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
例2：y <- rep(1, 5); diag(y) #单位阵

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]
) X( U! r7 s" T/ ~) w5 ?xx[2, ]; xx[ , 2]

3、代数意义下的矩阵乘法"%*%"
  I7 [' v; y' f; P" h5 S, _例1：yy <- matrix(1:6, 3, 2); zz <- matrix(1:6, 2, 3)
yy %*% zz; zz %*% yy
5 H% K9 R! g7 m( `9 u
4、矩阵行和列的维数
例1：xx <- matrix(1:20, 4, 5)
, q3 r. x( X% J. ~+ Hdim(xx) #行和列的维数
. s  \! u$ @9 h9 U0 n+ Xnrow(xx); ncol(xx) #行数和列数
7 h2 R" a% G; B* q3 Z9 M
5、矩阵的主要运算函数
5 j  _1 z, P. K1 Z. O5 @. h- t6 _例1：x <- 1:6; y <- as.matrix(x) #转换成矩阵
1 }/ B7 y5 Y: d, yis.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
apply() #对矩阵应用函数
/ d* Q* Y. V/ v- w. b* beigen() #求特征值和特征向量
, V  _( m, ^( j) f9 Fsolve() #求逆矩阵
chol() #Choleski分解
) E0 [# N: |8 Osvd() #奇异值分解
qr() #QR分解
# T  O- Y$ h% @" w( udet() #求行列式
$ G4 E+ t; P! K& }7 Mdim() #给出行列数
3 ^# h6 T- T; m/ D$ }8 v. I2 J  jt() #矩阵转置
6 z) ^3 S7 t9 W" a# e4 O. K
6、矩阵合并
; H/ L  e6 G" R, C  j: a例1：aa <- matrix(1:6, 3, 2);  bb <- matrix(7:12, 3, 2)
cbind(aa, bb) #按列合并
) U; i! }5 r: T1 Frbind(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。
! k" H; g" _# w. D$ T例1：xx <- matrix(1:20, 4, 5)
colMeans(xx) #列均值
colSums(xx) #列和
其余大部分都要用到apply()函数
6 W; A( M/ d2 E6 P- I# g* Z$ _9 E& G- [& l例2：xx <- matrix(1:20, 4, 5)
/ {+ r6 c" n' `! ?5 B7 \8 Dapply(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
% D  t) G1 l9 H6 y; h7 c5 k# }
( k1 n, ~/ J  V- y" i
% h# r% f( A# F" P* M/ C