torch.linalg.ldl_solve

torch.linalg.ldl_solve(LD, pivots, B, *, hermitian=False, out=None) → 张量

使用LDL分解计算线性方程组的解。

LD 和 pivots 是 LDL 分解的紧凑表示， 并且应该由 torch.linalg.ldl_factor_ex() 计算。 hermitian 参数应与此函数中的相应参数相同 torch.linalg.ldl_factor_ex()。

支持输入 float、double、cfloat 和 cdouble 数据类型。 还支持矩阵的批处理，如果 A 是矩阵的批处理，则输出具有相同的批处理维度。

警告

此函数是“实验性”的，它可能会在未来的 PyTorch 版本中发生变化。

Parameters

• LD (Tensor) – n 乘 n 矩阵或大小为 (*, n, n) 的此类矩阵的批次，其中 * 是一个或多个批次维度。

• pivots (张量) – 对应于 LD 的 LDL 分解的枢轴。

• B (张量) – 形状为 (*, n, k) 的右侧张量。

Keyword Arguments

• hermitian (bool, 可选) – 是否考虑分解的矩阵为厄米特矩阵或对称矩阵。 对于实值矩阵，此开关没有影响。默认值：False。

• out (tuple, 可选) – 输出张量。可以将 B 作为 out 传递，结果将在 B 上就地计算。 如果为 None，则忽略。默认值：None。

示例：

>>> A = torch.randn(2, 3, 3)
>>> A = A @ A.mT # 使对称
>>> LD, pivots, info = torch.linalg.ldl_factor_ex(A)
>>> B = torch.randn(2, 3, 4)
>>> X = torch.linalg.ldl_solve(LD, pivots, B)
>>> torch.linalg.norm(A @ X - B)
>>> tensor(0.0001)