当学习完矩阵的定义以后，我们来学习矩阵的基本运算，与基本性质
矩阵的基本运算：矩阵的加法，每一个对应元素相加，对应结果的矩阵
例子：矩阵A和矩阵B表示的是同学上学期和下学期的课程的成绩，两个矩阵相加就表示一学年科目成绩的总和
矩阵的数量乘法：一个数乘于一个矩阵
还是接着上面学生成绩的例子：
矩阵数量乘法可以理解为，求两学期学生科目成绩的平均分1/2（A+B），因为之前我们已经算出了一学年科目的成绩总和，现在只需要乘于二分之一就可以了。
矩阵的数量乘法还有一个几何的直观理解：
下图的矩阵P可以理解为3个行向量组成，这3个行向量表示的是二维平面坐标系中的一个点，就是表示一个三角形，矩阵的数量乘法2.P之后，这个三角形就缩放变大了
矩阵的基本运算性质
简单证明：k ⋅(A + B) = k ⋅ A + k ⋅ B（这都还用证？？？？不过出于数学逻辑思维的严谨，还是需要证明的）
两个矩阵：
实现矩阵的基本运算
之前定义的向量类Vector：
import
定义一个内部使用的文件_globals，用来存储全局使用的变量 EPSILON，用来判断精度用的
EPSILON
定义的矩阵类Matrix：
from
测试代码：
from playLA.Matrix import Matrixif __name__ == "__main__":matrix = Matrix([[1, 2], [3, 4]])print(matrix)print("matrix.shape = {}".format(matrix.shape()))print("matrix.size = {}".format(matrix.size()))print("len(matrix) = {}".format(len(matrix)))print("matrix[0][0] = {}".format(matrix[0, 0]))matrix2 = Matrix([[5, 6], [7, 8]])print(matrix2)print("add: {}".format(matrix + matrix2))print("subtract: {}".format(matrix - matrix2))print("scalar-mul: {}".format(2 * matrix))print("scalar-mul: {}".format(matrix * 2))print("zero_2_3: {}".format(Matrix.zero(2, 3)))
