用std::vector做二维数组更安全，因其支持运行时尺寸、避免内存泄漏、提供.at()边界检查；初始化用vector(rows, vector(cols, 0))，访问优先用i，调试用.at(i).at(j)捕获越界。
用 std::vector 做二维数组比原生 int[N][M] 更安全
原生 C 风格二维数组（如 int a[100][100]）在函数传参时维度必须固定，且无法动态调整大小；一旦矩阵尺寸来自输入或配置，就容易越界或编译报错。用 std::vector<:vector>></:vector> 虽有轻微开销，但能避免内存泄漏、支持运行时尺寸、天然边界检查（配合 .at()）。
实操建议：
- 初始化：用
std::vector<:vector>> mat(rows, std::vector<int>(cols, 0));</int></:vector> - 访问元素优先用
mat[i][j]（简洁），调试阶段可换mat.at(i).at(j)捕获越界异常 - 避免嵌套
push_back构造大矩阵——先预留容量：mat.reserve(rows); for (int i = 0; i
operator* 重载实现矩阵乘法要严格校验维度
矩阵乘法要求左矩阵列数等于右矩阵行数，否则无定义。不校验就直接计算，轻则结果全零，重则访问非法内存（尤其用原生数组时）。
关键点：
立即学习“C++免费学习笔记（深入）”；
- 在乘法函数开头加断言：
assert(left[0].size() == right.size()); - 结果矩阵维度是
left.size() × right[0].size()，别写反 - 三重循环顺序推荐
i-j-k（外层行、中层结果列、内层求和索引），利于 CPU 缓存局部性；i-k-j容易 cache miss - 示例核心片段：
for (int i = 0; i < left.size(); ++i) for (int j = 0; j < right[0].size(); ++j) { res[i][j] = 0; for (int k = 0; k < left[0].size(); ++k) res[i][j] += left[i][k] * right[k][j]; }
用 std::valarray 或 Eigen 库替代手写乘法？
纯手写适合教学或极简嵌入场景；工程中应优先考虑成熟库——它们做了向量化、分块、多线程等优化，性能远超朴素三重循环。
选择参考：
-
std::valarray是标准库内置，轻量但接口生硬，不推荐初学者直接用（比如乘法需手动 reshape + apply） -
Eigen是事实标准：头文件即用，支持表达式模板（A * B + C不生成临时对象），且自动向量化；安装只需解压头文件目录，#include <eigen></eigen>即可 - 若不能引入第三方，至少把乘法封装成独立函数，参数用
const std::vector<:vector>>&</:vector>避免拷贝
常见错误：混淆行主序与列主序，或误用指针模拟二维数组
用 int* data = new int[rows * cols] 模拟二维数组时，data[i][j] 是非法语法；正确访问是 data[i * cols + j]。更麻烦的是：如果按列遍历（i 内层、j 外层），缓存命中率暴跌，小矩阵可能慢 3–5 倍。
容易踩的坑：
- 传参时把
int**当二维数组用——它只是指针数组，每行内存不一定连续，sizeof失效，malloc分配方式极易出错 - 用
std::vector<int></int>平铺存储却忘了行列映射关系，导致[i][j]计算错位 - 忘记初始化结果矩阵为 0，残留垃圾值参与累加
矩阵乘法本身逻辑简单，真正复杂的是内存布局选择、维度安全性、以及是否值得为性能/可维护性切换到专业线性代数库——这些决策点比循环怎么写影响更大。