V = np.array ([2，1]) s = np.array ([-3，2]) d = np.dot (v，s) #方法名为dot print (d) print。

v = np.array([2，1]) s = np.array([-3，2]) VMAG = NP。Linalg.norm (v) #计算标量 Smag = NP。Linalg.norm (s) COS = (v @ s)/(。

可以看出，变换T是从一个二维实数向量到另一个二维实数向量的变换，输出向量的维数可以与原向量的维数不同。

将matplotlib.pyplot导入为PLT % matplotlib inline v = NP . array([1，0]) A = np.array([[0，-1]， [1，0]) t = A @ v vecs = NP . array([v，t]) origin = [0]，[0]等于& # 39；) PLT . grid() PLT . tick label _ format(style = & # 39；sci & # 39，轴= & # 39；两者& # 39；，scilimits=(0，0)) plt .颤(*origin，vecs[:，0]，vecs[:，1]，color =[& # 39；orange & # 39, '蓝色& # 39；]，scale=10) plt.show()

cos，sin，pi = math.cos，math.sin，math . pi def rotate(a): return NP . array([[Cos(a)，-sin(a)]等于& # 39；) PLT . grid() PLT . tick label _ format(style = & # 39；sci & # 39，轴= & # 39；两者& # 39；，scilimits=(0，0)) plt .颤(*origin，vecs[:，0]，vecs[:，1]，color =[& # 39；r & # 39, 'b & # 39, 'm & # 39, 'g & # 39]，scale=10) plt.show()

原地址:https://github.com/Microsoft/AI-edu/blob/master/a-%E5% 9f % ba % E7 % A1 % 80% E6 % 95% 99% E7 % A8 % 8b/A1-Python Basic/Math _ intro/03

看了这篇文章，对向量和矩阵乘法的实际意义有了更深的理解。

最后，希望大家多多评论、关注、点赞、转发。你们的支持是我更新的最大动力。