【C/C++开源库】C/C++矩阵运算开源库

阿里云国内75折回扣微信号：monov8

阿里云国际，腾讯云国际，低至75折。AWS 93折免费开户实名账号代冲值优惠多多微信号：monov8 飞机：@monov6

文章目录

这篇博客总结一下C/C++中的矩阵运算库。

一、C++矩阵运算库 - eigen

Eigen是使用C++封装好的的一个矩阵运算库可以很方便地实现各类矩阵运算而且不用安装只需要简单配置即可。

1.下载及安装

1.1Linux安装及配置

sudo apt-get install libeigen3-dev

Eigen只包含头文件因此它不需要实现编译只需要使用#include指定好Eigen的头文件路径编译项目即可。

Eigen头文件的默认安装位置是“/usr/include/eigen3”.

1.2Windows配置

下载地址http://eigen.tuxfamily.org/index.php?title=Main_Page#Download

下载文件解压后文件目录如下

只需要将eigen-3.4.0的路径加入到头文件查找路径。
使用时包含头文件即可比如 #include <Eigen\Dense>

2.测试使用

本博客在Windows下使用DevC++和Clion两款C/C++来测试一下。

为了应对不同的需求Eigen库被分为多个功能模块每个模块都有自己相对应的头文件以供调用。其中Dense模块整合了绝大部分的模块而Eigen模块更是整合了所有模块也就是整个Eigen库。

测试代码

#include <iostream>
#include <Eigen\Dense>
using namespace std;
using namespace Eigen;
int main()
{
    Matrix2d a;
    a << 1, 2,
        3, 4;
    MatrixXd b(2, 2);
    b << 2, 3,
        1, 4;
    cout << "a + b =\n" << a + b << endl;
    cout << "a - b =\n" << a - b << endl;
    cout << "Doing a += b;" << endl;
    a += b;
    cout << "Now a =\n" << a << endl;
    cout << "a^T=  " << a.transpose() << endl;
    cout << "a*b= " << a*b << endl;
    Vector3d v(1, 2, 3);
    Vector3d w(1, 0, 0);
    cout << "-v + w - v =\n" << -v + w - v << endl;
    cout << v << endl;
    cout << v.transpose() << endl;
    system("pause");
}

运行结果如下

2.2Clion

clion中添加头文件可以在CMakeLists.txt中添加也可以在项目目录中添加。

推荐编辑项目目录下的 CMakeLists.txt添加一行

include_directories("/path/to/headers") #换成头文件所在目录

将对应的头文件或文件夹复制到项目根目录然后在源文件中使用 #include “文件名” 包含

这里我们使用第一种方法更改之后CMakeLists.txt文件内容如下

cmake_minimum_required(VERSION 3.19)
project(untitled1)

set(CMAKE_CXX_STANDARD 14)

include_directories("D:\\eigen-3.4.0")

add_executable(untitled1 main.cpp)

测试代码依旧是上面的代码

#include <iostream>
#include <Eigen\Dense>
using namespace std;
using namespace Eigen;
int main()
{
    Matrix2d a;
    a << 1, 2,
        3, 4;
    MatrixXd b(2, 2);
    b << 2, 3,
        1, 4;
    cout << "a + b =\n" << a + b << endl;
    cout << "a - b =\n" << a - b << endl;
    cout << "Doing a += b;" << endl;
    a += b;
    cout << "Now a =\n" << a << endl;
    cout << "a^T=  " << a.transpose() << endl;
    cout << "a*b= " << a*b << endl;
    Vector3d v(1, 2, 3);
    Vector3d w(1, 0, 0);
    cout << "-v + w - v =\n" << -v + w - v << endl;
    cout << v << endl;
    cout << v.transpose() << endl;
    system("pause");
}

运行结果如下

3.深入学习

本博客只是对矩阵运算库的简介、汇总、环境配置因此不会讲太详细的使用。主要是本人太菜了讲不来。不过为了内容的完整型我会给几个好的比较完整的eigen学习教程。

二、C++矩阵运算库 - Armadillo

Armadillo是一个开源高性能C++线性代数库提供了和Matlab中常用命令接近的函数接口可以方便地将Matlab/Octave开发的算法移植到C++中。特别地我们可以先在Matlab环境中编程进行算法原型验证待算法充分验证通过之后再利用Armadillo移植到C++中编译为独立的可执行程序。虽然Matlab也支持利用mcc直接将m文件编译生成动态链接库文件或者可执行程序但是这些代码的运行需要Matlab运行环境MCR的支持而通过Armadillo进行移植则可以完全脱离Matlab环境。

1.下载及安装

1.1Linux安装

执行命令

sudo apt-get install libopenblas-dev
sudo apt-get install liblapack-dev
sudo apt-get install libarpack2-dev
sudo apt-get install libsuperlu-dev

下载Armadillo包链接https://sourceforge.net/projects/arma/files/armadillo-9.600.6.tar.xz/download

在Armadillo的安装目录打开终端执行

cmake .
make

1.2Windows配置

因为Armadillo需要C++11的支持而DEVC++好久没更新编译器了支持不好因此我们换用visual studio2019来测试。

下载Armadillo包链接https://sourceforge.net/projects/arma/files/armadillo-9.600.6.tar.xz/download

下载解压后需要配置头文件和库文件的路径。

可以参考这篇文章基于vs2017的armadillo配置教程超详细

2.测试使用

测试代码如下

#include <iostream>
#include <armadillo>
using namespace arma;
int main()
{
    //生成一个随机矩阵A,大小为5x5矩阵每个元素的范围为(0,10)
    mat A = randu<mat>(5, 5) * 10;
    A.print("原矩阵A = \n");
}

在这里插入图片描述

3.深入学习

看了下好像中文没啥好的教程不如直接看帮助手册。

三、C++矩阵运算库 - boost

Boost在C++中地位非常高被称为C++的准标准库其中的ublas模块包含矩阵类用法如下

#include <boost/numeric/ublas/matrix.hpp>
#include <boost/numeric/ublas/io.hpp>
#include <iostream>
namespace ublas = boost::numeric::ublas;
int main()
{
    ublas::matrix<double> A(3, 3);
    for (unsigned i = 0; i < A.size1(); ++i)
        for (unsigned j = 0; j < A.size2(); ++j)
            A(i, j) = 3*i + j;
	std::cout << A << std::endl;
    return 0;
}