eigen 教程和指南

2023-10-29

转自：http://eigen.tuxfamily.org/dox-2.0/TutorialCore.html

https://blog.csdn.net/xuezhisdc/article/details/54619853

固定大小的矩阵和向量

/*
 * 参考链接：http://eigen.tuxfamily.org/dox-2.0/TutorialCore.html#TutorialCoreGettingStarted
*/

#include <iostream>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

// import most common Eigen types
int main(int, char *[])
{
    Matrix3f m3; //3x3单精度矩阵
    m3 << 1, 2, 3, 4, 5, 6, 7, 8, 9;
    Matrix4f m4 = Matrix4f::Identity(); //4x4单位矩阵（单精度）
    Vector4i v4(1, 2, 3, 4); // 长度为4的整型向量

    // 输出结果
    std::cout << "m3\n" << m3 << "\nm4:\n"
        << m4 << "\nv4:\n" << v4 << std::endl;
}

Matrix表示矩阵，Vector表示向量，数字表示维度，最后的f和i分别表示单精度和整型数据类型。
固定大小表示编译时，行数和列数是固定的。这时，Eigen不会分配动态内存。这对于比较小的尺寸比较适合，比如16x16。

动态大小的矩阵和向量

/*
 * 参考链接：http://eigen.tuxfamily.org/dox-2.0/TutorialCore.html#TutorialCoreGettingStarted
*/

#include <iostream>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
    // 动态矩阵
    for (int size=1; size<=4; ++size)
    {
        MatrixXi m(size,size+1); // 一个整型的大小为 (size)x(size+1) 的矩阵
        for (int j=0; j<m.cols(); ++j) // 遍历列
            for (int i=0; i<m.rows(); ++i) // 遍历行
                m(i,j) = i+j*m.rows(); // 使用圆括号m(i,j)访问矩阵的元素
        std::cout << m << "\n\n"; //打印矩阵
    }

    // 动态向量
    VectorXf v(4); // 定义一个4维单精度向量
    // 使用圆括号()或方括号[]访问向量元素
    v[0] = 1; v[1] = 2; v(2) = 3; v(3) = 4;
    std::cout << "\nv:\n" << v << std::endl;
}

小结：X表示动态大小。
#include <Eigen/Eigen>将包含所有的Eigen函数。#include <Eigen/Dense>包含所有普通矩阵函数，不包括稀疏矩阵函数。它们会增加编译时间。

矩阵和向量类型

Eigen中的所有密集矩阵和向量都是通过Matrix类来表示的。Matrix通过一系列的模板参数来生成具体的类别。
Matrix<Scalar, RowsAtCompileTime, ColsAtCompileTime>中，Scalar表示数据类型，RowsAtCompileTime和ColsAtCompileTime分别表示编译时的行数和列数。
Vector3d 定义为 Matrix<double, 3, 1>
对于动态大小的类型，在编译时不指定行数和列数，使用Eigen::Dynamic。比如，VectorXd定义为Matrix<double, Dynamic, 1>。

访问元素

Eigen支持以下的读/写元素语法：

matrix(i,j);
vector(i)
vector[i]
vector.x() // first coefficient
vector.y() // second coefficient
vector.z() // third coefficient
vector.w() // fourth coefficient

矩阵只能通过圆括号()访问；
向量可以通过圆括号()和方括号[]访问。
上述的元素访问方法都通过断言检查范围，代价比较大。
- 通过定义EIGEN_NO_DEBUG 或 NDEBUG，取消断言。
- 通过使用coeff()和coeffRef()，来取消检查。比如，MatrixBase::coeff(int,int) const, MatrixBase::coeffRef(int,int)等。

创建和初始化矩阵和向量

通过预定义矩阵初始化

创建固定大小的矩阵和向量

/*
 * 参考链接：http://eigen.tuxfamily.org/dox-2.0/TutorialCore.html#TutorialCoreGettingStarted
*/

