Lektion 5.4

Rang einer Matrix und Lösbarkeit

50 min Lesezeit
Lesen anpassen

Nach dieser Lektion kannst du

  • den Rang einer Matrix als Dimension des Bildes der zugehörigen linearen Abbildung deuten,

  • begründen, warum Zeilenrang und Spaltenrang jeder Matrix übereinstimmen,

  • den Rang mit dem Gauß-Verfahren an der Zeilenstufenform ablesen,

  • mit dem Kriterium rang⁡A=rang⁡(A∣b)\operatorname{rang} A = \operatorname{rang}(A \mid b) entscheiden, ob ein lineares Gleichungssystem lösbar ist,

  • die Dimension der Lösungsmenge als n−rang⁡An - \operatorname{rang} A bestimmen.

Vorausgesetzt: Lineare Gleichungssysteme und das Gauß-Verfahren, Kern und Bild, Die Dimensionsformel, Matrizen als Darstellung linearer Abbildungen

Wie viele Gleichungen hat ein Gleichungssystem wirklich? Sieh dir dieses System über R\mathbb{R} an:

x1+2x2+x3=1x_1 + 2x_2 + x_3 = 1
2x1+x2−x3=22x_1 + x_2 - x_3 = 2
3x1+3x2−x3=33x_1 + 3x_2 \phantom{{}- x_3} = 3

Drei Gleichungen, drei Unbekannte. Aus der Schule kennst du die Faustregel, dass dann genau eine Lösung herauskommt. Hier stimmt sie nicht: Die dritte Gleichung ist die Summe der ersten beiden. Wer die ersten beiden erfüllt, erfüllt die dritte von selbst. Eigentlich sind es nur zwei Gleichungen, und zwei Gleichungen legen drei Unbekannte nicht fest.

Ändert man die rechte Seite der dritten Gleichung von 33 auf 44, kippt das Bild: Dann widerspricht die dritte Gleichung der Summe der ersten beiden, und es gibt gar keine Lösung.

Die Zahl der Gleichungen ist also die falsche Größe. Die richtige heißt Rang. Diese Lektion klärt, was der Rang misst, warum man ihn an den Zeilen ebenso wie an den Spalten ablesen kann, wie man ihn mit dem Gauß-Verfahren bestimmt und wie er über Lösbarkeit und Größe der Lösungsmenge entscheidet.

Vermute zuerst

Wie viele Lösungen hat das System oben (mit rechter Seite 33 in der dritten Gleichung)?

Beispiel

Dasselbe System von den Spalten her

Schreibe das System als Ax=bAx = b mit Koeffizientenmatrix AA, rechter Seite b=(1,2,3)b = (1, 2, 3) und den Spalten a1,a2,a3a_1, a_2, a_3 von AA. Das Produkt AxAx ist die Linearkombination x1a1+x2a2+x3a3x_1 a_1 + x_2 a_2 + x_3 a_3 der Spalten. Das System ist also genau dann lösbar, wenn bb im Spann der Spalten liegt, und das ist das Bild der linearen Abbildung fA ⁣:R3→R3f_A \colon \mathbb{R}^3 \to \mathbb{R}^3, x↦Axx \mapsto Ax.

Hier ist a3=a2−a1a_3 = a_2 - a_1, also Bild⁡fA=span⁡(a1,a2)\operatorname{Bild} f_A = \operatorname{span}(a_1, a_2). Da a1a_1 und a2a_2 keine Vielfachen voneinander sind, hat das Bild die Dimension 22: eine Ebene im R3\mathbb{R}^3. Jede Spalte hat als dritten Eintrag die Summe der ersten beiden, also liegt das Bild in der Ebene {y∈R3:y3=y1+y2}\{y \in \mathbb{R}^3 : y_3 = y_1 + y_2\}. Diese hat ebenfalls Dimension 22, also ist sie das Bild.

A=(12121−1330),Bild⁡fA={y∈R3:y3=y1+y2}A = \begin{pmatrix} 1 & 2 & 1 \\ 2 & 1 & -1 \\ 3 & 3 & 0 \end{pmatrix}, \qquad \operatorname{Bild} f_A = \{y \in \mathbb{R}^3 : y_3 = y_1 + y_2\}

Das erklärt die Einleitung: b=(1,2,3)b = (1, 2, 3) liegt in dieser Ebene, b=(1,2,4)b = (1, 2, 4) nicht. Die Zahl, die zählt, ist die Dimension des Bildes, und sie ist 22, nicht 33.

Definition

Spaltenrang und Zeilenrang

Sei KK ein Körper und A∈Km×nA \in K^{m \times n} eine Matrix mit den Spalten a1,…,an∈Kma_1, \dots, a_n \in K^m und den Zeilen z1,…,zm∈K1×nz_1, \dots, z_m \in K^{1 \times n} (Zeilenvektoren der Länge nn).

