numpy array matrix指的是 numpy.array() 和numpy.matrix() .是numpy的n维度数组与矩阵, 这是numpy支持数学运算的两个基础结构。笔者在之前的篇幅中介绍过array的基本概念，读者可以去自行阅读；这两个数据结构存在一定的共性，同时也有一些区别差异。
Matrix包含于Array, matrix 拥有array的所有特性；numpy arrays (ndarrays) 可以是多维的（1D，2D，3D····ND），而Matrix必须是2纬的。在numpy里，“mat”是“matrix”的一个别名， matrix 类 是ndarray的一个Python子类
matrix特性
矩阵有几个特有的属性使得计算更加容易，这些属性有：
(a) .T －－ 返回自身的转置， 而array也同样可以通过相同的方式得到转置
(b) .H －－ 返回自身的共轭转置
(c) .I －－ 返回自身的逆矩阵
(d) .A －－ 返回自身数据的2维数组的一个视图（没有做任何的拷贝）
array和matrix 创建方式
import numpy as np
# 矩阵和数组
def mat_array():
a1 = [[1, 2], [3, 4]]
a2 = ([1, 2], [3, 4])
a3 =((1, 2), (3, 4))
for i in [a1, a2, a3]:
print(np.mat(i))
print(np.array(i))
print("-------")
mat_array()
[[1 2] [3 4]] [[1 2] [3 4]] ------- [[1 2] [3 4]] [[1 2] [3 4]] ------- [[1 2] [3 4]] [[1 2] [3 4]] -------
通过以上的python代码我们可以看到我们使用python基础数据结构 list嵌套、tuple嵌套或者两者组合的嵌套方式，再直接调用矩阵和数组创建的方法都是可以到二维数组–矩阵的。
矩阵乘法运算
1、当矩阵a的列数等于矩阵b的行数时，a和b可以相乘。
2、矩阵c的行数等于矩阵a的行数，c的列数等于b的列数。
3、积c的第m行第n列的元素等于矩阵a的第m行的元素和矩阵b的第n列的对应元素的积之和。
a = np.mat(a1)
b = np.dot(a, a)
print(a ** 2)
print(b)
print("-------")
c = np.array(a1)
print(c ** 2)
print(np.dot(c, c))
[[ 7 10] [15 22]] [[ 7 10] [15 22]] ------- [[ 1 4] [ 9 16]] [[ 7 10] [15 22]]
matrix和array都可以调用numpy.dot()方法，并且都是矩阵乘法的效果；而matrix可以通过运算符 ** 来达到相同的效果。
array()的乘法是矩阵中对应位置的两个数相乘。
mat()的乘法是矩阵乘法。
array()乘法：*代表点乘（对应元素相乘），dot()代表矩阵乘。
mat()乘法：*代表矩阵乘，multiply()代表点乘。