深蓝学院视觉SLAM第二次习题

第二次习题来啦，线性代数和矩阵分析忘的也太快了

1.熟悉 Eigen 矩阵运算

本次习题，你需要使⽤ Eigen 库，编写程序，求解⼀个线性⽅程组。为此，你需要先了解⼀些有关线性⽅程组数值解法的原理。设线性⽅程 Ax = b，在 A 为⽅阵的前提下，请回答以下问题：

1. 在什么条件下，x 有解且唯⼀？

A满秩，行列式不为0，r(A|b)=r(A)

2. ⾼斯消元法的原理是什么？

通过用初等行变换将增广矩阵化为行阶梯阵，然后通过回带求解线性方程组的解。

3. QR 分解的原理是什么？

任意一个满秩矩阵可唯一分解成一个正规正交矩阵Q与上三角形矩阵R A= QR

4. Cholesky 分解的原理是什么？

Cholesky 分解是把一个实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。
一个实对称矩阵A正定，即存在可逆矩阵C，使得 A=C.transpose()*C

5. 编程实现 A 为 100 × 100 随机矩阵时，⽤ QR 和 Cholesky 分解求 x 的程序。你可以参考本次课⽤到的 useEigen 例程。

Cholesky 对对称正定矩阵才有效，所以需要转化一下，100x100的矩阵看不出效果，所以试了一下3x3 的矩阵

#include<iostream>
#include<ctime>
using namespace std;

#include<Eigen/Core>
#include<Eigen/Dense>
using namespace Eigen;

#define MATRIX_SIZE 100

int main(int argc,char** argv)
{
   
  
   Matrix<double,Dynamic,Dynamic> matrix_pNN;
   matrix_pNN=MatrixXd::Random(MATRIX_SIZE,MATRIX_SIZE);
   //matrix_pNN=MatrixXd::Random(3,3);
   Matrix<double,Dynamic,1>v_Nd=MatrixXd::Random(MATRIX_SIZE,1);
   //Matrix<double,Dynamic,1> v_Nd=MatrixXd::Random(3,1);
   Matrix<double,Dynamic,Dynamic> matrix_NN;
   matrix_NN=matrix_pNN.transpose()*matrix_pNN;
   cout<<"100x100 矩阵