  • Der Spaltenrang von AA ist dim⁡span⁡(a1,…,an)\dim \operatorname{span}(a_1, \dots, a_n). Weil span⁡(a1,…,an)=Bild⁡fA\operatorname{span}(a_1, \dots, a_n) = \operatorname{Bild} f_A ist, ist das die Dimension des Bildes von fA ⁣:Kn→Kmf_A \colon K^n \to K^m, x↦Axx \mapsto Ax.
  • Der Zeilenrang von AA ist dim⁡span⁡(z1,…,zm)\dim \operatorname{span}(z_1, \dots, z_m), die Dimension des Zeilenraums in K1×nK^{1 \times n}.

Da jedes Erzeugendensystem eine Basis enthält, ist der Spaltenrang die größte Anzahl linear unabhängiger Spalten, der Zeilenrang die größte Anzahl linear unabhängiger Zeilen.

Beispiel

Ränge kleiner Matrizen und ein Gegenbeispiel

  • Die Nullmatrix hat Spalten- und Zeilenrang 00, denn der Spann des Nullvektors ist {0}\{0\}.
  • Die Einheitsmatrix EnE_n hat Spalten- und Zeilenrang nn, denn ihre Spalten sind die Standardbasis.
  • Die Matrix AA aus dem Beispiel oben hat Spaltenrang 22. Ihr Zeilenrang ist auch 22: Es ist z3=z1+z2z_3 = z_1 + z_2, und z1z_1, z2z_2 sind linear unabhängig.
  • Bei (1224)\begin{pmatrix} 1 & 2 \\ 2 & 4 \end{pmatrix} ist die zweite Spalte das Doppelte der ersten und die zweite Zeile das Doppelte der ersten: Spalten- und Zeilenrang sind 11.

Das letzte Beispiel ist auch ein Gegenbeispiel zu einer verbreiteten Abkürzung: Der Rang ist nicht die Anzahl der Zeilen, die nicht null sind. Die Matrix hat keine Nullzeile und trotzdem Rang 11. Erst in Zeilenstufenform darf man so zählen (siehe unten).

Aus der Definition folgt sofort: Der Spaltenrang ist höchstens nn (so viele Spalten gibt es) und höchstens mm (der Spann ist ein Untervektorraum von KmK^m). Ebenso ist der Zeilenrang höchstens mm und höchstens nn.

Kurz geprüft

Welchen Spaltenrang hat (123246)\begin{pmatrix} 1 & 2 & 3 \\ 2 & 4 & 6 \end{pmatrix}?

Satz

Zeilenumformungen ändern die Ränge nicht

Entsteht A′∈Km×nA' \in K^{m \times n} aus AA durch eine elementare Zeilenumformung (zwei Zeilen vertauschen, eine Zeile mit λ≠0\lambda \neq 0 multiplizieren, das λ\lambda-Fache einer Zeile zu einer anderen addieren), dann haben AA und A′A' denselben Zeilenrang und denselben Spaltenrang.

Satz

Ränge einer Zeilenstufenform

Sei Z∈Km×nZ \in K^{m \times n} in Zeilenstufenform mit rr Zeilen ungleich null. Der erste Eintrag ungleich null (der Pivot) der ii-ten Zeile stehe in Spalte sis_i, mit s1<s2<⋯<srs_1 < s_2 < \dots < s_r. Dann sind Zeilenrang und Spaltenrang von ZZ beide gleich rr.

Satz

Zeilenrang gleich Spaltenrang

Für jede Matrix A∈Km×nA \in K^{m \times n} ist der Zeilenrang gleich dem Spaltenrang. Diese gemeinsame Zahl heißt der Rang von AA, geschrieben rang⁡A\operatorname{rang} A. Es gilt rang⁡A=dim⁡Bild⁡fA≤min⁡(m,n)\operatorname{rang} A = \dim \operatorname{Bild} f_A \leq \min(m, n).

Schritt für Schritt

Rang mit dem Gauß-Verfahren bestimmen

Gesucht sind der Rang von BB und eine Basis von Bild⁡fB\operatorname{Bild} f_B:

  1. Ausgangsmatrix:

    B=(120124143615)B = \begin{pmatrix} 1 & 2 & 0 & 1 \\ 2 & 4 & 1 & 4 \\ 3 & 6 & 1 & 5 \end{pmatrix}
Schritt 1 von 5
Satz

Lösbarkeitskriterium

Sei A∈Km×nA \in K^{m \times n}, b∈Kmb \in K^m, und sei (A∣b)∈Km×(n+1)(A \mid b) \in K^{m \times (n+1)} die erweiterte Koeffizientenmatrix, also AA mit bb als zusätzlicher letzter Spalte. Das Gleichungssystem Ax=bAx = b ist genau dann lösbar, wenn

rang⁡A=rang⁡(A∣b).\operatorname{rang} A = \operatorname{rang}(A \mid b).
Beispiel

