Nullraum-Rechner

Basis des Nullraums (Kern) einer Matrix mit Rechenweg bestimmen

$$ A = \begin{bmatrix} 1 & 2 & -1 \\ 2 & 4 & -2 \\ -1 & -2 & 1 \end{bmatrix} $$

Matrix (Koeffizienten eingeben)

Format: Leerzeichen trennt Spalten, neue Zeile für Zeilen.

Beispiele:

–

Leertaste

Enter

CLR

⌫

Basis des Nullraums

Visuelle Darstellung (3D)

Schritt-für-Schritt Lösung

👨‍🏫

Von Prof. David Anderson

Professor für Mathematik | Über 20 Jahre Lehrerfahrung

„In meinen Vorlesungen zur Linearen Algebra vergleiche ich den Nullraum (oder Kern) oft mit dem ‚blinden Fleck‘ einer Transformation. Er repräsentiert alle Vektoren, die im Ursprung verschwinden. Studenten kämpfen häufig mit dem Algorithmus: der Umwandlung in die ZFS und dem Identifizieren freier Variablen. Ich habe diesen Nullraum-Rechner entwickelt, um die Gauß-Elimination zu automatisieren und den Lösungsraum zu visualisieren.“

Der ultimative Nullraum-Rechner Guide: Basis, Kern und ZFS-Algorithmen

Ein tiefer Einblick in homogene Systeme ($A\mathbf{x} = \mathbf{0}$), Rang und lineare Unabhängigkeit

⚡ Wichtige Erkenntnisse für Studenten

Der Nullraum (bezeichnet als $\text{Nul}(A)$ oder $\ker(A)$) ist die Menge aller Vektoren $\mathbf{x}$, für die gilt: $A\mathbf{x} = \mathbf{0}$.
Um die Basis zu finden, müssen Sie die Zeilenstufenform (ZFS/RREF) berechnen und die freien Variablen identifizieren.
Die Dimension des Nullraums wird als Nullität (Defekt) bezeichnet.
Der Rangsatz (Dimensionssatz) besagt: $\text{Rang} + \text{Nullität} = \text{Anzahl der Spalten}$.

Willkommen zum definitiven Leitfaden zum Nullraum einer Matrix. Ob Sie ihn Nullraum, Kern oder einfach die Lösung der homogenen Gleichung nennen – dieses Konzept ist grundlegend für die Lineare Algebra und die Theorie der Vektorräume.

Geometrisch repräsentiert der Nullraum die „kollabierten“ Dimensionen einer Matrizentransformation – alles im Nullraum wird auf den Nullvektor abgebildet. Unser kostenloser Nullraum-Rechner oben nutzt die erweiterte Gauß-Elimination, um die Basisvektoren zu finden und visualisiert diesen Unterraum in 3D (sofern die Dimensionen es zulassen).

1. Was ist der Nullraum? (Formale Definition)

Definition: Der Kern (Nullraum)

Für eine $m \times n$ Matrix $A$ ist der Nullraum (oder Kern) die Menge aller Vektoren $\mathbf{x}$ in $\mathbb{R}^n$, die die homogene lineare Gleichung erfüllen:

$$ A\mathbf{x} = \mathbf{0} $$

Idealerweise möchten wir eine Basis für den Nullraum finden – eine minimale Menge linear unabhängiger Vektoren, die den gesamten Kern aufspannen. Die Anzahl dieser Vektoren ist die Nullität.

2. Vergleich: Nullraum vs. Spaltenraum

Es ist entscheidend, zwischen diesen beiden fundamentalen Unterräumen zu unterscheiden, wenn Sie einen Nullraum-Rechner verwenden.

Merkmal	Nullraum ($\text{Nul } A$)	Spaltenraum ($\text{Col } A$)
Ort	Unterraum von $\mathbb{R}^n$ (Definitionsbereich)	Unterraum von $\mathbb{R}^m$ (Zielbereich)
Gleichung	Lösungen für $A\mathbf{x} = \mathbf{0}$	Linearkombinationen der Spalten
Dimension	Nullität ($n – r$)	Rang ($r$)
Geometrische Bedeutung	Vektoren, die auf Null abgebildet werden	Bildbereich der Transformation

3. Der Algorithmus: Wie man den Nullraum findet

Unser Nullraum-Rechner folgt einem strikten 4-Schritte-Algorithmus basierend auf der Gauß-Elimination. Diesen sollten Sie für Ihre Prüfungen auswendig lernen.

