[英]LAPACKE C++ Real Matrix Inversion
我正在尝试在 C++ LAPACKE 中反转实矩阵。 我对复杂矩阵具有相同的功能,并且可以正常工作。 但真实案例给出了错误的答案。 这是我的功能:
void inv(std::vector<std::vector<double>> &ans, std::vector<std::vector<double>> MAT){
int N = MAT.size();
int *IPIV = new int[N];
double * arr = new double[N*N];
for (int i = 0; i<N; i++){
for (int j = 0; j<N; j++){
int idx = i*N + j;
arr[idx] = MAT[i][j];
}
}
LAPACKE_dgetrf(LAPACK_ROW_MAJOR, N, N, arr, N, IPIV);
LAPACKE_dgetri(LAPACK_ROW_MAJOR, N, arr, N, IPIV);
for (int i = 0; i<N; i++){
for (int j = 0; j<N; j++){
int idx = i*N + j;
ans[i][j] = arr[idx];
}
}
delete[] IPIV;
delete[] arr;
}
我尝试反转一个 24 x 24 的双精度矩阵。 虽然程序似乎几乎就在那里,但逆还没有完全到位,它与 python linalg inverse 给我的有很大不同(python 就在这里,因为我将矩阵与逆相乘,结果非常接近 indentity)。 在 LAPACKE 输出中,我将矩阵乘以其逆矩阵,得到对角线为 1,但非对角线的值高达 0.17,与 0 相比是巨大的。有没有办法让 LAPACKE 程序提供更好的结果? 谢谢!
对于具有大行列式的矩阵,您可以重新调整输入,计算逆,然后重新调整输出。 这是一个非常简单的 Python 示例,您的比例因子应为 1/25 左右,以获得 (1/25) 24 =2.8e-34 的总乘数,从而使输入矩阵行列式约为 1000。
import numpy as np
scale = 0.5
i = np.array([[1,2],[3,4]])
print(i)
print(np.linalg.det(i))
print("-----------------------------------")
x = np.multiply(i, [scale]) # rescale matrix
print(x)
print(np.linalg.det(x)) # determinant should be less
print("-----------------------------------")
y = np.linalg.inv(x)
print(y)
print(np.linalg.det(y))
print("-----------------------------------")
o = np.multiply(y, [scale]) # rescale matrix
print(o)
print(np.linalg.det(o))
print(np.dot(i, o))
您可以使用scale
并验证代码是否返回正确反转的输入矩阵。
所以你的代码将是
double scale = 1.0/25.0;
for (int i = 0; i<N; i++){
for (int j = 0; j<N; j++){
int idx = i*N + j;
arr[idx] = scale*MAT[i][j];
}
}
....
for (int i = 0; i<N; i++){
for (int j = 0; j<N; j++){
int idx = i*N + j;
ans[i][j] = scale * arr[idx];
}
}
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.