Eigen使用稀疏b向量调用solveWithGuess迭代求解线性系统报错

接口限制的原因 #

Eigen 3.4.x版本的BiCGSTAB求解器中，solve()和solveWithGuess()的接口实现逻辑不同：

• solve()方法针对稀疏右侧向量b做了专门的重载，会自动完成稀疏到稠密的隐式转换，再送入迭代逻辑
• solveWithGuess()在3.4版本没有做稀疏输入的兼容设计，仅支持传入派生自Eigen::VectorBase的稠密向量类型，稀疏向量属于Eigen::SparseVectorBase类型，无法匹配函数签名，因此报调用错误。

之所以有这个设计差异，核心是因为迭代求解的所有核心计算步骤（残差计算、内积、预条件器作用、向量更新）都基于稠密向量实现，哪怕输入的b或x0是稀疏格式，迭代过程中所有中间变量也都是稠密的，3.4版本的开发团队认为给solveWithGuess额外加稀疏重载的收益极低，因此没有做对应的适配。
你测试中solver.solveWithGuess(dv, sv);可以正常运行，本质是编译器自动把稀疏的x0隐式转换为了稠密向量，并非原生支持稀疏输入。

优化解决方案 #

1. 优先升级Eigen版本 #

Eigen 3.5及以上稳定版本已经补全了solveWithGuess的稀疏输入重载，可以直接传入稀疏格式的b和x0，不需要修改现有业务逻辑，是成本最低的优化方案。

2. 3.4版本下的低开销适配 #

如果受环境限制必须使用Eigen 3.4版本，不需要调整求解逻辑，只要减少不必要的稀疏/稠密格式互转即可降低开销，参考写法：

Eigen::SparseMatrix<double> A;
Eigen::SparseVector<double> b;
Eigen::SparseVector<double> x0;

Eigen::BiCGSTAB<SparseMat, Eigen::IncompleteLUT<double>> solver;
solver.compute(A);
// 仅做两次稀疏转稠密操作，迭代全程使用稠密向量减少转换开销
Eigen::VectorXd dense_b(b);
Eigen::VectorXd dense_x0(x0);
Eigen::VectorXd dense_x = solver.solveWithGuess(dense_b, dense_x0);

// 仅当下游逻辑必须使用稀疏格式的x时再做转换，否则直接使用dense_x即可
Eigen::SparseVector<double> x = dense_x.sparseView();

这种写法的额外开销仅为两次O(n)的格式转换，和迭代求解本身的计算开销相比几乎可以忽略，你之前感知到的效率低大概率是多次隐式格式转换导致的，按上述写法减少转换次数后性能不会有明显损失。

3. 自定义接口扩展（不推荐） #

如果确实需要原生支持稀疏输入，可以参考Eigen源码中solve()的稀疏重载实现，自行给BiCGSTAB类扩展支持稀疏输入的solveWithGuess方法，但是该方案需要修改Eigen源码，后续升级版本时需要重新适配，性价比极低。

内容的提问来源于stack exchange，提问作者Alex