零空间计算器 - Ax=0 解集与基向量

Q: 用零空间计算器 - Ax=0 解集与基向量计算需要输入哪些内容？

首先，选择矩阵规模并输入元素；点击计算得到 RREF 与主元/自由变量划分。 然后，读取每个自由变量对应的基向量（工具已代值解出），零空间 = 这些基的任意线性组合。 全程在页面内完成，结果即时更新。

什么是在线零空间计算器？

零空间（null space / kernel）是「被矩阵 A 压成零向量」的所有向量的集合：N(A) = {x : Ax = 0}。它不是几个零散的解，而是一个子空间——两个解相加仍是解、解乘任意常数仍是解。求零空间就是解齐次线性方程组 Ax = 0，并把无穷多解组织成「基向量 × 自由参数」的紧凑形式。

求解流程完全依托行化简：把 A 化为 RREF，主元列对应的未知数是主变量，非主元列对应自由变量；给每个自由变量轮流赋 1（其余赋 0），解出的特解就是零空间的一组基。基向量的个数（自由变量个数）叫零度（nullity），它满足秩-零度定理：rank(A) + nullity(A) = 列数 n。这条定理是「压缩映射」的守恒律——列空间装下了秩维信息，剩下的自由度全被零空间接收。

零空间的直觉应用：「矩阵有非平凡零空间」意味着信息被压缩——不同的输入被映射到同一个输出（不可逆）。密码学里找线性映射的碰撞、图论里求环流空间、统计学里找设计矩阵的正交补，本质上都是在算零空间。det(A) ≠ 0 ⇔ 零空间只有零向量，这两种说法完全等价。

Ax = 0；RREF 后：主变量由自由变量表出；零空间基 = 每个自由变量赋 1 解出的特解；rank(A) + nullity(A) = n

示例：A = [[1,2,3],[2,4,6],[1,2,3]]（rank 1）→ RREF [[1,2,3],[0,0,0],[0,0,0]]：x₁ = −2x₂ − 3x₃，自由变量 x₂、x₃；基 v₁ = [−2,1,0]ᵀ、v₂ = [−3,0,1]ᵀ；零度 2，1+2 = 3 ✓。

如何使用在线零空间计算器

1
选择矩阵规模并输入元素；点击计算得到 RREF 与主元/自由变量划分。
2
读取每个自由变量对应的基向量（工具已代值解出），零空间 = 这些基的任意线性组合。
3
用秩-零度定理自检：秩 + 基向量个数应等于列数；det ≠ 0 的方阵零空间应只有零向量。

计算示例

例 1投影矩阵的核

A = [[1,0],[0,0]]（往 x 轴投影）：Ax = [x₁,0]ᵀ = 0 ⇔ x₁ = 0 → 零空间是 y 轴（基 [0,1]ᵀ）；被压扁的方向就是零空间，几何一目了然。

例 2判断可逆性

A = [[1,1],[2,1]]：消元得 det = −1 ≠ 0 → Ax = 0 只有零解，零空间 = {0}，零度 0——矩阵一对一，没有两个不同输入会撞出同一输出。

注意事项

零空间装的是「解向量」，不是零矩阵或数字 0；「零空间只有一个元素」指只有零向量，书写为 {0}。
基向量不唯一：给自由变量赋 1 的顺序不同会得到不同的基，但基向量个数（零度）唯一。
零空间是对「列」而言的（A 的列数决定解向量维数）；左零空间 N(Aᵀ) 是另一回事，方向别搞反。
数值上接近奇异的矩阵，零空间基对误差敏感；病态矩阵建议先做行列缩放或用奇异值分解（SVD）找数值零空间。

常见问题

Ax = 0；RREF 后：主变量由自由变量表出；零空间基 = 每个自由变量赋 1 解出的特解；rank(A) + nullity(A) = n。示例：A = [[1,2,3],[2,4,6],[1,2,3]]（rank 1）→ RREF [[1,2,3],[0,0,0],[0,0,0]]：x₁ = −2x₂ − 3x₃，自由变量 x₂、x₃；基 v₁ = [−2,1,0]ᵀ、v₂ = [−3,0,1]ᵀ；零度 2，1+2 = 3 ✓。在零空间计算器 - Ax=0 解集与基向量计算器中输入参数即可按此公式自动求解，无需手工推导。

