import numpy as np

def get_transpose(number_matrix):
    # Matrix를 Transpose하고싶으면 T 속성(attrubute)를 쓰면됨
    transposed_matrix = number_matrix.T

    return transposed_matrix

def get_inverse(number_matrix):
    # 역행렬이 존재할때는 np.linalg.inv(matrix)함수를 쓰면 됨
    # 존재하지 않을때는 np.linalg.pinv(matrix)를 쓰면됨
    # pinv는 SVD분해를 사용해서 rank(matrix)와 관계없이 사용가능
    inverse_matrix = np.linalg.pinv(number_matrix)
    return inverse_matrix

def get_eigenval_eigenvec(number_matrix):
    # eigenvalue, eigenvector는 np.linalg.eig(matrix)로 반환가능
    # 둘중 하나만 받고싶으면 나머지 인자는 _로 버리기
    eigenvalue, eigenvector = np.linalg.eig(number_matrix)

    return eigenvalue, eigenvector

import numpy as np

def get_matmul(number_matrix1, number_matrix2):
    # 출력으로 쓸 multiplicated_matrix를 출력 size에 맞게 0으로 채우기
    multiplicated_matrix = np.zeros((len(number_matrix1),len(number_matrix2[0])))

    # 삼중for문으로 돌면서 출력matrix안에 원소들을 곱한 값을 채워넣기
    for i in range(len(number_matrix1)):
        for j in range(len(number_matrix2[0])):
          for k in range(len(number_matrix1[0])):
            multiplicated_matrix[i][j] += number_matrix1[i][k]*number_matrix2[k][j]
# 행렬곱 연산 원리에 의해 앞행렬의 열과 뒷 행렬의 행은 k로 같아야 한다.
    return multiplicated_matrix