Eigen::MatrixXf按列减对应列最小值触发断言错误，求解决

错误原因 #

你遇到的断言错误是维度不匹配导致的：

• mat.colwise().minCoeff()返回的是一个列向量（VectorXf类型，维度为2009×1，对应2009列的最小值）
• mat.colwise() -= minVal试图将矩阵的每一列（113×1）与2009×1的列向量做减法，Eigen无法完成这种维度不匹配的操作，触发断言检查。

修正代码 #

你需要让最小值向量能被广播到矩阵的每一列，最简单的方式是将列向量转成行向量，结合rowwise()操作实现逐列减最小值：

VectorXf minVal = mat.colwise().minCoeff();
mat.rowwise() -= minVal.transpose();

原理说明 #

• minVal.transpose()将2009×1的列向量转为1×2009的行向量
• mat.rowwise() -= ...会让矩阵的每一行，都减去行向量中对应位置的元素——等价于矩阵的每一列，都减去该列的最小值，完全符合你的需求。

另一种实现方式 #

也可以通过构造与原矩阵同维度的最小值矩阵，直接做减法：

VectorXf minVal = mat.colwise().minCoeff();
mat -= minVal.transpose().replicate(mat.rows(), 1);

这里minVal.transpose().replicate(mat.rows(), 1)会生成一个113×2009的矩阵，每一行都是最小值行向量，与原矩阵直接相减即可完成逐列去最小值的操作。

内容的提问来源于stack exchange，提问作者Nick X Tsui