C++ 开源矩阵运算工具—

***************************************转载请注明出处：http://blog.csdn.net/lttree********************************************

这几天，一直忙着帮学院一个老师做一个软件的功能模块，

模块要求是矩阵的一系列运算，

本来是要自己写的，后来，发现有现成的工具，很多，我最后选择了Eigen，

因为它方便啊~ 只需要把文件夹放到include文件夹下，就可以用了，打包什么也方便。

而且，跟别的工具比较一下，发现速度上也有一定的优势。

我是看这个东东的 → 这个和这个

虽然，它函数名和Matlab差别有些大，可是，我不会用Matlab，就不会有用惯Matlab的人的别扭问题存在啦~~

最后，它的教程比较少，基本都是国外，自己看，

我就整理整理，发出来我自己的学习心得，应该是比较完整并清晰的博文了，

因为，我也是新手，犯错难免，希望大家能指出，共同进步！

更多精彩内容，尽在：http://blog.csdn.net/lttree

Ok，废话不多说，开练吧！

1.首先，要把这个东东加到VS中，提供我们使用。

先下载，解压缩： http://eigen.tuxfamily.org/index.php?title=Main_Page

我的环境是 WIN7+VS2010 下载的3.2.2版本。

解压缩以后有这个文件夹：eigen-eigen-1306d75b4a21

恩，我只取了里面的 Eigen文件夹，

放到了VS2010文件夹下的vs_2010文件夹下VC文件夹下的include文件夹中，

也就是：盘符:\VS2010\vs_2010\VC\include

（我不知道别人怎么放得，反正我是这么用的= = 。）

然后就可以新建项目了，新建项目后，可以用：

#include "Eigen/Eigen"
using namespace Eigen;

加进来它的头文件，使用命名空间，

and then 你就可以用它的函数了。

2.认识它的一些头文件。

Eigen这个类库，存的东西好多的，来看一下主要的几个头文件吧：

更多精彩内容，尽在：http://blog.csdn.net/lttree

啊？有是英语？！！

不要怕，要多看，多读，多认！

最上面那段英文意思是：

Eigen库分为核心模块和额外模块两部分，

每个模块都有一个用这个模块所相对应的头文件，

Eigen和Dense头文件方便的同时包含了几个头文件以供使用。

——Core

有关矩阵和数组的类，有基本的线性代数（包含三角形和自伴乘积相关），还有相应对数组的操作。

——Geometry

几何学的类，有关转换、平移、进位制、2D旋转、3D旋转（四元组和角轴相关）

——LU

逻辑单元的类，有关求逆，求行列式，LU分解解算器（FullPivLU,PartialPivLU)

