使用Python求矩阵零空间：Sympy失效而Scipy生效的原因？

核心差异：符号精确计算 vs 数值近似计算 #

1. Sympy .nullspace()的行为 #

Sympy是符号计算库，它的.nullspace()方法会严格求解线性方程组 ( M\mathbf{v} = 0 )，只有当矩阵 ( M ) 存在精确的非零解时才会返回结果。

你的代码中，矩阵A里的1/2、1/3在Python中是float类型（浮点数），Sympy处理浮点矩阵时，会因为浮点数的精度限制，将矩阵判定为满秩（理论上该矩阵应该有一个一维零空间，但浮点误差干扰了Sympy的精确秩判断），因此返回空列表[]。

2. Scipy null_space()的行为 #

Scipy是数值计算库，它的null_space()方法基于奇异值分解（SVD）等数值算法，会在数值近似的意义下寻找满足 ( M\mathbf{v} \approx 0 ) 的向量。即使矩阵因浮点误差“接近”满秩，它也能识别出数值意义上的零空间，返回对应的近似解。

解决Sympy的问题：用精确符号表示分数 #

要让Sympy正确计算零空间，需要避免使用浮点数，改用Sympy的Rational类型来表示精确分数，这样Sympy就能准确判断矩阵的秩并求解零空间。

修改后的代码示例：

import sympy as sp

def ranking(A, m=0.1):
    A = sp.Matrix(A)
    n = A.shape[0]
    # 用精确有理数构造S矩阵
    S = sp.Matrix([[sp.Rational(1, n) for _ in range(n)] for __ in range(n)])
    # 将阻尼因子m转为精确有理数
    m_sym = sp.Rational(m)
    google = (1 - m_sym) * A + m_sym * S
    x = google - sp.eye(n)
    return x.nullspace()

# 用Rational替换浮点数，保证符号精确性
A = [
    [sp.Rational(0), sp.Rational(0), sp.Rational(1, 2), sp.Rational(1)],
    [sp.Rational(1, 3), sp.Rational(0), sp.Rational(0), sp.Rational(0)],
    [sp.Rational(1, 3), sp.Rational(1, 2), sp.Rational(0), sp.Rational(0)],
    [sp.Rational(1, 3), sp.Rational(1, 2), sp.Rational(1, 2), sp.Rational(0)]
]

# 获取精确零空间向量，转浮点近似查看
result = ranking(A)[0].evalf()
print(result)

输出结果（近似值）：

Matrix([[0.376637031250000], [0.138913750000000], [0.197734375000000], [0.286714843750000]])

总结 #

• Sympy的.nullspace()要求精确符号运算，浮点矩阵会导致秩判断错误；
• Scipy的null_space()是数值近似方法，适合处理浮点矩阵的近似零空间求解；
• 用Sympy的Rational类型表示分数，即可让Sympy返回精确的零空间解，再通过.evalf()转换为浮点近似值即可匹配预期结果。

内容的提问来源于stack exchange，提问作者schnitger