Das Kriterium im Einsatz

Für das System aus der Einleitung mit allgemeiner rechter Seite b=(b1,b2,b3)b = (b_1, b_2, b_3) liefert das Gauß-Verfahren auf (A∣b)(A \mid b) (zweite Zeile minus 22-mal erste, dritte minus 33-mal erste, dann dritte minus zweite):

(121b121−1b2330b3)  ⇝  (121b10−3−3b2−2b1000b3−b1−b2)\left(\begin{array}{ccc|c} 1 & 2 & 1 & b_1 \\ 2 & 1 & -1 & b_2 \\ 3 & 3 & 0 & b_3 \end{array}\right) \;\leadsto\; \left(\begin{array}{ccc|c} 1 & 2 & 1 & b_1 \\ 0 & -3 & -3 & b_2 - 2b_1 \\ 0 & 0 & 0 & b_3 - b_1 - b_2 \end{array}\right)

Links stehen zwei Stufen, also rang⁡A=2\operatorname{rang} A = 2. Ist b3−b1−b2≠0b_3 - b_1 - b_2 \neq 0, hat die erweiterte Matrix drei Stufen, rang⁡(A∣b)=3\operatorname{rang}(A \mid b) = 3, und das System ist unlösbar; die letzte Zeile sagt dann 0=b3−b1−b2≠00 = b_3 - b_1 - b_2 \neq 0. Für b=(1,2,4)b = (1, 2, 4) ist das der Fall. Für b=(1,2,3)b = (1, 2, 3) ist die letzte Zeile null, beide Ränge sind 22, und das System ist lösbar. Das ist genau die Ebene y3=y1+y2y_3 = y_1 + y_2 von oben.

Rang und Lösbarkeit bei zwei Unbekannten
−4−3−2−11234−4−3−2−11234x₁x₂
I\text{I}
erste Gleichung
II\text{II}
zweite Gleichung
Rang⁡A\operatorname{Rang} A
1
xx
keine

I:1 x1+2 x2=2\text{I}: 1\,x_1 + 2\,x_2 = 2, II:2 x1+4 x2=1\text{II}: 2\,x_1 + 4\,x_2 = 1. Die Geraden sind parallel und verschieden (oder eine Gleichung ist 0=c0 = c mit c≠0c \neq 0): Das System hat keine Lösung.

Jede Gleichung ist eine Gerade, die Lösungen sind ihre gemeinsamen Punkte. Ablesewerte: Rang der Koeffizientenmatrix und die Lösungsmenge.

Probier es aus

Satz

Struktur der Lösungsmenge

Sei A∈Km×nA \in K^{m \times n} mit rang⁡A=r\operatorname{rang} A = r und b∈Kmb \in K^m. Mit L(A,b)={x∈Kn:Ax=b}L(A, b) = \{x \in K^n : Ax = b\} gilt:

  • L(A,0)=Kern⁡fAL(A, 0) = \operatorname{Kern} f_A ist ein Untervektorraum von KnK^n der Dimension n−rn - r.
  • Ist x0∈L(A,b)x_0 \in L(A, b) eine Lösung, so ist L(A,b)=x0+Kern⁡fA={x0+v:v∈Kern⁡fA}L(A, b) = x_0 + \operatorname{Kern} f_A = \{x_0 + v : v \in \operatorname{Kern} f_A\}.
Kurz geprüft

Sei A∈R3×5A \in \mathbb{R}^{3 \times 5} mit rang⁡A=3\operatorname{rang} A = 3. Welche Aussage stimmt?

Kurz geprüft

Eine Matrix A∈R4×7A \in \mathbb{R}^{4 \times 7} hat Rang 33. Welche Dimension hat der Lösungsraum von Ax=0Ax = 0?

Häufige Fehler

Mehr Unbekannte als Gleichungen heißt nicht lösbar

Ein häufiger Schluss: "Das System hat mehr Unbekannte als Gleichungen, also hat es unendlich viele Lösungen."

Richtig ist

Für das homogene System stimmt das: Aus rang⁡A≤m<n\operatorname{rang} A \leq m < n folgt dim⁡Kern⁡fA=n−rang⁡A≥1\dim \operatorname{Kern} f_A = n - \operatorname{rang} A \geq 1, es gibt also eine Lösung x≠0x \neq 0. Ein inhomogenes System kann aber unlösbar sein. Beispiel: x1+x2+x3=1x_1 + x_2 + x_3 = 1 und x1+x2+x3=2x_1 + x_2 + x_3 = 2. Hier ist rang⁡A=1\operatorname{rang} A = 1, aber rang⁡(A∣b)=2\operatorname{rang}(A \mid b) = 2. Richtig ist: Wenn ein solches System lösbar ist, dann hat die Lösungsmenge mindestens die Dimension n−mn - m.

