EIGEN 3.3.4中RowMajor存储SparseMatrix求逆及求解器适配问题

最近帮朋友排查了Eigen中RowMajor稀疏矩阵求逆的问题，正好和你遇到的情况一模一样，给你梳理下问题根源和解决办法：

你遇到的两个核心问题解析 #

1. RowMajor矩阵用SimplicialLDLT求解返回Solve对象无法转换
   SimplicialLDLT这个求解器本质是为ColMajor对称矩阵设计的，它的solve()方法返回的是延迟计算的Solve代理对象，直接转RowMajor矩阵会触发THIS_METHOD_IS_ONLY_FOR_COLUMN_MAJOR_MATRICES错误——这是因为内部实现只兼容ColMajor的存储逻辑。

2. 切换ColMajor求解器后得到错误的逆矩阵
   这才是关键！SimplicialLDLT仅适用于对称正定矩阵，但你的矩阵A是下三角矩阵（不对称，第一行第二列是-1，第二行第一列是0），用这个求解器相当于强行按对称矩阵处理，自然得到错误的单位矩阵结果。

正确解决方案：换用SparseLU求解器 #

SparseLU是Eigen专门为非对称稀疏矩阵设计的直接求解器，完美支持RowMajor存储格式，能正确处理你的矩阵。

给你贴个可直接运行的完整代码：

#include <Eigen/Sparse>
#include <iostream>

int main() {
    // 初始化RowMajor稀疏矩阵A
    Eigen::SparseMatrix<short, Eigen::RowMajor> A(3, 3);
    A.insert(0, 0) = 1;
    A.insert(0, 1) = -1;
    A.insert(1, 1) = 1;
    A.insert(2, 2) = 1;
    A.makeCompressed(); // 压缩矩阵提升求解效率

    // 创建RowMajor单位矩阵I
    Eigen::SparseMatrix<short, Eigen::RowMajor> identity(A.rows(), A.cols());
    identity.setIdentity();

    // 使用SparseLU求解器，支持RowMajor和非对称矩阵
    Eigen::SparseLU<Eigen::SparseMatrix<short, Eigen::RowMajor>> solver;
    solver.compute(A);

    // 检查矩阵分解是否成功（避免奇异矩阵）
    if (solver.info() != Eigen::Success) {
        std::cerr << "矩阵分解失败，可能是奇异矩阵！" << std::endl;
        return 1;
    }

    // 求解Ax=I，直接得到RowMajor的稀疏逆矩阵
    Eigen::SparseMatrix<short, Eigen::RowMajor> inverse = solver.solve(identity);

    // 输出结果验证
    std::cout << "预期逆矩阵：\n1 1 0\n0 1 0\n0 0 1\n" << std::endl;
    std::cout << "实际计算结果（非零元素）：" << std::endl;
    for (int k = 0; k < inverse.outerSize(); ++k) {
        for (Eigen::SparseMatrix<short, Eigen::RowMajor>::InnerIterator it(inverse, k); it; ++it) {
            std::cout << "(" << it.row() << "," << it.col() << ") = " << it.value() << " ";
        }
        std::cout << std::endl;
    }

    return 0;
}

额外注意点 #

• 一定要调用makeCompressed()：稀疏矩阵在插入元素后是未压缩状态，求解前压缩能大幅提升效率
• 加入求解器状态检查：如果矩阵是奇异的（不可逆），solver.compute()会失败，提前检查能避免程序崩溃
• 稀疏矩阵输出：直接cout << inverse可能看不到完整结果，遍历非零元素是更可靠的方式

内容的提问来源于stack exchange，提问作者Spazz