最近由于工作原因,所以需要学习使用 ,顺便写一下学习笔记,方便你我他。
简介
简单的说, 就是一个线性代数的 库,它对矩阵( )和向量( )等相关线性代数的运算操作进行了比较系统的实现。
注意:后文的示例代码中使用的变量名之间并无上下文关系,只是为了做一下简单的区分。
矩阵( )
定义
矩阵模板函数中一共包含六个模板参数,前三个是比较常用的,分别表示矩阵元素的类型、行数、列数。在矩阵定义的时候可以使用
来表示行或者列数未知。
template<typename _Scalar, int _Rows, int _Cols, int _Options, int _MaxRows, int _MaxCols>
class Eigen::Matrix< _Scalar, _Rows, _Cols, _Options, _MaxRows, _MaxCols >
Eigen::Matrix<int, 3, 4> mat1; // 3x4 的 int 类型的矩阵 mat1
Eigen::Matrix<double, 3, Dynamic> mat2; // 3x? 的 double 类型的矩阵 mat2
Eigen::Matrix<float, Dynamic, 4> mat3; // ?x4 的 float 类型的矩阵 mat3
Eigen::Matrix<long, Dynamic, Dynamic> mat4; // ?x? 的 long 类型的矩阵 mat4
类型
在
中
了很多矩阵的类型,通常命名为
前缀加一个长度为
的字符串
的命名——
。其中
可以用来判断该矩阵类型,数字
表示
,
的范围是
,字母
表示
,另外
表示行或者列数未知的矩阵。
typedef Matrix<std::complex<double>, 2, 2> Eigen::Matrix2cd; // 2x2 的 cd 类型的矩阵
typedef Matrix<double, 2, 2> Eigen::Matrix2d; // 2x2 的 d 类型的矩阵
typedef Matrix<std::complex<double>, 2, Dynamic> Eigen::Matrix2Xcd; // 2x? 的 cd 类型的矩阵
typedef Matrix<std::complex<float>, Dynamic, 2> Eigen::MatrixX2cf; // ?x2 的 cf 类型的矩阵
typedef Matrix<std::complex<double>, Dynamic, Dynamic> Eigen::MatrixXcd;// ?x? 的 cd 类型的矩阵
typedef Matrix<int, Dynamic, Dynamic> Eigen::MatrixXi; // ?x? 的 i 类型的矩阵
存储
在
中矩阵默认均是列主序(
),如果想要改变
中矩阵的主序,就需要动用上述六个模板参数中的第四个参数(默认是
)。
Matrix<int, 5, 6, RowMajor> matRow; // 行主序的 5x6 的 int 类型矩阵
默认列主序是因为对于 来说这样运算会更快一些,但是对我们使用中并不需要特别在意存储的方式。
Ps. 中的二维数组默认的则是行主序( )。
动态矩阵与静态矩阵
在 中可以用 表示行或者列数未知,所以在定义一个矩阵时并不能确定矩阵的大小,只有在运行时才可以确定大小,然后进行动态分配,而静态矩阵则是在定义时便明确给定了行数以及列数,在编译时就可以分配好内存。
访问与赋值
与
数组的操作不同的是,
是不能通过
来访问赋值数据的,而是需要通过
。矩阵之间也可以通过
来进行赋值(拷贝)。
x = mat(a, b); // 获取到矩阵 mat 的 a 行 b 列的元素并赋值给 x
mat(b, a) = x; // 将 x 赋值给矩阵 mat 的 b 行 a 列
mat1 = mat2; // 将矩阵 mat2 赋值(拷贝)给矩阵 mat1
Ps. 通过 进行矩阵之间的拷贝时,如果左右两侧矩阵尺寸不一样并且左侧矩阵为动态矩阵,那么会将左侧矩阵的尺寸修改为与右侧一致。
在
中还重载了
可以用来赋值矩阵,也可以用来
输出矩阵。
MatrixXf m(4, 4); // 定义一个 4x4 的 float 类型的动态矩阵
m << 1, 2, 3, 4,
5, 6, 7, 8,
9, 10, 11, 12,
13, 14, 15, 16;// 赋值
std::cout << m; // 输出 m
矩阵还可以进行分块操作,通过成员函数
获取某一部分矩阵。
mat = mat1.block(i, j, p, q); // 从矩阵 mat1 的 i 行 j 列开始获取一个 p 行 q 列的子矩阵
mat = mat1.block<p, q>(i, j); // 从矩阵 mat1 的 i 行 j 列开始获取一个 p 行 q 列的子矩阵(动态矩阵)
矩阵可以使用成员函数
来获取某一行或者某一列。
mat = mat1.row(i); // 获取 mat1 的第 i 行
mat = mat1.col(j); // 获取 mat1 的第 j 列
还提供了从边角开始提取子矩阵的方法。
描述 | 动态矩阵 | 静态矩阵 |
---|---|---|
左上角 | ||
左下角 | ||
右上角 | ||
右下角 | ||
前 行 | ||
后 行 | ||
前 列 | ||
后 列 |
矩阵其他分块操作还有 等可以了解一下。
矩阵还可以使用成员函数
进行统一赋值。
mat.fill(n); // 将 mat 的所有元素均赋值为 n
运算
重载了
。
mat = mat1 + mat2; // +
mat = mat1 - mat2; // -(减)
mat = mat1 * mat2; // *
