Question

我需要为x解决一组 A x = B 形式的联立方程。我已经使用了numpy.linalg.solve函数，输入了A和B，但是我得到了错误＆＃39; LinAlgError：数组的最后2个维度必须是正方形＆＃39;。我该如何解决？

这是我的代码：

A = matrix([[v1x, v2x], [v1y, v2y], [v1z, v2z]])
print A

B = [(p2x-p1x-nmag[0]), (p2y-p1y-nmag[1]), (p2z-p1z-nmag[2])]
print B

x = numpy.linalg.solve(A, B)

矩阵/向量的值先前在代码中计算，这很好，但值是：

A =

(-0.56666301, -0.52472909)
(0.44034147, 0.46768087)
(0.69641397,  0.71129036)

B =

(-0.38038602567630364, -24.092279373295057, 0.0)

x的格式应为（x1，x2,0）

Answer 1

如果您仍然找不到答案，或者将来有人遇到这个问题。

要解决 Ax = b ：

numpy.linalg.solve使用LAPACK gesv。如in the documentation of LAPACK所述，gesv要求 A 为正方形：

LA_GESV计算方程A X = B的实数或复数线性系统的解，其中A是一个正方形矩阵，而X和B是一个矩形矩阵或向量。使用行交换的高斯消除将A分解为A = P L * U，其中P是置换矩阵，L是单位下三角，U是上三角。然后使用A的因式形式求解上述系统。

如果 A 矩阵不是正方形，则意味着您的变量多于方程式，反之亦然。在这些情况下，您可能会遇到无解或无数个解的情况。决定解决方案空间的是与列数相比的矩阵等级。因此，您首先必须检查矩阵的等级。

也就是说，您可以使用另一种方法来求解线性方程组。我建议看一下LU或QR甚至SVD等分解方法。在LAPACK中，您可以使用getrs；在Python中，您可以使用不同的东西：

首先像QR一样进行因式分解，然后将所得矩阵馈送到scipy.linalg.solve_triangular之类的方法中

使用numpy.linalg.lstsq
求解最小二乘

还可以看看here，其中提出并解决了一个简单的示例。

Answer 2

方形矩阵是具有相同行数和列数的矩阵。你正在做的矩阵是3乘2.添加一列零来解决这个问题。

LinAlgError：数组的最后2个维度必须是正方形

2 个答案: