C++矩阵运算QT应用之Eigen库

已于 2023-04-24 16:13:50 修改
阅读量5k 收藏 38
点赞数 3
文章标签： c++ qt 开发语言
于 2023-04-24 15:21:22 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_40356612/article/details/130339351
版权
前言

本文主要描述在c++中应用Eigen进行矩阵（向量）的表示运算，以及Eigen库的下载和配置。

一. Eigen库介绍、下载及配置

Eigen是C++中可以用来调用并进行矩阵计算的一个库，里面封装了一些类，需要的头文件和功能如下：
在这里插入图片描述
有关Eigen的详细介绍可以查看其官网主页：http://eigen.tuxfamily.org/dox/index.html

  • 下载
    Eigen的下载地址如下：http://eigen.tuxfamily.org/index.php?title=Main_Page#Download
    在网页右上方选择选择不同版本及格式的压缩包，我这里选择的最新（2023.4.24）发布版本3.4.0的zip文件，点击直接进行下载。
  • 配置
    （1）将下载的压缩包进行解压；
    ----------------在VS中配置------------------
    右键 项目属性—》配置属性—》C/C++—》常规—》附加包含目录（对话框右边），在对应条款右侧的编辑框中添加解压的Eigen文件夹完整地址目录即可。（如引用下图）
    在这里插入图片描述
    ----------------在QT中配置------------------
    在QT creator中新建控制台应用项目，在define bulid system中选择qmake，下一步选择MinGW构建套件。完成项目创建后，在项目下的pro文件中添加：INCLUDEPATH += D:\Program Files\eigen3，如下图：
    在这里插入图片描述
    PS：要在命令窗口中显示结果，需要设置：左侧菜单栏项目–》运行–》勾选在终端运行 即可。
    在这里插入图片描述
二. 使用

(1）Eigen库的引用–一个栗子

#include <QCoreApplication>
#include <iostream>
#include <Eigen/Dense>
//typedef Eigen::MatrixXd Matrix;
//typedef  Eigen::VectorXd Vector;
using namespace Eigen;

using namespace std;
int main(int argc, char *argv[])
{
    QCoreApplication a(argc, argv);
    //    Matrix m(3,3);
    MatrixXd m(3,3);
    m<<1,2,3,
        4,5,6,
        7,8,9;
    //    Vector v(3);
    VectorXd v(3);
    v<<1,2,3;
    Vector3d w(11,22,33);
//    cout<<"m*v=\n"<<m*v<<endl;
//    cout<<m.block(0,0,2,2)<<endl;  //取子块
//    cout<<m.block<2,2>(0,0)<<endl;   // 与上等价
//    cout<<m.row(2)<<endl;   //取第2行
//    m.row(2)<<11,12,13;   //第2行赋值
//    cout<<m.row(2)<<endl;
//    MatrixXd mm;
//    mm=m;
//    cout<<mm<<endl;
    Eigen::Matrix<int, 3, 4> mat1;
    Eigen::Matrix<double, 3, Dynamic> mat2;
    Eigen::Matrix2cd mat3;

    return a.exec();
}

（2）矩阵的定义
矩阵模板函数中一共包含六个模板参数，前三个是比较常用的，分别表示矩阵元素的类型、行数、列数。在矩阵定义的时候可以使用 Dynamic 来表示行或者列数未知。

template<typename _Scalar, int _Rows, int _Cols, int _Options, int _MaxRows, int _MaxCols>
class Eigen::Matrix< _Scalar, _Rows, _Cols, _Options, _MaxRows, _MaxCols >

Eigen::Matrix<int, 3, 4> mat1;              //  3x4 的 int 类型的矩阵 mat1
Eigen::Matrix<double, 3, Dynamic> mat2;     //  3x? 的 double 类型的矩阵 mat2
Eigen::Matrix<float, Dynamic, 4> mat3;      //  ?x4 的 float 类型的矩阵 mat3
Eigen::Matrix<long, Dynamic, Dynamic> mat4; //  ?x? 的 long 类型的矩阵 mat4

在 Eigen 中 typedef 了很多矩阵的类型，通常命名为 Matrix 前缀加一个长度为 1∼4的字符串 S 的命名——MatrixS。其中 S 可以用来判断该矩阵类型，数字 n 表示 n ∗ n，n 的范围是2∼4，字母 d、f、i、c 表示 double、float、int、complex,另外 X 表示行或者列数未知的矩阵。

