Eigen::SparseMatrix对称矩阵高效初始化技术问询

好问题！我之前在做有限元项目时正好折腾过类似的对称稀疏矩阵需求，给你详细说说Eigen里的解决方案：

关于setFromTriplets()自动复制对称元素 #

默认情况下，setFromTriplets()不会自动帮你复制对称位置的元素——你传进去的三元组是什么样，矩阵就会生成什么样。如果只传上/下三角的非对角元素，对称位置会保持0值。

如果不想手动重复添加对称元素，有两种高效的处理方式：

1. 手动写个辅助函数自动补全对称三元组 #

这个方法适合你需要完整存储整个矩阵（而非仅三角部分）的场景，不用手动写两遍元素：

// 辅助函数：给三元组列表添加对称位置的元素
void addSymmetricTriplets(std::vector<Eigen::Triplet<double>>& triplets) {
    const size_t original_count = triplets.size();
    for (size_t i = 0; i < original_count; ++i) {
        const auto& t = triplets[i];
        // 跳过对角元素，只补全非对角的对称位置
        if (t.row() != t.col()) {
            triplets.emplace_back(t.col(), t.row(), t.value());
        }
    }
}

用法很简单：先只添加三角部分的三元组，调用这个函数补全，再传给setFromTriplets()就行。

2. 利用三角存储模式+自伴视图（更推荐） #

如果你想节省内存，只存储三角部分，同时让Eigen的算法自动识别对称性，这是最优解：

首先，初始化时指定稀疏矩阵的存储模式为Eigen::Lower或Eigen::Upper（只存下/上三角）：

std::vector<Eigen::Triplet<double>> triplets;
// 只添加下三角的元素（包括对角）
triplets.emplace_back(0, 0, 5.0);
triplets.emplace_back(1, 0, 2.0);
triplets.emplace_back(1, 1, 3.0);
triplets.emplace_back(2, 1, 1.0);
triplets.emplace_back(2, 2, 4.0);

// 声明一个只存下三角的稀疏矩阵
Eigen::SparseMatrix<double, Eigen::Lower> mat(3, 3);
mat.setFromTriplets(triplets.begin(), triplets.end());

然后，通过selfadjointView()创建一个对称矩阵视图，让Eigen的求解器、分解算法自动利用对称性优化：

// 创建下三角存储的对称视图
auto symmetric_mat = mat.selfadjointView<Eigen::Lower>();

// 比如求解线性方程组Ax = b，求解器会自动用对称优化逻辑
Eigen::VectorXd b(3);
b << 1, 2, 3;
Eigen::VectorXd x = symmetric_mat.colPivHouseholderQr().solve(b);

关于设置矩阵对称属性并适配算法 #

上面的自伴视图（SelfAdjointView）就是Eigen用来标记矩阵对称属性的方式——它不需要额外存储对称元素，而是在算法执行时自动访问三角部分的元素来模拟完整对称矩阵。

几乎所有Eigen的线性代数算法（QR分解、Cholesky分解、求解器等）都能识别SelfAdjointView，并针对对称矩阵做性能优化，比如减少计算量、利用更高效的分解方法（比如Cholesky比QR更适合对称正定矩阵）。

需要注意的是：如果你声明了Eigen::Lower存储模式，就必须保证三元组里只包含下三角（包括对角）的元素，否则Eigen会忽略超出三角部分的元素。

内容的提问来源于stack exchange，提问作者master_clown