矩阵转置的两种实现方式：从暴力法到原地算法

矩阵转置是线性代数中的基础操作，也是面试中经常遇到的题目。今天我们就来聊聊如何高效地实现矩阵转置，包括暴力法和原地算法两种方式。

什么是矩阵转置？

简单来说，矩阵转置就是把原矩阵的行变成列，列变成行。例如：

输入矩阵：

复制代码

[1, 1, 1, 1]
[2, 2, 2, 2]
[3, 3, 3, 3]
[4, 4, 4, 4]

转置后：

复制代码

[1, 2, 3, 4]
[1, 2, 3, 4]
[1, 2, 3, 4]
[1, 2, 3, 4]

方法一：暴力法（Brute Force）

这种方法适用于任意大小的矩阵，时间复杂度 O(nm)，空间复杂度 O(nm)。

基本思路：创建一个新矩阵，将原矩阵中位置 [i][j] 的元素放到新矩阵的 [j][i] 位置。

实现步骤：

初始化一个大小为 m × n 的新矩阵（m 是原矩阵行数，n 是列数）
遍历原矩阵的每个元素
将原矩阵 [i][j] 位置的元素赋值给新矩阵 [j][i] 位置
返回新矩阵

python 复制代码

def transpose(mat):
    rows = len(mat)
    cols = len(mat[0])
    
    # 创建转置矩阵
    tMat = [[0 for _ in range(rows)] for _ in range(cols)]
    
    for i in range(rows):
        for j in range(cols):
            tMat[j][i] = mat[i][j]
    
    return tMat

学矩阵转置，从暴力法到原地算法，理解指针跳跃的细节确实容易让人头大。

最近发现一个宝藏网站叫图码，它把60多种数据结构和算法都做成了交互式动画，矩阵转置的两种实现过程一目了然。

更牛的是，能直接输入自己的测试数据生成动画，或者上传C/C++/Java/Python代码进行可视化解析，连408考研和数据结构期末考的代码都有全书级详解。

强烈推荐准备考研或期末复习的同学去试试，7×24小时AI还能随时解释代码逻辑。

戳这里直达👉图码

图码-数据结构与算法交互式可视化平台

访问网站：https://totuma.cn

方法二：原地算法（In-place）

这种方法只适用于方阵（行数等于列数），时间复杂度 O(n²)，空间复杂度 O(1)。

基本思路：沿主对角线交换元素，只需要遍历上三角矩阵，将每个元素与对角线对称位置的元素交换。

实现步骤：

外层循环 i 从 0 到 n-1
内层循环 j 从 i+1 到 n-1（避免重复交换）
交换 mat[i][j] 和 mat[j][i]

python 复制代码

def transpose(mat):
    n = len(mat)
    
    for i in range(n):
        for j in range(i + 1, n):
            mat[i][j], mat[j][i] = mat[j][i], mat[i][j]
    
    return mat

两种方法对比

特性	暴力法	原地算法
适用矩阵	任意大小	仅方阵
时间复杂度	O(n*m)	O(n²)
空间复杂度	O(n*m)	O(1)
实现难度	简单	中等

总结

对于非方阵矩阵，只能使用暴力法
对于方阵矩阵，原地算法更高效，节省内存
原地算法的关键在于只遍历上三角矩阵，避免重复交换

希望这篇笔记能帮助你理解矩阵转置的实现！如果你有其他实现方式，欢迎在评论区分享~