编写一个程序，实现以下功能： 矩阵加法 矩阵乘法 2. 实现细节： 使用row，column，point order方法实现上述运算。 记录并比较每种方法的运行时间。

在Python中，我们可以使用numpy库来方便地处理矩阵操作，包括加法和乘法。下面是一个简单的示例，我们将创建函数来分别实现矩阵加法和乘法，并使用time模块来测量它们的运行时间。

import numpy as np
import time

# 定义矩阵加法函数
def matrix_addition(matrix1, matrix2):
    start_time = time.time()
    result = np.add(matrix1, matrix2)
    end_time = time.time()
    print(f"Matrix Addition Time: {end_time - start_time} seconds")
    return result

# 定义矩阵乘法函数
def matrix_multiplication(matrix1, matrix2):
    start_time = time.time()
    try:
        result = np.dot(matrix1, matrix2)  # 使用numpy的dot()函数计算乘积
    except ValueError as e:
        if "inner dimension mismatch" in str(e):  # 检查维度是否匹配
            print("Error: Matrices cannot be multiplied.")
            return None
    else:
        end_time = time.time()
        print(f"Matrix Multiplication Time: {end_time - start_time} seconds")
        return result

# 示例矩阵
matrix_a = np.array([[1, 2], [3, 4]])
matrix_b = np.array([[5, 6], [7, 8]])

# 执行加法
add_result = matrix_addition(matrix_a, matrix_b)
if add_result is not None:
    print("Matrix Addition Result:")
    print(add_result)

# 执行乘法（如果维度允许）
mul_result = matrix_multiplication(matrix_a, matrix_b)
if mul_result is not None:
    print("\nMatrix Multiplication Result:")
    print(mul_result)

在这个例子中，我们首先导入了numpy库，然后定义了两个函数`matrix_addition()`和`matrix_multiplication()`来执行加法和乘法操作。为了比较运行时间，我们在每个函数内部都记录了开始时间和结束时间，并打印出它们之间的差值。注意，在矩阵乘法函数中，我们还检查了矩阵的维度是否匹配，因为不是所有的矩阵都可以相乘。