3×3の恒等行列を構築する：

行列を可視化する：

2×3の恒等行列を構築する：

正方恒等行列：

矩形恒等行列：

恒等行列の階数を計算する：

オプション設定TargetStructure"Sparse"を使って疎な恒等行列を構築する：

大きい行列の場合，疎な表現を使うとメモリが大幅に節約できる：

オプション設定TargetStructure"Structured"を使って構造化恒等行列を生成する：

この表現と計算は，構造化配列については効率的である：

通常の表現を使うと行列が大幅に大きくなり，計算も遅くなる：

逆行列の構築には大量のストレージが必要になる：

IdentityMatrixオブジェクトは配列についての情報を与える特性がある：

"WorkingPrecision"は行列成分の精度を与える：

"Summary"特性は配列についての情報の簡単な要約を与える：

"StructuredAlgorithms"特性は構造化アルゴリズムを持つ関数のリストを与える：

IdentityMatrixを使って標準基底を上にすばやく定義する：

変数 , , が標準基底の変数として使えるようになった：

IdentityMatrixを使って固有多項式を計算する：

CharacteristicPolynomialを使って直接計算したものと比較する：

行列 m を恒等行列と組み合せて拡大行列を作る：

拡大行列の行を削減するとInverse[m]で拡大された恒等行列が与えられる：

r の右半分が真にInverse[m]であることを確認する：

正方恒等行列の行列式は常に1である：

nm 行列 ℳ についてTr[ℳ]==Min[n,m]：

正方恒等行列はそれ自身の逆行列であり，それ自身の転置でもある：

恒等行列のスカラー倍は対角行列である：

恒等行列の , 番目の項目はKroneckerDelta[i,j]で与えられる：

IdentityMatrix[n]の 番目の行または列はUnitVector[n,i]である：

IdentityMatrix[{n,m}]については，i≤Min[n,m]のとき行はUnitVector[m,i]である：

IdentityMatrixは構造化DiagonalMatrixに変換できる：

一般的な対角行列にDiagonalMatrixを使う：

可逆な n×n 行列 m については，Inverse[m].m==m.Inverse[m]==IdentityMatrix[n]である：

n×m 行列 a については，a.PseudoInverse[a]==IdentityMatrix[n]である：

恒等行列の擬似逆行列はその転置である：

非特異 n×n 行列 m については，MatrixPower[m,0]==IdentityMatrix[n]である：

行列と恒等行列のKroneckerProductはブロック対角行列である：

WorkingPrecisionオプションは行列を作り次にNを適用するのと等しい：

IdentityMatrix が正方行列なら，PermutationMatrixに変換できる：

恒等置換の巡回表現を得る：