### 使用 Python 实现矩阵相乘 在 Python 中，可以通过多种方式实现两个矩阵的相乘操作，包括使用标准库中的嵌套循环实现、使用 NumPy 库进行高效计算等。以下介绍几种常用方法。 #### 使用嵌套循环实现矩阵相乘 这种方法适用于不使用外部库的情况，通过遍历矩阵的行和列，手动计算每个元素的值： ```python # 输入矩阵的维度 m, p, n = map(int, input().split(",")) # 获取矩阵 A 的行数、列数 和矩阵 B 的列数 # 初始化矩阵 A = [] B = [] C = [[0 for _ in range(n)] for _ in range(m)] # 初始化结果矩阵 # 输入矩阵 A for i in range(m): A.append(list(map(int, input().split()))) # 输入矩阵 B for i in range(p): B.append(list(map(int, input().split()))) # 矩阵相乘 for i in range(m): for j in range(n): for k in range(p): C[i][j] += A[i][k] * B[k][j] # 输出结果矩阵 for row in C: print() for element in row: print(element, end=" ") ``` #### 使用 NumPy 进行矩阵相乘 NumPy 是 Python 中用于科学计算的重要库，提供了高效的矩阵运算功能，可以通过 `np.dot()` 或 `@` 运算符实现矩阵相乘： ```python import numpy as np # 定义矩阵 A = np.array([[3, 5, 1], [7, 2, 6]]) B = np.array([[1, 6], [23, 8], [2, 5]]) # 矩阵相乘 C = np.dot(A, B) # 输出结果 print("A * B =") print(C) ``` 输出结果为： ``` A * B = [[120 63] [ 65 88]] ``` #### 矩阵对应元素相乘 如果需要对两个矩阵的对应位置元素进行相乘，可以使用 `np.multiply()` 函数或 `*` 运算符： ```python import numpy as np x = np.array([[1, 2], [3, 4]]) y = np.array([[2, 2], [2, 2]]) # 对应元素相乘 print("np.multiply(x, y) =") print(np.multiply(x, y)) # 等效于 x * y print("x * y =") print(x * y) ``` 输出结果为： ``` np.multiply(x, y) = [[2 4] [6 8]] x * y = [[2 4] [6 8]] ``` #### 矩阵点乘 矩阵点乘（内积）可以使用 `np.dot()` 或 `@` 运算符完成： ```python import numpy as np x = np.array([[1, 2], [3, 4]]) y = np.array([[2, 2], [2, 2]]) # 矩阵点乘 print("np.dot(x, y) =") print(np.dot(x, y)) # 等效于 x @ y print("x @ y =") print(x @ y) ``` 输出结果为： ``` np.dot(x, y) = [[ 6 6] [14 14]] x @ y = [[ 6 6] [14 14]] ``` ###