Documentos de Académico
Documentos de Profesional
Documentos de Cultura
El modelo matemático
Las Matemáticas entran en escena
Otras conexiones
El secreto de
¡Últimas noticias!
¡Últimas noticias!
¡Últimas noticias!
¡Últimas noticias!
¡Últimas noticias!
¡Últimas noticias!
El problema de interés
I cómo actualizarla;
I etc.
El problema de interés
El problema de interés
Si llamamos
P1 , P2 , . . . , Pn
a las páginas de la red, lo que necesitamos es una ordenación.
Esto es, una asignación de importancias:
P1 P2 · · · Pn
↓ ↓ ··· ↓
x1 x2 · · · xn
La descripción de la información
La descripción de la información
La descripción de la información
En otros términos, una matriz M de ceros y unos (no
necesariamente simétrica):
La asignación de importancias
La asignación de importancias
Pero. . . ¿y si una cierta página es citada desde muy pocas,
pero a su vez muy relevantes?
La asignación de importancias
O bien
Mx = λx ,
La asignación de importancias
Mx = λx
¡Ajá!
La asignación de importancias
¿¿Les suena??
Consideremos la matriz
1 2
M=
3 2
Otro ejemplo:
1 2 0 1×0+2×1 2
= =
3 2 1 3×0+2×1 2
O también
1 2 −2 1 × (−2) + 2 × 2 2
= =
3 2 2 3 × (−2) + 2 × 2 −2
1
Decimos que −1 es un autovector de M y que −1 es su
autovalor correspondiente.
1
También es un autovector el 3/2 .
Al multiplicar por M cualquier vector que apunte en esta
dirección, recuperamos el mismo vector, pero ahora
multiplicado por 4.
El surfista aleatorio
El surfista aleatorio
Una manera de entenderlo: un surfista se encuentra en una
cierta página en el instante inicial, digamos Pk . Describimos
esta situación con el vector x, que tiene un 1 en la posición k
y ceros en las restantes.
Primero E3 , luego E6 . . .
E3 → E6 → E5 → E2 → E4 → E1 .
E 6 → E 3 → E 5 → E 2 → E4 → E1 ,
La teorı́a de Perron-Frobenius
La teorı́a de Perron-Frobenius
La teorı́a de Perron-Frobenius
Una “demostración” del teorema de Perron-Frobenius.
Partimos de una matriz A de entradas positivas, que
“preserva” el octante positivo (si x ≥ 0, entonces Ax ≥ 0).
Consideremos ahora la aplicación lineal
Ax
α(x) =
kAxk
La teorı́a de Perron-Frobenius
¿Y la cuestión computacional?
Podrı́a parecer que, para calcular el autovector buscado,
deberı́amos obtener todos los autovectores, para luego
quedarnos con el de entradas no negativas.
Pero, en realidad, la propia estructura del problema viene en
nuestra ayuda.
Si estamos en la mejor de las situaciones posibles, entonces el
autovector buscado está asociado al mayor autovalor de la
matriz.
Y entonces, todo lo que hay que hacer es multiplicar muchas
veces la matriz por un vector inicial (cualquiera).
Con cada multiplicación nos iremos acercando, esto es,
determinando con cada vez mayor precisión el autovector
deseado.
Pablo Fernández Gallardo El secreto de Google
Introducción: el buscador Google
La teorı́a de Perron-Frobenius
El modelo matemático
¿Y la cuestión computacional?
Las Matemáticas entran en escena
¿Cómo es el grafo de la red?
Otras conexiones
¿Y la cuestión computacional?
¿Y la cuestión computacional?
¿Y la cuestión computacional?
¿Y la cuestión computacional?
Entonces,
0.4 0.1 0.1 0.2 0.4 0.23
0.4 0.6 0.3 0.1 0.1 0.35
Av0 =
0.15 0.2 0.4 0 0.4
=
0.24 = v1
¿Y la cuestión computacional?
0.4 0.1 0.1 0.2 0.17815 0.17774
0.4 0.6 0.3 0.1 0.39220 0.38687
Av2 =
0.15 0.2 0.4 0 0.18665
=
0.17982 = v3
¿Y la cuestión computacional?
Por ejemplo, cuando hacemos la décima multiplicación,
obtenemos
0.18132
0.37752
0.17133
0.26983
Cuando, recordemos, el autovector buscado era
0.18144
0.37732
v= 0.17113
0.27010
¿Y la cuestión computacional?
Situación simplificada: A es diagonalizable y primitiva (un
único autovalor dominante). Autovectores {v1 , . . . , vn }
correspondientes a los autovalores
Partimos de v0 = c1 v1 + c2 v2 + · · · + cn vn . Multiplicamos
por A
Av0 = c1 λ1 v1 + c2 λ2 v2 + · · · + cn λn vn ,
Muchas veces:
¿Y la cuestión computacional?
Esto es,
1 k k→∞
A v0 −−−→ c1 v1 .
λk1
Algunas ilustraciones
conos de Rn .
I Versiones en espacios de Banach (dimensión infinita).
El teorema de Krein-Rutman.
Corrector ortográfico. . .
El dichoso inglés. . .