一、矩阵乘法
从中可以看出，计算两个矩阵的乘积，需要三个 for 循环，可以简单写出代码：
for(int i=1;i<=m;i++)
for(int j=1;j<=p;j++)
for(int k=1;k<=n;k++)
c[i][j]+=a[i][k]*b[k][j];时间复杂度的分析：很明显，三层for循环迭代，复杂度为
二、Straasen 算法
与简单的矩阵乘法计算不同，Strassen算法通过分治操作将运行变快，时间复杂度为
1.Strassen 算法的原理：
简单的计算备用矩阵和式 ：通过简单的两层for循环将其加减
备用的乘积： 递归调用strassen算法，因为已逐步构造好分块的A和S矩阵，将需要的矩阵作为strassen的输入，就可以得出P矩阵
最后计算将C矩阵的四个分矩阵求出，再合并求得最后的C矩阵
①矩阵相加减：
void plus(int **matrixa,int **matrixb,int **matrixc, int x) // 矩阵相加
{
for(int i=1;i<=x;i++)
for(int j=1;j<=x;j++)
matrixc[i][j]=matrixa[i][j]+matrixb[i][j];
}
void cut(int **matrixa,int **matrixb,int **matrixc,int x1) // 矩阵相减
{
for(int i=1;i<=x1;i++)
for(int j=1;j<=x1;j++)
matrixc[i][j]=matrixa[i][j]-matrixb[i][j];
}② 矩阵的拆分（将一个矩阵分成四个小矩阵）与合并：
for(int i=1;i<=newx;i++)
for(int j=1;j<=newx;j++)
{
a11[i][j]=ma[i][j];
a12[i][j]=ma[i][j+newx];
a21[i][j]=ma[i+newx][j];
a22[i][j]=ma[i+newx][j+newx];
b11[i][j]=mb[i][j];
b12[i][j]=mb[i][j+newx];
b21[i][j]=mb[i+newx][j];
b22[i][j]=mb[i+newx][j+newx];
}
for(int i=1;i<=newx;i++)
for(int j=1;j<=newx;j++)
{
mc[i][j]=c11[i][j];
mc[i][j+newx]=c12[i][j];
mc[i+newx][j]=c21[i][j];
mc[i+newx][j+newx]=c22[i][j];
}③递归调用过程：
strassen(a11,s1,p1,newx);
strassen(s2,b22,p2,newx);
strassen(s3,b11,p3,newx);
strassen(a22,s4,p4,newx);
strassen(s5,s6,p5,newx);
strassen(s7,s8,p6,newx);
strassen(s9,s10,p7,newx);2.关于Strassen算法的理解：
Strassen算法的理论推导是比较难的，或者说，是前人不断的试验发现得出的结果，因此需根据得出的公式打出代码。
代码的难度在于很多地方。
①递归的调用：将预处理的代码通过递归计算出。
②二维矩阵的存储以及二维数组在函数中的传递调用：
因为在递归中的数组是反复调用的，所以一定不能使用全局数组导致计算混乱。
另一个是二维矩阵的定义，不能简单定义静态数组，定义静态数组过大程序无法运行，并且运行速度慢，而应当定义malloc动态数组，数组大小可以改变，而且运行时高效很多。
malloc定义二维动态数组：
c=(int **)malloc(sizeof(int *)*n);
for(int i=1;i<=n;i++)
c[i]=(int *)malloc(sizeof(int)*n);三、Strassen 算法的改进
通过上述的理解，可以知道Straasen算法适用于当阶数为 2的幂（或者2的倍数） 时，是否能使其扩大适用范围，让任何相同阶数的矩阵算法都能使用。
当矩阵的阶数为奇数时，只需要将其行列各增加1，并且增加的元素全为0，即可使用 Straasen算法。
改进Strassen算法的复杂度：改进算法并未与原算法发生实质性的改变，因此时间复杂度不发生改变。
