numpy.linalg.tensorsolve#

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

求解张量方程 a x = b 中的 x。

假设在乘积中对 x 的所有索引以及 a 的最右边的索引进行求和，例如在 tensordot(a, x, axes=x.ndim) 中。

参数：

aarray_like: 系数张量，形状为 b.shape + Q。 Q 是一个元组，等于由 a 的最右边几个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“方阵”）。
barray_like: 右侧张量，可以是任何形状。
axes整数元组，可选: 在求逆之前，要重新排序到右侧的 a 中的轴。如果为 None（默认值），则不进行重新排序。

返回：

xndarray，形状 Q

引发：

LinAlgError: 如果 a 奇异或不是“方阵”（如上所述）。

另请参见

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