eigen一维向量_1.4eigen中的块运算

1.4块运算

块是矩阵或数组的一个矩形部分。块表达式既可以做左值也可以作右值。和矩阵表达式一样，块分解具有零运行时间成本，对你的程序进行优化。

1.使用块运算

最常用的块运算是.block()成员函数。以下是两个版本的块定义：

块运算动态大小的块定义版本指定大小的块定义版本

定义从第i行第j列开始的大小为PxQ的块

matrix.block(i,j,p,q);

matrix.block

(i,j);

在eigen中行数和列数都是从0开始的！

这两个版本可以用于指定大小和动态大小的矩阵和数组类。这两种表达语法上是一样的，唯一不同的是对于小尺寸块而言，指定大小的版本能显著地提供代码运算能力，但是需要在编译时知道其大小。

#include #include

using namespacestd;intmain()

{

Eigen::MatrixXf m(4,4);

m<< 1, 2, 3, 4,5, 6, 7, 8,9,10,11,12,13,14,15,16;

cout<< "Block in the middle" <

cout<< m.block<2,2>(1,1) << endl <

{

cout<< "Block of size" << i << "x" << i <

cout<< m.block(0,0,i,i) << endl <

}

}//output

Block inthe middle6 7

10 11Block of size 1x11Block of size 2x21 2

5 6Block of size 3x31 2 3

5 6 7

9 10 11

在上面的例子中，块函数被看作了右值，即它仅读数据。但是块也可以作为左值，也就是说你可以对它进行赋值：

#include #include

using namespacestd;using namespaceEigen;intmain()

{

Array22f m;

m<< 1,2,3,4;

Array44f a= Array44f::Constant(0.6);

cout<< "Here is the array a:" << endl << a << endl <

a.block<2,2>(1,1) =m;

cout<< "Here is now a with m copied into its central 2x2 block:" << endl << a << endl <

a.block(0,0,2,3) = a.block(2,1,2,3);

cout<< "Here is now a with bottom-right 2x3 block copied into top-left 2x2 block:" << endl << a << endl <

}//output

Here isthe array a:0.6 0.6 0.6 0.6

0.6 0.6 0.6 0.6

0.6 0.6 0.6 0.6

0.6 0.6 0.6 0.6Hereisnow a with m copied into its central 2x2 block:0.6 0.6 0.6 0.6

0.6 1 2 0.6

0.6 3 4 0.6

0.6 0.6 0.6 0.6Hereis now a with bottom-right 2x3 block copied into top-left 2x2 block:3 4 0.6 0.6

0.6 0.6 0.6 0.6

0.6 3 4 0.6

0.6 0.6 0.6 0.6

2.列和行

单列和单行是块的特例。eigen提供更简单的方法获得单行和单列：分别是.row()和.col()

以下为操作语法：

Block operationMethod

第i行

matrix.row(i);

第j列

matrix.col(j);

这里的行列数与eigen矩阵内部的行列数相同，都是从0开始的。

#include #include

using namespacestd;intmain()

{

Eigen::MatrixXf m(3,3);

m<< 1,2,3,4,5,6,7,8,9;

cout<< "Here is the matrix m:" << endl << m <

cout<< "2nd Row:" << m.row(1) <

m.col(2) += 3 * m.col(0);

cout<< "After adding 3 times the first column into the third column, the matrix m is:\n";

cout<< m <

}//output

Here isthe matrix m:1 2 3

4 5 6

7 8 92nd Row:4 5 6After adding3 times the first column into the third column, the matrix m is:1 2 6

4 5 18

7 8 30

3.对角相关运算

Eigen还提供了针对矩阵或数组的某个角或边齐平的块的特殊方法。比如,成员函数.topLeftCorner()表示块的左上角的矩阵。

以下是不同方向的对角阵的表示方法：

Block

operation动态大小版本指定大小版本

从左上角数包含p行q列的块

matrix.topLeftCorner(p,q);

matrix.topLeftCorner

();

从左下角数包含p行q列的块

matrix.bottomLeftCorner(p,q);

matrix.bottomLeftCorner

();

从右上角数包含p行q列的块

matrix.topRightCorner(p,q);

matrix.topRightCorner

();

从右下角数包含p行q列的块

matrix.bottomRightCorner(p,q);

matrix.bottomRightCorner

();

包含前q行的块

matrix.topRows(q);

matrix.topRows();

包含后q行的块

matrix.bottomRows(q);

matrix.bottomRows();

包含前p列的块

matrix.leftCols(p);

matrix.leftCols

();

包含后p列的块

matrix.rightCols(q);

matrix.rightCols();

以下为实例：

#include #include

using namespacestd;intmain()

{

Eigen::Matrix4f m;

m<< 1, 2, 3, 4,5, 6, 7, 8,9, 10,11,12,13,14,15,16;

cout<< "m.leftCols(2) =" << endl << m.leftCols(2) << endl << endl;//取左边两列

cout << "m.bottomRows<2>() =" << endl << m.bottomRows<2>() << endl << endl;//取底部两行

m.topLeftCorner(1,3) = m.bottomRightCorner(3,1).transpose();

cout<< "After assignment, m =" << endl << m <

}//output

m.leftCols(2) =

1 2

5 6

9 10

13 14m.bottomRows<2>() =

9 10 11 12

13 14 15 16After assignment, m=

8 12 16 4

5 6 7 8

9 10 11 12

13 14 15 16

4.向量的块运算

eigen提供给向量和一维数组一系列的特定块操作：

块运算动态大小版本指定大小版本

包含前n个元素的块

vector.head(n);

vector.head();

包含后n个元素的块

vector.tail(n);

vector.tail();

包含从第i个元素开始后n个元素的块

vector.segment(i,n);

vector.segment(i);

以下是使用实例：

#include #include

using namespacestd;intmain()

{

Eigen::ArrayXf v(6);

v<< 1, 2, 3, 4, 5, 6;

cout<< "v.head(3) =" << endl << v.head(3) << endl <

cout<< "v.tail<3>() =" << endl << v.tail<3>() << endl <

v.segment(1,4) *= 2;

cout<< "after ‘v.segment(1,4) *= 2‘, v =" << endl << v <

}//output

v.head(3) =

1

2

3v.tail<3>() =

4

5

6after‘v.segment(1,4) *= 2‘, v =

1

4

6

8

10

6

原文：https://www.cnblogs.com/excellentlhw/p/10305872.html