[英]How to perform matrix matrix division using eigen library in C++
我做了一个MATLAB
代码,它必须执行
B3=abs(B2/max(B2));
其中B2
是181 x 238
矩阵, max(B2)
应该给我一个1 x 238
的矩阵,包括每一列的最大值,而B3
应该是181x1
矩阵。 使用本征库的等效C++
代码应该是什么? 请帮忙。 关于修改我的代码,用更简单的尺寸说2 x 2矩阵
//problem
#include <iostream>
#include<complex.h>
#include <eigen3/Eigen/Dense>
#include <eigen3/Eigen/Core>
using namespace Eigen;
using namespace std;
using Eigen::MatrixXd;
int main()
{
MatrixXd A(2,2);MatrixXd B(2,1);MatrixXd C(1,2);
A<<4,12,
6,8;
C=A.colwise().maxCoeff();
//B=(A*(1.0/C)).cwiseAbs();
B=A.array()/C.array();
cout << "The solution is A :\n" << B.cwiseAbs()<< endl;
return 0;
}
但是我无法执行此代码。
hp @ hp-HP-Notebook:〜/ beamforming / programs / eigen_prog $ g ++ mm_t.cpp -o mm_t
hp @ hp-HP-Notebook:〜/ beamforming / programs / eigen_prog $ ./mm_t mm_t:/usr/local/include/eigen3/Eigen/src/Core/CwiseBinaryOp.h:110:Eigen :: CwiseBinaryOp :: CwiseBinaryOp( const Lhs&,const Rhs&,const BinaryOp&)[with BinaryOp = Eigen :: internal :: scalar_quotient_op; LhsType = const Eigen :: ArrayWrapper>; RhsType = const Eigen :: ArrayWrapper>; Eigen :: CwiseBinaryOp :: Lhs = Eigen :: ArrayWrapper>; Eigen :: CwiseBinaryOp :: Rhs = Eigen :: ArrayWrapper>]:断言`aLhs.rows()== aRhs.rows()&& aLhs.cols()== aRhs.cols()'失败。 中止(核心已弃用)
知道有什么问题吗? 我在MATLAB命令窗口中执行了简单的执行,以简化要输出的内容。
m = [4,12; 6,8]
m =
4 12
6 8
最大(米)
ans = 6 12
绝对(米/最大(米))
回答=
0.9333
0.7333
我长期困扰这个问题。 请帮忙。
我将B3=abs(B2/max(B2))
为如下。
b = max(B2)
是包含B2
各个列的最大元素的行向量。
q = B2/b
表示超定线性方程qb = B2
的最小二乘解。 (有nrow
独立的问题,其中nrow
是B2
的行数)。 这个等式等效于b^T q^T = B2^T
,其中^T
是我的转置符号,我猜想这种形式在许多库中更常见。
abs(q)
指的绝对的elementwise值q
。
因此,所需的结果是下面的x
。 也许。
#include <iostream>
#include <eigen3/Eigen/Dense>
#include <eigen3/Eigen/Core>
using namespace Eigen;
using namespace std;
int main()
{
MatrixXd A(2,2), Atr(2,2);
VectorXd b(2), x(2);
A<<4,12,
6,8;
cout << "A :\n" << A << endl;
Atr=A.transpose();
cout << "Atr :\n" << Atr << endl;
b=A.colwise().maxCoeff();
cout << "b :\n" << b << endl;
x = b.colPivHouseholderQr().solve(Atr).cwiseAbs();
cout << "x :\n" << x << endl;
return 0;
}
输出是
A :
4 12
6 8
Atr :
4 6
12 8
b :
6
12
x :
0.933333
0.733333
cf.
https://eigen.tuxfamily.org/dox/group__LeastSquares.html
A/v
定义的误解的旧答案。 也许结果中的B3
对应于下面的向量x
。
#include <iostream>
#include <eigen3/Eigen/Dense>
#include <eigen3/Eigen/Core>
using namespace Eigen;
using namespace std;
int main()
{
MatrixXd A(2,2);
VectorXd b(2), x(2);
A<<4,12,
6,8;
cout << "A :\n" << A << endl;
b=A.colwise().maxCoeff();
cout << "b :\n" << b << endl;
x = A.colPivHouseholderQr().solve(b).cwiseAbs();
cout << "x :\n" << x << endl;
return 0;
}
cf
http://eigen.tuxfamily.org/dox/group__TutorialLinearAlgebra.html
以下是基于我对matlab中的max(A)
误解而得出的古老而又错误的答案。
在Matlab中, max(A)
是矩阵A
的最大元素,而abs(A)
返回一个矩阵,该矩阵采用A
的各个元素的绝对值。 因此,如果B2
是本征矩阵对象,也许
B2=(B2*(1.0/B2.maxCoeff())).cwiseAbs()
cf. https://www.mathworks.com/help/matlab/ref/abs.html?searchHighlight=abs&s_tid=gn_loc_drop http://eigen.tuxfamily.org/dox/group__QuickRefPage.html
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.