网站建设报价模版,襄阳建设网站,怎样做网络销售网站,中铁建设集团集网登录// 矩阵 Eigen::Matrixfloat,行,列 // Eigen 中所有向量和矩阵都是Eigen::Matrix#xff0c;它是一个模板类。它的前三个参数为#xff1a;数据类型#xff0c;行#xff0c;列// 声明一个2*3的float矩阵Eigen::Matrixfloat, 2, 3 matrix_23;//float类型…// 矩阵 Eigen::Matrixfloat,行,列 // Eigen 中所有向量和矩阵都是Eigen::Matrix它是一个模板类。它的前三个参数为数据类型行列// 声明一个2*3的float矩阵Eigen::Matrixfloat, 2, 3 matrix_23;//float类型//向量 Eigen::Vector3d // 同时Eigen 通过 typedef 提供了许多内置类型不过底层仍是Eigen::Matrix// 例如 Vector3d 实质上是 Eigen::Matrixdouble, 3, 1即三维向量Eigen::Vector3d v_3d;//double类型// 这是一样的Eigen::Matrixfloat,3,1 vd_3d;//float类型// Matrix3d 实质上是 Eigen::Matrixdouble, 3, 3Eigen::Matrix3d matrix_33 Eigen::Matrix3d::Zero(); //零矩阵// MatrixXd::Identity() 单位矩阵 Eigen::Matrix3d::Random(); 随机数矩阵 MatrixXd::Ones(rows,cols) // 均可以 用C.setXXX 设置 C.setIdentity(rows,cols) 设置单位矩阵// 向量初始化 VectorXd::LinSpaced(size,low,high) // 线性分布// 如果不确定矩阵大小可以使用动态大小的矩阵 建议大矩阵使用 Eigen::Matrix double, Eigen::Dynamic, Eigen::Dynamic matrix_dynamic;// 更简单的Eigen::MatrixXd matrix_x;// 这种类型还有很多我们不一一列举// 下面是对Eigen阵的操作// 输入数据初始化// 在Eigen中重载了””操作符// 通过该操作符即可以一个一个元素的进行赋值// 也可以一块一块的赋值。// 另外也可以使用下标进行赋值。//matrix_23 1, 2, 3, 4, 5, 6;matrix_23 2,3,4,5,6; //注意常量矩阵的赋值// 正常矩阵形式输出cout matrix_23 endl;// 用()访问矩阵中的元素// 针对向量还提供”[]”操作符注意矩阵则不可如此使用for (int i0; i2; i) {for (int j0; j3; j)coutmatrix_23(i,j)\t;//每行元素的分隔符coutendl;//换行}// 矩阵和向量相乘实际上仍是矩阵和矩阵v_3d 3, 2, 1;//double 类型vd_3d 4,5,6;//float 类型// 但是在Eigen里你不能混合两种不同类型的矩阵像这样是错的// Eigen::Matrixdouble, 2, 1 result_wrong_type matrix_23 * v_3d;// 应该显式转换 matrix_23.castdouble float类型转换成 double类型Eigen::Matrixdouble, 2, 1 result matrix_23.castdouble() * v_3d;cout result endl;// float类型 * float 类型Eigen::Matrixfloat, 2, 1 result2 matrix_23 * vd_3d;cout result2 endl;// 同样你不能搞错矩阵的维度// 试着取消下面的注释看看Eigen会报什么错// Eigen::Matrixdouble, 2, 3 result_wrong_dimension matrix_23.castdouble() * v_3d;// 一些矩阵运算// 四则运算就不演示了直接用-*/即可。matrix_33 Eigen::Matrix3d::Random(); // 随机数矩阵cout Random :Matrix3d matrix_33 \n matrix_33 endl endl;cout matrix_33.transpose \n matrix_33.transpose() endl; // 转置cout matrix_33.sum\n matrix_33.sum() endl; // 各元素和cout matrix_33.trace\n matrix_33.trace() endl; // 迹cout 10*matrix_33 endl; // 数乘cout matrix_33.inverse() endl; // 逆cout matrix_33.determinant() endl; // 行列式// 特征值// 实对称矩阵可以保证对角化成功Eigen::SelfAdjointEigenSolverEigen::Matrix3d eigen_solver ( matrix_33.transpose()*matrix_33 );cout Eigen values \n eigen_solver.eigenvalues() endl;//特征值cout Eigen vectors \n eigen_solver.eigenvectors() endl;//特征向量// 解方程// 我们求解 matrix_NN * x v_Nd 这个方程// N的大小在前边的宏里定义它由随机数生成// 直接求逆自然是最直接的但是求逆运算量大Eigen::Matrix double, MATRIX_SIZE, MATRIX_SIZE matrix_NN;matrix_NN Eigen::MatrixXd::Random( MATRIX_SIZE, MATRIX_SIZE );//随机变量初始化Eigen::Matrix double, MATRIX_SIZE, 1 v_Nd; //列向量v_Nd Eigen::MatrixXd::Random( MATRIX_SIZE,1 ); //随机变量初始化clock_t time_stt clock(); // 计时// 直接求逆Eigen::Matrixdouble,MATRIX_SIZE,1 x matrix_NN.inverse()*v_Nd;//cout x \n x endl;cout time use in normal inverse is 1000* (clock() - time_stt)/(double)CLOCKS_PER_SEC ms endl;// 通常用矩阵分解来求例如QR分解速度会快很多time_stt clock();x matrix_NN.colPivHouseholderQr().solve(v_Nd);//cout x \n x endl;cout time use in Qr decomposition is 1000* (clock() - time_stt)/(double)CLOCKS_PER_SEC ms endl;//矩阵分块Eigen::Matrixdouble,5,5 Matrix_55;Matrix_55 Eigen::MatrixXd::Random(5,5);coutRandom Matrix_55 :\nMatrix_55endl;Eigen::Matrix3d matrixI33 Eigen::Matrix3d::Identity();coutEye matrixI33 :\nmatrixI33endl;Matrix_55.topLeftCorner(3,3)matrixI33;coutRandom Matrix_55 topLeft block replace by Eye matrixI33 :\nMatrix_55endl;