typedef Matrix<std::complex<double>, 2, 2> Eigen::Matrix2cd;            //  2x2 的 cd 类型的矩阵
typedef Matrix<double, 2, 2> Eigen::Matrix2d;                           //  2x2 的 d 类型的矩阵
typedef Matrix<std::complex<double>, 2, Dynamic> Eigen::Matrix2Xcd;     //  2x? 的 cd 类型的矩阵
typedef Matrix<std::complex<float>, Dynamic, 2> Eigen::MatrixX2cf;      //  ?x2 的 cf 类型的矩阵
typedef Matrix<std::complex<double>, Dynamic, Dynamic> Eigen::MatrixXcd;//  ?x? 的 cd 类型的矩阵
typedef Matrix<int, Dynamic, Dynamic> Eigen::MatrixXi;                  //  ?x? 的 i 类型的矩阵
  • 说明1 ：行/列优先。Eigen库中的矩阵默认存储是列优先的，和matlab很相似，而在C++中的存储方式是行优先，如果为了不搞混，可以使用矩阵模板中的第四个参数（默认是 ColMajor），关于行/列优先可参考https://blog.csdn.net/shenck1992/article/details/50041777
Matrix<int, 5, 6, RowMajor> matRow; //  行优先的 5x6 的 int 类型矩阵
  • 说明2：静/动态矩阵。动态矩阵是Eigen 中可以用 Dynamic 表示行或者列数未知，如果定义一个矩阵时并不能确定矩阵的大小，只有在运行时才可以确定大小进行动态分配，而静态矩阵是在定义时便明确给定了行数以及列数，在编译时就可以分配好内存。
MatrixXd m = MatrixXd::Random(3,3);
Matrix3d m = Matrix3d::Random();

MatrixXd表示任意大小的元素类型为double的矩阵变量，其大小在运行时被赋值后才能知道；MatrixXd::Random(3,3)表示产生一个元素类型为double的33的临时矩阵对象。
Matrix3d表示元素类型为double大小为33的矩阵变量，其大小在编译时就知道。
（3）矩阵访问/赋值

======================矩阵元素、块访问，矩阵赋值===================
x = mat(a, b);  //  获取到矩阵 mat 的 a 行 b 列的元素并赋值给 x
mat(b, a) = x;  //  将 x 赋值给矩阵 mat 的 b 行 a 列
mat1 = mat2;    //  将矩阵 mat2 赋值（拷贝）给矩阵 mat1

mat = mat1.block(i, j, p, q);   //  从矩阵 mat1 的 i 行 j 列开始获取一个 p 行 q 列的子矩阵
mat = mat1.block<p, q>(i, j);   //  从矩阵 mat1 的 i 行 j 列开始获取一个 p 行 q 列的子矩阵（动态矩阵）

mat = mat1.row(i);  //  获取 mat1 的第 i 行
mat = mat1.col(j);  //  获取 mat1 的第 j 列  

Matrix3f m;
m << 1, 2, 3,
4, 5, 6,
7, 8, 9;
std::cout << m;

mat.fill(n);    //  将 mat 的所有元素均赋值为 n

看如下例子：

	MatrixXd m(2, 2); //MatrixXd表示是任意尺寸的矩阵ixj, m(2,2)代表一个2x2的方块矩阵
	m(0, 0) = 3; //代表矩阵元素a11
	m(1, 0) = 2.5; //a21
	m(0, 1) = -1; //a12
	m(1, 1) = m(1, 0) + m(0, 1);//a22=a21+a12
	cout << "m="<<endl<<m << endl;//输出矩阵m
	cout << "m(2)="<<m(2) << endl; //这里注意，这里的二维数组是列优先，m(2)取得是第二列第一行的数

输出结果：
在这里插入图片描述
（4）矩阵计算

//=====================================加减法=============================================
	Matrix2d a;//这里直接定义的a是个2*2的方阵
	a << 1, 2,
		3, 4;
	MatrixXd b(2, 2);
	b << 2, 3,
		1, 4;
	cout << "a + b =\n" << a + b << endl;//矩阵加法
	cout << "a - b =\n" << a - b << endl;//矩阵减法
	cout << "Doing a += b;" << endl;
	a += b;//a = a + b，同时重新赋值a
	cout << "Now a =\n" << a << endl;
	Vector3d v4(1, 2, 3);
	Vector3d w(1, 0, 0);
	cout << "v4 + w  =\n" <<  w + v4 << endl;//向量加减法
	cout << "===============next section===============================================" << endl << endl;

	//=================================矩阵数乘===============================================
	Matrix2d a2;
	a2 << 1, 2,
		3, 4;
	Vector3d v5(1, 2, 3);
	cout << "a2 * 2.5 =\n" << a2 * 2.5 << endl;//矩阵数乘
	cout << "0.1 * v5 =\n" << 0.1 * v5 << endl;//向量数乘

