首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

矩阵帮助-索引3超出了大小为3的轴1的边界,但我非常确定我有一个(3,n)矩阵

矩阵帮助-索引3超出了大小为3的轴1的边界,但我非常确定我有一个(3,n)矩阵。

这个错误提示意味着你正在尝试访问一个超出矩阵边界的索引。根据错误提示,你正在尝试访问轴1的索引3,但是轴1的大小只有3。这意味着你的索引超出了矩阵的范围。

在矩阵中,轴0代表行,轴1代表列。对于一个形状为(3, n)的矩阵,它有3行和n列。索引从0开始,所以有效的列索引范围是从0到n-1。

要解决这个问题,你需要检查你的代码,确保你的索引值在有效的范围内。如果你确定你的矩阵是(3, n)的形状,那么可能是你的索引计算有误。你可以检查你的索引计算公式,确保它不会超出矩阵的边界。

另外,如果你使用的是特定的编程语言或库,你可以查阅相关文档以了解如何正确访问矩阵的元素。不同的编程语言和库可能有不同的索引规则和语法。

关于云计算和IT互联网领域的名词词汇,以下是一些常见的概念和相关产品的介绍:

  1. 云计算(Cloud Computing):一种通过网络提供计算资源和服务的模式。它可以提供按需的资源分配、灵活性、可扩展性和经济性等优势。腾讯云产品介绍:腾讯云
  2. 前端开发(Front-end Development):负责开发用户界面的技术和工作。常见的前端开发技术包括HTML、CSS和JavaScript等。腾讯云产品介绍:腾讯云前端开发
  3. 后端开发(Back-end Development):负责处理服务器端逻辑和数据的技术和工作。常见的后端开发技术包括Java、Python、Node.js等。腾讯云产品介绍:腾讯云后端开发
  4. 软件测试(Software Testing):用于验证和评估软件质量的过程。常见的软件测试方法包括单元测试、集成测试和系统测试等。腾讯云产品介绍:腾讯云软件测试
  5. 数据库(Database):用于存储和管理数据的系统。常见的数据库类型包括关系型数据库(如MySQL)和NoSQL数据库(如MongoDB)。腾讯云产品介绍:腾讯云数据库
  6. 服务器运维(Server Operations):负责管理和维护服务器的工作。包括服务器配置、监控、故障排除等。腾讯云产品介绍:腾讯云服务器
  7. 云原生(Cloud Native):一种构建和运行应用程序的方法,利用云计算的优势。它强调容器化、微服务架构和自动化等特性。腾讯云产品介绍:腾讯云云原生
  8. 网络通信(Network Communication):在计算机网络中传输数据和信息的过程。常见的网络通信协议包括TCP/IP、HTTP和WebSocket等。腾讯云产品介绍:腾讯云网络
  9. 网络安全(Network Security):保护计算机网络和系统免受未经授权的访问、攻击和数据泄露等威胁的措施和技术。腾讯云产品介绍:腾讯云安全
  10. 音视频(Audio and Video):涉及音频和视频处理、编码、传输和播放等技术。腾讯云产品介绍:腾讯云音视频
  11. 多媒体处理(Multimedia Processing):处理和编辑多媒体数据(如图像、音频和视频)的技术和工具。腾讯云产品介绍:腾讯云多媒体处理
  12. 人工智能(Artificial Intelligence):模拟和实现人类智能的技术和应用。包括机器学习、深度学习、自然语言处理等。腾讯云产品介绍:腾讯云人工智能
  13. 物联网(Internet of Things,IoT):将物理设备和传感器与互联网连接,实现数据收集、远程控制和智能化等功能。腾讯云产品介绍:腾讯云物联网
  14. 移动开发(Mobile Development):开发移动应用程序的技术和工作。包括iOS开发和Android开发等。腾讯云产品介绍:腾讯云移动开发
  15. 存储(Storage):用于持久化存储和管理数据的技术和设备。包括对象存储、文件存储和块存储等。腾讯云产品介绍:腾讯云存储
  16. 区块链(Blockchain):一种去中心化的分布式账本技术,用于记录和验证交易和数据。腾讯云产品介绍:腾讯云区块链
  17. 元宇宙(Metaverse):虚拟现实和增强现实技术的进一步发展,创造出一个虚拟的、与现实世界相互连接的数字空间。腾讯云产品介绍:腾讯云元宇宙

