iis 网站正在建设中,扁平配色网站,长沙鞋网站建设,郑州专业网站制作的公司文章目录前言一、vector函数的使用1.1 构造向量二、常用函数2.1 矩阵输出函数2.2 向量输出函数2.3 矩阵的使用2.4三、new的用法3.1 内存的四种分区3.2 new的作用3.33.4四、4.14.24.34.4总结前言 只是为方便学习#xff0c;不做其他用途 一、vector函数的使用
有关的文章
C v…
文章目录前言一、vector函数的使用1.1 构造向量二、常用函数2.1 矩阵输出函数2.2 向量输出函数2.3 矩阵的使用2.4三、new的用法3.1 内存的四种分区3.2 new的作用3.33.4四、4.14.24.34.4总结前言 只是为方便学习不做其他用途 一、vector函数的使用
有关的文章
C vector的用法整理C中vector的用法详解
1.1 构造向量 //vector():创建一个空vectorvectorint v1 vectorint(); //v1 []//vector(int nSize):创建一个vector,元素个数为nSizevectorint v2 vectorint(3); //v2 [0, 0, 0]//vector(int nSize,const t t): 创建一个vector元素个数为nSize,且值均为tvectorint v3 vectorint(3, 10); //v3 [10, 10, 10]//vector(const vector): 复制构造函数vectorint v4 vectorint(v3); //v4 [10, 10, 10]//vector(begin,end): 复制[begin,end)区间内另一个数组的元素到vector中vectorint v5 vectorint(v4.begin(), v4.end() - 1); //v5 [10, 10]vectorvectorint v6 vectorvectorint(3, vectorint(3);); //v6 [[0, 0, 0][0, 0, 0][0, 0, 0]]
二、常用函数
2.1 矩阵输出函数
// 输出矩阵的各个值
void Print(MatrixXd K)
{for (int j 0; j K.rows(); j){for (int i 0; i K.cols(); i){cout K(j, i) ;}cout endl;}
}2.2 向量输出函数
#include vector
// 输出向量的各个值
void Print_Vector(vectordouble U)
{for (int i 0; i U.size(); i){cout U_ i U[i] endl;}
}2.3 矩阵的使用 eigen库和matlab中对应命令
// A simple quickref for Eigen. Add anything thats missing.
// Main author: Keir Mierle
#includeiostream
#include gismo.h
#include Eigen/Dense
using namespace Eigen;
using namespace gismo;
using namespace std;
#include vectorint main()
{gsMatrixdouble, 3, 3 A; // Fixed rows and cols. Same as Matrix3d.Matrixdouble, 3, Dynamic B; // Fixed rows, dynamic cols.Matrixdouble, Dynamic, Dynamic C; // Full dynamic. Same as MatrixXd.Matrixdouble, 3, 3, RowMajor E; // Row major; default is column-major.Matrix3f P, Q, R; // 3x3 float matrix.Vector3f x, y, z; // 3x1 float matrix.RowVector3f a, b, c; // 1x3 float matrix.VectorXd v; // Dynamic column vector of doublesdouble s;// Basic usage// Eigen // Matlab // commentsx.size() // length(x) // vector sizeC.rows() // size(C,1) // number of rowsC.cols() // size(C,2) // number of columnsx(i) // x(i1) // Matlab is 1-basedC(i, j) // C(i1,j1) //A.resize(4, 4); // Runtime error if assertions are on.B.resize(4, 9); // Runtime error if assertions are on.A.resize(3, 3); // Ok; size didnt change.B.resize(3, 9); // Ok; only dynamic cols changed.A 1, 2, 3, // Initialize A. The elements can also be4, 5, 6, // matrices, which are stacked along cols7, 8, 9; // and then the rows are stacked.B A, A, A; // B is three horizontally stacked As.A.fill(10); // Fill A with all 10s.// Eigen // MatlabMatrixXd::Identity(rows, cols) // eye(rows,cols)C.setIdentity(rows, cols) // C eye(rows,cols)MatrixXd::Zero(rows, cols) // zeros(rows,cols)C.setZero(rows, cols) // C ones(rows,cols)MatrixXd::Ones(rows, cols) // ones(rows,cols)C.setOnes(rows, cols) // C ones(rows,cols)MatrixXd::Random(rows, cols) // rand(rows,cols)*2-1 // MatrixXd::Random returns uniform random numbers in (-1, 1).C.setRandom(rows, cols) // C rand(rows,cols)*2-1VectorXd::LinSpaced(size, low, high) // linspace(low,high,size)v.setLinSpaced(size, low, high) // v linspace(low,high,size)// Matrix slicing and blocks. All expressions listed here are read/write.