1. 使用原生Python实现：
```python
def matrix_multiply_python（a, b）:
rows_a = len（a）
cols_a = len（a）
rows_b = len（b）
cols_b = len（b）
if cols_a != rows_b:
raise ValueError（"Matrices are not multiplicable"）
result = []
for i in range（rows_a）:
row = []
for j in range（cols_b）:
sum_ = 0
for k in range（cols_a）:
sum_ += a[i][k] * b[k][j]
row.append（sum_）
result.append（row）
return result if len（result） == 1 else result
2. 使用NumPy库实现：```pythonimport numpy as np
创建矩阵
A = np.array（[[1, 2], [3, 4]]）
B = np.array（[[5, 6], [7, 8]]）
矩阵乘法
C = np.dot（A, B）
print（C） 输出：[[19 22] [43 50]]
3. 使用NumPy的`@`运算符实现：
```python
A = np.array（[[1, 2], [3, 4]]）
B = np.array（[[5, 6], [7, 8]]）
矩阵乘法
C = A @ B
print（C） 输出：[[19 22] [43 50]]
4. 使用NumPy的`matmul（）`函数实现：```pythonA = np.array（[[1, 2], [3, 4]]）
B = np.array（[[5, 6], [7, 8]]）
矩阵乘法
C = np.matmul（A, B）
print（C） 输出：[[19 22] [43 50]]
5. 使用NumPy的`*`运算符实现点乘（对应位置元素相乘后的积相加）：
```python
A = np.array（[[1, 2], [3, 4]]）
B = np.array（[[5, 6], [7, 8]]）
点乘
C = A * B
print（C） 输出：[[ 5 12] [21 32]]
请根据你的需求选择合适的方法进行矩阵乘法运算。