Eigen 是纯头文件 C ++ 矩阵库，无需编译链接，包含即可使用；支持固定 / 动态大小矩阵向量，推荐逗号初始化器。
在 C ++ 中使用 Eigen 库做矩阵运算，核心是理解其表达式模板机制和零拷贝设计——不用手动管理内存，也不用写循环，写法接近数学公式。
安装与基本配置
Eigen 是纯头文件库，不需要编译安装。下载官方 zip 包或用包管理器（如 vcpkg、conan）引入后，在代码中直接包含即可：
- #include
—— 常用矩阵、向量、线性代数功能全在这里 - #include
—— 大型稀疏矩阵才需要 - 无需链接任何库，编译时加上 -I/path/to/eigen 指向头文件目录
定义矩阵与向量
Eigen 提供多种预设类型，按数据类型（float/double）和大小（固定 / 动态）区分：
- Eigen::Matrix2d A; —— 2×2 双精度矩阵，未初始化
- Eigen::MatrixXd B(3, 4); —— 动态大小的 3 行 4 列矩阵，元素默认未初始化
- Eigen::Vector3f v; —— 固定长度为 3 的单精度向量
- Eigen::RowVectorXf u(5); —— 动态行向量，含 5 个 float 元素
- 初始化推荐用逗号初始化器：A（按列优先填入）
常见线性代数运算
运算符重载让写法自然，且大部分操作是延迟求值（lazy evaluation），真正计算发生在赋值或取值时：
立即学习 “C++ 免费学习笔记（深入）”；
- 加减乘：C = A + B;、D = A * B;（注意是矩阵乘，不是逐元素）
- 转置：A.transpose()（返回表达式，不实际转置；要修改原矩阵用 A.transposeInPlace()）
- 共轭转置（复数）：A.adjoint()
- 逆矩阵：A.inverse()（小矩阵可用，但数值不稳定，解方程推荐用分解法）
- 行列式：A.determinant()
- 特征值分解：Eigen::SelfAdjointEigenSolver<:matrixxd> eig(A);（仅适用于对称 / 厄米矩阵）
高效求解线性方程组 Ax = b
避免显式求逆，优先用矩阵分解接口，Eigen 会自动选择合适算法：
- 对于一般矩阵：x = A.lu().solve(b);
- 对于对称正定矩阵（如协方差阵）：x = A.llt().solve(b);（Cholesky 更快更稳）
- 对于病态或秩亏矩阵：x = A.colPivHouseholderQr().solve(b);（带列主元 QR，鲁棒性强）
- 所有。solve() 返回解向量，内部已优化，比手写高斯消元更可靠
掌握这些就能覆盖大多数科学计算场景。Eigen 的亮点在于表达清晰、性能接近手写循环，同时保持 C ++ 类型安全和现代语法风格。
以上就是
