C++ 具有特征值的LDLT就地分解

我正在做一些非常大的对称矩阵（~800mb）的线性代数，我正在尝试几种不同的分解。目前，我正在实现LDLT，我想利用它通过用L^T覆盖矩阵的上三角来减少一半的内存需求。尽管Eigen的文档中没有列出要实现这一点的方法，但在内部名称空间中有一些隐藏的方法，它们可以满足我的需要

这些方法可以在以下结构中找到：

template struct ldlt_inplace

和

template struct ldlt_inplace

中

---

这些方法是我想要的，对吗？我如何使用它们？我是否应该避免使用它们，因为它们是内部的，因此可能会被更改和弃用？

内部确实意味着该函数的原型可能会在将来的版本中更改。LDLT:：compute（）方法是如何使用它的一个很好的例子：

Transpositions<Dynamic> T(mat.cols());
VectorXd temp(mat.cols());
int sign;
Eigen::internal::ldlt_inplace<Eigen::Lower>::unblocked(mat, T, temp, &sign);

换位T（mat.cols（））；
向量xd温度（mat.cols（））；
整数符号；
本征：：内部：：ldlt\U就地：：未阻塞（垫、T、温度和符号）；

编辑

在Egeng 3.3中，您可以使用

LDLT

：

矩阵A；
LDLT-LDLT（A）；

---

ldlt

然后将

A

分解为

A

本身。有关详细信息，请参阅。

谢谢！其实很简单。我是否可以采取任何预防措施来保护自己不受未来变化的影响？现在官方支持：

MatrixXd A;
LDLT<Ref<MatrixXd> > ldlt(A);