来自最小二乘法平面的法向量

时间:2009-09-24 18:05:57

标签: regression linear-regression plane

我有一组积分,我可以用以下形式推导出最小二乘解:

z = Ax + By + C  

我计算的系数是正确的,但是如何在这种形式的等式中得到平面向量的平面?简单地使用此方程中的A,B和C系数作为使用我的测试数据集的法向量似乎不正确。

3 个答案:

答案 0 :(得分:1)

形成两个载体

v1 = <1 0 A>
v2 = <0 1 B>

这两个都在飞机上并采取交叉产品:

N = v1 x v2 = <-A, -B, +1>     (or    v2 x v1 = <A, B, -1>  )

这是有效的,因为两个向量的交叉积总是垂直于两个输入。因此,在平面中使用两个(非共线)矢量可以得到正常值。

NB:当然,您可能希望规范化正常,但我会将其作为练习。

答案 1 :(得分:1)

继续dmckee的回答:

a x b =(a2b3 - a3b2),(a3b1 - a1b3),(a1b2 - a2b1)

在你的情况下a1 = 1,a2 = 0 a3 = A b1 = 0 b2 = 1 b3 = B

so =( - A),( - B),(1)

答案 2 :(得分:1)

dmckee答案有点多颜色。我直接评论,但我还没有足够的SO代表。 - (

当C = 0时,平面z = Ax + By + C仅包含点(1,0,A)和(0,1,B)。所以,我们将讨论平面z = Ax + By。当然,这很好,因为这个第二个平面与原始平面平行,包含原点的独特垂直平移。我们希望计算的正交向量在这样的翻译下是不变的,所以没有任何伤害。

当然,dmckee的措辞是他指定的“向量”位于飞机中,而不是点,所以他可以说是被覆盖的。但令我觉得有助于明确承认隐含的翻译。

男孩,这件事对我来说已经有一段时间了。

迂腐地说你......; - )