脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 软件编程 → R语言 → R语言向量运算和矩阵运算

R语言中向量和矩阵简单运算的实现

 更新时间：2021年03月11日 10:08:26   作者：init_bin  
这篇文章主要介绍了R语言中向量和矩阵简单运算的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

一、向量运算

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。

  1.R语言向量的产生方法

> x <- c(1,2,3)
> x
[1] 1 2 3

 2.向量加减乘除都是对其对应元素进行的，例如下面

> 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%%。）

3.向量的内积，有两种方法。

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

4.向量的外积 ，有三种方法。

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

二、矩阵的运算

1. 矩阵的产生方式

> 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

2.矩阵对应元素的运算

> 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

3.矩阵的转置

> x <- matrix(1:9,3,3)
> x
   [,1] [,2] [,3]
[1,]  1  4  7
[2,]  2  5  8
[3,]  3  6  9
> t(x)
   [,1] [,2] [,3]
[1,]  1  2  3
[2,]  4  5  6
[3,]  7  8  9

4.矩阵乘法

> 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

5.矩阵 x乘y的转置，x的转置乘以y

> 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

6.求矩阵的行列式、对称矩阵的特征值、特征向量

> 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

到此这篇关于R语言中向量和矩阵简单运算的实现的文章就介绍到这了,更多相关R语言向量运算和矩阵运算内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！ 

您可能感兴趣的文章:

相关文章

  • R语言与多元线性回归分析计算案例

    R语言与多元线性回归分析计算案例

    本文主要介绍了R语言与多元线性回归分析计算案例，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
    2021-08-08
  • R语言中对数据框的列名重命名的实现

    R语言中对数据框的列名重命名的实现

    这篇文章主要介绍了R语言中对数据框的列名重命名的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2021-03-03
  • R语言数据框的合并实现示例

    R语言数据框的合并实现示例

    有时数据集来自多个地方,我们需要将两个或多个数据集合并成一个数据集,本文主要介绍了R语言数据框的合并实现示例,具有一定的参考价值,感兴趣的可以了解一下
    2024-02-02
  • R语言数据可视化包ggplot2画图之散点图的基本画法

    R语言数据可视化包ggplot2画图之散点图的基本画法

    散点图主要用于描述两个连续变量之间的关系,通过散点图发现变量之间的相关性强度、是否存在线性关系等,下面这篇文章主要给大家介绍了关于R语言数据可视化包ggplot2画图之散点图的基本画法,需要的朋友可以参考下
    2022-11-11
  • R语言 实现list类型数据转换

    R语言 实现list类型数据转换

    这篇文章主要介绍了R语言 实现list类型数据转换，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2021-03-03
  • R语言中ggplot2绘制双坐标轴图

    R语言中ggplot2绘制双坐标轴图

    本文主要介绍了R语言中ggplot2绘制双坐标轴图，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2022-08-08
  • 详解R语言数据合并一行代码搞定

    详解R语言数据合并一行代码搞定

    这篇文章主要介绍了详解R语言数据合并一行代码搞定，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2021-03-03
  • R语言数据类型和对象深入讲解

    R语言数据类型和对象深入讲解

    这篇文章主要介绍了R语言数据类型和对象深入讲解，文中列举的实例讲解的很清楚，有感兴趣的同学可以学习下
    2021-03-03
  • R语言绘制饼状图代码实例

    R语言绘制饼状图代码实例

    在本篇文章里小编给大家整理的是一篇关于R语言绘制饼状图代码实例内容，有兴趣的朋友们可以学习下。
    2021-04-04
  • R语言日期时间的使用

    R语言日期时间的使用

    日期时间是常用的一种类型，本文主要介绍了R语言日期时间的使用，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
    2022-03-03

最新评论