每天五分钟解决一个人工智能问题。
前情回顾
import numpy as np
v1 = np.array([1,1])
v1
输出：
array([1, 1])
测试向量
m1 = np.array([[0,-1], [1,0]])
m2 = np.array([[0,1],[-1,0]])
print(m1)
print(m2)
输出：
[[ 0 -1]
[ 1 0]]
[[ 0 1]
[-1 0]]
矩阵m1 (它的物理意义是左转90度)， 矩阵m2
(它的物理意义是右转90度)
m1代表左转
m2代表右转
开始今天的正题：
现在我要把一个向量右转90度再左转90度，那最后的结果应该是还回到原来的位置。
接下来就用代码实现这部分逻辑：
v1为向量，m2为右转90，m1为左转90
v1 = np.array([1,1])
new_v1 = np.matmul(m2, v1)
#把v1向量带入m2矩阵进行运算
new_v1
输出：
array([ 1, -1])
很好已经右转，再左转，把new_v1向量交给m1矩阵
new_new_v1 = np.matmul(m1, new_v1)
new_new_v1
输出：
array([1, 1])
看到没？以上操作相当于把向量先右转再左转。结果我们预想的一样，回到了(1,1)
我们再尝试一下先左转再右转：
代码如下：
v1 = np.array([1,1])
v1
输出：
array([1, 1])
交给m1矩阵，进行左转：
new_v1 = np.matmul(m1, v1)
#把v1向量带入m2矩阵进行运算
new_v1
输出：
array([-1, 1])
交给m2矩阵再右转：
new_new_v1 = np.matmul(m2, new_v1)
new_new_v1
输出：
array([1, 1])
以上操作相当于把向量先左转再右转
先不要看答案，先猜一下一下运算的结果是什么
#
v1 = np.array([1,1])
new_v1 = np.matmul(m1, v1)
new_new_v1 = np.matmul(m1, new_v1)
new_new_v1
你猜到了吗？
array([-1, -1])
目录：
人工智能必知必会-前言
人工智能必知必会-标量，向量，矩阵，张量
人工智能必知必会-向量的加减与缩放
人工智能必知必会-向量的内积
人工智能必知必会-向量之间的距离
人工智能必知必会-初识矩阵
人工智能必知必会-矩阵与向量
人工智能必知必会-矩阵的加减法
人工智能必知必会-矩阵乘法
人工智能必知必会-矩阵与方程组
人工智能必知必会-再看矩阵与向量
人工智能必知必会-矩阵与向量乘法的物理意义
人工智能必知必会-词向量（案例）
人工智能必知必会-矩阵相乘上
人工智能必知必会-矩阵相乘下
