线性代数
|
|
向量 · 向量空间 · 基底 · 行列式 · 矩阵
|
|
|
在线性代数中,矩阵A的转置(英语:transpose)是另一个矩阵AT(也写做Atr, tA, At或A′)由下列等价动作建立:
形式上说,m × n矩阵A的转置是n × m矩阵
- for 。
注意:(转置矩阵)与(逆矩阵)不同。
例子
性质
对于矩阵A, B和标量c转置有下列性质:
-
- 转置是自身逆运算。
-
- 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。
-
- 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AT是可逆矩阵,在这种情况下有 (A−1)T = (AT)−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 = ZTYTXT...CTBTAT。
-
- 标量的转置是同样的标量。
-
- 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的内积可计算为
- 如果A只有实数元素,则ATA是半正定矩阵。
- 如果A是在某个域上,则A 相似于AT。
特殊转置矩阵
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
- 。
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
- 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
- 。
复数矩阵A的共轭转置,写为AH,是A的转置后再取每个元素的共轭复数:
线性映射的转置
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
这里的,BV和BW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*。
参考资料
外部链接