Matrix-Rang-Rechner: Wie man den Rang mit der Zeilenstufenform findet

Was ist der Rang einer Matrix?

Der Rang einer Matrix ist die maximale Anzahl linear unabhängiger Zeilen, die sie enthält — gleichbedeutend mit der maximalen Anzahl linear unabhängiger Spalten. Eine Matrix kann in ihren Dimensionen groß sein (etwa 5×5) und dennoch einen kleinen Rang haben, wenn viele ihrer Zeilen oder Spalten Kombinationen anderer sind. Der Rang ist eine einzelne Zahl zwischen 0 und dem kleineren Wert aus Zeilen- und Spaltenanzahl: Für eine m×n-Matrix gilt 0 ≤ rang(A) ≤ min(m, n). Eine Matrix, deren Rang gleich min(m, n) ist, wird als vollrangig bezeichnet. Eine quadratische n×n-Matrix mit Rang genau n ist invertierbar; eine quadratische Matrix mit einem Rang kleiner als n heißt singulär und besitzt keine Inverse. Der Rang ist nicht dasselbe wie die Größe einer Matrix — eine 4×4-Matrix kann durchaus Rang 2 haben, wenn zwei ihrer Zeilen Vielfache der anderen beiden sind.

Rang = die Anzahl linear unabhängiger Zeilen = die Anzahl linear unabhängiger Spalten = die Anzahl der Pivot-Positionen, sobald die Matrix auf Zeilenstufenform reduziert ist.

Wie findet ein Matrix-Rang-Rechner den Rang mithilfe der Zeilenstufenform?

Ein Matrix-Rang-Rechner wendet das Gauß-Verfahren an, um die Matrix in Zeilenstufenform (ZSF) zu überführen — ein dreiecksartiges Layout, bei dem der erste von null verschiedene Eintrag jeder Zeile (ihr Pivot) strikt rechts vom Pivot der Zeile darüber liegt und etwaige Nullzeilen ganz unten stehen. Sobald eine Matrix in Zeilenstufenform vorliegt, ist der Rang einfach die Anzahl der von null verschiedenen Zeilen, was der Anzahl der Pivots entspricht. Das Eliminationsverfahren verwendet drei zulässige Zeilenoperationen, die den Rang niemals verändern: das Vertauschen zweier Zeilen, die Multiplikation einer Zeile mit einer von null verschiedenen Konstante und das Addieren eines Vielfachen einer Zeile zu einer anderen. Da diese Operationen lineare Abhängigkeitsbeziehungen erhalten, entspricht der Rang der zeilenreduzierten Matrix stets dem Rang der ursprünglichen Matrix.

Zeilenoperationen (Vertauschen, Skalieren, Vielfaches addieren) verändern den Rang nie. Die Zeilenstufenform macht den Rang sichtbar: Er entspricht der Anzahl der von null verschiedenen Zeilen.

Durchgerechnetes Beispiel: Den Rang einer vollrangigen 3×3-Matrix finden

Betrachte A = [[1, 2, 3], [2, 5, 3], [1, 0, 8]]. Dies ist eine klassische 3×3-Matrix zur Demonstration der Zeilenumformung bei vollem Rang. Da sie quadratisch ist, bedeutet voller Rang hier Rang 3.

Ergebnis: rang(A) = 3 für A = [[1,2,3],[2,5,3],[1,0,8]]. Drei von null verschiedene Pivot-Zeilen, übereinstimmend mit einer von null verschiedenen Determinante von -1.

Durchgerechnetes Beispiel: Den Rang einer rangdefizienten Matrix finden

Betrachte nun B = [[1, 2, -1], [2, 4, 1], [3, 6, 3]]. Beachte, dass Spalte 2 genau das Doppelte von Spalte 1 ist (2 = 2·1, 4 = 2·2, 6 = 2·3) — ein deutlicher Hinweis darauf, dass diese Matrix keinen vollen Rang haben wird.

Ergebnis: rang(B) = 2 für eine 3×3-Matrix — eine Dimension weniger als voller Rang, weil Spalte 2 = 2 × Spalte 1.

Die Determinanten-Abkürzung für quadratische Matrizen nutzen

Für eine quadratische n×n-Matrix gibt es eine Abkürzung: die Determinante berechnen. Wenn det(A) ≠ 0, hat die Matrix automatisch vollen Rang, das heißt rang(A) = n — keine Zeilenumformung nötig. Wenn det(A) = 0, weißt du, dass rang(A) < n ist, aber die Determinante allein sagt dir nicht den genauen Rang; du benötigst weiterhin eine Zeilenumformung (oder die Prüfung kleinerer Untermatrix-Determinanten), um herauszufinden, wie weit der Rang tatsächlich unter n liegt.

