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。
/ V/ `3 v* e% Y8 p5 S例1：x <- 1:6; diag(x) #对角矩阵
例2：y <- rep(1, 5); diag(y) #单位阵
+ d4 ^5 e  X. L* U3 t
2、矩阵下标
1 T1 F& u, s& A& h* y( H例1：xx <- matrix(1:20, 4, 5)
) z; N- @1 v" |- `) \6 A! _xx[2, 2]; xx[2, 3:5]; xx[3:4, 3:4]
xx[2, ]; xx[ , 2]
# p7 {8 @, [: `( E, `2 d9 k
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)
# c) j9 }/ o. k7 o1 P  `7 Qyy %*% zz; zz %*% yy

$ O0 q- J5 g3 r! w$ d4、矩阵行和列的维数
/ N! {# W  O" C5 B例1：xx <- matrix(1:20, 4, 5)
4 k  Z9 }$ {( jdim(xx) #行和列的维数
7 \8 {9 d1 m) N  E. `nrow(xx); ncol(xx) #行数和列数
9 _! S* k% c0 \9 Q7 N, u
/ k( P1 C7 a9 ?  o5、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
& C3 ]- r" @2 _1 t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
solve() #求逆矩阵
0 a$ {0 p! J! q% i5 o2 L) G+ Ychol() #Choleski分解
svd() #奇异值分解
* w8 O8 _5 f3 F6 @: k9 ?qr() #QR分解
) f+ S! N( Z9 l9 G! b9 Vdet() #求行列式
dim() #给出行列数
" [7 Q7 o3 H3 N5 i2 n0 a) Y5 R8 @: Yt() #矩阵转置

6、矩阵合并
例1：aa <- matrix(1:6, 3, 2);  bb <- matrix(7:12, 3, 2)
5 c- z8 `3 D. a1 Zcbind(aa, bb) #按列合并
4 z: k; i$ Y' C; P; R/ Prbind(aa, bb) #按行合并
; Y- y9 _( l2 L: E. F6 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。
例1：xx <- matrix(1:20, 4, 5)
+ w0 Q( u; l2 {0 v" u# g6 {+ ?0 VcolMeans(xx) #列均值
colSums(xx) #列和
3 n( X& v1 B6 e2 |+ |% T4 N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
apply(xx, 2, rev) #每列的数反排列
7 E/ d2 G3 b2 ]5 ^  F) [

4 ^& h2 z- P8 f9 V7 s7 x