请注意,以上是一些常见的概念和相关产品的介绍,具体的答案可能因具体情况而异。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

线性代数在数据科学中十个强大应用(一)

如果只允许行进方向与空间平行,从原点到矢量距离,在L1范数距离就是你行进距离。 ? 在这个2D空间中,您可以通过沿x行进3个单位然后沿y平行移动4个单位(如图所示)到达矢量(3,4)。...您可能会认为这是统计学而非线性代数概念。好吧,记得告诉过你线性代数是无处不在吗?使用线性代数中转置和矩阵乘法概念,协方差矩阵一个非常简洁表达式: ?...然后,通过找到最好区分两个类平面来进行分类,即最大余量,下面的例子中是C. ? 平面是一个子空间,其维数比其对应向量空间小1,因此它是2D向量空间直线,3D向量空间2D平面等等。...在线性代数中,从一个空间转换到另一个空间想法非常普遍。 让我们介绍一个变量 ? 。如果我们沿z和x绘制数据,就是下面的样子: ? 这显然可以通过 z=a 线性分离,其中a是一些正常数。...我们从大mxn数值数据矩阵A开始,其中m是行数,n是特征数量 将其分解3矩阵,如下所示: ? 根据对角矩阵选择k个奇异值,并相应地截断(修剪)3矩阵: ?

1.2K30

《Scikit-Learn与TensorFlow机器学习实用指南》 第08章 降维

比如,如果你在一个正方形单元中随机取一个点(一个1×1正方形),那么随机选点离所有边界大于 0.001(靠近中间位置)概率 0.4%(1 - 0.998^2)(换句话说,一个随机产生点不大可能严格落在某一个维度上...但是在一个 1,0000 维单位正方体(一个1×1×...×1立方体, 10,000 个 1),这种可能性超过了 99.999999%。在高维正方体中,大多数点都分布在边界处。...例如,在图 8-6 最下面一行,决策边界位于x1 = 5(图左下)。这个决策边界在原始三维空间(一个垂直平面)看起来非常简单,但在展开流形中却变得更复杂了(四个独立线段集合)(图右下)。...幸运是,一种称为奇异值分解(SVD)标准矩阵分解技术,可以将训练集矩阵X分解三个矩阵U·Σ·V^T点积,其中V^T包含我们想要所有主成分,如公式 8-1 所示。 ?...这个想法让我们提出了公式8-5中非限制性优化问题。它看起来与第一步非常相似,但我们要做不是保持实例固定并找到最佳权重,而是恰相反:保持权重不变,并在低维空间中找到实例图像最佳位置。

84010

《Scikit-Learn与TensorFlow机器学习实用指南》第8章 降维

比如,如果你在一个正方形单元中随机取一个点(一个1×1正方形),那么随机选点离所有边界大于 0.001(靠近中间位置)概率 0.4%(1 - 0.998^2)(换句话说,一个随机产生点不大可能严格落在某一个维度上...但是在一个 1,0000 维单位正方体(一个1×1×...×1立方体, 10,000 个 1),这种可能性超过了 99.999999%。在高维正方体中,大多数点都分布在边界处。...例如,在图 8-6 最下面一行,决策边界位于x1 = 5(图左下)。这个决策边界在原始三维空间(一个垂直平面)看起来非常简单,但在展开流形中却变得更复杂了(四个独立线段集合)(图右下)。...幸运是,一种称为奇异值分解(SVD)标准矩阵分解技术,可以将训练集矩阵X分解三个矩阵U·Σ·V^T点积,其中V^T包含我们想要所有主成分,如公式 8-1 所示。...它看起来与第一步非常相似,但我们要做不是保持实例固定并找到最佳权重,而是恰相反:保持权重不变,并在低维空间中找到实例图像最佳位置。请注意,Z是包含所有 矩阵

1.9K70

线性代数在数据科学中十个强大应用(一)

