每天五分钟，解决一个人工智能问题。
写在最前面，牢牢记住：在做矩阵加减运算的时候，矩阵的形状必须一致。
矩阵加减的计算器操作
接下来的操作可以自行去矩阵在线运算网站去复现。
本章节，只需要矩阵的加减就可以了。
矩阵加减操作
第一步：初始化矩阵
矩阵初始化
第二步：填充矩阵元素
填充矩阵元素
第三步：查看结果
查看结果
可选操作
减法操作就留给各位读者自行操作了，原理是一样的。
矩阵加减在numpy上的实现
import numpy as np
m1 = np.array([[1,0],[0,1]])
m2 = np.array([[1,1],[1,1]])
m1.shape, m2.shape
输出：
((2, 2), (2, 2))
m1 + m2
#这里你可以把它理解成组成矩阵的向量之间进行加减操作再组合到一起。
输出:
array([[2, 1],
[1, 2]])
我们来构造一个非法操作：
m3，m4的形状不一样
m3 = np.array([[1],[0]])
m4 = np.array([[1],[1],[2]])
m3.shape, m4.shape
输出：
((2, 1), (3, 1))
m3 + m4
输出：
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-83-3ed5f6f38bd4> in <module>
----> 1 m3 + m4
ValueError: operands could not be broadcast together with shapes (2,1) (3,1)
看：由于形状不一样报错了！
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
