{
  "id": "matrix-transpose",
  "title": "矩阵转置",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "矩阵转置交换矩阵的行与列，将矩阵运算与对偶性、内积、对称性及最小二乘法联系起来。",
  "category": "mathematics",
  "subcategory": "algebra",
  "type": "concept",
  "aliases": [
    "矩阵的转置",
    "转置矩阵"
  ],
  "generated_at": "2026-10-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/matrix-transpose/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/matrix-transpose/",
      "json": "https://aiwiki.page/en/matrix-transpose.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "矩阵转置是交换矩阵行与列的运算。如果 \\(A\\) 有 \\(m\\) 行、\\(n\\) 列，则其转置记为 \\(A^{\\mathsf T}\\)，有 \\(n\\) 行、\\(m\\) 列。每个元素的值保持不变，但其两个下标互换。转置是线性代数中的基本运算，用于表达对称性、向量之间的关系以及矩阵乘积的性质。(ocw.mit.edu)"
    },
    {
      "heading": "定义与记法",
      "text": "对于域（数学）上的矩阵 \\(A=(a_{ij})\\)，其转置定义为\n\n\\[(A^{\\mathsf T})_{ij}=a_{ji}.\\]\n\n因此，\\(A\\) 的第一行成为 \\(A^{\\mathsf T}\\) 的第一列，其余各行也依此类推。例如，\n\n\\[A= \\begin{pmatrix} 1&2&3\\\\ 4&5&6 \\end{pmatrix}, \\qquad A^{\\mathsf T}= \\begin{pmatrix} 1&4\\\\ 2&5\\\\ 3&6 \\end{pmatrix}.\\]\n\n对于方阵，这种重排可以直观地理解为关于主对角线的镜像反射；对角线上的元素保持不动。列向量转置后成为行向量，反之亦然。常用记法包括 \\(A^T\\)、\\(A^{\\mathsf T}\\) 和 \\(A^\\top\\)。(ocw.mit.edu)\n\n转置不应与求逆矩阵混淆。每个矩阵都有转置，包括非方阵和奇异矩阵。通常意义下的逆矩阵则只有可逆方阵才具有。(ocw.mit.edu)"
    },
    {
      "heading": "代数性质",
      "text": "对于维数相容的矩阵和标量 \\(c\\)，转置满足\n\n\\[(A^{\\mathsf T})^{\\mathsf T}=A,\\qquad (A+B)^{\\mathsf T}=A^{\\mathsf T}+B^{\\mathsf T},\\]\n\n\\[(cA)^{\\mathsf T}=cA^{\\mathsf T},\\qquad (AB)^{\\mathsf T}=B^{\\mathsf T}A^{\\mathsf T}.\\]\n\n第一个恒等式表明，转置是一种对合：连续进行两次转置就会恢复原矩阵。乘积的转置公式会颠倒各因子的顺序，这一点至关重要，因为矩阵乘法通常不满足交换律。(ocw.mit.edu)\n\n乘积的转置法则可直接由元素公式推出：\n\n\\[[(AB)^{\\mathsf T}]_{ij} =\\sum_k a_{jk}b_{ki} =\\sum_k(B^{\\mathsf T})_{ik}(A^{\\mathsf T})_{kj}.\\]\n\n对于可逆矩阵 \\(A\\)，有\n\n\\[(A^{\\mathsf T})^{-1}=(A^{-1})^{\\mathsf T}.\\]\n\n方阵与其转置还具有相同的行列式。(ocw.mit.edu)\n\n转置保持矩阵的秩不变：交换行与列会使行秩与列秩互换，而两者本就相等。转置也保持矩阵的迹不变，因为对角线元素的位置没有变化。因此，\\(A\\) 与 \\(A^{\\mathsf T}\\) 具有相同的特征多项式以及相同的特征值，各特征值的代数重数也相同，但两者的特征向量未必一致。(github.com)"
    },
    {
      "heading": "对偶性与内积",
      "text": "通过对偶空间，可以给出转置的一种不依赖于基的解释。如果 \\(T:V\\to W\\) 是有限维向量空间之间的线性映射，它会诱导出映射\n\n\\[T^\\vee:W^*\\to V^*,\\qquad T^\\vee(\\varphi)=\\varphi\\circ T.\\]\n\n这个映射将 \\(W\\) 上的线性泛函拉回为 \\(V\\) 上的线性泛函。如果 \\(A\\) 是 \\(T\\) 相对于所选基（线性代数）的表示矩阵，那么 \\(A^{\\mathsf T}\\) 就是 \\(T^\\vee\\) 相对于相应对偶基的表示矩阵。映射方向的反转解释了为什么矩阵的行列数与乘法顺序都会颠倒。(ocw.mit.edu)\n\n对于元素为实数的矩阵，转置还可用于表达标准欧几里得内积的关系：\n\n\\[\\langle Ax,y\\rangle=\\langle x,A^{\\mathsf T}y\\rangle.\\]\n\n这里 \\(x\\in\\mathbb R^n\\)，\\(y\\in\\mathbb R^m\\)。这一恒等式刻画了 \\(A^{\\mathsf T}\\) 是 \\(A\\) 关于这些内积的伴随；对于任意内积或非标准正交基，伴随的表示矩阵未必是普通转置。(math.brown.edu)"
    },
    {
      "heading": "对称性与复矩阵",
