C++ Eigen库使用

#include<iostream>
#include<ctime>

using namespace std;

//Eigen部分
#include<Eigen/Core>

//稠密矩阵的代数运算（逆，特征值等）
#include<Eigen/Dense>

#define MATRIX_SIZE 50

int main()
{
	//Eigen 以矩阵为基本数据单元，它是个模板类。它的前三个参数为：数据类型，行，列
	//声明一个2*3的float矩阵
	Eigen::Matrix<float, 2, 3>matrix_23;
	//同时，Eigen通过typedef提供了许多内置类型，不过底层仍然是Eigen::Matrix
	//例如Vecttor3d实质上是Eigen::Martix<double,3,1>
	Eigen::Vector3d v_3d;
	//还有Matrix3d实质上是Eigen：：Matrix<double,3,3>
	Eigen::Matrix3d matrix_33 = Eigen::Matrix3d::Zero();//初始化为零
	//如果不确定矩阵大小，可以使用动态矩阵
	Eigen::Matrix<double, Eigen::Dynamic, Eigen::Dynamic>matrix_dynamic;
	//或者
	Eigen::MatrixXd matric_x;

	//对于矩阵的操作
	//输入数据
	matrix_23 << 1, 2, 3, 4, 5, 6;
	//输出
	cout << "matrix_23 = \n" << matrix_23 << endl;
	//访问矩阵中的元素
	for (int i = 0; i < 1; i++)
		for (int j = 0; j < 2; j++)
			cout << matrix_23(i, j) << endl;
	v_3d << 3, 2, 1;
	//不同类型的矩阵相乘
	Eigen::Matrix<double, 2, 1> result = matrix_23.cast<double>() * v_3d;
	cout << "result\n" << result << endl;
	//矩阵运算
	matrix_33 = Eigen::Matrix3d::Random();
	cout << "matrix_33\n"<<matrix_33 << endl << endl;

	cout << "转置\n" << matrix_33.transpose() << endl;
	cout << "各元素和\n" << matrix_33.sum() << endl;
	cout << "迹\n" << matrix_33.trace() << endl;
	cout << "数乘\n" <<  matrix_33 * 10<< endl;
	cout << "逆\n" << matrix_33.inverse() << endl;
	cout << "行列式\n" << matrix_33.determinant() << endl;


	//特征值
	Eigen::SelfAdjointEigenSolver<Eigen::Matrix3d>eigen_solver(matrix_33.transpose()*matrix_33);
	cout << "Eigen value = \n" << eigen_solver.eigenvalues() << endl;
	cout << "Eigen vectors = \n" << eigen_solver.eigenvectors() << endl;
	//解方程，求解matrix_NN * x = v_Nd这个方程
	//N的大小在前边的宏里定义，矩阵由随机数生成
	//直接求逆自然是最直接的，但是求逆运算量大
	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;
	v_Nd = Eigen::MatrixXd::Random(MATRIX_SIZE, 1);
	clock_t time_stt = clock();//计时
	//直接求逆
	Eigen::Matrix<double, MATRIX_SIZE, 1>x= matrix_NN.inverse()*v_Nd;
	cout << "time use in normal invers is " << 1000 * (clock() - time_stt) / (double)CLOCKS_PER_SEC << "ms"<< endl;
	cout << "x = \n" << x<<endl;
	//通常用矩阵分解来求，例如QR分解，速度会快很多
	time_stt = clock();
	x = matrix_NN.colPivHouseholderQr().solve(v_Nd);
	cout << "time use in Qr compsition is " << 1000 * (clock() - time_stt) / (double)CLOCKS_PER_SEC << "ms"<< endl;
	cout << "x = \n" << x << endl;
	cin.get();
	return 0;
}

转载自高翔博士《slam14讲》