[转] Eigen库中常用函数

Eigen库中常用函数：
单位矩阵的函数为eye(row,col)
对角线为1的任意大小的矩阵Identity(5, 4)
矩阵的求逆：matrix.inverse()
生成随机的矩阵 matrix33 = Eigen::Matrix3d::Random();
转置 matrix33.transpose()
各个元素的和 matrix33.sum() ;
迹 matrix33.trace()
行列式 matrix33.determinant() ;
行数 tempKB.rows(),
列数 tempKB.cols());
零方阵 MatrixXd ttt=MatrixXd::Zero(3,3);
向量的反转：
VectorXi indexN = (ind.tail( num)).reverse();

tempKB = Kk*Bk;
I.resize(tempKB.rows(),tempKB.cols());
I.setIdentity();

克里斯金cholesky分解
temp1 = bas_P+rov_P;
mat_P =temp1.llt().matrixL();

Eigen 矩阵定义
#include <Eigen/Dense>

Matrix<double, 3, 3> A; // Fixed rows and cols. Same as Matrix3d.
Matrix<double, 3, Dynamic> B; // Fixed rows, dynamic cols.
Matrix<double, Dynamic, Dynamic> C; // Full dynamic. Same as MatrixXd.
Matrix<double, 3, 3, RowMajor> E; // Row major; default is column-major.
Matrix3f P, Q, R; // 3x3 float matrix.
Vector3f x, y, z; // 3x1 float matrix.
RowVector3f a, b, c; // 1x3 float matrix.
VectorXd v; // Dynamic column vector of doubles

x.size() // length(x) // vector size
C.rows() // size(C,1) // number of rows
C.cols() // size(C,2)
x(i) // x(i+1)
C(i,j) // C(i+1,j+1)

Eigen 基础使用

A.resize(4, 4); // Runtime error if assertions are on.
B.resize(4, 9); // Runtime error if assertions are on.

A << 1, 2, 3, // Initialize A. The elements can also be
4, 5, 6, // matrices, which are stacked along cols
7, 8, 9; // and then the rows are stacked.
B << A, A, A; // B is three horizontally stacked A’s.
A.fill(10); // Fill A with all 10’s.

Eigen 特殊矩阵生成
// Eigen // Matlab
MatrixXd::Identity(rows,cols)
C.setIdentity(rows,cols)
MatrixXd::Zero(rows,cols)
C.setZero(rows,cols)
MatrixXd::Ones(rows,cols)
C.setOnes(rows,cols)
MatrixXd::Random(rows,cols)
C.setRandom(rows,cols)
VectorXd::LinSpaced(size,low,high)
v.setLinSpaced(size,low,high)

Eigen 矩阵分块

x.head(n) // x(1:n)
x.head() // x(1:n)
x.tail(n) // x(end - n + 1: end)
x.tail() // x(end - n + 1: end)
x.segment(i, n) // x(i+1 : i+n)
x.segment(i) // x(i+1 : i+n)
P.block(i, j, rows, cols) // P(i+1 : i+rows, j+1 : j+cols)
P.block<rows, cols>(i, j) // P(i+1 : i+rows, j+1 : j+cols)
P.row(i) // P(i+1, 😃
P.col(j) // P(:, j+1)
P.leftCols() // P(:, 1:cols)
P.leftCols(cols) // P(:, 1:cols)
P.middleCols(j) // P(:, j+1:j+cols)
P.middleCols(j, cols) // P(:, j+1:j+cols)
P.rightCols() // P(:, end-cols+1:end)
P.rightCols(cols) // P(:, end-cols+1:end)
P.topRows() // P(1:rows, ：)
P.topRows(rows) // P(1:rows,：)
P.middleRows(i) // P(i+1:i+rows, ：)
P.middleRows(i, rows) // P(i+1:i+rows, ：)
P.bottomRows() // P(end-rows+1:end, ：)
P.bottomRows(rows) // P(end-rows+1:end, ：)
P.topLeftCorner(rows, cols) // P(1:rows, 1:cols)
P.topRightCorner(rows, cols) // P(1:rows, end-cols+1:end)
P.bottomLeftCorner(rows, cols) // P(end-rows+1:end, 1:cols)
P.bottomRightCorner(rows, cols) // P(end-rows+1:end, end-cols+1:end)
P.topLeftCorner<rows,cols>() // P(1:rows, 1:cols)
P.topRightCorner<rows,cols>() // P(1:rows, end-cols+1:end)
P.bottomLeftCorner<rows,cols>() // P(end-rows+1:end, 1:cols)
P.bottomRightCorner<rows,cols>() // P(end-rows+1:end, end-cols+1:end)

Eigen 矩阵元素交换
R.row(i) = P.col(j); // R(i, ：) = P(:, i)
R.col(j1).swap(mat1.col(j2)); // R(:, [j1 j2]) = R(:, [j2, j1])
Eigen 矩阵转置

