1

Algunos resultados de algebra matricial

Medidas básicas del tamaño de una matriz

El determinante y la traza son medidas globales del tamaño de una matriz, son función
de los valores propios y serán invariantes ante transformaciones que preserven estos
valores

Diagonalización
Sea A, matriz cuadrada nxn
u es un vector propio asociado a , valor propio entonces:
Au = u
(u 6= 0; kuk = 1; para evitar indeterminación)
Los designamos por u1; u2; ::::un y 1; 2;:::; n
(A I)u = 0
Ecuación Característica
jA Ij = 0
U = (u1; u2; ::::un) es una matriz ortogonal (UUt = UtU = I)
 2

0 1
1
B C
=B
@
2 C matriz diagonal
A
:::
n

y se cumple:
AU = U
A = U Ut es la descomposición espectral de A
= UtAU
 3

Propiedades
r 1
Si es valor propio de A , lo es de Ar y lo es de A 1

A y At tienen los mismos autovalores

P
Traza(A)= i
Y
jAj = i

Si P es no singular A y P 1AP tienen los mismos autovalores

Ay A I tienen los mismos vectores propios
ABC; BCA; CAB tienen los mismos valores propios no nulos
En una matriz triangular los autovalores son los elementos de la diagonal.
 4

T raza(ABC) = T raza(BCA) = T raza(CAB)

T raza(A) = T raza(U Ut) = T raza(UtU ) = T raza(I ) = T raza( )
jAj = j j
jABj = jAj jBj
jAj = U Ut = jUj j j jUtj = 1: j j :1 = j j
 5

Matrices de datos

0 1
0 1 x1
x11 x12 ::: x1p B x2 C
B C
B x21 x22 ::: C
x2p C B ::: C
Xnp =B
@ ::: A ;x = B
B
C ; centroide
C
::: ::: ::: B xj C
xn1 xn2 ::: xnp @ ::: A
xp
xt = n1 1tX X
1
donde xj = n xij
i

S = (sjj 0 ), matriz de covarianzas

X
1
sjj 0 = n (xij xj )(xij0 xj0)
i
 6

0 1
1
B1C
Sea H = I 1 t B C 1 1 ::: 1
n J; J = 1:1 = @:::A

1
Se cumple:
H = Ht
H2= H
HX, matriz de datos centrada
S = n1 XtH2X
Matriz de correlación
0 1
1 r12 ::: r1p
Br12 1 ::: r2pC
R=B C sij
@ ::: ::: ::: ::: A ; rij = p p
sii sjj

r1p r2p ::: 1

matricialmente:
p p
D = ( sii) = Diag( sii); R = D 1SD 1; S = DRD
 7

Variables Compuestas
Construcción de combinaciones lineales muy frecuente en ADM
y = a1x1 + a2x2 + ::: + apxp
y = atx
y a partir de la matriz de datos:
Yn1 = Xnpa
si z = btx , Zn1= Xnpb
var(y) = n1 YtHtHY = n1 atXtHtHXa = atSa
analogamente para
var(z) = btSb
cov(y; z) = atSb
de la misma forma si
Ynq = XnpApq
Znl = XnpBpl
cov(Y; Z)ql = AtSB
var(Y) = AtSA
var(Z) = BtSB
 8

Medidas globales de variabilidad e independencia

S, matriz de varianza/covarianza
R, matriz de correlación Y
Varianza generalizada jSj = i
i
X
Varianza Total traza(S)= i
i
1 1
Medida de la dependencia global 2
=1 jRj ; ó 1 jRj ó 1
p
jRj p 1

Veri ca:
–0 2
1
– 2
= 0 si las p variables son incorreladas
– 2
= 1 solo si hay relaciones lineales entre las variables
 9

Distancias (entre individuos y poblaciones)

Distancia euclídea:
sX
dE (i; j) = (xih xjh)2
h

d2E (i; j) = (xi xj )tI(xi xj )

(para variables incorreladas y no es invariante a cambios de escala)

Distancia K de Pearson
sX
(xih xjh )2
dP (i; j) = shh
h

d2P (i; j) = (xi xj )tDiag(S) 1(xi xj )

(para variables incorreladas, es invariante a cambios de escala)
 10

Distancia de Mahalanobis
q
dM (i; j) = (xi xj )tS 1(xi xj )
d2M (i; j) = (xi xj )tS 1(xi xj )
(Es invariante por transformaciones lineales no singulares)

Distancia entre individuos y centroide(cdg):

d2M (i; cdg) = (xi x)tS 1(xi x)
Distancia entre dos matrices de datos Xn1p; Yn2p con matrices de covarianzas S1 y
S2
(y x)tS 1(y x)
y
S = n1Sn11+n
+n2
2 S2