      "text": "若方阵满足 \\(A^{\\mathsf T}=A\\)，则称其为对称矩阵；若满足 \\(A^{\\mathsf T}=-A\\)，则称其为反对称矩阵。在实数范围内，反对称矩阵的对角线元素均为零。每个实方阵都可以唯一地分解为对称部分与反对称部分：\n\n\\[A=\\frac{A+A^{\\mathsf T}}2+\\frac{A-A^{\\mathsf T}}2.\\]\n\n(ocw.mit.edu)\n\n实正交矩阵满足\n\n\\[Q^{\\mathsf T}Q=I,\\]\n\n其中 \\(I\\) 为单位矩阵；因此 \\(Q^{-1}=Q^{\\mathsf T}\\)。根据谱定理，实对称矩阵可以在标准正交基下对角化。(ocw.mit.edu)\n\n对于含有复数元素的矩阵，普通转置不会对元素取共轭。共轭转置记为 \\(A^*\\) 或 \\(A^{\\mathrm H}\\)，满足\n\n\\[A^*=\\overline A^{\\mathsf T}.\\]\n\n它是标准复内积下的伴随。因此，厄米矩阵满足 \\(A^*=A\\)，而不一定满足 \\(A^{\\mathsf T}=A\\)。(math.brown.edu)"
    },
    {
      "heading": "应用与计算",
      "text": "对于实矩阵 \\(X\\)，格拉姆矩阵 \\(X^{\\mathsf T}X\\) 的元素是各列之间的内积。它是对称半正定矩阵，因为\n\n\\[z^{\\mathsf T}X^{\\mathsf T}Xz=\\|Xz\\|^2\\geq0.\\]\n\n在普通最小二乘法及其应用（包括线性回归）中，最小化 \\(\\|X\\beta-y\\|^2\\) 可得到正规方程\n\n\\[X^{\\mathsf T}X\\hat\\beta=X^{\\mathsf T}y.\\]\n\n当 \\(X\\) 的各列线性无关时，解是唯一的。从几何上看，这些方程表明残差与 \\(X\\) 的每一列都正交。(ocw.mit.edu)\n\n软件会区分数学上的转置与存储元素的实际重排。NumPy 的转置操作可以返回与原始数据共享存储的视图，而不是复制后的数组。对于多维数组，转置会置换各轴；矩阵转置是只有两个轴的特例。一维数组没有彼此独立的行轴和列轴，因此对其进行转置不会改变形状。要将其表示为列或行，就需要增加一个轴。(numpy.org)"
    }
  ],
  "links": [
    "matrix",
    "linear-algebra",
    "field-mathematics",
    "inverse-matrix",
    "determinant",
    "matrix-rank",
    "matrix-trace",
    "characteristic-polynomial",
    "eigenvalues-and-eigenvectors",
    "dual-space",
    "vector-space",
    "linear-map",
    "basis-linear-algebra",
    "real-number",
    "inner-product",
    "symmetric-matrix",
    "skew-symmetric-matrix",
    "orthogonal-matrix",
    "identity-matrix",
    "spectral-theorem",
    "complex-number",
    "conjugate-transpose",
    "gram-matrix",
    "ordinary-least-squares",
    "linear-regression"
  ],
  "sources": [
    {
      "title": "ocw.mit.edu/courses/2-086-numerical-computation-for-mechanical-engineers-fall-2…",
      "url": "https://ocw.mit.edu/courses/2-086-numerical-computation-for-mechanical-engineers-fall-2012/016e58e13c5fca3e088ff3585eb4ca6b_MIT2_086F12_notes_unit3.pdf"
    },
    {
      "title": "github.com/mitmath/1806",
      "url": "https://github.com/mitmath/1806"
    },
    {
      "title": "ocw.mit.edu/courses/18-101-analysis-ii-fall-2005/9743fac5e8a674c78af0364a14b62c…",
      "url": "https://ocw.mit.edu/courses/18-101-analysis-ii-fall-2005/9743fac5e8a674c78af0364a14b62ca6_lecture16.pdf"
    },
    {
      "title": "math.brown.edu/streil/papers/LADW/HTML_2026_08-31/Ch5.html",
      "url": "https://www.math.brown.edu/streil/papers/LADW/HTML_2026_08-31/Ch5.html"
    },
    {
      "title": "ocw.mit.edu/ans7870/18/18.013a/textbook/chapter32/section06.html",
      "url": "https://ocw.mit.edu/ans7870/18/18.013a/textbook/chapter32/section06.html"
    },
    {
      "title": "ocw.mit.edu/courses/18-085-computational-science-and-engineering-i-fall-2008/f9…",
      "url": "https://ocw.mit.edu/courses/18-085-computational-science-and-engineering-i-fall-2008/f974adb21cc67c63c7f0a3054959ff30_18-085F08-L10.pdf"
    },
    {
      "title": "numpy.org/doc/stable/reference/generated/numpy.transpose.html",
      "url": "https://numpy.org/doc/stable/reference/generated/numpy.transpose.html?highlight=axis"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}