参考
向量场是非常有趣的，因为它根据不同的起点可以向不同的方向移动。 这是因为向量场背后的向量存储着2x或x²这样的函数关系，而不是像-2和5这样的标量值。对于图上的每个点，我们将x值代入2x或x²，并从起始点绘制箭头指向新的位置。向量场对于类似梯度下降(Gradient Descent)这类的机器学习技术的可视化是非常有用的。
矩阵
矩阵是数字或字符的矩形网格（如Excel表格），并具有加，减，乘等运算规则。
矩阵维度
我们用列和行来描述矩阵的维度。
a = np.array([
矩阵标量运算
矩阵的标量运算与向量一样。简单地将标量应用于矩阵中的每个元素进行加，减，乘，除等操作。
Matrix scalar addition
矩阵单元操作
为了对两个矩阵进行加，减或除法，它们必须具有相等的维度。*我们以元素组合的方式产生对应的值，得到新的矩阵。
a = np.array([
Numpy 的broadcasting方法*
这是个不得不提的话题，因为它在实践中非常重要。在numpy中，元素操作的维度要求通过称为broadcasting的机制来扩展。如果每个矩阵（行与行，列与列）中的相应维度满足以下要求，则这两个矩阵是兼容的：
1.    两个矩阵维度相等，或
2.  一个矩阵的维度为1
a = np.array([
但在更高的维度上（3维或4维），事情会变得有点奇怪，但是现在我们不用担心。了解二维上的操作是个很好的开始。
矩阵Hadamard乘积
矩阵的Hadamard乘积是一个元素运算，就像向量一样。相应位置的值通过乘法运算来产生一个新的矩阵。