// Templated size versions are faster. Note that Matlab is 1-based (a size N// vector is x(1)...x(N)).// Eigen // Matlabx.head(n) // x(1:n)x.headn() // x(1:n)x.tail(n) // x(end - n 1: end)x.tailn() // x(end - n 1: end)x.segment(i, n) // x(i1 : in)x.segmentn(i) // x(i1 : in)P.block(i, j, rows, cols) // P(i1 : irows, j1 : jcols)P.blockrows, cols(i, j) // P(i1 : irows, j1 : jcols)P.row(i) // P(i1, :)P.col(j) // P(:, j1)P.leftColscols() // P(:, 1:cols)P.leftCols(cols) // P(:, 1:cols)P.middleColscols(j) // P(:, j1:jcols)P.middleCols(j, cols) // P(:, j1:jcols)P.rightColscols() // P(:, end-cols1:end)P.rightCols(cols) // P(:, end-cols1:end)P.topRowsrows() // P(1:rows, :)P.topRows(rows) // P(1:rows, :)P.middleRowsrows(i) // P(i1:irows, :)P.middleRows(i, rows) // P(i1:irows, :)P.bottomRowsrows() // P(end-rows1:end, :)P.bottomRows(rows) // P(end-rows1:end, :)P.topLeftCorner(rows, cols) // P(1:rows, 1:cols)P.topRightCorner(rows, cols) // P(1:rows, end-cols1:end)P.bottomLeftCorner(rows, cols) // P(end-rows1:end, 1:cols)P.bottomRightCorner(rows, cols) // P(end-rows1:end, end-cols1:end)P.topLeftCornerrows, cols() // P(1:rows, 1:cols)P.topRightCornerrows, cols() // P(1:rows, end-cols1:end)P.bottomLeftCornerrows, cols() // P(end-rows1:end, 1:cols)P.bottomRightCornerrows, cols() // P(end-rows1:end, end-cols1:end)// Of particular note is Eigens swap function which is highly optimized.// Eigen // MatlabR.row(i) P.col(j); // R(i, :) P(:, i)R.col(j1).swap(mat1.col(j2)); // R(:, [j1 j2]) R(:, [j2, j1])// Views, transpose, etc; all read-write except for .adjoint().// Eigen // MatlabR.adjoint() // RR.transpose() // R. or conj(R)R.diagonal() // diag(R)x.asDiagonal() // diag(x)R.transpose().colwise().reverse(); // rot90(R)R.conjugate() // conj(R)// All the same as Matlab, but matlab doesnt have * style operators.// Matrix-vector. Matrix-matrix. Matrix-scalar.y M * x; R P * Q; R P * s;a b * M; R P - Q; R s * P;a * M; R P Q; R P / s;R * Q; R s * P;R Q; R * s;R - Q; R / s;// Vectorized operations on each element independently// Eigen // MatlabR P.cwiseProduct(Q); // R P .* QR P.array() * s.array();// R P .* sR P.cwiseQuotient(Q); // R P ./ QR P.array() / Q.array();// R P ./ QR P.array() s.array();// R P sR P.array() - s.array();// R P - sR.array() s; // R R sR.array() - s; // R R - sR.array() Q.array(); // R QR.array() Q.array(); // R QR.cwiseInverse(); // 1 ./ PR.array().inverse(); // 1 ./ PR.array().sin() // sin(P)R.array().cos() // cos(P)R.array().pow(s) // P .^ sR.array().square() // P .^ 2R.array().cube() // P .^ 3R.cwiseSqrt() // sqrt(P)R.array().sqrt() // sqrt(P)R.array().exp() // exp(P)R.array().log() // log(P)R.cwiseMax(P) // max(R, P)R.array().max(P.array()) // max(R, P)R.cwiseMin(P) // min(R, P)R.array().min(P.array()) // min(R, P)R.cwiseAbs() // abs(P)R.array().abs() // abs(P)R.cwiseAbs2() // abs(P.^2)R.array().abs2() // abs(P.