使用BLAS和LAPACKE在C ++中用SVD计算伪逆

Question

我正在尝试实现矩阵的伪逆计算A *，以解决C ++中具有尺寸的正方形nxn矩阵A的Ax = b的问题。 A *的算术公式是通过SVD分解得出的。

因此，首先我计算SVD（A）= USV ^ T，然后计算A * = VS U ^ T，其中S是反对角线S，其中非零元素si在S *中变为1 / si。 最后我计算出解x = A * b

但是我没有得到正确的结果。 我正在使用LAPACKE接口进行c ++和cblas进行矩阵乘法。 这是我的代码：

double a[n * n] = {2, -1, 2,1};
double b[n]={3,4};
double u[n * n], s[n],vt[n * n];

int lda = n, ldu = n, ldvt = n;

int info = LAPACKE_dgesdd(LAPACK_COL_MAJOR, 'A', n, n, a, lda, s,
               u, ldu, vt, ldvt);




for (int i = 0; i < n; i++) {
        s[i] = 1.0 / s[i];       
}

const int a = 1;
const int c = 0;

double r1[n];
double r2[n];
double res[n];

//compute the  first multiplication s*u^T
cblas_dgemm( CblasColMajor,CblasNoTrans, CblasTrans, n, n, n, a, u, ldvt, s, ldu, c, r1, n);

//compute the second multiplication v^T^T=vs*u^T
cblas_dgemm( CblasColMajor,CblasTrans, CblasNoTrans, n, n, n, a, vt, ldvt, r1, ldu, c, r2, n);

//now that we have the pseudoinverse A* solve by multiplying with b.
cblas_dgemm( CblasColMajor,CblasNoTrans, CblasNoTrans, n, 1, n, a, r2, ldvt, b, ldu, c, res, n);

在第二个cblas_dgemm之后，期望在r2中具有A *伪逆。 但是，与matlab pinv比较后，我没有得到相同的结果。 如果我打印r2，则结果为：

 0.25   0.50
 0.25   0.50

但应该是

0.25   -0.50
0.25   0.50

Answer 1

LAPACKE_dgesdd()的参数S表示SVD分解中矩阵的奇异值。 虽然长度为n ，但它不表示向量，因为它表示对角矩阵。 实际上，Su ^ T的结果是大小为n*n的矩阵。

例程cblas_dscal()可以循环应用，以计算涉及对角矩阵的矩阵乘积，尽管所得Su ^ t仍会转置。 了解在fortran中对角矩阵相乘的最佳方法是什么

以下代码可以由g++ main.cpp -o main -llapacke -llapack -lgslcblas -lblas -lm -Wall （或-lcblas` ...）编译。

#include <iostream>
#include <string>
#include <fstream>  

#include <stdlib.h>
#include <stdio.h>
#include <math.h>



extern "C" { 
#include <lapacke.h>
#include <cblas.h>
}

int main(int argc, char *argv[])
{
const int n=2;

double a[n * n] = {2, -1, 2,1};
double b[n]={3,4};
double u[n * n], s[n],vt[n * n];

int lda = n, ldu = n, ldvt = n;

//computing the SVD
int info = LAPACKE_dgesdd(LAPACK_COL_MAJOR, 'A', n, n, a, lda, s,
               u, ldu, vt, ldvt);
if (info !=0){
std::cerr<<"Lapack error occured in dgesdd. error code :"<<info<<std::endl;
}


for (int i = 0; i < n; i++) {
        s[i] = 1.0 / s[i];       
}

const int aa = 1;
const int c = 0;

//double r1[n*n];
double r2[n*n];
double res[n];

//compute the  first multiplication s*u^T
// here : s is not a vector : it is a diagonal matrix. The ouput must be of size n*n
//cblas_dgemm( CblasColMajor,CblasNoTrans, CblasTrans, n, n, n, aa, u, ldvt, s, ldu, c, r1, n);
for (int i = 0; i < n; i++) {
cblas_dscal(n,s[i],&u[i*n],1);
}

//compute the second multiplication v^T^T=vs*u^T
cblas_dgemm( CblasColMajor,CblasTrans, CblasTrans, n, n, n, aa, vt, ldvt, u, ldu, c, r2, n);
//now, r2 is the pseudoinverse of a.
//now that we have the pseudoinverse A* solve by multiplying with b.
cblas_dgemm( CblasColMajor,CblasNoTrans, CblasNoTrans, n, 1, n, aa, r2, ldvt, b, ldu, c, res, n);


for (int i = 0; i < n; i++) {
for (int j = 0; j < n; j++) {
    std::cout<<r2[i*n+j]<<" ";
}
}

std::cout<<std::endl;
}

它输出预期结果：

0.25 0.25 -0.5 0.5