【C/C++开源库】C/C++矩阵运算开源库

小熊coder

已于 2022-06-29 22:48:17 修改

阅读量1.4w

点赞数 31

分类专栏： C语言 C++ C/C++开源库文章标签： c++ c语言矩阵

于 2021-08-20 01:21:22 首次发布

本文链接：https://blog.csdn.net/qq_41854911/article/details/119814660

版权

C语言同时被 3 个专栏收录

128 篇文章 151 订阅

订阅专栏

C++

64 篇文章 98 订阅

订阅专栏

C/C++开源库

24 篇文章 19 订阅

订阅专栏

这篇博客总结一下C/C++中的矩阵运算库。

一、C++矩阵运算库 - eigen

Eigen是使用C++封装好的的一个矩阵运算库，可以很方便地实现各类矩阵运算，而且不用安装，只需要简单配置即可。

1.下载及安装

1.1Linux安装及配置

sudo apt-get install libeigen3-dev

Eigen只包含头文件，因此它不需要实现编译（只需要使用#include），指定好Eigen的头文件路径，编译项目即可。

Eigen头文件的默认安装位置是：“/usr/include/eigen3”.

1.2Windows配置

下载地址：http://eigen.tuxfamily.org/index.php?title=Main_Page#Download

下载文件解压后，文件目录如下：

只需要将eigen-3.4.0的路径加入到头文件查找路径。
使用时包含头文件即可，比如 #include <Eigen\Dense>

2.测试使用

本博客在Windows下使用DevC++和Clion两款C/C++来测试一下。

为了应对不同的需求，Eigen库被分为多个功能模块，每个模块都有自己相对应的头文件，以供调用。其中，Dense模块整合了绝大部分的模块，而Eigen模块更是整合了所有模块（也就是整个Eigen库）。

在这里插入图片描述

2.1DevC++

添加头文件路径

测试代码

#include <iostream>
#include <Eigen\Dense>
using namespace std;
using namespace Eigen;
int main()
{
    Matrix2d a;
    a << 1, 2,
        3, 4;
    MatrixXd b(2, 2);
    b << 2, 3,
        1, 4;
    cout << "a + b =\n" << a + b << endl;
    cout << "a - b =\n" << a - b << endl;
    cout << "Doing a += b;" << endl;
    a += b;
    cout << "Now a =\n" << a << endl;
    cout << "a^T=  " << a.transpose() << endl;
    cout << "a*b= " << a*b << endl;
    Vector3d v(1, 2, 3);
    Vector3d w(1, 0, 0);
    cout << "-v + w - v =\n" << -v + w - v << endl;
    cout << v << endl;
    cout << v.transpose() << endl;
    system("pause");
}

运行结果如下

2.2Clion

clion中添加头文件可以在CMakeLists.txt中添加，也可以在项目目录中添加。

（推荐）编辑项目目录下的 CMakeLists.txt，添加一行

include_directories("/path/to/headers") #换成头文件所在目录

将对应的头文件或文件夹复制到项目根目录，然后在源文件中使用 #include “文件名” 包含

这里我们使用第一种方法，更改之后，CMakeLists.txt文件内容如下：

cmake_minimum_required(VERSION 3.19)
project(untitled1)

set(CMAKE_CXX_STANDARD 14)

include_directories("D:\\eigen-3.4.0")

add_executable(untitled1 main.cpp)

测试代码依旧是上面的代码

#include <iostream>
#include <Eigen\Dense>
using namespace std;
using namespace Eigen;
int main()
{
    Matrix2d a;
    a << 1, 2,
        3, 4;
    MatrixXd b(2, 2);
    b << 2, 3,
        1, 4;
    cout << "a + b =\n" << a + b << endl;
    cout << "a - b =\n" << a - b << endl;
    cout << "Doing a += b;" << endl;
    a += b;
    cout << "Now a =\n" << a << endl;
    cout << "a^T=  " << a.transpose() << endl;
    cout << "a*b= " << a*b << endl;
    Vector3d v(1, 2, 3);
    Vector3d w(1, 0, 0);
    cout << "-v + w - v =\n" << -v + w - v << endl;
    cout << v << endl;
    cout << v.transpose() << endl;
    system("pause");
}

运行结果如下

3.深入学习

本博客只是对矩阵运算库的简介、汇总、环境配置，因此不会讲太详细的使用。主要是本人太菜了，讲不来。不过为了内容的完整型，我会给几个好的比较完整的eigen学习教程。

