Add CN doc for matrix_power

docs/api/paddle/Overview_cn.rst

@@ -237,6 +237,7 @@ tensor线性代数相关
     " :ref:`paddle.dot <cn_api_paddle_tensor_linalg_dot>` ", "计算向量的内积"
     " :ref:`paddle.histogram <cn_api_tensor_histogram>` ", "计算输入张量的直方图"
     " :ref:`paddle.matmul <cn_api_tensor_matmul>` ", "计算两个Tensor的乘积，遵循完整的广播规则"
+    " :ref:`paddle.matrix_power <cn_api_tensor_matrix_power>` ", "计算一个（或一批）方阵的 n 次幂"
     " :ref:`paddle.mv <cn_api_tensor_mv>` ", "计算矩阵 x 和向量 vec 的乘积"
     " :ref:`paddle.norm <cn_api_tensor_norm>` ", "计算给定Tensor的矩阵范数（Frobenius 范数）和向量范数（向量1范数、2范数、或者通常的p范数）"
     " :ref:`paddle.rank <cn_api_fluid_layers_rank>` ", "计算输入Tensor的维度（秩）"

docs/api/paddle/Tensor_cn.rst

@@ -919,6 +919,15 @@ matmul(y, transpose_x=False, transpose_y=False, name=None)
 
 请参考 :ref:`cn_api_tensor_matmul`
 
+matrix_power(x, n, name=None)
+:::::::::
+
+返回：经过矩阵幂运算后的Tensor
+
+返回类型：Tensor
+
+请参考 :ref:`cn_api_tensor_matrix_power`
+
 max(axis=None, keepdim=False, name=None)
 :::::::::
 

docs/api/paddle/matrix_power_cn.rst

@@ -0,0 +1,57 @@
+.. _cn_api_tensor_matrix_power:
+
+matrix_power
+-------------------------------
+
+.. py:function:: paddle.matrix_power(x, n, name=None)
+
+
+计算一个或一批方阵的 ``n`` 次幂。
+
+记 :math:`X` 为一个或一批方阵，:math:`n` 为幂次，则公式为：
+
+.. math::
+    Out = X ^ {n}
+
+特别地，
+
+- 如果 ``n > 0`` ， 则返回计算 ``n`` 次幂后的一个或一批矩阵。
+
+- 如果 ``n = 0`` ， 则返回一个或一批单位矩阵。
+
+- 如果 ``n < 0`` ， 则返回每个矩阵的逆（若矩阵可逆）的 ``abs(n)`` 次幂。
+
+参数
+:::::::::
+    - **x** (Tensor) : 输入的欲进行 ``n`` 次幂运算的一个或一批方阵， 类型为 Tensor。 ``x`` 的形状应为 ``[*, M, M]``， 其中 ``*`` 为零或更大的批次维度， 数据类型为float32， float64。
+    - **n** (int) : 输入的幂次， 类型为 int。 它可以是任意整数。
+    - **name** (str，可选) - 具体用法请参见 :ref:`api_guide_Name` ，一般无需设置，默认值为None。
+
+返回：
+:::::::::
+    - Tensor， 这个（或这批）矩阵 ``x`` 经过 ``n`` 次幂运算后的结果， 数据类型和输入 ``x`` 的一致。
+
+代码示例
+::::::::::
+
+.. code-block:: python
+
+    import paddle
+
+    x = paddle.to_tensor([[1, 2, 3],
+                          [1, 4, 9],
+                          [1, 8, 27]], dtype='float64')
+    print(paddle.matrix_power(x, 2))
+    # [[6.  , 34. , 102.],
+    #  [14. , 90. , 282.],
+    #  [36. , 250., 804.]]
+
+    print(paddle.matrix_power(x, 0))
+    # [[1., 0., 0.],
+    #  [0., 1., 0.],
+    #  [0., 0., 1.]]
+
+    print(paddle.matrix_power(x, -2))
+    # [[ 12.91666667, -12.75000000,  2.83333333 ],
+    #  [-7.66666667 ,  8.         , -1.83333333 ],
+    #  [ 1.80555556 , -1.91666667 ,  0.44444444 ]]