c++ Eigen库中的矩阵分析为什么使用QR分解

学习QR分解最好的一句话是这样说的：“把质的困难转化为量的复杂，转化前是一个相对复杂的矩阵，转化后矩阵简单但是数量多于一个。”真的是精髓之所在。

Decomposition	Method called in Eigen	Condition satisfied by matrix A	Computation Speed	Computational Accuracy
PartialPivLU	partialPivLu()	Invertible	++	+
FullPivLU	fullPivLu()	None	-	+++
HouseholderQR	householderQr()	None	++	+
ColPivHouseholderQR	colPivHouseholderQr()	None	+	++
FullPivHouseholderQR	fullPivHouseholderQr()	None	-	+++
LLT	llt()	Positive definite	+++	+
LDLT	ldlt()	Positive or negative semidefinite	+++	++

表格来源：https://my.oschina.net/VenusV/blog/3030201

QR相比LU针对的不再是方阵，求逆算法效率更高，具有数值稳定的优点，这种直接方法的数值稳定性比LU分解要好。Cholesky是LU的特殊情况。