C++ Eigen填充矩阵时可否效仿Matlab向量化减少嵌套for循环？

完全可以实现目标的两种向量化写法，不管是对齐Matlab逻辑仅去掉一层嵌套循环，还是完全消掉两层手写循环的纯向量化填充，Eigen都原生支持，且性能通常优于手写双层循环（自动触发SIMD指令优化）。

对齐Matlab逻辑：仅保留一层外层循环 #

这种写法和你给出的Matlab示例逻辑完全一致，只需预先生成存储列索引的行向量，遍历行索引时直接给整行赋值即可，不需要手写内层的列循环。对应C++代码如下：

int M = 3;
int N = 4;
MatrixXd A(M, N);
// 生成和Matlab N_Vec 等价的行向量，元素值为0,1,2,...N-1
RowVectorXd N_Vec = RowVectorXd::LinSpaced(N, 0, N-1);

// 仅保留一层外层循环，和Matlab示例逻辑完全对齐
for (int i = 0; i < M; i++) {
    // i为标量，自动广播到整行位置，逐元素计算sin
    A.row(i) = (i + N_Vec).array().sin();
}

执行过程和Matlab的逐行赋值完全等价，Eigen会自动将标量i广播到整行所有列的位置，不需要手动编写列索引的循环逻辑。

纯向量化实现：完全去掉两层手写循环 #

该写法利用Eigen的广播机制+表达式模板，不需要编写任何手写for循环即可完成全矩阵填充，实现逻辑如下：

• 生成存储行索引的列向量：形状为M×1，元素值从0到M-1
• 生成存储列索引的行向量：形状为1×N，元素值从0到N-1
• 不同形状的向量相加时，Eigen会自动按广播规则生成M×N形状的矩阵，再通过数组接口逐元素计算sin，得到目标矩阵
  对应代码如下：

int M = 3;
int N = 4;
// 生成行索引列向量：M行1列，值为0,1,...M-1
VectorXd M_Vec = VectorXd::LinSpaced(M, 0, M-1);
// 生成列索引行向量：1行N列，值为0,1,...N-1
RowVectorXd N_Vec = RowVectorXd::LinSpaced(N, 0, N-1);
// 全向量化生成矩阵：自动广播后逐元素计算sin
MatrixXd A = (M_Vec + N_Vec).array().sin().matrix();

整个计算过程由Eigen的表达式模板在编译期完成优化，不会产生中间临时矩阵的内存拷贝，性能通常优于手动编写的双层循环。

注意：逐元素的数学函数（如sin、cos）需要通过.array()接口将矩阵/向量转为Eigen的Array类型才能调用，原生Matrix类型的接口仅支持线性代数类运算，不提供逐元素的数学函数。

内容的提问来源于stack exchange，提问作者csss