Eigen的inverse方法和SVD分解法求逆耗时对比

红博啊

于 2024-01-12 11:00:49 发布

阅读量974

点赞数 10

文章标签： c++ 矩阵线性代数

本文链接：https://blog.youkuaiyun.com/qq292263211/article/details/135546645

版权

通过SVD分解求逆的参考博客
之前在看机器人微分逆运动学时，看到有博主提出用svd分解求逆来代替inverse方法可加速计算，下面特意验证一下：

取一个100行100列的矩阵，分别使用Eigen的SVD分解法再计算逆矩阵和直接用Eigen的inverse方法做个对比

#include <iostream>
#include<algorithm>
#include<Eigen/Dense>
#include<chrono>
int main(int, char**){
   

    constexpr int row=100;
    constexpr int col=100;
    Eigen::Matrix<double,row,col> jac=Eigen::Matrix<double,row,col>

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

红博啊

关注关注

10
点赞
踩
8

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

SVD原理及其应用导论

ACdreamer

03-26

1万+

今天，来学习一种很重要的矩阵分解，叫做奇异值分解（Sigular Value Decomposition），简称SVD。 Contents 1. 认识SVD 2. SVD与广义逆矩阵 3. SVD与最小二乘法 4. SVD与数据压缩 5. SVD与潜在语义分析 6. SVD与低阶近似 1. 认识SVD

Eigen常用矩阵分解以及求解线性方程组方法浅析

zhiwei121的博客

07-02

5573

Eigen常用矩阵分解以及求解线性方程组方法浅析关于矩阵分解的理论知识，可参考一下博客： https://blog.youkuaiyun.com/u013354805/article/details/48250547 我只是简单整理一下。一. 矩阵分解：矩阵分解 (decomposition, factorization)是将矩阵拆解为数个矩阵的乘积，可分为三角分解、满秩分解、QR分解、Jorda...

1 条评论您还未登录，请先登录后发表或查看评论

Eigen 利用SVD矩阵分解求伪逆代码

hankerbit的博客

09-19

4587

MatrixXd 是double类型，如果是float类型请改为 MatrixXf 计算结果可与matlab的 pinv() 函数对比，计算结果是一致的。 Eigen::MatrixXd MainWindow::pinv(Eigen::MatrixXd A) { Eigen::JacobiSVD<Eigen::MatrixXd> svd(A, Eigen::C...

求伪逆的三种方法：直接，SVD，QR及具体的应用

热门推荐

蜗牛

12-28

4万+

最近在做波达方向的估计的研究，其中涉及到了奇异矩阵的逆，直接通过matlab中的pinv（）和inv（）计算得到的结果误差较大，于是就诞生了这篇文章，当然，全文并非全部原创。奇异矩阵的求逆主要有三种方法：直接求解；SVD分解；QR分解，下面分别看看这三种方法的具体实现。并附上自己解决的问题，仅供大家参考。 ① 直接求解：求导，令导数为0，结果如下: InvA=(ATA)-1AT

Eigen不同的方法来求矩阵的逆的效率

逐日者

05-27

5547

https://stackoverflow.com/questions/50909385/eigen-linear-solver-for-very-small-square-matrix 矩阵的逆的问题，一般类似求解：Ax=b----------------->x = A-1b 这里给出stackoverflow的一个关于这个求解的的效率的讨论： 4x4矩阵的求逆测试讨论 1 测试的方法以及种类 I am using Eigen on a C++ program for solving linea

使用SVD求取矩阵的伪逆

TSINGHUAJOKING

11-24

6957

➤01 矩阵的SVD分解对于矩阵A∈Rn×mA \in R_{n \times m}A∈Rn×m，可以通过奇异值分解（Singular Vector Decomposite）分解成如下形式：A=UWVTA = UWV^TA=UWVT 其中： AAT=U(Dr2000)m×mUTAA^T = U\left( \begin{matrix} {D_r^2 } & 0\\0 & 0\\\end{matrix} \right)_{m \times m} U^TAAT

Eigen库-eigen代数运算(逆，特征值等)

明夷TEC的博客

06-09

9505

1 Eigen数据类型 Eigen是一个模板类，基本数据单元为矩阵，它的前3个参数为：数据类型，行，列，如下所示： Eigen::Matrix<float,2,3> matrix_23; Eigen通过tyepdef定义了许多内置类型，不过底层仍然是Eigen::Matrix,如下所示： Eigen::Matrix3d matrix_33 = Eigen::Matrix3d::Zero...

C++实现IK中的奇异值分解(SVD)方法

C++中的SVD实现会涉及线性代数运算，包括矩阵乘法、求逆、计算特征值和特征向量等。针对逆向运动学的优化，代码可能会包含特定的数学优化，例如使用梯度下降法或者其他优化算法来进一步提高计算效率和解的准确性。 ...

快速计算超大矩阵的eigenvalues的方法 java_Eigen密集矩阵求解 1 - 线性代数及矩阵分解...

weixin_32467423的博客

02-27

960

简介这里介绍线性系统的解析，如何进行各种分解计算，如LU，QR，SVD，特征值分解等。简单线性求解在一个线性系统，常如下表示，其中A，b分别是一个矩阵，需要求x：A x = b Ax \:= \: bAx=b在Eigen中，我们可以根据需要的精确性要求，性能要求，从而从好几种方法中选择一种来求解这个线性系统。下面的示例，可以看到一种求解方法。//matrxi_decomp1.cpp#inc...

