Eigen中的基本函数
原⽂地址
不仅有函数的基本形式，还有对应的matlab函数，⽤起来很⽅便。
Eigen 矩阵定义
#include <Eigen/Dense>
Matrix<double, 3, 3> A;              // Fixed rows and cols. Same as Matrix3d.
Matrix<double, 3, Dynamic> B;        // Fixed rows, dynamic cols.
Matrix<double, Dynamic, Dynamic> C;  // Full dynamic. Same as MatrixXd.
Matrix<double, 3, 3, RowMajor> E;    // Row major; default is column-major.
Matrix3f P, Q, R;                    // 3x3 float matrix.
Vector3f x, y, z;                    // 3x1 float matrix.
RowVector3f a, b, c;                  // 1x3 float matrix.
VectorXd v;                          // Dynamic column vector of doubles
// Eigen          // Matlab          // comments
x.size()          // length(x)        // vector size
x(i)              // x(i+1)          // Matlab is 1-based
C(i,j)            // C(i+1,j+1)      //
Eigen 基础使⽤
// Basic usage
// Eigen        // Matlab          // comments
x.size()        // length(x)        // vector size
x(i)// x(i+1)          // Matlab is 1-based
C(i, j)// C(i+1,j+1)      //
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.
A.fill(10);      // Fill A with all 10's.
Eigen 特殊矩阵⽣成
// Eigen                            // Matlab
MatrixXd::Identity(rows,cols)      // eye(rows,cols)
C.setIdentity(rows,cols)            // C = eye(rows,cols)
MatrixXd::Zero(rows,cols)          // zeros(rows,cols)
C.setZero(rows,cols)                // C = ones(rows,cols)
MatrixXd::Ones(rows,cols)          // ones(rows,cols)
C.setOnes(rows,cols)                // C = ones(rows,cols)
MatrixXd::Random(rows,cols)        // rand(rows,cols)*2-1        // MatrixXd::Random returns uniform random numbers in (-1, 1).
C.setRandom(rows,cols)              // C = rand(rows,cols)*2-1
VectorXd::LinSpaced(size,low,high)  // linspace(low,high,size)'
v.setLinSpaced(size,low,high)      // v = linspace(low,high,size)'
Eigen 矩阵分块
// Matrix slicing and blocks. All expressions listed here are read/write.
// Templated size versions are faster. Note that Matlab is 1-based (a size N
// vector is x(1)...x(N)).
// Eigen                          // Matlab
x.head(n)                          // x(1:n)
x.head<n>()                        // x(1:n)
x.tail(n)                          // x(end - n + 1: end)
x.tail<n>()                        // x(end - n + 1: end)
x.segment(i, n)                    // x(i+1 : i+n)
x.segment<n>(i)                    // x(i+1 : i+n)
P.block(i, j, rows, cols)          // P(i+1 : i+rows, j+1 : j+cols)
P.block<rows, cols>(i, j)          // P(i+1 : i+rows, j+1 : j+cols)
P.leftCols<cols>()                // P(:, 1:cols)
P.leftCols(cols)                  // P(:, 1:cols)
P.middleCols<cols>(j)              // P(:, j+1:j+cols)
P.middleCols(j, cols)              // P(:, j+1:j+cols)
P.rightCols<cols>()                // P(:, end-cols+1:end)
P.rightCols(cols)                  // P(:, end-cols+1:end)
P.middleRows<rows>(i)              // P(i+1:i+rows, :)
P.middleRows(i, rows)              // P(i+1:i+rows, :)
P.bottomRows<rows>()              // P(end-rows+1:end, :)
P.bottomRows(rows)                // P(end-rows+1:end, :)
P.bottomLeftCorner(rows, cols)    // P(end-rows+1:end, 1:cols)
P.bottomRightCorner(rows, cols)    // P(end-rows+1:end, end-cols+1:end)
P.bottomLeftCorner<rows,cols>()    // P(end-rows+1:end, 1:cols)
P.bottomRightCorner<rows,cols>()  // P(end-rows+1:end, end-cols+1:end) Eigen 矩阵元素交换
// Of particular note is Eigen's swap function which is highly optimized.
// Eigen                          // Matlab
Eigen 矩阵转置
/
/ Views, transpose, etc; all read-write except for .adjoint().
// Eigen                          // Matlab
R.adjoint()                        // R'
R.diagonal()                      // diag(R)
x.asDiagonal()                    // diag(x)
Eigen 矩阵乘积
// All the same as Matlab, but matlab doesn't have *= style operators.
// 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;
Eigen 矩阵单个元素操作
// Vectorized operations on each element independently
// Eigen                  // Matlab
R = P.cwiseProduct(Q);    // R = P .* Q
R = P.array() * s.array();// R = P .* s
R = P.cwiseQuotient(Q);  // R = P ./ Q
R = P.array() / Q.array();// R = P ./ Q
R = P.array() + s.array();// R = P + s
R = P.array() - s.array();// R = P - s
R.array() += s;          // R = R + s
R.array() -= s;          // R = R - s
R.array() < Q.array();    // R < Q
R.array() <= Q.array();  // R <= Q
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)
R.array().max(P.array())  // max(R, P)
R.cwiseMin(P)            // min(R, P)
resize函数c++R.array().min(P.array())  // min(R, P)
R.cwiseAbs()              // abs(P)
R.array().abs()          // abs(P)
R.cwiseAbs2()            // abs(P.^2)
R.array().abs2()          // abs(P.^2)
(R.array() < s).select(P,Q);  // (R < s ? P : Q)
Eigen 矩阵化简
// Reductions.
int r, c;
// Eigen                  // Matlab
R.minCoeff()              // min(R(:))
R.maxCoeff()              // max(R(:))
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(:))
R.prod()                  // prod(R(:))
R.all()                  // all(R(:))
R.any()                  // any(R(:))
Eigen 矩阵点乘
// Dot products, norms, etc.
// Eigen                  // Matlab
<()                  // norm(x).    Note that norm(R) doesn't work in Eigen.
x.squaredNorm()          // dot(x, x)  Note the equivalence is not true for complex x.dot(y)                  // dot(x, y)
Eigen 矩阵类型转换
Type conversion
// Eigen                          // Matlab
A.cast<double>();                  // double(A)
A.cast<float>();                  // single(A)
A.cast<int>();                    // int32(A)
A.imag();                          // imag(A)
// if the original type equals destination type, no work is done
Eigen 求解线性⽅程组 Ax = b
// Solve Ax = b. Result stored in x. Matlab: x = A \ b.
x = A.ldlt().solve(b));  // A sym. p.s.d.    #include <Eigen/Cholesky>
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()
Eigen 矩阵特征值
/
/ Eigenvalue problems
// Eigen                          // Matlab
A.eigenvalues();                  // eig(A);
EigenSolver<Matrix3d> eig(A);    // [vec val] = eig(A) eig.eigenvalues();                // diag(val)
eig.eigenvectors();              // vec
// For self-adjoint matrices use SelfAdjointEigenSolver<>

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。