如何确定sympy.linsolve结果的自由变量及获取线性方程组特解

我来帮你搞定这个问题——之前我处理过类似的n维超平面拟合场景，刚好能给你一些实用的方案：

一、快速拿到特解的便捷方法 #

当sympy.linsolve返回带自由变量的通解时，完全不用手动去解析结果，有两种省心的方式获取特解：

第一种思路：直接给自由变量赋值

拿你提供的代码例子来说：

from sympy import Matrix, symbols, linsolve

x, y, z = symbols('x y z')
A = Matrix([[0, 0, 1], [1, 1, 1]])
b = Matrix([0, 0])
solution_set = linsolve((A, b), [x, y, z])

返回的solution_set是{(−y, y, 0)}，你可以直接给自由变量y塞个具体值（比如0或者1），代入解里就能得到特解：

# 先把通解表达式从集合里取出来
solution_expr = next(iter(solution_set))  # 得到(-y, y, 0)
# 给y赋值0，得到特解
particular_sol = [expr.subs(y, 0) for expr in solution_expr]
print(particular_sol)  # 输出：[0, 0, 0]
# 或者给y赋值1，得到另一个特解
another_sol = [expr.subs(y, 1) for expr in solution_expr]
print(another_sol)  # 输出：[-1, 1, 0]

第二种思路：用增广矩阵行最简形提取特解

sympy可以把增广矩阵转成行最简形，从里面能直接读出特解和自由变量的关系：

from sympy import Matrix, symbols, rref

x, y, z = symbols('x y z')
A = Matrix([[0, 0, 1], [1, 1, 1]])
b = Matrix([0, 0])
augmented = A.row_join(b)
# 求行最简形和主元列位置
rref_mat, pivot_cols = augmented.rref()
print(rref_mat)
# 输出：
# Matrix([[1, 1, 0, 0],
#         [0, 0, 1, 0]])

看这个结果，主元列是第0和第2列（对应x和z），剩下的第1列是y，也就是自由变量。让y=0，直接就能得到特解(0,0,0)；要是想找非零特解，给y设个非零值就行。

二、怎么快速识别自由变量 #

要确定哪些是自由变量，有两种简单的方式：

方式1：从解表达式里找自由符号

通解里的自由变量是那些没被其他变量定义的符号，用free_symbols属性就能揪出来：

solution_expr = next(iter(solution_set))
free_vars = set()
for expr in solution_expr:
    free_vars.update(expr.free_symbols)
print(free_vars)  # 输出：{y}

方式2：通过增广矩阵的主元列判断

主元列对应的是被约束的变量，剩下的就是自由变量：

all_vars = [x, y, z]
# 自由变量是不在主元列里的变量
free_vars = [all_vars[i] for i in range(len(all_vars)) if i not in pivot_cols]
print(free_vars)  # 输出：[y]

三、数值解替代方案：用scipy处理奇异方程组 #

如果你更偏向数值计算，scipy的lstsq()函数能处理奇异矩阵的情况，它返回的最小二乘解也是一种合法的特解：

import numpy as np
from scipy.linalg import lstsq

A = np.array([[0, 0, 1], [1, 1, 1]])
b = np.array([0, 0])
x, _, _, _ = lstsq(A, b)
print(x)  # 输出类似：[0. 0. 0.]（数值计算可能有微小精度误差）

内容的提问来源于stack exchange，提问作者Lily Zhang