如果只允许行进方向与空间平行,从原点到矢量距离,在L1范数距离就是你行进距离。 ? 在这个2D空间中,您可以通过沿x行进3个单位然后沿y平行移动4个单位(如图所示)到达矢量(3,4)。...您可能会认为这是统计学而非线性代数概念。好吧,记得告诉过你线性代数是无处不在吗?使用线性代数中转置和矩阵乘法概念,协方差矩阵一个非常简洁表达式: ?...然后,通过找到最好区分两个类平面来进行分类,即最大余量,下面的例子中是C. ? 平面是一个子空间,其维数比其对应向量空间小1,因此它是2D向量空间直线,3D向量空间2D平面等等。...在线性代数中,从一个空间转换到另一个空间想法非常普遍。 让我们介绍一个变量 ? 。如果我们沿z和x绘制数据,就是下面的样子: ? 这显然可以通过 z=a 线性分离,其中a是一些正常数。...我们从大mxn数值数据矩阵A开始,其中m是行数,n是特征数量 将其分解3矩阵,如下所示: ? 根据对角矩阵选择k个奇异值,并相应地截断(修剪)3矩阵: ?

1.4K00

机器学习三人行(系列十)----机器学习降压神器(附代码)

例如,如果你选择一个单位平方(1×1平方)随机点,它将只有大约0.4%机会位于小于0.001边界(换句话说,随机点将沿任何维度“极端”这是非常不可能)。...但是在一个10000维单位立方体(1×1×1立方体,1万个1)中,这个概率大于99.999999%。 高维立方体中大部分点都非常靠近边界。...例如,在上图右侧,判定边界位于x1 = 5。这个判定边界在原始三维空间(一个垂直平面)看起来非常简单,但是在展开流形中它看起来更复杂 四个独立线段集合)。...3.3 投影到d维度 一旦确定了所有主要组成部分,就可以将数据集维数降至d维,方法是将其投影到由第一个主要组件定义平面上。 选择这个平面确保投影将保留尽可能多方差。...为了将训练集投影到平面上,可以简单地通过矩阵Wd计算训练集矩阵X点积,该矩阵定义包含前d个主分量矩阵(即,由VT前d列组成矩阵 ),如下公式所示。 ?

1.1K90

能「看到」张量运算:​因子图可视化

爱因斯坦求和符号 爱因斯坦符号存在多种形式,尤其是在物理学领域,但我们要介绍那种非常简单,没有任何物理学背景也能轻松掌握。 在矩阵乘法定义中, ? 求和符号实际上是多余。...除了听起来炫酷之外,这个名字也是合理,因为你写任何有效爱因斯坦求和实际上都可映射一个张量图。(「有效」是指同样索引不同张量维度大小必须相等。) 我们可以很轻松地构建出这样图。...如果张量正且总和 1,则它们可以表示在不同随机变量上联合分布(这也是索引对应于变量原因)。在这种设置中,因子图是将许多变量大型联合分解成更小互相独立变量集联合。...这个特定案例非常简洁动态编程算法,可在平方时间内获得最优顺序。 希望现在已经使你信服因子图是非常强大可视化工具。...举个例子,我们不用求和,而是取该中所有元素最大值,或者就简单地索引一个特定位置。这在 MAP 估计和最大积信念传播方面是相关

1.2K40

Google Earth Engine(GEE)——数组及其切片简介

Earth Engine 表示 1-D 向量、2-D 矩阵3-D 立方体和具有该ee.Array类型更高维立方体。...这里官方给出了一个简单教学方案: https://youtu.be/-qo8L5GmKO0 数组维度、形状和大小 数组维数是指底层数据沿其变化数。...例如,0-D 数组是标量数,1-D 数组是向量,2-D 数组是矩阵3-D 数组是立方体,>3-D 数组是立方体。对于一个 N 维数组,从 0 到 N-1 N。阵列形状由长度决定。...[6,6] 下表说明了矩阵条目沿 0 1 排列:01横轴。...0 上每个列表中n 个元素位于 1 n 个位置。例如,数组坐标 [3,1] 处条目是 0.0849。假设“绿色度”是感兴趣 TC 分量。

