基于python判断线性代数向量组是否线性相关

向量组线性相关：存在不全为0的k，使（有非零解），至少有一个向量能由其余向量线性表示（几何意义：两向量共线、三向量共面等；代数意义：方程组有多余方程）

线性相关——；线性无关——

线性相关证法：

1. 按定义转化为是否只有零解问题
2. 矩阵秩向量的部分组

记得导包

import numpy as np
import random
import sympy
from sympy import *


## 基于python判断生成随机的线性代数向量组




```python
def setVector(n=3, m=3, minNum=-4, maxNum=4, rel=True, ram=False, returnlist=False, *args, **kwargs) -> list:
    """
    生成n个m维的向量组
    :param n: 向量的个数
    :param m: 向量的维数
    :param relevant: 向量组是否线性相关
    :param args:
    :param kwargs:
    :return: 向量组（元组）

    >>> setVector(4,4) #生成4个4维的向量
    >>> setVector(3,4)#生成3个4维的向量
    >>> setVector(4,4,rel=True)#生成3个4维的线性相关的向量
    >>> setVector(4,4,ram=True)#生成3个4维的线性相关性随机的向量

    """
    Vectors = []
    if ram == True:
        x = (random.randint(1, 3)) % 2  # 产生0到2的随机数
        if x == 1:
            rel = False
    for i in range(n):  # 依次生成一个向量，依次添加进向量组里
        if returnlist:
            s = setMat(m, 1, minNum, maxNum).tolist()
        else:
            s = setMat(m, 1, minNum, maxNum)
        Vectors.append(s)
    if rel == True:
        if not getRelevant(Vectors):
            Vectors = setVector(n, m, minNum, maxNum, rel, ram, returnlist)
    else:
        if getRelevant(Vectors):
            Vectors = setVector(n, m, minNum, maxNum, rel, ram, returnlist)

    return Vectors

基于python判断线性代数向量组是否线性相关

def getRelevant(vector, *args, **kwargs) -> bool:
    """
    判断向量组里的元素是否相关
    :param Vector: 向量组
    :param args:
    :param kwargs:
    :return: 线性相关返回True,线性无关返回False

    >>> test=setVector(3,3,rel=True)#产生3个3维的向量，相关性随机
    >>> test
    >>> getRelevant(test[0])
    >>> test1=setVector(3,3,ram=True)#产生3个3维的向量，相关性随机
    >>> test1
    >>> getRelevant(test1[0])
    >>> test1=setVector(3,3,ram=True)#产生3个3维的向量，相关性随机
    >>> test1
    >>> test3=[Matrix([[3],[1],[1],[1]]), Matrix([[3],[3],[1],[1]]), Matrix([[3],[3],[3],[1]]), Matrix([[6],[3],[1],[1]])]
    >>> getRelevant(test3)

    """
    vec1 = []
    for i in range(len(vector)):  # 将向量组转换成一个矩阵
        vec2 = np.array(vector)[i].reshape(1, -1)
        vec1.append(list(vec2[0]))
    vec1 = Matrix(vec1).T
    r = getmatRank(vec1)  # 计算矩阵的秩
    n = np.array(vec1).shape[0]  # 查看向量的个数
    if r < n:  # 线性相关
        return True
    else:  # 线性无关
        return False