关于Eigen中矩阵混淆的问题（讨论贴）

最新推荐文章于 2024-09-19 23:10:39 发布

原创最新推荐文章于 2024-09-19 23:10:39 发布 · 374 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#矩阵 #线性代数

文章讨论了在使用Eigen进行矩阵运算时可能出现的内存重叠问题，即aliasing，这可能导致计算错误。特别是在矩阵乘法中，当等号两边出现相同变量时，需要使用eval()函数避免混淆。对于不会产生内存重叠的操作，如matC=matA*matB，可以使用noalias()来提高效率，不创建中间变量。文章还举例展示了如何在代码中应用noalias()优化性能。

可以先看一下这两篇

(12条消息) Eigen有哪些需要注意的操作_eigen noalias_Leo-Peng的博客-优快云博客

数值计算库Eigen：别名(Aliasing) - 知乎 (zhihu.com)

大概意思就是如果不同矩阵共享内存空间，会导致矩阵计算出错。尤其是矩阵乘法中，等号左右出现同一个变量时，matA = matA*matB。这时候就需要使用eval()，相当于两个矩阵相乘后再赋值给临时变量，再将临时变量给matA。

又说方阵相乘不会出现混淆，但是如果出现转置和逆，就有可能出现。

（非方阵相乘一定会出现混淆吗?????什么时候会出现混淆？？？意思每次矩阵乘法，如果等号两边有同一个变量时就加上eval(）函数吗？？)

如果绝对不会出现内存重叠，如matC=matA*matB，则可以matC使用noalias()提高速度，不创建中间变量。（why????什么时候会自动创建中间临时变量？？？怎么提高速度的？？意思是，我以后都使用自己创建的临时变量，都可以用noalias()？？？）

//如：
state_.noalias() += kalmanGainSubset * innovationSubset;

Eigen::MatrixXd gainResidual = identity_;
gainResidual.noalias() -= kalmanGainSubset * stateToMeasurementSubset;
estimateErrorCovariance_ = gainResidual * estimateErrorCovariance_ gainResidual.transpose();
estimateErrorCovariance_.noalias() += kalmanGainSubset *
                                            measurementCovarianceSubset *
                                            kalmanGainSubset.transpose();