单位矩阵的性质公式：线性代数中的“数字1”

〖〗 单位矩阵的定义与基本特征

在⚡线性代数中，单位矩阵（Identity Matrix）是一个特殊的方阵，通常记作 I 或 E。它的核心特征在于：

• 主对角线元素全为 1：即从左上角到右下角的对角线元素 aii = 1。
• 其余元素全为 0：所有非对角线元素 aij = 0 (当 i ≠ j 时)。

2阶单位矩阵 I₂:
[ 1  0 ]
[ 0  1 ]
3阶单位矩阵 I₃:
[ 1  0  0 ]
[ 0  1  0 ]
[ 0  0  1 ]
n阶单位矩阵 Iₙ:
主对角线为1，其余为0的n×n方阵
                        

您可以将单位矩阵类比为实数运算中的数字 1。在矩阵乘法中，任何矩阵 A 乘以单位矩阵 I（前提是维度匹配），结果仍然是 A 本身。这种“恒等变换”的特性使其成为矩阵理论中的基石。

⚙️ 单位矩阵的核心性质公式

理解单位矩阵的性质公式是解决复杂矩阵问题的关键。以下是必须掌握的核心性质：

1. 乘法恒等性 (Identity Property)

对于任意 n×m 矩阵 A，若 I 为 n 阶单位矩阵，J 为 m 阶单位矩阵，则：

Iₙ × A = A
A × Iₘ = A
                        

2. 行列式性质 (Determinant Property)

单位矩阵的行列式恒等于 1。

det(Iₙ) = |Iₙ| = 1
                        

这一性质在判断矩阵是否可逆时至关重要，因为行列式不为0的矩阵才是可逆矩阵。

3. 逆矩阵性质 (Inverse Property)

单位矩阵的逆矩阵就是它本身。

I⁻¹ = I
                        

4. 幂运算性质 (Power Property)

单位矩阵的任意正整数次幂仍为单位矩阵。

Iⁿ = I  (n 为正整数)
                        

5. 特征值与特征向量 (Eigenvalues & Eigenvectors)

单位矩阵的所有特征值均为 1。 任何非零向量都是其对应的特征向量。

I x = 1 x  =>  λ = 1
                        

📊 单位矩阵在不同领域的应用

权重更新公式示例:
w = (XᵀX + λI)⁻¹ Xᵀy
其中 I 是单位矩阵，λ 是正则化参数。
                        

📝 典型计算示例详解

示例 1：验证矩阵乘法恒等性

设 A = [[2, 3], [1, 4]]，验证 AI = A。

A = [ 2  3 ]    I = [ 1  0 ]
    [ 1  4 ]        [ 0  1 ]
AI = [ 21 + 30   20 + 31 ]
     [ 11 + 40   10 + 41 ]
   = [ 2   3 ]
     [ 1   4 ]
结果确认为 A。
                        

示例 2：计算含单位矩阵的表达式

计算 (I + A)(I - A)，其中 A 为任意方阵。

(I + A)(I - A) = I(I) - I(A) + A(I) - A(A)
               = I - A + A - A²
               = I - A²
注意：这里因为 I 与任何矩阵 A 都可交换 (IA=AI=A)，所以中间项抵消。
                        

⏳ 单位矩阵的历史演变