每天五分鐘解決一個人工智能問題议薪。
我們換個角度再看上文的例子
這次如果兩個矩陣先運(yùn)算代表什么呢长酗？
v1 = np.array([1,1])
m1 = np.array([[0,-1], [1,0]])
m2 = np.array([[0,1],[-1,0]])
m1_m2 = np.matmul(m1, m2)
m1_m2
#代表一種變換關(guān)系獲得一組新的基。
輸出：
array([[1, 0],
[0, 1]])
我們得到了一組基寥假，還記得m1,m2都代表什么嗎沉填？m1是左轉(zhuǎn)90度疗隶，m2是右轉(zhuǎn)90度。所以m1 乘以 m2 代表把m2所代表的基左轉(zhuǎn)了90度翼闹。
旋轉(zhuǎn)示意圖
我們把向量(1,1)帶入新得到的矩陣運(yùn)算斑鼻，得到了和之前一樣的結(jié)果。
#大家可以看到這次運(yùn)算的結(jié)果和之前運(yùn)算的結(jié)果是一樣的猎荠！
np.matmul(m1_m2, v1)
輸出：
array([1, 1])
m2
輸出：
array([[ 0, 1],
[-1, 0]])
m1
輸出：
array([[ 0, -1],
[ 1, 0]])
來個總結(jié)：
總結(jié)
總結(jié)2
明天講一個更有趣的矩陣操作坚弱，提前預(yù)告一下蜀备！~
目錄：
人工智能必知必會-前言
人工智能必知必會-標(biāo)量，向量荒叶，矩陣碾阁，張量
人工智能必知必會-向量的加減與縮放
人工智能必知必會-向量的內(nèi)積
人工智能必知必會-向量之間的距離
人工智能必知必會-初識矩陣
人工智能必知必會-矩陣與向量
人工智能必知必會-矩陣的加減法
人工智能必知必會-矩陣乘法
人工智能必知必會-矩陣與方程組
人工智能必知必會-再看矩陣與向量
人工智能必知必會-矩陣與向量乘法的物理意義
人工智能必知必會-詞向量（案例）
人工智能必知必會-矩陣相乘上
人工智能必知必會-矩陣相乘下
