标准三重循环矩阵乘法必须按i-j-k顺序，确保A(m×n)与B(n×p)相乘得C(m×p)，且需严格检查维度对齐与边界，否则易致缓存失效或越界错误。
三重循环实现矩阵乘法的正确写法
标准三重循环实现 matrix multiplication 必须满足：左矩阵列数等于右矩阵行数，结果矩阵维度为 m × p（若 A 是 m × n，B 是 n × p）。循环顺序固定为 i-j-k（外层行、中层列、内层求和维度），否则缓存不友好且易出错。
常见错误是把 k 放最外层，导致无法利用 CPU 缓存局部性，性能下降 3–5 倍；或混淆索引，比如写成 C[i][j] += A[i][k] * B[k][j] 却没检查 B 的维度是否支持 B[k][j]（即误把 B 当作 k × j 而非 n × p）。
-
i遍历左矩阵行（0 到 m-1） -
j遍历右矩阵列（0 到 p-1） -
k遍历公共维度（0 到 n-1），做点积累加
for (int i = 0; i < m; ++i) {
for (int j = 0; j < p; ++j) {
C[i][j] = 0;
for (int k = 0; k < n; ++k) {
C[i][j] += A[i][k] * B[k][j];
}
}
}用 vector> 实现时的内存布局陷阱
std::vector<:vector>> 不是连续内存，每行单独分配，A[i][k] 访问可能触发多次 cache miss；更严重的是，如果初始化不完整（如漏掉某行 resize），运行时可能崩溃或读到垃圾值。
必须确保：
立即学习“C++免费学习笔记（深入）”；
- 所有
A[i]已resize(n)，所有B[k]已resize(p) -
C先resize(m)，再对每个C[i]resize(p) - 避免在循环中反复调用
.size()——它不是编译期常量，现代编译器虽常优化，但显式提出来更稳
推荐写法：const int n = A[0].size(); const int p = B[0].size();（前提是你保证输入合法）
为什么不能直接用 operator* 重载代替三重循环
标准库没有为 vector 提供 operator*，自己重载只是语法糖，底层仍是三重循环。有人试图用 std::valarray 或 std::mdspan（C++23）绕过手写循环，但前者接口生涩、后者尚未广泛支持。
真正值得替换三重循环的场景只有两个：
- 矩阵很大（>1000×1000）且需高性能 → 改用
BLAS（如 OpenBLAS 的cblas_dgemm） - 需要自动微分或符号计算 → 换
xtensor或Eigen，它们内部做了 loop tiling / SIMD / 多线程优化
硬写三重循环的意义在于理解原理、调试中间状态、或嵌入极简环境（如裸机、竞赛限制库）。
调试时最容易忽略的维度检查点
运行时报 std::out_of_range 或静默结果错误，90% 出在维度没对齐。不要只看 A.size() == m 和 B.size() == n，还要确认：
-
A[0].size() == n（A 每行长度一致） -
B[0].size() == p（B 每行长度一致） -
n > 0 && m > 0 && p > 0（空矩阵未定义乘法） - 若用指针数组（
double** A），更要检查A[i]是否非空
建议封装前加断言：assert(!A.empty() && !A[0].empty() && A[0].size() == B.size());
