¿Cuál es la interpretación geométrica de la traza de una matriz?

No todas las trazas de todas las matrices tienen un significado geométrico, pero algunas sí. Para hacer la pregunta bien definida, podemos preguntarnos: ¿cuál es la interpretación tridimensional de la traza de una matriz de 3 x 3? Consideremos una matriz de 3 x 3 con las siguientes propiedades,

[matemáticas] \ textbf {A} = \ textbf {A} ^ {\ top} [/ matemáticas] simétrico real

[matemáticas] \ textbf {A} = \ textbf {U} \ mathbf {\ Lambda} \ textbf {U} ^ {\ top} [/ math] diagonalizable

[matemáticas] \ textbf {U} ^ {- 1} = \ textbf {U} ^ {\ top} [/ matemáticas] unitario

[matemática] \ textbf {A} \ textbf {U} = \ textbf {U} \ textbf {A} [/ math] invariancia ortogonal

Aquí, U es una matriz ortogonal cuyas columnas son los vectores propios de A y [math] \ mathbf {\ Lambda} [/ math] es una matriz diagonal cuyos elementos son los valores propios de A. Como A es diagonalizable, su trazo es la suma de sus valores propios,

[matemáticas] tr (\ textbf {A}) = tr (\ textbf {U} \ mathbf {\ Lambda} \ textbf {U} ^ {\ top}) = tr (\ textbf {U} \ textbf {U} ^ {-1} \ mathbf {\ Lambda}) = tr (\ mathbf {\ Lambda}) = \ sum_ {i} \ lambda_ {ii} [/ math]

Las coordenadas están definidas por los valores propios de A donde los observables están definidos por los invariantes de A , dados los coeficientes de su polinomio característico. El polinomio característico es:

[matemáticas] P (\ lambda) = det (\ textbf {A} – \ delta_ {ij} \ lambda_ {ii}) [/ matemáticas]

Configurando [math] P (\ lambda) = 0 [/ math] tenemos,

[matemáticas] \ textbf {A} ^ {3} – a \ textbf {A} ^ {2} + b \ textbf {A} – c \ textbf {A} = 0 [/ math]

dónde,

[matemáticas] a = tr (\ textbf {A}) = \ lambda_ {1} + \ lambda_ {2} + \ lambda_ {3} [/ matemáticas]

[matemáticas] b = \ dfrac {1} {2} (tr (\ textbf {A}) ^ {2} – tr (\ textbf {A} ^ {2})) = \ lambda_ {1} \ lambda_ {2 } + \ lambda_ {2} \ lambda_ {3} + \ lambda_ {1} \ lambda_ {3} [/ matemáticas]

[matemáticas] c = det (\ textbf {A}) = \ lambda_ {1} \ lambda_ {2} \ lambda_ {3} [/ matemáticas]

La matriz diagonal [math] \ mathbf {\ Lambda} [/ math] es equivalente a una dilatación o escala no homogénea de [math] \ lambda_ {1} [/ math], [math] \ lambda_ {2} [/ math] , y [math] \ lambda_ {3} [/ math] en las direcciones x, y y z, respectivamente. Cuando los valores propios están todos degenerados, por ejemplo, cuando [math] \ lambda_ {1} = \ lambda_ {2} = \ lambda_ {3} [/ math], tenemos una dilatación homogénea. Establezcamos [math] r = \ lambda_ {1} [/ math]. Los invariantes se convierten en:

[matemática] a = 3r [/ matemática] el elemento de longitud

[matemáticas] b = 3r ^ {2} [/ matemáticas] el elemento de área

[matemáticas] c = r ^ 3 [/ matemáticas] el elemento de volumen

Finalmente, interpretamos el coeficiente de [math] \ textbf {A} ^ {3} [/ math] como el elemento cero-invariante , el escalar unitario o de identidad. Por lo tanto, tenemos una conexión natural con el álgebra geométrica, donde los invariantes de A son n-cuchillas / n-vectores.

