numpy.linalg.tensorinv

linalg.tensorinv(a, ind=2)

计算 N 维数组的“逆”。

结果是相对于张量点积运算 tensordot(a, b, ind) 的 a 的逆，即，在浮点精度范围内，tensordot(tensorinv(a), a, ind) 是张量点积运算的“单位”张量。

参数：

aarray_like

要“反转”的张量。其形状必须是“方阵”，即 prod(a.shape[:ind]) == prod(a.shape[ind:])。

indint, 可选

参与逆向求和的第一个索引的数量。必须是正整数，默认为 2。

返回值：

bndarray

a 的张量点积逆，形状为 a.shape[ind:] + a.shape[:ind]。

引发：

LinAlgError

如果 a 是奇异的或不是“方阵”（按上述意义）。

参见

numpy.tensordot, tensorsolve

示例

>>> import numpy as np
>>> a = np.eye(4*6)
>>> a.shape = (4, 6, 8, 3)
>>> ainv = np.linalg.tensorinv(a, ind=2)
>>> ainv.shape
(8, 3, 4, 6)
>>> rng = np.random.default_rng()
>>> b = rng.normal(size=(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)
>>> rng = np.random.default_rng()
>>> b = rng.normal(size=24)
>>> np.allclose(np.tensordot(ainv, b, 1), np.linalg.tensorsolve(a, b))
True