神话
轨迹仅取决于你看到的对角线上的数字。
现实
虽然计算只使用了对角元素，但迹实际上表示特征值的总和，而特征值受到矩阵中每一个元素的影响。
线性代数数学矩阵特征值
决定簇与痕量
行列式和迹都是方阵的基本标量性质，但它们分别反映了完全不同的几何和代数意义。行列式衡量的是矩阵体积的缩放因子以及变换是否改变矩阵方向，而迹则提供了对角线元素的简单线性和，它与矩阵特征值之和相关。
亮点
- 行列式可以判断一个矩阵是否可以求逆，而迹则不能。
- 迹是对角线元素之和，而行列式是特征值的乘积。
- 迹是可加的、线性的；行列式是可乘的、非线性的。
- 行列式捕捉方向变化（符号），而迹线则无法反映这一点。
决定因素是什么？
表示线性变换缩放面积或体积的因子的标量值。
- 它用于判断矩阵是否可逆；零值表示矩阵为奇异矩阵。
- 矩阵所有特征值的乘积等于该矩阵的行列式。
- 从几何角度来看，它反映了由矩阵列构成的平行六面体的有符号体积。
- 它的作用类似于乘法函数，其中 det(AB) 等于 det(A) 乘以 det(B)。
- 负行列式表明变换会翻转空间的方向。
痕迹是什么？
方阵主对角线上的元素之和。
- 它等于所有特征值的总和，包括它们的代数重数。
- 迹是一个线性算子，这意味着和的迹等于各个迹之和。
- 在循环置换下保持不变，因此 trace(AB) 始终等于 trace(BA)。
- 相似变换不会改变矩阵的迹。
- 在物理学中，它通常表示特定情况下矢量场的散度。
比较表
| 功能 | 决定因素 | 痕迹 |
|---|---|---|
| 基本定义 | 特征值的乘积 | 特征值之和 |
| 几何含义 | 体积缩放因子 | 与发散/扩张有关 |
| 可逆性检验 | 是的（非零表示可逆） | 否（不表示可逆性） |
| 矩阵运算 | 乘法：det(AB) = det(A)det(B) | 加性：tr(A+B) = tr(A)+tr(B) |
| 单位矩阵（n×n） | 始终为 1 | 维度 n |
| 相似性不变性 | 不变式 | 不变式 |
| 计算难度 | 高复杂度（O(n^3) 或递归） | 非常低（简单加法） |
详细对比
几何解释
行列式描述了变换的“大小”，它告诉你一个单位立方体被拉伸或压缩成新体积的程度。如果你想象一个二维网格，那么行列式就是由变换后的基向量构成的图形的面积。迹在视觉上不太直观，但通常与行列式的变化率有关，它就像是衡量所有维度上“总拉伸”程度的指标。
代数性质
最显著的区别之一在于它们处理矩阵运算的方式。行列式自然地与乘法结合使用，使其成为求解方程组和求逆矩阵的必备工具。相反，迹是一个线性映射，它与加法和标量乘法配合良好，因此在量子力学和泛函分析等领域备受青睐，因为在这些领域，线性至关重要。
与特征值的关系
迹和行列式都可作为矩阵特征值的表征，但它们考察的是特征多项式的不同部分。迹是第二个系数的负值（对于首一多项式），代表根的和。行列式是末尾的常数项，代表这些根的乘积。它们共同提供了矩阵内部结构的一个有力快照。
计算复杂度
计算迹是线性代数中最经济的运算之一，对于一个 n×n 矩阵，只需要 n-1 次加法运算。行列式的计算则要复杂得多，通常需要像 LU 分解或高斯消元法这样复杂的算法才能保持高效。对于大规模数据，由于迹的计算速度远快于行列式，因此常被用作“代理”或正则化项。
优点与缺点
决定因素
优点
- + 检测可逆性
- + 揭示音量变化
- + 乘法性质
- + 对克莱默法则至关重要
继续
- − 计算成本高昂
- − 在高亮度下难以想象
- − 对尺度敏感
- − 复杂递归定义
痕迹
优点
- + 计算速度极快
- + 简单线性性质
- + 基变不变
- + 循环属性效用
继续
- − 有限的几何直觉
- − 对逆运算没有帮助
- − 比侦察机信息少
- − 忽略非对角线元素
常见误解
