手动用double*实现矩阵乘法需自行管理内存、计算偏移、检查维度匹配，易因越界、释放错误或索引颠倒导致崩溃；推荐使用std::vector、std::unique_ptr或eigen等更安全高效的替代方案。
用 double* 手动管理内存做矩阵乘法，最直接但容易崩
直接用裸指针实现矩阵乘法，核心是自己算内存偏移、手动分配释放、检查维度匹配。它不安全，但能看清底层怎么运作——比如 A[m][k] 本质是 A[i * k + j] 这种一维模拟二维的布局。
常见错误现象：segmentation fault（越界读写）、malloc(): corrupted top size（释放错内存）、结果全为 0（行列索引颠倒或初始化遗漏）。
- 必须显式检查
m, k, n是否满足A(m×k) × B(k×n) = C(m×n)，否则乘法无定义 -
new double[m * k]分配后，记得用memset或循环清零，否则值随机 - 三重循环顺序推荐
i-j-k（外→中→内），利于 CPU 缓存局部性；i-k-j容易 cache miss - 别混用
new[]和delete（少方括号），也别对同一指针delete两次
std::vector<:vector>></:vector> 是更稳妥的起点
它自动管理内存、支持边界检查（debug 模式下），且语法接近二维数组直觉。但要注意：它不是连续内存，data() 无法拿到整个矩阵的 flat buffer。
性能影响明显：每次 v[i][j] 是两次指针解引用，比裸指针慢；如果后续要传给 BLAS（如 cblas_dgemm），得先 flatten 成一维 std::vector<double></double>。
- 初始化建议写成
std::vector<:vector>> A(m, std::vector<double>(k, 0.0));</double></:vector>，避免默认构造再赋值 - 乘法循环里，
B[j][l]的j是第二维索引，容易写成B[l][j]导致结果转置 - 若需高性能，别在循环里反复调用
A.size()或A[i].size()，提前提取到变量里
用 std::unique_ptr<double></double> 平衡安全与控制
这是裸指针的现代替代：自动释放、不可复制、支持移动，还能保持连续内存布局，方便对接 C 风格 API 或后续 SIMD 优化。
关键点在于：它只管理一维数组，所以二维访问仍靠手动索引计算，但至少不用操心 delete[] 漏掉的问题。
- 声明方式：
auto A = std::make_unique<double>(m * k);</double>，访问第(i,j)元素写成A[i * k + j] - 不能用
A[i][j]——unique_ptr<double></double>不重载[]为二维操作符 - 传参时若函数期望
double*，直接传A.get()即可，无需额外转换 - 别把它和
std::shared_ptr混用，除非真需要共享所有权——矩阵乘法通常不需要
别硬刚，该用 Eigen 就用 Eigen
真实项目里，手写指针矩阵乘法几乎没优势。像 Eigen::MatrixXd 一行构造、一行乘、自动优化（表达式模板 + SIMD），还带运行时断言检查维度。
容易被忽略的细节：Eigen 默认列优先存储，和 Fortran/BLAS 一致，但和多数 C++ 教程的行优先示例相反。如果你从 std::vector 初始化，得注意数据排列顺序。
- 简单用法：
Eigen::MatrixXd A(m,k), B(k,n), C = A * B;，C 自动分配为m×n - 如果已有裸指针数据，用
Eigen::Map避免拷贝：Eigen::Map<:matrixxd> A_map(A_ptr, m, k);</:matrixxd> - 调试时加
#define EIGEN_NO_DEBUG会关掉边界检查，但发布前别漏掉这个宏定义
手写指针乘法的价值，仅限于理解内存布局和调试底层问题；一旦涉及实际计算，绕不开 Eigen、xtensor 或 BLAS 封装。真正的坑不在乘法逻辑本身，而在内存生命周期和数据排列方向上。
C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
