R语言入门基础之矩阵

数模天下

矩阵(matrix)

矩阵生成函数matrix():matrix(data, nrow = , ncol = , byrow = F)，其中，数据data是必须的，其他都是选择参数，可以不选。byrow = F默认为按列来排列数据，如果想要按行排列，令byrow = T。
1、对角矩阵和单位阵。
: R% P* o9 p0 P- M  l# o: O$ _/ w例1：x <- 1:6; diag(x) #对角矩阵
例2：y <- rep(1, 5); diag(y) #单位阵

( A3 l, f7 \+ b- W* i2、矩阵下标
' _- Y: n5 J% t: _. W9 H例1：xx <- matrix(1:20, 4, 5)
xx[2, 2]; xx[2, 3:5]; xx[3:4, 3:4]
xx[2, ]; xx[ , 2]
- c; T$ C4 W, F" S& K8 ~0 y
3、代数意义下的矩阵乘法"%*%"
例1：yy <- matrix(1:6, 3, 2); zz <- matrix(1:6, 2, 3)
$ I# H' A+ L: }8 K6 P4 Ayy %*% zz; zz %*% yy

4、矩阵行和列的维数
例1：xx <- matrix(1:20, 4, 5)
/ \; c% D6 K, X9 s" L! zdim(xx) #行和列的维数
# Y% D) E+ a8 P( Rnrow(xx); ncol(xx) #行数和列数
/ P" h1 d/ n/ D) Y& u2 p- p
5、矩阵的主要运算函数
7 d: B7 n2 |/ C% s) _7 c2 s+ b例1：x <- 1:6; y <- as.matrix(x) #转换成矩阵
: j/ w. N8 `1 Y! S- p+ [  b. K5 nis.matrix(x); is.matrix(y) #判断是否矩阵
* j0 l  q' t6 _+ e5 K, k4 m) Q例2：   diag() #方阵对角线元素或者生成对角矩阵
apply() #对矩阵应用函数
( }& M! ~4 e3 ^! Geigen() #求特征值和特征向量
6 g/ d, y- V/ psolve() #求逆矩阵
2 [$ I% k8 m. U9 J+ Rchol() #Choleski分解
svd() #奇异值分解
qr() #QR分解
det() #求行列式
dim() #给出行列数
t() #矩阵转置

) T! w' C' @& y% g, n6、矩阵合并
例1：aa <- matrix(1:6, 3, 2);  bb <- matrix(7:12, 3, 2)
cbind(aa, bb) #按列合并
rbind(aa, bb) #按行合并

9 U/ [5 G: C3 Y$ Y4 F7、矩阵apply()运算函数：语法是apply(data, dim, function),dim取1表示对行运用函数，取2表示对列运用函数。
1 N. a: g; g+ G# @  x5 V, ]8 |例1：xx <- matrix(1:20, 4, 5)
  Z6 v7 w7 q: I( N! [colMeans(xx) #列均值
colSums(xx) #列和
其余大部分都要用到apply()函数
例2：xx <- matrix(1:20, 4, 5)
8 u9 y- L* z$ @3 U% k( J4 m2 Iapply(xx, 2, mean) #列均值，等同于colMeans(xx)
apply(xx, 2, sum) #列和，等同于colMeans(xx)，所以矩阵行和列的运算推荐用apply()。
apply(xx, 1, var) #行方差
apply(xx, 2, max) #每列最大值
  C* o9 T( f& L9 x' N3 Qapply(xx, 2, rev) #每列的数反排列
  h7 d* R3 U4 k' S& J
4 c2 {9 V) ?8 S6 H: u1 t# @; d
, O; r7 _% a, k, L; A" u7 n9 `