eigen库的矩阵操作(Eigen/Dense类)

最新推荐文章于 2025-09-03 12:54:57 发布

原创

最新推荐文章于 2025-09-03 12:54:57 发布 · 6.8k 阅读

22 ·

CC 4.0 BY-SA版权

本文详细介绍了Eigen库中矩阵的基本操作，包括矩阵的声明、赋值、运算、矩阵的逆、特征值分解等。并对比了直接求逆和矩阵分解在解决线性方程组时的效率。

// 来自高翔SLAM十四讲
#include<iostream>
#include<ctime>
#include<eigen3/Eigen/Core>
// 稠密矩阵的代数运算(逆、特征值等)
#include<eigen3/Eigen/Dense>

using namespace std;

#define MATRIX_SIZE 5

int main(){
	// eigen以矩阵为基本数据元素。它是一个模板类。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> matrix23;
	// 同时，eigen通过typedef提供了许多内置类型，不过底层仍旧是eigen::Matrix
	// 例如：Vector3d实质上是Eigen::Matrix<double,3,1>
	Eigen::Vector3d v_3d;
	// Matrix3d实质上是Eigen::Matrix<double,3,3>
	Eigen::Matrix3d matrix33 = Eigen::Matrix3d::Zero();	// 初始化为0
	// 如果大小不确定的矩阵，可以使用动态大小的矩阵
	Eigen::Matrix<double, Eigen::Dynamic, -1> matrix_dynamic;
	// 更简单的
	Eigen::MatrixXd matrix_x;
	// 还有很多类似的类型，自己看吧

	// 下面是对矩阵的操作
	// 输入数据
	matrix23 << 1,2,3,4,5,6;	// 重载了 <<
	// 输出
	cout<<matrix23<<endl;

	// 用()访问矩阵中的元素
	for(int i=0; i<1; i++){
		for(int j=0; j<2; j++){
			cout<<matrix23(i,j)<<endl;
		}
	}

	v_3d << 3,