矩陣在機器學習中算比較常見的，小記一筆最基本的東西。

#-*-coding:utf-8-*-
import numpy as np
a = np.array([[1,2],[3,4]])
print a
b = np.array([[4,5],[6,7]])
print b
c= np.array([[-1,1,0],[-4,3,0],[1,0,2]])
print c
# 奇異值,這裡隨便寫下,後面單獨總結
u,s,vt = np.linalg.svd(c)
print u
print s
print vt
# 取第2行的第2列 從0計數
print a[1:,1]
# 取矩陣的某一列 從0開始計數
print a[:,1]
# 取矩陣的某一行 從0開始計數
# print a[0]
# 求矩陣的秩
print np.linalg.matrix_rank(a)
# 構建2個3行3列的陣列
d = np.arange(18).reshape(2,3,3)
print d
# 構建3行3列的陣列
d = np.arange(9).reshape(3,3)
print d
# 求特徵值特徵向量 返回的特徵值對應特徵向量
print np.linalg.eig(c)
# 矩陣求逆 要求矩陣一定是方陣
aa =np.linalg.inv(a)
print aa
# 求矩陣的偽逆矩陣.可以不是方陣(如果是方陣還是用inv效率更高)
a2 = np.linalg.pinv(a)
print a2
# 建立一個單位矩陣
print np.eye(2)
# 求a的轉置
print a.T
# 計算5*a
print 5*a
# 計算a+b
print a+b
# 計算a*b
print np.dot(a,b)