Question

我尝试使用函数linalg.solve的给定基数ss参数化任意t向量：

t = np.array([0.4, 0., 0., 0., 0., 0., 0., 0.3, 0., 0., 0., 0., 0.2, 0., 0., 0.1])
ss = np.array([[1.,  0.,  0.,  0.,  0.,  0.,  0.,  1.,  0.,  0.,  0.,  0.,  1.,  0.,  0.,  1.],
           [0.,  1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  1.,  0.,  0.],
           [0.,  0., -1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0., -1.,  0.],
           [1.,  0.,  0.,  0.,  0.,  0.,  0., -1.,  0.,  0., -0.,  0.,  1.,  0.,  0., -1.],
           [0.,  0.,  0.,  1.,  0.,  0.,  0.,  0.,  0.,  0.,  1.,  0.,  0.,  0.,  0.,  0.],
           [0.,  0.,  0.,  0.,  0.,  1.,  0.,  0.,  1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
           [0.,  0.,  0.,  0.,  0.,  0., -1.,  0.,  0.,  1.,  0.,  0.,  0.,  0.,  0.,  0.],
           [0.,  0.,  0.,  1.,  0.,  0.,  0., -0.,  0.,  0., -1.,  0.,  0.,  0.,  0., -0.],
           [0.,  0.,  0.,  0., -1.,  0.,  0.,  0.,  0.,  0.,  0., -1.,  0.,  0.,  0.,  0.],
           [0.,  0.,  0.,  0.,  0.,  0., -1.,  0.,  0., -1.,  0.,  0.,  0.,  0.,  0.,  0.],
           [0.,  0.,  0.,  0.,  0., -1., -0.,  0.,  1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
           [0.,  0.,  0.,  0., -1.,  0.,  0., -0.,  0.,  0.,  0.,  1.,  0.,  0.,  0., -0.],
           [1.,  0.,  0.,  0.,  0.,  0.,  0.,  1.,  0.,  0.,  0.,  0., -1., -0.,  0., -1.],
           [0.,  1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0., -0., -1.,  0., -0.],
           [0.,  0., -1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0., -0.,  0.,  1., -0.],
           [1.,  0.,  0.,  0.,  0.,  0.,  0., -1.,  0.,  0., -0.,  0., -1., -0.,  0.,  1.]])

然后做：

para = sp.linalg.solve(ss, t)

print para

print np.dot(ss, para) == t

我得到了：

[0.175 0. -0。 0.15-0。 0. -0。 0.125 0. -0。 -0.15 0. 0.025 -0。 0. 0.075]

[真真真真真真真真真真真真真真如此真假]

显然这是不对的......为什么会出现这种错误？

Answer 1

看起来它是一个舍入/数值逼近错误：

t[-1]
Out[493]: 0.10000000000000001

np.dot(ss,para)[-1]
Out[495]: 0.099999999999999964

np.linalg.solve没有给出正确的结果

1 个答案: