NumPy对于多维数组的运算，默认情况下并不进行矩阵运算。如果需要对数组进行矩阵运算，则可以调用相应的函数。
在NumPy中，矩阵是ndarray的子类。
在NumPy中，数组和矩阵有着重要的区别。NumPy提供了两个基本的对象：一个N维数组对象和一个通用函数对象。其他对象都是在它们之上构建的。
矩阵是继承自NumPy数组对象的二维数组对象。与数学概念中的矩阵一样，NumPy中的矩阵也是二维的。
可以使用mat、matrix以及bmat函数来创建矩阵。使用mat函数创建矩阵时，若输入matrix或ndarray对象，则不会为它们创建副本。因此，调用mat函数和调用matrix(data, copy=False)等价。
案例：创建矩阵
# 导入NumPy库
import numpy as np
# 使用分号隔开数据
matr1 = np.mat("1 2 3;4 5 6;7 8 9")
print('创建的矩阵为：',matr1)
# 使用列表创建矩阵
matr2 = np.matrix([[1,2,3],[4,5,6],[7,8,9]])
print('创建的矩阵为：',matr2)
创建的矩阵为： [[1 2 3]
[4 5 6]
[7 8 9]]
创建的矩阵为： [[1 2 3]
[4 5 6]
[7 8 9]]
很多时候会根据小的矩阵创建大的矩阵，即将小矩阵组合成大矩阵。在NumPy中，可以使用bmat分块矩阵（block matrix）函数实现。
案例：创建分块矩阵
arr1 = np.eye(3)
print('创建的数组1为：',arr1)
arr2 = 3*arr1
print('创建的数组2为：',arr2)
print('创建的矩阵为：',np.bmat("arr1 arr2; arr1 arr2"))创建的数组1为： [[1. 0. 0.]
[0. 1. 0.]
[0. 0. 1.]]
创建的数组2为： [[3. 0. 0.]
[0. 3. 0.]
[0. 0. 3.]]
创建的矩阵为： [[1. 0. 0. 3. 0. 0.]
[0. 1. 0. 0. 3. 0.]
[0. 0. 1. 0. 0. 3.]
[1. 0. 0. 3. 0. 0.]
[0. 1. 0. 0. 3. 0.]
[0. 0. 1. 0. 0. 3.]]
在NumPy中，矩阵计算是针对整个矩阵中的每个元素进行的。与使用for循环相比，其在运算速度上更快。
案例：矩阵计算
matr1 = np.mat("1 2 3;4 5 6;7 8 9") #创建矩阵
print('创建的矩阵为：',matr1)
matr2 = matr1*3 #矩阵与数相乘
print('创建的矩阵为：',matr2)
print('矩阵相加结果为：',matr1+matr2) #矩阵相加
print('矩阵相减结果为：',matr1-matr2) #矩阵相减
print('矩阵相乘结果为：',matr1*matr2) #矩阵相乘
print('矩阵对应元素相乘结果为：',np.multiply(matr1,matr2))创建的矩阵为： [[1 2 3]
[4 5 6]
[7 8 9]]
创建的矩阵为： [[ 3 6 9]
[12 15 18]
[21 24 27]]
矩阵相加结果为： [[ 4 8 12]
[16 20 24]
[28 32 36]]
矩阵相减结果为： [[ -2 -4 -6]
[ -8 -10 -12]
[-14 -16 -18]]
矩阵相乘结果为： [[ 90 108 126]
[198 243 288]
[306 378 450]]
矩阵对应元素相乘结果为： [[ 3 12 27]
[ 48 75 108]
[147 192 243]]
除了能够实现各类运算外，矩阵还有其特有的属性。
| 属性 | 说明 |
|---|---|
| T | 返回自身的转置 |
| H | 返回自身的共轭转置 |
| I | 返回自身的逆矩阵 |
| A | 返回自身数据的2维数组的一个视图 |
案例：矩阵的属性
print('矩阵转置结果为：',matr1.T) #转置
print('矩阵共轭转置结果为：',matr1.H) #共轭转置（实数的共轭就是其本身）
print('矩阵的二维数组结果为：',matr1.A) #返回二维数组的视图
print('矩阵的逆矩阵结果为：',matr1.I) #逆矩阵矩阵转置结果为： [[ 2 1 -1]
[ 2 -1 2]
[ 3 0 1]]
矩阵共轭转置结果为： [[ 2 1 -1]
[ 2 -1 2]
[ 3 0 1]]
矩阵的二维数组结果为： [[ 2 2 3]
[ 1 -1 0]
[-1 2 1]]
矩阵的逆矩阵结果为： [[ 1. -4. -3.]
[ 1. -5. -3.]
[-1. 6. 4.]]
