numpy.linalg.tensorinv

linalg.tensorinv(a, ind=2)

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。

参数

aarray_like

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

ind可选的

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。

返回

b恩达雷

a 张量逆，形状 a.shape[ind:] + a.shape[:ind] .

加薪

LinAlgError

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

numpy.linalg.pinv numpy.linalg.LinAlgError