16410

入门 | 这是一份文科生都能看懂线性代数简介

比如 V_2 表示向量中第二个元素,在上面淡黄色图中是-8。 矩阵 矩阵一个有序二维数组,两个索引。第一个索引表示行,第二个索引表示列。...张量三个索引,其中第一个索引表示行,第二个索引表示列,第三个索引表示。例如,V_232 指向第二行、第三列、第二元素,在下图右边张量中表示 5。 ?...我们之前说,矩阵乘法不满足交换律,但这里一个例外:将一个矩阵一个单位矩阵相乘。因此,下式是成立:A × I = I×A = A。 矩阵逆和转置 矩阵逆和矩阵转置是两种矩阵特有的性质。...很遗憾,讨论什么矩阵可逆超出了这篇文章范围。 我们为什么需要逆矩阵呢?这是因为我们不能计算用矩阵相除,并没有「除以矩阵定义,但我们可以用一个矩阵乘以一个矩阵,来达到相同目的。...这基本上就是将一个矩阵沿着 45 度轴线镜像翻转。计算矩阵转置非常简单,原始矩阵第一列就是转置后矩阵第一行,第二列则变成了转置后矩阵第二行。一个n 矩阵仅仅是转成了 n×m 矩阵

1.3K90

这是一份文科生都能看懂线性代数简介

比如 V_2 表示向量中第二个元素,在上面淡黄色图中是-8。 矩阵 矩阵一个有序二维数组,两个索引。第一个索引表示行,第二个索引表示列。...张量三个索引,其中第一个索引表示行,第二个索引表示列,第三个索引表示。例如,V_232 指向第二行、第三列、第二元素,在下图右边张量中表示 5。...我们之前说,矩阵乘法不满足交换律,但这里一个例外:将一个矩阵一个单位矩阵相乘。因此,下式是成立:A × I = I×A = A。 矩阵逆和转置 矩阵逆和矩阵转置是两种矩阵特有的性质。...很遗憾,讨论什么矩阵可逆超出了这篇文章范围。 我们为什么需要逆矩阵呢?这是因为我们不能计算用矩阵相除,并没有「除以矩阵定义,但我们可以用一个矩阵乘以一个矩阵,来达到相同目的。...这基本上就是将一个矩阵沿着 45 度轴线镜像翻转。计算矩阵转置非常简单,原始矩阵第一列就是转置后矩阵第一行,第二列则变成了转置后矩阵第二行。一个n 矩阵仅仅是转成了 n×m 矩阵

1.3K100

​LeetCode刷题实战85: 最大矩形

题意 给定一个仅包含 0 和 1大小 rows x cols 二维二进制矩阵,找出只包含 1 最大矩形,并返回其面积。 样例 ?...所以我们让程序直接判断矩形是不现实但我们可以通过特征点来锁定矩形,这个也是业内常用套路。 锁定一个矩形方法一般两种,第一种是用矩形中心点和长宽来确定。...比如下图当中,无论我们知道了(x2, y2), (x3, y3)还是(x1, y1), (x4, y4),我们都可以将这个矩形确定下来。 ? 确定矩形方法之后,我们通过暴力法来求解就简单了。...举个例子:[1, 3, 6, 7],当前元素是5。我们需要把6,7出栈,5入栈。我们知道了5边界3,但仔细想一想,对于7来说,我们知道了它左右边界。7边界是6,右边界是5。...在单调栈使用当中,两个细节,一个细节是栈在初始化时候插入了-1,插入-1是作为一个标兵,也就是所有情况能够达到最左侧边界

37920

四旋翼姿态解算之理论推导

四元数、欧拉角、方向余弦: 在百度百科中,欧拉角是这样被描述:用来确定定点转动刚体位置3个一组独立角参量,由章动角θ、旋进角(即进动角)ψ和自转角j组成,欧拉首先提出而得名。..._R9vQ0SLtrzKx9WQ19hHUvbYmd1z) 四元数是简单复数。...从M(Q)中,第一列四元数Q本身,第一行四元数Q共轭转置,不管第一行和第一列,我们可以提取出一个3*3矩阵VQ,称其为M(Q)核。 ? 同理可得,M(P)核VP: ?...可以得到旋转矩阵 ? 数学关系: ? 到这里我们就推出了使用四元数表示旋转矩阵 ? : ? 前面使用欧拉角也导出了一个旋转矩阵 ? : ?...还需要注意一点,因为方向余弦矩阵定义不同,对应欧拉角旋转方式不同,公式也会不同。 到此结束。 这些是前段时间学习笔记,最近才开始整理。希望能对更多人学习提供帮助。欢迎大家互相交流指正。