在这里插入图片描述

//====================================矩阵/向量乘法========================================
	Matrix2d m4;
	m4 << 1, 2,
		3, 4;
	Vector2d u6(-1, 1), v6(2, 0);
	cout << "Here is m4*m4:\n" << m4 * m4 << endl;//矩阵-矩阵
	cout << "Here is m4*u6:\n" << m4 * u6 << endl;//矩阵-向量
	cout << "Here is u6^T*m4:\n" << u6.transpose()*m4 << endl;//向量-矩阵
	cout << "Here is u6^T*v6:\n" << u6.transpose()*v6 << endl;//向量-向量
	cout << "Here is u6*v6^T:\n" << u6 * v6.transpose() << endl;//向量-向量
	cout << "===============next section===============================================" << endl << endl;

在这里插入图片描述

//==============================转置，共轭,伴随以及逆矩阵=======================================

	MatrixXcf a3 = MatrixXcf::Random(2, 2);//定义2-by-2随机矩阵
	cout << "Here is the matrix a3\n" << a3 << endl;//矩阵a3
	cout << "Here is the matrix a3^T\n" << a3.transpose() << endl;//a3的转置
	cout << "Here is the matrix a3^H\n" << a3.conjugate() << endl;//a3的共轭
	cout << "Here is the adjoint of a3\n" <<a3.adjoint( << endl;//a3的伴随矩阵
	cout << "Here is the matrix a3^{-1}\n" << a3.inverse() << endl;//a3的逆
	cout << "===============next section===============================================" << endl << endl;

在这里插入图片描述
ps：伴随矩阵图片结果有问题，请自动忽略。

//=====================================点乘/叉乘============================================
	Vector3d v7(1, 2, 3);
	Vector3d w7(0, 1, 2);
	cout << "Dot product: " << v7.dot(w7) << endl;//向量点乘
	cout << "Cross product:\n" << v7.cross(w7) << endl;//向量叉乘
	cout << "===============next section===============================================" << endl << endl;

在这里插入图片描述

//==================================== 其他功能==============================================

	Matrix3d m5;
	m5 << 1, 2, 3,
		1, 2, 1,
		0, 2, 4;
	cout << "Here is m5.determinant():   " << m5.determinant() << endl;// 行列式
	cout << "Here is m5.sum():           " << m5.sum() << endl;//所有元素之和
	cout << "Here is m5.prod():          " << m5.prod() << endl;//所有元素之积
	cout << "Here is m5.mean():          " << m5.mean() << endl;//元素的平均数
	cout << "Here is m5.minCoeff():      " << m5.minCoeff() << endl;//最小元素
	cout << "Here is m5.maxCoeff():      " << m5.maxCoeff() << endl;//最大元素
	cout << "Here is m5.trace():         " << m5.trace() << endl;//迹（对角元素之和)
	cout << "===============next section===============================================" << endl << endl;

在这里插入图片描述
当前矩阵的行数、列数、大小可以通过rows()，cols()和size()来获取，上面用“=”改变矩阵大小的方式除此之外，对于动态矩阵可以通过resize()函数来动态修改矩阵的大小.
需注意：
(1) 固定大小的矩阵是不能使用resize（）来修改矩阵的大小；
(2) resize（）函数会析构掉原来的数据，因此调用resize（）函数之后将不能保证元素的值不改变。

//==================================== 矩阵改变大小============================================
MatrixXd m6(3,3);
	cout << " the number of rows " << m6.rows() << endl;
	cout << " the number of cols " << m6.cols() << endl;
	cout << " the number of size " << m6.size() << endl;
	m6.resize(4, 5);
	cout << "matrix change!!!" << endl;
	cout << " the number of rows " << m6.rows() << endl;
	cout << " the number of cols " << m6.cols() << endl;
	cout << " the number of size " << m6.size() << endl;

