linalg.
tensorinv
计算n维数组的“逆”。
结果与 a 相对于张量运算 tensordot(a, b, ind) 即达到浮点精度, tensordot(tensorinv(a), a, ind) 是张量运算的“同一”张量。
tensordot(a, b, ind)
tensordot(tensorinv(a), a, ind)
“反转”张量。它的形状必须是“方形”,即, prod(a.shape[:ind]) == prod(a.shape[ind:]) .
prod(a.shape[:ind]) == prod(a.shape[ind:])
反和中涉及的第一个索引的数目。必须为正整数,默认值为2。
a 张量逆,形状 a.shape[ind:] + a.shape[:ind] .
a.shape[ind:] + a.shape[:ind]
如果 a 是单数还是非“方形”(在上述意义上)。
参见
numpy.tensordot
tensorsolve
实例
>>> 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