向量乘以標量可以直接運算，如下所示： 

> y <- c( 1, 3, 6, 10 )

> 2 * y

[1]  2  6 12 20

    如果想計算兩個向量的內積(也就是點積)，可以使用crossprod()命令。

> crossprod( 1:3, c( 5, 12, 13 ) )

     [,1]

[1,]   68

    數學意義上的矩陣乘法，要使用運算子“%*%”。

> a <- matrix( c( 1, 3, 2, 4 ), nrow=2 )

> b <- matrix( c( 1, 0, -1, 1 ), nrow=2 )

> a %*% b

     [,1] [,2]

[1,]    1    1

[2,]    3    1

    函式solve()可以解線性方程組，還可以求矩陣的逆矩陣。

> a <- matrix( c( 1, 1, -1, 1 ), nrow=2, ncol=2 )

> b <- c( 2, 4 )

> solve( a, b )#求解線性方程組

[1] 3 1

> solve( a ) #第二個引數省略表示計算矩陣的逆

     [,1] [,2]

[1,]  0.5  0.5

[2,] -0.5  0.5

    下面是一些其他線性代數運算子：

Ю t():矩陣的轉置

Ю qr():QR分解

Ю chol():Cholesky分解

Ю det():矩陣的行列式值

Ю eigen():矩陣的特徵值和特徵向量

Ю diag():從方陣中提出對角矩陣(有利於從協方差矩陣中得到方差和構建對角矩陣)

Ю sweep():數值分析批量運算子

    需要注意的是diag()函式的兩用型：如果它的引數是一個矩陣，它返回的是一個向量，反之亦然；同樣的，如果它的引數是一個標量，那麼這個函式返回指定大小的單位矩陣。

> m <- matrix( c( 1, 7, 2, 8 ), nrow=2 )

> dm <- diag( m )

> dm

[1] 1 8

> diag( dm )

     [,1] [,2]

[1,]    1    0

[2,]    0    8

> diag( 3 )

     [,1] [,2] [,3]

[1,]    1    0    0

[2,]    0    1    0

[3,]    0    0    1

    函式sweep()可以做比較複雜的運算。下面的例子實現了第一行都加1，第二行都加4，第三行都加7：

> m <- matrix( c( 1, 4, 7, 2, 5, 8, 3, 6, 9 ), nrow=3 )

> sweep( m, 1, c( 1, 4, 7 ), "+" )

     [,1] [,2] [,3]

[1,]    2    3    4

[2,]    8    9   10

[3,]   14   15   16

    sweep()函式中的前兩個引數類似於apply()中的引數：陣列和方向。上面的例子中，方向是1，表示按行運算。sweep()函式中的第四個引數表示的是要使用的函式。