本征函数中三元算子的类型误差 我在C++中做了一个类来概括两个稀疏矩阵求解器(Savelu和Sparse Cholesky)。当我尝试使用三元运算符时,它表示操作数类型不兼容,但如果使用if语句,代码将编译
错误2错误:操作数类型不兼容(“const-Eigen::Solve本征函数中三元算子的类型误差 我在C++中做了一个类来概括两个稀疏矩阵求解器(Savelu和Sparse Cholesky)。当我尝试使用三元运算符时,它表示操作数类型不兼容,但如果使用if语句,代码将编译,c++,eigen,C++,Eigen,错误2错误:操作数类型不兼容(“const-Eigen::Solve
#pragma once
#ifndef SOLVER_H
#define SOLVER_H
#include <Eigen/Core>
#include <Eigen/Sparse>
#include <Eigen/SparseLU>
#include <Eigen/SparseCholesky>
#define eigen Eigen
class Solver {
private:
bool is_cholesky;
eigen::SimplicialLDLT<eigen::SparseMatrix<double>> cholesky;
eigen::SparseLU<eigen::SparseMatrix<double>> lu;
public:
Solver(bool is_choleski) {
this->is_cholesky = is_choleski;
}
eigen::ComputationInfo info() {
return is_cholesky ? cholesky.info() : lu.info();
}
void compute(eigen::SparseMatrix<double> &B) {
is_cholesky ? cholesky.compute(B) : lu.compute(B);
}
eigen::VectorXd solve(eigen::VectorXd &b) {
return is_cholesky ? cholesky.solve(b) : lu.solve(b); // ERROR HERE
}
};
#endif // SOLVER_H
#pragma一次
#ifndef解算器
#定义解算器
#包括
#包括
#包括
#包括
#定义本征
类求解器{
私人:
布尔是乔尔斯基;
本征::SimplicialLDLT-cholesky;
艾根::斯巴塞鲁路;
公众:
解算器(布尔·伊斯·乔尔斯基){
这->is_cholesky=is_choleski;
}
特征::计算信息(){
返回值是_cholesky?cholesky.info():lu.info();
}
void compute(eigen::SparseMatrix&B){
是乔尔斯基吗?乔尔斯基。计算(B):lu。计算(B);
}
本征::矢量解算(本征::矢量解算&b){
返回值是_cholesky?cholesky.solve(b):lu.solve(b);//此处出错
}
};
#endif//SOLVER\u H
aa?b:c
表达式类型的规则要求它是b
表达式的类型或c
表达式的类型
这里的cholesky.solve(b)
的类型与lu.solve(b)
不同,并且两者都没有到另一个的隐式转换。结果表达式将需要转换到eigen::VectorXd
被忽略。因此,“操作数类型不兼容”错误
这里,每个表达式都必须直接转换为存在的特征::VectorXd
if (is_cholesky) {
return cholesky.solve(b);
}
else {
return lu.solve(b);
}
您可以通过明确提及?:
表达式的类型来强制将其设置为eigen::VectorXd
,例如
return is_cholesky ? eigen::VectorXd{ cholesky.solve(b) } : lu.solve(b);
a
a?b:c
表达式类型的规则要求它要么是b
表达式的类型,要么是c
表达式的类型
这里的cholesky.solve(b)
的类型与lu.solve(b)
不同,并且两者都没有到另一个的隐式转换。结果表达式将需要转换到eigen::VectorXd
被忽略。因此,“操作数类型不兼容”错误
这里,每个表达式都必须直接转换为存在的特征::VectorXd
if (is_cholesky) {
return cholesky.solve(b);
}
else {
return lu.solve(b);
}
您可以通过明确提及?:
表达式的类型来强制将其设置为eigen::VectorXd
,例如
return is_cholesky ? eigen::VectorXd{ cholesky.solve(b) } : lu.solve(b);
谢谢Caleth!
eigen::VectorXd{cholesky.solve(b)}
和(eigen::VectorXd)cholesky.solve(b)
?@RaphaelSampaio对编译器来说有什么区别吗:没有。对程序员来说:前者不意味着重新解释,也不意味着常量转换,后者是canThanks Caleth!eigen::VectorXd之间有什么区别吗{cholesky.solve(b)}和(eigen::VectorXd)cholesky.solve(b)
?@RaphaelSampaio对编译器:不。对程序员:前者不能意味着重新解释强制转换,也不能意味着强制转换,后者可以
return is_cholesky ? eigen::VectorXd{ cholesky.solve(b) } : lu.solve(b);