要计算余弦相似性矩阵，可以使用numpy库进行计算。下面是一个示例代码，展示如何使用numpy计算余弦相似性矩阵。

import numpy as np

def cosine_similarity_matrix(X):
    # 计算向量的模
    norm = np.linalg.norm(X, axis=1)
    # 将模为0的向量置为1，避免除以0错误
    norm[norm == 0] = 1
    # 归一化向量
    X_normalized = X / norm[:, np.newaxis]
    # 计算余弦相似性矩阵
    similarity_matrix = np.dot(X_normalized, X_normalized.T)
    return similarity_matrix

# 示例输入向量矩阵
X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 计算余弦相似性矩阵
similarity_matrix = cosine_similarity_matrix(X)

print(similarity_matrix)

在上述示例中，我们定义了一个cosine_similarity_matrix函数来计算余弦相似性矩阵。该函数首先计算输入矩阵X中每个向量的模，并将模为0的向量置为1，以避免除以0错误。然后，将向量归一化，再通过矩阵乘法计算余弦相似性矩阵。最后，输出计算得到的余弦相似性矩阵。

请注意，这只是一个简单的示例，对于大规模矩阵的计算，可能需要优化算法以提高效率。