|
模块要求是 矩阵的一系列运算， 本来是要自己写的，后来，发现有现成的工具，很多，我最后选择了Eigen， 因为它方便啊~ 只需要把文件夹放到include文件夹下，就可以用了，打包什么也方便。 而且，跟别的工具比较一下，发现速度上也有一定的优势。
虽然，它函数名和Matlab差别有些大，可是，我不会用Matlab，就不会有用惯Matlab的人的别扭问题存在啦~~ 最后，它的教程比较少，基本都是国外，自己看，
我就整理整理，发出来我自己的学习心得，应该是比较完整并清晰的博文了， 因为，我也是新手，犯错难免，希望大家能指出，共同进步！ 更多精彩内容，尽在：http://blog.csdn.net/lttree Ok，废话不多说，开练吧！
1.首先，要把这个东东加到VS中， 先下载，解压缩： http://eigen./index.php?title=Main_Page 我的环境是 WIN7+VS2010 下载的3.2.2版本。
解压缩以后有这个文件夹：eigen-eigen-1306d75b4a21 恩，我只取了里面的 Eigen文件夹， 放到了VS2010文件夹下的vs_2010文件夹下VC文件夹下的include文件夹中， 也就是： 盘符:\VS2010\vs_2010\VC\include （我不知道别人怎么放得，反正我是这么用的= = 。
然后就可以新建项目了，新建项目后，可以用：
加进来它的头文件，使用命名空间，
and then 你就可以用它的函数了。
2.认识它的一些头文件。 Eigen这个类库，存的东西好多的，来看一下主要的几个头文件吧：
更多精彩内容，尽在：http://blog.csdn.net/lttree 啊？有是英语？！！ 不要怕，要多看，多读，多认！ 最上面那段英文意思是： Eigen库分为 核心模块和额外模块两部分， 每个模块都有一个用这个模块所相对应的头文件， Eigen和Dense头文件方便的同时包含了几个头文件以供使用。
——Core 有关矩阵和数组的类，有基本的线性代数（包含 三角形 和 自伴乘积 相关），还有相应对数组的操作。 ——Geometry 几何学的类，有关转换、平移、进位制、2D旋转、3D旋转（四元组和角轴相关） ——LU 逻辑单元的类，有关求逆，求行列式，LU分解解算器（FullPivLU,PartialPivLU) ——Cholesky 包含LLT和LDLT的乔里斯基因式分解法。 （小科普：Cholesky分解是把一个对称正定的矩阵表示成一个下三角矩阵L和其转置的乘积的分解） ——Householder 豪斯霍尔德变换，这个模块供几个线性代数模块使用。 （Householder transform: 维基百科 ） ——SVD 奇异值分解，最小二乘解算器解决奇异值分解。 ——QR QR分解求解，三种方法：HouseholderQR、ColPivHouseholderQR、FullPivHouseholderQR ——Eigenvalues 特征值和特征向量分解的方法：EigenSolver、SelfAdjointEigenSolver、ComplexEigenSolver ——Sparse 稀疏矩阵相关类，对于稀疏矩阵的存储及相关基本线性代数 ——Dense 包含： Core、Gelometry、LU、Cholesky、SVD、QR和Eigenvalues模块（头文件） ——Eigen 包含上述所有的模块（头文件）
关于上述东东，更详细的解释，可以看文档：http://eigen./dox/group__QuickRefPage.html
3.对矩阵的简单操作 Eigen提供了两种密集的对象Matrix（矩阵）和Vector（向量）。 这两者是通过矩阵模板类和一维或二维的数组模板类来实现的。 这两者有几点不同： ——Matrix类型变量加减法，若行列数不相等，则不能做加减； Array类型的可以加减一个常数（各个元素分别加减该常数）。 ——Matrix与Array类型变量做乘法也会有不同，Matrix是矩阵相乘，Array是对应元素相乘。 ——但两者可以相互转换，方法为 .array() 和 .matrix()。
更多精彩内容，尽在：http://blog.csdn.net/lttree →①定义（注意：定义矩阵时，默认没有初始化，必须自己初始化） Eigen的矩阵类型，一般是Matrix后面跟类型符号来表示，比如说： ——' d ' 代表 double，矩阵存储的是double型的数据 ——' f ' 代表float，矩阵存储的是float类型数据 ——' c '代表complex，矩阵存数的是复数类型数据 ——' i '代表int，矩阵存储的是整数类型
相应关系为：
比如：
X代表动态，f代表float型
→②初始化
运行出来效果：
进一步，
先定义一个，4行5列的矩阵 初始化为0,4行5列，这时输出，就发现是4行5列的0 初始化为3行3列的1，输出，3行3列的1 初始化为6行6列的1，输出，则成为6行6列的1， 具体看图：
也就是说，矩阵的大小与初始化息息相关，初始化多少，它就是多少。 谁让它是动态的呢？！
那么，你肯定会说，定义的时候声明行列干啥？ 因为，下种方法初始化，就需要行列值了：
运行出来就是：
是不是非常简单粗暴的呢？ 更多精彩内容，尽在：http://blog.csdn.net/lttree
→③访问 这个就很简单了，直接就同数组的访问方式， 但是不是方括号，而是圆括号：
当然，同数组一样，第一行第一列的下标为（0,0）
4.矩阵的基础运算 代码执行了矩阵的： ——置0 ——置1 ——随机矩阵 ——单位阵 ——求逆 ——转置 ——数乘矩阵
运行结果，  如下：
啊，还有矩阵的加减乘除， 额。。。 这个不用写了吧？ 和平常的加减乘除一样的， 就是矩阵乘法要注意，两个矩阵的行列值哟~
5.矩阵的高级运算 后期更新，先到这里。。。 |
|
|
→ 
提供我们使用。
）
测试一下：
