（提示：本文章的阅读和学习需要有线性代数基础的python小白。）
话不多说，直接上教程。
一、数组维度的转化（一维<--->二维）
1.初始矩阵（一维）
2.一维矩阵转二维矩阵（这里转成3行4列）
3.二维矩阵转一维矩阵
小结：1.一维转二维：reshape(m,n),m为定义的行，n为定义的列
2.二维转一维：ravel()
二、矩阵
1.矩阵的两种输入方式：（这里输入一个3行3列的矩阵）
（可见两种输入方式结果相同）
2.小矩阵合成大矩阵
（1）.输入两个2行3列矩阵arr1和arr2：
（2）.两个矩阵合成一个大矩阵arr3：
提示:bmat()函数括号内","表示两数组相连在一起,分号";"表示换行,所以此处是[[arr1,arr2],
[arr1,arr2]]的形式,如arr3的结果
3.矩阵的特有属性
（1）.定义初始矩阵arr:
(2) .转置矩阵arr1:
(3).共轭转置矩阵arr2:
(4).逆转置矩阵arr3:
（5）.矩阵的点乘：
小结：
1.矩阵的两种输入方式(以2行3列为例)：(1).np.mat("1,2,3;4,5,6")
(2).np.matrix([[1,2,3],[4,5,6])
2.小矩阵合成大矩阵：np.bmat(arr1,arr2;arr3,arr4)
(提示：分号换行，所以这里合成了一个（arr1,arr2
arr3,arr4)形式的大矩阵
3.矩阵的特有属性(定义初始矩阵为arr)：（1）.转置矩阵：arr.T、
（2）.共轭转置矩阵：arr.H
(3) .逆矩阵：arr.I
(4) .矩阵的点乘: np.multiply(arr1,arr2)
三、线性代数的运算：Numpy包中的linalg模块
1.求解线性方程组Ax=b
(A为矩阵，b为一维或二维数组（提示：矩阵和数据有区别，两者不要混淆。）)
求解x:
2.求解特征值和特征向量
定义：设A为N介方阵，若存在数a和非零n维列向量x使得Ax=ax，则a称为A的特征值，x则称为对应a的一个特征向量。
3.计算矩阵行列式
小结：1.计算线性方程组Ax=b:x=np.linalg.solve(A,b)
2.计算特征值和特征向量：np.linalg.eig()
3.计算矩阵行列式：np.linalg.det()
(完)
写在后面：本文章适合python小白阅读和学习。作者能力有限，文中细节有不全或者错误的地方，欢迎大佬指正批评！
