eigen库的使用

最新推荐文章于 2024-11-19 12:03:47 发布

原创最新推荐文章于 2024-11-19 12:03:47 发布 · 2k 阅读

4 ·

CC 4.0 BY-SA版权

语法知识专栏收录该内容

12 篇文章

订阅专栏

本文详细比较了Eigen库在矩阵模板类、初始化、元素访问、基本操作和特殊矩阵生成等方面与Matlab的相似性和差异，帮助理解两者在C++中的使用方式。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

与matlab对比
eigen就是一个matrix的模板类。

template<typename _Scalar, int _Rows, int _Cols, int _Options, int _MaxRows, int _MaxCols>
class Matrix

我们一般用前面三个参数，_Scalar即不同的数据类型(int float double complex等)，所谓的模板，也就是这个。
Vecotor3d = Matrix<double,3,1>
MatrixXf = Matrix<float, Dynamic, Dynamic>

初始化与赋值

//1. 直接初始化
Vector3d a(0,0,1); //这样不能在作为类的成员变量时使用
Vector3d a = {0,0,1}; //这样也可以
Vector3d{0,0,1} ;//不要变量名 
//2.先定义再赋值
Vector3d a;
a << 0,0,1;
a = Vector3d{0,0,1} //这里又生成了一个临时变量
a = {0,0,1}  //这样也可以
//3.也可以用下面元素访问的形式赋值
a(0) = 0;
m(0,1) =1;
m.row(0) = Vector3d{0,0,1};

元素的访问

//1.使用常规的下标
v[0] = 1;
v(1) = 2;
m(0,0) =3;
//2.matrix读取某行某列
m.col(0)
m.row(1)
//3.访问矩阵块
// Eigen                           // Matlab
x.head(n)                          // x(1:n)
x.head<n>()                        // x(1:n)
x.tail(n)                          // x(end - n + 1: end)
x.tail<n>()                        // x(end - n + 1: end)
x.segment(i, n)                    // x(i+1 : i+n)
x.segment<n>(i)                    // x(i+1 : i+n)
P.block(i, j, rows, cols)          // P(i+1 : i+rows, j+1 : j+cols)
P.block<rows, cols>(i, j)          // P(i+1 : i+rows, j+1 : j+cols)
P.row(i)                           // P(i+1, :)
P.col(j)                           // P(:, j+1)
P.leftCols<cols>()                 // P(:, 1:cols)
P.leftCols(cols)                   // P(:, 1:cols)
P.middleCols<cols>(j)              // P(:, j+1:j+cols)
P.middleCols(j, cols)              // P(:, j+1:j+cols)
P.rightCols<cols>()                // P(:, end-cols+1:end)
P.rightCols(cols)                  // P(:, end-cols+1:end)
P.topRows<rows>()                  // P(1:rows, :)
P.topRows(rows)                    // P(1:rows, :)
P.middleRows<rows>(i)              // P(i+1:i+rows, :)
P.middleRows(i, rows)              // P(i+1:i+rows, :)
P.bottomRows<rows>()               // P(end-rows+1:end, :)
P.bottomRows(rows)                 // P(end-rows+1:end, :)
P.topLeftCorner(rows, cols)        // P(1:rows, 1:cols)
P.topRightCorner(rows, cols)       // P(1:rows, end-cols+1:end)
P.bottomLeftCorner(rows, cols)     // P(end-rows+1:end, 1:cols)
P.bottomRightCorner(rows, cols)    // P(end-rows+1:end, end-cols+1:end)
P.topLeftCorner<rows,cols>()       // P(1:rows, 1:cols)
P.topRightCorner<rows,cols>()      // P(1:rows, end-cols+1:end)
P.bottomLeftCorner<rows,cols>()    // P(end-rows+1:end, 1:cols)
P.bottomRightCorner<rows,cols>()   // P(end-rows+1:end, end-cols+1:end)

基本操作

//1.对应元素的加减
m = m1 + m2
//2.乘 (矩阵的相乘)
m = m1*m2
//3.向量的点成v. dot(v1) 叉乘 v.cross(v2)
//4.转置 transpose()
//5.求模 norm()
//6. a.sum()：		返回矩阵a中所有元素的和
 a.prod()：		返回矩阵a中所有元素的积
 a.mean()：		返回矩阵a中所有有元素的平均值
 a.trace():		返回矩阵的迹，即返回主对角线上元素的和。如果不是方阵或者为向量，仍返回对角线元素的和。
 a.minCoeff()：	返回矩阵中最小的元素
 a.maxCoeff()：	返回矩阵中最大的元素

//另外，对于.minCoeff()，.maxCoeff()，有以下用法：
int i,j;//或std::ptrdiff_t i, j
auto min = a.minCoeff(i,j);返回a的最小元素赋值给min，并将最小元素所在行号、列号赋值给i、j。
auto max = a.maxCoeff(p,q);返回a的最大元素赋值给max，并将最大元素所在行号、列号赋值给q、p。

4.生成特殊矩阵

// Eigen                            // Matlab
MatrixXd::Identity(rows,cols)       // eye(rows,cols)
C.setIdentity(rows,cols)            // C = eye(rows,cols)
MatrixXd::Zero(rows,cols)           // zeros(rows,cols)
C.setZero(rows,cols)                // C = ones(rows,cols)
MatrixXd::Ones(rows,cols)           // ones(rows,cols)
C.setOnes(rows,cols)                // C = ones(rows,cols)
MatrixXd::Random(rows,cols)         // rand(rows,cols)*2-1        // MatrixXd::Random returns uniform random numbers in (-1, 1).
C.setRandom(rows,cols)              // C = rand(rows,cols)*2-1
VectorXd::LinSpaced(size,low,high)  // linspace(low,high,size)'
v.setLinSpaced(size,low,high)       // v = linspace(low,high,size)'