向量与张量

向量是张量的一种特殊情况——一阶张量，而张量可以表示任意维度的数据结构。
向量的定义与特点
向量（vector）是一维的、有序数值数组，具有大小和方向，用于表示某种物理量或数据分布，例如速度、位移等。在数学上，向量属于欧式空间，满足线性空间的公理，每一维度相互正交独立，可以进行加减、点积、叉积等运算
向量可以看作是由标量组成的一条线，每个元素都是一个标量

张量的定义与特点
张量（tensor）是多维数组，可以表示任意维度的数据结构。根据维度不同，张量分为不同阶数：

0阶张量：标量，例如单个数值“5公斤”，只有大小，无方向。
1阶张量：向量，例如 (3,2) 或 (120,30,50)，表示单一维度方向上的量。
2阶张量：矩阵，例如 Excel 表格，行列表示两个维度。
3阶及以上张量：例如一段视频的多帧图像，每一维表示视频序号、帧序号、像素坐标或颜色分量

张量的核心是描述多个维度之间的关系，在物理建模、信号处理、计算机视觉和深度学习中广泛应用

联系
向量是张量的一种特例：所有向量都是一阶张量，但张量不仅限于向量。
数学结构相似：向量和张量都可以表示空间中的数据分布，并可进行相应的数学运算。
层级关系：标量 → 向量 → 矩阵 → 张量，维度逐步增加，数据结构复杂度也随之增加

区别
维度：向量固定为一维，张量可以是任意维度。
数据复杂度：向量相对简单，张量可表示复杂结构，如图像、视频或多维物理场。
应用场景：向量常用于基础物理问题或简单数学计算，张量适用于深度学习、机器学习、物理建模等复杂问题

通俗理解
可以用“棍子”类比：

标量：只知道棍子的长度。
向量：知道棍子的长度和方向。
矩阵：知道棍子的长度、方向和上下偏转。
张量：知道棍子的长度、方向、上下偏转以及前后偏转等多维信息

通过这种理解，可以清楚地看到向量与张量在维度、结构和应用上的差异与联系