每天五分钟，解决一个人工智能问题。
矩阵与向量相乘等价于以下操作：
例如矩阵：m2 与 向量
进行运算 结果为
计算器操作1
计算器操作2
计算器操作3
计算器操作4
两个矩阵相乘，m1 有n行m列，m2有i行j列，注意m必须等于i。
也就是如果m1的形状是n行3列，那m2 必须是3行j列。
本例中，我们可以把向量看成是特殊的矩阵，m2的形状是3 x 2 ，向量是 2 x1
所以结果是3 x 1,也就是一个形状是3的向量。
最最最重要的，观察矩阵形状是重中之重！！！！
接下来我们用numpy实现一下矩阵相乘
import numpy as np
m1=np.array([[1,1],[1,1],[1,1]])
v1=np.array([1,0])
#输出矩阵m1, v1
print("m1:", m1)
print("v1:", v1)
#输出矩阵m1 ,v1的形状
print("v1.shape", v1.shape)
print("m1.shape:", m1.shape)
#矩阵相乘结果保存在res中
res = np.matmul(m1, v1)
#输出res 和 res的形状
print("res:", res)
print("res.shape:", res.shape)
输入：
m1: [[1 1]
[1 1]
[1 1]]
v1: [1 0]
v1.shape (2,)
m1.shape: (3, 2)
res: [1 1 1]
res.shape: (3,)
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
