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。
" j6 N" x; }- j5 {7 c# G9 }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
; N+ ~3 h( w0 q- I+ M  c例1：xx <- matrix(1:20, 4, 5)
4 Z) n3 m  q  g+ Jxx[2, 2]; xx[2, 3:5]; xx[3:4, 3:4]
xx[2, ]; xx[ , 2]

- C, c; d% n3 o" p. @3、代数意义下的矩阵乘法"%*%"
8 A% `8 F" n8 `# l7 B- a例1：yy <- matrix(1:6, 3, 2); zz <- matrix(1:6, 2, 3)
yy %*% zz; zz %*% yy
9 d3 E2 v4 k# L" @; a; f- w
4、矩阵行和列的维数
$ [7 A* w/ t; H3 p/ J& ]4 i( i( ^例1：xx <- matrix(1:20, 4, 5)
dim(xx) #行和列的维数
3 ^; J  T( U; j: g5 onrow(xx); ncol(xx) #行数和列数
5 i* i8 r8 w* R, P  m, B9 Q
  F/ m) q! o# C4 d2 N! Y& L5、矩阵的主要运算函数
* H0 b; |& t4 J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
apply() #对矩阵应用函数
eigen() #求特征值和特征向量
( [% }, O& I- Z# X) ysolve() #求逆矩阵
3 g) e* ^- T7 C$ r0 tchol() #Choleski分解
5 U  R( H: {* \, h# [svd() #奇异值分解
qr() #QR分解
det() #求行列式
6 U; k$ O3 C+ |3 [dim() #给出行列数
* M/ |* {4 e* o! X  p+ ?t() #矩阵转置
1 z+ H0 L  ~7 u0 x& k- v
8 G  m" O7 c; \6、矩阵合并
例1：aa <- matrix(1:6, 3, 2);  bb <- matrix(7:12, 3, 2)
8 ?% ~1 @! s7 {' Y! ]) Ecbind(aa, bb) #按列合并
6 C( y- O& ]& f* Arbind(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。
例1：xx <- matrix(1:20, 4, 5)
5 q9 N0 F) N% s) \4 P6 F3 A* v+ hcolMeans(xx) #列均值
6 r8 k2 W6 S! u1 e1 z2 ^! O& CcolSums(xx) #列和
, @) Q5 a, n- S* l) f' E其余大部分都要用到apply()函数
& `& m8 F% G$ P3 x; p9 M( j" _例2：xx <- matrix(1:20, 4, 5)
) V9 y  m" h9 Xapply(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
3 Y% X( E# [0 E8 B9 R( napply(xx, 2, rev) #每列的数反排列

3 D* D* ~* Y9 d4 P) V+ ]( ~. ^8 R
3 G2 |, F: s+ A1 s