c++ Eigen库怎么入门 c++矩阵运算与线性代数【教程】

裘德小鎮的故事 2026-01-08 00:00:00 次阅读

最简单方式是安装编译器后直接包含头文件：#include ，使用MatrixXd、Vector3d等类型，无需链接外部库；三步包括配置头文件路径、编写含Eigen::MatrixXd的示例代码并编译运行。

直接上手 Eigen 最简单的方式是：装好编译器，加一行 #include ，然后用 MatrixXd、Vector3d 这类类型写矩阵和向量——它不依赖外部库，头文件即用，编译时也不用链接。

快速开始：三步跑通第一个矩阵计算

1. 确保你的项目能访问 Eigen 头文件（下载解压后把 Eigen/ 文件夹路径加入 include 目录）
2. 写个最简例子：

#include 
#include 
int main() {
    Eigen::MatrixXd A(2, 2);
    A << 1, 2,
         3, 4;
    Eigen::VectorXd b(2);
    b << 5, 6;
    std::cout << "A * b =\n" << A * b << std::endl;
}

3. 编译时加上 -std=c++11（或更高），无需额外链接选项

常用类型与初始化方式

Eigen 的核心是模板矩阵类，类型名自带维度和精度信息：

Matrix：固定大小 3×3 双精度矩阵（栈上分配，快）
MatrixXd：动态大小双精度矩阵（堆上分配，灵活）
Vector3d：固定长度 3 的双精度向量（等价于 Matrix）
RowVectorXf：动态行向量，单精度

初始化推荐用逗号初始化器（），支持链式赋值；也可用 setZero()、setIdentity()、Random() 等成员函数

基础运算与常见操作

算术运算符重载自然直观，但注意：所有运算默认返回表达式对象（lazy evaluation），真正计算发生在赋值时：

加减乘：A + B、A - B、A * B（矩阵乘法，不是逐元素）
逐元素运算加 .array()：A.array() * B.array() 是哈达玛积
转置、共轭、伴随：A.transpose()、A.conjugate()、A.adjoint()
求逆、行列式、特征值：用 FullPivLU、PartialPivLU、SelfAdjointEigenSolver 等分解类，不建议直接调 inverse()

线性方程组与分解技巧

解 Ax = b 别手写高斯消元，用 Eigen 提供的分解接口更稳更快：

一般矩阵 → PartialPivLU（快，适合多次解不同右端项）
对称正定矩阵 → LLT（最快最稳）
需要最小二乘 → HouseholderQR 或 ColPivHouseholderQR

例如：

Eigen::MatrixXd A = Eigen::MatrixXd::Random(3, 3);
Eigen::VectorXd b = Eigen::VectorXd::Random(3);
auto lu = A.partialPivLu();
Eigen::VectorXd x = lu.solve(b); // 自动选最优算法