如何在Python中寻找整数矩阵模2意义下的行线性相关性

你需要找的是二元域GF(2)上矩阵的左零空间向量——即非零行向量，与原矩阵相乘（模2）后得到零向量。下面提供两种基于Python库的实现方式，无需从头编写高斯消元：

方法一：用SymPy（推荐，原生支持GF(2)） #

SymPy的符号计算模块原生支持有限域运算，能直接求解GF(2)下的零空间，代码极简：

import sympy as sp

# 输入你的整数矩阵
matrix = [[1, 3, 0], [1, 1, 0], [1, 0, 1], [0, 1, 5]]
# 将矩阵元素转换为GF(2)下的元素（自动模2）
gf2_matrix = sp.Matrix(matrix).applyfunc(lambda x: x % 2)
# 求解左零空间（行的线性组合为零）
null_space = gf2_matrix.left_nullspace()
# 提取第一个非零解，转换为整数列表
solution = [int(val) for val in null_space[0]]
print(solution)  # 输出: [1, 0, 1, 1]

方法二：用NumPy（手动适配模2运算） #

NumPy默认基于实数域，需手动实现模2下的高斯消元，但可以用数组操作简化流程：

import numpy as np

def find_zero_combination_mod2(matrix):
    # 转换为模2的二进制矩阵
    A = np.array(matrix, dtype=int) % 2
    m, n = A.shape  # m = n+1，符合你的输入规格
    # 转置矩阵，将左零空间问题转为右零空间问题
    A_T = A.T
    # 构造增广矩阵：[A^T | 单位矩阵]，用于追踪行变换
    aug = np.hstack((A_T, np.eye(m, dtype=int)))
    
    # 模2下的高斯消元
    for col in range(n):
        # 寻找当前列的主元行（第一个值为1的行）
        pivot_idx = np.argmax(aug[col:, col] == 1)
        if aug[col + pivot_idx, col] != 1:
            continue
        pivot_row = col + pivot_idx
        # 交换当前行与主元行
        aug[[col, pivot_row]] = aug[[pivot_row, col]]
        # 消去其他行的当前列
        for row in range(m):
            if row != col and aug[row, col] == 1:
                aug[row] = (aug[row] + aug[col]) % 2
    
    # 提取全零行对应的解（后m列即为左零空间向量）
    zero_rows = np.where(np.all(aug[:, :n] == 0, axis=1))[0]
    solution = aug[zero_rows[0], n:].tolist()
    return solution

# 测试示例
matrix = [[1, 3, 0], [1, 1, 0], [1, 0, 1], [0, 1, 5]]
print(find_zero_combination_mod2(matrix))  # 输出: [1, 0, 1, 1]

说明 #

• 两种方法都能得到满足要求的非零解，解可能不唯一，但只要是左零空间中的非零向量都符合需求。
• SymPy方法无需处理底层消元逻辑，更适合快速实现；NumPy方法则更贴近手动消元的思路，适合需要自定义流程的场景。

内容的提问来源于stack exchange，提问作者hmmmmmmm