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。
例1：x <- 1:6; diag(x) #对角矩阵
例2：y <- rep(1, 5); diag(y) #单位阵

5 h# E, o: {  P, _, _2、矩阵下标
例1：xx <- matrix(1:20, 4, 5)
( o6 A1 l! _5 h" t" I7 ?; S& Jxx[2, 2]; xx[2, 3:5]; xx[3:4, 3:4]
+ H- C+ p9 H) i1 V# R, Nxx[2, ]; xx[ , 2]

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)
5 \8 C, Q' N0 E, r$ Cyy %*% zz; zz %*% yy
5 Q; y0 I# z) f
4、矩阵行和列的维数
例1：xx <- matrix(1:20, 4, 5)
* r( Y+ f8 A! v$ G0 A. ~: `" _' K# ?dim(xx) #行和列的维数
nrow(xx); ncol(xx) #行数和列数
3 A9 u9 U2 Y( t4 v2 R
; z( ~! }: [' B+ ^9 ~/ f& P5、矩阵的主要运算函数
8 G$ w% l! ~0 E; a例1：x <- 1:6; y <- as.matrix(x) #转换成矩阵
is.matrix(x); is.matrix(y) #判断是否矩阵
例2：   diag() #方阵对角线元素或者生成对角矩阵
1 Z* T8 U+ Z, @+ c% Mapply() #对矩阵应用函数
eigen() #求特征值和特征向量
solve() #求逆矩阵
chol() #Choleski分解
9 M1 B- r4 ]$ J8 osvd() #奇异值分解
qr() #QR分解
det() #求行列式
. O  U5 {5 j) p: T+ x. `dim() #给出行列数
t() #矩阵转置
# k4 _( P! t5 t" m9 x# a
6、矩阵合并
例1：aa <- matrix(1:6, 3, 2);  bb <- matrix(7:12, 3, 2)
+ C8 J3 S0 S2 {cbind(aa, bb) #按列合并
1 j- A  g7 j) J, }rbind(aa, bb) #按行合并
3 G. e8 x- |0 c9 _' C" B
+ s/ M2 B8 O7 a* v! Y- E. s( }! y7、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。
例1：xx <- matrix(1:20, 4, 5)
colMeans(xx) #列均值
5 r& X3 W! i- q( h9 |  P% P3 E0 W. rcolSums(xx) #列和
$ c  m( z8 c  X' @其余大部分都要用到apply()函数
例2：xx <- matrix(1:20, 4, 5)
apply(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
6 Y% b; o. l, ~apply(xx, 2, max) #每列最大值
apply(xx, 2, rev) #每列的数反排列

& d8 t( G# d7 i6 R4 q8 R$ f) k