「C++: Eigen」第一章 第二节 Matrix and vector arithmetic

1.2 矩阵和向量算术

本节主要是介绍矩阵、向量和标量之间的操作和算术细节

1.2.1 简介

矩阵/向量的算术操作在Eigen中要么通过算术符号（+，-，*，/）重载，要么通过方法（.dot()）实现。对于矩阵类，算术符号重载只能执行线性代数运算，例如矩阵✖️矩阵，但不能进行向量+标量（常数）的运算。

1.2.2 加法和减法

运算符号左右侧必须是相同形状的矩阵，也必须有相同的标量类型（相同元素类型），支持运算包括：

• 双边运算：a+b
• 单边运算：-a
• 符合运算：-+ / +=

矩阵和向量除了可以使用逗号初始化方法，向量还可以使用C++中的括号进行初始化：

Eigen::Vector3d v(1,2,3);
Eigen::Vector3d w(1,0,0);

1.2.3 标量的乘除法

Eigen允许标量与矩阵之间进行乘除法，包括：

• 乘法：matrix * scaler or scaler * matrix
• 除法：matrix / scaler
• 复合运算：matrix *= scalar

1.2.4 转秩矩阵和共轭矩阵

矩阵转秩、共轭、伴随分别调用方法transpose(), conjugate(), and adjoint()。对于实数矩阵，共轭等于本身，因此伴随矩阵等价于矩阵转秩。

对于transpose() 和 adjoint() 方法，Eigen会返回一个代理对象而不做对应处理，例如b = a.transpose()时，程序会在写入b的同时做转秩，因此就地转秩 a = a.transpose() 是不合法的操作。这被称为“别名问题”。如果要就地使用转秩，需要调用transposeInPlace()方法。

1.2.5 矩阵乘法

矩阵矩阵、矩阵向量、向量*向量均使用操作符 * 号完成

1.2.6 点乘和叉乘

点乘：点乘结果为标量，dot()方法，该方法可以用于任何维度向量
叉乘：叉乘结果为向量，cross()方法，该方法只能用于3维向量以内

1.2.7 基础算数约归运算

主要是对向量的一些约归运算：

• sum()：元素和
• prod()：元素积
• mean()：均值
• minCoeff()：最小元素
• maxCoeff()：最大元素
• trace()：迹

此外，minCoeff和maxCoeff还可以通过引用传值，返回对应元素在矩阵中的坐标：

  Matrix3f m = Matrix3f::Random();
  std::ptrdiff_t i, j;
  float minOfM = m.minCoeff(&i,&j);
  cout << "Here is the matrix m:\n" << m << endl;
  cout << "Its minimum coefficient (" << minOfM 
       << ") is at position (" << i << "," << j << ")\n\n";
 
  RowVector4i v = RowVector4i::Random();
  int maxOfV = v.maxCoeff(&i);
  cout << "Here is the vector v: " << v << endl;
  cout << "Its maximum coefficient (" << maxOfV 
       << ") is at position " << i << endl;