Eigen::MatrixXf A未初始化时尺寸为0×0，无内存空间导致乘法报错或返回全零；须显式指定尺寸如Eigen::MatrixXf A(3,4)或用固定尺寸类型。
矩阵乘法为什么结果是空的或报错 Eigen::MatrixXf 未初始化？
直接声明 Eigen::MatrixXf A; 不会分配内存，它是个“空壳”，尺寸为 0×0。一做乘法就触发断言失败或返回全零——不是计算错了，是根本没空间存数据。
- 必须显式指定尺寸：
Eigen::MatrixXf A(3, 4);或用固定尺寸类型如Eigen::Matrix3f - 构造后若需填值，别用
A 直接赋值（容易维数不匹配），优先用循环、<code>.setZero()、.setIdentity()或.random() - 检查维度是否兼容：左矩阵列数 == 右矩阵行数，否则编译不过（Eigen 是编译期检查）
operator* 和 .dot() 混用导致类型错误
Eigen::Vector3f 是列向量，v * w 默认是外积（3×3 矩阵），不是点积；想算点积得用 v.dot(w)。误写成 v * w 会得到意外矩阵，后续当标量用就崩。
-
.dot()返回float（或double），.cross()返回同维向量，*（矩阵/向量间）才按线性代数规则推导结果类型 - 列向量 × 行向量 = 外积（
Vector3f * Vector3f.transpose()）；行向量 × 列向量 = 内积（Vector3f.transpose() * Vector3f） - 不确定时用
.rows()/.cols()打印验证，比猜快
用 Eigen::Map 接手 C 风格数组却读出乱码
常见于从 OpenCV 的 cv::Mat.data 或 raw float 数组构造矩阵。问题往往出在内存布局：Eigen 默认按列优先（column-major），而多数 C/C++ 数组是行优先（row-major）。
- 若源数据是行优先，必须显式指定存储顺序：
Eigen::Map<:matrixxf eigen::rowmajor> mat(ptr, rows, cols);</:matrixxf> - 漏掉
Eigen::RowMajor会导致行列索引错位，看起来像随机值 -
Eigen::Map不接管内存所有权，确保ptr生命周期长于 map 对象，否则悬垂指针
编译报错 “no matching function for call to …” 涉及 auto 和模板推导
Eigen 大量使用模板和表达式模板（expression templates），auto 常推导出未求值的临时表达式类型（如 Eigen::CwiseBinaryOp），而非具体矩阵类型。后续再调用 .data() 或传给函数就失败。
立即学习“C++免费学习笔记（深入）”；
- 明确类型：用
Eigen::MatrixXf result = A * B + C;而非auto result = A * B + C; - 需要延迟求值时，加
.eval()强制计算：auto expr = A * B; Eigen::MatrixXf result = expr.eval(); - 函数参数别用
auto，Eigen 类型必须写全，比如void foo(const Eigen::Ref<const eigen::matrixxf>& m)</const>
最常被跳过的其实是矩阵存储顺序和 Map 的生命周期管理——这两处出问题，调试时现象和原因距离很远，容易绕半天。
