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。
# u8 O: C0 `: P  ?$ s例1：x <- 1:6; diag(x) #对角矩阵
例2：y <- rep(1, 5); diag(y) #单位阵
9 M- P$ F2 a1 A# q, g+ n
6 I% W. V9 ^. c. n& T0 h$ Q2、矩阵下标
例1：xx <- matrix(1:20, 4, 5)
. l$ _: R; }( ?0 d: s% ~xx[2, 2]; xx[2, 3:5]; xx[3:4, 3:4]
1 D1 Y6 G# W' U- ?4 ^# z" H& [- Jxx[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)
yy %*% zz; zz %*% yy

4、矩阵行和列的维数
% @6 c2 M' _5 @- ]4 ~+ w  W9 c4 P例1：xx <- matrix(1:20, 4, 5)
dim(xx) #行和列的维数
nrow(xx); ncol(xx) #行数和列数
; O  u2 ]9 _) v+ D+ ^$ Q7 F# d: ^
5、矩阵的主要运算函数
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 W) ^: D5 n0 U( f. V! G4 Uapply() #对矩阵应用函数
% Z- R2 f) }9 Peigen() #求特征值和特征向量
solve() #求逆矩阵
chol() #Choleski分解
2 ~8 v* i. ~/ d% l* zsvd() #奇异值分解
qr() #QR分解
2 i. {8 X- `8 z3 }- c/ ?+ `* ]+ ?- ~det() #求行列式
2 J% t1 N8 d- D- J8 n9 b) jdim() #给出行列数
0 u3 e: ~, F0 O9 r+ c: {0 St() #矩阵转置
7 ]* S' ~0 O3 Q
6、矩阵合并
7 `. w: ?8 M8 O4 J  S# ^例1：aa <- matrix(1:6, 3, 2);  bb <- matrix(7:12, 3, 2)
& j" D, b4 y0 Q- {7 acbind(aa, bb) #按列合并
0 U2 q3 E* H, E* M3 a' G8 }rbind(aa, bb) #按行合并

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。
2 K9 ]# s) R, A例1：xx <- matrix(1:20, 4, 5)
: i' O2 j/ `8 K1 |4 ]% Z1 B; icolMeans(xx) #列均值
# \# F3 f# _1 j1 y. J* V% _colSums(xx) #列和
其余大部分都要用到apply()函数
7 P% R# v7 o3 K( m- i5 A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
apply(xx, 2, max) #每列最大值
apply(xx, 2, rev) #每列的数反排列