人工智能之数学基础：线性代数中的线性相关和线性无关

本文重点

在线性代数的广阔领域中，线性相关与线性无关是两个核心概念，它们对于理解向量空间、矩阵运算、线性方程组以及人工智能等问题具有至关重要的作用。

定义与直观理解

当存在一组不全为0的数x1，x2，...,xn使得上式成立的时候，那么此时我们可以说向量组a1，a2...,an线性相关。

线性相关：一组向量（在实数域或复数域内）被称为线性相关的，如果存在不全为零的标量（即系数），使得这组向量的线性组合等于零向量。换句话说，这组向量中至少有一个向量可以由其他向量的线性组合来表示，它们在几何上不具备完全的独立性。

如果不存在一组全不为0的数使得上式成立，则称这组向量线性无关。

线性无关：与线性相关相对，一组向量被称为线性无关的，如果唯一能使这组向量的线性组合等于零向量的标量组合是零标量组合（即所有系数都为零）。这意味着这组向量中的每一个都不能被其他向量的线性组合所替代，它们在几何上构成了空间中的一个独立集合。

判定方法

几何直观：在二维或三维空间中，可以通过观察向量的位置关系来初步判断其是否线性相关。例如，在二维平面上，如果两个向量共线（即方向相同或相反），则它们是线性相关的；如果它们不共线，则线性无关。然而，这种方法在高维空间中不再适用。

行列式法：对于二维和三维空间中的向量组，可以通过计算其构成的矩阵的行列式来判定线性相关性。如果行列式不为零，则向量组线性无关；如果行列式为零，则线性相关。但这种方法同样受限于向量组的维度。