每天五分钟解决一个人工智能问题。
看文字费劲，有视频
矩阵乘法
矩阵乘法的物理意义
仿射变换
透视变换
基与单位向量
我们先讨论一下什么是坐标系呢？
在同一个平面上互相垂直且有公共原点的两条数轴构成平面直角坐标系，简称直角坐标系（Rectangular Coordinates）。
如下图：
坐标系1
你会很直觉的说这不就是一个坐标系吗？
坐标系2
这也是一个坐标系！
那这两个坐标系是一个坐标系吗？该如何用矩阵描述坐标系呢？
image.png
像这样模长为1的向量，我们称为单位向量。
由单位向量组成，且每个向量之间互相垂直的矩阵，我们就可以称为一组基。
我们可以把一组基看成是一个坐标系。
矩阵与向量乘法的物理意义
向量变换的计算规则.gif
image.png
原始映射
image.png
左旋90度
image.png
右旋转90度
image.png
非基情况下的变化
这里思考一下这次变换和之前的变化有什么区别？
因为这次变化的基不是单位向量,相当于向量的模长扩大了倍。原来向量
的模长是
image.png
image.png
这是一个标准基吗？
最后总结一下：大家可以把矩阵相乘是一个函数，向量就是一个输入，变换后的结果就是输出。
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
