R 矩阵乘法-非一致矩阵的松散定义

假设我们有以下情况：

x <- matrix(1:9, nrow=3)
y <- c(1,2,3)
x%*%y
y%*%x

x幸运的是（或者不幸的是，根据情况而定），许多R运算符（在其默认状态下）被重载，并在“引擎盖下”执行各种操作。在本例中，
R
中的
%*%
的默认功能自动将
y
强制到维度有效的矩阵。你打字的时候

x %*% y 

y %*% x 

x %*% as.matrix(y) 

它使
y
成为一个3 x 1的矩阵，当您键入

x %*% y 

y %*% x 

x %*% as.matrix(y) 

它使
y
1 x 3矩阵

试着把这些和你打字的时候比较一下

x %*% y 

y %*% x 

x %*% as.matrix(y) 

及

答案分别在
帮助（“%*%”）的第一部分中找到。我投票赞成“不幸”。我的经验是，R中的隐式强制通常会导致模糊、难以检测和难以调试的行为，而显式强制工具在做“错误”事情的能力方面令人恼火：-）尽管它有很多不同的缺陷，但总的来说，我仍然喜欢R并经常使用它。+1表示“不幸”。已经有很多统计软件包试图为用户做思考……如果你仍然处于一种哀鸣的心态，那么你还应该提到当你提取一列时会发生什么：
（x%*%y）[，1]
@DWin，我不确定你的意图是什么。一旦你进行了乘法运算，例如，
x%*%y
，一个新的矩阵将基于它创建，但它必须强制这样做才能使乘法工作，然后你只需像往常一样索引该矩阵。因此，
x%*%y
将a（3 x 3）乘以a（3 x 1）得到a（3 x 1），因此提取第一列只得到长度为3的向量，使用
y%*%x
得到a（1 x 3），因此第一列只是一个标量。我可能没听清你的意思……归根结底（我个人的推断）R主要是一个数据分析工具，所以矩阵运算是为DWIM设计的，其中“I”是一个统计学家。或者，Matlab的DWIM旨在将“I”作为线性代数。