Numpy中matmul对数组视图的运算性能比dot低约100倍

我发现Numpy的matmul函数在处理复数数组的实部视图（与原数组共享内存的视图）时，性能表现远不如dot函数。以下是复现该问题的代码：

import numpy as np
from timeit import timeit
N = 1300
xx = np.random.randn(N, N) + 1j
yy = np.random.randn(N, N) + 1J

x = np.real(xx)
y = np.real(yy)
assert np.shares_memory(x, xx)
assert np.shares_memory(y, yy)

dot = timeit('np.dot(x,y)', number = 10, globals = globals())
matmul = timeit('np.matmul(x,y)', number = 10, globals = globals())

print('time for np.matmul: ', matmul)
print('time for np.dot: ', dot)

本地运行后的输出结果：

time for np.matmul:  23.023062199994456
time for np.dot:  0.2706864000065252

将np.real(xx)替换为np.real(xx).copy()后，二者的性能差异完全消失，说明该问题的根源在于内存共享。但目前Numpy的官方文档并未提及此类场景的实现细节。

内容的提问来源于stack exchange，提问作者Simon Tartakovksy