Eigen基础

#include <iostream>
#include <ctime>
using namespace std;

#include<Eigen/Core>
#include<Eigen/Dense>

#define MATRIX_SIZE 50

int main(int argc, char **argv) {
    //矩阵定义
    Eigen::Matrix<float,2,3> matrix_23;
    Eigen::Vector3d v_3d;
    Eigen::Matrix3d matrix_33=Eigen::Matrix3d::Zero();
    Eigen::Matrix<double, Eigen::Dynamic, Eigen::Dynamic> matrix_dynamic;  //动态矩阵
    Eigen::MatrixXd matrix_x;
    
    matrix_23<<1,2,3,4,5,6;
    cout<<matrix_23<<endl;
    
    for(int i=0;i<2;i++)
      for(int j=0;j<3;j++)
	cout<<matrix_23(i,j)<<endl;
      
      v_3d<<3,2,1;
    
    Eigen::Matrix<double,2,1> result=matrix_23.cast<double>()*v_3d;  //不同数据类型矩阵不能直接相乘，必须显式转换
    cout<<result<<endl;
    
    matrix_33=Eigen::Matrix3d::Random();
    cout<<matrix_33<<endl;
    
    cout<<matrix_33.transpose()<<endl; //转置
    cout<<matrix_33.sum()<<endl;     //元素求和 
    cout<<matrix_33.trace()<<endl;  //矩阵的迹
    cout<<10*matrix_33<<endl;      //数乘
    cout<<matrix_33.inverse()<<endl;    //求逆
    cout<<matrix_33.determinant()<<endl; //行列式
   
   //特征值
    Eigen::SelfAdjointEigenSolver<Eigen::Matrix3d> eigen_solver(matrix_33);
    cout<<"Eigen values= "<<eigen_solver.eigenvalues()<<endl;
    cout<<"Eigen vectors= "<<eigen_solver.eigenvectors()<<endl;
    
    //解方程
    //我们求解matrix_NN*x=v_Nd这个方程
    //N的大小在前边的宏里定义，矩阵由随机数生成
    //直接求逆自然是最直接的，但是求逆运算量太大
    Eigen::Matrix<double,MATRIX_SIZE,MATRIX_SIZE> matrix_NN;
    matrix_NN=Eigen::MatrixXd::Random(MATRIX_SIZE,MATRIX_SIZE);
    Eigen::Matrix<double,MATRIX_SIZE,1> v_Nd;
    v_Nd=Eigen::MatrixXd::Random(MATRIX_SIZE,1);
    
    clock_t time_stt=clock();
    
    //直接求逆
    Eigen::Matrix<double,MATRIX_SIZE,1> x=matrix_NN.inverse()*v_Nd;
    cout<<"time use in normal invers is "<<1000*(clock()-time_stt)/(double)CLOCKS_PER_SEC<<"ms"<<endl;
    
    //通常用矩阵分解来求，例如QR分解，速度会快很多
    time_stt=clock();
    x=matrix_NN.colPivHouseholderQr().solve(v_Nd);
    cout<<"time use in Qr compsition is "<<1000*(clock()-time_stt)/(double)CLOCKS_PER_SEC<<"ms"<<endl;
    
    return 0;
}