Schritt-für-Schritt-Verfahren Algorithmus

Auf reduzierte Zeilenstufenform (ZFS) bringen: Verwenden Sie die Gauß-Elimination, um die Matrix $A$ in die reduzierte Zeilenstufenform umzuwandeln.
Variablen identifizieren:
- Pivot-Spalten: Entsprechen den Basisvariablen (abhängig).
- Nicht-Pivot-Spalten: Entsprechen den freien Variablen.
Gleichungen aufstellen: Drücken Sie jede Basisvariable durch die freien Variablen aus.
Parametrische Vektorform: Zerlegen Sie die allgemeine Lösung $\mathbf{x}$ in eine Linearkombination von Vektoren, wobei die freien Variablen als Gewichtungen dienen. Diese Vektoren bilden die Basis für den Nullraum.

4. Detailliertes Beispiel: Den Kern einer 3×4 Matrix finden

Lösen wir den Nullraum der Matrix $A$ manuell, um die Ausgabe des Nullraum-Rechners zu verstehen.

$$ A = \begin{bmatrix} 1 & -1 & 2 & 3 \\ 2 & -2 & 5 & 4 \\ 1 & -1 & 2 & 3 \end{bmatrix} $$

Schritt 1: ZFS (RREF)
Nach Zeilenoperationen ($R_2 – 2R_1$, etc.) erhalten wir:

$$ \text{ZFS}(A) = \begin{bmatrix} 1 & -1 & 0 & 7 \\ 0 & 0 & 1 & -2 \\ 0 & 0 & 0 & 0 \end{bmatrix} $$

Schritt 2: Variablen identifizieren
Pivots sind in Spalten 1 und 3 ($x_1, x_3$ sind Basisvariablen).
Keine Pivots in Spalten 2 und 4 ($x_2, x_4$ sind frei).

Schritt 3: Lösung aufschreiben
$$ x_1 – x_2 + 7x_4 = 0 \implies x_1 = x_2 – 7x_4 $$ $$ x_3 – 2x_4 = 0 \implies x_3 = 2x_4 $$

Schritt 4: Basis
$$ \mathbf{x} = \begin{bmatrix} x_1 \\ x_2 \\ x_3 \\ x_4 \end{bmatrix} = x_2 \begin{bmatrix} 1 \\ 1 \\ 0 \\ 0 \end{bmatrix} + x_4 \begin{bmatrix} -7 \\ 0 \\ 2 \\ 1 \end{bmatrix} $$ Die Basisvektoren sind $\langle 1, 1, 0, 0 \rangle$ und $\langle -7, 0, 2, 1 \rangle$. Die Nullität ist 2.

5. Der Rangsatz (Dimensionssatz)

Dieses Theorem verknüpft die Dimensionen der fundamentalen Unterräume. Es ist ein mächtiges Werkzeug, um die Ergebnisse unseres Kern-Rechners zu überprüfen.

$$ \text{Rang}(A) + \text{Nullität}(A) = n $$

Dabei gilt:
• $n$ ist die Anzahl der Spalten (Variablen).
• Rang ist die Anzahl der Pivot-Spalten.
• Nullität ist die Anzahl der freien Spalten (Dimension des Nullraums).

6. Häufig gestellte Fragen (FAQ)

Was passiert, wenn es keine freien Variablen gibt?

Wenn jede Spalte ein Pivot-Element besitzt, gibt es keine freien Variablen. Die einzige Lösung für $A\mathbf{x}=\mathbf{0}$ ist der Nullvektor $\mathbf{0}$. Der Nullraum ist dann der triviale Unterraum $\{\mathbf{0}\}$ und die Nullität ist 0.

Kann der Nullraum leer sein?

Nein. Der Nullraum enthält immer mindestens den Nullvektor $\mathbf{0}$, da $A\mathbf{0}$ immer $\mathbf{0}$ ergibt. Er ist niemals eine „leere Menge“.

Ist die Basis für den Nullraum eindeutig?

Nein. Es gibt unendlich viele Basen für einen Unterraum. Die Dimension (Nullität) ist jedoch eindeutig. Unser Rechner liefert die „Standardbasis“, die direkt aus der ZFS abgeleitet wird.

Referenzen & Weiterführende Literatur

Strang, G. (2016). Introduction to Linear Algebra (5. Aufl.). Wellesley-Cambridge Press. (Kapitel 3: Vektorräume).
Lay, D. C. (2021). Linear Algebra and Its Applications (6. Aufl.). Pearson. (Abschnitt 4.2: Nullräume).
Khan Academy. „Null space and column space.“ https://www.khanacademy.org/

Basis sofort finden

Hören Sie auf, Zeilenumformungen von Hand zu machen. Nutzen Sie unseren kostenlosen Nullraum-Rechner, um die ZFS zu erhalten, freie Variablen zu identifizieren und die exakten Basisvektoren für den Kern jeder Matrix zu finden.

Nullraum-Löser starten

Get in touch