eigen和matlab的对比和类似使用

Matlab和Eigen的对应用法

模块和头文件

• Core #include<Eigen/Core>，包含Matrix和Array类，基础的线性代数运算和数组操作。
• Geometry #include<Eigen/Geometry>，包含旋转，平移，缩放，2维和3维的各种变换。
• LU #include<Eigen/LU>，包含求逆，行列式，LU分解。
• Cholesky #include<Eigen/Cholesky>，包含LLT和LDLT Cholesky分解。
• SVD #include<Eigen/SVD>，包含SVD分解。
• QR #include<Eigen/QR>，包含QR分解。
• Eigenvalues #include<Eigen/Eigenvalues>，包含特征值，特征向量分解。
• Sparse #include<Eigen/Sparse>，包含稀疏矩阵的存储和运算。
• Dense #include<Eigen/Dense>，包含了Core/Geometry/LU/Cholesky/SVD/QR/Eigenvalues模块。
• Eigen #include<Eigen/Eigen>，包含Dense和Sparse。

1、Eigen库的基本数据变量

#include <Eigen/Dense>

Matrix<double, 3, 3> A;               // 固定大小的双精度矩阵，和Matrix3d一样。
Matrix<double, 3, Dynamic> B;         // 固定行数，列数为动态大小
Matrix<double, Dynamic, Dynamic> C;   // 行数和列数都是动态大小，和MatrixXd一样。
Matrix<double, 3, 3, RowMajor> E;     // 行优先的矩阵（默认是列优先）
Matrix3f P, Q, R;                     // 3x3 的浮点型矩阵
Vector3f x, y, z;                     // 3x1 的浮点型矩阵（列向量）
RowVector3f a, b, c;                  // 1x3 的浮点型矩阵（行向量）
VectorXd v;                           // 动态大小的双精度列向量
double s;                            

2、Eigen库用法（与matlab对比）

2.1 常见数据处理

Eigen	Matlab	注释
x.size()	length(x)	向量的长度
C.rows()	size(C,1)	矩阵的行数
C.cols()}	size(C,1)	矩阵的列数
x(i)	x(i+1)	访问向量元素(Matlab的下标从1开始计数)
C(i,j)	C(i+1,1)	访问矩阵元素

2.2 矩阵手动初始化

A << 1, 2, 3, // 初始化A。元素也可以是矩阵，先按列堆叠，再按行堆叠。
4, 5, 6,
7, 8, 9;

2.3 常见矩阵

Eigen	Matlab	注释
C.setIdentity(rows,cols)	C = eye(rows,cols)	单位矩阵
C.setZero(rows,cols)	C = zeros(rows,cols)	全零矩阵
C.setOnes(rows,cols)	C = ones(rows,cols)	全一矩阵
C.setRandom(rows,cols)	C = rand(rows,cols)*2-1	返回范围为(-1, 1)的均匀分布的随机数
v.setLinSpaced(size,low,high)	v = linspace(low,high,size)	返回size个等差数列，第一个数为low，最后一个数为high

2.4 矩阵切片和块

注意：Matlab是的下标是从1开始的。

Eigen	Matlab	注释
x.head()	x(1:n)	前n个元素
x.tail()	// x(end - n + 1: end) //倒数n个元素
x.segment(i)	x(i+1 : i+n)	切片
P.block<rows, cols>(i, j)	P(i+1 : i+rows, j+1 : j+cols)	块
P.row(i)	P(i+1, : )	第i行
P.col(j)	P(:, j+1)	第j列
P.leftCols()	P(:, 1:cols)	前cols列
P.middleCols(j)	P(:, j+1:j+cols)	中间cols列
P.rightCols()	P(:, end-cols+1:end)	后cols列
P.topRows()	P(1:rows, : )	前rows行
P.middleRows(i)	P(i+1:i+rows, : )	中间rows行
P.bottomRows()	P(end-rows+1:end, : )	最后rows行
P.topLeftCorner<rows,cols>()	P(1:rows, 1:cols)	左上角块
P.topRightCorner<rows,cols>()	P(1:rows, end-cols+1:end)	右上角块
P.bottomLeftCorner<rows,cols>()	P(end-rows+1:end, 1:cols)	左下角块
P.bottomRightCorner<rows,cols>()	P(end-rows+1:end, end-cols+1:end)	右下角块

