向量的内积和距离
向量的内积（点积） sum(a*b) 或者 t(a)%*%b 向量的距离 安装 Rtreemix 包 source("http://bioconductor.org/biocLite.R") biocLite("Rtreemix") L1.dist 计算 L1 距离， cosin.dist 计算余弦距离， euclidian.dist 计算欧氏距离， rank.cor.dist 计算排名相关距离。向量必须有相同的长度。当使用 rank.cor.dist 向量必须有长度大于 4 L1.dist(p, q) cosin.dist(p, q) euclidian.dist(x, y) rank.cor.dist(x, y) 对称正交化 正交矩阵 orthogonal matrix： 正交矩阵P是一个方块矩阵，该矩阵的行和列皆为正交的单位向量。 正交矩阵满足下列性质：P^TP=PP^T=I和P^T=P^{-1} 对称矩阵 symmetric matrix：对称矩阵A是一个方块矩阵，其转置和自身等价，即 A^T=A 对角矩阵 diagonal matrix：主对角线之外的元素皆为0的矩阵，对角线上的元素可以为0，也可以不为0。 正交对角化： 矩阵被称为可正交对角化orthogonally diagonalizable，当且仅当一个正交矩阵P使得P^TAP=D, D是一个对角阵。 特征值 eigenvalue 和特征向量 eigenvectors:当方阵A与一个非零向量v相乘等于一个常数 乘以该向量时，v被称为A的特征向量， 被称为特征值,即Av= v。 AA <- matrix ( c ( 7 , 0 , 9 , 0 , 2 , 0 , 9 , 0 , 7 ) , ncol = 3 ) eigen.A <- eigen ( AA ) #get eigenvalues and eigen vectors lam <- eigen.A$values #特征值默认以降序排列 vecs <- eigen.A$vectors #特征向量对应于降序排列的特征值，如果想改变