// Views, transpose, etc; all read-write except for .adjoint().
// Eigen // Matlab
R.adjoint() // R’
R.transpose() // R.’ or conj(R’)
R.diagonal() // diag®
x.asDiagonal() // diag(x)
R.transpose().colwise().reverse(); // rot90®
R.conjugate() // conj®

Eigen 矩阵乘积

// All the same as Matlab, but matlab doesn’t have = style operators.
// Matrix-vector. Matrix-matrix. Matrix-scalar.
y = Mx; R = PQ; R = Ps;
a = bM; R = P - Q; R = sP;
a *= M; R = P + Q; R = P/s;
R = Q; R = sP;
R += Q; R *= s;
R -= Q; R /= s;

Eigen 矩阵单个元素操作

// Vectorized operations on each element independently
// Eigen // Matlab
R = P.cwiseProduct(Q); // R = P .* Q
R = P.array() * s.array();// R = P .* s
R = P.cwiseQuotient(Q); // R = P ./ Q
R = P.array() / Q.array();// R = P ./ Q
R = P.array() + s.array();// R = P + s
R = P.array() - s.array();// R = P - s
R.array() += s; // R = R + s
R.array() -= s; // R = R - s
R.array() < Q.array(); // R < Q
R.array() <= Q.array(); // R <= Q
R.cwiseInverse(); // 1 ./ P
R.array().inverse(); // 1 ./ P
R.array().sin() // sin§
R.array().cos() // cos§
R.array().pow(s) // P .^ s
R.array().square() // P .^ 2
R.array().cube() // P .^ 3
R.cwiseSqrt() // sqrt§
R.array().sqrt() // sqrt§
R.array().exp() // exp§
R.array().log() // log§
R.cwiseMax§ // max(R, P)
R.array().max(P.array()) // max(R, P)
R.cwiseMin§ // min(R, P)
R.array().min(P.array()) // min(R, P)
R.cwiseAbs() // abs§
R.array().abs() // abs§
R.cwiseAbs2() // abs(P.^2)
R.array().abs2() // abs(P.^2)
(R.array() < s).select(P,Q); // (R < s ? P : Q)

Eigen 矩阵化简

// Reductions.
int r, c;
// Eigen // Matlab
R.minCoeff() // min(R(：))
R.maxCoeff() // max(R(：))
s = R.minCoeff(&r, &c) // [s, i] = min(R(：)); [r, c] = ind2sub(size®, i);
s = R.maxCoeff(&r, &c) // [s, i] = max(R(：)); [r, c] = ind2sub(size®, i);
R.sum() // sum(R(：))
R.colwise().sum() // sum®
R.rowwise().sum() // sum(R, 2) or sum(R’)’
R.prod() // prod(R(：))
R.colwise().prod() // prod®
R.rowwise().prod() // prod(R, 2) or prod(R’)’
R.trace() // trace®
R.all() // all(R(：))
R.colwise().all() // all®
R.rowwise().all() // all(R, 2)
R.any() // any(R(：))
R.colwise().any() // any®
R.rowwise().any() // any(R, 2)

Eigen 矩阵点乘
// Dot products, norms, etc.
// Eigen // Matlab
x.norm() // norm(x). Note that norm® doesn’t work in Eigen.
x.squaredNorm() // dot(x, x) Note the equivalence is not true for complex
x.dot(y) // dot(x, y)
x.cross(y) // cross(x, y) Requires #include <Eigen/Geometry>

Eigen 矩阵类型转换

Type conversion
// Eigen // Matlab
A.cast(); // double(A)
A.cast(); // single(A)
A.cast(); // int32(A)
A.real(); // real(A)
A.imag(); // imag(A)
// if the original type equals destination type, no work is done

Eigen 求解线性方程组 Ax = b

// Solve Ax = b. Result stored in x. Matlab: x = A \ b.
x = A.ldlt().solve(b)); // A sym. p.s.d. #include <Eigen/Cholesky>
x = A.llt() .solve(b)); // A sym. p.d. #include <Eigen/Cholesky>
x = A.lu() .solve(b)); // Stable and fast. #include <Eigen/LU>
x = A.qr() .solve(b)); // No pivoting. #include <Eigen/QR>
x = A.svd() .solve(b)); // Stable, slowest. #include <Eigen/SVD>
// .ldlt() -> .matrixL() and .matrixD()
// .llt() -> .matrixL()
// .lu() -> .matrixL() and .matrixU()
// .qr() -> .matrixQ() and .matrixR()
// .svd() -> .matrixU(), .singularValues(), and .matrixV()

Eigen 矩阵特征值

// Eigenvalue problems
A.eigenvalues(); // eig(A);
EigenSolver eig(A); // [vec val] = eig(A)
eig.eigenvalues(); // diag(val)
eig.eigenvectors(); // vec