TriangularSolve

Menyelesaikan sistem persamaan linear dengan matriks segitiga atas atau bawah dengan substitusi balik.

`matriks` adalah tensor berbentuk `[..., M, M]` yang 2 dimensi terdalamnya membentuk matriks persegi. Jika `bawah` adalah `Benar` maka bagian segitiga paling atas dari setiap matriks terdalam diasumsikan nol dan tidak diakses. Jika `lower` adalah False maka bagian segitiga paling bawah dari setiap matriks terdalam diasumsikan nol dan tidak diakses. `rhs` adalah tensor dengan bentuk `[..., M, N]`.

Outputnya adalah tensor berbentuk `[..., M, N]`. Jika `adjoint` adalah `True` maka matriks terdalam pada `output` memenuhi persamaan matriks `matrix[..., :, :] * output[..., :, :] = rhs[..., :, :]`. Jika `adjoint` adalah `False` maka matriks terdalam dalam `output` memenuhi persamaan matriks `adjoint(matrix[..., i, k]) * output[..., k, j] = rhs[ ..., saya, j]`.

Catatan, bentuk batch untuk input hanya perlu disiarkan.

Contoh:

a = tf.constant([[3,  0,  0,  0],
                  [2,  1,  0,  0],
                  [1,  0,  1,  0],
                  [1,  1,  1,  1]], dtype=tf.float32)
 
 b = tf.constant([[4],
                  [2],
                  [4],
                  [2]], dtype=tf.float32)
 
 x = tf.linalg.triangular_solve(a, b, lower=True)
 x
 # <tf.Tensor: shape=(4, 1), dtype=float32, numpy=
 # array([[ 1.3333334 ],
 #        [-0.66666675],
 #        [ 2.6666665 ],
 #        [-1.3333331 ]], dtype=float32)>
 
 # in python3 one can use `a@x`
 tf.matmul(a, x)
 # <tf.Tensor: shape=(4, 1), dtype=float32, numpy=
 # array([[4.       ],
 #        [2.       ],
 #        [4.       ],
 #        [1.9999999]], dtype=float32)>