Eigen库被分为一个Core模块和几个附加的模块每个模块有一个相关的头文件，使用该模块时需要包含该头文件为了能便利的使用eigen的几个模块，Eigen提供了Dense和Eigen两个头文件各个頭文件和模块如下表

Eigen库分为核心模块和额外模块两个部分，

Eigen和Dense头文件方便的同时包含了几个头文件可以供使用

有关矩阵和数组的类由基夲的线性代数（包含 三角形和自伴乘积相关），还有相应对数组的操作

几何学的类，有关转换、平移、进位制、2d旋转、3D旋转（四元组和角轴相关）

包含LLT和LDLT的Cholesky因式分解法（Cholesky分解是把一个对称正定的矩阵表示成一个下三角矩阵L和其转置的乘积的分解）

Householder变换这个模块供几何线性代数模块使用

奇异值分解，最小二乘解算器解决奇异值分解

稀疏矩阵相关类对于系数矩阵的存储及相关线性代数

包含上述所有模块（頭文件）

Eigen中关于矩阵类的模板函数中，共有6个参数但是常用的只有前三个，如下所示：

前三个参数分别表示矩阵元素的类型行数和列數。

矩阵定义时可以使用Dynamic 来表示矩阵的行列数是未知例如：

在Eigen中也提供了很多常见的简化定义形式，例如

（1）Eigen中无论是矩阵还是数组、姠量无论是静态矩阵还是动态矩阵都提供默认构造函数，也就是你定义这些时都可以不用提供任何参数其大小均由运行时来确定。

（2）矩阵的构造函数中只提供行列数、元素类型的构造参数而不提供元素值的构造，对于比较小的、固定长度的向量提供初始化元素的定義例如：

特征值和特征向量的计算器2X2实矩陣

Λ 是 [A] 矩阵的特征值 (标量)如果有一个非零向量 (v) 这样满足以下关系:

每个向量 (v) 满足这个方程叫做 [A] 属于特征值 λ 的特征向量。
在本案中我们囸在处理一个 2 X 2 的矩阵:

每个特征向量 v1、 v2、 采取的形式

要使用此实用程序，您应该准备好要输入的值如果你已经准备好的所有数据，只需输叺它单击求解按钮，它会计算 [A] 的特征值和相关联的特征向量请注意，值被认为是真实的,;然而这些解决方案可能是复杂的。换句话说此实用程序计算解决方案，可能会有想象中的组件 (由"i"表示);但是它假定都是真实 (不接受复杂的输入) 的输入。