背包问题是一个经典的组合优化问题，其递归关系可以通过动态规划来解决。下面是一个使用递归关系解决背包问题的示例代码：

def knapsack_recursive(weights, values, capacity, n):
    # base case
    if n == 0 or capacity == 0:
        return 0

    # 如果当前物品重量大于背包容量，则不放入背包
    if weights[n-1] > capacity:
        return knapsack_recursive(weights, values, capacity, n-1)

    # 返回两种情况下的最大值：
    # 1. 不放入当前物品，考虑前n-1个物品的最优解
    # 2. 放入当前物品，考虑前n-1个物品和剩余背包容量的最优解
    return max(values[n-1] + knapsack_recursive(weights, values, capacity-weights[n-1], n-1),
               knapsack_recursive(weights, values, capacity, n-1))

# 测试代码
weights = [1, 2, 3, 4, 5]
values = [5, 10, 15, 20, 25]
capacity = 10
n = len(weights)
print(knapsack_recursive(weights, values, capacity, n))

上述代码中，weights表示每个物品的重量，values表示每个物品的价值，capacity表示背包的容量，n表示物品的个数。函数knapsack_recursive通过递归关系来求解背包问题的最大价值。

需要注意的是，递归解法的时间复杂度较高，存在大量的重复计算。因此，在实际应用中，一般使用动态规划或者其他更高效的方法来解决背包问题。