MathematicsLineare AlgebraUniversity

OCRAPOntarioNSWCBSEGCE O-LevelMoECAPS

Matrixspur

Die Summe der Diagonalelemente einer quadratischen Matrix, die auch der Summe ihrer Eigenwerte entspricht.

Understand the formulaSee the free derivationOpen the full walkthrough

tr (A) = i = 1 \sum n a_{ii} = i = 1 \sum n λ_{i}

Open Full Walkthrough Try Calculator

This public page keeps the free explanation visible and leaves premium worked solving, advanced walkthroughs, and saved study tools inside the app.

Core idea

Overview

Die Spur einer quadratischen Matrix ist der Skalar, der als Summe der Elemente auf ihrer Hauptdiagonale definiert ist. Sie ist ein grundlegender Operator der linearen Algebra, der der Summe der Eigenwerte der Matrix entspricht und unter Ähnlichkeitstransformationen invariant bleibt.

When to use: Verwende die Spur, wenn du die Summe der Eigenwerte berechnen oder invariante Eigenschaften einer linearen Transformation bestimmen musst. Sie wird auch bei der Berechnung des inneren Produkts zweier Matrizen oder bei der Analyse der Divergenz eines Vektorfelds in der Tensorrechnung verwendet.

Why it matters: Die Spur ist wichtig, weil sie komplexe Matrixoperationen auf einen einzelnen Skalar reduziert, der wesentliche Informationen über das System enthält. In der Physik wird sie in der Quantenmechanik zur Bestimmung von Erwartungswerten und in der Thermodynamik zur Definition der Zustandssumme verwendet.

Symbols

Variables

tr(A) = Matrix Trace, $a_{11}$ = Diagonal Element a11, $a_{22}$ = Diagonal Element a22

tr(A)

Matrix Trace

The sum of the diagonal elements

a_{11}

Diagonal Element a11

The first element on the main diagonal

a_{22}

Diagonal Element a22

The second element on the main diagonal

Walkthrough

Derivation

Herleitung/Verständnis der Matrix-Spur

Diese Herleitung definiert die Spur einer quadratischen Matrix als die Summe ihrer Diagonalelemente und zeigt, dass sie auch gleich der Summe ihrer Eigenwerte ist.

A ist eine quadratische n x n Matrix mit reellen oder komplexen Einträgen.
Verständnis von Eigenwerten und Eigenvektoren.
Vertrautheit mit dem charakteristischen Polynom einer Matrix.

Definition der Spur:

Die Spur einer quadratischen Matrix A ist definiert als die Summe der Elemente auf ihrer Hauptdiagonale.

tr (A) = i = 1 \sum n a_{ii}

Charakteristisches Polynom und Eigenwerte:

Die Eigenwerte $λ_{i}$ einer Matrix A sind die Nullstellen ihres charakteristischen Polynoms p( $λ$ ) = $det$ (A - $λ$ I). Die Entwicklung dieser Determinante ergibt, dass der Koeffizient von $λ^{n - 1}$ gleich (-1)^{n-1} $tr$ (A) ist.

p (λ) = det (A - λ I) = (- 1)^{n} λ^{n} + (- 1)^{n - 1} (tr (A)) λ^{n - 1} + \dots + det (A)

Zusammenhang zwischen Nullstellen und Koeffizienten:

Da $λ_{1}$ , $\dots$ , $λ_{n}$ die Nullstellen des charakteristischen Polynoms sind, können wir p( $λ$ ) auch in faktorisierter Form ausdrücken. Bei der Ausmultiplikation dieses Produkts ist der Koeffizient von $λ^{n - 1}$ gleich (-1)^n (- $\sum_{i = 1}^{n}$ $λ_{i}$ ) = (-1)^{n+1} $\sum_{i = 1}^{n}$ $λ_{i}$ .

p (λ) = (- 1)^{n} (λ - λ_{1}) (λ - λ_{2}) \dots (λ - λ_{n})

Gleichsetzen der Koeffizienten:

Durch Gleichsetzen der Koeffizienten von $λ^{n - 1}$ aus beiden Entwicklungen des charakteristischen Polynoms stellen wir fest, dass die Spur der Matrix gleich der Summe ihrer Eigenwerte ist.

(- 1)^{n - 1} tr (A) = (- 1)^{n + 1} i = 1 \sum n λ_{i} ⟹ tr (A) = i = 1 \sum n λ_{i}

Result

(- 1)^{n - 1} tr (A) = (- 1)^{n + 1} i = 1 \sum n λ_{i} ⟹ tr (A) = i = 1 \sum n λ_{i}

Source: Lay, D. C., Lay, S. R., & McDonald, J. J. (2016). Linear Algebra and Its Applications. Pearson.

Why it behaves this way

Intuition

Stellen Sie sich die Spur als ein Maß dafür vor, wie stark eine lineare Transformation den Raum entlang ihrer Hauptrichtungen „dehnt“ oder „staucht“, wobei diese Skalierungseffekte zu einer einzigen Zahl summiert werden.

Term

Die skalare Summe der Diagonaleinträge einer quadratischen Matrix A.

Eine einzelne Zahl, die eine invariante Eigenschaft einer linearen Transformation erfasst, bezogen auf ihren gesamten „Skalierungseffekt“ unabhängig vom gewählten Koordinatensystem.

Term

Eine quadratische Matrix, die eine lineare Transformation von einem Vektorraum in sich selbst darstellt.