——Cholesky

包含LLT和LDLT的乔里斯基因式分解法。

（小科普：Cholesky分解是把一个对称正定的矩阵表示成一个下三角矩阵L和其转置的乘积的分解）

——Householder

豪斯霍尔德变换，这个模块供几个线性代数模块使用。

（Householder transform: 维基百科）

——SVD

奇异值分解，最小二乘解算器解决奇异值分解。

——QR

QR分解求解，三种方法：HouseholderQR、ColPivHouseholderQR、FullPivHouseholderQR

——Eigenvalues

特征值和特征向量分解的方法：EigenSolver、SelfAdjointEigenSolver、ComplexEigenSolver

——Sparse

稀疏矩阵相关类，对于稀疏矩阵的存储及相关基本线性代数

——Dense

包含： Core、Gelometry、LU、Cholesky、SVD、QR和Eigenvalues模块（头文件）

——Eigen

包含上述所有的模块（头文件）

关于上述东东，更详细的解释，可以看文档：http://eigen.tuxfamily.org/dox/group__QuickRefPage.html

3.对矩阵的简单操作

Eigen提供了两种密集的对象Matrix（矩阵）和Vector（向量）。

这两者是通过矩阵模板类和一维或二维的数组模板类来实现的。

这两者有几点不同：

——Matrix类型变量加减法，若行列数不相等，则不能做加减；

Array类型的可以加减一个常数（各个元素分别加减该常数）。

——Matrix与Array类型变量做乘法也会有不同，Matrix是矩阵相乘，Array是对应元素相乘。

——但两者可以相互转换，方法为 .array() 和 .matrix()。

更多精彩内容，尽在：http://blog.csdn.net/lttree

→①定义（注意：定义矩阵时，默认没有初始化，必须自己初始化）

Eigen的矩阵类型，一般是Matrix后面跟类型符号来表示，比如说：

——' d ' 代表 double，矩阵存储的是double型的数据

——' f ' 代表float，矩阵存储的是float类型数据

——' c '代表complex，矩阵存数的是复数类型数据

——' i '代表int，矩阵存储的是整数类型

相应关系为：

比如：

MatrixXf m1(3,4);   //建立3行4列的动态矩阵
MatrixXf m2(3,3);
Vector3f v1;        //建立静态向量

X代表动态，f代表float型

→②初始化

m1=MatrixXf::Zero(3,4);     // 将矩阵3行4列初始化为0
m2=MatrixXf::Ones(3,3);        // 将矩阵3行3列初始化为1
v1=Vector3f::Ones();       // 将3行的纵向量初始化为1cout<<"m1=\n"<<m1<<endl;
cout<<"m2=\n"<<m2<<endl;
cout<<"v1=\n"<<v1<<endl;

运行出来效果：

进一步，测试一下：

MatrixXf m3(4,5);
m3=MatrixXf::Zero(4,5);
cout<<"m3_1=\n"<<m3<<endl;
m3=MatrixXf::Ones(3,3);
cout<<"m3_2=\n"<<m3<<endl;
m3=MatrixXf::Ones(6,6);
cout<<"m3_3=\n"<<m3<<endl;

先定义一个，4行5列的矩阵

初始化为0,4行5列，这时输出，就发现是4行5列的0

初始化为3行3列的1，输出，3行3列的1

初始化为6行6列的1，输出，则成为6行6列的1，

具体看图：

也就是说，矩阵的大小与初始化息息相关，初始化多少，它就是多少。

谁让它是动态的呢？！

那么，你肯定会说，定义的时候声明行列干啥？

因为，下种方法初始化，就需要行列值了：

MatrixXf m3(2,3);
m3<<1,2,3,4,5,6;
cout<<"m3_1\n"<<endl;
// 为了美观点，更像个矩阵，可以换行写
m3<<1.3,4,-8,0,0.9,2;
cout<<"m3_2=\n"<<m3<<endl;

运行出来就是：

是不是非常简单粗暴的呢？

更多精彩内容，尽在：http://blog.csdn.net/lttree

→③访问

这个就很简单了，直接就同数组的访问方式，

但是不是方括号，而是圆括号：

MatrixXf m3(2,3);
m3<<1,2,3,4,5,6;
cout<<"m3_1\n"<<m3<<endl;
// 为了美观点，更像个矩阵，可以换行写
m3<<1.3,4,-8,0,0.9,2;
cout<<"m3_2=\n"<<m3<<endl;
// 将第2行第3列的值改为99
m3(1,2)=99;
cout<<"m3_3=\n"<<m3<<endl;

当然，同数组一样，第一行第一列的下标为（0,0）

4.矩阵的基础运算

代码执行了矩阵的：

——置0

——置1

——随机矩阵

——单位阵

——求逆

——转置

——数乘矩阵

<span style="white-space:pre">  </span>MatrixXf m1(3,3);  // 矩阵全部元素置0m1.setZero();cout<<"m1_1=\n"<<m1<<endl;// 矩阵全部元素置1 ( 这里行列值不填，默认定义时候的行列，//                     若填写，则矩阵也会更改为填写的行列值 )m1.setOnes(2,2);cout<<"m1_2=\n"<<m1<<endl;// 随机生成一个矩阵m1.setRandom();cout<<"m1_3=\n"<<m1<<endl;// 置单位矩阵m1.setIdentity(3,3);cout<<"m1_4=\n"<<m1<<endl;m1<< 1 , 2 , 3 ,5 , 9 ,10 ,7 , 0 ,1 ;// 矩阵求逆m1.inverse();cout<<"m1_5=\n"<<m1<<endl;// 矩阵转置m1.transpose();cout<<"m1_6=\n"<<m1<<endl;// 数 * 矩阵 ( 数 / 矩阵 )m1 = 2.6 * m1 ;cout<<"m1_7=\n"<<m1<<endl;

运行结果，如下：

啊，还有矩阵的加减乘除，

额。。。

这个不用写了吧？

和平常的加减乘除一样的，

就是矩阵乘法要注意，两个矩阵的行列值哟~

5.矩阵的高级运算

后期更新，先到这里。。。

***************************************转载请注明出处：http://blog.csdn.net/lttree********************************************

C++ 开源矩阵运算工具——Eigen相关推荐

C++矩阵处理工具——Eigen
http://eigen.tuxfamily.org 这是Eigen的官方网站,库是开源免费的,并且以面向对象的方式写的,用起来很方便.把下载好的库解压到某个目录,并把需要用到的头文件include进 ...
Eigen: C++开源矩阵计算工具——Eigen的简单用法
Eigen非常方便矩阵操作,当然它的功能不止如此,由于本人只用到了它的矩阵相关操作,所以这里只给出了它的一些矩阵相关的简单用法,以方便快速入门.矩阵操作在算法研究过程中,非常重要,例如在图像处理中二维 ...
Eigen C++开源矩阵计算工具——Eigen的简单用法
Eigen非常方便矩阵操作,当然它的功能不止如此,由于本人只用到了它的矩阵相关操作,所以这里只给出了它的一些矩阵相关的简单用法,以方便快速入门.矩阵操作在算法研究过程中,非常重要,例如在图像处理中二维 ...
2020-10-21Eigen: C++开源矩阵计算工具——Eigen的简单用法
Eigen非常方便矩阵操作,当然它的功能不止如此,由于本人只用到了它的矩阵相关操作,所以这里只给出了它的一些矩阵相关的简单用法,以方便快速入门.矩阵操作在算法研究过程中,非常重要,例如在图像处理中二维 ...
C++开源矩阵计算工具——Eigen的简单用法（三）
本节主要涉及Eigen的块操作以及QR分解,Eigen的QR分解非常绕人,搞了很久才搞明白是怎么回事,最后是一个使用Eigen的矩阵操作完成二维高斯拟合求取光点的代码例子,关于二维高斯拟合求取光点的详 ...
C++开源矩阵计算工具——Eigen的简单用法（一）
Eigen非常方便矩阵操作,当然它的功能不止如此,由于本人只用到了它的矩阵相关操作,所以这里只给出了它的一些矩阵相关的简单用法,以方便快速入门.矩阵操作在算法研究过程中,非常重要,例如在图像处理中二维 ...
[转]开源大数据处理工具汇总
查询引擎一.Phoenix 贡献者::Salesforce 简介:这是一个Java中间层,可以让开发者在Apache HBase上执行SQL查询.Phoenix完全使用Java编写,代码位于GitH ...
一共81个，开源大数据处理工具汇总
作者:大数据女神-诺蓝(微信公号:dashujunvshen).本文是36大数据专稿,转载必须标明来源36大数据. 本文一共分为上下两部分.我们将针对大数据开源工具不同的用处来进行分类,并且附上了官网 ...
几款开源的数据挖掘工具
from: http://blog.csdn.net/u010140338/article/details/17454085 come from:http://idmer.blog.sohu.com/ ...

C++ 开源矩阵运算工具——Eigen

C++ 开源矩阵运算工具——Eigen相关推荐

最新文章

热门文章

C++ 开源矩阵 运算工具——Eigen

C++ 开源矩阵 运算工具——Eigen相关推荐

最新文章

热门文章

C++ 开源矩阵运算工具——Eigen

C++ 开源矩阵运算工具——Eigen相关推荐