二、C++矩阵运算库 - Armadillo

Armadillo是一个开源高性能C++线性代数库，提供了和Matlab中常用命令接近的函数接口，可以方便地将Matlab/Octave开发的算法移植到C++中。特别地，我们可以先在Matlab环境中编程进行算法原型验证，待算法充分验证通过之后再利用Armadillo移植到C++中编译为独立的可执行程序。虽然Matlab也支持利用mcc直接将m文件编译生成动态链接库文件或者可执行程序，但是这些代码的运行需要Matlab运行环境（MCR）的支持；而通过Armadillo进行移植则可以完全脱离Matlab环境。

1.下载及安装

1.1Linux安装

执行命令：

sudo apt-get install libopenblas-dev
sudo apt-get install liblapack-dev
sudo apt-get install libarpack2-dev
sudo apt-get install libsuperlu-dev

下载Armadillo包，链接：https://sourceforge.net/projects/arma/files/armadillo-9.600.6.tar.xz/download

在Armadillo的安装目录打开终端执行：

cmake .
make

1.2Windows配置

因为Armadillo需要C++11的支持，而DEVC++好久没更新编译器了，支持不好，因此我们换用visual studio2019来测试。

下载Armadillo包，链接：https://sourceforge.net/projects/arma/files/armadillo-9.600.6.tar.xz/download

下载解压后需要配置头文件和库文件的路径。

可以参考这篇文章：基于vs2017的armadillo配置教程（超详细！）

2.测试使用

测试代码如下：

#include <iostream>
#include <armadillo>
using namespace arma;
int main()
{
    //生成一个随机矩阵A,大小为5x5，矩阵每个元素的范围为：(0,10)
    mat A = randu<mat>(5, 5) * 10;
    A.print("原矩阵A = \n");
}

在这里插入图片描述

3.深入学习

看了下，好像中文没啥好的教程，不如直接看帮助手册。

三、C++矩阵运算库 - boost

Boost在C++中地位非常高，被称为C++的准标准库，其中的ublas模块包含矩阵类，用法如下：

#include <boost/numeric/ublas/matrix.hpp>
#include <boost/numeric/ublas/io.hpp>
#include <iostream>
namespace ublas = boost::numeric::ublas;
int main()
{
    ublas::matrix<double> A(3, 3);
    for (unsigned i = 0; i < A.size1(); ++i)
        for (unsigned j = 0; j < A.size2(); ++j)
            A(i, j) = 3*i + j;
	std::cout << A << std::endl;
    return 0;
}

关于boost的配置问题，可以参考博客boost库在visual studio、DevC++和vscode上的环境配置

四、C语言矩阵运算库 -

其实C++矩阵运算库已经很好用了，但是可能在某些场景下，因为项目历史或者编译器的原因，我们必须要使用C语言来实现矩阵运算。

好像几乎没有特别知名C语言矩阵运算库，因此在此总结各位网友写的C语言矩阵运算库。

1.C语言矩阵库1

地址：如何用纯c语言优雅地实现一个矩阵运算库

这个详细讲解了怎么自己实现一个矩阵运算库，想学习写一个自己的C语言矩阵运算库可以参考一下。

10.C++矩阵运算库

这个库是我同学写的，帮他传播一下!!!

地址：C++矩阵库

github地址：https://github.com/TING2938/Analysis

总结

在条件允许的情况下，可以优先使用eigen矩阵运算库。

如果条件不允许或者希望自己能用一个更加小巧顺手的矩阵运算库，那可以参考上面，自己实现一个。

小熊coder

关注

31
点赞
踩
198

收藏

觉得还不错? 一键收藏
打赏
2
评论
【C/C++开源库】C/C++矩阵运算开源库

文章目录一、C++矩阵运算库 - eigen1.下载及安装1.1Linux安装及配置1.2Windows配置2.测试使用2.1DevC++2.2Clion3.深入学习二、C++矩阵运算库 - Armadillo1.下载及安装1.1Linux安装1.2Windows配置2.测试使用3.深入学习三、C++矩阵运算库 - boost四、C语言矩阵运算库 -1.C语言矩阵库12.C语言矩阵库23.C语言矩阵库34.C语言矩阵库45.C语言矩阵库56.C语言矩阵库67.C语言矩阵库78.C语言矩阵库89.C语言矩阵库
复制链接

扫一扫