torch.cholesky_solve

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

计算给定复数 Hermite 矩阵或实数对称正定左侧矩阵（lhs）的 Cholesky 分解后，线性方程组的解。

设 $A$ 是一个复数 Hermite 矩阵或实数对称正定矩阵，$L$ 是它的 Cholesky 分解，满足

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

其中，当 $L$ 为复数时，$L^{\text{H}}$ 是共轭转置，当 $L$ 为实数时，是转置。

返回以下线性方程组的解 $X$

$$AX = B$$

支持 float, double, cfloat 和 cdouble 数据类型的输入。也支持矩阵批量输入，如果 $A$ 或 $B$ 是矩阵批量，则输出具有相同的批量维度。

参数

• B (Tensor) – 形状为 (*, n, k) 的右侧 Tensor，其中 $*$ 是零个或多个批量维度

• L (Tensor) – 形状为 (*, n, n) 的 Tensor，其中 * 是零个或多个批量维度，包含对称或 Hermite 正定矩阵的下三角或上三角 Cholesky 分解。

• upper (bool, 可选) – 指示 $L$ 是下三角还是上三角的标志。默认值: False。

关键字参数

out (Tensor, 可选) – 输出 Tensor。如果为 None 则忽略。默认值: 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)