mat = mat1 * n; // *
mat = mat1 / n; // /
mat = -mat1; // -(负)
mat += mat1; // +=
mat -= mat1; // -=
mat *= mat1; // *=
mat *= n; // *=
mat /= n; // /=
对于
的转置矩阵、共轭矩阵、伴随矩阵、对角矩阵可以通过成员函数
来获得,如果想要在原矩阵上进行转换,则需要通过成员函数
。
mat = mat1.transpose(); // 获取 mat1 的转置矩阵
mat = mat1.conjugate(); // 获取 mat1 的共轭矩阵
mat = mat1.adjoint(); // 获取 mat1 的伴随矩阵
mat = mat1.diagonal(); // 获取 mat1 的对角矩阵
mat1.transposeInPlace();// mat1 转换为对应的转置矩阵
mat1.conjugateInPlace();// mat1 转换为对应的共轭矩阵
mat1.adjointInPlace(); // mat1 转换为对应的伴随矩阵
mat1.diagonalInPlace(); // mat1 转换为对应的对角矩阵
mat1.transpose().colwise().reverse(); // mat1 Rot90
特殊矩阵
提供了许多特殊矩阵的生成方法。
mat = MatrixXd::Identity(rows, cols); // 生成 rows x cols 的单位阵
mat.setIdentity(rows, cols); // 将 mat 设置为 rows x cols 的单位阵
mat = MatrixXd::Zero(rows, cols); // 生成 rows x cols 的零矩阵
mat.setZero(rows, cols); // 将 mat 设置为 rows x cols 的零矩阵
mat = MatrixXd::Ones(rows, cols); // 生成 rows x cols 的壹矩阵
mat.setOnes(rows, cols); // 将 mat 设置为 rows x cols 的壹矩阵
mat = MatrixXd::Random(rows, cols); // 生成 rows x cols 的随机矩阵
mat.setRandom(rows, cols); // 将 mat 设置为 rows x cols 的随机矩阵
其他
当前矩阵的行数、列数、大小可以通过成员函数
来获取。
rows = mat.rows(); // 获取行数
cols = mat.cols(); // 获取列数
size = mat.size(); // 获取大小
动态矩阵可以通过成员函数
来进行修改大小,静态矩阵是不可以
的,并且动态矩阵
后元素不能保证不变。
mat.resize(rows, cols); // 将动态矩阵 mat 大小尺寸修改为 rows x cols
向量( )
向量( )本身就是一种特殊的矩阵,如果学会了 ,那么 的使用将会变得十分简单。
类型与存储
类似于矩阵的类型,不过前缀从
改成
。
typedef Matrix<std::complex<float>, 2, 1> Eigen::Vector2cf; // cf 类型的 2 向量
typedef Matrix<int, 2, 1> Eigen::Vector2i; // i 类型的 2 向量
typedef Matrix<double, 4, 1> Eigen::Vector4d; // d 类型的 4 向量
typedef Matrix<float, Dynamic, 1> Eigen::VectorXf; // f 类型的 ? 向量
上述的
默认的都是列向量,如果是行向量,在命名上则需要加上
前缀。
typedef Matrix<float, 1, 2> Eigen::RowVector2f; // f 类型的 2 向量(行向量)
typedef Matrix<std::complex<double>, 1, 4> Eigen::RowVector4cd; // cd 类型的 4 向量(行向量)
动态向量与静态向量
这里类似于矩阵,动态的没有指定向量的尺寸,只有在运行时才会分配对应的内存,而静态的则一开始便定义好了大小,在编译时分配好内存。
访问与赋值
类似于
的操作,不过向量也可以使用
,另外向量对前四个元素的访问与赋值还可以通过成员函数
来操作。
x = vec(n); // 获取向量 vec 的第 n 个元素并赋值给 x
x = vec[n];
x = vec.x(); // 获取向量 vec 的第一个元素并赋值给 x
y = vec.y(); // 获取向量 vec 的第二个元素并赋值给 y
z = vec.z(); // 获取向量 vec 的第三个元素并赋值给 z
w = vec.w(); // 获取向量 vec 的第四个元素并赋值给 w
vec(n) = x; // 将 x 赋值给 vec 的第 n 个元素
向量也提供了一些分块操作来获取子向量。
描述 | 静态向量 | 动态向量 |
---|---|---|
前 个元素 | ||
后 个元素 | ||
从 开始取 个元素 |
运算
向量提供了
等成员函数。
x.norm() // norm(x) Note that norm(R) doesn't work in Eigen.
x.squaredNorm()
x.dot(y) // dot(x, y)
x.cross(y) // cross(x, y) Requires #include <Eigen/Geometry>
其他
类似于
的操作。
size = vec.size(); // 获取 vec 的尺寸