Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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
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
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
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
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
Distancia euclídea:
sX
dE (i; j) = (xih xjh)2
h
Distancia K de Pearson
sX
(xih xjh )2
dP (i; j) = shh
h
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)