应优先选用colpivhouseholderqr而非fullpivlu：前者数值更稳定、速度快2–3倍、自动列主元且支持solve()，仅在需精确求秩或零空间时才选fullpivlu。
直接用 FullPivLU 还是 ColPivHouseholderQR？
多数情况下别硬上 FullPivLU——它虽能处理奇异矩阵，但数值稳定性差、速度慢，且默认不检查秩。真遇到病态或近似奇异的 A，ColPivHouseholderQR 更靠谱：自动列主元、对条件数不敏感、支持 solve() 接口，且比 FullPivLU 快 2–3 倍。
只有当你明确需要精确判断秩（比如做零空间分析），才考虑 FullPivLU 或 CompleteOrthogonalDecomposition。
-
A是良态方阵 → 优先用PartialPivLU（最快） -
A是矩形或可能病态 → 用ColPivHouseholderQR -
A确实奇异且需零空间 → 改用FullPivLU并调用kernel()
为什么 inverse() 不该用来解 Ax=b？
写 x = A.inverse() * b 看起来直白，但实际做了两件危险的事：先算整个逆矩阵（O(n³)），再乘向量（O(n²)），而直接分解后求解只需 O(n²)。更糟的是，inverse() 对病态矩阵完全不鲁棒——哪怕 A 条件数是 1e8，inverse() 可能返回毫无意义的数值，而 ColPivHouseholderQR::solve() 会给出带警告的最小二乘解。
Eigen 官方文档也明确说：inverse() 仅用于教学或极小矩阵（n
- 永远用
decomposition.solve(b)，不是A.inverse() * b - 如果必须看逆矩阵，用
decomposition.matrixL().inverse() * decomposition.matrixU().inverse()（仅限 LU）也不推荐
ColPivHouseholderQR 的 solve() 返回空矩阵？
这通常不是 bug，而是 A 列数 ≠ b 行数，或 A 列满秩但行数 solve() 默认返回最小范数解；但如果 A 行数 VectorXd。
安全做法是始终检查返回值有效性：
auto qr = A.colPivHouseholderQr();
auto x = qr.solve(b);
if (x.size() == 0) {
std::cerr
- 确保
A.cols() == x.size()且A.rows() == b.size() - 欠定系统（A 行数 qr.solve(b) 默认返回最小范数解，无需额外配置
- 超定系统（A 行数 > 列数）下，它自动转为最小二乘解
编译时链接和头文件怎么配才不报错？
Eigen 是纯头文件库，不需要链接 .a/.so，但容易栽在两个地方：头文件路径和模板实例化。常见错误如 error: 'solve' is not a member of 'Eigen::ColPivHouseholderQR<...>'</...>，其实是没包含完整头文件。
正确姿势：
- 只加
#include <eigen></eigen>，别拆成#include <eigen></eigen>等零碎头文件（除非你确定自己在做什么） - CMake 中不用
target_link_libraries，只需target_include_directories(your_target PRIVATE /path/to/eigen) - 如果用
auto推导分解对象，确保所有模板参数可推导；否则显式写全类型，例如ColPivHouseholderQR<matrixxd> qr(A);</matrixxd>
最简能跑通的完整例子就三行初始化 + 一行求解，其余全是类型声明和检查——复杂度藏在矩阵本身，不在接口里。
C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
