單位矩陣

在線性代數中，${\displaystyle n}$階單位矩陣，是一個${\displaystyle n\times n}$的方形矩陣，其主對角線元素為1，其餘元素為0。單位矩陣以${\displaystyle I_{n}}$表示；如果階數可忽略，或可由前後文確定的話，也可簡記為${\displaystyle I}$（或者${\displaystyle E}$）。

线性代数
${\displaystyle \mathbf {A} ={\begin{bmatrix}1&2\\3&4\end{bmatrix}}}$
向量 · 向量空间 · 基底  · 行列式  · 矩阵
向量 标量 · 向量 · 向量空间 · 向量投影 · 外积（向量积 · 七维向量积） · 内积（数量积） · 二重向量 矩阵与行列式 矩阵 · 行列式 · 线性方程组 · 秩 · 核 · 跡 · 單位矩陣 · 初等矩阵 · 方块矩阵 · 分块矩阵 · 三角矩阵 · 非奇异方阵 · 转置矩阵 · 逆矩阵 · 对角矩阵 · 可对角化矩阵 · 对称矩阵 · 反對稱矩陣 · 正交矩阵 · 幺正矩阵 · 埃尔米特矩阵 · 反埃尔米特矩阵 · 正规矩阵 · 伴随矩阵 · 余因子矩阵 · 共轭转置 · 正定矩阵 · 幂零矩阵 · 矩阵分解 （LU分解 · 奇异值分解 · QR分解 · 极分解 · 特征分解） · 子式和余子式 · 拉普拉斯展開 · 克罗内克积 线性空间与线性变换 线性空间 · 线性变换 · 线性子空间 · 线性生成空间 · 基 · 线性映射 · 线性投影 · 線性無關 · 线性组合 · 线性泛函 · 行空间与列空间 · 对偶空间 · 正交 · 特征向量 · 最小二乘法 · 格拉姆-施密特正交化
查 论 编

${\displaystyle I_{1}={\begin{bmatrix}1\end{bmatrix}},\ I_{2}={\begin{bmatrix}1&0\\0&1\end{bmatrix}},\ I_{3}={\begin{bmatrix}1&0&0\\0&1&0\\0&0&1\end{bmatrix}},\ \cdots ,\ I_{n}={\begin{bmatrix}1&0&\cdots &0\\0&1&\cdots &0\\\vdots &\vdots &\ddots &\vdots \\0&0&\cdots &1\end{bmatrix}}}$

一些數學書籍使用${\displaystyle U}$和${\displaystyle E}$（分別意為單位矩陣（unit matrix）和基本矩陣（Einheitsmatrix）），不過${\displaystyle I}$更加普遍。

特別是單位矩陣作為所有${\displaystyle n}$階矩陣的環的單位，以及作為由所有${\displaystyle n}$階可逆矩陣構成的一般線性群${\displaystyle GL(n)}$的單位元（單位矩陣明顯可逆，單位矩陣乘自己，仍是單位矩陣）。

這些${\displaystyle n}$階矩陣經常表示來自${\displaystyle n}$維向量空間自己的線性變換，${\displaystyle I_{n}}$表示恆等函數，而不理會基。

有時使用這個記法簡潔的描述對角線矩陣，寫作：

${\displaystyle I_{n}=\operatorname {diag} (1,1,...,1)}$

也可以克羅內克爾δ記法寫作：

${\displaystyle (I_{n})_{ij}=\delta _{ij}}$

性质

根據矩陣乘法的定義，單位矩陣${\displaystyle I_{n}}$的重要性質為：

${\displaystyle AI_{n}=A}$且${\displaystyle I_{n}B=B}$

单位矩阵的特征值皆为1，任何向量都是单位矩阵的特征向量。具有重數 ${\displaystyle n}$。因为特征值之积等于行列式，所以单位矩阵的行列式为1。因为特征值之等于迹数，单位矩阵的迹为${\displaystyle n}$。

注释

1. 在部分領域中，如量子力學，單位矩陣是以粗體字的1表示，否則無法與I作區別。