Python 中矩阵运算主要使用numpy库。NumPy的主要对象是同种元素的多维数组。这是一个所有的元素都是一种类型、通过一个正整数索引的元素表格(通常是元素是数字）。因此对于随机查找来说，比python自带的list快很多。
在numpy里面通常使用两个变量：array和matrix。其实python标准类库中也有array，但是它的功能相对numpy的少很多，所以不用。matrix是array的分支，matrix可以看做二维的array，array可以是多维，matrix和array在很多时候都是通用的。官方建议如果两个都可以用，那就选择array，因为array更灵活，速度更快，很多人把二维的array也翻译成矩阵。但是matrix的优势在于，它相对于array使用的符号更简洁一些。
矩阵和向量的创建
a = np.array([2,4,5,6,7])
如上创建了一个1*5的一行5列的array，这就相当于一个行向量（实际上不是，应该用np.array([[2,4,5,6,7]])创建）。
m = np.matrix([[1,2,4,5,6],[5,6,8,9,4]])
如上创建了一个2*5的matrix，这就是一个2*5的矩阵。
另外矩阵还可以通过这个创建：
m = np.mat([[1,2,4,5,6],[5,6,8,9,4]])
mat和matrix的相关之处是，mat([])就等同于matrix([],copy=false)，而matrix([])实际上默认copy=true。
所以如果想引用一个矩阵，如m，可以使用a = mat(m)，或者a = matrix(m,copy=false)。当然用[]列表来新创建一个矩阵的时候它们是完全一样的。
矩阵的转置：
m = m.transpose()
matrix和除一维外的array（甚至高维，尽管不清楚转置机制，但暂时用不上所以先不研究）可以通过这个函数转置。
但是一维的array，它不是矩阵，也不是向量，所以不能通过transpose来转置。
因为在计算机里，二维和一维定义好以后就确定下来用几个索引标志来索引了。
而向量从功能上来看，应该被看做1行或1列的矩阵，所以它应该是二维的。就是说我们索引它的某个元素，比如行向量a的第3个元素，我们应该用a[1][3],而不是a[3]。
所以a = np.array([2,4,5,6,7])创建的其实啥也不是，像np.array([[2,4,5,6,7]])这样创建二维的才算真正意义上的行向量，也就能用transpose()来转置了。
如果用a = np.array([2,4,5,6,7,1,3,8])创建了一行数组a，想变成向量，就用reshape()函数来将它变成二维的向量。
reshape()函数：
a = a.reshape([1,8])
这样就把它转换为了二维的1行8列的行向量了
a = a.reshape(8)
这样就又转回了原来一维的8元素的数组。
甚至还可以a = a.reshape([2,2,2])
变成了2*2*2的三维的立方阵。