Eigen，获取反向失败，反向（）太慢了

我想得到逆矩阵，下面是代码：

if (m.rows() == m.fullPivLu().rank())
{
    res = m.inverse();
}

m和res的尺寸都是5000乘以5000。当我在一台高性能计算机器Linux，超级计算机上运行代码时，这个过程在res=m.inverse时被终止；，并且没有生成核心文件或转储信息。控制台返回被终止，进程退出

但是我的Ubuntu笔记本电脑没有问题

而且，反向器的性能很差，而且花费了很多时间

---

那么，为什么在这台高性能机器上杀死了inverse？谢谢大家!

众所周知，全旋转LU非常慢，无论其实现如何

更好地使用PartialPivLU，这得益于高性能矩阵运算。然后，为了充分利用Egen，请使用3.3-beta2版本并使用FMA-mfma和OpenMP进行编译，例如，-fopenmp支持，并且不要忘记启用编译器优化-O3。此操作不应超过几秒钟

最后，您真的需要显式地计算逆吗？如果只将其应用于某些向量或矩阵，即A^-1*B或B*A^-1，则最好以分解形式应用逆，而不是显式计算逆。对于Eigen 3.3：

MatrixXd A = ...;
PartialPivLU<MatrixXd> lu(A);
x = lu.inverse() * b; // solve Ax=b, same as x = lu.solve(b);
x = b * lu.inverse(); // solve xA=b

---

在这些表达式中，未显式计算逆

众所周知，全旋转LU非常慢，无论其实现如何

更好地使用PartialPivLU，这得益于高性能矩阵运算。然后，为了充分利用Egen，请使用3.3-beta2版本并使用FMA-mfma和OpenMP进行编译，例如，-fopenmp支持，并且不要忘记启用编译器优化-O3。此操作不应超过几秒钟

最后，您真的需要显式地计算逆吗？如果只将其应用于某些向量或矩阵，即A^-1*B或B*A^-1，则最好以分解形式应用逆，而不是显式计算逆。对于Eigen 3.3：

MatrixXd A = ...;
PartialPivLU<MatrixXd> lu(A);
x = lu.inverse() * b; // solve Ax=b, same as x = lu.solve(b);
x = b * lu.inverse(); // solve xA=b

---

在这些表达式中，未显式计算逆

你有什么样的表演？你在期待什么？别忘了，反转在^3上。你从一台我们大多数人都无法访问的计算机上得到了什么样的信息/转储/东西？@AviGinsburg，得到相反的信息时速度非常慢。没有生成核心文件或转储信息。控制台返回被终止，进程退出。您的性能如何？你在期待什么？别忘了，反转在^3上。你从一台我们大多数人都无法访问的计算机上得到了什么样的信息/转储/东西？@AviGinsburg，得到相反的信息时速度非常慢。没有生成核心文件或转储信息。控制台返回被终止，进程退出。谢谢你，ggael。我需要得到矩阵的逆。你能发布关于Eigen编译优化的文档吗？谢谢你，ggael。我需要得到矩阵的逆。你能发布关于Eigen编译优化的文档吗？