神话
迹为零的矩阵不可逆。
现实
这是不正确的。一个矩阵的迹可以为零（例如旋转矩阵），只要它的行列式不为零，它仍然是完全可逆的。
神话
如果两个矩阵的行列式和迹都相同，那么它们是同一个矩阵。
现实
不一定。许多不同的矩阵可以具有相同的迹和行列式，但其非对角线结构或性质却完全不同。
神话
一个和的行列式等于各个行列式之和。
现实
这是一个非常常见的错误。通常情况下，$\det(A + B)$ 不等于 $\det(A) + \det(B)$。只有迹才遵循这个简单的加法规则。
常见问题解答
矩阵的迹可以是负的吗？
是的，矩阵的迹完全可以为负值。由于迹就是对角线元素（或特征值）之和，如果负值大于正值，结果就会为负。这种情况经常发生在物理模型中存在净“收缩”或损失的系统中。
为什么迹在循环置换下保持不变？
循环性质 $tr(AB) = tr(BA)$ 源于矩阵乘法的定义方式。当你分别写出 $AB$ 和 $BA$ 对角线元素的求和式时，你会发现它们是在对完全相同的元素乘积求和，只是顺序不同。这使得迹成为基变换计算中非常强大的工具。
行列式对非方阵有效吗？
不，行列式严格定义于方阵。如果是矩形矩阵，则无法计算标准行列式。然而，在这种情况下，数学家通常会研究 $A^TA$ 的行列式，因为它与奇异值的概念相关。
行列式为 1 究竟意味着什么？
行列式为 1 表示变换完美地保持体积和方向不变。它可能会旋转或剪切空间，但不会使其“变大”或“变小”。这是特殊线性群 $SL(n)$ 中矩阵的一个决定性特征。
迹与行列式的导数有关吗？
是的，这其中蕴含着深刻的联系！雅可比公式表明，矩阵函数行列式的导数与该矩阵的迹及其伴随矩阵的乘积有关。简单来说，对于接近单位矩阵的矩阵，迹提供了行列式变化的一阶近似。
能否利用迹来求特征值？
迹函数可以给出一个方程（求和），但通常需要更多信息才能找到各个特征值。对于一个 2×2 矩阵，迹函数和行列式足以求解二次方程并找到两个特征值；但对于更大的矩阵，则需要完整的特征多项式。
为什么我们要在意量子力学中的迹？
在量子力学中，算符的期望值通常用迹来计算。具体来说，密度矩阵与可观测量的乘积的迹给出了测量结果的平均值。它的线性性和不变性使其成为研究与坐标无关物理学的理想工具。
什么是“特征多项式”？
特征多项式是由 $det(A - \lambda I) = 0$ 导出的方程。迹和行列式实际上是该多项式的系数。迹（符号改变后）是 $\lambda^{n-1}$ 项的系数，而行列式是常数项。
裁决
当您需要知道一个系统是否有唯一解，或者体积在变换下如何变化时，请选择行列式。当您需要计算效率高的矩阵特征，或者在处理线性运算和基于求和的不变量时，请选择迹。
相关比较
标量与矢量
标量和矢量都可以用来量化我们周围的世界，但它们的根本区别在于其复杂性。标量是对大小的简单测量，而矢量则将大小与特定的方向结合起来，这使得矢量对于描述物理空间中的运动和力至关重要。
表面积与体积
表面积和体积是量化三维物体的两个主要指标。表面积衡量的是物体外部表面的总大小——本质上就是它的“表皮”——而体积衡量的是物体内部包含的三维空间的大小，或者说是它的“容量”。
代数与几何
代数侧重于抽象的运算规则和符号运算，以求解未知数；而几何则探索空间的物理属性，包括图形的大小、形状和相对位置。它们共同构成了数学的基石，将逻辑关系转化为视觉结构。
导数与微分
虽然导数和微分看起来很相似，并且都源于微积分，但导数表示的是一个变量如何随另一个变量变化的速率，而微分则表示变量本身的实际的、无穷小的变化。你可以把导数想象成函数在某一点的“速度”，把微分想象成沿着切线移动的“微小一步”。
等差数列与等比数列
从本质上讲，等差数列和等比数列是两种不同的数字增长或减少方式。等差数列通过加减运算以稳定的线性速度变化，而等比数列则通过乘除运算以指数速度加速或减速。