如何用最小二乘法拟合3D点集球面？Math.NET计算结果错误排查

• 核心错误点：计算向量f时误用了已缩放2倍的坐标值。
  球面最小二乘拟合的公式为 2x·Cx + 2y·Cy + 2z·Cz + d = x² + y² + z²，其中等号右侧的x/y/z是原始点坐标，你在修改A矩阵行时已经将前三个坐标值乘了2，此时直接用修改后的行计算平方和，相当于将等号右侧的结果放大了4倍，最终解出的球心、半径也会同步放大4倍，和你得到的错误结果完全吻合。
• 次要问题：直接修改原始点向量构建A矩阵的逻辑容易产生副作用，建议单独构建A矩阵的行，避免污染原始数据。

// simplified example: Expected result: R=1000.0, C=(0, 1000, 0)
var points = new Vector<double>[]
{
    DenseVector.OfArray(new double[] {0.0, 0.0, 0.0, 1.0}),
    DenseVector.OfArray(new double[] {0.0, 1000.0, 1000.0, 1.0}),
    DenseVector.OfArray(new double[] {1000.0, 1000.0, 0.0, 1.0}),
    DenseVector.OfArray(new double[] {0.0, 1000.0, -1000.0, 1.0}),
};

Matrix<double> A = DenseMatrix.Create(points.Length, 4, 0.0);
Vector<double> f = DenseVector.Create(points.Length, 0.0);

for (int i = 0; i < points.Length; i++)
{
    var rawX = points[i][0];
    var rawY = points[i][1];
    var rawZ = points[i][2];
    // 构建A矩阵行
    A[i, 0] = 2 * rawX;
    A[i, 1] = 2 * rawY;
    A[i, 2] = 2 * rawZ;
    A[i, 3] = 1;
    // 构建f向量，使用原始坐标计算平方和
    f[i] = rawX * rawX + rawY * rawY + rawZ * rawZ;
}

var C = MultipleRegression.NormalEquations(A, f);
// 球心为 (C[0], C[1], C[2])
double t = (C[0] * C[0]) + (C[1] * C[1]) + (C[2] * C[2]) + C[3];
double radius = Math.Sqrt(t);
// 输出结果符合预期：C=(0,1000,0)，radius=1000

• Math.NET的NormalEquations方法完全适用于该场景，它本质就是求解线性方程组Ax=b的最小二乘解，和球面拟合的数学需求完全匹配，不存在库不支持的问题。

内容的提问来源于stack exchange，提问作者Christian