线性无关

线性无关 (Linear Independence)

线性无关（Linear Independence）是线性代数中的基本概念，用于描述一组向量之间的关系。一个向量集是线性无关的，如果集合中的任何一个向量都不能表示为其他向量的线性组合。该概念构成向量空间理论的基石，是理解基、维度和矩阵秩等核心概念的前提。

定义与等价条件

在向量空间V中，标量域通常为实数或复数，向量集 $\{\mathbf{v}_1, \ldots, \mathbf{v}_n\}$ 为线性无关，当且仅当向量方程 $c_1\mathbf{v}_1 + \cdots + c_n\mathbf{v}_n = \mathbf{0}$ 仅有平凡解 $c_1 = \cdots = c_n = 0$。也就是说，零向量只能以全零系数组合来表示。若存在不全为零的系数满足该方程，则向量集为线性相关，至少有一个向量可由其他向量线性组合表示。

线性无关与行列式之间存在重要关系。n个n维向量线性无关，当且仅当以其为列构造的矩阵的行列式非零，当且仅当矩阵可逆即满秩。其他常见的等价条件包括：矩阵的列秩等于列数即列满秩；Gram矩阵非奇异；Gram-Schmidt正交化过程可以完成且无零向量出现。

在统计学和计量经济学中的关键作用

设计矩阵的满秩条件是普通最小二乘法可估性的核心。OLS法方程 $X'X\hat{\beta} = X'y$ 有唯一解，当且仅当 $X$ 为列满秩即各回归元线性无关。若存在完全多重共线性，则 $X$ 降秩，$X'X$ 不可逆，OLS系数不可唯一识别，虚拟变量陷阱是这一问题的典型例子。

协方差矩阵的正定性方面，k个随机变量的协方差矩阵为奇异的，当且仅当存在非平凡的线性关系，使得某种变量组合确定性为零。该条件用于检测资产定价模型中多因子的冗余性。自由度概念方面，线性无关基底的数目即为自由度，回归分析中的残差自由度 $n-p$ 对应残差空间的维度，由线性无关的约束条件决定。在时间序列分析中，协整定义为若干个不平稳时间序列之间存在线性无关的线性组合为平稳，线性无关的协整向量数目即协整秩，对VECM的设定至关重要。线性无关作为向量空间理论的基础概念，在计量经济学的估计、诊断和模型识别中贯穿始末，构成了数据矩阵分析的基本代数工具。