有點抱歉的是我的數學功底確實是不好，經過了高中的緊張到了大學之后松散了下來。原本高中就有點拖后腿的數學到了大學之后更是一落千丈。線性代數直接沒有學明白，同樣沒有學明白的還有概率及統計以及復變函數。時至今日，我依然覺得這是人生中讓人羞愧的一件事兒。不過，好在我還有機會，為了不敷衍而去學習一下。

矩陣的轉置有什么作用，我真是不知道了，今天總結完矩陣轉置的操作之后先去網絡上補充一下相關的知識。

今天的代碼操作如下：

In [15]: arr1 = np.arange(20)In [16]: arr1Out[16]:array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,    17, 18, 19])In [17]: arr2 = arr1.reshape((4,5))In [18]: arr2Out[18]:array([[ 0, 1, 2, 3, 4],    [ 5, 6, 7, 8, 9],    [10, 11, 12, 13, 14],    [15, 16, 17, 18, 19]])In [19]: arr3 = arr2.TIn [20]: arr3Out[20]:array([[ 0, 5, 10, 15],    [ 1, 6, 11, 16],    [ 2, 7, 12, 17],    [ 3, 8, 13, 18],    [ 4, 9, 14, 19]])In [21]: np.dot(arr3,arr2)Out[21]:array([[350, 380, 410, 440, 470],    [380, 414, 448, 482, 516],    [410, 448, 486, 524, 562],    [440, 482, 524, 566, 608],    [470, 516, 562, 608, 654]])

Reshape的方法是用來改變數組的維度，而T的屬性則是實現矩陣的轉置。從計算的結果看，矩陣的轉置實際上是實現了矩陣的對軸轉換。而矩陣轉置常用的地方適用于計算矩陣的內積。而關于這個算數運算的意義，我也已經不明確了，這也算是今天補課的內容吧！

關于前面的兩個補課，看了一堆資料確實是不好理解。但是總是記憶公式終歸不是我想要的結果，以后還需要不斷地嘗試理解。不過，關于內積倒是查到了一個幾何解釋，而且不知道其對不對。解釋為：高維空間的向量到低維子空間的投影，但是思索了好久依然是沒有弄明白。看來，線性代數還是得悶頭好好理解一下咯。

以上這篇對numpy中數組轉置的求解以及向量內積計算方法就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持武林站長站。