线性代数Python计算：向量组线性相关的判断

对给定的$m$-维向量组
$${\mathbf{\alpha }}_1=\left(\begin{array}{c}{a}_{11}\\ a_{21}\\ ⋮\\ a_{m1}\end{array}\right),{\mathbf{\alpha }}_2=\left(\begin{array}{c}{a}_{12}\\ a_{22}\\ ⋮\\ a_{m2}\end{array}\right),\cdots ,{\mathbf{\alpha }}_n=\left(\begin{array}{c}{a}_{1n}\\ a_{2n}\\ ⋮\\ a_{mn}\end{array}\right)$$
齐次线性方程组
$$x_1{\mathbf{\alpha }}_1+x_2{\mathbf{\alpha }}_2+\cdots +x_n{\mathbf{\alpha }}_n=\mathbf{o}$$
是否有非零解决定了${\mathbf{\alpha }}_1,{\mathbf{\alpha }}_2,\cdots ,{\mathbf{\alpha }}_n$是否线性相关。所以，可以利用博文《线性方程组的通解》定义的mySolve函数解方程组$\mathbf{Ax}=\mathbf{o}$，其中$\mathbf{A}=({\mathbf{\alpha }}_1,{\mathbf{\alpha }}_2,\cdots ,{\mathbf{\alpha }}_n)$，$\mathbf{o}$为$m$-维零向量。若函数返回的解集（2-维数组）列数大于1（除了零解还有非零解），则线性相关（有非零解），否则线性无关。
例1 用Python判断向量组$\left(\begin{array}{c}-1\\ 3\\ 1\end{array}\right),\left(\begin{array}{c}2\\ 1\\ 0\end{array}\right),\left(\begin{array}{c}1\\ 4\\ 1\end{array}\right)$是否线性相关。

import numpy as np                      #导入numpy
a1=np.array([-1,3,1]).reshape(3,1)      #向量组
a2=np.array([2,1,0]).reshape(3,1)
a3=np.array([1,4,1]).reshape(3,1)
o=np.zeros((3,1))                       #零向量
A=np.hstack((a1,a2,a3))                 #矩阵A
X=mySolve(A,o)                          #解齐次线性方程组
_,t=X.shape                             #读取解集列数
if t>1:                                 #有非零解
    print('a1,a2,a3线性相关。')
    print('(%s)a1+(%s)a2+(%s)a3=o'%
           (X[0,1],X[1,1],X[2,1]))
else:                                   #只有零解
    print('a1,a2,a3线性无关。')

程序的第2~4行设置向量组a1，a2，a3，注意调用数组的reshape函数将数组设置为列向量。第5行设置零向量o。第6行将向量作为列组合成矩阵A。第7行调用mySolve函数解齐次线性方程组$\mathbf{Ax}=\mathbf{o}$，返回解集X。注意，mySolve的返回值是一个2-维数组：第1列表示方程组的特解，自第2列起表示齐次方程组或导出组的基础解系。第8行读取X的列数t。第9~14行的if-else语句就齐次线性方程组是否有非零解（解集X的列数t是否大于1）分别输出对应信息：若有非零解（t>1）,输出向量组线性相关的信息并用X的第2列（列标为1）数据给出向量组的零线性组合；否则输出线性无关信息。运行程序，输出

a1,a2,a3线性相关。
(-1.0)a1+(-1.0)a2+(1.0)a3=o

即$-{\mathbf{\alpha }}_1-{\mathbf{\alpha }}_2+{\mathbf{\alpha }}_3=\mathbf{o}$，线性相关。
写博不易，敬请支持：
如果阅读本文于您有所获，敬请点赞、评论、收藏，谢谢大家的支持！
代码诚可贵，原理价更高。若为AI学，读正版书好。