C++Eigen库矩阵常见操作
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 ...
最新文章
- 技术图文:进一步完善自动化交易系统 - 03
- 独家 | 基于新闻标题的股价走势分析(附链接)
- 使用Configuration Manager管理移动设备
- 基本概念-编写第一个C程序
- JavaScript——易班优课YOOC课群在线测试自动答题解决方案(二十一)禁止打开控制台解决方案
- MySQL Server has gone away报错原因汇总
- Java Enum 枚举
- 基于深度卷积神经网络的大豆叶斑病识别
- Listings of System and Object Privileges--系统和对象权限列表
- 空心心形图案的c语言程序,C语言写的各种心形图案_6583
- 【算法笔记】初识离散化
- 网络编程技术(技术总结)
- 21接力题典1800 数一 重积分 P46 T18
- dBm与功率(w)换算关系
- Python学习(52周存钱)
- java kpi_KRA与KPI 绩效考核
- Photoshop:教你快速绘制一把扇子
- [转载]常用自动挂机APP下载
- 云端地球新会员重磅上线,快来解锁最全权益地图!
- 史上最通俗,彻底搞懂字符乱码问题的本质