Eigen学习笔记(12)-线性代数与矩阵分解

ClaireQi的博客

12-17

3028

原文：Eigen官网-Linear algebra and decompositions 本篇文章介绍了线性方程求解、矩阵分解，包括LU分解法，QR分解法，SVD（奇异值分解）、特征值分解等。 The problem：对于一般形式如下的线性系统： [ Ax : = : b ] The solution：解决上述方程的方式一般是将矩阵A进行分解，你可以根据A的形式选择不同的分解方法。当然最基本的方法...

矩阵求逆的QR分解与普通求逆的时间效率测试

guanxunmeng8928的博客

12-26

920

#define MATRIX_SIZE 50 clock_t time_stt = clock(); Eigen::Matrix<double, MATRIX_SIZE, 1>x = matrix_NN.inverse()*v_Nd; cout << "time use in normal inverse is " << 1000 * (clock() - time_stt) / (double)CLOCKS_PER_SEC << "ms" <&l

C++SVD分解求伪逆（Eigen库）（附C++代码）

koko_TT的博客

03-28

7648

SVD求解矩阵伪逆过程首先对矩阵A进行SVD分解得到U, D, V三个矩阵，其中D为列矩阵，是从上到下，由大到小排列的A矩阵的奇异值。若D矩阵中元素个数为n则原矩阵有n个奇异值，构建大小为V.cols() * U.cols()的S矩阵，其中S矩阵的前n个对角线的各元素为各奇异值，即D矩阵各元素的倒数。需注意D矩阵元素非负，且是由大到小的顺序进行取倒数。最后利用公式构建A矩阵的伪...

C++Eigen库矩阵求逆结果不正常（错误）

最新发布

qq_39496491的博客

10-16

1264

首先验证了B.transpose()*B，在使用Eigen库时与使用matlab时的计算结果，虽然有细微差异，但随后将Eigen库计算的B.transpose()*B替换matlab中相应部分，matlab计算结果仍可靠，说明不是B.transpose()*B的问题。随后验证了将Eigen库计算的 (B.transpose()*B).inverse()替换matlab中相应部分，发现matlab结果出错，因此确定了是Eigen矩阵求逆有问题。

eigen 矩阵求逆_有关eigen库的一些基本使用方法

weixin_30029951的博客

02-15

6126

介绍Eigen是一个轻量级的矩阵库,除了稀疏矩阵不成熟(3.1有较大改进)以外,其他的矩阵和向量操作都比较完善,而且速度不错.不支持vc6.0,vs最低版本支持2003(打补丁)，最好是2005以上.安装在eigen 3.1.3下载最新的版本，然后解压文件,将解压出来的文件夹下的\\Eigen\文件夹拷贝到程序文件夹下,包括头文件，即可使用Demo示例是vs2010环境下的程序，主要的文件就只有m...

矩阵违逆的求法

qq_29468403的博客

04-03

1238

① 直接求解：求导，令导数为0，结果如下: InvA=(ATA)-1AT % 直接求伪逆 InvA = inv(A'*A)*A'; ② SVD求解 %% SVD分解求伪逆 % 原理和公式：1. SVD分解得到的矩阵:U和V是正交阵，S是对角阵 % 2. 正交阵的逆=转置 % 3. 对角阵的逆=非...

C++利用Eigen计算二维向量的逆矩阵

mu_xing_的博客

09-08

870

【代码】【利用Eigen计算二维向量的逆矩阵——C++】

视觉SLAM十四讲（二）Eigen库

Jared_Chen的博客

10-01

1401

Eigen库是一个C++的开源线性代数库。它是一个纯头文件搭建起来的库，不需要链接库文件。 Eigen库中所有的向量和矩阵都是Eigen::Matrix，它是一个模板类，它的前三个参数为数据类型、行、列。如果不确定矩阵的大小，可以使用动态大小的矩阵：Matrix<double,Dynamic,Dynamic> matrix_dynamic; 随机数矩阵：Matrix3d::Random(); 转置：matrix_33.transpose(); 各元素之和：matrix_33.sum(

eigen 矩阵求逆_使用 Eigen 3.3.3 进行矩阵运算

weixin_42302418的博客

12-23

4208

Eigen是一个能够进行线性代数运算的C++开源软件包，包含矩阵和矢量操作，Matlab中对矩阵的大多数操作都可以在Eigen中找到。最近需要计算厄米特矩阵的逆，基于LLT分解和LDLT分解，自己写了几个代码，但精度不是很高，所以考虑了使用Eigen，精度和准确性还是蛮高的。网址:http://eigen.tuxfamily.org/index.php?title=Main_Page1. 如何在...

C++中Eigen库实现SVD分解方法详解

在C++中使用Eigen库进行SVD分解，需要包含Eigen的头文件，并使用Eigen中定义的类和函数。以下是一个简单的示例代码，展示了如何在Eigen中进行SVD分解： ```cpp #include <Eigen/Dense> #include using namespace ...