如何用NumPy实现MATLAB中null(A,'r')的矩阵零空间有理基计算？

我之前也碰到过同样的需求——用Python计算矩阵零空间的有理基，而不是NumPy默认的正交规范基。确实像你说的，MATLAB的null(A,'r')核心是行最简形（RREF），我后来用SymPy实现了一套精确的方案，还解决了两个常见的坑，分享给你：

MATLAB的有理零空间基是通过以下步骤得到的：

1. 将矩阵化为精确的行最简形（RREF），避免浮点数误差
2. 识别主元列（有首1的列）和自由变量列（无主元的列）
3. 给每个自由变量赋值单位向量（即一个自由变量设为1，其余设为0），通过RREF的线性方程求解主变量的值，组合成基向量

因为NumPy的RREF是浮点数运算，无法保证有理数的精确性，所以我们用SymPy的符号计算来实现：

import sympy as sp

def null_space_rational(matrix):
    # 转换为SymPy符号矩阵，确保精确计算
    sym_matrix = sp.Matrix(matrix)
    # 计算行最简形和主元列索引
    rref_mat, pivot_cols = sym_matrix.rref()
    num_cols = sym_matrix.shape[1]
    
    # 找出所有自由变量的列索引
    free_var_cols = [col for col in range(num_cols) if col not in pivot_cols]
    null_basis = []
    
    for free_col in free_var_cols:
        # 初始化基向量：对应自由变量的位置设为1，其余自由变量设为0
        basis_vec = sp.zeros(num_cols, 1)
        basis_vec[free_col] = 1
        
        # 根据行最简形的方程，求解主变量的值
        for row_idx, pivot_col in enumerate(pivot_cols):
            row = rref_mat[row_idx, :]
            # 主变量的取值 = -（行中自由变量项的线性组合）
            main_var_val = -sum(row[col] * basis_vec[col] for col in free_var_cols)
            basis_vec[pivot_col] = main_var_val
        
        # 确保所有元素都是最简有理数形式
        null_basis.append(basis_vec.applyfunc(sp.nsimplify))
    
    # 将基向量组合成矩阵（每列是一个基向量）
    return sp.Matrix.hstack(*null_basis) if null_basis else sp.zeros(num_cols, 0)

比如用一个秩为2的3x3矩阵测试：

# 测试矩阵
A = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
# 计算有理零空间基
rational_basis = null_space_rational(A)
print("零空间的有理基：")
sp.pprint(rational_basis)

输出结果和MATLAB null(A,'r')完全一致：

⎡1 ⎤
⎢-2⎥
⎣1 ⎦

我当初复刻时也踩过这两个坑：

1. 浮点数精度问题：用NumPy的numpy.linalg.matrix_rank或rref会引入浮点数误差，导致主元列识别错误。SymPy的符号计算完全避免了这个问题，所有运算都是精确的整数/分数。
2. 主变量与自由变量的对应错误：很多人会搞反主元列和自由列的关系，或者在求解主变量时符号出错。上面的代码明确遍历主元行，根据RREF的方程直接计算主变量的值，逻辑清晰不易出错。

内容的提问来源于stack exchange，提问作者relay