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
$ W" |/ H; L" P1 n2 J$ X例2：y <- rep(1, 5); diag(y) #单位阵

) m& b9 A5 X4 W5 A) w& }2、矩阵下标
例1：xx <- matrix(1:20, 4, 5)
xx[2, 2]; xx[2, 3:5]; xx[3:4, 3:4]
3 h' T* j1 _) M% Qxx[2, ]; xx[ , 2]

/ y4 Z4 a% b7 @. B" W/ T  o8 k3、代数意义下的矩阵乘法"%*%"
2 z  I0 ?% \; L7 N, u例1：yy <- matrix(1:6, 3, 2); zz <- matrix(1:6, 2, 3)
yy %*% zz; zz %*% yy
7 x+ I6 B  `( |6 R0 B( w* w
) ^% C  x. Y* [4、矩阵行和列的维数
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
7 W0 w9 _# D2 N! ~6 N
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
& T$ w; w* n1 L+ f  t3 N3 u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
eigen() #求特征值和特征向量
9 s0 z5 |. {; A2 t/ `4 c8 L; ssolve() #求逆矩阵
chol() #Choleski分解
) z, r! i9 }2 s1 s" {8 N+ T# w- wsvd() #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
" I% V7 O$ `  ^3 u9 x
" B' v% G" I" o6、矩阵合并
& s, u1 v  x; E7 I$ o, R& y) M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

- u3 H5 j# ]  V* _1 I4 ]  W! L# s' G7、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)
3 [9 p4 {7 H+ JcolMeans(xx) #列均值
4 D5 ~7 Q: p2 G! Q% WcolSums(xx) #列和
6 _! P# |8 x, D  S- H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
apply(xx, 2, max) #每列最大值
: i3 V5 }! t" o# `& Y6 Xapply(xx, 2, rev) #每列的数反排列


: Q/ o4 _3 y+ f- b