Hasta ahora hemos discutido el significado geométrico de la traza, pero ¿qué pasa con su significado físico ? Pasar de la matemática pura a la física requiere que demostremos una correspondencia entre simetrías y leyes de conservación. Recuerde que U es una matriz ortogonal con determinadas [matemáticas] \ pm 1 [/ matemáticas]. Decimos que U pertenece al Grupo Ortogonal, O (3). Cuando el determinante de U es 1, decimos que U pertenece al Grupo Ortogonal Especial, SO (3), que es el grupo de todas las rotaciones sobre el origen de [math] \ mathbb {R} ^ {3} [/ math] . Por lo tanto, el operador A es rotativamente invariante, ¡es un tensor de segundo rango cuya traza es la longitud del observable!

Actualización : Seamos explícitos y encontremos la forma exacta que A debe tomar. Como ansatz podemos tomarlo como el tensor de giro,

[matemáticas] \ textbf {L} \ equiv \ begin {bmatrix} x ^ {2} & xy & xz \\\\ yx & y ^ {2} & yz \\\\ zx & zy & z ^ {2} \ end {bmatrix} [/ math]

Ahora podemos definir una nueva matriz (de hecho, es un objeto matemático completamente nuevo: un 3-Graph).

[matemáticas] \ textbf {Q} \ equiv \ begin {bmatrix} x & \ sqrt {x} \ sqrt {y} & \ sqrt {x} \ sqrt {z} \\\\ \ sqrt {y} \ sqrt { x} & y & \ sqrt {y} \ sqrt {z} \\\\ \ sqrt {z} \ sqrt {x} & \ sqrt {z} \ sqrt {y} & z \ end {bmatrix} [/ math ]

donde [math] \ textbf {L} = \ textbf {Q} \ circ \ textbf {Q} [/ math],

y así [matemáticas] tr \ textbf {L} = tr (\ textbf {Q} \ circ \ textbf {Q}) = tr (\ textbf {Q}) \ cdot tr (\ textbf {Q}) = \ textbf { r} \ cdot \ textbf {r} \ rightarrow \ sqrt {tr \ textbf {L}} = | \ textbf {r} | [/ math].

De este modo, hemos demostrado que el producto schur ( producto basado en elementos) de dos 3-Graphs es un tensor de segundo rango y cuya traza es el producto interno . Vemos que la raíz cuadrada de la traza es ahora el elemento de longitud. Del mismo modo, el elemento de volumen viene dado por la raíz cuadrada del Gram Determinado.

Ahora, para rematar la guinda del pastel, tenga en cuenta lo siguiente:

Definamos [matemáticas] \ sqrt {\ textbf {r}} = (\ sqrt {x}, \ sqrt {y}, \ sqrt {z}) [/ matemáticas]

por lo tanto, [math] \ textbf {Q} = \ pm \ sqrt {\ textbf {r}} \ otimes \ pm \ sqrt {\ textbf {r}} [/ math] implica la existencia de un grado de libertad de rotación interna dado por el rotor R:

[matemática] R \ textbf {r} ^ {s} = e ^ {i \ delta s} \ textbf {r} ^ {s} [/ math] donde s debe ser igual a 1/2.

Para [matemáticas] \ delta = 2 \ pi [/ matemáticas], [matemáticas] e ^ {i 2 \ pi (1/2)} \ textbf {r} ^ {(1/2)} = – \ sqrt {\ textbf {r}}, [/ math]

Para [matemáticas] \ delta = 4 \ pi [/ matemáticas], [matemáticas] e ^ {i 4 \ pi (1/2)} \ textbf {r} ^ {(1/2)} = + \ sqrt {\ textbf {r}} [/ math].

Por lo tanto, [math] R \ sqrt {\ textbf {r}} [/ math] es un Spinor .

