用python多进程解决两个大小为N×N的矩阵相乘时，假设子进程个数为N个，请给出多进程实现的分析与Python实现代码。要求：N = 5；两个N×N矩阵的元素值自行设置。

分析：
矩阵相乘是一个非常常见的计算操作，但是对于大规模的矩阵相乘，串行计算的效率很低，因此可以采用多进程的方式来提高计算速度。具体实现可以将两个矩阵分别划分为N个块，每个块在一个子进程中计算，最后将结果合并。

Python实现代码：

import multiprocessing

# 定义矩阵大小
N = 5

# 构造两个矩阵
matrix1 = [[1 for i in range(N)] for j in range(N)]
matrix2 = [[2 for i in range(N)] for j in range(N)]

# 定义矩阵相乘的子进程函数
def multiply_block(matrix1, matrix2, result, row, col):
    sum = 0
    for k in range(N):
        sum += matrix1[row][k] * matrix2[k][col]
    result[row][col] = sum

# 定义主进程函数
def main():
    # 定义结果矩阵
    result = [[0 for i in range(N)] for j in range(N)]

    # 创建进程池
    pool = multiprocessing.Pool(N)

    # 计算结果矩阵
    for i in range(N):
        for j in range(N):
            pool.apply_async(multiply_block, args=(matrix1, matrix2, result, i, j))

    # 关闭进程池
    pool.close()
    pool.join()

    # 打印结果矩阵
    for i in range(N):
        for j in range(N):
            print(result[i][j], end=" ")
        print()

if __name__ == '__main__':
    main()

在上面的代码中，我们首先定义了矩阵大小N，然后构造了两个N×N的矩阵。接着定义了一个子进程函数multiply_block，在这个函数中，我们可以计算矩阵中每个元素的值。在主进程函数中，我们首先创建了一个进程池，然后使用apply_async方法异步地调用multiply_block函数，最后关闭进程池等待所有子进程执行完毕。最后，我们打印出结果矩阵。