### Python列表的复制与深拷贝及其在矩阵乘法中的应用 #### 列表的浅复制 Python 中可以通过多种方式创建列表的副本。一种简单的方式是使用切片操作 `[:]` 或者调用内置方法 `.copy()` 来完成浅复制。这种方式仅会复制顶层对象，而不会递归地复制嵌套的对象。 ```python original_list = [[1, 2], [3, 4]] shallow_copy = original_list[:] shallow_copy[0][0] = 99 print(original_list) # 输出: [[99, 2], [3, 4]] 表明内部列表被修改了 ``` 上述代码展示了浅复制的行为[^1]。可以看到，虽然外部列表本身未受影响，但由于内部列表只是引用传递的结果，因此原始数据也被改变了。 #### 列表的深复制 为了完全独立于原列表进行操作，可以采用模块 `copy` 提供的功能来进行深复制。这种方法不仅复制最外层结构，还会递归处理所有的子对象。 ```python import copy original_list = [[1, 2], [3, 4]] deep_copied_list = copy.deepcopy(original_list) deep_copied_list[0][0] = 99 print(original_list) # 输出: [[1, 2], [3, 4]], 原始数据保持不变 ``` 这段代码说明了当使用 `deepcopy` 函数时，即使更改深层嵌套的数据也不会影响到源数据[^1]。 #### 应用于矩阵乘法 对于简单的二维数组（即矩阵），我们可以利用 NumPy 这样的库来简化计算过程；然而如果想手动实现，则需注意如何正确管理这些多维数据结构以及它们之间的相互作用。 下面是一个不依赖任何第三方库的手动实现两个方阵相乘的例子： ```python def matrix_multiply(matrix_a, matrix_b): result = [] rows_a = len(matrix_a) cols_a = len(matrix_a[0]) rows_b = len(matrix_b) cols_b = len(matrix_b[0]) if cols_a != rows_b: raise ValueError("Number of columns in A must equal number of rows in B.") # 初始化结果矩阵为零填充 for i in range(rows_a): row_result = [0] * cols_b result.append(row_result) # 执行实际的乘法运算逻辑 for i in range(rows_a): for j in range(cols_b): sum_product = 0 for k in range(cols_a): sum_product += matrix_a[i][k] * matrix_b[k][j] result[i][j] = sum_product return result matrix_A = [[1, 2], [3, 4]] matrix_B = [[5, 6], [7, 8]] product_matrix = matrix_multiply(matrix_A, matrix_B) print(product_matrix) # 输出应为[[19, 22], [43, 50]] ``` 此函数实现了基本的矩阵乘法规则，并且假设输入都是有效的方形矩阵。它还演示了为什么理解并适当运用深/浅复制很重要——尤其是在构建新的中间变量或者返回最终结果的时候。