利用kruskal算法求一个图的最小生成树，设计 Kruskal算法求解邻接矩阵存储结构下图的最小生成树的函数，并设计一个主函数进行测试。

Kruskal算法是一种用于寻找无向加权图中最小生成树的贪心算法。以下是利用邻接矩阵表示图的情况下，如何在Python中设计Kruskal算法的一个基本版本：

首先，我们需要定义两个辅助函数：
1. `find`：找到给定节点所属的集合，通过并查集数据结构实现。
2. `union`：合并两个集合，也是通过并查集实现。

然后，我们编写Kruskal函数：

def find(x):
    if parent[x] != x:
        parent[x] = find(parent[x])
    return parent[x]

def union(x, y):
    root_x = find(x)
    root_y = find(y)

    if root_x != root_y:
        # 合并两个集合
        parent[root_y] = root_x

def kruskal(matrix, n):
    result = []  # 存储最小生成树的边
    i, e = 0, 0  # 当前已添加边的数量，当前考虑的边的编号
    parent = list(range(n))  # 初始化每个节点为其自身作为根

    while i < n - 1 and e < n*(n-1)//2:  # 避免形成环
        u, v, weight = matrix[i]  # 取第i条边的顶点和权重
        i += 1
        if union(u, v):  # 如果边连接的是两个不同的集合
            result.append((u, v, weight))
            e += 1

    return result

主函数`test_kruskal`来进行测试：

def test_kruskal():
    graph = [[0, 4, 0, 0], [4, 0, 8, 5], [0, 8, 0, 2], [0, 5, 2, 0]]  # 示例邻接矩阵
    n = len(graph)
    mst = kruskal(graph, n)
    print("最小生成树：")
    for edge in mst:
        print(f"({edge[0]}, {edge[1]}, {edge[2]})")

# 测试部分
test_kruskal()