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
, N0 \/ n6 u8 E, a0 {  w
9 i7 V4 U% {6 |7 F: x2、矩阵下标
3 @. l2 V* `0 l1 J) O1 Z0 y例1：xx <- matrix(1:20, 4, 5)
xx[2, 2]; xx[2, 3:5]; xx[3:4, 3:4]
7 A6 |5 B/ \# ], rxx[2, ]; xx[ , 2]

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
5 _6 x, u" W# v5 R5 a2 B% m
/ y0 {" b* l& a4、矩阵行和列的维数
例1：xx <- matrix(1:20, 4, 5)
dim(xx) #行和列的维数
/ `* d1 c# f+ m( e8 T. }nrow(xx); ncol(xx) #行数和列数
" c. E; Q: L. K9 m% M
5、矩阵的主要运算函数
! u! O9 Z+ Z; V* b* S9 M, P例1：x <- 1:6; y <- as.matrix(x) #转换成矩阵
7 V1 Q! t* ?' m6 K# @  Y" `1 g$ s9 His.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
) `  b, B2 H7 y+ m8 ^2 B; @eigen() #求特征值和特征向量
solve() #求逆矩阵
chol() #Choleski分解
svd() #奇异值分解
qr() #QR分解
) D- p7 M( t/ q1 N$ _7 Wdet() #求行列式
% q. H; S; _' wdim() #给出行列数
# l& N5 p" Y: [9 e( r  Qt() #矩阵转置

$ F/ c! N4 Y/ H* }7 O6、矩阵合并
. `0 k$ X+ E/ O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

+ E! v5 Y; u4 T: u5 {. M5 W3 ?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。
  i; U: b4 m4 G. X, _例1：xx <- matrix(1:20, 4, 5)
0 y  H! d& i5 s# c* v$ U6 scolMeans(xx) #列均值
colSums(xx) #列和
  V  z7 q) U: G) k' ^  X其余大部分都要用到apply()函数
例2：xx <- matrix(1:20, 4, 5)
5 K1 O4 F" B" \! _5 Eapply(xx, 2, mean) #列均值，等同于colMeans(xx)
& g8 W2 F; N, T* G1 |) w  v8 d: p" capply(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 B8 }) q, U# [+ {% g8 x( Sapply(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


, X5 b1 e+ I1 e6 [