转置矩阵

此條目没有列出任何参考或来源。 (2019年12月15日) 維基百科所有的內容都應該可供查證。请协助補充可靠来源以改善这篇条目。无法查证的內容可能會因為異議提出而被移除。

提示：此条目的主题不是轉移矩陣。

线性代数
${\displaystyle \mathbf {A} ={\begin{bmatrix}1&2\\3&4\end{bmatrix}}}$
向量 · 向量空间 · 基底  · 行列式  · 矩阵
向量 标量 · 向量 · 向量空间 · 向量投影 · 外积（向量积 · 七维向量积） · 内积（数量积） · 二重向量 矩阵与行列式 矩阵 · 行列式 · 线性方程组 · 秩 · 核 · 跡 · 單位矩陣 · 初等矩阵 · 方块矩阵 · 分块矩阵 · 三角矩阵 · 非奇异方阵 · 转置矩阵 · 逆矩阵 · 对角矩阵 · 可对角化矩阵 · 对称矩阵 · 反對稱矩陣 · 正交矩阵 · 幺正矩阵 · 埃尔米特矩阵 · 反埃尔米特矩阵 · 正规矩阵 · 伴随矩阵 · 余因子矩阵 · 共轭转置 · 正定矩阵 · 幂零矩阵 · 矩阵分解 （LU分解 · 奇异值分解 · QR分解 · 极分解 · 特征分解） · 子式和余子式 · 拉普拉斯展開 · 克罗内克积 线性空间与线性变换 线性空间 · 线性变换 · 线性子空间 · 线性生成空间 · 基 · 线性映射 · 线性投影 · 線性無關 · 线性组合 · 线性泛函 · 行空间与列空间 · 对偶空间 · 正交 · 特征向量 · 最小二乘法 · 格拉姆-施密特正交化
查 论 编

在線性代數中，矩陣A的轉置（英語：transpose）是另一个矩陣A^T（也寫做A^tr, ^tA, A^t或A′）由下列等價動作建立：

• 把A的行寫為A^T的列
• 把A的列寫為A^T的行

形式上說，m × n矩陣A的轉置是n × m矩陣

${\displaystyle A_{ij}^{\mathrm {T} }=A_{ji}}$ for ${\displaystyle 1\leq i\leq n,}$ ${\displaystyle 1\leq j\leq m}$。

注意：${\displaystyle \mathbf {A} ^{\mathrm {T} }}$（轉置矩陣）與${\displaystyle \mathbf {A} ^{-1}}$（逆矩陣）不同。

• ${\displaystyle {\begin{bmatrix}1&2\\3&4\end{bmatrix}}^{\mathrm {T} }={\begin{bmatrix}1&3\\2&4\end{bmatrix}}}$
• ${\displaystyle {\begin{bmatrix}1&2\\3&4\\5&6\end{bmatrix}}^{\mathrm {T} }={\begin{bmatrix}1&3&5\\2&4&6\end{bmatrix}}}$

对于矩阵A, B和标量c转置有下列性质：

• ${\displaystyle \left(A^{\mathrm {T} }\right)^{\mathrm {T} }=A\quad }$

  转置是自身逆运算。

• ${\displaystyle (A+B)^{\mathrm {T} }=A^{\mathrm {T} }+B^{\mathrm {T} }}$

  转置是从m × n矩阵的向量空间到所有n × m矩阵的向量空间的线性映射。

• ${\displaystyle \left(AB\right)^{\mathrm {T} }=B^{\mathrm {T} }A^{\mathrm {T} }}$

  注意因子反转的次序。以此可推出方块矩阵A是可逆矩阵，当且仅当A^T是可逆矩阵，在这种情况下有 (A⁻¹)^T = (A^T)⁻¹。相对容易的把这个结果扩展到矩阵相乘的一般情况，可得出 (ABC...XYZ)^T = Z^TY^TX^T...C^TB^TA^T。

• ${\displaystyle (cA)^{\mathrm {T} }=cA^{\mathrm {T} }}$

  标量的转置是同样的标量。

• ${\displaystyle \det(A^{\mathrm {T} })=\det(A)}$

  矩阵的转置矩阵的行列式等于这个矩阵的行列式。

• 两个纵列向量a和b的內積可计算为

  ${\displaystyle \mathbf {a} \cdot \mathbf {b} =\mathbf {a} ^{\mathrm {T} }\mathbf {b} }$

• 如果A只有实数元素，则A^TA是半正定矩阵。
• 如果A是在某个域上，则A 相似于A^T。

其转置等于自身的方块矩阵叫做对称矩阵；就是说A是对称的，如果

${\displaystyle A^{\mathrm {T} }=A}$。

其转置也是它的逆矩阵的方块矩阵叫做正交矩阵；就是说G是正交的，如果

${\displaystyle GG^{\mathrm {T} }=G^{\mathrm {T} }G=I_{n},\,}$ I是单位矩阵。

其转置等于它的负矩阵的方块矩阵叫做斜对称矩阵；就是A是斜对称的，如果

${\displaystyle A^{\mathrm {T} }=-A}$。

复数矩阵A的共轭转置，写为A^H，是A的转置后再取每个元素的共轭复数:

${\displaystyle A^{H}=({\overline {A}})^{\mathrm {T} }={\overline {(A^{\mathrm {T} })}}}$

如果f: V→W是在向量空间V和W之间非退化双线性形式的线性映射，我们定义f的转置为线性映射^tf : W→V，确定自

${\displaystyle B_{V}(v,{}^{t}f(w))=B_{W}(f(v),w)\quad \forall \ v\in V,w\in W}$

这裡的，B_V和B_W分别是在V和W上的双线性形式。一个映射的转置的矩阵是转置矩阵，只要基是关于它们的双线性形式是正交的。

在复向量空间上，经常用到半双线性形式来替代双线性形式。在这种空间之间的映射的转置可类似的定义，转置映射的矩阵由共轭转置矩阵给出，如果基是正交的。在这种情况下，转置也叫做埃尔米特伴随。

如果V和W没有双线性形式，则线性映射f: V→W的转置只能定义为在对偶空间W和V之间的线性映射 ^tf : W^*→V^*。

• MIT Video Lecture on Matrix Transposes at Google Video, from MIT OpenCourseWare
• Transpose （页面存档备份，存于互联网档案馆）, mathworld.wolfram.com
• Transpose （页面存档备份，存于互联网档案馆）, planetmath.org