向量,矩阵,张量
- 标量: x
举例:点 - 向量: ( x 1 , x 2 , x 3 , . . . , x n ) ∈ R n (x_1,x_2,x_3,...,x_n)\in R^n (x1,x2,x3,...,xn)∈Rn
举例:线(时间序列)或者n维空间里的一个方向 - 矩阵(二维下标 A i , j A_{i,j} Ai,j)
举例:面(黑白照片的灰度像素点) - 张量Tensor(多维下标, A i , j , k , l . . . A_{i,j,k,l...} Ai,j,k,l...)
举例:立体(魔方)或者 彩色照片(三维张量,三种RGB像素点的叠加)或者 视频(四维张量,在照片基础上增加时间维度)
向量和矩阵运算
相加减
- 对应项相加减
范数(距离)
L 2 = ∣ ∣ x ∣ ∣ 2 = x 1 2 + x 2 2 + . . . . + x n 2 L_2=||x||_2=\sqrt{x_1^2+x_2^2+....+x_n^2} L2=∣∣x∣∣2=x12+x22+....+xn2
L p = ∣ ∣ x ∣ ∣ p = ( ∑ i = 1 n ∣ x i ∣ p ) 1 p L_p=||x||_p=(\sum_{i=1}^n|x_i|^p)^{\frac{1}{p}} Lp=∣∣x∣∣