Eigen静态与动态形状矩阵向量逐元素运算差异咨询

核心原因：编译时类型校验 vs 运行时尺寸设定 #

静态形状版本正常运行的逻辑 #

当你用Matrix<float, 1, 7>和Matrix<float, 30, 7>声明变量时，Eigen在编译阶段就明确知晓：

• sub_value是固定大小的行向量（1行7列）
• num是固定大小的30行7列矩阵

执行num.array().rowwise() -= sub_value.array()时，Eigen能通过编译期断言确认sub_value是向量类型，完全匹配rowwise()操作对右侧操作数的要求——必须是与矩阵行维度兼容的向量，因此可以自动触发广播机制（将行向量扩展至30行）完成逐行减法。

动态形状版本编译失败的根源 #

改用MatrixXf（动态尺寸矩阵）声明变量时，问题出在类型本质上：

• MatrixXf属于通用动态矩阵类型，编译时无法确定其行数和列数。即便你在运行时把sub_value初始化为1行7列，Eigen在编译阶段也无法认定它是向量类型。
• 错误信息里的EIGEN_STATIC_ASSERT_VECTOR_ONLY(OtherDerived)是编译期断言，它要求右侧操作数必须是Eigen定义的向量类型（比如RowVectorXf或VectorXf），而MatrixXf是通用矩阵类型，不满足这个静态校验条件，因此编译报错。

动态形状版本的修复方案 #

如果要使用动态尺寸，需将sub_value声明为动态行向量类型RowVectorXf，而非通用矩阵MatrixXf：

void func(){
    RowVectorXf sub_value(7); // 动态行向量类型
    MatrixXf num(30, 7);
    sub_value << 1, 2, 3, 4, 5, 6, 7;
    num = MatrixXf::Zero(30, 7);
    num.array().rowwise() -= sub_value.array();
    std::cout << num << std::endl;
}

这样Eigen在编译时就能识别sub_value是行向量类型，通过静态校验，运行时也能正常执行广播操作。

内容的提问来源于stack exchange，提问作者Lionnel104