Question

如何用特征库计算矩阵的基础？

我试图找到显式函数名称来计算空基础，并且作为解决方法，找到计算矩阵的rref 的方法（因为我们能够从rref获得null基础。

但我找不到任何相关的功能名称。

我认为必须有解决方案，但我对Eigen库和Eigen的代码知之甚少，我也很难理解。

请建议我解决此问题。

Answer 1

您可以使用Eigen::FullPivLU::kernel()方法获取空格的基础：

FullPivLU<MatrixXd> lu(A);
MatrixXd A_null_space = lu.kernel();

Answer 2

替代方法：使用OpenCV计算空间：

`
cv::Mat EpipolarConstraint::getNullSpace(cv::Mat p)
{
    cv::SVD svd = cv::SVD(p, cv::SVD::FULL_UV);
    cv::Mat vt_ = svd.vt;
    int i;
    for (i = 1; i <= 3; i++)
    {
        if (p.at<double>(i - 1, i - 1) == 0)
        {
            break;
        }
    }
    cv::Mat result = vt_(cv::Rect(0, i-1, p.cols, vt_.rows-i+1));
    cv::Mat result_t;
    cv::transpose(result, result_t);
    return result_t;
}`

Answer 3

FullPivLU在Eigen http://eigen.tuxfamily.org/dox/group__DenseDecompositionBenchmark.html中在计算上最昂贵。

一种更快的替代方法是使用CompleteOrthogonalDecomposition。此代码使用矩阵的四个基本子空间（Google四个基本子空间和URV分解）：

Matrix<double, Dynamic, Dynamic> mat37(3,7);
mat37 = MatrixXd::Random(3, 7);

CompleteOrthogonalDecomposition<Matrix<double, Dynamic, Dynamic> > cod;
cod.compute(mat37);
cout << "rank : " << cod.rank() << "\n";
// Find URV^T
MatrixXd V = cod.matrixZ().transpose();
MatrixXd Null_space = V.block(0, cod.rank(),V.rows(), V.cols() - cod.rank());
MatrixXd P = cod.colsPermutation();
Null_space = P * Null_space; // Unpermute the columns
// The Null space:
std::cout << "The null space: \n" << Null_space << "\n" ;
// Check that it is the null-space:
std::cout << "mat37 * Null_space = \n" << mat37 * Null_space  << '\n';

如何用特征库计算零空间的基础？

3 个答案: