已知A=[2,3,4;5,0,-2:2,9,11;-7,8,91,求矩阵A的相关系数矩阵，并求A的第1列与第3列的相关系数。

矩阵的相关系数矩阵用于衡量各元素之间的线性相关程度，它反映的是两个变量协变的标准化版本。对于二维数组A，相关系数矩阵R的每个元素R[i][j]表示原矩阵中第i行和第j列数据的相关系数。由于给出的矩阵A是一个三行三列的方阵，所以相关系数矩阵也是一个3x3的对角矩阵，因为同一条上的数值完全正相关，其余位置则是跨行的线性相关度。

然而，这个矩阵的具体计算需要首先对每一对数值进行标准化处理，即减去它们各自的均值并除以其标准差。然后使用公式r = cov(a, b) / (std_deviation(a) * std_deviation(b)) 来计算相关系数，其中cov是协方差，std_deviation是标准偏差。

对于A的第一列（[2, 5, -7]）和第三列（[9, 11, 91]），相关系数可以通过以下步骤计算：
1. 计算第一列和第三列各自的标准差。
2. 计算第一列和第三列的协方差（covariance）。
3. 将协方差除以两列的标准差的乘积，得到相关系数。

如果假设A的均值和标准差已知，我们可以手动计算；如果在程序中计算，一般会直接用现成的统计库如numpy的corrcoef()函数来快速完成。

由于这里并未给出具体的均值和标准差，我们无法直接给出数值结果，但在Python中，可以这样做：

import numpy as np

# 假设A的值已经包含在data中
mean = data.mean(axis=0)
std_dev = data.std(axis=0)

# 相关系数
correlation = np.corrcoef(data[:, 0], data[:, 2])

然后，`correlation[0][2]`就是我们所求的第1列与第3列的相关系数。