本文参考于 https://eigen.tuxfamily.org/dox/group__TopicLinearAlgebraDecompositions.html

很多场合我们需要去计算矩阵的特征值与特征向量，但是Eigen中有好几个计算特征值与特征向量的方法，这些方法到底该选哪个呢？这篇文章就带着大家来分析一下。

功能为：Bidiagonal Divide and Conquer SVD，双对角线分治SVD

类的原型为

模板参数 MatrixType_： 我们正在计算 SVD 分解的矩阵的类型 模板参数 Options_ ： 此可选参数允许指定计算U和V的选项. 可选参数为ComputeThinU，ComputeThinV，ComputeFullU，ComputeFullV。无法同时请求 U 或 V 的精简版和完整版。默认情况下，不计算酉。

此类首先使用类上双对角化将输入矩阵简化为双对角线形式，然后执行分而治之对角化。小块使用类 JacobiSVD 对角化。您可以使用 setSwitchSize（） 方法控制切换大小，默认值为 16。因此，对于小矩阵（