1.2K20

R语言函数含义与用法,实现过程解读

例如:4X5数组a,若要得到a中a[1,3], a[2,2] 和a[3,1]这三个元素,可以生成索引向量i,然后用a[i]得到它们。...这几类函数一个参数是规律,形dxxx函数x,pxxx函数q,qxxx函数p,rxxx函数n(rhyper和rwilcox是特例,他们一个参数nn)。...如果是s(standard)或e(extended)类型,那最大和最小标记都始终在数据区域之外。如果有某个点离边界非常近,那么扩展型(extended)会稍稍扩展一下。...C  图边缘(Figure margins) 在R中一个单独图形,图(figure),包含一个绘图区(plot region),以及环绕着这个区域边缘(其中可能含有坐标标签、标题等等),(通常)这两部分以边界...与多图环境相关图形参数: mfcol=c(3, 2)    mfrow=c(2, 4)    设定多图阵列大小。第一个值是行数,第二个值是列数。

4.6K120

Python 数学应用(一)

具有与列数相同行数矩阵被称为方阵,这些矩阵在向量和矩阵理论中起着特殊作用。 单位矩阵大小n)是n×n矩阵,其中(i,i)-th 条目 1,而(i,j)-th 条目对于i ≠ j零。...一个数组创建例程,指定n值提供n×n单位矩阵: np.eye(3) # array([[1., 0., 0.], # [0., 1., 0.], # [0., 0.,...子矩阵A[i,j]是一个(n-1) × (n-1)矩阵,因此我们可以计算行列式。然后我们定义A行列式数量 实际上,出现在前述方程中索引 1 可以被任何 1 ≤ i≤ n替换,结果将是相同。...例如,我们可能已经给出了边界条件 这在物理上可以被解释两端被绝缘,因此热量不能通过端点逃逸。对于这种边界条件,我们需要稍微修改矩阵A,但方法本质上保持不变。...我们向样本信号添加了一些高斯噪声,这是一个正态分布随机数。 fft例程返回数组包含N+1个元素,其中N是样本大小索引为 0 元素对应于 0 频率,或者直流偏移。

7100

R语言函数含义与用法,实现过程解读

例如:4X5数组a,若要得到a中a[1,3], a[2,2] 和a[3,1]这三个元素,可以生成索引向量i,然后用a[i]得到它们。...这几类函数一个参数是规律,形dxxx函数x,pxxx函数q,qxxx函数p,rxxx函数n(rhyper和rwilcox是特例,他们一个参数nn)。...如果是s(standard)或e(extended)类型,那最大和最小标记都始终在数据区域之外。如果有某个点离边界非常近,那么扩展型(extended)会稍稍扩展一下。...C  图边缘(Figure margins) 在R中一个单独图形,图(figure),包含一个绘图区(plot region),以及环绕着这个区域边缘(其中可能含有坐标标签、标题等等),(通常)这两部分以边界...与多图环境相关图形参数: mfcol=c(3, 2)    mfrow=c(2, 4)    设定多图阵列大小。第一个值是行数,第二个值是列数。

5.6K30

基于TensorFlow理解三大降维技术:PCA、t-SNE 和自编码器

必要将数据维度压缩到尽可能最低,你限制是要保留大约 80% 数据,你会怎么做? 3. 你一个数据库,其中数据是耗费了大量时间收集,而且还时不时有新(相似类型)数据加入。...从现在起,假设我们数据矩阵 X,其 shape (n, p),其中 n 是指样本数量,而 p 是指维度。...如果你 n 个数据样本,那么 Q 和 P 都是 n×n 矩阵(从任意点到任意点距离包含自身)。...图 4:没有求和部分 t-SNE 成本函数 很难看明白这是啥?但我在上面给加了名字。 如你所见,这个成本函数是不对称。...对于高维空间中临近点,其得出了非常成本(p ),但这些点是低维空间中很远点表示;而在高维空间中远离点则成本更低,它们则是用低维空间中临近点表示

1.6K70

精通 NumPy 数值分析:1~5

x.shape返回一个元组,该元组您提供数组维度作为输出,例如(n, m)。 您可以使用x.size获得数组中元素总数。 在我们示例中,我们总共有六个元素。 知道形状和大小等属性非常重要。...索引是数学和计算机科学中使用一个基本术语。 一般而言,索引帮助您指定如何返回各种数据结构所需元素。...array([2, 4, 6]) 索引从0开始,因此在创建带有元素数组时,第一个元素被索引为x[0],与最后一个元素x[n-1]相同。...NumPy 两个广播规则:数组大小相等或其中之一 1。...计算机实际上将像素强度存储在称为矩阵结构中。 换句话说,您将 MRI 转换为大小N2向量,其中每个元素均由像素值组成。

