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。
6 o1 X& E+ g$ l$ t: v; @  F1、对角矩阵和单位阵。
例1：x <- 1:6; diag(x) #对角矩阵
, `6 B! j- P1 f! m1 ?& ?# q5 R例2：y <- rep(1, 5); diag(y) #单位阵

8 ^" A: j: h/ h2 g2、矩阵下标
2 o4 e. A4 f! v例1：xx <- matrix(1:20, 4, 5)
4 M/ g- }6 b2 ?% H4 m3 Mxx[2, 2]; xx[2, 3:5]; xx[3:4, 3:4]
xx[2, ]; xx[ , 2]

3、代数意义下的矩阵乘法"%*%"
1 L4 V) \: b6 r$ u% M8 c% `例1：yy <- matrix(1:6, 3, 2); zz <- matrix(1:6, 2, 3)
yy %*% zz; zz %*% yy
. A( e9 I/ a6 z6 S
- M4 ^6 g0 ^$ h' w0 u, q4、矩阵行和列的维数
- @+ I% Q, i/ s2 ?- z例1：xx <- matrix(1:20, 4, 5)
4 ^! Q/ w; h- A* g/ c1 ?dim(xx) #行和列的维数
; B$ G2 Q7 Q: T5 O1 Gnrow(xx); ncol(xx) #行数和列数
9 j- G+ T9 k( O3 A+ B
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
3 U6 N& u/ T' M! L8 C, b* K* O/ b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
( }1 V! x6 a- j6 Geigen() #求特征值和特征向量
; X& C# Q0 u0 u6 Zsolve() #求逆矩阵
chol() #Choleski分解
% I  U- v/ Z+ \) P' k! C, z9 msvd() #奇异值分解
* P& i4 a4 u& q1 Qqr() #QR分解
( ^! d( w8 d5 z+ m" f. x# g8 t# ldet() #求行列式
dim() #给出行列数
t() #矩阵转置

6、矩阵合并
7 g1 S( S' d/ X( B$ i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

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。
/ x/ t6 O) o5 h3 P# s例1：xx <- matrix(1:20, 4, 5)
colMeans(xx) #列均值
colSums(xx) #列和
2 ^) B2 H6 Y, N1 o: u( a& J- ?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()。
# ~' y) V& Y2 W% Lapply(xx, 1, var) #行方差
& b: m/ B& A% X% q2 n8 X( V. Mapply(xx, 2, max) #每列最大值
4 f9 I; `# r- V9 Y# X9 g2 tapply(xx, 2, rev) #每列的数反排列
) ~, Z/ t! k% X/ Q
/ |! [9 c$ |9 |. ^; H+ w