2-2-2 矩阵
矩阵是二维的张量，拥有行（Row）与列（Column），可用于表达一个平面N个点（N×2）、或一个3D空间N个点（N×3），例如：
矩阵加法/减法与向量相似，相同位置的元素作运算即可，但乘法运算通常是指内积，使用@。
以下程序请参考02_02_线性代数_矩阵.ipynb。
1．两个矩阵相加
程序代码如下：
2．两个矩阵相乘
解题：左边矩阵的第二维须等于右边矩阵的第一维，即（m, k）×（k, n）=（m, n），则有
其中左上角的计算过程为（1,2,3）×（9,7,5）=（1×9）+（2×7）+（3×5）=38，右上角的计算过程为（1,2,3）×（8,6,4）=（1×8）+（2×6）+（3×4）=32，以此类推，如图2.7所示。
图2.7 矩阵相乘
程序代码如下：
3．矩阵（A、B）相乘
A×B是否等于B×A？程序代码如下：
执行结果：A×B不等于B×A。
4．特殊矩阵
矩阵在运算时，除了一般的加减乘除外，还有一些特殊的矩阵，包括转置矩阵（Transpose）、反矩阵（Inverse）、对角矩阵（Diagonal Matrix）、单位矩阵（Identity Matrix）等。
（1）转置矩阵：列与行互换。例如：
（AT）T = A：进行两次转置，会恢复成原来的矩阵。
对上述矩阵作转置。程序代码如下：
也可以使用np.transpose（A）。
（2）反矩阵（A-1）：A必须为方阵，即列数与行数须相等，且必须是非奇异方阵（Non-singular），即每一列或行之间不可以相异于其他列或行。程序代码如下：
执行结果如下：
（3）单位矩阵：若A为非奇异（Non-singular）矩阵，则A @ A-1 =单位矩阵（I）。所谓的非奇异矩阵是指任一行不能为其他行的倍数或多行的组合，包括各种四则运算，矩阵的列也须符合相同的规则。
试对下列矩阵验算A @ A-1是否等于单位矩阵（I）。
程序代码如下：
执行结果如下：
结果为单位矩阵，表示A为非奇异矩阵。
试对下列矩阵验算A @ A-1是否等于单位矩阵（I）。
程序代码如下：
执行结果如下：
A为奇异（Singular）矩阵，因为
第二列=第一列+ 1
第三列=第一列+ 2
故A @ A-1不等于单位矩阵。