Python 如何使用numpy解线性方程组？

我有一个矩阵形式的线性方程组：

A * X = b

假设我知道

A

和

X

我可以计算

b

矩阵。现在的问题是

b

应该包含相同的列（

b

是

N

3D点的矩阵，其中该列表示点坐标），但它们彼此不同，所以我想找到这样的

b

列（单个3D点）如果我计算给定的

A

和

b

（单个3D点）的

X

，这将最小化MSE

如何使用numpy来实现这一点？

一般来说，

np.pinv（A）@b

是MSE意义上的线性系统的解决方案；但您可能需要将系统转换为传统形式，例如b应该是一个列向量，例如大小为3*N。@bubble我相信b已经是（3，N）（即点是一个列）。我的意思是b的形状是（3*N，1）；在你的例子中，b的形状是（3，N）；您需要将系统转换为传统形式，例如使用

b=np.ravel（b，order='F'）

并相应地重新构造方程的右侧部分。通常，

np.pinv（A）@b

是MSE意义上的线性系统解；但您可能需要将系统转换为传统形式，例如b应该是一个列向量，例如大小为3*N。@bubble我相信b已经是（3，N）（即点是一个列）。我的意思是b的形状是（3*N，1）；在你的例子中，b的形状是（3，N）；您需要将系统转换为传统形式，例如使用

b=np.ravel（b，order='F'）

并相应地重新构造等式的正确部分。