我在MATLAB中有以下代码，在尝试计算lamb之前，它会进行LU分解，我将其包含在内以提供一些上下文。
P=[1,2,3;4,5,6;7,8,9];
U=[0;1;2];
[F,J]=lu(P);
Jlamda=F\U;
lamb=J\Jlamda;F为：
0.142857142857143 1 0
0.571428571428571 0.500000000000000 1
1 0 0U为：
7 8 9
0 0.857142857142857 1.71428571428571
0 0 1.11022302462516e-16当我尝试在Eigen中用以下代码复制这个时：
MatrixXd P(3, 3);
P << 1, 2, 3, 4, 5, 6, 7, 8, 9;
MatrixXd U(3, 1);
U << 0, 1, 2;
PartialPivLU<MatrixXd> lu = PartialPivLU<MatrixXd>(P);
MatrixXd J = lu.matrixLU().triangularView<UpLoType::Upper>();
MatrixXd F = lu.matrixLU().triangularView<UpLoType::UnitLower>();
MatrixXd Jlamda = F.lu().solve(U);
MatrixXd l = J.lu().solve(Jlamda);
cout << F << endl;
cout << endl;
cout << J << endl;其中打印：
7 8 9
0 0.857143 1.71429
0 0 1.11022e-16虽然我显然可以手工制作一个矩阵，将C++中的F行转换为MATLAB中的F行，但我不确定如何动态地完成这一操作。PartialPivLU是实现这一点的最佳方法吗？还是我遗漏了一些更琐碎的东西？
2条答案
按热度按时间6pp0gazn1#
通过调用
[F,J]=lu(P)，得到的矩阵F是一个 * 置换 * 下三角矩阵。您可以将函数调用为[F,J,perm]=lu(P)，以将F接收为真正的下三角矩阵，并将P接收为单独的置换矩阵，以便F*J = perm*P。MatrixXd F = lu.matrixLU().triangularView<UpLoType::UnitLower>();如果你想要像Matlab返回的那样的置换后的下三角矩阵，那么你可以通过调用
permutationP然后将这个矩阵乘以F来将置换矩阵存储在特征值中。5rgfhyps2#
DCSmith给出的答案非常接近，但是似乎还必须对置换矩阵调用transpose（）才能获得正确的结果：
图纸：
这与MatLab示例相同