Eigen库简单使用

1、基础

Eigen中所有向量和矩阵都是Eigen::Matrix，它是一个模板类。它的前三个参数为数据类型、行、列，如声明一个2x3的float矩阵：

Matrix<float,2,3> M_23;

1.1 矩阵

矩阵声明

Eigen::Matrix<type,n,m> M_nm;//如果不记得分类的模板，直接用这个总的模板
Eigen::Matrix3d M_33;//3x3矩阵，元素类型为double
Eigen::Matrix2d M_22;//2x2矩阵

Eigen::MatrixXd M_nm(n,m);//nxm矩阵
Eigen::MatrixXd M;//不确定矩阵大小，可使用动态大小的矩阵

矩阵元素操作

M.setZero();//矩阵元素全部置为0
Eigen::Matrix3d M = Eigen::Matrix3d::Random();//随机数矩阵

1.2 向量

typedef Eigen::Matrix<double,3,1> Vector3d;//向量的底层其实还是矩阵

Eigen::Vector3d v3;
Eigen::Vector2d v2;
Eigen::VectorXd v;

2、矩阵操作

2.1、元素访问

矩阵“<<”操作是先填完一行再到下一行；

矩阵(0),矩阵(1)是先取完一列再到下一列；为了保险起见，如果是矩阵，最好用下标(n,m)来进行相应元素的操作。

向量采用(0),(1)来表示元素。

向量可使用"()“和”[]“进行元素访问；矩阵只能用”()"进行元素访问

2.2 块操作

M.block<i,j>(a,b);//从第a行，第b列开始，提取大小为i行j列的块

M.block(a,b,i,j);//从第a行，第b列开始，提取大小为i行j列的块

2.3

M.inverse();//逆
M.transpose();//转置
M.rows();
M.cols();
M.size();
M.resize();//动态矩阵才可以通过resize来改变大小

3、Eigen进行最小二乘求解

一个超定方程组，例如Ax=b没有解。

超定方程组指方程个数大于未知量个数的方程组，例如，如果给定的三点不在一条直线上， 将无法得到这样一条直线同时经过给定这三个点。 也就是说给定的条件（限制）过于严格， 导致解不存在。只能求一个近似解，方法是最小二乘法。最小二乘的意思是，最小化的误差欧式距离平方。

Ax=b中，x是要求的解。

此处使用的三种求解方法为：

• SVD分解→通常准确率最高，但是速度最慢
• QR分解→位于两者之间
• 正规矩阵(normal equation)→速度最快，但是准确率最低

H.colPivHouseholderQr().solve(b);//QR分解
H.ldlt().solve(b);//cholesky分解

3.1QR分解

Eigen中QR分解类有三个：

• HouseholderQR（没有枢转，快速但不稳定）
• ColPivHouseholderQR（列枢转，因此有一些慢但是更准确）最常用
• FullPivHouseholderQR（完全旋转，最慢，但是最稳定）

3.2 正规矩阵

求解$Ax=b$的最小二乘解等于求解正规矩阵$A^{T}Ax=A^{T}b$.