在矩形整数矩阵中识别互为标量倍数的行向量

核心思路为针对整数矩阵特性，采用无浮点运算的整数归一化方法，完全规避浮点误差，同时天然支持正负标量倍数的匹配。

步骤1：对每行做标准化归一化 #

• 单独处理全零行（全零行是任意行的0倍，可根据需求单独过滤）
• 计算当前行所有非零元素绝对值的最大公约数（GCD）
• 用行内所有元素除以该GCD，得到公约数为±1的最简整数行
• 统一符号规则：将最简行的第一个非零元素调整为正数，若第一个非零元素为负，则整行乘以-1
  经过上述处理后，所有互为标量倍数的行都会得到完全相同的归一化结果，比如示例中的第0行[-1,-1,0,0]归一化后为[1,1,0,0]，倒数第3行[1,1,0,0]归一化后结果完全一致，可直接匹配。

步骤2：分组匹配符合要求的行 #

将所有行按照归一化结果分组，同一组内的行天然互为标量倍数。若需额外排除「可表示为多个其他行线性组合」的行，只需对所有唯一归一化行组成的矩阵做高斯消元得到线性无关基，不在基中的归一化行即可被过滤，剩余组内的行均仅为组内其他行的标量倍数。

代码实现示例 #

import numpy as np
from math import gcd
from functools import reduce
from collections import defaultdict

def normalize_row(row):
    # 处理全零行
    if np.all(row == 0):
        return tuple(np.zeros_like(row))
    # 计算所有非零元素绝对值的GCD
    non_zero = row[row != 0]
    g = reduce(gcd, np.abs(non_zero))
    # 除以GCD得到最简行
    norm_row = row // g
    # 取第一个非零元素的符号，统一调整为正
    first_non_zero_idx = np.argmax(norm_row != 0)
    sign = norm_row[first_non_zero_idx]
    if sign < 0:
        norm_row = -norm_row
    return tuple(norm_row)

# 示例矩阵
A = np.array([[-1, -1,  0,  0],
       [-1, -1,  0,  1],
       [-1,  0, -1,  0],
       [-1,  0,  0,  0],
       [-1,  0,  0,  1],
       [-1,  0,  1,  1],
       [-1,  1, -1,  0],
       [-1,  1,  0,  0],
       [-1,  1,  1,  0],
       [ 0, -1,  0,  0],
       [ 0, -1,  0,  1],
       [ 0, -1,  1,  0],
       [ 0, -1,  1,  1],
       [ 0,  0, -1,  0],
       [ 0,  0,  0,  1],
       [ 0,  0,  1,  0],
       [ 0,  1, -1,  0],
       [ 0,  1,  0,  0],
       [ 0,  1,  0,  1],
       [ 0,  1,  1,  0],
       [ 0,  1,  1,  1],
       [ 1, -1,  0,  0],
       [ 1, -1,  1,  0],
       [ 1,  0,  0,  0],
       [ 1,  0,  0,  1],
       [ 1,  0,  1,  0],
       [ 1,  0,  1,  1],
       [ 1,  1,  0,  0],
       [ 1,  1,  0,  1],
       [ 1,  1,  1,  0]])

# 按归一化结果分组
groups = defaultdict(list)
for idx, row in enumerate(A):
    norm = normalize_row(row)
    groups[norm].append(idx)

# 输出互为标量倍数的行组
for norm, row_indices in groups.items():
    if len(row_indices) >= 2:
        print(f"归一化结果为{norm}的行索引：{row_indices}")

内容的提问来源于stack exchange，提问作者Christian