2.8 转置矩阵及对称矩阵

转置矩阵

内积具有重要意义，那么如何计算变换后两个向量的内积呢？

向量 $\mathbf{v},\mathbf{w}$ 经变换矩阵 $A$ 变换为向量 $A\mathbf{v},A\mathbf{w}$ ，内积按矩阵乘法计算，就是向量 $A\mathbf{v}$ 对应的行向量和向量 $A\mathbf{w}$ 的乘积。如何表示向量 $A\mathbf{v}$ 对应的行向量呢？

行向量就是向量旋转，数值和向量 $A\mathbf{v}$ 一样。向量 $A\mathbf{v}$ 是向量组的线性组合，那行向量也是其线性组合，只是旋转了，所以行向量可以表示为：把矩阵 $A$ 的列向量旋转为行向量，然后求线性组合。所以需要定义一种操作，把矩阵的列向量旋转为行向量，这就是矩阵转置。

定义 转置矩阵 把矩阵 $A$ 的第 $i$ 个列向量旋转为第 $i$ 个行向量，得到一个新矩阵，叫做 $A$ 的转置矩阵，记作 $A^T$ 。

例如矩阵
$$A=\left[\begin{array}{cc}0& 3\\ 1& 4\\ 2& 5\end{array}\right]A^T=\left[\begin{array}{ccc}0& 1& 2\\ 3& 4& 5\end{array}\right]$$
所以列向量 $\mathbf{v}$ 转置就是行向量 ${\mathbf{v}}^{\mathbf{T}}$ ，行向量是列向量的转置。

重要性质 $(A\mathbf{v}{)}^T={\mathbf{v}}^{\mathbf{T}}{A}^T$ 。

变换向量的内积为
$$(A\mathbf{v},A\mathbf{w})=(A\mathbf{v}{)}^T(A\mathbf{w})={\mathbf{v}}^{\mathbf{T}}{A}^{T}A\mathbf{w}={\mathbf{v}}^{\mathbf{T}}(A^{T}A)\mathbf{w}$$

上式是四个矩阵相乘，结果是个数，大家一定要习惯矩阵表达式。

矩阵乘积 $A^{T}A$ 很重要，我们来计算下
$$\begin{gathered} A=\left[{\mathbf{a}}_1,{\mathbf{a}}_2,\cdots ,{\mathbf{a}}_{\mathbf{n}}\right]A^T=\left[\begin{array}{c}{\mathbf{a}}_1^{\mathbf{T}}\\ {\mathbf{a}}_2^{\mathbf{T}}\\ ⋮\\ {\mathbf{a}}_{\mathbf{n}}^{\mathbf{T}}\end{array}\right] \\ {A}^{T}A=\left[\begin{array}{cc}{\mathbf{a}}_1^{\mathbf{T}}{\mathbf{a}}_1& {\mathbf{a}}_1^{\mathbf{T}}{\mathbf{a}}_2\cdots ,{\mathbf{a}}_1^{\mathbf{T}}{\mathbf{a}}_{\mathbf{n}}\\ ⋮& \\ {\mathbf{a}}_{\mathbf{n}}^{\mathbf{T}}{\mathbf{a}}_1& {\mathbf{a}}_{\mathbf{n}}^{\mathbf{T}}{\mathbf{a}}_2\cdots ,{\mathbf{a}}_{\mathbf{n}}^{\mathbf{T}}{\mathbf{a}}_{\mathbf{n}}\end{array}\right] \end{gathered}$$
矩阵第 $i$ 行第 $j$ 列的数值是矩阵 $A$ 的第 $i$ 个列向量与矩阵 $A$ 的第 $j$ 个列向量的内积。对任意矩阵 $A_{mn}$， $A^{T}A$ 是 $n$ 阶方阵。

另一个与矩阵 $A$ 密切相关的矩阵是 $A{A}^T$ ，我们来计算下
$$A{A}^T={\mathbf{a}}_1{\mathbf{a}}_1^{\mathbf{T}}+{\mathbf{a}}_2{\mathbf{a}}_2^{\mathbf{T}}+\cdots +{\mathbf{a}}_{\mathbf{n}}{\mathbf{a}}_{\mathbf{n}}^{\mathbf{T}}$$
是 $n$ 个简单矩阵之和，每个简单矩阵是矩阵 $A$ 的列向量与列向量的外积。$A{A}^T$ 是 $m$ 阶方阵。

矩阵转置也可以看作一种运算，满足如下性质
$$\begin{gathered} (A^T{)}^T=A \\ (A+B{)}^T=A^T+B^T \\ (\lambda A{)}^T=\lambda A^T \\ (AB{)}^T=B^T{A}^T \end{gathered}$$
前3个很明显，证最后一个。

证：根据 $(A\mathbf{v}{)}^T={\mathbf{v}}^{\mathbf{T}}{A}^T$ ，$\mathbf{v}$ 取矩阵 $B$ 的每个列向量时得 $(A{\mathbf{b}}_1{)}^T={\mathbf{b}}_1^{\mathbf{T}}{A}^T,\cdots ,(A{\mathbf{b}}_{\mathbf{n}}{)}^T={\mathbf{b}}_{\mathbf{n}}^{\mathbf{T}}{A}^T$ ，合成矩阵形式即得。

方阵 $A^{T}A$ 的转置矩阵是 $(A^{T}A{)}^T=A^T((A^T{)}^T)=A^{T}A$ ，等于自身。

定义 对称矩阵 设 $S$ 为 $n$ 阶方阵，如果满足 $S^T=S$ ，那么 $S$ 称为对称矩阵，简称对称阵。

对称矩阵具有十分重要的地位，专门用大写字母 $S$ 表示对称阵。

方阵 $A{A}^T$ 也是对称矩阵。

对称矩阵的特点是，第 $i$ 个列向量数值上等于第 $i$ 个行向量。下面两个矩阵都是对称阵。
$$S=\left[\begin{array}{cc}0& 2\\ 2& 1\end{array}\right]S=\left[\begin{array}{ccc}1& 4& 5\\ 4& 2& 6\\ 5& 6& 3\end{array}\right]$$
排成表格时，数值以对角线为对称轴对应相等，所以称为对称矩阵。

内积和矩阵转置还有一个重要性质，
$$(\mathbf{v},A\mathbf{w})={\mathbf{v}}^{\mathbf{T}}(A\mathbf{w})＝({\mathbf{v}}^{\mathbf{T}}A)\mathbf{w}＝(A^T\mathbf{v}{)}^T\mathbf{w}=(A^T\mathbf{v},\mathbf{w})$$

向量 $\mathbf{v}$ 与向量 $\mathbf{w}$ 的变换向量（变换矩阵为 $A$ ）的内积等于向量 $\mathbf{v}$ 的变换向量（变换矩阵为 $A^T$ ）与向量 $\mathbf{w}$ 的内积。当变换矩阵是对称阵时，
$$(\mathbf{v},S\mathbf{w})={\mathbf{v}}^{\mathbf{T}}S\mathbf{w}=(S\mathbf{v},\mathbf{w})$$

公式中矩阵 $S$ 处于对称位置，故称对称矩阵。