torch.linalg.matrix_power

torch.linalg.matrix_power(A, n, *, out=None) → Tensor [исходный код]

Вычисляет степень n квадратной матрицы для целого числа n.

Поддерживаются входные данные типов float, double, cfloat и cdouble. Также поддерживаются пакеты матриц; если A представляет собой пакет матриц, выходные данные имеют те же пакетные размерности.

Если n= 0, возвращается единичная матрица (или пакет матриц) той же формы, что и A. Если n отрицательно, возвращается обратная матрица для каждой матрицы (если она обратима), возведённая в степень abs(n).

Примечание

По возможности используйте torch.linalg.solve() для умножения матрицы слева на отрицательную степень, поскольку, если n> 0:

torch.linalg.solve(matrix_power(A, n), B) == matrix_power(A, -n)  @ B

По возможности всегда предпочтительнее использовать solve(), поскольку этот способ быстрее и численно устойчивее, чем явное вычисление $A^{-n}$.

См. также

torch.linalg.solve() вычисляет A.inverse() @ B с помощью численно устойчивого алгоритма.

Параметры:

• A (Тензор) – тензор формы (*, m, m), где * — ноль или более пакетных размерностей.
• n (int) – показатель степени.

Именованные аргументы:

out (Тензор, необязательно) – выходной тензор. Игнорируется, если None. По умолчанию: None.

Исключения:

RuntimeError – если n< 0 и матрица A или любая матрица в пакете матриц A необратима.

Примеры:

>>> A = torch.randn(3, 3)
>>> torch.linalg.matrix_power(A, 0)
tensor([[1., 0., 0.],
        [0., 1., 0.],
        [0., 0., 1.]])
>>> torch.linalg.matrix_power(A, 3)
tensor([[ 1.0756,  0.4980,  0.0100],
        [-1.6617,  1.4994, -1.9980],
        [-0.4509,  0.2731,  0.8001]])
>>> torch.linalg.matrix_power(A.expand(2, -1, -1), -2)
tensor([[[ 0.2640,  0.4571, -0.5511],
        [-1.0163,  0.3491, -1.5292],
        [-0.4899,  0.0822,  0.2773]],
        [[ 0.2640,  0.4571, -0.5511],
        [-1.0163,  0.3491, -1.5292],
        [-0.4899,  0.0822,  0.2773]]])