^2)(R.array() s).select(P, Q); // (R s ? P : Q)// Reductions.int r, c;// Eigen // MatlabR.minCoeff() // min(R(:))R.maxCoeff() // max(R(:))s R.minCoeff(r, c) // [s, i] min(R(:)); [r, c] ind2sub(size(R), i);s R.maxCoeff(r, c) // [s, i] max(R(:)); [r, c] ind2sub(size(R), i);R.sum() // sum(R(:))R.colwise().sum() // sum(R)R.rowwise().sum() // sum(R, 2) or sum(R)R.prod() // prod(R(:))R.colwise().prod() // prod(R)R.rowwise().prod() // prod(R, 2) or prod(R)R.trace() // trace(R)R.all() // all(R(:))R.colwise().all() // all(R)R.rowwise().all() // all(R, 2)R.any() // any(R(:))R.colwise().any() // any(R)R.rowwise().any() // any(R, 2)// Dot products, norms, etc.// Eigen // Matlabx.norm() // norm(x). Note that norm(R) doesnt work in Eigen.x.squaredNorm() // dot(x, x) Note the equivalence is not true for complexx.dot(y) // dot(x, y)x.cross(y) // cross(x, y) Requires #include Eigen/Geometry// Eigen // MatlabA.castdouble(); // double(A)A.castfloat(); // single(A)A.castint(); // int32(A)A.real(); // real(A)A.imag(); // imag(A)// if the original type equals destination type, no work is done// Note that for most operations Eigen requires all operands to have the same type:MatrixXf F MatrixXf::Zero(3, 3);A F; // illegal in Eigen. In Matlab A AF is allowedA F.castdouble(); // F converted to double and then added (generally, conversion happens on-the-fly)// Eigen can map existing memory into Eigen matrices.float array[3];Vector3f::Map(array).fill(10); // create a temporary Map over array and sets entries to 10int data[4] { 1, 2, 3, 4 };Matrix2i mat2x2(data); // copies data into mat2x2Matrix2i::Map(data) 2 * mat2x2; // overwrite elements of data with 2*mat2x2MatrixXi::Map(data, 2, 2) mat2x2; // adds mat2x2 to elements of data (alternative syntax if size is not know at compile time)// Solve Ax b. Result stored in x. Matlab: x A \ b.x A.ldlt().solve(b)); // A sym. p.s.d. #include Eigen/Choleskyx A.llt().solve(b)); // A sym. p.d. #include Eigen/Choleskyx A.lu().solve(b)); // Stable and fast. #include Eigen/LUx A.qr().solve(b)); // No pivoting. #include Eigen/QRx A.svd().solve(b)); // Stable, slowest. #include Eigen/SVD// .ldlt() - .matrixL() and .matrixD()// .llt() - .matrixL()// .lu() - .matrixL() and .matrixU()// .qr() - .matrixQ() and .matrixR()// .svd() - .matrixU(), .singularValues(), and .matrixV()// Eigenvalue problems// Eigen // MatlabA.eigenvalues(); // eig(A);EigenSolverMatrix3d eig(A); // [vec val] eig(A)eig.eigenvalues(); // diag(val)eig.eigenvectors(); // vec// For self-adjoint matrices use SelfAdjointEigenSolver
}
2.4 三、new的用法 参考文章 c中new的作用、C如何让函数返回数组 //可以在new后面直接赋值int* p new int(3);//也可以单独赋值//*p 3;//如果不想使用指针可以定义一个变量在new之前用“*”表示new出来的内容int q *new int;q 1;cout q endl;3.1 内存的四种分区 栈区stack 编译器自动分配和释放的主要存储的是函数的参数值局部变量等值。发生函数调用时就为函数运行时用到的数据分配内存函数调用结束后就将之前分配的内存全部销毁。所以局部变量、参数只在当前函数中有效不能传递到函数外部。栈内存的大小和编译器有关编译器会为栈内存指定一个最大值在 VC/VS 下默认是 1M。 堆区heap 动态分配。一般由程序员分配和释放动态内存申请malloc与释放free需要手动free。否则会一直存在若程序员不释放程序结束时可能由操作系统回收。 全局区静态区static 静态分配。全局变量和静态变量的存储是放在一块的该区域在程序结束后由操作系统释放。 代码区 通常用来存放程序执行代码包含类成员函数和全局函数及其他函数代码这部分区域的大小在程序运行前就已经确定也有可能包含一些只读的常数变量例如字符串变量。 3.2 new的作用 用法示例
int *a new int[5];
class A {...} //声明一个类 A
A *obj new A(); //使用 new 创建对象
delete []a;
delete obj;3.3 3.4 四、
4.1 4.2 4.3 4.4 总结 二维数
