生成一个新矩阵，多用一些参数吧这次：
x <- c(12,13,14,15)
rname <- c("R1","R2")
nname <- c("C1","C2")
newmatrix <- matrix(x,nrow=2,ncol=2,byrow=TRUE,dimnames=list(rname,nname))
##nrow 是规定矩阵有几行
##ncol是规定矩阵有几列
##byrow是规定你的矩阵是一行一行的去填充。（默认是一列一列的去填充）
##dimnames是规定行名和列名
ok解决
C1 C2
R1 12 13
R2 14 15
newmatrix[2,] ##有14 15输出 ，很简单有木有
newmatrix[1,2] ##输出13，先行后列读入
可以在复杂一点，把两个或多个矩阵组合在一起，就是-----“多维数组“
使用array函数生成
fristarray <- array(1；24，c(3,2,4)) #还有别的参数没写
, , 1
[,1] [,2]
[1,] 1 4
[2,] 2 5
[3,] 3 6
, , 2
[,1] [,2]
[1,] 7 10
[2,] 8 11
[3,] 9 12
, , 3
[,1] [,2]
[1,] 13 16
[2,] 14 17
[3,] 15 18
, , 4
[,1] [,2]
[1,] 19 22
[2,] 20 23
[3,] 21 24
可以看出来c（3,2,4）里面的数字都是什么意思
第一个：每一层数据有几行
第二个：每一层数据有几列
第三个：共有几层
还可设置名字
dim1 <- c("A1","A2","A3")
dim2 <- c("B1","B2")
dim3 <- c("C1","C2","C3","C4")
oo <- 1:24
renewarray <- array(data=oo,dim=c(3,2,4),dimnames = list(dim1,dim2,dim3))
##data如果多的话就要data=c(数据1，数据2，...)
##生成下面的东西
, , C1
B1 B2
A1 1 4
A2 2 5
A3 3 6
, , C2
B1 B2
A1 7 10
A2 8 11
A3 9 12
, , C3
B1 B2
A1 13 16
A2 14 17
A3 15 18
, , C4
B1 B2
A1 19 22
A2 20 23
A3 21 24
找22这个数字要输入什么呢？ renewarray[1,2,4]
先输入第几行，然后是第几列，最后是第几层，22这个数是第一行、第二列、第四层。
c（3,2,4）这个参数最后会成为数组的dim属性
输入attributes(renewarray)
会有下面的输出
$dim
[1] 3 2 4
t<-array(1:24) #一维数组 也就是向量
tt <- array(1:24,c(3,8)) #二维数组 也就是矩阵
ttt <- array(1:24,c(3,2,4)) #三维数组
还可以这样：
dim(t) <- c(3,2,4) #生成一个三维数组
矩阵的加法、乘法
凡是跟线性代数有关的东西都是从解方程组这么一个实际的问题简化出来的，矩阵其实就是方程组系数的简化写法
a <- matrix(1:16,byrow=TRUE,nrow=4)
b <- matrix(1:16,nrow=4)
c <- a+b #加法就是正常的加号就能解决
d=a%*%b #这是矩阵的乘法，符号是‘%*%’，矩阵的乘法需要满足a的行数与b的列数相等
e=a*b #这个对位相乘，不是正规的矩阵乘法，是(1,1)*(1,1) (2,2)*(2,2)这样的乘法
#########################################################下面是一些日常总结#########################################################
a <- matrix(1:16,byrow=TRUE,nrow=4)
b <- matrix(1:16,nrow=4)
c <- a+b
d=a%*%b ##矩阵乘法
e=a*b
x <- c(1,2,3,4)
x <- rep(x,c(5,3,4,2)) #把x中的元素分别repeat:5 3 4 2次
s <- c(rep(1,25)) #把1重复25次
ss <- matrix(s,nrow=5) #再把s的数据拿来生成一个5*5的矩阵
hang=nrow(ss) #看ss有几行
lie=ncol(ss) #看ss有几列
y=1
for (i in 1:hang){
for (e in 1:lie){
x<-1/(i+e-1)
y<-c(y,x)
print (y)
}
}
y=y[-1]
result <- matrix(y,nrow=5)
result
print (solve(result)) #求这个矩阵的逆矩阵
eigen(result) #求这个矩阵的特征值和特征向量