En resumen:

[matemáticas] 1. [/ matemáticas] [matemáticas] \ textbf {Q} = R \ sqrt {\ textbf {r}} \ otimes R \ sqrt {\ textbf {r}} [/ matemáticas]

[matemáticas] 2. [/ matemáticas] [matemáticas] \ textbf {L} = \ textbf {Q} \ circ \ textbf {Q} [/ matemáticas]

[matemáticas] 3. [/ matemáticas] [matemáticas] \ sqrt {tr \ textbf {L}} = | \ textbf {r} | [/matemáticas]

Que se sepa que en la fecha del 3 de septiembre de 2016 compartí una pequeña parte de lo que creo que es uno de los descubrimientos más notables de nuestro universo matemático.

tl; dr: salta al último párrafo.

Considere el determinante como un mapa

[math] \ det: \ operatorname {GL} _n (F) \ to \ mathbb {G} _m (F) [/ math].

Si no está familiarizado con la notación, [math] \ mathbb {G} _m = \ operatorname {GL} _1 [/ math] es la agrupación más multiplicativa del campo.

Si tomamos la derivada del mapa determinante en la identidad [math] I \ in \ operatorname {GL} _n [/ math], obtenemos un mapa

[matemáticas] d (\ det) _I: T_I \ nombre del operador {GL} _n \ a T_1 \ mathbb {G} _m [/ matemáticas].

o en otras palabras, un homomorfismo

[math] d (\ det) _I: \ mathfrak {gl} _n \ to F [/ math].

de las álgebras de Lie, si lo prefieres.

¿Qué es este mapa? Bueno, digamos que tenemos una matriz A. Entonces tenemos

[matemáticas] d (\ det) _I (A) = \ frac {1} {\ varepsilon} [\ det (I + \ varepsilon A) – \ det (I)] = \ frac {1} {\ varepsilon} [ \ det (I + \ varepsilon A) -1] [/ math]

Dado que el determinante es conjugación-invariante, también podemos suponer que A está en forma triangular superior. Entonces nosotros tenemos

[matemáticas] \ det (I + \ varepsilon A) = \ det \ begin {pmatrix} 1 + \ varepsilon a_ {11} & \ varepsilon a_ {12} & \ cdots & \ varepsilon a_ {1n} \\ 0 & 1 + \ varepsilon a_ {22} & \ cdots & \ varepsilon a_ {2n} \\ \ vdots & \ vdots & \ ddots & \ vdots \\ 0 & 0 & \ cdots & 1 + \ varepsilon a_ {nn} \ end { pmatrix} [/ math]

Como esta matriz es triangular superior, podemos obtener su determinante multiplicando las entradas diagonales, dando

[matemáticas] (1 + \ varepsilon a_ {11}) (1 + \ varepsilon a_ {22}) \ cdots (1 + \ varepsilon a_ {nn}) = 1 + (a_ {11} + a_ {22} + \ cdots + a_ {nn}) \ varepsilon [/ math]

Todos juntos, esto dice que

[matemática] d (\ det) _I (A) = \ nombre de operador {tr} (A) [/ matemática]

¿Qué nos dice esto? Bueno, ese rastro es la versión infinitesimal del determinante . Nos da información sobre cómo cambia el determinante cuando manipulamos la matriz de la que estamos tomando el determinante.

Es la suma de todos los componentes ortogonales, siempre que [matemática] A \ en [/ matemática] Projection(Vector Space) . [matemáticas] Tr (A) = \ Sigma_ {i = j = 1} ^ {n} x_ {ij} [/ matemáticas].
Piénselo de esta manera: dado un espacio de alguna dimensión arbitraria, una matriz de proyección (que indica que [matemática] A ^ {m} = A [/ matemática]) representa el número de dimensiones ortogonales únicas.
Hay otros significados. En particular, representa el producto interno en Hilbert Space para dos Matrices Hermitianas. Esto es de extrema importancia en la mecánica cuántica.

Para una comprensión detallada de los diversos significados geométricos de la traza de una matriz en diferentes construcciones, lea aquí:
Interpretación geométrica de la traza