Abkürzung für quadratische Matrizen: det ≠ 0 bedeutet sofort rang = n (voller Rang). det = 0 sagt nur rang < n — die Zeilenumformung liefert den genauen Wert.

Zeilenrang vs. Spaltenrang: Warum sind sie immer gleich?

Es mag überraschend erscheinen, aber für jede Matrix — quadratisch oder nicht — entspricht die maximale Anzahl linear unabhängiger Zeilen stets der maximalen Anzahl linear unabhängiger Spalten. Dieses Ergebnis wird manchmal als Rangsatz bezeichnet und ist der Grund, warum in Kursen zur linearen Algebra einfach von „dem Rang“ gesprochen werden kann, ohne zwischen Zeilen- und Spaltenrang zu unterscheiden. Eine anschauliche Erklärung: Die Zeilenumformung kombiniert und ordnet nur Zeilen um, und die Anzahl der dabei entstehenden Pivot-Spalten entspricht genau der Anzahl unabhängiger Spalten der ursprünglichen Matrix, während die Anzahl der von null verschiedenen Zeilen der Anzahl unabhängiger Zeilen entspricht. Da beide Größen aus derselben Menge von Pivots stammen, müssen sie übereinstimmen. Für B = [[1, 2, -1], [2, 4, 1], [3, 6, 3]] aus dem vorherigen Beispiel hat die zeilenreduzierte Form Pivots in den Spalten 1 und 3 — das bestätigt, dass genau 2 Spalten unabhängig sind, übereinstimmend mit den 2 unabhängigen Zeilen.

Zeilenrang entspricht immer dem Spaltenrang. Dieser gemeinsame Wert wird einfach der Rang der Matrix genannt — es gibt keinen separaten „Zeilenrang-Rechner“ und „Spaltenrang-Rechner“.

Was sagt der Rang über ein Gleichungssystem aus?

Für ein System linearer Gleichungen Ax = b bestimmt der Rang genau, welche Art von Lösungsmenge du erhältst. Vergleiche rang(A), die Koeffizientenmatrix, mit rang([A|b]), der erweiterten Matrix mit den Konstanten als zusätzlicher Spalte: Wenn rang(A) < rang([A|b]), ist das System inkonsistent und hat keine Lösung. Wenn rang(A) = rang([A|b]) = n (die Anzahl der Unbekannten), hat das System genau eine Lösung. Wenn rang(A) = rang([A|b]) < n, hat das System unendlich viele Lösungen, mit n - rang freien Variablen.

Rangkriterium für Systeme: keine Lösung, wenn rang(A) < rang([A|b]); eine Lösung, wenn beide gleich n sind; unendlich viele, wenn beide gleich, aber kleiner als n sind.

Häufige Fehler bei der Berechnung des Matrix-Rangs

Beim manuellen Berechnen des Rangs tauchen immer wieder dieselben Fehler auf.

Der häufigste Rangfehler: den Rang ablesen, bevor die Elimination abgeschlossen ist. Beende die Zeilenumformung immer, bevor du die Pivots zählst.

Übungsaufgaben: Teste dein Verständnis des Matrix-Rangs

Arbeite diese drei Aufgaben durch und überprüfe anschließend deine Zeilenumformung anhand der untenstehenden Lösungen.

Kontrolliere deine Arbeit: Wirkt ein berechneter Rang zu hoch, überprüfe erneut, indem du vollständig auf Stufenform reduzierst und bestätigst, dass jede „von null verschiedene“ Zeile wirklich einen von null verschiedenen Pivot hat.

Warum einen Matrix-Rang-Rechner zum Schritt-für-Schritt-Üben nutzen?

Bei der Zeilenumformung von Hand passieren mitten in einer langen Matrix leicht Fehler — ein Rechenfehler in Zeile 2 pflanzt sich in jede darunterliegende Zeile fort. Ein Matrix-Rang-Rechner, der jeden Eliminationsschritt anzeigt, lässt dich deine eigene Arbeit Zeile für Zeile überprüfen und genau erkennen, wo sich ein Fehler eingeschlichen hat, statt nur zu sehen, ob der endgültige Rang stimmt. Solvifys Schritt-für-Schritt-Löser und KI-Mathe-Tutor führen genauso wie dieser Leitfaden durch Zeilenumformung, Determinanten-Abkürzungen und Rangaufgaben, sodass du Hausaufgaben überprüfen, für Prüfungen üben oder bei einer bestimmten Matrix weiterkommen kannst, ohne die Nachvollziehbarkeit jedes Schritts zu verlieren.