给定一个m行n列的矩阵，从左上角开始每次只能向右或者向下移动，最后到达右下角的位置，路径上的所有数字累加起来作为这条路径的路径和。编写一个实验程序求所有路径和中的最小路径和。例如，以下矩阵中的路径1->3->1->0->6->1->0是所有路径中路径和最小的，返回结果是12： 1 3 5 9 8 1 3 4 5 0 6 1 8 8 4 0 输入 输入第一行为m，n的值，0<m，n<100。接下来是m行，每行n个整数，代表一个m行n列的矩阵。 输出

好的，这是一个非常典型的动态规划问题。我们可以使用一个二维数组dp[m][n]来记录到每个位置的最小路径和。其中，dp[i][j]表示从左上角到(i,j)的最小路径和。那么，我们可以根据状态转移方程来计算出所有的dp[i][j]。

具体来说，对于第一行和第一列，它们只有一种到达方式，因此它们的dp值可以直接计算。对于其他位置，它们可以从左边或上边的位置转移而来，我们需要选择其中dp值最小的那个。

状态转移方程为：dp[i][j] = min(dp[i-1][j], dp[i][j-1]) + matrix[i][j]，其中matrix[i][j]表示矩阵中第i行第j列的数字。

最终，我们只需要返回dp[m-1][n-1]即可。

下面是这个问题的Python代码实现：

m, n = map(int, input().split())
matrix = [list(map(int, input().split())) for _ in range(m)]
dp = [[0] * n for _ in range(m)]

# 初始化第一行和第一列
dp[0][0] = matrix[0][0]
for i in range(1, m):
    dp[i][0] = dp[i-1][0] + matrix[i][0]
for j in range(1, n):
    dp[0][j] = dp[0][j-1] + matrix[0][j]

# 计算所有的dp值
for i in range(1, m):
    for j in range(1, n):
        dp[i][j] = min(dp[i-1][j], dp[i][j-1]) + matrix[i][j]

# 返回最终结果
print(dp[m-1][n-1])

希望这个回答能够帮助到你！