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。
- ~! o% a+ ~  }  f, }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
$ L( m. c4 ]1 n5 C$ s: {
2、矩阵下标
' B$ w7 [% i- B; `; U9 T: j- U( q例1：xx <- matrix(1:20, 4, 5)
( D# j, i- F  Y" o" k. Y+ ixx[2, 2]; xx[2, 3:5]; xx[3:4, 3:4]
3 X! b4 O  N: D6 W# A+ ~5 {xx[2, ]; xx[ , 2]
( [8 r* o# U* b
& _* i! e2 k5 M8 i& t3、代数意义下的矩阵乘法"%*%"
- \" }7 N8 N. [例1：yy <- matrix(1:6, 3, 2); zz <- matrix(1:6, 2, 3)
yy %*% zz; zz %*% yy

5 X7 `" H- _7 Y2 l9 r4、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
" @/ S/ d2 ~& \9 W6 s& L
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 S6 U: Z9 n7 }+ u) Q! j3 [  M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
" ^4 j2 u' R" a$ c/ t- Ssolve() #求逆矩阵
: b) p1 s( Y, }, i. dchol() #Choleski分解
( T" a5 L5 F" Q. zsvd() #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
1 Q3 ]# x2 e2 n! `4 K$ d7 }5 L; g
6、矩阵合并
1 `& i* j- X2 B; X- A例1：aa <- matrix(1:6, 3, 2);  bb <- matrix(7:12, 3, 2)
$ L4 K8 j0 z% [; I/ u0 ucbind(aa, bb) #按列合并
rbind(aa, bb) #按行合并

5 |- b( \+ j1 L# q  ^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)
colMeans(xx) #列均值
- Q0 ?% t+ Y# D  P- [colSums(xx) #列和
其余大部分都要用到apply()函数
例2：xx <- matrix(1:20, 4, 5)
4 z- H0 {" p/ L" oapply(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
' t' {* ?+ ~/ f6 q5 n: z( Gapply(xx, 2, max) #每列最大值
0 V2 `4 j5 k' zapply(xx, 2, rev) #每列的数反排列
% h8 d2 R: p/ Z& j3 `
6 n; k% D, y+ L2 }
% y4 o+ g! N! \8 _