Question

我正致力于通过Matlab的Ax = b函数使用特征求解器来求解线性代数方程mex。给定一个复杂的稀疏矩阵A和一个来自Matlab工作空间的稀疏矢量b，我想用特征稀疏矩阵格式映射矩阵A和矢量b。之后，我需要使用Eigen的线性方程求解器来解决它。最后，我需要将结果x传递给Matlab工作区。

然而，由于我不擅长C ++并且不熟悉Eigen。我陷入了第一步，即以特征接受格式构造复杂稀疏矩阵。

我发现Eigen中有以下功能，

Eigen::MappedSparseMatrix<double,RowMajor>  mat(rows, cols, nnz, row_ptr, col_index, values);

我可以使用mxGetPr，mxGetPi，mxGetIr，mxGetJc等这些mex函数来获取上述＆＃34; rows，cols，nnz，row_ptr，col_index，values＆＃34;的信息。但是，因为在我的情况下，矩阵A是一个复杂的稀疏矩阵，我不确定是否＆＃34; MappedSparseMatrix＆＃34;可以那样做。

如果可以的话，＆＃34; MappedSparseMatrix＆＃34;的格式如何？应该？以下是否正确？

Eigen::MappedSparseMatrix<std::complex<double>> mat(rows, cols, nnz, row_ptr, col_index, values_complex);

如果是这样，我应该如何构造values_complex？我之前发现了relevant topic。我可以使用以下代码来获得复杂的密集矩阵。

MatrixXcd mat(m,n);
mat.real() = Map<MatrixXd>(realData,m,n);
mat.imag() = Map<MatrixXd>(imagData,m,n);

然而，由于我的矩阵A是一个稀疏矩阵，如果我将mat定义为如下的复杂稀疏矩阵，它似乎会产生错误：

SparseMatrix<std::complex<double> > mat;
mat.real()  =  Map<SparseMatrix>(rows, cols, nnz, row_ptr, col_index, realData);
mat.imag() = Map<SparseMatrix>(rows, cols, nnz, row_ptr, col_index, imagData);

那么有人可以为此提供一些建议吗？

Answer 1

MatlLab将复杂条目存储在两个独立的缓冲区中：一个用于实际组件，另一个用于虚构组件，而Eigen需要它们交错：

value_ptr = [r0,i0,r1,i1,r2,i2,...]

以便与std::complex<>兼容。因此，在您的情况下，您必须创建一个临时缓冲区，其中包含以交错格式传递给MappedSparseMatrix的值，或者，如果使用Eigen 3.3，则传递给Map<SparseMatrix<double,RowMajor> >。

此外，您必须调整索引的缓冲区，使它们从零开始。为此，在将它们传递给Eigen之前将col_ptr和row_ptr的所有条目递减1，然后将它们递增1。

从MATLAB工作空间

1 个答案: