Álgebra Matricial

ÁLGEBRA MATRICIAL
ÁLGEBRA
Campus --- Algebra Matricial (archivo) --- guardar enlace como --- R --- Fichero ---
abrir archivo de instrucciones.
Un vector se genera como c (__ , __, __) los valores del vector pueden ser:
1. Numérico [c (1,2,3)]
2. Carácter [c(“green”,”red”)]
3. Lógico [c(True, False)]
Ejemplo archivo:
a <- c(2,-1,1)
a y b = objetos
b <- c(1,1,4)
- Sumas y diferencias (+,-)

- Producto por un escalar (3*a) = valor  (a% * %b) = 0 (Vectores perpendiculares)
- Producto vectorial = matriz  Para realizarlo hay que hacer la traspuesta = t(b) 
a% * %t(b)
La norma o módulo de un vector es la longitud del vector.
Ejemplo archivo: módulo a: sqrt (a% * %a) = 2,44
1 √5
√4 + 1
2
Para que sea unitario: z<- a/ sqrt (a% * %a)
Ángulo entre 2 Vectores (ejemplo archivo)
-Ejecutado 2 lineas = 61’24º

-Ejecutado el principio de la segunda línea (acos(coseno)) lo obtengo en
radianes = 1,06
Coseno <- (a% * %b) / (sqrt (a% *%a) * sqrt (b% * %b))
(acos(coseno) * 180) / pi
Definir una Matriz
- Por columnas  A <- matrix ( c(1,2,3,2,4,1,3,1,5), 3, 3)

- Por filas  A <- matrix ( c(1,2,3,2,4,1,3,1,5), 3, 3, byrow = T)
Para ser una matriz todas las variables deben ser del mismo tipo, sino sería un data
frame.
Si tenemos un vector ( a<- c(2,-1,1)) y queremos indicar una fila o columna (el -1 por
ejemplo)  a [2] y ejecutamos (posición del vector).
Si queremos obtener la primera fila de la matriz  A [1,] y ejecutamos.
Si queremos obtener la primera columna de la matriz  A [,1] y ejecutamos
Si queremos obtener el valor de la 2ª fila y 1ª columa  A [2,1] y ejecutamos
- Diagonal ppal  diag (A)

- Determinante  det(A)
- Traza: suma de las diagonales ppa  t<-sum (diag(A))
- Autovalores:
Determinante distinto de cero, filas y columnas independientes entre sí, por
tanto calculo la inversa (3 autovalores y 3 autovectores).
Matriz identidad: =|A-I|=0
Comando:
l <- eigen (A)
Str(l)  valores vectores
l  valores vectores  su suma es igual a su traza

l[ ,1]*t(l[,2])
sum (l $values) = traza
Para ver si son ortogonales (producto escalar es cero)  l$vectors

[,1]%*%l$vectors [,2]
-Matriz inversa: A^-1 , A_inv

A_inv<-solve (A)
Para comprobar si es su matriz inversa multiplicamos ésta por la original y a de

dar la matriz identidad  A%*% A_inv
Para formar una matriz: (previamente cargaremos el paquete matrix),

A<-rbind(c(1,1,1),c(1,-2,-1),c(1,-1,-1))
B<-c(1,-1,2)
solve(A,B)
DISTANCIAS
Campus --- Distancias (archivo) --- guardar enlace como --- R --- Fichero --- Abrir
fichero de instrucciones.
Los datos ocupan tan poco que el fichero de instrucciones se puede incluir en el
fichero de instrucciones.
Cuando las variables son una u otra (blanco o negro) son DICOTÓMICAS.
Los más cercanos a x,y son A y C.

Ambos evitan el signo negativo.
Distancia Euclívea (A,B) =
Uno mediante el cuadrado y el
Distancia de Micosti = | x3-x1| - |y3-y1| otro con el valor absoluto
Análisis Cláster  genera grupos ¿Cuántos quiero y quienes lo conforman? Los

grupos generados deben ser diferentes (Homogeneidad interna y heterogeneidad
externa).
DISTANCIA EUCLÍVEA (Para Variables Cuantitativas)
Distancia euclívea de variables “FAT” y “CARBO” para 1 y 2.
USCereal [1:2, c(4,7)]  Enséñame los individuos con respecto fat y carbo (generado
por dist)
Para calcular la matriz distancia de todos los individuos quitamos 1:2, así coge a todos
los individuos.
Para meter más variables y más individuos: dist (USCereal[c(1:2,6,7), c(2,4,6,7)])

Nota: el cero no sale ya que es la distancia de un ponto consigo mismo.
¿Influye la escala de las variables?
Si tenemos (0’1,0’9) la escala genera más diferencia que (60,70), aunque la diferencia
sea menor en el primero que en el último. Si no salen iguales tipificamos, así todos
pasarían a tener la misma escala (0,1).
Datos --- Modificar conjunto de datos --- Tipificar
Al tipificar cambian las distancias, los que antes estaban muy separados se unen. Las
máximas disminuyen.
Nota: Con datos dicotómicos no tiene sentido la distancia euclívea.
X1 X2 X3 X4
1 1 0 0 1
2 1 1 1 0
DISTANCIA MAHANOVIS
Mide distancias entre poblaciones.
Tiene en cuenta un representante de cada población (media). Cuando tenemos una

nube de puntos y una recta, ésta siempre pasa por el centroide (centro de gravedad de
la nube de puntos)
Esas 2 rectas coincidirían en el centroide y, en el caso de que fueran iguales todos los
puntos estarían alineados (ajuste perfecto), se cortarían en infinitos puntos.
r (-1,1) 𝑟 2  Bondad del ajuste
R nos da la matriz de varianza y covarianza de un grupo y la del otro.
ColMeans  Función que calcula el centroide.

rbin  Combina filas para generar una nueva.
Cov  Dispersión.
DISPERSIÓN VARIABLES CUALITATIVAS
Menos visto el chi cuadrado pero no está acotado superiormente
22. calculo de la disimilaridad
1-cor(Soils[,c("Mg","Na")], use="complete")^2
22. distancia euclidea
dist(Soils[c(1,3,4,7), c("Na","Ca","Mg")])

Álgebra Matricial

Cargado por

Copyright:

Formatos disponibles

Álgebra Matricial

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Álgebra Matricial

Cargado por

Copyright:

Formatos disponibles

ÁLGEBRA MATRICIAL

3. Lógico [c(True, False)]

- Sumas y diferencias (+,-)

La norma o módulo de un vector es la longitud del vector.

Ejemplo archivo: módulo a: sqrt (a% * %a) = 2,44

Ángulo entre 2 Vectores (ejemplo archivo)

-Ejecutado 2 lineas = 61’24º

Definir una Matriz

- Por columnas  A <- matrix ( c(1,2,3,2,4,1,3,1,5), 3, 3)

Si queremos obtener la primera fila de la matriz  A [1,] y ejecutamos.

Si queremos obtener la primera columna de la matriz  A [,1] y ejecutamos

Si queremos obtener el valor de la 2ª fila y 1ª columa  A [2,1] y ejecutamos

- Diagonal ppal  diag (A)

Matriz identidad: =|A-I|=0

l  valores vectores  su suma es igual a su traza

Para ver si son ortogonales (producto escalar es cero)  l$vectors

-Matriz inversa: A^-1 , A_inv

Para comprobar si es su matriz inversa multiplicamos ésta por la original y a de

Para formar una matriz: (previamente cargaremos el paquete matrix),

Los más cercanos a x,y son A y C.

Análisis Cláster  genera grupos ¿Cuántos quiero y quienes lo conforman? Los

DISTANCIA EUCLÍVEA (Para Variables Cuantitativas)

Distancia euclívea de variables “FAT” y “CARBO” para 1 y 2.

Para meter más variables y más individuos: dist (USCereal[c(1:2,6,7), c(2,4,6,7)])

¿Influye la escala de las variables?

Datos --- Modificar conjunto de datos --- Tipificar

Nota: Con datos dicotómicos no tiene sentido la distancia euclívea.

Tiene en cuenta un representante de cada población (media). Cuando tenemos una

r (-1,1) 𝑟 2  Bondad del ajuste

R nos da la matriz de varianza y covarianza de un grupo y la del otro.

ColMeans  Función que calcula el centroide.

DISPERSIÓN VARIABLES CUALITATIVAS

Menos visto el chi cuadrado pero no está acotado superiormente

22. calculo de la disimilaridad

22. distancia euclidea

También podría gustarte