在这里插入图片描述

参考资料

windawdaysss
关注
C++ QT 矩阵运算器
04-24
C++ QT 矩阵运算器。 使用QT、C++开发的矩阵运算器，支持加减乘和转置（对左边矩阵进行转置），底层数据结构使用的是稀疏矩阵，用数组实现。 C++、QT
14、Qt使用Eigen3
Viciower的博客
12-22 1173
Qt使用Eigen3
C++线性代数库Eigen简明教程
最新发布
xsd1219的专栏
07-31 234
C++线性代数库；Eigen
Eigen——C++矩阵运算库
weixin_42040046的博客
11-28 9861
Eigen——C++矩阵运算库Eigen是什么？下载配置使用参考 Eigen是什么？ Eigen是一个基于C++模板的开源库，支持线性代数，矩阵和矢量运算，数值分析及其相关的算法。 下载配置 官网：Eigen官网，下载解压缩可以重命名为eigen3，在项目——属性——C/C++——常规——附加包含目录添加该库位置就好了。 图文详细：vs2013配置Eigen库 使用 注：Eigen使用源代码方式...
C++ Eigen库的下载与使用
老赵的博客
07-12 2139
Eigen库
Eigen库完全教程——从入门到入魂
qq_45545158的博客
10-25 8539
eigen库是C++中的线性代数库，实现了线性代数以及矩阵分析中所有计算方法。既然已经要学eigen库了，想必，线性代数的基本知识肯定是有的。如果你是做三维重建的，那么这个库必学。
Eigen 库入门教程
m0_46611008的博客
11-26 3718
其中需要注意的是 MatrixXf::Zero(m, n) 以及 MatrixXf::Identity(m, n),分别代表全0矩阵和对角线为1的矩阵。Eigen库对于很多需要做SLAM、图像、自动驾驶等方向的人肯定不陌生非常值得学习，本文将整理一些Eigen库的使用教程供初学者能够快速熟悉并入门。Eigen库最显著的特点是，使用时只需要包含头文件即可（它是纯用头文件搭建起来的库），不需要链接库。那么上面写的 Dense是最常用的，我们包含的时候如何选择呢？表征，对于一维和二维的数组，则由模板。
Eigen库的基本使用说明
热门推荐
主要学习关于图像处理和SLAM领域
03-13 1万+
Eigen是基于线性代数的C ++模板库，主要用于矩阵，向量，数值求解器和相关算法。Ceres,G2O等项目均是基于Eigen。 1.支持整数、浮点数、复数，使用模板编程，可以为特殊的数据结构提供矩阵操作。 2.支持逐元素、分块、和整体的矩阵操作。 3.支持使用Intel MKL加速部分功能。 4.支持多线程稀疏矩阵支持良好， 5.支持常用几何运算，包括旋转矩阵、四元数、矩阵变换、角轴等等。OpenCV自带到Eigen的接口。 Eigen是基于线性代数的C ++模板库，主要用于矩阵，向量，数值求
【 Eigen库下载安装教程】
weixin_42723793的博客
04-09 2036
Eigen 是一个高级的 C++ 库，用于线性代数、矩阵和向量运算，数值解算，以及相关的数学运算。Eigen 被广泛应用于计算机视觉、机器学习、信号处理等领域。Eigen 库的设计理念是提供高效、灵活和易于使用的数学运算工具。提示：以下是本篇文章正文内容，下面案例可供参考安装比较简单，安装后引用头文件、加入链接库就可以使用。
C++ Eigen库的下载配置和使用
03-07
一、Eigen 介绍 二、Eigen 的下载 三、Eigen 的配置 3.1 在 Qt 下配置 ...4.6 矩阵运算 4.6.1 矩阵相乘 4.6.2 矩阵转置 4.6.3 矩阵求逆 4.6.4 求矩阵的特征值和特征向量 4.6.5 矩阵的SVD分解 4.6.6 计算矩阵的伪逆
Qt 配置Eigen矩阵库 - 并简单测试
05-26
Eigen是一个开源的C++模板库，提供了线性代数和矩阵运算的功能。它被设计为一个高性能、可扩展和易用的库，可以用于科学计算、机器学习和计算机图形学等领域。 `本资源基于Qt使用Eigen写了一个低通滤波器小Demo进行...
QT中配置的库（Eigen、OpenCV、Gocator SDK）
01-12
Eigen是一个轻量级的C++模板库，主要用于线性代数计算，如向量、矩阵、张量运算，以及相关的算法，如求解线性方程组、特征值问题等。在QT中使用Eigen，首先需要将其源代码添加到项目的依赖项中。通常，你可以通过...
Qt/C++特征分解eig奇异值分解SVD库
04-28
总之，Eigen库为Qt/C++开发者提供了一套强大、高效的线性代数工具，使得在C++环境中进行矩阵运算变得简单易行。无论是进行特征值分解、奇异值分解还是其他矩阵运算，Eigen库都能提供便捷的接口和出色的性能，极大地...
网页版eigen中文教程_eigen教程_eigen；矩阵函数库；中文教程_
10-01
Eigen是一个开源的C++矩阵和向量库，专为数值计算而设计。它提供了高效、灵活且易于使用的接口，使得在C++程序中进行线性代数运算变得简单。Eigen库适用于各种科学计算、图像处理、机器学习等领域，其核心优势在于...
Eigen在QT中的配置
hulinhulin的专栏
08-09 1753
Eigen的功能及在QT中的配置和使用
全网最简洁安装Eigen库方法(Win端+VScode)
qq_45948208的博客
08-22 7545
1.安装Vscode及配置C++基础运行环境 具体安装可参考以下文章 [VsCode安装和配置c/c++环境（超完整，小白专用）](https://blog.csdn.net/weixin_48468423/article/details/118950592)
深入浅出（九）Eigen库
qq_43572400的博客
02-01 2221
eigen C++ 开源矩阵计算库，有关eigen的简介、文件结构、API、源代码使用与生成库使用的方法介绍
C++中Eigen线性代数库的使用
weixin_43446964的博客
05-16 339
【代码】C++中Eigen线性代数库的使用。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

windawdaysss

觉得文章有用，可以请我喝杯咖啡

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值