方阵可原地转置，非方阵必须新建容器；原地操作仅限上三角遍历（j从i+1开始），避免越界、覆盖与逻辑错乱；Python需深拷贝防引用陷阱。

二维数组的矩阵转置本质是行列互换：原矩阵第 i 行第 j 列的元素，变成新矩阵第 j 行第 i 列。是否原地操作，取决于矩阵形状和语言特性——方阵可以原地交换，非方阵必须新建容器。

什么时候能原地转置？

仅当矩阵为方阵（行数 == 列数）时，才可安全原地操作。这是因为内存按行优先连续存储，arr[i][j] 和 arr[j][i] 在地址上存在确定映射关系。非方阵强行原地交换会导致：

• 索引越界（如 2×3 矩阵中访问 arr[3][2] 会越出合法范围）
• 数据覆盖（交换过程中未被保护的元素被提前改写）
• 逻辑错乱（行列维度不匹配，无法一一对应）

方阵原地转置的正确写法

关键在遍历范围：只处理上三角区域（不含对角线），避免重复交换和自交换。以 C/C++ 或 Java 为例：

• 外层循环 i 从 0 到 n−1
• 内层循环 j 从 i+1 到 n−1
• 每次执行 swap(arr[i][j], arr[j][i])

Python 中同理，但要注意避免浅拷贝陷阱——不能用 copy() 或 [row for row in matrix]，它们复制的是引用而非值。

非方阵必须用新数组

比如 3×4 矩阵转置后是 4×3，尺寸已变，无法塞回原空间。通用做法是：

• 申请新二维容器，行数 = 原列数，列数 = 原行数
• 双层循环：新矩阵 transposed[j][i] = original[i][j]
• C 语言中需显式声明大小，如 int transposed[COLS][ROWS]
• Python 可用列表推导：[[matrix[i][j] for i in range(len(matrix))] for j in range(len(matrix[0]))]

常见坑点提醒

很多错误源于对内存布局和对象引用的理解偏差：

• [[0]*n]*m 创建的是 m 个相同列表的引用，改一行全变
• 用 arr.copy() 复制二维列表，子列表仍共享内存
• 原地转置时 j 从 i 开始（而非 0），会导致对角线元素被 swap 两次归零
• C/C++ 中固定数组如 int a[3][3] 可原地操作；但 vector> 需确保 size 一致且手动管理索引