项目要进行比较多的矩阵操作，特别是二维矩阵。刚开始做实验时，使用了动态二维数组，于是写了一堆Matrix函数，作矩阵的乘除加减求逆求行列式。实验做完了，开始做代码优化，发现Matrix.h文件里适用性太低，而且动态二维数组的空间分配与释放也影响效率，于是寻找其他解决方案。
首先考虑的是与Matlab混合编程，折腾了半天把Matlab环境与VS2010环境之后，发现Matlab编译出来的函数使用起来也比较麻烦，要把数组转化成该函数适用的类型后才能使用这些函数。我的二维数组也不是上千万维的，估计这个转化的功夫就牺牲了一部分效率了。（如果谁有混合编程的心得，求帮忙，囧。。。）
接着想到使用一维数组的方法，或者把一维数组封装在一个类里边。想着又要写一堆矩阵操作函数头就大，索性谷歌了一下矩阵处理库，除了自己之前知道的OpenCV库（之前由于转化cvarr麻烦，于是放弃），还有Eigen, Armadillo。
http://blog.csdn.net/houston11235/article/details/8501135该博客对这三个库的效率做了一个简单的评测，OpenCV库的矩阵操作效率是最低的，还好我没使用。Eigen速度最快，与自己定义数组的操作效率相当（- -，才相当吗？我本来还想找个更快的呢）。于是选择使用Eigen。
进入正题。
安装：
http://eigen.tuxfamily.org/index.php?title=Main_Page这里是官网，直接把包下载下来，不大，也就几M，我是直接放在自己项目文件夹（考虑项目封装时，这样比较方便），放在VS2010 <INCLUDE>文件夹。
简单使用：
看了一下官方文档，Eigen库除了能实现各种矩阵操作外，貌似还提供《数学分析》中的各种矩阵操作（包括L矩阵U矩阵）。目前我使用到的还是简单的矩阵操作，如加减乘除，求行列式，转置，逆，这些基本操作只要:
[cpp] view plaincopyprint?
就能实现，别忘了名空间Eigen。
包含的类型：
|
Matrices |
Arrays |
|
Matrix<float,Dynamic,Dynamic> <=> MatrixXf Matrix<double,Dynamic,1> <=> VectorXd Matrix<int,1,Dynamic> <=> RowVectorXi Matrix<float,3,3> <=> Matrix3f Matrix<float,4,1> <=> Vector4f |
Array<float,Dynamic,Dynamic> <=> ArrayXXf Array<double,Dynamic,1> <=> ArrayXd Array<int,1,Dynamic> <=> RowArrayXi Array<float,3,3> <=> Array33f Array<float,4,1> <=> Array4f |
如上表，主要包括两种类型，Matrices与Arryays，接着是这两种类型的派生类型。现在我用到的是Matrices（我不明白这两种类型在效率间有什么差距，囧。。。），
其中Matrix代表二维矩阵，Vector代表列向量RowVector代表行向量。如果后面跟着X，则代表是动态的数组，运行时可以根据需求改变，如果是数字，则代表是静态的（根据实验，最多能建立4维的静态矩阵或者数组，- -，为嘛不是6维，实验正好需要）。i代表int类型，f代表float类型，d代表double。
对应关系：
|
Matrix |
二维矩阵 |
|
Vector |
列向量 |
|
RowVector |
行向量 |
|
X |
动态 |
|
固定数字n |
静态，4>=n>=1 |
|
i |
int |
|
f |
float |
|
d |
double |
Arrays类型的话也跟Matrices差不多。
基本操作，定义，初始化，矩阵操作：
[cpp] view plaincopyprint?
