Eigen基础小结

连载：https://blog.csdn.net/xuezhisdc/article/details/54619853

一、Eigen基础

1、使用命名空间：using namespace Eigen;

2、Matrix<double, 3, Dynamic> B; // Fixed rows, dynamic cols.

          需要使用： B.resize(2,3); 确定具体的列数 ；

3、矩阵初始化方式：Matrix3f::Zero(); 和  x.setZero();的语法区别：

    float value = 3.0;
    Matrix3f x; // 创建一个3x3的单精度矩阵
    x = Matrix3f::Zero(); //全零矩阵
    x = Matrix3f::Ones(); //全一矩阵
    x = Matrix3f::Constant(value); //全value矩阵
    x = Matrix3f::Identity(); //单位矩阵
    x = Matrix3f::Random(); // 随机矩阵

    x.setZero();
    x.setOnes();
    x.setIdentity();
    x.setConstant(value);
    x.setRandom();

4、动态大小的矩阵：

    int rows = 3;
    int cols = 4;
    MatrixXf x;
    x = MatrixXf::Zero(rows, cols);

5、Constant型

    MatrixXf::Constant(2, 3, sqrt(2)) << endl; // 2x3的单精度矩阵
    RowVector3i v; //3维行向量
    v.setConstant(6);

6、用cast 转换类型

    Vector3d md(1,2,3);
    Vector3f mf = md.cast<float>();

7、一些reduction方法： minCoeff() , maxCoeff() , sum() , trace() , norm() ：

    Matrix3f x;
    x << 5,3,1,2,7,8,9,4,6;
    cout << x.minCoeff() << endl;
    cout << x.colwise().minCoeff() << endl;
    cout << x.rowwise().minCoeff() << endl;

 

二、稀疏矩阵操作

操作和求解稀疏问题需要的模块：

1、SparseCore 
    SparseMatrix 和 SparseVector 类，基本线性代数（包括三角求解器） 
2、SparseCholesky 
     稀疏LLT和LDLTCholesky分解，解决稀疏正定问题。
3、SparseLU 
     稀疏LU分解
4、SparseQR 
    稀疏QR分解
5、IterativeLinearSolvers
6、Sparse 
     包含上述所有的模块。

稀疏矩阵的格式

    SparseMatrix是Eigen的稀疏模块的最主要的稀疏矩阵。

    SparseMatrix包含了4个精简的数组：

（1）Values: 存储非零元素
（2）InnerIndices: 存储非零元素的行/列索引.
（3）OuterStarts: 存储每一列/行第一个非零元素在上面两个数组中的索引。
（4）InnerNNZs: 存储每一列/行中非零元素的数量。Inner在列优先矩阵中表示一个列，在行优先矩阵中表示一个行。Outer表示另一个方向。

关于稀疏矩阵，最重要的一点是：稀疏矩阵的存储方式，是按列优先储存，还是按行优先存储。

三、稀疏矩阵的压缩存储

      稀疏矩阵：非0元素很少（≤ 5%）且分布无规律。

      对于稀疏矩阵来说，采用二维数组的存储方法既浪费大量的存储单元用来存放零元素，又要在运算中花费大量的时间来进行零元素的无效计算，显然不科学。所以必须考虑对稀疏矩阵进行压缩存储。

       对稀疏矩阵进行压缩存储的一种较好的方法是：只存储在矩阵中极少数的非零元素，为此必须对每一个非零元素，保存它的下标和值。可以采用一个三元组Trituple<row,column,value><row,column,value>来唯一地确定一个矩阵元素。因此，稀疏矩阵需要使用一个三元组数组(亦称为三元组表)来表示。

       可以仿照对称矩阵的压缩存储，可用一维数组B存储稀疏矩阵A(这要区分两种存储方式：行优先方式和列优先方式)。