Question

我正在使用EIGEN稀疏库来解决系统问题。我尝试在较小的矩阵上进行测试，估计误差接近于零。我附上以下代码的片段。

MatrixXd Dense(4,4);
Dense<<2.0,0.0,0.0,0.0,
       0.0,1.0,0.0,1.0,
       0.0,0.0,5.0,0.0,
       0.0,0.0,0.0,1.0;
Vector4d b(4.0, 5.0, 8.0, 1.0),xsol;

cout << "The least-squares solution is:\n"
     << Dense.jacobiSvd(ComputeThinU | ComputeThinV).solve(b) << endl;

SpMat SparseA;
SparseA = Dense.sparseView();

cout<<SparseA<<endl;

BiCGSTAB<SparseMatrix<double> > bicg;

bicg.compute(SparseA);
xsol = bicg.solve(b);

std::cout << "#iterations:     " << bicg.iterations() << std::endl;
std::cout << "estimated error: " << bicg.error()      << std::endl;

// update  and solve again
xsol = bicg.solve(b);

cout << "Sparse Matrix Solution is:\n" << xsol << endl;**

这是我运行代码时得到的结果：

迭代：1

估计错误：0

稀疏矩阵解决方案是：

2     4   1.6     1

现在问题是我扩大了系统并试图解决我得到巨大的估计错误。我该如何解决这个问题。顺便说一句，我遵循定义密集矩阵的相同过程，并在求解系统之前将它们转换为稀疏矩阵。代码段如下

typedef Eigen::SparseMatrix<double> SpMat;
SpMat SparseKGl;
VectorXd wsol;
SparseKGl = KGl.sparseView();

BiCGSTAB<SparseMatrix<double> > bicg; 
wsol=bicg.compute(SparseKGl).solve(ForceGl);

std::cout << "iterations:     " << bicg.iterations() << std::endl;
std::cout << "estimated error: " << bicg.error()      << std::endl;

// update  and solve again
wsol = bicg.solve(ForceGl);

我得到的输出是

迭代：22

估计错误：70549

任何人都可以提供相同的见解吗？

此致

使用EIGEN稀疏库

0 个答案: