描述

使用C++语言的Eigen库进行一些常见操作

使用库时，请一定注意两点

定义清楚矩阵类型
矩阵乘法注意尺寸对应

代码

头文件声明

#include <Eigen/Dense>

1. 矩阵声明

n*n方阵（已知n）
```
Eigen::Matrix2d m_matrix;
m_matrix<< 2,3,2.2,1;
std::cout << "m_matrix = \n"<< m_matrix<std::endl;
```
注意矩阵里的值有2.2这个浮点型，因此定义Eigen::Matrix2i会出现问题（Matrix2i代表整数）

m*n方阵（已知m和n）

Eigen::MatrixXd xx(5,2);
xx << 2,3,2.2,1,2,3,2,1,2,3;

零矩阵

Eigen::MatrixXf m_matrix = Eigen::MatrixXf::Zero(5,5);

Eigen::MatrixXf m_matrix = Eigen::MatrixXf::Zero(5,2);

对角矩阵

Eigen::MatrixXf m_matrix = Eigen::MatrixXf::Identity(5,5);

Eigen::MatrixXf m_matrix = Eigen::MatrixXf::Identity(2,5);

2. 矩阵的大小

int cols = m_matrix.cols();
int rows = m_matrix.rows();
std::cout<<cols<<std::endl;
std::cout<<rows<<std::endl;

3. 矩阵常见操作

操作矩阵元素
```
m_matrix(1,1) = 2;
```
乘法
```
m_matrix = A * B;
```
矩阵A和矩阵B，应该满足 mn尺寸与nk尺寸，矩阵m_matrix的尺寸应为m*k
矩阵赋值
```
A = B;
```
矩阵A和矩阵B需要尺寸一致

4. 矩阵绝对值和最大元素

矩阵里的每个元素求绝对值
eigen中矩阵是无法直接对矩阵操作，让每个元素都求绝对值的。
但是可以通过转化为Array类型来操作。

matrix转为array： .array()
array转为matrix：.matrix()

求绝对值

Eigen::MatrixXf x;
Eigen::ArrayXXf x_abs = x.array().abs();

求矩阵绝对值后的最大元素

Eigen::MatrixXf x;
Eigen::ArrayXXf x_abs = x.array().abs();
float max_value = x_abs.maxCoeff();

5. 矩阵转置和矩阵求逆

转置

Eigen::MatrixXf m_matrix;
Eigen::MatrixXf m_matrix_T;
m_matrix_T = m_matrix.transpose();

逆矩阵

Eigen::MatrixXf m_matrix;
Eigen::MatrixXf m_matrix_inv;
m_matrix_inv = m_matrix.inverse();

6. 向量截取

Eigen::VectorXf pc_mean;
pc_mean.resize(4);
pc_mean<<1, 2, 3.3, 4.4;
Eigen::Vector3f seeds_mean = pc_mean.head<3>();// .head<n>，取数组前n个数std::cout<<pc_mean<<std::endl;
std::cout<<seeds_mean<<std::endl;

7. 矩阵的特征值和特征向量

特征值

Eigen::Matrix2d m_matrix;
m_matrix << 2,3,2.2,1;
Eigen::EigenSolver<Eigen::Matrix2d> eigen_solver ( m_matrix );
Eigen::MatrixXd eig_value = eigen_solver.pseudoEigenvalueMatrix();
std::cout << "matrix values = \n" <<eig_value<<std::endl;

输出为2*2的对角矩阵，对角线上的值就是特征值，也就是4.11725和-1.11725

matrix values =
4.11725        00 -1.11725

特征向量

Eigen::Matrix2d m_matrix;
m_matrix << 2,3,2.2,1;
Eigen::EigenSolver<Eigen::Matrix2d> eigen_solver ( m_matrix );
Eigen::MatrixXd eig_vector = eigen_solver.pseudoEigenvectors();
std::cout << "matrix vectors = \n" <<eig_vector<<std::endl;
std::cout << "matrix vectors(1,0) = \n" <<eig_vector(1,0)<<std::endl;

输出是

matrix vectors =
0.817019 -0.701478
0.576611  0.728894
matrix vectors(1,0) =
0.576611

特征值与特征向量的使用

我们都知道特征值和特征向量是成对出现的。他们能形成关系：

我们有一个矩阵A，其特征值λ 和特征向量 v 的关系是
A * V = λ * v

可以用代码验证，还是用之前的矩阵

// 取出全部的特征值
Eigen::MatrixXd new_value = Eigen::MatrixXd::Zero(rows,1);
for (int i = 0 ; i < rows; i++)
{new_value(i,0) = eig_value(i,i);
}
std::cout<<new_value<<std::endl;
// 取出对应第一个特征值的特征向量
Eigen::MatrixXd new_vector = Eigen::MatrixXd::Zero(rows,1);
for (int i = 0 ; i < rows; i++)
{new_vector(i,0) = eig_vector(i,0);
}
std::cout<<new_vector<<std::endl;// 观察第一个特征值和其对应特征向量的乘积
std::cout<<"A * V = \n"<<m_matrix*new_vector<<std::endl;
std::cout<<"lambda * V= \n"<<new_value(0,0)*new_vector<<std::endl;

结果是

// 特征值，就是特征值矩阵的对角元素
4.11725
-1.11725
// 第一个特征值的特征向量，就是特征向量矩阵的第一列
0.817019
0.576611
// 我们发现结果是相同的
A * V =
3.36387
2.37405
lambda * V=
3.36387
2.37405

只是能输出（代码里怎么可能只是想打印一下呢，所以请你只看第一条）

Eigen::Matrix2d m_matrix;
m_matrix << 2,3,2.2,1;
Eigen::EigenSolver<Eigen::Matrix2d> eigen_solver ( m_matrix );
std::cout << "matrix values = \n" << eigen_solver.eigenvalues() << std::endl;
std::cout << "matrix vectors = \n" << eigen_solver.eigenvectors() << std::endl;

输出为

matrix values = (4.11725,0)
(-1.11725,0)
matrix vectors = (0.817019,0) (-0.693426,0)(0.576611,0)  (0.720528,0)

调试经验

在使用Eigen库的时候，总是会出现一些错误，主要长成下面这样，或者一些没有提示错误位置的bug

static_assert failed due to requirement'Eigen::internal::has_ReturnType<ScalarBinaryOpTraits<typenameActualDstTypeCleaned::Scalar, typenameCwiseNullaryOp<scalar_constant_op<float>, Matrix<float, -1, -1, 0, -1, -1>>::Scalar, assign_op<double, float> > >::value'"YOU_MIXED_DIFFERENT_NUMERIC_TYPES__YOU_NEED_TO_USE_THE_CAST_METHOD_OF_MATRIXBASE_TO_CAST_NUMERIC_TYPES_EXPLICITLY"EIGEN_CHECK_BINARY_COMPATIBILIY(Func,typename ActualDstTypeCleaned::Scalar,typename Src::Scalar);^~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
/Users/admin/Desktop/CodeBase/c++_try/Eigen/src/Core/util/XprHelper.h:859:3: note: expanded from macro 'EIGEN_CHECK_BINARY_COMPATIBILIY'EIGEN_STATIC_ASSERT((Eigen::internal::has_ReturnType<ScalarBinaryOpTraits<LHS, RHS,BINOP> >::value), \^~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
/Users/admin/Desktop/CodeBase/c++_try/Eigen/src/Core/util/StaticAssert.h:33:40: note: expanded from macro 'EIGEN_STATIC_ASSERT'#define EIGEN_STATIC_ASSERT(X,MSG) static_assert(X,#MSG);^             ~
/Users/admin/Desktop/CodeBase/c++_try/Eigen/src/Core/PlainObjectBase.h:797:17: note: in instantiation of function template specialization'Eigen::internal::call_assignment_no_alias<Eigen::Matrix<double, -1, -1,0, -1, -1>,Eigen::CwiseNullaryOp<Eigen::internal::scalar_constant_op<float>,Eigen::Matrix<float, -1, -1, 0, -1, -1> >,Eigen::internal::assign_op<double, float> >' requested hereinternal::call_assignment_no_alias(this->derived(), other.derived(...^
/Users/admin/Desktop/CodeBase/c++_try/Eigen/src/Core/PlainObjectBase.h:602:7: note: in instantiation of function template specialization'Eigen::PlainObjectBase<Eigen::Matrix<double, -1, -1, 0, -1, -1>>::_set_noalias<Eigen::CwiseNullaryOp<Eigen::internal::scalar_constant_op<float>,Eigen::Matrix<float, -1, -1, 0, -1, -1> > >' requested here_set_noalias(other);^
/Users/admin/Desktop/CodeBase/c++_try/Eigen/src/Core/Matrix.h:423:9: note: ininstantiation of function template specialization'Eigen::PlainObjectBase<Eigen::Matrix<double, -1, -1, 0, -1, -1>>::PlainObjectBase<Eigen::CwiseNullaryOp<Eigen::internal::scalar_constant_op<float>,Eigen::Matrix<float, -1, -1, 0, -1, -1> > >' requested here: Base(other.derived())^
/Users/admin/Desktop/CodeBase/c++_try/1.cpp:100:33: note: in instantiation offunction template specialization 'Eigen::Matrix<double, -1, -1, 0, -1,-1>::Matrix<Eigen::CwiseNullaryOp<Eigen::internal::scalar_constant_op<float>,Eigen::Matrix<float, -1, -1, 0, -1, -1> > >' requested hereEigen::MatrixXd new_value = Eigen::MatrixXf::Zero(rows,1);^
1 error generated.
make[2]: *** [CMakeFiles/s.dir/1.o] Error 1
make[1]: *** [CMakeFiles/s.dir/all] Error 2
make: *** [all] Error 2

出现过很多次，每次的解决办法都是
要么我写错了矩阵的类型，类型A赋值给了类型B；要么就是矩阵乘法的尺寸不对应。
这都是低级的错误。

附录

几种声明类型
Matrix：
Matrix2cd：
Matrix2cf：
Matrix2d：
Matrix2f：
Matrix2i：
Matrix2Xcd：
Matrix2Xcf：
Matrix2Xd：
Matrix2Xf：
Matrix2Xi：
将2替换成3、4、X，会有相同的声明类型

没有深研究，简单来说，数字代表nn方阵的大小，‘X’代表这个矩阵不是方阵，是一个mn的矩阵，‘d’代表double，‘f’代表float， ‘i’代表整数，‘c’代表complex，即复数；’d’表示dynamic，即表示矩阵中有些维数是不确定的，动态的……

举例子比如说：Matrix2cd，表示的是2*2维的，其每个元素都是复数，复数的实部和虚部都为double类型。

C++Eigen库矩阵常见操作相关推荐

Eigen教程:1 Eigen简介和矩阵常见操作
文章目录一. 模块和头文件二. 矩阵 1. 矩阵类型 2. 数据存储 3. 动态矩阵和静态矩阵 4. 矩阵元素的访问 5. 设置矩阵的元素 6. 重置矩阵大小 7. 矩阵和向量的算术运算 8. 行 ...
python lib库_python标准库pathlib常见操作
pathlib-- 面向对象的文件系统路径它是python3.4新增的一个标准库,提供了不同操作系统下文件系统路径的操作方式,有两大类一个是纯路径不带I/0操作,另一个可以进行I/0的类.pathl ...
Eigen库矩阵的求逆函数无法在CUDA代码使用
VS2019+Eigen3.3.9+CUDA11.9编译OpenMVS2.0遇到以下报错 calling a __host__ function("Eigen::MatrixBase< ...
python数值运算实例_Python矩阵常见运算操作实例总结
本文实例讲述了Python矩阵常见运算操作.分享给大家供大家参考,具体如下: python的numpy库提供矩阵运算的功能,因此我们在需要矩阵运算的时候,需要导入numpy的包. 一.numpy的导入 ...
python矩阵运算_Python矩阵常见运算操作实例总结
本文实例讲述了Python矩阵常见运算操作.分享给大家供大家参考,具体如下: python的numpy库提供矩阵运算的功能,因此我们在需要矩阵运算的时候,需要导入numpy的包. 一.numpy的导入 ...
python矩阵运算实例_Python矩阵常见运算操作实例总结 python 怎么实现矩阵运算
python 怎么查看一个矩阵的维数你是知道的,等你,我已经栖息了疲惫的憧憬,夜夜抚慰残梦的翅膀. 都是复制党,百度知道回答真的质量太低了,真的很心疼,言归正传利用numpy分享矩阵维数: impo ...
python矩阵运算实例_Python矩阵常见运算操作实例总结
本文实例讲述了python矩阵常见运算操作.分享给大家供大家参考,具体如下: python的numpy库提供矩阵运算的功能,因此我们在需要矩阵运算的时候,需要导入numpy的包. 一.numpy的导入 ...
Python 数据分析三剑客之 NumPy（六）：矩阵 / 线性代数库与 IO 操作
CSDN 课程推荐:<Python 数据分析与挖掘>,讲师刘顺祥,浙江工商大学统计学硕士,数据分析师,曾担任唯品会大数据部担任数据分析师一职,负责支付环节的数据分析业务.曾与联想.亨氏.网 ...
matlab和Eigen库中的一些旋转矩阵（方向余弦矩阵）、四元数和欧拉角之间的转换和绘图的注意事项
最近用matlab和Eigen库中的一些旋转矩阵(方向余弦矩阵).四元数和欧拉角之间的转换和绘图,弄得我有些头疼,把遇到的问题记录一下,以防以后又脑阔疼....有不同的理解可以再评论区批评指正- 主要 ...

C++Eigen库矩阵常见操作

描述

代码