这期内容当中小编将会给大家带来有关怎么在R语言项目中实现一个向量和矩阵,文章内容丰富且以专业的角度为大家分析和叙述,阅读完这篇文章希望大家可以有所收获。
向量是有相同基本类型的元素序列,一维数组,定义向量的最常用办法是使用函数c(),它把若干个数值或字符串组合为一个向量。
> x <- c(1,2,3) > x [1] 1 2 3
> x <- c(1,2,3) > y <- x*2 > y [1] 2 4 6
(注:向量的整数除法是%/%,取余是%%。)
第一种方法:%*%
> x <- c(1,2,3) > y <- c(4,5,6) > z <- x%*%y > z [,1] [1,] 32
第二种方法:crossprod(x,y).
> x <- c(1,2,3) > y <- c(4,5,6) > z <- crossprod(x,y) > z [,1] [1,] 32
第一种方法:%o%
> x <- c(1,2,3) > y <- c(4,5,6) > x%o%y [,1] [,2] [,3] [1,] 4 5 6 [2,] 8 10 12 [3,] 12 15 18
第二种方法:tcrossprod(x,y)
> x <- c(1,2,3) > y <- c(4,5,6) > tcrossprod(x,y) [,1] [,2] [,3] [1,] 4 5 6 [2,] 8 10 12 [3,] 12 15 18
第三种方法:outer(x,y)
> x <- c(1,2,3) > y <- c(4,5,6) > outer(x,y) [,1] [,2] [,3] [1,] 4 5 6 [2,] 8 10 12 [3,] 12 15 18
> x <- matrix(1:9,3,3) > x [,1] [,2] [,3] [1,] 1 4 7 [2,] 2 5 8 [3,] 3 6 9
其中第一个3表示的是行数,第二个3表示的列数。 故产生一个3*3的矩阵。这里是将1到9按列排列,如果想按行排列,那么如下代码
> x <- matrix(1:9,3,3,byrow = TRUE) > x [,1] [,2] [,3] [1,] 1 2 3 [2,] 4 5 6 [3,] 7 8 9
> x <- matrix(1:9,3,3) > y <- matrix(9:1,3,3) > x*y [,1] [,2] [,3] [1,] 9 24 21 [2,] 16 25 16 [3,] 21 24 9
> x <- matrix(1:9,3,3) > x [,1] [,2] [,3] [1,] 1 4 7 [2,] 2 5 8 [3,] 3 6 9 > t(x) [,1] [,2] [,3] [1,] 1 2 3 [2,] 4 5 6 [3,] 7 8 9
> x <- matrix(1:9,3,3) > y <- matrix(9:1,3,3) > x%*%y [,1] [,2] [,3] [1,] 90 54 18 [2,] 114 69 24 [3,] 138 84 30
> x <- matrix(1:9,3,3) > y <- matrix(9:1,3,3) > crossprod(x,y) [,1] [,2] [,3] [1,] 46 28 10 [2,] 118 73 28 [3,] 190 118 46 #这个是x的转置乘以y > tcrossprod(x,y) [,1] [,2] [,3] [1,] 54 42 30 [2,] 72 57 42 [3,] 90 72 54 #这个是x乘以y的转置
> x <- matrix(1:9,3,3) > x [,1] [,2] [,3] [1,] 1 4 7 [2,] 2 5 8 [3,] 3 6 9 > det(x) [1] 0 #这个是求特征值的 > x <- matrix(1:9,3,3) > x [,1] [,2] [,3] [1,] 1 4 7 [2,] 2 5 8 [3,] 3 6 9 > a <- crossprod(x,x) > a1 <- eigen(a) #这个是得到对称矩阵特征值、特征向量的主要函数 > a1 eigen() decomposition $`values` #这个是特征值 [1] 2.838586e+02 1.141413e+00 6.308738e-15 $vectors #这个是特征向量 [,1] [,2] [,3] [1,] -0.2148372 0.8872307 0.4082483 [2,] -0.5205874 0.2496440 -0.8164966 [3,] -0.8263375 -0.3879428 0.4082483
上述就是小编为大家分享的怎么在R语言项目中实现一个向量和矩阵了,如果刚好有类似的疑惑,不妨参照上述分析进行理解。如果想知道更多相关知识,欢迎关注亿速云行业资讯频道。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。