现代统计图形 - 科学网—博客

156 附录 A 程序初步
[,1] [,2] [,3] [,4] [,5] [,6]
[1,] TRUE TRUE FALSE FALSE FALSE FALSE
[2,] TRUE TRUE FALSE FALSE FALSE FALSE
1 > # 以逻辑矩阵为下标挑选出小于5的元
2 > x[x < 5]
[1] 1 2 3 4
1 > # 各个元素的平方
2 > x^2
[,1] [,2] [,3] [,4] [,5] [,6]
[1,] 1 9 25 49 81 121
[2,] 4 16 36 64 100 144
1 > # 矩阵乘法 X * X(t()为转置函数)
2 > x %*% t(x)
[,1] [,2]
[1,] 286 322
[2,] 322 364
1 > # 一个随机方阵
2 > (x = matrix(sample(9), 3))
[,1] [,2] [,3]
[1,] 4 2 9
[2,] 8 7 5
[3,] 1 3 6
1 > # 求逆
2 > solve(x)
[,1] [,2] [,3]
[1,] 0.15429 0.08571 -0.30286
[2,] -0.24571 0.08571 0.29714
[3,] 0.09714 -0.05714 0.06857
1 > # 还有eigen(x)求特征根与特征向量,用qr(x)对矩阵作QR分解,等等
2 > # 我们还可以用cbind()和rbind()等函数将几个向量拼接成矩阵
矩阵相对于数组来说在统计中应用更为广泛,尤其是大量的统计
理论都涉及到矩阵的运算。顺便提一下,R包Matrix(Bates and Maechler,
2010)在处理(高维)稀疏或稠密矩阵时效率会比R自身的矩阵运算效率更
高。