轉置矩陣維基百科,自由的 encyclopedia 在線性代數中,矩陣A的轉置(英語:transpose)是另一個矩陣AT(也寫做Atr, tA, At或A′)由下列等價動作建立: 把A的行寫為AT的列 把A的列寫為AT的行 此條目沒有列出任何參考或來源。 (2019年12月15日) 提示:此條目頁的主題不是轉移矩陣。 Quick Facts 線性代數, 向量 ... 線性代數 A = [ 1 2 3 4 ] {\displaystyle \mathbf {A} ={\begin{bmatrix}1&2\\3&4\end{bmatrix}}} 向量 · 向量空間 · 基底 · 行列式 · 矩陣 向量 純量 · 向量 · 向量空間 · 向量投影 · 外積(叉積 · 七維叉積) · 內積(點積) · 二重向量 矩陣與行列式 矩陣 · 行列式 · 線性方程組 · 秩 · 核 · 跡 · 單位矩陣 · 初等矩陣 · 方塊矩陣 · 分塊矩陣 · 三角矩陣 · 非奇異方陣 · 轉置矩陣 · 逆矩陣 · 對角矩陣 · 可對角化矩陣 · 對稱矩陣 · 反對稱矩陣 · 正交矩陣 · 么正矩陣 · 埃爾米特矩陣 · 反埃爾米特矩陣 · 正規矩陣 · 伴隨矩陣 · 餘因子矩陣 · 共軛轉置 · 正定矩陣 · 冪零矩陣 · 矩陣分解 (LU分解 · 奇異值分解 · QR分解 · 極分解 · 特徵分解) · 子式和餘子式 · 拉普拉斯展開 · 克羅內克積 線性空間與線性轉換 線性空間 · 線性轉換 · 線性子空間 · 線性生成空間 · 基 · 線性映射 · 線性投影 · 線性無關 · 線性組合 · 線性泛函 · 行空間與列空間 · 對偶空間 · 正交 · 特徵向量 · 最小平方法 · 格拉姆-施密特正交化 閱論編 Close 矩陣A的轉置AT的取得方法。重覆以上動作會得出原本的矩陣 形式上說,m × n矩陣A的轉置是n × m矩陣 A i j T = A j i {\displaystyle A_{ij}^{\mathrm {T} }=A_{ji}} for 1 ≤ i ≤ n , {\displaystyle 1\leq i\leq n,} 1 ≤ j ≤ m {\displaystyle 1\leq j\leq m} 。 注意: A T {\displaystyle \mathbf {A} ^{\mathrm {T} }} (轉置矩陣)與 A − 1 {\displaystyle \mathbf {A} ^{-1}} (逆矩陣)不同。
在線性代數中,矩陣A的轉置(英語:transpose)是另一個矩陣AT(也寫做Atr, tA, At或A′)由下列等價動作建立: 把A的行寫為AT的列 把A的列寫為AT的行 此條目沒有列出任何參考或來源。 (2019年12月15日) 提示:此條目頁的主題不是轉移矩陣。 Quick Facts 線性代數, 向量 ... 線性代數 A = [ 1 2 3 4 ] {\displaystyle \mathbf {A} ={\begin{bmatrix}1&2\\3&4\end{bmatrix}}} 向量 · 向量空間 · 基底 · 行列式 · 矩陣 向量 純量 · 向量 · 向量空間 · 向量投影 · 外積(叉積 · 七維叉積) · 內積(點積) · 二重向量 矩陣與行列式 矩陣 · 行列式 · 線性方程組 · 秩 · 核 · 跡 · 單位矩陣 · 初等矩陣 · 方塊矩陣 · 分塊矩陣 · 三角矩陣 · 非奇異方陣 · 轉置矩陣 · 逆矩陣 · 對角矩陣 · 可對角化矩陣 · 對稱矩陣 · 反對稱矩陣 · 正交矩陣 · 么正矩陣 · 埃爾米特矩陣 · 反埃爾米特矩陣 · 正規矩陣 · 伴隨矩陣 · 餘因子矩陣 · 共軛轉置 · 正定矩陣 · 冪零矩陣 · 矩陣分解 (LU分解 · 奇異值分解 · QR分解 · 極分解 · 特徵分解) · 子式和餘子式 · 拉普拉斯展開 · 克羅內克積 線性空間與線性轉換 線性空間 · 線性轉換 · 線性子空間 · 線性生成空間 · 基 · 線性映射 · 線性投影 · 線性無關 · 線性組合 · 線性泛函 · 行空間與列空間 · 對偶空間 · 正交 · 特徵向量 · 最小平方法 · 格拉姆-施密特正交化 閱論編 Close 矩陣A的轉置AT的取得方法。重覆以上動作會得出原本的矩陣 形式上說,m × n矩陣A的轉置是n × m矩陣 A i j T = A j i {\displaystyle A_{ij}^{\mathrm {T} }=A_{ji}} for 1 ≤ i ≤ n , {\displaystyle 1\leq i\leq n,} 1 ≤ j ≤ m {\displaystyle 1\leq j\leq m} 。 注意: A T {\displaystyle \mathbf {A} ^{\mathrm {T} }} (轉置矩陣)與 A − 1 {\displaystyle \mathbf {A} ^{-1}} (逆矩陣)不同。