线性代数的基础解系是什么，该怎样求啊

基础解系：齐次线性方程组的解集的极大线性无关组称为该齐次线性方程组的基础解系。

1、对系数矩阵A进行初等行变换，将其化为行阶梯形矩阵；

2、若r(A)=r=n（未知量的个数），则原方程组仅有零解，即x=0，求解结束；

若r(A)=r<n（未知量的个数），则原方程组有非零解，进行以下步骤：

3、继续将系数矩阵A化为行最简形矩阵，并写出同解方程组；

4、选取合适的自由未知量，并取相应的基本向量组，代入同解方程组，得到原方程组的基础解系

扩展资料：

基础解系的性质：

基础解系是线性无关的，简单的理解就是能够用它的线性组合表示出该方程组的任意一组解，是针对有无数多组解的方程而言的。基础解系不是唯一的，因个人计算时对自由未知量的取法而异，但不同的基础解系之间必定对应着某种线性关系。

基础解系是针对有无数多组解的方程而言，若是齐次线性方程组则应是有效方程的个数少于未知数的个数，若非齐次则应是系数矩阵的秩等于增广矩阵的秩，且都小于未知数的个数。

线性代数公式是：(AB)^T=(B^T)(A^T),(AB)^(-1)=[B^(-1)][A^(-1)]。

两个向量a = [a1, a2,…, an]和b = [b1, b2,…, bn]的点积定义为：a·b=a1b1+a2b2+……+anbn。使用矩阵乘法并把（纵列）向量当作n×1 矩阵，点积还可以写为：a·b=a^Tb，这里的a^T指示矩阵a的转置。

重要定理

每一个线性空间都有一个基。

对一个 n 行 n 列的非零矩阵 A，如果存在一个矩阵 B 使 AB = BA =E（E是单位矩阵），则 A 为非奇异矩阵（或称可逆矩阵），B为A的逆阵。

1、矩阵非奇异（可逆）当且仅当它的行列式不为零。

2、矩阵非奇异当且仅当它代表的线性变换是个自同构。

3、矩阵半正定当且仅当它的每个特征值大于或等于零。

4、矩阵正定当且仅当它的每个特征值都大于零。

5、解线性方程组的克拉默法则。

6、判断线性方程组有无非零实根的增广矩阵和系数矩阵的关系。

一、作用不同：

惩罚函数法在M越来越大的情况下，函数F趋近于病态，乘子法克服这个缺点根据拉格朗日分解加了一个uih（x）M变为了c/2。

主要思想是引入一个新的参数λ(即拉格朗日乘子)，将约束条件函数与原函数联系到一起，使能配成与变量数量相等的等式方程。

二、定义不同：

基本的拉格朗日乘子法(又称为拉格朗日乘数法)，就是求函数f(x1,x2,)在g(x1,x2,)=0的约束条件下的极值的方法。

罚函数法是从非可行解出发逐渐移动到可行区域的方法。罚函数法在理论上是可行的，在实际计算中的缺点是罚因子M的取值难于把握，太小起不到惩罚作用;太大则由于误差的影响会导致错误。

三、使用方法不同：

在进化计算中，研究者选择外部罚函数法的原因主要是该方法不需要提供初始可行解。需要提供初始可行解则是内部罚函数法的主要缺点。由于进化算法应用到实际问题中可能存在搜索可行解就是NP难问题，因此这个缺点是非常致命的。

基本的拉格朗日乘子法就bai是求函数f(x1,x2,)在约束条件g(x1,x2,)=0下的极值的方法。其主要思想是将约束条件函数与原函数联立，从而求出使原函数取得极值的各个变量的解。

扩展资料：

如果这个实际问题的最大或最小值存在，一般说来驻点只有一个，于是最值可求。

条件极值问题也可以化为无条件极值求解，但有些条件关系比较复杂，代换和运算很繁，而相对来说“拉格朗日乘数法”不需代换，运算简单一点，这就是优势。

条件φ(x,y,z)一定是个等式，不妨设为φ(x,y,z)=m

则再建一个函数g(x,y,z)=φ(x,y,z)-m

g(x,y,z)=0以g(x,y,z)代替φ(x,y,z)

在许多极值问题中，函数的自变量往往要受到一些条件的限制，比如，要设计一个容积为 V的长方体形开口水箱，确定长、宽和高，使水箱的表面积最小。设水箱的长、宽、高分别为 x,y,z， 则水箱容积V=xyz。

-拉格朗日乘数法