转置矩阵

转置矩阵 (Transpose Matrix)

转置矩阵是线性代数中最基本的矩阵运算之一，通过系统地交换矩阵的行与列位置生成新矩阵。对任意 $m \times n$ 矩阵A，其转置记作 $A^{T}$（或 $A'$、$A^{\mathrm{T}}$），为 $n \times m$ 矩阵，第 $(i,j)$ 元素等于A的第 $(j,i)$ 元素。该操作不仅是矩阵理论的核心工具，也是计量经济学、多元统计、机器学习和量子力学等领域不可或缺的代数构造。

基本性质

转置矩阵满足多项关键代数恒等式。双转置还原性：$(A^{T})^{T} = A$，两次转置回到原矩阵。加法线性性：$(A+B)^{T} = A^{T} + B^{T}$。乘积反转性：$(AB)^{T} = B^{T}A^{T}$，转置反转乘法顺序，因为 $(AB)^{T}_{ij} = (AB)_{ji} = \sum_{k} A_{jk} B_{ki} = \sum_{k} (B^{T})_{ik} (A^{T})_{kj} = (B^{T}A^{T})_{ij}$。逆与转置可交换：若A可逆，则 $(A^{-1})^{T} = (A^{T})^{-1}$，即逆的转置等于转置的逆。行列式不变性：$\det(A^{T}) = \det(A)$，因行列式在行与列对换下不变，且对任何实方阵有 $\det(A^{T}A) = \det(A)^2 \ge 0$。转置后秩不变：$\operatorname{rank}(A^{T}) = \operatorname{rank}(A)$，因为行秩等于列秩。

计量经济学与统计学应用

在计量经济学中，转置矩阵几乎无所不在。OLS法方程 $X^{T}X\hat{\beta} = X^{T}y$ 中，$X^{T}$ 为设计矩阵X的转置。$\hat{\beta} = (X^{T}X)^{-1}X^{T}y$ 中两次用到转置，将用列向量表示回归系数的公式转为便于计算的形式。

方差-协方差矩阵 $\operatorname{Var}[\hat{\beta}] = \sigma^2 (X^{T}X)^{-1}$ 的构造中，对称性来自 $X^{T}X$，该矩阵本身是对称的，因为 $(X^{T}X)^{T} = X^{T}(X^{T})^{T} = X^{T}X$。投影矩阵（帽子矩阵）$P = X(X^{T}X)^{-1}X^{T}$ 同时为对称（$P^{T}=P$）和幂等（$P^2 = P$），这是OLS投影理论的基础。在主成分分析（PCA）中，数据矩阵X和协方差矩阵 $X^{T}X$（或 $XX^{T}$）的特征分解，转置决定特征向量的方向表示是样本PCA还是变量PCA。转置矩阵作为简洁优雅且无处不在的代数工具，构成了线性回归和多元统计中公式化表达的基本语法，是理解计量经济学矩阵推导的第一步。