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。
: n! D; J/ A+ s1 `1、对角矩阵和单位阵。
) ]/ O* b2 w( U& _+ K例1：x <- 1:6; diag(x) #对角矩阵
* G1 x8 e- _% B. \. N例2：y <- rep(1, 5); diag(y) #单位阵
( g# D( g/ t# T7 z' @% b
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]
. P& n+ q5 w, r1 |+ qxx[2, ]; xx[ , 2]

* C8 Z- e; k( R5 R; L- a% }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
例1：xx <- matrix(1:20, 4, 5)
dim(xx) #行和列的维数
/ k) W2 T' b4 o+ f( I* {$ Hnrow(xx); ncol(xx) #行数和列数

5、矩阵的主要运算函数
0 }4 }( |! D: q0 f  H/ v$ w) y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
/ ?3 E0 O+ y" Q( }! yapply() #对矩阵应用函数
, Q: G8 s/ p, P5 ^9 u5 |  j6 P4 jeigen() #求特征值和特征向量
solve() #求逆矩阵
1 i0 n& U/ n& \( H2 D* ~/ L& h% Dchol() #Choleski分解
  C# q3 @5 T) t: csvd() #奇异值分解
qr() #QR分解
- V% ^2 |/ x& g9 _% L2 Kdet() #求行列式
) ?8 }0 f2 `8 u9 U- o# ^( idim() #给出行列数
t() #矩阵转置

: O  N* }$ o. D: k/ r. p6、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
# I0 d1 F( J7 y# b9 F* _, }- k& Q0 G
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。
9 c( N7 v: X' c: U+ a例1：xx <- matrix(1:20, 4, 5)
8 e1 W5 o2 Q) T4 B6 i, ]colMeans(xx) #列均值
colSums(xx) #列和
1 B6 @/ D: K! p' @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()。
- ~4 X. U: ]" [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
1 |7 G5 B. r2 G! I6 \( j