1. 使用TensorFlow进行矩阵乘法：

import tensorflow as tf

# 创建两个矩阵
matrix1 = tf.constant([[1, 2], [3, 4]])
matrix2 = tf.constant([[5, 6], [7, 8]])

# 进行矩阵乘法
result = tf.matmul(matrix1, matrix2)

# 打印结果
print(result.numpy())

2. 使用全连接层解决非线性问题：

import tensorflow as tf
from tensorflow.keras import layers

# 定义输入数据和输出目标值
input_data = [[1, 1, 1], [1, 0, 1], [1, 2, 3]]
output_target = [2, 1, 3]

# 创建一个简单的神经网络模型
model = tf.keras.Sequential([
    layers.Dense(10, activation='relu', input_shape=(3,)),
    layers.Dense(1)
])

# 编译模型
model.compile(optimizer='adam', loss='mse')

# 训练模型
model.fit(input_data, output_target, epochs=100)

# 预测新数据
new_data = [[1, 1, 1], [1, 0, 1], [1, 2, 3]]
predictions = model.predict(new_data)

# 打印预测结果
print(predictions)