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
# x- d  F: f: j: c  L8 M例2：y <- rep(1, 5); diag(y) #单位阵
3 X/ w2 |2 B  z" Q1 M1 M( o) o
2、矩阵下标
例1：xx <- matrix(1:20, 4, 5)
! g; u' V: L. N' }% A0 W  o) O3 axx[2, 2]; xx[2, 3:5]; xx[3:4, 3:4]
) K0 i$ G8 e' ?8 H7 D7 H2 ~- Dxx[2, ]; xx[ , 2]

& g7 [* R8 ~" |; H7 y% G3、代数意义下的矩阵乘法"%*%"
( V7 D! Y8 }8 c5 N) y! `* Z例1：yy <- matrix(1:6, 3, 2); zz <- matrix(1:6, 2, 3)
8 h+ N+ {: d7 L% x+ P7 v& h2 J8 m1 Kyy %*% zz; zz %*% yy
$ A( {# F- |6 p* O
4、矩阵行和列的维数
. h2 g3 X& K6 y  f8 u9 s8 p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
  o6 A6 V: v1 N. u
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
$ G1 t8 O: Z1 q$ q4 p; V# B$ x* i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
9 p- `8 D% V( Z& A5 peigen() #求特征值和特征向量
* o! U9 z/ q8 W  Jsolve() #求逆矩阵
5 o# t- G: L4 b' ^/ S% c+ d' F+ Xchol() #Choleski分解
2 d" \& J6 g/ M; |  Osvd() #奇异值分解
qr() #QR分解
' A8 P3 e4 L( F" f% G  \5 Fdet() #求行列式
: R* t' G! Z1 N" m/ g+ ndim() #给出行列数
t() #矩阵转置

6、矩阵合并
例1：aa <- matrix(1:6, 3, 2);  bb <- matrix(7:12, 3, 2)
cbind(aa, bb) #按列合并
( _2 i3 K: `# f& j: o8 _% Krbind(aa, bb) #按行合并

# b/ g5 h* [/ }4 g1 W7、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)
. E1 l  @( ^9 N% ocolMeans(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)
+ l/ ~& p' g  \+ dapply(xx, 2, mean) #列均值，等同于colMeans(xx)
9 N0 R/ x+ \5 M; napply(xx, 2, sum) #列和，等同于colMeans(xx)，所以矩阵行和列的运算推荐用apply()。
2 Z$ a) p4 n2 Aapply(xx, 1, var) #行方差
2 ?, C' ^. z( j% g9 `4 sapply(xx, 2, max) #每列最大值
9 U, n- O$ U/ b7 e8 N! Bapply(xx, 2, rev) #每列的数反排列
) z& {- Z4 n! h" K1 A0 k' }( ^6 r
' P1 S6 N* A2 J