零空间装的是「解向量」，不是零矩阵或数字 0；「零空间只有一个元素」指只有零向量，书写为 {0}；基向量不唯一：给自由变量赋 1 的顺序不同会得到不同的基，但基向量个数（零度）唯一。其余细节见页面注意事项一节。

投影矩阵的核：A = [[1,0],[0,0]]（往 x 轴投影）：Ax = [x₁,0]ᵀ = 0 ⇔ x₁ = 0 → 零空间是 y 轴（基 [0,1]ᵀ）；被压扁的方向就是零空间，几何一目了然。

首先，选择矩阵规模并输入元素；点击计算得到 RREF 与主元/自由变量划分。然后，读取每个自由变量对应的基向量（工具已代值解出），零空间 = 这些基的任意线性组合。全程在页面内完成，结果即时更新。

零空间（null space / kernel）是「被矩阵 A 压成零向量」的所有向量的集合：N(A) = {x : Ax = 0}。它不是几个零散的解，而是一个子空间——两个解相加仍是解、解乘任意常数仍是解。求零空间就是解齐次线性方程组 Ax = 0，并把无穷多解组织成「基向量 × 自由参数」的紧凑形式。

两者同属相关计算链条：矩阵的秩计算器 - 行阶梯形在线计算解决的是与之衔接的另一层问题。完成零空间计算器 - Ax=0 解集与基向量计算后，页面底部相关推荐区可直接跳转到矩阵的秩计算器 - 行阶梯形在线计算继续演算，参数在同类工具间口径一致，交叉验证更方便。

判断可逆性：A = [[1,1],[2,1]]：消元得 det = −1 ≠ 0 → Ax = 0 只有零解，零空间 = {0}，零度 0——矩阵一对一，没有两个不同输入会撞出同一输出。

输入元素。超出合理范围的输入可能导致结果无实际意义，页面注意事项一节标明了边界条件与单位口径。

本页零空间计算器 - Ax=0 解集与基向量计算器与页面内的公式、示例、对照表同源，全部数字由同一套程序实时计算。可用一个已知算例代入验证：先在示例一节找到演算过程，再用相同参数在计算器中复算一遍，两次结果一致即说明口径无误。

计算过程按双精度浮点执行，结果默认保留 4 位有效小数，页面会按数值大小自动切换科学计数法。对照表中的数值与计算器输出完全同源，不存在手工四舍五入引入的偏差。

它们是两个互补的子空间：列空间是「输出能到哪」（像空间），零空间是「哪些输入被浪费」（核）。秩-零度定理把两者的维数绑在列数 n 上。

x = 0 永远是解（平凡解）。零空间研究的正是「除了零还有没有别的解」——有非平凡解当且仅当列向量线性相关（det = 0）。

最小二乘解不唯一时（设计矩阵列相关），零空间给出解的「自由方向」；神经网络损失函数的零空间方向对应参数的对称性，是理解模型冗余的工具。

参考资料

凯文内容作者Calcton 数学编辑组口径审核Calcton 编辑组交叉审核· 内容更新于 2026-08-31

负责 Calcton 的公式核对与内容撰写：每个工具的公式都注明出处，示例数字经过程序复算，健康与判定标准一律采用国际口径。

Calcton 数学编辑组：标准教科书（高中至大学低年级）与常用数学手册的公式口径。

参考来源与更新说明

本页公式与判定标准参考以下权威资料：

最后更新：2026-08-31。

免责声明：本页面提供的计算结果与说明内容仅供参考，不构成医疗、税务、投资或法律等专业建议。尽管我们力求公式与数据准确，仍可能存在误差；据此做出的任何决策，请结合专业机构意见。

在线零空间计算器

什么是在线零空间计算器？

如何使用在线零空间计算器

计算示例

注意事项

常见问题

参考资料

引用本页

把这个计算器嵌入到你的网站

参考来源与更新说明

什么是在线零空间计算器？

如何使用在线零空间计算器

计算示例

注意事项

常见问题