update linalg docs

Author: Ligoml

docs/api/paddle/linalg/cholesky_solve_cn.rst

@@ -21,7 +21,7 @@ cholesky_solve
 ::::::::::::
 Tensor，线性方程的解X。
 
-代码示例：
+代码示例
 ::::::::::
 
 .. code-block:: python

docs/api/paddle/linalg/cond_cn.rst

@@ -19,7 +19,7 @@ cond
 ::::::::::::
 Tensor， 条件数的计算结果， 数据类型和输入 ``x`` 的一致。
 
-代码示例：
+代码示例
 ::::::::::
 
 COPY-FROM: paddle.linalg.cond

docs/api/paddle/linalg/det_cn.rst

@@ -16,7 +16,7 @@ det
 
 Tensor， 输出矩阵的行列式值 Shape为 ``[*]`` 。
 
-代码示例：
+代码示例
 ::::::::::
 
 .. code-block:: python

docs/api/paddle/linalg/eigvalsh_cn.rst

@@ -18,7 +18,7 @@ eigvalsh
 
 Tensor，输出矩阵的特征值，输出顺序按照从小到大进行排序。Shape为 ``[*, M]`` 。
 
-代码示例：
+代码示例
 ::::::::::
 
 .. code-block:: python

docs/api/paddle/linalg/lstsq_cn.rst

@@ -27,7 +27,7 @@ lstsq
     - ``rank`` 指 ``x`` 中矩阵的秩，形状为 ``(*)`` 的 Tensor；当 ``driver`` 为 'gelsy', 'gelsd', 'gelss' 时，该值会被计算，否则返回空 Tensor。
     - ``singular_values`` 指 ``x`` 中矩阵的奇异值，形状为 ``(*, min(M, N))`` 的 Tensor；当 ``driver`` 为 'gelsd', 'gelss' 时，该值会被计算，否则返回空 Tensor。
 
-代码示例：
+代码示例
 ::::::::::
 
 COPY-FROM: paddle.linalg.lstsq

docs/api/paddle/linalg/lu_cn.rst

@@ -39,7 +39,7 @@ LU和pivot可以通过调用paddle.linalg.lu_unpack展开获得L、U、P矩阵
     - Tensor(dtype=int) Pivots，旋转矩阵对应的旋转序列，详情见说明部分pivot部分，对于输入[*,m,n]的x，Pivots shape为[*, m]。
     - Tensor(dtype=int) Infos，矩阵分解状态信息矩阵，对于输入[*,m,n]，Infos shape为[*]。每个元素表示每组矩阵的LU分解是否成功，0表示分解成功。
 
-代码示例：
+代码示例
 ::::::::::
 
 .. code-block:: python

docs/api/paddle/linalg/lu_unpack_cn.rst

@@ -33,7 +33,7 @@ lu_unpack
     - Tensor U，由LU展开得到的U矩阵，若unpack_ludata为False，则为None。
     - Tensor P，由序列pivots展开得到的旋转矩阵P，若unpack_pivots为False，则为None。
 
-代码示例：
+代码示例
 ::::::::::
 
 .. code-block:: python

docs/api/paddle/linalg/qr_cn.rst

@@ -29,7 +29,7 @@ qr
     - Tensor Q， 正交三角分解的Q正交矩阵，需注意如果 ``mode = "reduced"`` ，则不返回Q矩阵，只返回R矩阵。
     - Tensor R， 正交三角分解的R上三角矩阵。
 
-代码示例：
+代码示例
 ::::::::::
 
 .. code-block:: python

docs/api/paddle/linalg/slogdet_cn.rst

@@ -16,7 +16,7 @@ slogdet
 
 Tensor ，输出矩阵的行列式值 Shape为 ``[2, *]``。
 
-代码示例：
+代码示例
 ::::::::::
 
 .. code-block:: python

docs/api/paddle/linalg/svd_cn.rst

@@ -30,7 +30,7 @@ svd
     - Tensor S，奇异值向量，Shape为 ``[*, K]`` 。
     - Tensor VH，奇异值分解的VH矩阵。如果full_matrics设置为False，则Shape为 ``[*, K, N]`` ，如果full_metrics设置为True，那么Shape为 ``[*, N, N]`` 。其中K为M和N的最小值。
 
-代码示例：
+代码示例
 ::::::::::
 
 .. code-block:: python