为何Eigen无简便方法正确将二维double数组转为Matrix3d？

首先明确两个核心前提：

• C++标准二维数组（如double a[3][3]）在内存中是行优先连续存储的，你的数组a在内存里的顺序为：1,2,3,4,5,6,7,8,9。
• Eigen的Matrix3d默认采用列优先存储，即矩阵元素按列依次存入内存。

转置结果的成因 #

你使用的Map<Matrix3d, RowMajor>(a[0])这类写法中，第二个模板参数RowMajor是告诉Eigen：被映射的源内存是行优先排列的，但目标类型Matrix3d本身是列优先存储的。当你将Map对象赋值给Matrix3d时，Eigen会自动将行优先的源数据转换为列优先的存储格式，最终得到转置后的矩阵。

• ColMajor是Map的默认参数，此时Eigen会把源内存当作列优先解析，但你的数组实际是行优先，自然也会得到转置结果；
• DontAlign仅控制内存对齐规则，和存储顺序无关，因此无法改变结果。

正确的转换方法 #

要得到和原数组行列一致的Eigen矩阵，有三种简便方式：

方式1：映射为行优先矩阵类型 #

直接将Map的目标类型指定为行优先矩阵，再赋值给Matrix3d，Eigen会自动处理存储格式转换并保持行列正确：

Matrix3d b = Map<Matrix<double, 3, 3, RowMajor>>(a[0]);

方式2：映射后转置 #

若不想指定行优先矩阵类型，可先按列优先映射，再通过转置得到正确结果：

Matrix3d b = Map<Matrix3d>(a[0]).transpose();

方式3：C++11+直接初始化 #

如果使用C++11或更高版本，可直接用初始化列表构造矩阵，无需依赖数组：

Matrix3d b{{1,2,3}, {4,5,6}, {7,8,9}};

补充说明 #

Eigen默认采用列优先存储，是为了兼容BLAS等主流线性代数库的存储规范，从而获得更好的性能表现。只要明确存储顺序的差异，就能通过简单操作满足工程师/数学家对矩阵行列的直观预期。

内容的提问来源于stack exchange，提问作者Thomas Kirven