本文介绍使用 galois 库在有限域 gf(2) 上快速计算矩阵零空间，从而自动找出使行向量线性组合模 2 为零的一组非零系数，避免手动实现高斯消元。
本文介绍使用 galois 库在有限域 gf(2) 上快速计算矩阵零空间，从而自动找出使行向量线性组合模 2 为零的一组非零系数，避免手动实现高斯消元。
在密码学、编码理论和布尔函数分析等场景中，常需判断一组整数向量在模 2 意义下是否线性相关，并显式构造一个非平凡的线性依赖关系（即不全为零的系数向量 c，使得 cA ≡ 0 (mod 2)）。给定一个形状为 (n+1) × n 的整数矩阵（行数多于列数），根据线性代数原理，其行向量在 GF(2) 上必然线性相关，因此零空间维数至少为 1 —— 这意味着一定存在非零解。
Python 标准生态（如 NumPy）本身不原生支持有限域运算，但专用库 Galois 提供了完整的 GF(2) 矩阵代数支持，包括高效的零空间（null space）计算。关键在于：求行线性依赖 ⇔ 求左零空间 ⇔ 求 Aᵀ 的右零空间。因此，我们需对原矩阵转置后，在 GF(2) 上计算其零空间。
以下为完整可运行示例：
from galois import GF2
import numpy as np
# 原始整数矩阵（4×3）
A_int = np.array([
[1, 3, 0],
[1, 1, 0],
[1, 0, 1],
[0, 1, 5]
])
# 步骤1：模2约简 + 转置 → 得到 GF(2) 上的 3×4 矩阵
A_gf2 = GF2(A_int.T % 2)
# 步骤2：计算零空间（返回行向量构成的基矩阵，每行是一个解）
null_basis = A_gf2.null_space()
print("GF(2) 上 A.T 的零空间基（每行是一个依赖系数向量）：")
print(null_basis)输出：
立即学习“Python免费学习笔记（深入）”；
GF(2) 上 A.T 的零空间基（每行是一个依赖系数向量）： [[1 0 1 1] [0 1 1 1]]
结果中第一行 [1, 0, 1, 1] 即为题目所求：它表示以第 1、第 3、第 4 行（索引从 0 开始）作系数为 1 的加法（GF(2) 中加法即异或，等价于整数模 2 求和），其余行为 0，所得行向量和为 [2, 4, 6] ≡ [0, 0, 0] (mod 2)。
⚠️ 注意事项：
- galois.GF2 自动将输入数组元素模 2 并映射到 {0, 1}，但必须先转置：因为 null_space() 默认求解 X @ A = 0（右零空间），而我们要的是 c @ A = 0（左零空间），故传入 A.T；
- 返回的零空间基是行满秩的，任意非零行（或其 GF(2) 线性组合）都是有效解；若仅需一个非零解，取 null_basis[0] 即可；
- 安装依赖：pip install galois（需 Python ≥ 3.8，底层基于 NumPy 和 Numba，性能优异）；
- 对于超大规模稀疏矩阵，可考虑结合 scipy.sparse 预处理，但 Galois 当前主要面向稠密小中规模问题。
综上，借助 Galois 库，仅需 3 行核心代码即可稳健、可读、高效地解决模 2 线性依赖问题，显著优于手写高斯消元（易错、难维护、无域语义保障）。
