Eigen基本使用方法整理(持续更新)

前言

最近在学习卡尔曼滤波,在矩阵的计算中我使用了C++ 的eigen库,这里将eigen库的基本函数记录下来,以供之后查阅。Eigen的官方说明文档链接

基本内容

数组转换为矩阵

下面的程序里将用到Eigen库中的几个函数这里先进行说明一下。

MatrixXd::Random(2,3); 生成一个double类型两行三列的矩阵。

test1.transpose();将矩阵test1转置;

MatrixXd test1 = Map < MatrixXd > (array, 3, 2);将数组array转换成三行两列的矩阵。这里先进行行后再进行列。 矩阵和array指向不同的内存空间,互不影响。

Matrix<double, 2, 3, ColMajor> test3 = Map< MatrixXd >(array, 2, 3);生成的矩阵主要是先排列再排行;

MatrixXd test4 = Map<Matrix<double, 2, 3, RowMajor>>(array);生成的矩阵主要是先排行再排列;

Map<Matrix<double, Dynamic, Dynamic, RowMajor>> test5(array,2,3); 动态矩阵的生成方法。

demo代码如下所示:

#include<iostream>
#include<Eigen/Dense>

using namespace std;
using namespace Eigen;

int main()
{
    MatrixXd test = MatrixXd::Random(2, 3);
    cout << test << endl;

    double *Mat = test.data();
    for(int i= 0;i<test.size();i++)
    {
        cout << "Mat [" <<i <<"]" << " is " << *(Mat+i) <<endl;
    }

    double array[] = {1, 2, 3, 4, 5, 6};
    MatrixXd test1 = Map<MatrixXd>(array, 3, 2); //先行后列
    cout <<"test1: " << endl << test1 << endl; 

    cout << "test2: " << endl << test1.transpose() <<endl; //转置

    Matrix<double, 2, 3, ColMajor> test3 = Map<MatrixXd>(array, 2, 3);

    cout << "test3: " << endl << test3 << endl;

    Matrix<double, 2, 3, RowMajor> test4 = Map<MatrixXd>(array, 2, 3);

    cout <<"test4: " <<endl << test4 <<endl;

    Map<Matrix<double, Dynamic, Dynamic, ColMajor>> test5(array, 2, 3);
    cout << "test5: " <<endl << test5 <<endl;
}

矩阵转换为数组

矩阵转换为数组的方法有如下两种:

① double * eigenMatptr = eigMat.data();

② double *eigMatptrnew = new double[eigMat.size()];
Map< MatrixXd>(eigMatptrnew, eigMat.rows(), eigMat.cols()) = eigMat;

注意的是在矩阵初始化的时候要正确的给出矩阵的维度然后再输入或者生成随机矩阵。

#include<iostream>
#include<Eigen/Dense>
using namespace std;
using namespace Eigen;

int main(int argc, char*argv[])
{
    Matrix3d eigmat;
    eigmat << 1, 2, 3,
              4, 5, 6,
              7, 8, 9;
    cout << eigmat <<endl;
    double* eigmatarry =eigmat.data();
    double* eigmatarrynew = new double[eigmat.size()];
    Map<MatrixXd>(eigmatarrynew, eigmat.rows(),eigmat.cols()) = eigmat;
    for(int i= 0;i<eigmat.size();i++)
    {

        cout <<"eigmatarrynew[" <<i <<"] is: " << *eigmatarrynew+i <<endl;
    }
    delete []eigmatarrynew;
}

矩阵的基本运算

矩阵的求逆为inverse()函数,矩阵的转置为transpose()函数

### 如何使用Eigen库 #### 安装与配置 为了使用Eigen库,在本地环境中安装并配置是必要的。对于大多数Linux发行版,可以通过包管理器来安装Eigen: ```bash sudo apt-get install libeigen3-dev ``` 如果采用源码编译的方式,则可以从官方仓库下载最新版本的Eigen,并解压到合适的位置。 在构建基于Eigen的应用程序时,需告知编译工具链Eigen头文件所在路径。例如,在`CMakeLists.txt`中指定包含目录[^3]: ```cmake include_directories("/usr/include/eigen3") ``` 这一步骤确保了编译期间能够找到Eigen提供的模板定义。 #### 基本用法示例 下面给出一段简单的代码片段展示如何创建矩阵对象以及执行基本操作: ```cpp #include <iostream> #include <Eigen/Dense> using namespace std; using namespace Eigen; int main() { MatrixXd m(2, 2); // 创建一个2x2双精度浮点型矩阵 m << 1, 2, 3, 4; // 使用逗号分隔符初始化元素值 VectorXd v(2); v << 5, 6; // 初始化向量 cout << "Here is the matrix m:\n" << m << endl; cout << "Here is the vector v:\n" << v << endl; // 执行乘法运算并将结果存储在一个新的变量里 VectorXd result = m * v; cout << "m*v =" << endl << result << endl; } ``` 上述例子展示了如何声明矩阵和向量、填充数据以及完成一次标准的矩阵-向量相乘计算[^1]。 #### 获取更多帮助资源 除了查阅官方文档外,还可以访问官方网站获取详细的API说明和其他教程资料。Eigen的设计理念之一就是让用户可以像写MATLAB那样自然流畅地编写高效的C++代码,因此其文档也特别注重易读性和实用性[^2]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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