在numpy中,生成两个正交向量a和b的最简单和最有效的方法是什么,使得这两个向量的叉积等于另一个已知的单位向量k?
我知道会有无数对满足条件axb=k和a.b=0,只要满足这些条件,对于我来说哪一对都没关系。
在numpy中,生成两个正交向量a和b的最简单和最有效的方法是什么,使得这两个向量的叉积等于另一个已知的单位向量k?
我知道会有无数对满足条件axb=k和a.b=0,只要满足这些条件,对于我来说哪一对都没关系。
>>> k # an arbitrary unit vector k is not array. k is must be numpy class. np.array
np.array([ 0.59500984, 0.09655469, -0.79789754])
>>> x = np.random.randn(3) # take a random vector
>>> x -= x.dot(k) * k # make it orthogonal to k
>>> x /= np.linalg.norm(x) # normalize it
>>> y = np.cross(k, x) # cross product with k
>>> np.linalg.norm(x), np.linalg.norm(y)
(1.0, 1.0)
>>> np.cross(x, y) # same as k
array([ 0.59500984, 0.09655469, -0.79789754])
>>> np.dot(x, y) # and they are orthogonal
-1.3877787807814457e-17
>>> np.dot(x, k)
-1.1102230246251565e-16
>>> np.dot(y, k)
0.0
>>> k = np.array([ 0.0, 0.0215, -1.334])
>>> x = np.random.randn(3)
>>> x -= x.dot(k) * k
>>> x /= np.linalg.norm(x)
>>> np.dot(x, k)
0.38532052441276377
- Miae Kim很抱歉,由于声望不足,我无法将其作为评论发布。
关于@behzad.nouri的回答,请注意如果k
不是单位向量,则该代码将不再给出正交向量!
正确而通用的做法是减去随机向量的纵向部分。此的通用公式在这里
因此,您只需在原始代码中替换此内容:
>>> x -= x.dot(k) * k / np.linalg.norm(k)**2
b1 = np.cross(u, [1, 0, 0]) # [1, 0, 0] can be replaced by other vectors, just get a vector orthogonal to u
b2 = np.cross(u, b1)
b1, b2 = b1 / np.linalg.norm(b1), b2 / np.linalg.norm(b2)
如果您喜欢,这是一个更短的答案。
获取转换矩阵
B = np.array([b1, b2])
TransB = np.dot(B.T, B)
u2b = TransB.dot(u) # should be like [0, 0, 0]
a
和b
是形状为(3,)(具有3个元素的一维数组)?你如何“手动”完成这个任务? - hpaulj