点乘/内积/数量积；叉乘/向量积；矩阵乘法；哈达马积；克罗内克积；卷积

1、 符号解释

名称	符号	Latex	运算	应用	意义
点乘/内积/数量积	$\cdot$ 或 $\bullet$	\cdot或\bullet	$a\bullet b=x_1{x}_2+y_1{y}_2$	三角形余弦角度	一个向量与另一个向量方向上投影的长度
叉乘/向量积	$\times$	\times		向量方向是垂直于向量A,B组成的平面	叉乘结果是一个向量，向量模长是向量A，B组成平行四边形的面积；
矩阵乘法				方程组	各类需要求解方程组的问题
哈达马积（Hadamard product）	$\circ$ 或 $\odot$	\circ 或 \odot	$（A\circ B{）}_{ij}=（A\odot B{）}_{ij}=(A{)}_{ij}(B{)}_{ij}$	对应位置相乘	Kronecker Product两矩阵维度相同时的简化形式
克罗内克积(Kronecker Product)（张量积的特殊形式）	$\otimes$	\otimes		任意两个矩阵相乘	矩阵分块相乘
卷积	*	*	$(f\ast g)(t)=\underset{-\infty }{\overset{\infty }{\int }}f(\tau )g(t-\tau )d\tau$	深度学习中张量的卷积操作卷积核在特征层移动并对应位相乘	表征函数 f 与经过翻转和平移的 g 的乘积函数所围成的曲边梯形的面积

2、运算操作

2.1 叉乘 / 向量积

2.2 克罗内克积(Kronecker Product)（张量积的特殊形式）

克罗内克积是两个任意大小的矩阵间的运算。克罗内克积是张量积的特殊形式