2.5 矩阵运算

Eigen	Matlab	注释
R.inverse()	inv( R )	求逆
R.adjoint()	R’	共轭转置
R.transpose()	R.’ or conj(R’)	转置
R.diagonal()	diag( R )	对角元素
x.asDiagonal()	diag(x)	矩阵对角化
R = P.cwiseProduct(Q)	R = P .* Q	逐元素乘法
R = P.array() * s.array()	R = P .* s	逐元素乘法（s为标量）
R = P.cwiseQuotient(Q)	R = P ./ Q	逐元素除法
R = P.array() / Q.array()	R = P ./ Q	逐元素除法
R = P.array() + s.array()	R = P + s	逐元素加法（s为标量）
R = P.array() - s.array()	R = P - s	逐元素减法（s为标量）
R.array() += s	R = R + s	逐元素加法（s为标量）
R.array() -= s	R = R - s	逐元素减法（s为标量）
R.array() < Q.array()	R < Q	逐元素比较运算
R.array() <= Q.array()	R <= Q	逐元素比较运算
R.cwiseInverse()	1 ./ P	逐元素取倒数
R.array().inverse()	1 ./ P	逐元素取倒数
R.array().sin()	sin( P)	逐元素计算正弦函数
R.array().cos()	cos( P)	逐元素计算余弦函数
R.array().pow(s)	P .^ s	逐元素计算幂函数
R.array().square()	P .^ 2	逐元素计算平方
R.array().cube()	P .^ 3	逐元素计算立方
R.cwiseSqrt()	sqrt( P)	逐元素计算平方根
R.array().sqrt()	sqrt( P)	逐元素计算平方根
R.array().exp()	exp( P)	逐元素计算指数函数
R.array().log()	log( P)	逐元素计算对数函数
R.cwiseMax( P)	max(R, P)	逐元素计算R和P的最大值
R.array().max(P.array())	max(R, P)	逐元素计算R和P的最大值
R.cwiseMin( P)	min(R, P)	逐元素计算R和P的最小值
R.array().min(P.array())	min(R, P)	逐元素计算R和P的最小值
R.cwiseAbs( )	abs§	逐元素计算R和P的绝对值
R.array().abs()	abs§	逐元素计算绝对值
R.cwiseAbs2()	abs(P.^2)	逐元素计算平方
R.array().abs2()	abs(P.^2)	逐元素计算平方
(R.array() < s).select(P,Q)	(R < s ? P : Q)	根据R的元素值是否小于s，选择P和Q的对应元素
R = (Q.array()==0).select(P,A)	R(Q==0 ) = P(Q ==0) R(Q!=0) = P(Q!=0)	根据Q中元素等于零的位置选择P中元素
R.minCoeff()	min(R( : ))	最小值
R.maxCoeff()	max(R( : ))	最大值
s = R.minCoeff(&r, &c)	[s, i] = min(R( : )); [r, c] = ind2sub(size( R ), i)	计算最小值和它的位置
s = R.maxCoeff(&r, &c)	[s, i] = max(R( : )); [r, c] = ind2sub(size( R ), i)	计算最大值和它的位置
R.sum()	sum(R( : ))	求和（所有元素）
R.colwise().sum()	sum( R )	按列求和
R.rowwise().sum()	sum(R, 2) or sum(R’)’	按行求和
R.prod()	prod(R( : ))	累积
R.colwise().prod()	prod®	按列累积
R.rowwise().prod()	prod(R, 2) or prod(R’)’	按行累积
R.trace()	trace( R )	迹
R.all()	all(R( : ))	是否所有元素都非零
R.colwise().all()	all( R )	按列判断，是否该列所有元素都非零
R.rowwise().all()	all(R, 2)	按行判断，是否该行所有元素都非零
R.any()	any(R( : ))	是否有元素非零
R.colwise().any()	any( R )	按列判断，是否该列有元素都非零
R.rowwise().any()	any(R, 2)	按行判断，是否该行有元素都非零
x.norm()	norm(x)	范数（注意：Eigen中没有norm®）
x.squaredNorm()	dot(x, x)	平方和（注意：对于复数而言，不等价）
x.dot(y)	dot(x, y)	点积
x.cross(y)	cross(x, y)	交叉积，需要头文件 #include <Eigen/Geometry>

2.6 类型转换

Eigen	Matlab	注释
A.cast< double >()	double(A)	变成双精度类型
A.cast< float >()	single(A)	变成单精度类型
A.cast< int >()	int32(A)	编程整型
A.real()	real(A)	实部
A.imag()	imag(A)	虚部

2.7 Eigen 可以将已存储数据的缓存映射成Eigen矩阵

float array[3];
Vector3f::Map(array).fill(10);

int data[4] = {1, 2, 3, 4};
Matrix2i mat2x2(data); // 将 data 复制到 mat2x2
Matrix2i::Map(data) = 2mat2x2; // 使用 2mat2x2 覆写data的元素
MatrixXi::Map(data, 2, 2) += mat2x2; // 将 mat2x2 加到 data的元素上 (当编译时不知道大小时，可选语法)

2.8 求解线性方程组 Ax = b。

结果保存在x中。 Matlab: x = A \ b.

x = A.ldlt().solve(b)); // #include <Eigen/Cholesky>
x = A.llt() .solve(b)); // #include <Eigen/Cholesky>
x = A.lu() .solve(b)); // 稳定,快速 #include <Eigen/LU>
x = A.qr() .solve(b)); // No pivoting. #include <Eigen/QR>
x = A.svd() .solve(b)); // 稳定,慢速 #include <Eigen/SVD>

2.8 特征值问题

Eigen	Matlab	注释
A.eigenvalues()	eig(A)	特征值
EigenSolver eig(A)	[vec val] = eig(A)	特征值求解器
eig.eigenvalues()	diag(val)	特征值，向量形式
eig.eigenvectors()	vec(val)	特征向量，矩阵形式

• 对于伴矩阵（Hermitian矩阵或对称矩阵），使用SelfAdjointEigenSolver<>