#include <iostream>
#include "Eigen/Eigen"
using namespace std;
using namespace Eigen;
void foo(MatrixXf& m)
{
Matrix3f m2=Matrix3f::Zero(3,3);
m2(0,0)=1;
m=m2;
}
int main()
{
/* 定义，定义时默认没有初始化，必须自己初始化 */
MatrixXf m1(3,4); //动态矩阵，建立3行4列。
MatrixXf m2(4,3); //4行3列，依此类推。
MatrixXf m3(3,3);
Vector3f v1; //若是静态数组，则不用指定行或者列
/* 初始化 */
m1 = MatrixXf::Zero(3,4); //用0矩阵初始化,要指定行列数
m2 = MatrixXf::Zero(4,3);
m3 = MatrixXf::Identity(3,3); //用单位矩阵初始化
v1 = Vector3f::Zero(); //同理，若是静态的，不用指定行列数
m1 << 1,0,0,1, //也可以以这种方式初始化
1,5,0,1,
0,0,9,1;
m2 << 1,0,0,
0,4,0,
0,0,7,
1,1,1;
/* 元素的访问 */
v1[1] = 1;
m3(2,2) = 7;
cout<<"v1:\n"<<v1<<endl;
cout<<"m3:\n"<<m3<<endl;
/* 复制操作 */
VectorXf v2=v1; //复制后，行数与列数和右边的v1相等,matrix也是一样,
//也可以通过这种方式重置动态数组的行数与列数
cout<<"v2:\n"<<v2<<endl;
/* 矩阵操作，可以实现 + - * / 操作，同样可以实现连续操作(但是维数必须符合情况),
如m1,m2,m3维数相同,则可以m1 = m2 + m3 + m1; */
m3 = m1 * m2;
v2 += v1;
cout<<"m3:\n"<<m3<<endl;
cout<<"v2:\n"<<v2<<endl;
//m3 = m3.transpose(); 这句出现错误，估计不能给自己赋值
cout<<"m3转置:\n"<<m3.transpose()<<endl;
cout<<"m3行列式:\n"<<m3.determinant()<<endl;
m3 = m3.reverse();
cout<<"m3求逆:\n"<<m3<<endl;
system("pause");
return 0;
}
输出：
[html] view plaincopyprint?
10. 0
11. 1
12. 0
13. m3:
17. v2:
18. 0
19. 2
20. 0
21. m3转置:
25. m3行列式:
26. 2540
27. m3求逆:
28. 64 1 1
基本的操作就是以上这些，有了这个库，以后就不用做重复工作了！
分类： C/C++ MATLAB Linux & MAC2012-07-24 20:37 18047人阅读 评论(32) 收藏 举报
工具c++matrixrandominitializationmatlab
最近和一些朋友讨论到了C++中数学工具的问题，以前总是很2地自己写矩阵运算，或者有时候在matlab里计算了一些数据再往C程序里倒，唉~想想那些年，我们白写的代码啊……人家早已封装好了！首先推荐几个可以在C++中调用的数学平台：eigen、bias、lapack、svd、CMatrix，本文着重eigen做以讲解，希望对各位有所帮助。
下面是本文主线，主要围绕下面几点进行讲解：
**********************************************************************************************
Eigen是什么？
Eigen3哪里下载？
Eigen3的配置
Eigen3 样例代码有没有？
去哪里更深入学习？
**********************************************************************************************
Eigen是什么？
Eigen是C++中可以用来调用并进行矩阵计算的一个库，里面封装了一些类，需要的头文件和功能如下：
Eigen的主页上有一些更详细的Eigen介绍。
Eigen3哪里下载？
这里是我下好的，这里是官网主页，请自行下载，是个code包，不用安装。
Eigen的配置
直接上图了，附加包含目录那里填上你放Eigen文件夹的位置即可。
Eigen的样例代码有没有？
当然有，这篇文章重点就是这里！
以下是我整理的一些常用操作，基本的矩阵运算就在下面了，算是个入门吧~主要分以下几部分：
建议大家放到编译环境里去看，因为我这里有一些region的东西，编译器下更方便看~
[cpp] view plaincopy
12. int main()
13. {
15. #pragma region one_d_object
35. #pragma endregion
37. #pragma region two_d_object
54. #pragma endregion
56. #pragma region Comma_initializer
69. #pragma endregion
71. #pragma region Runtime_info
86. #pragma endregion
88. #pragma region Resizing
102. #pragma endregion
104. #pragma region Coeff_access
112. #pragma endregion
114. #pragma region Predefined_matrix
146. #pragma endregion
148. #pragma region Arithmetic_Operators
184. #pragma endregion
186. cout<<endl;
187. }
去哪里更深入学习？
Please refer to Eigen中的类及函数、Eigen的官方教程，和一些教程上的相关内容。
原文：http://www.cnblogs.com/Anita9002/p/4930076.html