【线性代数】【第四章】线性方程组习题

文章目录

一. 基本内容与重要理论

1. 基本内容

方程组的初等变换

主变量与自由变量的定义

基础解系

基础解系不唯一。

2. 主要定理

2.1. 齐次方程组

齐次方程组

有解:

注意:n是未知数的个数

齐次基础解系

解向量由自由向量构成。

2.2. 非齐次方程组

解的情况讨论


2.3. 解的性质(非齐次与齐次解的关系)

2.4. 通解结构

基础解系+已知解。

二. 典型例题

1. 齐次方程的解

题型一:常规题型

  1. 化为最简式。
    因为是阶梯形状的,所以一定能化为最简式,(主元所在列,除主元外都为0)。
  2. 求基础解析

    得到行最简矩阵之后,基础解系怎么求:
  3. 求通解:

    2.将自由变量x3或x5中的一个取值为1,其余取值为0,代入得到特解向量。

    这样就得到了方程组的基础解系。

利用行最简+

题型二:含有未知数的齐次方程组

行最简,a=不同值时,解的讨论。

得秩,得到自由变量,几个自由变量基础解系中就含有几个向量(n - R(A))

得同解方程组,得解。

题型三:基础解系证明题

  1. 利用a1,a2,a3的线性相关性,证明相关性

  2. 由12(由解+线性无关数=>基础解系数量的范围)+非零秩>=1。

2. 非齐次方程组的解的结构

题型一:求非齐次的通解

  1. 行变换:得最简式,得秩,得基础解系数量
  2. 得同解方程组,特解自由变量都为0,齐次通解依次为0,1.
  3. 将x1=-x2带入通解,消除一个k。

基础解系求的不对? 注意是求导出组的通解。

题型二:由未知数讨论解

  1. 行变换,
  2. 讨论未知数:系数矩阵与增广矩阵之间秩的关系。
  3. 求解:特解+系数矩阵的自由解。

两个未知数的讨论。

题型三:由已知特解求全部解

  1. 带入特解,消除掉一个未知参数。再进行行阶梯变换。讨论不同值下的秩关系,再求解。
  2. 条件带入通解。

题型四:用解的性质处理抽象方程组

  1. 由秩知道,解析结构:n-r(A)=1,a+kβ
  2. 求导出组通解,利用定义Ax=b
  3. 组成原式通解

题型五:通过矩阵运算构造出方程组再求解

构造方程组+求解

3. 有解判定、解的结构、性质

带入判断秩的关系。

只有方阵才能计算行列式,A不一定是方阵,也可能不存在。

增广矩阵的秩始终<=行向量。


A. 对于齐次线性方程组,系数矩阵的秩等于未知数的个数时,只有零解

D. 有可能无解:常数=0的矛盾情况。

4. 两个方程的公共解、同解

题型一:公共解

两个方程联合求:4行4列。求出基础解系

联合求:4行3列,导出组。

  1. 建立联合方程组,
  2. 设极大无关向量组,然后联合起来,易得可以线性表出联合矩阵的行向量,进而得秩的关系。
题型二:同解
  1. 因为通解,所以R(A) < 3,行列式=0,得a
  2. 求A基础解系,带入B,消一个未知数,
  3. 讨论剩余的未知数,观察系数矩阵
  1. 利用同解定义着手,左右假设
  2. 技巧:利用0,乘a的转置,得Aa=0

相关转置的结论:

5. 方程组的应用

题型一:可交换转为线性方程组

  1. 由可交换得方程组,解方程组通解,带入对应元素的矩阵。

题型二:由等式得方程组

由等式得出,对应位置参数的方程 + 然后解方程。

  1. 先求行列式(减参数,减低难度):可以行、列变换(求线性表出不能列变换),通过行列式判断秩,也就是解。
相关推荐
FanXing_zl8 小时前
快速掌握线性代数:核心概念与深度解析
线性代数·算法·机器学习
点云SLAM10 小时前
四元数 (Quaternion)微分-四元数导数的矩阵表示推导(8)
线性代数·算法·计算机视觉·矩阵·机器人·slam·四元数
西西弗Sisyphus10 小时前
四元数(Quaternion)、叉积(Cross Product)与点积(Dot Product)之间的关系
线性代数·机器学习·行列式·叉积·点积·四元数
YaraMemo12 小时前
对称/Hermitian矩阵相关记号
线性代数·5g·矩阵·信息与通信
ChoSeitaku1 天前
线代强化NO7|秩|矩阵的秩|向量组的秩|极大线性无关组|公式
线性代数·矩阵·概率论
不穿格子的程序员1 天前
从零开始写算法——二分-搜索二维矩阵
线性代数·算法·leetcode·矩阵·二分查找
dingzd951 天前
跨平台账号矩阵高效协同术
线性代数·矩阵·web3·facebook·tiktok·instagram·clonbrowser
一勺汤2 天前
YOLO12 改进、魔改|秩增强线性注意力RALA,通过增强 KV 缓冲与输出特征的矩阵秩,增强 YOLO 对小目标、复杂场景目标的识别能力
线性代数·yolo·矩阵·yolov12·yolo12·yolo12改进·小目标
西西弗Sisyphus2 天前
线性代数 - 理解求解矩阵特征值的特征方程
线性代数·矩阵·特征值·特征向量
醒过来摸鱼2 天前
多重组合问题与矩阵配额问题
线性代数·矩阵·概率论