如何在SciPy/Numpy中获取整数形式的矩阵零空间

SciPy的null_space函数返回的是归一化的正交基向量，因此默认输出是浮点数形式。如果已知零空间存在整数解，可通过以下两种方式获取整数形式的零空间基：

方法一：用SymPy直接计算整数基 #

SymPy的符号矩阵支持直接求解整数系数的零空间，无需处理浮点数误差，是最便捷的方式：

import numpy as np
from sympy import Matrix

A = np.array([[1, 2], [3, 6]])
# 将NumPy矩阵转为SymPy符号矩阵
sym_matrix = Matrix(A)
# 求解零空间的整数基
integer_null_space = sym_matrix.nullspace()
# 转换为NumPy数组输出
print(np.array(integer_null_space[0]))

运行结果为[-2 1]，正是你需要的最简整数解。

方法二：手动处理SciPy的浮点输出 #

如果不想引入SymPy，可以对SciPy的输出进行有理数转换和约分：

from scipy.linalg import null_space
import numpy as np
from fractions import Fraction

A = np.array([[1, 2], [3, 6]])
# 获取归一化的零空间基并展平
float_basis = null_space(A).flatten()
# 将浮点数转换为分数形式，消除精度误差
frac_ratio = Fraction(float_basis[0]/float_basis[1]).limit_denominator()
# 构造整数向量
integer_vec = np.array([frac_ratio.numerator, frac_ratio.denominator], dtype=int)
# 确保向量是最简形式（若有公因数可进一步约分）
gcd_val = np.gcd.reduce(integer_vec)
if gcd_val != 1:
    integer_vec = integer_vec // gcd_val
print(integer_vec)

该方法通过fractions.Fraction将浮点比例转为最简分数，再构造整数向量，同样能得到[-2 1]。

注意事项 #

• 当零空间维度大于1时，需对每个基向量分别执行上述操作，得到一组线性无关的整数基。
• 手动处理时，若浮点数精度问题导致比例偏离整数，可通过limit_denominator()参数控制分数近似的精度。

内容的提问来源于stack exchange，提问作者Ben G