1）使用D3DXMatrixMultiply进行矩阵相乘
2）使用优化的4元数算法模拟矩阵相乘（相乘的结果与1相同）
3）最笨的办法计算矩阵相乘（要算64个乘法、48个加法、以及若干赋值）
4）使用SSE汇编计算矩阵相乘（要算64个乘法、48个加法、以及若干赋值）
5）使用xmmintrin指令集计算矩阵相乘

结果表明：
1）最快，估计不仅指令进行了优化，算法也进行了优化
2）是1的4～5倍，与3相比，证明算法起了作用
3）是1的10倍左右
4）与3差不多，我ft，这是为什么？我明明用的是汇编啊？怎么速度一点也没快！！！
5）与4差不多。

经验教训：
1）不能直接声明float[4] f这样的浮点数组，由于对其问题，在汇编语言中运行不了，应该这样声明__declspec(align(16)) float[4] f; 或者这样声明
union sse4 {
    __m128 m;
    float f[4];
};
2）那么矩阵就是这样声明的了：
union sse16 {
    __m128 m[4];
    float f[4][4];
};