这篇文章主要为大家详细介绍了C++调用Matlab函数求特征值，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，最近需要用到C++和Matlab的混编，记录一下学习过程。要实现的是调用Matlab函数，求矩阵前k个最小的特征值及其特征向量。

//C++

#include "engine.h" //使用Matlab引擎需要包含的头文件

#include <iostream>

using namespace std;

int main()

{

Engine *m_engine; //创建Matlab引擎

m_engine = NULL; //初始化引擎

if((!m_engine && !(m_engine = engOpen(NULL)))) //打开引擎，此时会打开一个Matlab命令行窗口

{

return -1;

}

engSetVisible(m_engine,1); //将命令行窗口设为可见

char buffer[255]; //记录调试信息，方便调试

engOutputBuffer(m_engine, buffer, 255);

double A[3][3] = {-1,1,0,

-4,3,0,

1,0,2};

mxArray* AObj = mxCreateDoubleMatrix(3, 3, mxREAL); //创建Matlab的矩阵(大小3*3，实数)

memcpy(mxGetPr(AObj), A, 3*sizeof(double)); //将C++的数据传入Matlab中

engPutVariable(m_engine, "A", AObj); //将AObj的值赋给A

engEvalString(m_engine, "cd('E:\\MatlabScripts')"); //进入Matlab代码的路径

//调用Matlab中定义的函数“computeEigens”，文件名需与函数名一致，即“computeEigens.m”

int k = 2;

engEvalString(m_engine, "[eigVector,eigValue] = computeEigens(A, k);");

//存储计算结果

engEvalString(m_engine,"save('E:\\eigVec_eigV.mat','eigVector','eigValue');");

printf("%s", buffer);

mxDestroyArray(AObj); //销毁Matlab数组

if (m_engine) //关闭Matlab引擎

{

engClose(m_engine);

m_engine = NULL;

}

return 0;

}

%调用的Matlab代码

%E:\MatlabScripts\computeEigens.m

function [ eigVector, eigValue ] = computeEigens( M, n_Eigens ) %n_Eigens为要求的特征值数量

[EigenVectors,EigenValues] = eig(M);

[sortedEigenValues, index] = sort(diag(EigenValues));

eigValue = sortedEigenValues(1:n_Eigens);

idx = index(1:n_Eigens);

eigVector = EigenVectors(:,idx);

end

求稀疏矩阵的特征值

后来发现eig不能用于求解稀疏矩阵，会报“Error using eig”的错，要改用eigs(A, k, sigma)，sigma='sm'时表示求稀疏矩阵A的前k个绝对值最小的特征值及其特征向量。sigma的其他取值含义为：'lm' 绝对值最大的特征值;'sm' 绝对值最小的特征值;'la'最的大特征值;'sa'最小的特征值;'lr' 最大实部;'sr' 最小实部;'li' 最大虚部;'si'最小虚部。