最適化Iに比べいくぶん（数パーセント）高速になりました。
mtrx(float a[4], float b[4][4], float c[4])
{
_asm{
mov
edi,a
// edi = 配列a[0]のアドレス
movq mm0,[edi]
// mm0:
a[1]:
a[0]
mov
ebx,b
// ebx = 配列b[0][0]のアドレス
movq mm1,[edi+8]
// mm1:
a[3]:
a[2]
mov
ecx,c
// ecx = 配列c[0]のアドレス
movq mm2,[ebx]
// mm2:
b[0]b[1]:
b[0]b[0]
pfmul (m2,m0)
// mm2:
a[1]*b[0]b[1]: a[0]*b[0]b[0]
movq mm3,[ebx+8]
// mm3:
b[0]b[3]:
b[0]b[2]
pfmul (m3,m1)
// mm3:
a[3]*b[0]b[3]: a[2]*b[0]b[2]
movq mm4,[ebx+16]
// mm4:
b[1]b[1]:
b[1]b[0]
pfadd (m2,m3)
// mm2:
movq mm5,[ebx+24]
// mm5:
b[1]b[3]:
b[1]b[2]
pfmul (m4,m0)
// mm4:
a[1]*b[1]b[1]: a[0]*b[1]b[0]
pfacc (m2,m2)
// mm2:
a[3]*b[0]b[3]+a[2]*b[0]b[2]+a[1]*b[0]b[1]+a[0]*b[0]b[0]
pfmul (m5,m1)
// mm4:
a[3]*b[1]b[3]: a[2]*b[1]b[2]
movq mm6,[ebx+32]
// mm6:
b[2]b[1]:
b[2]b[0]
pfadd (m4,m5)
// mm4:
movq mm7,[ebx+40]
// mm7:
b[2]b[3]:
b[2]b[2]
pfacc (m4,m4)
// mm4:
a[3]*b[1]b[3]+a[2]*b[1]b[2]+a[1]*b[1]b[1]+a[0]*b[1]b[0]
pfmul (m6,m0)
// mm6:
a[1]*b[2]b[1]: a[0]*b[2]b[0]
pfmul (m7,m1)
// mm7:
a[3]*b[2]b[3]: a[2]*b[2]b[2]
movq mm2,[ebx+48]
// mm2:
b[3]b[1]:
b[3]b[0]
pfadd (m6,m7)
// mm6:
movq mm3,[ebx+56]
// mm3:
b[3]b[3]:
b[3]b[2]
pfacc (m6,m7)
// mm6:
a[3]*b[2]b[3]+a[2]*b[2]b[2]+a[1]*b[2]b[1]+a[0]*b[2]b[0]
movd [ecx],mm2
// c[i] = mm2
pfmul (m2,m0)
// mm2:
a[1]*b[3]b[1]: a[0]*b[3]b[0]
movd [ecx+4],mm4
// c[1] = mm4
pfmul (m3,m1)
// mm3:
a[3]*b[3]b[3]: a[2]*b[3]b[2]
movd [ecx+8],mm6
// c[2] = mm6
pfadd (m2,m3)
// mm2:
pfacc (m2,m2)
// mm2:
a[3]*b[3]b[3]+a[2]*b[3]b[2]+a[1]*b[3]b[1]+a[0]*b[3]b[0]
movd [ecx+12],mm2
// c[3] = mm2
}
}
