最简单方式是安装编译器后直接包含头文件：#include ，使用MatrixXd、Vector3d等类型，无需链接外部库；三步包括配置头文件路径、编写含Eigen::MatrixXd的示例代码并编译运行。
直接上手 Eigen 最简单的方式是：装好编译器，加一行 #include ，然后用 MatrixXd、Vector3d 这类类型写矩阵和向量——它不依赖外部库，头文件即用，编译时也不用链接。
快速开始：三步跑通第一个矩阵计算
1. 确保你的项目能访问 Eigen 头文件（下载解压后把 Eigen/ 文件夹路径加入 include 目录）
2. 写个最简例子：
#include#include int main() { Eigen::MatrixXd A(2, 2); A << 1, 2, 3, 4; Eigen::VectorXd b(2); b << 5, 6; std::cout << "A * b =\n" << A * b << std::endl; }
3. 编译时加上 -std=c++11（或更高），无需额外链接选项
常用类型与初始化方式
Eigen 的核心是模板矩阵类，类型名自带维度和精度信息：
-
Matrix：固定大小 3×3 双精度矩阵（栈上分配，快） -
MatrixXd：动态大小双精度矩阵（堆上分配，灵活） -
Vector3d：固定长度 3 的双精度向量（等价于Matrix） -
RowVectorXf：动态行向量，单精度
初始化推荐用逗号初始化器（），支持链式赋值；也可用 setZero()、setIdentity()、Random() 等成员函数
立即学习“C++免费学习笔记（深入）”；
基础运算与常见操作
算术运算符重载自然直观，但注意：所有运算默认返回表达式对象（lazy evaluation），真正计算发生在赋值时：
- 加减乘：
A + B、A - B、A * B（矩阵乘法，不是逐元素） - 逐元素运算加
.array()：A.array() * B.array()是哈达玛积 - 转置、共轭、伴随：
A.transpose()、A.conjugate()、A.adjoint() - 求逆、行列式、特征值：用
FullPivLU、PartialPivLU、SelfAdjointEigenSolver等分解类，不建议直接调inverse()
线性方程组与分解技巧
解 Ax = b 别手写高斯消元，用 Eigen 提供的分解接口更稳更快：
- 一般矩阵 →
PartialPivLU（快，适合多次解不同右端项） - 对称正定矩阵 →
LLT（最快最稳） - 需要最小二乘 →
HouseholderQR或ColPivHouseholderQR
例如：
Eigen::MatrixXd A = Eigen::MatrixXd::Random(3, 3); Eigen::VectorXd b = Eigen::VectorXd::Random(3); auto lu = A.partialPivLu(); Eigen::VectorXd x = lu.solve(b); // 自动选最优算法
