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:
- 按定义转化为是否只有零解问题
- 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