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。
. w7 V3 J) O" G1、对角矩阵和单位阵。
例1：x <- 1:6; diag(x) #对角矩阵
% R' u7 y) A- F; f9 }5 m例2：y <- rep(1, 5); diag(y) #单位阵

2、矩阵下标
4 e8 ?/ P% E2 L3 o3 l例1：xx <- matrix(1:20, 4, 5)
. I2 H& \# {- A$ wxx[2, 2]; xx[2, 3:5]; xx[3:4, 3:4]
2 C; N8 Q4 [$ [$ pxx[2, ]; xx[ , 2]

3、代数意义下的矩阵乘法"%*%"
! P- P* v% ~, a例1：yy <- matrix(1:6, 3, 2); zz <- matrix(1:6, 2, 3)
yy %*% zz; zz %*% yy

4、矩阵行和列的维数
例1：xx <- matrix(1:20, 4, 5)
9 i1 h* E  S2 F3 a0 w# Q' |$ J/ Qdim(xx) #行和列的维数
  p/ y9 q! r$ v- y1 Tnrow(xx); ncol(xx) #行数和列数
5 @* ]8 o1 w( j2 u7 R
5、矩阵的主要运算函数
; D! v8 }; Z% q! |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
$ T3 s- \9 a. a# X; r3 t) W6 Lapply() #对矩阵应用函数
eigen() #求特征值和特征向量
& l$ z4 b- V2 v! E, R7 hsolve() #求逆矩阵
# b0 f1 w! _8 b+ ~- Hchol() #Choleski分解
7 k0 i$ ]9 P1 F8 o, Ssvd() #奇异值分解
qr() #QR分解
" y9 }* M. \9 mdet() #求行列式
! ]& |, S; ~! X6 ~* L( W# _dim() #给出行列数
t() #矩阵转置
: j4 g$ m- B' t$ }
1 W. n9 b) @/ f& Q. B6、矩阵合并
( Y" D7 v; ?- f; O. D例1：aa <- matrix(1:6, 3, 2);  bb <- matrix(7:12, 3, 2)
5 [& V: Y1 O' u7 J+ ?* x8 Ycbind(aa, bb) #按列合并
rbind(aa, bb) #按行合并
  `/ n* u- [0 Q% V4 j. L
7、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。
* b/ P+ k9 n' k8 `) J% a例1：xx <- matrix(1:20, 4, 5)
colMeans(xx) #列均值
colSums(xx) #列和
: d: P- S0 R5 m! q其余大部分都要用到apply()函数
, o) n& W1 {: p% U例2：xx <- matrix(1:20, 4, 5)
apply(xx, 2, mean) #列均值，等同于colMeans(xx)
  C! H) l8 S% S( Y/ Happly(xx, 2, sum) #列和，等同于colMeans(xx)，所以矩阵行和列的运算推荐用apply()。
% K/ q# ^# F% }( i! b. B- w& `! mapply(xx, 1, var) #行方差
apply(xx, 2, max) #每列最大值
8 n9 N4 X# D! s& sapply(xx, 2, rev) #每列的数反排列


1 `8 L/ U* \8 p5 o% P  X/ q