C++調用Eigen庫技巧的直觀理解

1、IDE（集成開發(fā)環(huán)境）設置將 Eigen 程序文件夾添加到包含文件中 .包含文件#include 包含命名空間using name Eigen;下標類型與C+相同，從0開始.默認矩陣元素排列列主元初始化程序中賦值 MatrixXd A; A 程序中賦值 MatrixXd A; A 1, 2, 3,4, 5, 6,7, 8, 9;/ Initialize A. The elements can also be / matrices, which are stacked along cols / and then the rows are stacked.快速生成常用矩陣和向量MatrixXd A

2、=MatrixXd:Zero(m, n); /matlab 中的 A=zeros(m,n)MatrixXd A; A.setZero(m, n);MatrixXd A=MatrixXd:Ones(m, n); /matlab 中的 A=ones(m, n)MatrixXd A; A.setOnes(m, n);MatrixXd A=MatrixXd:Identity(m, n); /matlab 中的 A=eye(m,n)MatrixXd A; A.setIdentity(m, n);MatrixXd A; A=C*MatrixXd:Ones(m, n); /matlab 中的 A=C*one

3、s(m,n)MatrixXd A; A=MatrixXd:Constant(m,n,C);MatrixXd A(m,n); A=fill(C);VectorXd a_vec=VectorXd:Constant(m, C); /matlab 中的 a_vec=C*ones(m,1) VecotrXda_vec=VectorXd:LinSpaced(n, x1, x2); /matlab 中 的 a_vec=linspace(x1, x2, n).;VectorXd a_vec; a_vec.setLinSpaced(n, x1, x2);轉置、共軛和共軛轉置MatrixXd B=A.adjoin

4、t(); /matlab 中的 B=AMatrixXcd B=A.conjugate(); /matlab 中的 B=conj(A);MatrixXd B=A.transpose(); /matlab 中的 B=A.提取矩陣尺度A.size();/matlab 中的 length(A(:)A.rows();/matlab 中的 size(A,1)A.cols();/matlab 中的 size(A,2)變矩陣尺度A.resize(m1,n1); /matlab 中的 A=reshape(A,m1,n1);產生隨機矩陣MatrixXd A=MatrixXd:Random(m, n); /matl

5、ab 中的 A=2*rand(m,n)-1MatrixXd A; A.setRandom(m, n); /matlab 中的 A=2*rand(m,n)-1MatrixXcd A=MatrixXcd:Random(m,n); /生成實部和虛部均在(-1,1)中的隨機 復數矩陣點乘和點除MatrixXd C=A.cwiseProduct(B); /matlab 中的 C=A.*BVectorXd c=a_vec.cwiseProduct(b); /matlab 中的 c=a_vec.*bMatrixXd C=A.cwiseQuotient(B); /matlab 中的 C=A./BMatrixX

6、d B=A.cwiseInverse(); /matlab 中的 B=1./A;矩陣按內存順序單指數索引A(i); /matlab 中的 A(i+1)矩陣與標量運算(逐元素運算)MatrixXd C=A.array()+k; /matlab 中的 C=A+kMatrixXd C=A.array()/B.array(); /matlab 中的 C=A./BMatrixXd B=A.array().sin(); /matlab 中的 sin(A)MatrixXd B二A.array().pow(s); /matlab 中的 AsMatrixXd B=A.array().log(); /matlab

7、 中的 log(A)向量點乘求和a_vec.dot(b_vec); /matlab 中的 sum(a.*b)VectorXd、RowVectorXd 與 MatrixXd 的關系VectorXd 等價于 Matrix; RowVectorXd 等價于 Matrix;MatrixXd 等價于 Matrix.生成高維矩陣Matrix A(m,n); /注意，此時矩陣數據的存儲空 間不再連續(xù)生成行主元矩陣Matrix E(m,n);令矩陣為自身的轉置A.transposeInPlace();函數首字母大小寫的可能情形 成員函數首字母大寫； 友元函數首字母小寫.矩陣塊和向量塊提取A.block(i,

8、j, row_num, col_num); /matlab A(i+1:i+row_num,j+1:j+col_num)x_vec.segment(i, n); /matlab 中的 x_vec(i+1:i+n)對角操作VectorXd a_vec=A.diagonal(); /matlab 中的 a_vec=diag(A)MatrixXd A=a_vec.asDiagonal(); /matlab 中的 A=diag(a_vec)自運算符A+=B; /matlab 中的 A=A+B最小和最大操作double x=A.minCoeff(); /matlab 中的 x=min(A(:)doubl

9、e x=A.maxCoeff(); /matlab 中的 x=max(A(:)double x二A.minCoeff(&r,&c); /matlab 中的s, i = min(R(:); ind2sub(size(R), i)double x二A.maxCoeff(&r,&c); /matlab 中的s, i = max(R(:); ind2sub(size(R), i)求和和求積操作double x=A.sum(); /matlab 中的 x=sum(A(:)VectorXd vec=A.colwise().sum(); /matlab 中的 vec=sum(A)VectroXd vec=A

10、.rowwise().sum(); /matlab 中的 vec=sum(A,2) double x=A.prod(); /matlab 中的 x=prod(A(:)VectorXd vec=A.colwise().prod(); /matlab 中的 vec=prod(A)中的r, c =r, c =VectroXd vec=A.rowwise().prod(); /matlab 中的 vec=prod(A,2) 中的r, c =r, c =double x=vec.norm(); /matlab 中的 x=norm(vec)矩陣數據類型轉換MatrixXf B=A.cast()矩陣數據類型

11、轉換MatrixXf B=A.cast()MatrixXi B=A.cast();實部和虛部提取MatrixXd real_A=A.real();MatrixXd imag_A=A.imag();/matlab 中的 B=single(A)/matlab 中的 B=int32(A)/matlab 中的 real_A=real(A)/matlab 中的 imag_A=imag(A)解線性方程組x二A.ldlt() .solve(b); /要求對稱正定，需#include x=A.ll t().solve(b); /要求對稱半正定，需 #include x=A.lu().solve(b); /穩(wěn)定快速，需 #include x=A.qr().solve(b); /要求沒有 pivoting,需#include x=A.svd().solve(b); /穩(wěn)定但非常慢，需 #inc