pca_graphics=function(dados,var,grupos)#1 A minha função contêm os arquivos de entrado dados, var e grupos. 
{
  ## VERIFICANDO OS PARÂMETROS ##
  if (!require(devtools))#2 Se não existir o pacote ggbibplot instalado, 
  {install.packages("devtools")}#instala o pacote. Caso já exista, a função require carrega automaticamente.
  
  if (!require(ggbiplot))#3 Se não existir o pacote ggbibplot instalado, 
  {install_github("vqv/ggbiplot")}#instala o pacote ggbiplot. Caso já exista, a função require carrega automaticamente.
  
  library(grid)#4 Carrega o pacote grid, referente ao pacote ggbiplot.
  
  if (class(dados) != "data.frame") #5 Verifica a classe do objeto "dados".Se dados não for da classe data.frame,
  {stop ("dados só pode ser da classe dataframe")} # interrompe a funcao e exibe mensagem para o usuario.
  
  if (class(var) != "data.frame") #6 Verifica a classe do objeto "var".Se var não for da classe data.frame,
  {stop ("variaveis só pode ser da classe dataframe")} # interrompe a funcao e exibe mensagem para o usuario.
  
  if (is.numeric(as.matrix(var)) != "TRUE") #7 Verifica se "var" contem apenas classes numéricas.Como "var" deve ser fator, é necessário transformar em matrix antes de verificar. Se não for,
  {stop ("var só pode conter valores numéricos")} # interrompe a funcao e exibe mensagem para o usuario.
  
  if (class(grupos) != "factor") #8 Verifica a classe do objeto "grupos". Se grupo não for da classe fator,
  {stop ("grupo só pode ser da classe fator")} #interrompe a funcao e exibe mensagem para o usuario.
  
  pca=prcomp(var,center=TRUE,scale.=TRUE) #9 Cria o pca a partir do objeto "variaveis", centralizando as variáveis no ponto zero e escalonando todos os valores.
  pca_scores=data.frame(pca$x) #10 Armazena como um dataframe os valores dos scores obtidos pelo pca para cada amostra.
  
  ### CONSTRUÇÃO DOS GRÁFICOS ###
  
  m=combn(as.matrix(seq_along(pca_scores)),m=2)#11 Cria o objeto "m" que armazena, em uma matriz, todas as possibilidades de combinação dois a dois (eixos x e y) para a sequência de colunas contidas em pca_scores. A sequência de colunas representa as dimensões.  
  x=c(NA,NA)#12 Cria vetor "x" de duas posições vazio (com NAs).
  
  pdf("Pca_plots.pdf")#13 Cria um arquivo pdf chamado "PCA_plots.pdf" para salvar as diferentes combinações de PCA no diretório do usuário. Apenas um arquivo pdf será gerado.
  
  for (i in 1:ncol(m))#14 Cria um contador i que vai de 1 até o número de colunas do objeto "m" (colunas das combinações).
  {  #15 Abriu ciclo. 
    
     for (j in 1:2) #16 Cria um contador j que vai de 1 até o número 2 (combinações apenas par a par).
     {x[j]=m[j,i] #17 Para cada valor da linha (j), ciclar entre as colunas do objeto "m". Gerando, então, todas as posições possíveis na matriz "m".
     } #18 Fecha o segundo ciclo (j).
    
   print(ggbiplot(pca,ellipse=TRUE,groups=grupos,choices=x)+ #19 Imprime os gráficos nas diferentes combinações de dimensões a partir da função ggbiplot. Fazendo uma elipse para cada grupo e utilizando os valores de "grupos" como referência e utilizando as dimensões do objeto "x". 
      geom_point(aes_string(color=grupos))+ #20 Seta cores dos pontos do gráfico de acordo com o objeto "grupos".
      theme(legend.position="bottom"))#21 Posiciona a legenda na parte debaixo do gráfico.
  } #22 Fecha o primeiro ciclo i. 
  
  dev.off()#23 Fecha o dispositivo gráfico.
  shell.exec("PCA_plots.pdf")#24 Abre o arquivo pdf gerado.
}