基于针状三角形的向量夹角计算float64下返回NaN问题排查

该问题是浮点数舍入误差在退化三角形场景下的典型表现，具体逻辑如下：

• 你的测试用例中两个向量几乎完全沿x轴共线，理论夹角为0，对应的三角形三边长度len_a=1.0、len_b=0.008741225033460295、len_c=0.9912587749665397代数上完全满足len_a = len_b + len_c，属于共线的退化三角形。
• float64仅能保留约16位十进制有效数字，当计算bar - (foo - baz)时，三个数值接近的浮点数连续做减法会产生灾难性抵消，代数上应为0的结果会出现极小的负偏移，你观测到的-1.38e-17就属于这类精度误差。
• 该负误差会直接传导到分子计算环节，导致numerator变为负数，后续np.sqrt对负数求值自然返回nan。使用float128时精度足够，抵消了该类误差，因此问题消失。

仅需在开平方操作前增加一行数值截断，消除浮点误差引入的异常负值即可，不会影响正常场景的计算精度：

mask = denominator > eps
angle = np.divide(numerator, denominator, where=mask)
# 新增：截断小于0的浮点误差值，合法结果本身不会小于0
angle = np.clip(angle, a_min=0.0, a_max=None, out=angle)
np.sqrt(angle, out=angle)

该修复完全符合算法的数学定义：合法非退化三角形对应的numerator/denominator值本身就在[0, 1]区间内，截断操作仅会消除浮点舍入带来的极小负误差，不会改变正常计算结果。

内容的提问来源于stack exchange，提问作者FirefoxMetzger