#include <iostream>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
    float value = 3.0;
    Matrix3f x; // 创建一个3x3的单精度矩阵
    x = Matrix3f::Zero(); //全零矩阵
    cout << x << endl << endl;
    x = Matrix3f::Ones(); //全一矩阵
    cout << x << endl << endl;
    x = Matrix3f::Constant(value); //全value矩阵
    cout << x << endl << endl;
    x = Matrix3f::Identity(); //单位矩阵
    cout << x << endl << endl;
    x = Matrix3f::Random(); // 随机矩阵
    cout << x << endl << endl;
    x.setZero();
    cout << x << endl << endl;
    x.setOnes();
    cout << x << endl << endl;
    x.setIdentity();
    cout << x << endl << endl;
    x.setConstant(value);
    cout << x << endl << endl;
    x.setRandom();
    cout << x << endl << endl;
}

创建动态大小的矩阵

/*
 * 参考链接：http://eigen.tuxfamily.org/dox-2.0/TutorialCore.html#TutorialCoreGettingStarted
*/

#include <iostream>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
    float value = 3.0f;
    int rows = 3;
    int cols = 4;
    MatrixXf x;
    x = MatrixXf::Zero(rows, cols);
    cout << x << endl << endl;
    x = MatrixXf::Ones(rows, cols);
    cout << x << endl << endl;
    x = MatrixXf::Constant(rows, cols, value);
    cout << x << endl << endl;
    x = MatrixXf::Identity(rows, cols);
    cout << x << endl << endl;
    x = MatrixXf::Random(rows, cols);
    cout << x << endl << endl;
    x.setZero(rows, cols);
    cout << x << endl << endl;
    x.setOnes(rows, cols);
    cout << x << endl << endl;
    x.setConstant(rows, cols, value);
    cout << x << endl << endl;
    x.setIdentity(rows, cols);
    cout << x << endl << endl;
    x.setRandom(rows, cols);
    cout << x << endl << endl;
    return 0;
}

创建动态大小的向量

/*
 * 参考链接：http://eigen.tuxfamily.org/dox-2.0/TutorialCore.html#TutorialCoreGettingStarted
*/

#include <iostream>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
    int size = 3;
    float value = 3.0f;
    VectorXf x; // 定义动态向量
    x = VectorXf::Zero(size); //全0向量
    cout << x << endl << endl;
    x = VectorXf::Ones(size); //全1向量
    cout << x << endl << endl;
    x = VectorXf::Constant(size, value);//全value向量
    cout << x << endl << endl;
    //x = VectorXf::Identity(size);//报错
    x = VectorXf::Random(size);
    cout << x << endl << endl;
    x.setZero(size);
    cout << x << endl << endl;
    x.setOnes(size);
    cout << x << endl << endl;
    x.setConstant(size, value);
    cout << x << endl << endl;
    //x.setIdentity(size);
    x.setRandom(size);
    cout << x << endl << endl;
    return 0;
}

创建固定大小的基向量

/*
 * 参考链接：http://eigen.tuxfamily.org/dox-2.0/TutorialCore.html#TutorialCoreGettingStarted
*/

#include <iostream>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
    Vector3f x;
    x = Vector3f::UnitX(); // 1 0 0
    cout << x << endl << endl;
    x = Vector3f::UnitY(); // 0 1 0
    cout << x << endl << endl;
    x = Vector3f::UnitZ(); // 0 0 1
    cout << x << endl << endl;

    return 0;
}

创建动态大小的基向量

/*
 * 参考链接：http://eigen.tuxfamily.org/dox-2.0/TutorialCore.html#TutorialCoreGettingStarted
*/

#include <iostream>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
    VectorXf x;
    x = VectorXf::Unit(4,1);
    cout << x << endl << endl;
    x = Vector4f(0,1,0,0);
    cout << x << endl << endl;
    x = Vector4f::UnitY();
    cout << x << endl << endl;

    return 0;
}

例子

/*
 * 参考链接：http://eigen.tuxfamily.org/dox-2.0/TutorialCore.html#TutorialCoreGettingStarted
*/

#include <iostream>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{

    cout << MatrixXf::Constant(2, 3, sqrt(2)) << endl; // 2x3的单精度矩阵
    RowVector3i v; //3维行向量
    v.setConstant(6);
    cout << "v = " << v << endl;

    return 0;
}

通过Cast的方式初始化

相同尺寸的矩阵兼容

元素类型通过MatrixBase::cast()自动转换。

/*
 * 参考链接：http://eigen.tuxfamily.org/dox-2.0/TutorialCore.html#TutorialCoreGettingStarted
*/

#include <iostream>
#include <Eigen/Core>
#include <Eigen/Eigen>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
    Vector3d md(1,2,3);
    Vector3f mf = md.cast<float>();
    cout << "md = " << md << endl;
    cout << "mf = " << mf << endl;
    return 0;
}

相同类型的矩阵兼容

/*
 * 参考链接：http://eigen.tuxfamily.org/dox-2.0/TutorialCore.html#TutorialCoreGettingStarted
*/

#include <iostream>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
    MatrixXf res(10,10);
    Matrix3f a, b;
    a = Matrix3f::Identity();
    b = Matrix3f::Constant(3);
    res = a+b; // OK: res is resized to size 3x3

    cout << a << endl << endl;
    cout << b << endl << endl;
    cout << res << endl << endl;
    return 0;
}

通过Map方式初始化

/*
 * 参考链接：http://eigen.tuxfamily.org/dox-2.0/TutorialCore.html#TutorialCoreGettingStarted
*/

#include <iostream>
#include <vector>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
    std::vector<float> stlarray(10);
    VectorXf::Map(&stlarray[0], stlarray.size()).squaredNorm();

    return 0;
}

下面的代码没有完全调通

/*
 * 参考链接：http://eigen.tuxfamily.org/dox-2.0/TutorialCore.html#TutorialCoreGettingStarted
*/

#include <iostream>
#include <vector>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
    const int rows = 3;
    const int cols = 4;
    float array[rows*cols];
    Map<MatrixXf> m(array,rows,cols);
    Matrix3f othermatrix1 = Matrix3f::Identity();//单位矩阵
    MatrixXf othermatrix2(3,4);
    othermatrix2 = MatrixXf::Constant(3,4,5);//3x4的常量矩阵，值都为5
    m = othermatrix1 * othermatrix2;
    //m.eigenvalues();
    std::vector<float> stlarray(10);
    VectorXf::Map(&stlarray[0], stlarray.size()).squaredNorm();
    cout << m << endl;
    return 0;
}

通过逗号初始化

/*
 * 参考链接：http://eigen.tuxfamily.org/dox-2.0/TutorialCore.html#TutorialCoreGettingStarted
*/

#include <iostream>
#include <vector>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
    Matrix3f m;
    m << 1, 2, 3,
        4, 5, 6,
        7, 8, 9;
    cout << m << endl;
    return 0;
}

使用逗号和子矩阵，初始化矩阵。

/*
 * 参考链接：http://eigen.tuxfamily.org/dox-2.0/TutorialCore.html#TutorialCoreGettingStarted
*/

#include <iostream>
#include <vector>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
    int rows=5, cols=5;
    MatrixXf m(rows,cols);
    m << (Matrix3f() << 1, 2, 3, 4, 5, 6, 7, 8, 9).finished(),//左上角3x3
        MatrixXf::Zero(3,cols-3), //右上角3x2
        MatrixXf::Zero(rows-3,3), //左下角2x3
        MatrixXf::Identity(rows-3,cols-3); //右下角2x2

    cout << m << endl;
    return 0;
}

.finished()用于当临时矩阵初始化完成时，获取实际的矩阵对象。尽管看起来很复杂，但实际上编译时已经优化。

算术操作

传统的数学运算

矩阵/向量乘法：

col2 = mat1 * col1; //矩阵x列向量
row2 = row1 * mat1;  // 行向量x矩阵
row1 *= mat1;
mat3 = mat1 * mat2; 
mat3 *= mat1;

矩阵/向量加法/减法：

mat3 = mat1 + mat2; 
mat3 += mat1;
mat3 = mat1 - mat2; 
mat3 -= mat1;

标量加法/减法：

mat3 = mat1 * s1; 
mat3 = s1 * mat1; 
mat3 *= s1;
mat3 = mat1 / s1; 
mat3 /= s1;

逐元素的操作

逐元素的操作，请查阅.cwise()。
逐元素乘法

mat3 = mat1.cwise() * mat2;

加/减标量

//需要Array模块 #include <Eigen/Array>
mat3 = mat1.cwise() + scalar;
mat3.cwise() += scalar;
mat3.cwise() -= scalar;

逐元素除法

//需要Array模块 #include <Eigen/Array>
mat3 = mat1.cwise() / mat2;

逐元素取倒数

//需要Array模块 #include <Eigen/Array>
mat3 = mat1.cwise().inverse();

逐元素比较运算

//需要Array模块 #include <Eigen/Array>
mat3 = mat1.cwise() < mat2;
mat3 = mat1.cwise() <= mat2;
mat3 = mat1.cwise() > mat2;
//等

三角余弦
- sin(), cos()等。

//需要Array模块 #include <Eigen/Array>
mat3 = mat1.cwise().sin();
// 等

指数
- pow(), square(), cube(), sqrt(), exp(), log()等。

//需要Array模块 #include <Eigen/Array>
mat3 = mat1.cwise().square();
mat3 = mat1.cwise().pow(5);
mat3 = mat1.cwise().log();
//等

最小值，最大值，绝对值

mat3 = mat1.cwise().min(mat2);
mat3 = mat1.cwise().max(mat2);
mat3 = mat1.cwise().abs();
mat3 = mat1.cwise().abs2();

各种乘法运算
- 矩阵乘法：m1*m2
- 逐元素乘法：mat1.cwise()*mat2
- 点积：scalar = vec1.dot(vec2);
- 外积：mat = vec1 * vec2.transpose();
- 交叉积：#include <Eigen/Geometry> vec3 = vec1.cross(vec2);
逐元素操作示例：

/*
 * 参考链接：http://eigen.tuxfamily.org/dox-2.0/TutorialCore.html#TutorialCoreGettingStarted
*/

#include <iostream>
#include <vector>
#include <Eigen/Eigen>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
    Matrix3f x, y;
    x << 5,3,1,2,-7,8,9,-4,6;
    y << 5,3,1,2,-7,8,9,4,7;
    cout << x << endl << endl;
    cout << x.cwiseAbs() << endl << endl;//绝对值
    cout << x.cwiseAbs2() << endl << endl; //平方
    cout << x.cwiseEqual(y) << endl << endl; //是否相等
    cout << x.cwiseMax(y) << endl << endl; //逐元素最大值
    cout << x.cwiseMin(y) << endl << endl;
    cout << x.cwiseInverse() << endl << endl; //倒数
    cout << x.cwiseNotEqual(y) << endl << endl; //不相等
    cout << x.cwiseProduct(y) << endl << endl; //逐元素乘法
    cout << x.cwiseQuotient(y) << endl << endl; //除法
    cout << x.cwiseSqrt() << endl << endl; //
    return 0;
}

Reductions

Eigen提供了一些reduction方法： minCoeff() , maxCoeff() , sum() , trace() , norm() , squaredNorm() , all() , 和 any()。
上述这些方法都可以逐列或逐行的执行。如下所示：

/*
 * 参考链接：http://eigen.tuxfamily.org/dox-2.0/TutorialCore.html#TutorialCoreGettingStarted
*/

#include <iostream>
#include <vector>
#include <Eigen/Core>

using namespace Eigen;  
using namespace std;  

int main(int, char *[])
{
    Matrix3f x;
    x << 5,3,1,2,7,8,9,4,6;
    cout << x.minCoeff() << endl;
    cout << x.colwise().minCoeff() << endl;
    cout << x.rowwise().minCoeff() << endl;

    return 0;
}

maxCoeff()和minCoeff()函数可以通过设置可选参数，返回最大/小值的位置：maxCoeff(int* i, int* j) , minCoeff(int* i, int* j) 。
all() 和 any()在使用逐元素操作时，非常有用。

参考

http://eigen.tuxfamily.org/dox-2.0/TutorialCore.html#TutorialCoreGettingStarted
备注：该链接的内容过时了。。。

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

数学几何

eigen 教程和指南的相关文章

天地图服务与开发

天地图服务与开发天地图在线地图网址 2021年7月2日国家地理信息公共服务平台天地图2021版正式启用传统版地址 https map tianditu gov cn 2020 新版地址 https map tianditu gov c
ssh telnet linux中显示中文

vi etc sysconfig i18n 将内容改为 LANG zh CN GB18030 LANGUAGE zh CN GB18030 zh CN GB2312 zh CN SUPPORTED zh CN GB18030 zh CN z
office中excel设置下拉框多选

我参照了这篇文章 https www php cn topic excel 444717 html 这篇文章整体写得不错但是有些小瑕疵问题1 在模块1中保存这里并没有说清楚具体是 VBA编辑器中插入模块然后复制以下代码 Pub
js if else return不管用_前端知识013 学会异步，JS不再烧脑

01 同步和异步 0101 认识同步异步 0102 前端经常遇到的异步操作三个经典例子 0103 拿到异步的结果轮询和回调 0104 回调的几种方式 02 Promise 0201 Promise基本用法 0202 Promise 基本
【打卡-蓝桥杯】Day 7

题目1 基础练习芯片测试解题思路因为好的芯片多于坏的所以如果是好芯片那个被测试为 1 的总数 gt n 2 代码 n int input arr list map int input split for in range n f

随机推荐

python自动化控制设备有限公司_华为 Python网络自动化

哈喽大家好我是艺博东是一个思科出身专注于华为的网工好了话不多说我们直接进入正题光棍二十年不知道情人节是什么鬼东西还是好好学技术吧努力奋斗吧为了早日走向人生巅峰迎娶白富美拼了 1 安装环境并导入相关模块首先是安
错误 0xc0202009: 数据流任务 1: SSIS 错误代码 DTS_E_OLEDBERROR。出现 OLE DB 错误。

原来是一个varchar字段出出现了和等特殊字符这个在insert语句中没有问题但是使用导入导出会报错最后要注意的是导入导出使用的是BulkInsert 方式每次可能读取一大段多行记录一起处理如果这批数据中有错那么程序
html5注册阿里巴巴作业,面试分享：2018阿里巴巴前端面试总结(题目+答案)

该楼层疑似违规已被系统折叠隐藏此楼查看此楼使用js实现一个持续的动画效果最开始的思路是用定时器实现最后没有想的太完整面试官给出的答案是用 requestAnimationFrame var e document getElemen
Java基础（四）——多态、抽象类、接口、内部类

一多态 1 多态性是指同一操作作用于某一类对象可以有不同的解释产生不同的执行效果同一事件发生在不同的对象身上有不同的效果 2 多态存在的三个必要条件 a 需要存在继承和实现关系 b 同样的方法调用而执行不同操作运行不同代码重写
JS 中把对象按属性名字母顺序进行排序和倒序

本文同步发布在 JS 中把对象按属性名字母顺序进行排序和倒序我们在进行前端开发的时候有时需要对参数进行签名签名很多第一步是把对象按属性名字母顺序进行排序那么在 JS 中如何实现呢实现方式很多这边介绍一种通过 ES6 的方式来实现
Andy‘s First Dictionary C++ STL set应用

目录题目描述思路分析代码题目描述原文 Andy 8 has a dream he wants to produce his very own dictionary This is not an easy task for him
vue实现动态锚点

div class dialog header item item div 需要点击的目标增加click事件并且把索引传下去没有索引也没有关系想传什么传什么锚点 getActiveClass index let jump docum
「网页开发｜前端开发｜Vue」05 Vue实战：从零到一实现一个网站导航栏

本文主要介绍如何从最开始的草图通过确定基本结构修改元素布局美化外观来实现一个网站导航栏从而熟悉网页开发的基本流程同时我们会把性能规范性可维护性方面的代码优化也考虑其中文章目录本系列前文传送门一场景说明设计目标二
几种常用激活函数的简介

1 sigmod函数函数公式和图表如下图在sigmod函数中我们可以看到其输出是在 0 1 这个开区间内这点很有意思可以联想到概率但是严格意义上讲不要当成概率 sigmod函数曾经是比较流行的它可以想象成一个神经元的放电率
Python正则表达式学习（3）——re.compile()

re compile pattern flags 0 将正则表达式 pattern 编译为正则表达式对象可用于使用其 match 和search 方法进行匹配顺序 prog re compile pattern result prog
Pinctrl子系统之一了解基础概念

1 Linux Pinctrl子系统简介在许多soc内部都包含有pin控制器通过pin控制器的寄存器我们可以配置一个或者一组引脚的功能和特性在软件方面 Linux内核提供了pinctrl子系统目的是为了统一各soc厂商的pin脚管
TreeView —WPF—MVVM—HierarchicalDataTemplate

摘要采用HierarchicalDataTemplate数据模板和treeview在MVVM模式下实现行政区划树支持勾选勾选父节点子节点回全部自动勾选子节点部分勾选时父节点半勾选子节点全部勾选时父节点勾选反之亦然 Hier
吴恩达9.3 反向传播的直观理解

为了更好地理解反向传播算法我们再来仔细研究一下前向传播的原理前向传播算法反向传播算法做的是
Qt基础——UI文件.h文件说明

首先需要使用Qt Designer设计你的UI界面 Qt号称是跨平台应用程序和UI开发框架所以其自带的UI设计器即Qt Designer 功能也非常强大除了通常用的如Button List等组件外面使用Qt Designer做UI
mac出现wifi没有ip地址无法接入互联网

问题情况 wifi已经输入密码正确但是中间出现灰色的wifi图标还有一个叹号说是没有IP地址解决方法 1 试过重启 2 试过删掉该网络再重新输入密码 3 试过删掉WiFi一栏来自百度最佳答案 1 首先打开偏好设置点击网络选项
用Python赚钱的方法有哪些？

很多人想知道用Python赚钱的方法有哪些 Python很容易使用应用性较强可以通过使用Python开发小程序抓取数据游戏开发兼职编程老师发展副业的方式来赚钱文末有福利用Python赚钱的方法 1 某宝搜python程序可
java多线程设计模式

1 I O处理比较花费时间故把执行I O处理和非IO处理的线程分开 CPU执行速度很快而内存的写入读取很慢所以有关CPU和内存交互会降低指令的速度 2 start方法运行有2个步骤启动新的线程运行new对象的run方法 3 所有
AD19 PCB设计导入元件库、导出pdf、定义板子形状、生成元件库、铺铜基本操作总结

导入元件库 1 点击右侧components 2 右键然后选择 Add or Remove Libraries 3 点击从文件安装 4 选择库文件导出PDF 导出原理图或者pcb等信息pdf操作文件 gt 智能pdf 定义板子形状使
慕课第四周第7题出租车计价

出租车计价 4分题目内容已知某城市普通出租车收费标准为起步里程为3公里起步费为8元 10公里以内超过起步里程的部分每公里加收2元超过10公里以上的部分加收50 的回空补贴费即每公里3元出租车营运过程中因堵车和乘客要求临时停
eigen 教程和指南

转自 http eigen tuxfamily org dox 2 0 TutorialCore html https blog csdn net xuezhisdc article details 54619853 固定大小的矩阵和向量