我指的是Eigen文档中的The Compute Step部分：
的文档在
compute()函数中，矩阵通常是分解的：...
准确地说，对于这类求解器， 计算步骤进一步细分为
analyzePattern()和factorize()。
analyzePattern()的目标是重新排序。的非零元素 矩阵，使分解步骤产生较少的填充。这个 步骤仅利用矩阵的结构。 因此，结果 此步骤可用于矩阵具有的其他线性系统 相同的结构。 ....在
factorize()中，计算系数矩阵的因子。 每次矩阵的值发生变化时，都应调用此步骤。 但是，矩阵的结构模式不应该改变 多次通话之间。
计算列排列以最小化填充
- 将此排列应用于输入矩阵 -
- 计算置换矩阵
上的列消除树- 对排除树和列排列进行后序排列
数值分解与符号分解On交错 退出，信息是
= 0：成功分解
0：如果info = i，我就是
＆lt; = A-＆gt; ncol：U（i，i）正好为零。分解具有 已完成，但因子U完全是单数， 如果它用于解决a，则会出现除零 方程组。
A-＆gt; ncol：内存分配时分配的字节数 发生故障，加上A-> ncol。如果lwork = -1，那就是 所需的估计空间量加上A-> ncol。
我的问题是，我们是否知道调用analyzePattern()和factorize()的相对费用？
这个问题对我很重要，因为我的应用程序具有稳定的矩阵结构，但不断改变系数矩阵。示例：在FEM模型中，FEM用户经常保持元素连接不变，但始终更改元素大小以获得最佳设计。
因此，如果analyzePattern()比factorize()贵很多，那么我可以利用这个事实并重写我的代码。如果不是，我可以坚持使用compute()函数，并在每次元素大小更改时重新运行analyzePattern()。
答案 0 :(得分：1)
这很大程度上取决于矩阵的结构。根据我的经验，符号部分通常比数字部分便宜得多，但是，根据对此answer的评论，它有时是相反的。所以我担心在你替补之前你永远不会知道。