当前位置：首页 > news >正文

Eigen的主要类及其功能

news 来源：原创 2025/4/27 11:07:22

Eigen 是一个高性能的 C++ 模板库，主要用于线性代数、矩阵和向量运算。它提供了许多类来支持各种数学运算，以下是 Eigen 的主要类及其功能分类。

1. 核心矩阵和向量类

这些是 Eigen 中最常用的类，用于表示矩阵和向量：

Matrix - 通用的动态或固定大小的矩阵类
示例：Matrix<float, 3, 3>（3x3 浮点矩阵）、MatrixXd（动态大小的双精度矩阵）
Vector - 向量是矩阵的特例（列向量或行向量）
示例：Vector3f（3 维单精度列向量）、VectorXd（动态大小的双精度列向量）
Array - 用于逐元素操作（非线性代数运算）
示例：ArrayXXd（动态大小的双精度数组）

2. 矩阵和向量的初始化与操作

Map - 将现有 C/C++ 数组映射为 Eigen 对象（零拷贝操作）
示例：Map<Vector3f>(data)（将 float[3] 转为 Eigen 向量）
Block - 表示矩阵或向量的子块
示例：matrix.block<2,2>(1,1)（提取 2x2 的子矩阵）
Transpose - 矩阵转置视图
Conjugate - 共轭视图
Diagonal - 对角矩阵视图

3. 线性代数求解器

Eigen 提供了多种线性方程组求解器和分解方法：

直接求解器（适用于稠密矩阵）
- PartialPivLU - 部分主元 LU 分解
- FullPivLU - 完全主元 LU 分解
- HouseholderQR - QR 分解
- ColPivHouseholderQR - 列主元 QR 分解
- FullPivHouseholderQR - 完全主元 QR 分解
- LLT - Cholesky 分解（正定矩阵）
- LDLT - LDLT 分解（半正定矩阵）
迭代求解器（适用于稀疏矩阵）
- ConjugateGradient - 共轭梯度法
- BiCGSTAB - 稳定双共轭梯度法
- LeastSquaresConjugateGradient - 最小二乘共轭梯度法

4. 几何变换类

用于 2D/3D 几何变换（旋转、平移、缩放等）：

Rotation2D - 2D 旋转
AngleAxis - 轴角表示的 3D 旋转
Quaternion - 四元数表示的旋转
Transform - 仿射或射影变换（4x4 矩阵）
示例：Transform<float, 3, Affine>（3D 仿射变换）

5. 稀疏矩阵类

用于处理稀疏矩阵：

SparseMatrix - 稀疏矩阵表示（如 SparseMatrix<double>）
SparseVector - 稀疏向量
稀疏矩阵分解
- SimplicialLLT / SimplicialLDLT - 稀疏 Cholesky 分解
- SparseLU - 稀疏 LU 分解
- SparseQR - 稀疏 QR 分解

6. 其他工具类

EigenBase - 所有矩阵/表达式的基类
DenseBase - 稠密矩阵的基类
IO - 矩阵的输入/输出（如 Eigen::IOFormat）
STL 兼容接口 - 允许 Eigen 对象与 STL 容器交互

示例代码片段

cpp

#include <Eigen/Dense>
using namespace Eigen;Matrix3f A;                   // 3x3 浮点矩阵
Vector4f b;                   // 4 维浮点向量
A << 1, 2, 3, 4, 5, 6, 7, 8, 9; // 初始化
b = A.col(0);                 // 提取第一列// 解线性方程组 Ax = b
Vector3f x = A.partialPivLu().solve(b);// 几何变换
Transform<float, 3, Affine> t = AngleAxisf(M_PI/2, Vector3f::UnitZ());

Eigen 的模块化设计允许用户仅包含需要的头文件（如 <Eigen/Dense> 或 <Eigen/Sparse>）。具体文档可参考 Eigen 官方文档。