Eigen学习

最新推荐文章于 2024-06-23 10:38:11 发布

ZQFengYu

最新推荐文章于 2024-06-23 10:38:11 发布

阅读量319

点赞数 1

本文链接：https://blog.csdn.net/ZQFengYu/article/details/88353556

版权

Eigen 是一个很有用的矩阵运算库。
安装过程：添加链接描述
CmakeLists:

cmake_minimum_required(VERSION 2.8)
project( useEigen )
set (CMAke_BUILD_TYPE "Release")
set( CMAKE_CXX_FLAGS "-O3" )
find_package(Eigen3 REQUIRED)
include_directories (${EIGEN3_INCLUDE_DIR} )
add_executable (eigenMatrix eigenMatrix.cpp)

定义不同的Eigen 类型：

    `//列举不同的Eigen类型
    Eigen::Matrix<float, 2, 3>matrix_23;
    Eigen::Vector3d v_3d;
    Eigen::Matrix<float,3,1> vd_3d;
    Eigen::Matrix3d matrix_33 = Eigen::Matrix3d::Zero();
    Eigen::Matrix<double, Eigen::Dynamic,Eigen::Dynamic> matrix_dynamic;
    Eigen::MatrixXd matrix_x;`

单独赋值并访问：

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) << "\t";
        }
        cout << endl;
    }

3.由于Eigen不能向C++等语言一样可以自动的进行类型转换，所以当有两种不同类型的矩阵相乘时需要用Eigen进行类型转换：

matrix_23.cast<double>()

4.Eigen 产生随机矩阵：

 matrix_33 = Eigen::Matrix3d::Random();

常用的矩阵运算：

cout << matrix_33.transpose() << endl;  //转置
cout << matrix_33.sum() << endl;    //矩阵求和
cout << matrix_33.trace() << endl;  //求迹
cout << 10 * matrix_33 << endl;   
cout << matrix_33.inverse() << endl;
cout << matrix_33.determinant() << endl;  //求行列式

求特征值：

    Eigen::SelfAdjointEigenSolver<Eigen::Matrix3d> eigen_solver (matrix_33.transpose()*matrix_33);
    cout << "Eigen values = \n" << eigen_solver.eigenvalues() << endl;
    cout << "Eigen vector = \n" << eigen_solver.eigenvectors() << endl;

解方程例如 a*x = b;

//解方程
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;

clock_t time_set = clock();

Eigen::Matrix<double,MATRIX_SIZE,1> x = matrix_NN.inverse() * v_Nd;
cout << "time use in normal inverse is " << 1000*(clock() - time_set)/(double) CLOCKS_PER_SEC << "ms" << endl;

//通用的矩阵分解 （QR分解 ）
time_set = clock();
x = matrix_NN.colPivHouseholderQr().solve(v_Nd);
cout << "time use in Qr decomposition is " << 1000*(clock() - time_set) /(double)CLOCKS_PER_SEC << "ms" << endl;