Häufige Fehler

Zeilenumformungen erhalten die Dimension des Bildes, nicht das Bild

Man bringt AA auf Zeilenstufenform ZZ und gibt die Pivotspalten von ZZ als Basis von Bild⁡fA\operatorname{Bild} f_A an.

Richtig ist

Zeilenumformungen erhalten den Kern und den Zeilenraum, aber nicht den Spaltenraum. Beispiel: (11)\begin{pmatrix} 1 \\ 1 \end{pmatrix} wird durch "zweite Zeile minus erste" zu (10)\begin{pmatrix} 1 \\ 0 \end{pmatrix}; die Bilder sind die Geraden durch (1,1)(1, 1) und durch (1,0)(1, 0), also verschieden. Gleich bleibt nur die Dimension. Die Basis des Bildes sind die Spalten der ursprünglichen Matrix, die an den Pivotstellen stehen.

Zusammenfassung

  • Der Spaltenrang von A∈Km×nA \in K^{m \times n} ist dim⁡Bild⁡fA\dim \operatorname{Bild} f_A, die größte Zahl linear unabhängiger Spalten; der Zeilenrang ist die Dimension des Zeilenraums.

  • Elementare Zeilenumformungen ändern weder Zeilenraum noch Kern, also weder Zeilen- noch Spaltenrang.

  • In Zeilenstufenform sind beide Ränge gleich der Zahl der Stufen. Daher gilt für jede Matrix Zeilenrang == Spaltenrang =rang⁡A≤min⁡(m,n)= \operatorname{rang} A \leq \min(m, n).

  • Rang bestimmen: mit Gauß auf Zeilenstufenform bringen, Stufen zählen. Die Pivotspalten der Ausgangsmatrix sind eine Basis des Bildes.

  • Ax=bAx = b ist genau dann lösbar, wenn rang⁡A=rang⁡(A∣b)\operatorname{rang} A = \operatorname{rang}(A \mid b), also wenn bb im Spann der Spalten liegt.

  • Der Lösungsraum von Ax=0Ax = 0 hat die Dimension n−rang⁡An - \operatorname{rang} A; jede lösbare Gleichung Ax=bAx = b hat die Lösungsmenge x0+Kern⁡fAx_0 + \operatorname{Kern} f_A.

  • Rang =m= m: für jedes bb lösbar. Rang =n= n: höchstens eine Lösung.

Übungen

Aufgabe 1Numerisch

Bestimme den Rang von (102011113)\begin{pmatrix} 1 & 0 & 2 \\ 0 & 1 & 1 \\ 1 & 1 & 3 \end{pmatrix}.

Aufgabe 2Numerisch

Für welche reelle Zahl tt hat (11112313t)\begin{pmatrix} 1 & 1 & 1 \\ 1 & 2 & 3 \\ 1 & 3 & t \end{pmatrix} einen Rang kleiner als 33?

Aufgabe 3Multiple Choice

Sei A∈R4×3A \in \mathbb{R}^{4 \times 3} mit rang⁡A=3\operatorname{rang} A = 3. Welche Aussage ist richtig?

Aufgabe 4Numerisch

Welche Dimension hat der Lösungsraum von Ax=0Ax = 0 für A=(120132411712104)A = \begin{pmatrix} 1 & 2 & 0 & 1 & 3 \\ 2 & 4 & 1 & 1 & 7 \\ 1 & 2 & 1 & 0 & 4 \end{pmatrix}?

Aufgabe 5Numerisch

Sei A=(12121−1330)A = \begin{pmatrix} 1 & 2 & 1 \\ 2 & 1 & -1 \\ 3 & 3 & 0 \end{pmatrix} und b=(2,−1,c)b = (2, -1, c). Für welches c∈Rc \in \mathbb{R} ist Ax=bAx = b lösbar?

Aufgabe 6Freitext

Sei A∈Km×nA \in K^{m \times n} mit m<nm < n. Zeige, dass Ax=0Ax = 0 eine Lösung x≠0x \neq 0 hat, und gib ein Beispiel dafür, dass Ax=bAx = b trotzdem für manche bb unlösbar sein kann.

Aufgabe 7Freitext

Seien A∈Km×nA \in K^{m \times n} und B∈Kn×pB \in K^{n \times p}. Beweise rang⁡(AB)≤min⁡(rang⁡A,rang⁡B)\operatorname{rang}(AB) \leq \min(\operatorname{rang} A, \operatorname{rang} B).