原文https://blog.csdn.net/u012541187/article/details/53420432
1、Eigen 的包含設置
#include <Eigen>
#include <Eigen/Dense>
using namespace Eigen;
2、Eigen 的基本計算
2.1 Eigen中矩陣的定義
Matrix<double, 3, 3> A; // 固定了行數和列數的矩陣和Matrix3d一致.
Matrix<double, 3, Dynamic> B; // 固定行數.
Matrix<double, Dynamic, Dynamic> C; // 和MatrixXd一致.
Matrix<double, 3, 3, RowMajor> E; // 按行存儲; 默認按列存儲.
Matrix3f P, Q, R; // 3x3 float 矩陣.
Vector3f x, y, z; // 3x1 float 列向量.
RowVector3f a, b, c; // 1x3 float 行向量.
VectorXd v; // 動態長度double型列向量
// Eigen // Matlab // comments
x.size() // length(x) // 向量長度
C.rows() // size(C,1) // 矩陣行數
C.cols() // size(C,2) // 矩陣列數
x(i) // x(i+1) // 下標0開始
C(i,j) // C(i+1,j+1) //
2.2 Eigen 中矩陣的基本使用方法
A.resize(4, 4); // 如果越界觸發運行時錯誤.
B.resize(4, 9); // 如果越界觸發運行時錯誤.
A.resize(3, 3); // Ok; 沒有越界.
B.resize(3, 9); // Ok; 沒有越界.
A << 1, 2, 3, // Initialize A. The elements can also be
4, 5, 6, // matrices, which are stacked along cols
7, 8, 9; // and then the rows are stacked.
B << A, A, A; // B is three horizontally stacked A's. 三行A
A.fill(10); // Fill A with all 10's. 全10
2.3 Eigen 特殊矩陣生成
// Eigen // Matlab
MatrixXd::Identity(rows,cols) // eye(rows,cols) 單位矩陣
C.setIdentity(rows,cols) // C = eye(rows,cols) 單位矩陣
MatrixXd::Zero(rows,cols) // zeros(rows,cols) 零矩陣
C.setZero(rows,cols) // C = ones(rows,cols) 零矩陣
MatrixXd::Ones(rows,cols) // ones(rows,cols)全一矩陣
C.setOnes(rows,cols) // C = ones(rows,cols)全一矩陣
MatrixXd::Random(rows,cols) // rand(rows,cols)*2-1 // 元素隨機在-1->1
C.setRandom(rows,cols) // C = rand(rows,cols)*2-1 同上
VectorXd::LinSpaced(size,low,high) // linspace(low,high,size)'線性分佈的數組
v.setLinSpaced(size,low,high) // v = linspace(low,high,size)'線性分佈的數組
2.4 Eigen 矩陣分塊
// Eigen // Matlab
x.head(n) // x(1:n) 用於數組提取前n個[vector]
x.head<n>() // x(1:n) 同理
x.tail(n) // x(end - n + 1: end)同理
x.tail<n>() // x(end - n + 1: end)同理
x.segment(i, n) // x(i+1 : i+n)同理
x.segment<n>(i) // x(i+1 : i+n)同理
P.block(i, j, rows, cols) // P(i+1 : i+rows, j+1 : j+cols)i,j開始，rows行cols列
P.block<rows, cols>(i, j) // P(i+1 : i+rows, j+1 : j+cols)i,j開始，rows行cols列
P.row(i) // P(i+1, :)i行
P.col(j) // P(:, j+1)j列
P.leftCols<cols>() // P(:, 1:cols)左邊cols列
P.leftCols(cols) // P(:, 1:cols)左邊cols列
P.middleCols<cols>(j) // P(:, j+1:j+cols)中間從j數cols列
P.middleCols(j, cols) // P(:, j+1:j+cols)中間從j數cols列
P.rightCols<cols>() // P(:, end-cols+1:end)右邊cols列
P.rightCols(cols) // P(:, end-cols+1:end)右邊cols列
P.topRows<rows>() // P(1:rows, :)同列
P.topRows(rows) // P(1:rows, :)同列
P.middleRows<rows>(i) // P(i+1:i+rows, :)同列
P.middleRows(i, rows) // P(i+1:i+rows, :)同列
P.bottomRows<rows>() // P(end-rows+1:end, :)同列
P.bottomRows(rows) // P(end-rows+1:end, :)同列
P.topLeftCorner(rows, cols) // P(1:rows, 1:cols)上左角rows行，cols列
P.topRightCorner(rows, cols) // P(1:rows, end-cols+1:end)上右角rows行，cols列
P.bottomLeftCorner(rows, cols) // P(end-rows+1:end, 1:cols)下左角rows行，cols列
P.bottomRightCorner(rows, cols) // P(end-rows+1:end, end-cols+1:end)下右角rows行，cols列
P.topLeftCorner<rows,cols>() // P(1:rows, 1:cols)同上
P.topRightCorner<rows,cols>() // P(1:rows, end-cols+1:end)同上
P.bottomLeftCorner<rows,cols>() // P(end-rows+1:end, 1:cols)同上
P.bottomRightCorner<rows,cols>() // P(end-rows+1:end, end-cols+1:end)同上
2.5 Eigen 矩陣元素交換
// Eigen // Matlab
R.row(i) = P.col(j); // R(i, :) = P(:, i)交換列爲行
R.col(j1).swap(mat1.col(j2)); // R(:, [j1 j2]) = R(:, [j2, j1]) 交換列
2.6 Eigen 矩陣轉置
// Views, transpose, etc; all read-write except for .adjoint().
