Eigen库实战：5分钟搞定矩阵和向量的定义与赋值（附完整代码示例）

最新推荐文章于 2026-06-22 21:32:46 发布

原创

最新推荐文章于 2026-06-22 21:32:46 发布 · 939 阅读

标签

#Eigen #矩阵运算 #C++编程 #线性代数

Eigen库实战：从零到一，高效驾驭矩阵与向量操作

如果你正在C++项目中处理线性代数计算，无论是机器人学中的坐标变换、计算机视觉里的图像处理，还是机器学习模型的底层运算，大概率会与矩阵和向量打交道。手动实现这些基础运算不仅繁琐，还容易引入错误。这时，一个成熟、高效且易于集成的库就显得至关重要。Eigen正是为此而生，它是一个纯头文件的C++模板库，以其卓越的性能和优雅的API设计，成为了科学计算领域的宠儿。

对于刚接触Eigen的开发者而言，最迫切的需求往往不是深究其复杂的模板元编程原理，而是如何快速上手，在项目中定义几个矩阵、赋上值，并开始计算。网上的资料虽然丰富，但有时过于零散或深入，让初学者望而却步。本文的目标就是充当你的“实战手册”，聚焦于定义与赋值这两个最基础、最核心的操作。我们将绕过冗长的理论铺垫，直接切入代码，通过大量即拿即用的示例，让你在5分钟内建立起对Eigen矩阵和向量操作的基本认知，并能立即应用到你的项目中。

1. 环境准备与第一个Eigen程序

在开始编写任何Eigen代码之前，确保你的开发环境已经就绪。由于Eigen是一个纯头文件库，安装过程异常简单，这可能是它最吸引人的特性之一。

1.1 获取与包含Eigen

Eigen的安装通常有两种方式：使用包管理器（如apt、brew、vcpkg）或直接从官网下载源代码。对于快速上手，我推荐后者，因为它最直接。

下载：访问Eigen官网，下载最新稳定版本的压缩包。
放置：解压后，将Eigen核心目录（例如 eigen-3.4.0/Eigen）复制到你的项目目录下，或者放到系统的全局包含路径中。
包含头文件：在你的C++源文件中，包含必要的Eigen头文件。通常，Eigen/Core 包含了矩阵和向量类以及基础运算，而 Eigen/Dense 包含了所有稠密矩阵运算相关的模块。

// 示例：包含Eigen核心头文件
#include <iostream>
#include <Eigen/Core> // 核心模块，定义Matrix和Vector
// #include <Eigen/Dense> // 稠密矩阵模块，包含更多高级运算（如求逆、特征值），初期可先不包含

int main() {
    std::cout << "Eigen库版本: " << EIGEN_WORLD_VERSION << "."
              << EIGEN_MAJOR_VERSION << "."
              << EIGEN_MINOR_VERSION << std::endl;
    return 0;
}

提示：使用 Eigen/Dense 会引入所有稠密矩阵模块，编译时间可能稍长。在明确知道所需功能的情况下，只包含特定模块（如 Eigen/Geometry 用于几何变换）是更优的做法。

1.2 编译器与标准

Eigen高度依赖现代C++的模板特性，因此请确保你的编译器支持C++11或更高标准。在编译时，需要显式指定标准。

# 使用g++编译示例
g++ -std=c++11 -I /path/to/eigen/ your_program.cpp -o your_program

关键参数 -I 用于指定Eigen头文件所在的路径。如果Eigen已安装在系统标准路径，则可以省略。

2. 向量的定义：静态与动态的抉择

向量在Eigen中本质上是特殊的矩阵：列向量是 N x 1 的矩阵，行向量是 1 x N 的矩阵。Eigen为它们提供了高度优化的专用类型，让代码意图更清晰。

2.1 静态向量：尺寸在编译时已知

当向量的维度在编写代码时就已经确定（例如，三维空间中的点、四元数），使用静态向量是性能最佳的选择。Eigen在编译期就能完成内存布局的优化。

静态向量的类型命名遵循一个直观的规则：Vector[Size][TypeSuffix]。

[Size]: 用数字（2, 3, 4）表示固定大小，或用 X 表示动态大小（见下一节）。
[TypeSuffix]: 表示数据类型。
- d 代表 double
- f 代表 float
- i 代表 int

让我们看一些具体的例子：

#include <Eigen/Core>

int main() {
    // 双精度浮点列向量
    Eigen::Vector2d vec2d;       // 2维向量，未初始化
    Eigen::Vector3d vec3d;       // 3维向量，未初始化
    Eigen::Vector4d vec4d;       // 4维向量，未初始化

    // 单精度浮点列向量
    Eigen::Vector2f vec2f;
    Eigen::Vector3f vec3f;
    Eigen::Vector4f vec4f;

    // 整型列向量
    Eigen::Vector2i vec2i;
    Eigen::Vector3i vec3i;
    Eigen::Vector4i vec4i;

    // 行向量的定义，规则类似，前缀为 RowVector
    Eigen::RowVector3d rowVec3d; // 1x3 的双精度行向量
    Eigen::RowVector4f rowVec4f; // 1x4 的单精度行向量

    return 0;
}

为什么选择静态向量？