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。
$ n1 P: J2 ]  D1、对角矩阵和单位阵。
例1：x <- 1:6; diag(x) #对角矩阵
2 d  O( u/ X. Q. m4 u+ @例2：y <- rep(1, 5); diag(y) #单位阵

% x# k5 o" q; i6 ]3 B2、矩阵下标
4 V* M) Z5 t/ i8 B" ]- C例1：xx <- matrix(1:20, 4, 5)
- O5 Z! \- B: J& f- kxx[2, 2]; xx[2, 3:5]; xx[3:4, 3:4]
; G! U+ }4 ^6 t6 `xx[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
/ b' R( M$ a% O  l1 b/ D+ M8 y
0 h" w" q# n' r" f" g0 |6 L4、矩阵行和列的维数
例1：xx <- matrix(1:20, 4, 5)
dim(xx) #行和列的维数
6 y7 X6 N8 K6 O+ F2 h2 |: v8 F8 vnrow(xx); ncol(xx) #行数和列数
0 \& @; @! o( O& G( P- M
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
例2：   diag() #方阵对角线元素或者生成对角矩阵
3 W' M5 s9 u, P1 O6 x% @. G" yapply() #对矩阵应用函数
eigen() #求特征值和特征向量
solve() #求逆矩阵
9 B& n4 j8 ^/ {' N  Ochol() #Choleski分解
5 Y7 w! x" f; E( v! W% lsvd() #奇异值分解
qr() #QR分解
+ B! B; \2 _3 v5 Gdet() #求行列式
dim() #给出行列数
t() #矩阵转置

6、矩阵合并
' V5 d, W% f, n3 ]例1：aa <- matrix(1:6, 3, 2);  bb <- matrix(7:12, 3, 2)
cbind(aa, bb) #按列合并
8 e+ Y% x- A4 x5 {  X4 N/ Z( a4 ?6 Orbind(aa, bb) #按行合并

; V( a2 T* ~" t7、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。
, w  }2 q( ]" E8 B0 y3 T例1：xx <- matrix(1:20, 4, 5)
( d! P! }2 P- H) w+ TcolMeans(xx) #列均值
colSums(xx) #列和
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)
. T+ ^$ r  ~9 H$ R# Bapply(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
9 L7 P  p9 S# U/ ]3 H2 a2 y4 a
3 A% W/ U* P2 G' `6 z+ j0 v& y, B
* u) Z; `( t8 x