矩阵相乘运算的python程序

利用NumPy库进行矩阵乘法

可以使用Python中的NumPy库来方便地实现矩阵乘法。首先导入NumPy模块，定义两个二维数组表示矩阵，然后使用np.dot()函数或者‘@’操作符完成乘法运算。例如：

import numpy as np
A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])
C = np.dot(A, B)
print(C)

这段代码会输出两个矩阵的乘积结果。

纯Python实现矩阵乘法的思路

可以使用嵌套的for循环来完成矩阵的乘法运算。假设有两个矩阵A和B，结果矩阵的行数等于矩阵A的行数，列数等于矩阵B的列数。具体做法是遍历A的每一行和B的每一列，计算对应元素乘积的和作为结果矩阵中的元素。注意需要检测矩阵维度是否匹配。示例代码：

def matrix_multiply(A, B):
rows_A, cols_A = len(A), len(A[0])
rows_B, cols_B = len(B), len(B[0])
if cols_A != rows_B:
raise ValueError("矩阵维度不匹配，无法相乘")
result = [[0]*cols_B for _ in range(rows_A)]
for i in range(rows_A):
for j in range(cols_B):
for k in range(cols_A):
result[i][j] += A[i][k] * B[k][j]
return result

测试矩阵乘法结果的常用方法

可以先准备一些已知结果的矩阵对作为测试用例，例如乘以单位矩阵应保持矩阵不变。也可以与NumPy的矩阵乘法结果进行比较。如果使用手写代码实现矩阵乘法，选择小尺寸矩阵简单计算其乘积，将手算结果与程序输出对比。此外，测试不同维度不匹配时程序是否正确抛出异常，也能验证代码鲁棒性。