torch.cholesky_solve

torch.cholesky_solve(B, L, upper=False, *, out=None) → Tensor

计算给定其 Cholesky 分解的复 Hermitian 或实对称正定 lhs 的线性方程组的解。

设 $A$ 为一个复数厄米或实对称正定矩阵， $L$ 为其 Cholesky 分解，使得：

$$A = LL^{\text{H}}$$

其中，当 $L$ 为复数时， $L^{\text{H}}$ 为其共轭转置；当 $L$ 为实值时， $L^{\text{H}}$ 为其转置。

返回以下线性方程组的解 $X$ ：

$$AX = B$$

支持浮点数、双精度浮点数、复浮点数和复双精度浮点数的数据类型输入。也支持矩阵批处理，如果 $A$ 或 $B$ 是矩阵批处理，则输出具有相同的批处理维度。

参数:

• B（张量）- 形状为(*, n, k)的右侧张量，其中 $*$ 可以是零个或多个批处理维度

• L（张量）- 形状为(*, n, n)的张量，其中*可以是零个或多个批处理维度，包含对称或厄米正定矩阵的下三角或上三角 Cholesky 分解

• upper（布尔值，可选）- 标志表示 $L$ 是下三角还是上三角。默认： False 。

关键字参数:

out（张量，可选）- 输出张量。如果为 None 则忽略。默认：None。

示例：

>>> A = torch.randn(3, 3)
>>> A = A @ A.T + torch.eye(3) * 1e-3 # Creates a symmetric positive-definite matrix
>>> L = torch.linalg.cholesky(A) # Extract Cholesky decomposition
>>> B = torch.randn(3, 2)
>>> torch.cholesky_solve(B, L)
tensor([[ -8.1625,  19.6097],
        [ -5.8398,  14.2387],
        [ -4.3771,  10.4173]])
>>> A.inverse() @  B
tensor([[ -8.1626,  19.6097],
        [ -5.8398,  14.2387],
        [ -4.3771,  10.4173]])

>>> A = torch.randn(3, 2, 2, dtype=torch.complex64)
>>> A = A @ A.mH + torch.eye(2) * 1e-3 # Batch of Hermitian positive-definite matrices
>>> L = torch.linalg.cholesky(A)
>>> B = torch.randn(2, 1, dtype=torch.complex64)
>>> X = torch.cholesky_solve(B, L)
>>> torch.dist(X, A.inverse() @ B)
tensor(1.6881e-5)