本文主要是介绍C++之Eigen库基本使用（下），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1、常见变换
Eigen::Matrix3d //旋转矩阵（3*3）
Eigen::AngleAxisd //旋转向量（3*1）
Eigen::Vector3d //欧拉角（3*1）
Eigen::Quaterniond //四元数（4*1）
Eigen::Isometry3d //欧式变换矩阵（4*4）
Eigen::Affine3d //放射变换矩阵（4*4）
Eigen::Projective3d //射影变换矩阵（4*4）2、矩阵运算
MatrixXcf a = MatrixXcf::Random(3,3);
a.transpose(); # 转置
a.conjugate(); # 共轭
a.adjoint(); # 共轭转置（伴随矩阵）
// 对于实数矩阵，conjugate不执行任何操作，adjoint等价于transpose
a.transposeInPlace() #原地转置
Vector3d v(1,2,3);
Vector3d w(4,5,6);
v.dot(w); # 点积
v.cross(w); # 叉积
v.norm(); #求模
Matrix2d a;
a << 1, 2, 3, 4;
a.sum(); # 所有元素求和
a.prod(); # 所有元素乘积
a.mean(); # 所有元素求平均
a.minCoeff(); # 所有元素中最小元素
a.maxCoeff(); # 所有元素中最大元素
a.trace(); # 迹，对角元素的和
// minCoeff和maxCoeff还可以返回结果元素的位置信息
int i, j;
a.minCoeff(&i, &j);3、 特殊矩阵
零阵：类静态成员函数Zero() # Eigen::Matrix3d covMat = Eigen::Matrix3d::Zero()
常量矩阵：Constant(rows, cols, value)
随机矩阵：Random()
单位矩阵：Identity()
归一化矩阵：normalize()4、求解线性方程Ax=b
常见的有三种： 1)三角分解法 (Triangular Factorization)， 2)QR 分解法 (QR Factorization)， 3)奇异值分解法 (Singular Value Decompostion) 4、 LLT分解 5、LDLT分解法
以上的函数可以求解线性方程组，请注意精度和速度
x = A.ldlt().solve(b)); // A sym. p.s.d. #include <Eigen/Cholesky>
x = A.llt() .solve(b)); // A sym. p.d. #include <Eigen/Cholesky>
x = A.lu() .solve(b)); // Stable and fast. #include <Eigen/LU>
x = A.qr() .solve(b)); // No pivoting. #include <Eigen/QR>
x = A.svd() .solve(b)); // Stable, slowest. #include <Eigen/SVD>
这篇关于C++之Eigen库基本使用（下）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