// Eigen // Matlab
R.adjoint() // R' 伴隨矩陣
R.transpose() // R.' or conj(R')轉置
R.diagonal() // diag(R)對角
x.asDiagonal() // diag(x)對角陣(沒有重載<<)
R.transpose().colwise().reverse(); // rot90(R)所有元素逆時針轉了90度
R.conjugate() // conj(R)共軛矩陣
2.7 Eigen 矩陣乘積
// 與Matlab一致, 但是matlab不支持*=等形式的運算.
// Matrix-vector. Matrix-matrix. Matrix-scalar.
y = M*x; R = P*Q; R = P*s;
a = b*M; R = P - Q; R = s*P;
a *= M; R = P + Q; R = P/s;
R *= Q; R = s*P;
R += Q; R *= s;
R -= Q; R /= s;
2.8 Eigen 矩陣單個元素操作
// Vectorized operations on each element independently
// Eigen // Matlab
R = P.cwiseProduct(Q); // R = P .* Q 對應點相乘
R = P.array() * s.array();// R = P .* s 對應點相乘
R = P.cwiseQuotient(Q); // R = P ./ Q 對應點相除
R = P.array() / Q.array();// R = P ./ Q對應點相除
R = P.array() + s.array();// R = P + s對應點相加
R = P.array() - s.array();// R = P - s對應點相減
R.array() += s; // R = R + s全加s
R.array() -= s; // R = R - s全減s
R.array() < Q.array(); // R < Q 以下的都是針對矩陣的單個元素的操作
R.array() <= Q.array(); // R <= Q矩陣元素比較，會在相應位置置0或1
R.cwiseInverse(); // 1 ./ P
R.array().inverse(); // 1 ./ P
R.array().sin() // sin(P)
R.array().cos() // cos(P)
R.array().pow(s) // P .^ s
R.array().square() // P .^ 2
R.array().cube() // P .^ 3
R.cwiseSqrt() // sqrt(P)
R.array().sqrt() // sqrt(P)
R.array().exp() // exp(P)
R.array().log() // log(P)
R.cwiseMax(P) // max(R, P) 對應取大
R.array().max(P.array()) // max(R, P) 對應取大
R.cwiseMin(P) // min(R, P) 對應取小
R.array().min(P.array()) // min(R, P) 對應取小
R.cwiseAbs() // abs(P) 絕對值
R.array().abs() // abs(P) 絕對值
R.cwiseAbs2() // abs(P.^2) 絕對值平方
R.array().abs2() // abs(P.^2) 絕對值平方
(R.array() < s).select(P,Q); // (R < s ? P : Q)這個也是單個元素的操作
2.9 Eigen 矩陣化簡
// Reductions.
int r, c;
// Eigen // Matlab
R.minCoeff() // min(R(:))最小值
R.maxCoeff() // max(R(:))最大值
s = R.minCoeff(&r, &c) // [s, i] = min(R(:)); [r, c] = ind2sub(size(R), i);
s = R.maxCoeff(&r, &c) // [s, i] = max(R(:)); [r, c] = ind2sub(size(R), i);
R.sum() // sum(R(:))求和
R.colwise().sum() // sum(R)列求和1×N
R.rowwise().sum() // sum(R, 2) or sum(R')'行求和N×1
R.prod() // prod(R(:))所有乘積
R.colwise().prod() // prod(R)列乘積
R.rowwise().prod() // prod(R, 2) or prod(R')'行乘積
R.trace() // trace(R)跡
R.all() // all(R(:))且運算
R.colwise().all() // all(R) 且運算
R.rowwise().all() // all(R, 2) 且運算
R.any() // any(R(:)) 或運算
R.colwise().any() // any(R) 或運算
R.rowwise().any() // any(R, 2) 或運算
2.10 Eigen 矩陣點乘
// Dot products, norms, etc.
// Eigen // Matlab
x.norm() // norm(x). 模
x.squaredNorm() // dot(x, x) 平方和
x.dot(y) // dot(x, y)
x.cross(y) // cross(x, y) Requires #include <Eigen/Geometry>
2.11 Eigen 矩陣類型轉換
//// Type conversion
// Eigen // Matlab
A.cast<double>(); // double(A)
A.cast<float>(); // single(A)
A.cast<int>(); // int32(A) 向下取整
A.real(); // real(A)
A.imag(); // imag(A)
// if the original type equals destination type, no work is done
2.12 Eigen 求解線性方程組 Ax = b
// Solve Ax = b. Result stored in x. Matlab: x = A \ b.
x = A.ldlt().solve(b)); // #include <Eigen/Cholesky>LDLT分解法實際上是Cholesky分解法的改進
x = A.llt() .solve(b)); // A sym. p.d. #include <Eigen/Cholesky>
x = A.lu() .solve(b)); // Stable and fast. #include <Eigen/LU>
x = A.qr() .solve(b)); // No pivoting. #include <Eigen/QR>
x = A.svd() .solve(b)); // Stable, slowest. #include <Eigen/SVD>
// .ldlt() -> .matrixL() and .matrixD()
// .llt() -> .matrixL()
// .lu() -> .matrixL() and .matrixU()
// .qr() -> .matrixQ() and .matrixR()
// .svd() -> .matrixU(), .singularValues(), and .matrixV()
2.13 Eigen 矩陣特徵值
// Eigen // Matlab
A.eigenvalues(); // eig(A);特徵值
EigenSolver<Matrix3d> eig(A); // [vec val] = eig(A)
eig.eigenvalues(); // diag(val)與前邊的是一樣的結果
eig.eigenvectors(); // vec 特徵值對應的特徵向量