numpy.linalg.tensorsolve#

linalg.tensorsolve(a, b, axes=None)[源代码]#

求解张量方程 a x = b 中的 x.

假设 x 的所有索引在乘积中都被求和,连同 a 的最右边的索引,如在 tensordot(a, x, axes=x.ndim) 中所做的那样.

参数:

aarray_like: 系数张量,形状为 b.shape + Q.`Q`,一个元组,等于 a 中由适当数量的其最右端索引组成的子张量的形状,并且必须满足 ``prod(Q) == prod(b.shape)``（在这种意义上,`a` 被称为是 ‘平方’ 的）.
barray_like: 右手张量,可以是任意形状.
axesints 的元组,可选: 在 a 中的轴重新排序到右边,在反转之前.如果为 None（默认）,则不进行重新排序.

返回:

xndarray, 形状 Q

引发:

LinAlgError: 如果 a 是单一的或不是 ‘方’ 的（在上述意义上）.

参见

numpy.tensordot, tensorinv, numpy.einsum

示例

>>> import numpy as np
>>> a = np.eye(2*3*4)
>>> a.shape = (2*3, 4, 2, 3, 4)
>>> rng = np.random.default_rng()
>>> b = rng.normal(size=(2*3, 4))
>>> x = np.linalg.tensorsolve(a, b)
>>> x.shape
(2, 3, 4)
>>> np.allclose(np.tensordot(a, x, axes=3), b)
True