Python 矩陣相關性是指在矩陣中找到相似的模式。矩陣相關性的應用非常廣泛，如圖像處理、文本分析、音頻處理等領域。Python 作為一種簡單易學的編程語言，其科學計算庫 NumPy 也提供了許多用于矩陣相關性操作的函數和技巧。

# 導入 NumPy 庫
import numpy as np
# 構造兩個矩陣
A = np.array([[1, 2], [3, 4]])
B = np.array([[-1, -2], [-3, -4]])
# 矩陣點積
C = np.dot(A, B)
# 輸出矩陣 C
print(C)

上述代碼中，通過 NumPy 庫構造了兩個矩陣 A 和 B。然后使用 NumPy 庫中的 dot() 函數進行矩陣點積計算，并將結果賦值給變量 C。最后利用 print() 函數將矩陣 C 輸出。

決定兩個矩陣是否相關的指標之一是它們之間的協方差。矩陣協方差是兩個矩陣之間共同變化的度量。在 NumPy 庫中，可以使用 cov() 函數來計算兩個矩陣之間的協方差。

# 構造一個矩陣
A = np.array([[1, 2], [3, 4], [5, 6]])
# 計算協方差
C = np.cov(A)
# 輸出矩陣 C
print(C)

上述代碼中，構造了一個矩陣 A，并使用 cov() 函數計算了矩陣 A 的協方差矩陣。最后用 print() 函數將矩陣 C 輸出。

當然，在 Python 中還有更多函數和技巧可以用來計算矩陣相關性，如關聯系數、Pearson 相關系數、Spearman 相關系數等。對于每個具體問題，需要根據實際情況選擇適當的方法。