python - 下定系统解决方案python
问题描述
目标:
根据确定的线性系统(2x3)计算一个向量Ax = b
第三个方程应该是统一方程(x^2 + y^2 + z^2 = 1)。我有正确的矩阵系数,但无法得到正确的结果;试图以这种方式解决Ax = b:
函数返回运算符的空空间。然后我正在设置矩阵并尝试解决它。
from scipy.linalg import qr, null_space, svd
from scipy import transpose, compress
def null(A, eps=1e-17):
u, s, vh = svd(A)
padding = max(0,np.shape(A)[1]-np.shape(s)[0])
null_mask = np.concatenate(((s <= eps), np.ones((padding,),dtype=bool)),axis=0)
null_space = compress(null_mask, vh, axis=0)
return transpose(null_space)
我们有 3 个顶点设置一个三角形:
vh0 = [0., -1., 0.]
vh1 = [-0.03806, -0.98078501, -0.191341]
vh2 = [-0.074658, -0.98078501, -0.18024001]
# normal vector of vh0
normal_vec = [ 0., -0.23760592, 0.]
cap_vec10 = np.subtract(vh1, vh0)
cap_vec20 = np.subtract(vh2, vh0)
a1 = np.array(np.subtract(cap_vec20, cap_vec10))
a2 = np.array(np.dot(-1, capvec10))
# orientation bit of the normal vector
ob = np.sign(np.linalg.det([x_k, x_k1, normal_vec]))
# normal vector of vertex vh1 that I want to get solving the system
normal_vec1 = [-0.04744975, -0.97674069, -0.209108]
Lm = np.dot(np.subtract(vh2, vh1), normal_vec1)
Lm_1 = np.dot(np.subtract(vh0, vh1), normal_vec1)
# solving under determined system
A = np.array([a1, a2])
b = np.array([Lm, Lm_1])
x_lstsq = np.linalg.lstsq(A, b)[0]
wanted_norm = np.sqrt(abs(1 - (np.linalg.norm(x_lstsq)*np.linalg.norm(x_lstsq))))
Z = null(A)*wanted_norm
new_normal_vec = np.add(Z[:, 0], x_lstsq)
if np.sign(np.linalg.det([x_k, x_k1, Z[:, 0]])) != ob:
new_normal_vec[list(np.abs(x_lstsq)).index(min(np.abs(x_lstsq)))] *= ob
print("should_be: {}\ncounted_nv: {}".format(np.round(normal_vec1, 3), np.round(new_normal_vec, 3)))
normal_vec1 是我需要的向量。对于两个向量 Z*vector == 1。
代码中的系数:L_m = < vector, normal_vector >, <> - 标量乘法
据我了解,两个方程设置一条线,归一化给出一个统一球体。所以我的解决方案是交叉点和统一球体。但是,也无法理解如何获得这两种解决方案。
解决方案
尝试使用伪逆 np.linalg.pinv 函数:https ://docs.scipy.org/doc/numpy-1.15.0/reference/generated/numpy.linalg.pinv.html