Ein mathematisches Objekt, das Vektoren transformiert, indem es sie auf neue Vektoren abbildet, was oft Drehung, Skalierung oder Scherung beinhaltet.

Term

Die Elemente, die sich auf der Hauptdiagonale der Matrix A befinden (wo der Zeilenindex gleich dem Spaltenindex ist).

Diese Elemente tragen direkt zu den Skalierungskomponenten der Transformation entlang der Standardbasisvektoren bei.

Term

Die Eigenwerte der Matrix A, die die Skalarfaktoren sind, um die Eigenvektoren unter der Transformation skaliert werden.

Dies sind die grundlegenden Skalierungsfaktoren der Transformation entlang ihrer speziellen, invarianten Richtungen (Eigenvektoren), und ihre Summe bietet eine alternative, koordinatenunabhängige Möglichkeit zur Berechnung der Spur.

Free study cues

Insight

Canonical usage

Die Spur einer Matrix uebernimmt die Einheiten ihrer Elemente.

One free problem

Practice Problem

Eine quadratische 2×2-Matrix A hat die Diagonalelemente a₁₁ = x und a₂₂ = y. Berechne die Spur (result) der Matrix A.

Hint: Die Spur erhält man, indem man die Zahlen auf der Hauptdiagonale von links oben nach rechts unten addiert.

The full worked solution stays in the interactive walkthrough.

Where it shows up

Real-World Context

In der Quantenmechanik wird der Erwartungswert einer Observablen als Spur des Produkts aus Dichtematrix und dem entsprechenden Operator berechnet.

Study smarter

Tips

Prüfe, dass die Matrix quadratisch (n × n) ist, bevor du die Spur berechnest.
Erinnere dich an die zyklische Eigenschaft: tr(AB) = tr(BA).
Die Spur einer Summe ist die Summe der Spuren: tr(A + B) = tr(A) + tr(B).
Kontrolle der Eigenwertsumme: Verwende sie, um zu überprüfen, ob deine berechneten Eigenwerte korrekt sind.

Avoid these traps

Common Mistakes

Versuchen, die Spur einer nicht-quadratischen Matrix zu berechnen.
Annehmen, dass tr(ABC) = tr(ACB) gilt; nur zyklische Permutationen wie tr(ABC) = tr(BCA) = tr(CAB) sind garantiert.
Die Spur mit der Determinante verwechseln.

Common questions

Frequently Asked Questions

Diese Herleitung definiert die Spur einer quadratischen Matrix als die Summe ihrer Diagonalelemente und zeigt, dass sie auch gleich der Summe ihrer Eigenwerte ist.

Verwende die Spur, wenn du die Summe der Eigenwerte berechnen oder invariante Eigenschaften einer linearen Transformation bestimmen musst. Sie wird auch bei der Berechnung des inneren Produkts zweier Matrizen oder bei der Analyse der Divergenz eines Vektorfelds in der Tensorrechnung verwendet.

Die Spur ist wichtig, weil sie komplexe Matrixoperationen auf einen einzelnen Skalar reduziert, der wesentliche Informationen über das System enthält. In der Physik wird sie in der Quantenmechanik zur Bestimmung von Erwartungswerten und in der Thermodynamik zur Definition der Zustandssumme verwendet.

Versuchen, die Spur einer nicht-quadratischen Matrix zu berechnen. Annehmen, dass tr(ABC) = tr(ACB) gilt; nur zyklische Permutationen wie tr(ABC) = tr(BCA) = tr(CAB) sind garantiert. Die Spur mit der Determinante verwechseln.

In der Quantenmechanik wird der Erwartungswert einer Observablen als Spur des Produkts aus Dichtematrix und dem entsprechenden Operator berechnet.

Prüfe, dass die Matrix quadratisch (n × n) ist, bevor du die Spur berechnest. Erinnere dich an die zyklische Eigenschaft: tr(AB) = tr(BA). Die Spur einer Summe ist die Summe der Spuren: tr(A + B) = tr(A) + tr(B). Kontrolle der Eigenwertsumme: Verwende sie, um zu überprüfen, ob deine berechneten Eigenwerte korrekt sind.

References

Sources

Linear Algebra and Its Applications by Gilbert Strang
Wikipedia: Trace (linear algebra)
Bird, R. Byron; Stewart, Warren E.; Lightfoot, Edwin N. (2007). Transport Phenomena (2nd ed.). John Wiley & Sons.
Callen, Herbert B. (1985). Thermodynamics and an Introduction to Thermostatistics (2nd ed.). John Wiley & Sons.
Lay, David C. Linear Algebra and Its Applications. Pearson, 2016.
Trace (linear algebra). Wikipedia. https://en.wikipedia.org/wiki/Trace_(linear_algebra)
Lay, D. C., Lay, S. R., & McDonald, J. J. (2016). Linear Algebra and Its Applications. Pearson.

Matrixspur

Overview

Variables

Derivation

Definition der Spur:

Charakteristisches Polynom und Eigenwerte:

Zusammenhang zwischen Nullstellen und Koeffizienten:

Gleichsetzen der Koeffizienten:

Intuition

Insight

Practice Problem

Real-World Context

Tips

Common Mistakes

Related Formulas

Cayley-Hamilton Theorem

Rank-Nullity Theorem

Orthogonal Projection

Frequently Asked Questions

Sources