98930

从零开始学Pytorch(十七)之目标检测基础

当中心位置给定时,已知宽和高锚框是确定。 下面我们分别设定好一组大小 s_1,\ldots,s_n 和一组宽高比 r_1,\ldots,r_m 。...首先,我们找出矩阵 \boldsymbol{X} 中最大元素,并将该元素索引与列索引分别记为 i_1,j_1 。我们锚框 A_{i_1} 分配真实边界框 B_{j_1} 。...我们读取图像中猫和狗定义真实边界框,其中第一个元素类别(0狗,1猫),剩余4个元素分别为左上角 x 和 y 坐标以及右下角 x 和 y 坐标(值域在0到1之间)。...返回结果里3项,均为Tensor。第三项表示锚框标注类别。...第一个元素是索引从0开始计数预测类别(0狗,1猫),其中-1表示背景或在非极大值抑制中被移除。第二个元素是预测边界置信度。

1.1K30

MATLAB绘图总结

如果矩阵列数等于向量长度,则该函数绘制矩阵每一行对向量图。如果矩阵方阵,则该函数绘制每一列对向量图。 如果 X 或Y 之一标量,而另一个标量或向量,则 plot 函数会绘制离散点。...(x)'); %图例 a.Color='r'; %曲线颜色设置 结果如下: 可见图像自明性很大提升,此外下表列出了曲线线性、颜色、数据点等参数属性 对数坐标图 semilogx(x1,y1...如果 y 是 m×n 矩阵,则 bar 创建每组包含 n 个条形 m 个组。 style 用于指定分组排列模式,模式grouped(簇状分组)和stacked(堆积分组)两种。...结果如下: 用shading函数改变染色方式 shading – 设置颜色着色属性 此 MATLAB 函数 每个网格线段和面具有恒定颜色,该颜色由该线段端点或该面的角边处具有最小索引颜色值确定...希望大家能多研究这个属性检查器对修改图形非常帮助。 第一次写博客,希望得到您认可,对您有所帮助,鞠躬 本文借鉴了其他很多博主文章,在此表示对这些大佬感谢。

1.4K10

霍夫变换

空间变换将一个空间中具有相同形状曲线或直线映射到另一空间一个点上形成峰值。 下述内容转载自《霍夫变换Hough》 霍夫变换(Hough)是一个非常重要检测间断点边界形状方法。...3.任意形状检测 这里所说任意形状检测,是指应用广义Hough变换去检测某一任意形状边界图形。...区间上实数,默认为1θ θ方向上单位区间长度(以“度”单位),可取(0,90)区间上实数,默认为1 RhoResolution Hough矩阵中\rho方向上单位区间长度,可取(0,norm...返回值: ·peaks是一个Q×2矩阵,每行两个元素分别是某一峰值点在hough矩阵行、列索引,Q找到峰值点数目。...hough()函数返回。 ·peaks是一个包含峰值点信息Q×2矩阵,又houghpeaks()函数返回。

1.7K30

学编程数学到底多重要?线性代数能否视为一门程序语言呢?

语法构造一个矩阵,再按矩阵乘法规则去乘你们图像,保证结果就是你们想要”。...可能有人对把线性代数当成一门DSL不放心,给一个矩阵,你就把图形旋转了60度沿x拉伸了2倍,总感觉不踏实啊,都不知道你“底层”是怎么做!...下面再给小伙伴们留一道相似的练习题(熟悉机器学习朋友可能会发现这是线性代数在线性分类中应用): 给定n维空间中两点(a1, a2, ... an),(b1, b2, ... bn)和一个平面c1...矩阵语义不止一种,在不同环境中有不同语义,在同一环境中也可以不同解读,最常见包括: 1)表示一个线性变换; 2)表示列向量或行向量集合; 3)表示子矩阵集合。...举个例子,我们可以把“沿逆时针旋转60度”矩阵M和“沿x拉伸2倍”矩阵N相乘,得到一个矩阵T来代表“沿逆时针旋转60度并沿x拉伸2倍”。

1.4K31
领券