numpy.linalg.tensorinv #

利纳尔格。张量( a , ind = 2 ) [来源] #

计算 N 维数组的“逆”。

结果是相对于张量点运算的逆即 达到浮点精度, 是张量点运算的“恒等”张量。tensordot(a, b, ind)tensordot(tensorinv(a), a, ind)

参数
类似数组

张量“反转”。它的形状必须是“正方形”,即 。prod(a.shape[:ind]) == prod(a.shape[ind:])

ind整数,可选

参与倒数和的第一个索引的个数。必须是正整数,默认为 2。

返回
数组

a的张量逆矩阵, shape 。a.shape[ind:] + a.shape[:ind]

加薪
林算法错误

如果a是单数或不是“方”(在上述意义上)。

也可以看看

numpy.tensordot,tensorsolve

例子

>>> a = np.eye(4*6)
>>> a.shape = (4, 6, 8, 3)
>>> ainv = np.linalg.tensorinv(a, ind=2)
>>> ainv.shape
(8, 3, 4, 6)
>>> b = np.random.randn(4, 6)
>>> np.allclose(np.tensordot(ainv, b), np.linalg.tensorsolve(a, b))
True
>>> a = np.eye(4*6)
>>> a.shape = (24, 8, 3)
>>> ainv = np.linalg.tensorinv(a, ind=1)
>>> ainv.shape
(8, 3, 24)
>>> b = np.random.randn(24)
>>> np.allclose(np.tensordot(ainv, b, 1), np.linalg.tensorsolve(a, b))
True