如何用SymPy获取Ax=0的两个独立特解向量？

直接用SymPy矩阵的nullspace()方法就能搞定，这个方法会直接返回齐次方程组Ax=0零空间的线性无关基向量，也就是你要的两个独立特解，比用linsolve后再拆分参数化结果方便多了。

修正后的完整代码 #

from sympy import Matrix

# 直接用SymPy构造系数矩阵，无需依赖numpy
Vec = Matrix([
    [1, 5, 7, 9],
    [0, 4, 1, 7],
    [2, -2, 11, -3]
])

# 获取零空间基向量（即独立特解）
basis_vectors = Vec.nullspace()

# 分别输出两个特解
print("对应tau0的特解：")
print(basis_vectors[0])
print("\n对应tau1的特解：")
print(basis_vectors[1])

输出结果示例 #

对应tau0的特解：
Matrix([[-23/4], [-1/4], [1], [0]])

对应tau1的特解：
Matrix([[-1/4], [-7/4], [0], [1]])

说明 #

1. nullspace()返回的是一个列表，每个元素都是SymPy矩阵对象，正好对应你需要的独立特解——这两个向量就是原输出中tau0和tau1各自的系数向量。
2. 原代码里导入solve却没用到，而且用np.matrix转SymPy矩阵属于多余操作，直接用SymPy的Matrix构造更简洁。
3. 如果你需要验证，把任意一个基向量代入Ax计算，结果都会是零向量，符合齐次方程组的解的要求。

内容的提问来源于stack exchange，提问作者Ben G