基于Python求解三角形中固定相对位置的未知点坐标

不用圆交点法，直接通过刚体变换计算是更高效可靠的方案——因为三角形形状大小不变，本质是将初始参考点变换到新位置时，自定义点跟着做相同的平移和旋转（或镜像）。

实现步骤 #

1. 计算初始参考点间的向量，以及自定义点相对于第一个参考点的向量
2. 计算新参考点间的向量，推导旋转矩阵（将初始参考向量旋转到新参考向量的方向）
3. 用旋转矩阵变换自定义点的相对向量，再平移到新参考点的坐标系中
4. 可选：处理镜像翻转的情况（对应圆交点的另一个解）

Python 代码实现 #

import math

def calculate_new_custom_point(R1_initial, R2_initial, C_initial, R1_new, R2_new):
    # 解析坐标：每个点是(x, y)元组
    xr1, yr1 = R1_initial
    xr2, yr2 = R2_initial
    xc, yc = C_initial
    xr1_new, yr1_new = R1_new
    xr2_new, yr2_new = R2_new

    # 计算初始向量：R1到R2，R1到C
    v_initial_x = xr2 - xr1
    v_initial_y = yr2 - yr1
    w_initial_x = xc - xr1
    w_initial_y = yc - yr1

    # 计算新参考向量：R1_new到R2_new
    v_new_x = xr2_new - xr1_new
    v_new_y = yr2_new - yr1_new

    # 计算向量长度（因为三角形大小不变，理论上len_v_initial == len_v_new，这里做校验）
    len_v_initial = math.hypot(v_initial_x, v_initial_y)
    len_v_new = math.hypot(v_new_x, v_new_y)
    if abs(len_v_initial - len_v_new) > 1e-6:
        raise ValueError("新参考点间距与初始不符，无法保持三角形大小不变")

    # 计算旋转角度的余弦和正弦值
    dot_product = v_initial_x * v_new_x + v_initial_y * v_new_y
    cross_product = v_initial_x * v_new_y - v_initial_y * v_new_x
    cos_theta = dot_product / (len_v_initial ** 2)
    sin_theta = cross_product / (len_v_initial ** 2)

    # 旋转自定义点的相对向量，再平移到新参考点（同向三角形）
    c_rotated_x = cos_theta * w_initial_x - sin_theta * w_initial_y
    c_rotated_y = sin_theta * w_initial_x + cos_theta * w_initial_y
    C_new = (xr1_new + c_rotated_x, yr1_new + c_rotated_y)

    # 镜像翻转的情况（反向三角形，对应圆交点的另一个解）
    c_mirrored_x = cos_theta * w_initial_x + sin_theta * w_initial_y
    c_mirrored_y = -sin_theta * w_initial_x + cos_theta * w_initial_y
    C_new_mirrored = (xr1_new + c_mirrored_x, yr1_new + c_mirrored_y)

    return C_new, C_new_mirrored

代码说明 #

• 输入参数：每个点都是(x, y)的元组或列表
• 返回值：两个可能的自定义点坐标——一个是和初始三角形同向的解，另一个是镜像翻转的解，可根据实际场景选择
• 校验步骤：确保新参考点的间距和初始一致，避免不符合“大小不变”的输入
• 计算效率：全程都是代数运算，没有迭代或图形渲染，速度极快，内存占用可忽略

示例用法 #

# 初始点
R1 = (0, 0)
R2 = (2, 0)
C = (1, 1)

# 新参考点（R1移到(3,3)，R2移到(5,3)，相当于平移）
R1_new = (3, 3)
R2_new = (5, 3)

C_normal, C_mirrored = calculate_new_custom_point(R1, R2, C, R1_new, R2_new)
print("同向解：", C_normal)  # 输出 (4,4)，符合预期
print("镜像解：", C_mirrored)  # 输出 (4,2)

内容的提问来源于stack exchange，提问作者Liam