values中的每一个元素，确定其所在的行or列的下标；

3 OuterStarts: 为每列（分别为行）存储前两个数组中第一个非零的索引。注意，这个数组存储的Values和InnerIndices中的位置；

4 InnerNNZs:存储每列（分别为行）的非零元素个数。

注意：术语inner指的是内部向量，该向量是列主矩阵的列，或行主矩阵的行。术语outer是指另一个方向，即行or列；

在一个示例中可以更好地解释此存储方案。以下矩阵

// 0	3	0	0	0
// 22	0	0	0	17
// 7	5	0	1	0
// 0	0	0	0	0
// 0	0	14	0	8

and one of its possible sparse, column major representation:

Values: 		22	7	_	3	5	14	_	_	1	_	17	8
InnerIndices: 	1	2	_	0	2	4	_	_	2	_	1	4

OuterStarts:	0	3	5	8	10	12
InnerNNZs: 		2	2	1	1	2

注释：OutStarts表示的每一列中的起始非零元素在Values or InnerIndices中的索引，例如,第一列非零元素22在Values中的第0索引，第二列中的3在Values中的第3索引，第三列中的14在Values中的第5索引…

OutStarts多了一个元素，比如上述方阵有5列，那么应该只有5个元素，但是它有6个元素，难道是存储了最后一个元素？

2）第一个例子

在描述每个类之前，让我们从以下典型示例开始：

$Δu=0\Delta u = 0$ 使用有限差分方案和Dirichlet边界条件在规则2D网格上求解拉普拉斯方程。这样的问题可以在数学上表示为Ax = b形式的线性问题，其中x是一个m维向量，在本例中，它表示像素值, b是从边界条件中获得，并且A是一个mXm的方阵，它是从离散化的拉普拉斯算子中获得的稀疏矩阵，即，只含有少数的非0元素。

（说实话，有点复杂）

#include <Eigen/Sparse>
#include <vector>
#include <iostream>
 
typedef Eigen::SparseMatrix<double> SpMat

最低0.47元/天解锁文章