Escalamiento multidimensional

Representar un conjunto finito cuando disponemos de una distancia entre los elementos del conjunto,
consiste en encontrar unos puntos en el espacio de dimensión reducida cuyas distancias euclideas se
aproximen lo mejor posible a las distancias originales.

Sea  = {𝜔1 , 𝜔2 , … , 𝜔𝑛 } un conjunto finito con 𝑛 elementos diferentes, que abreviadamente

indicaremos  = {1, 2 , … , 𝑛}.

Sea 𝛿𝑖𝑗 = 𝛿(𝑖, 𝑗) una distancia o disimilaridad entre los objetos 𝑖 , 𝑗 de  .

Se habla de una distancia (métrica) cuando se cumples las tres condiciones.

1. 𝛿(𝑖, 𝑗) = 0 , para todo 𝑖.

2. 𝛿(𝑖, 𝑗) = 𝛿(𝑗, 𝑖) = 0 , para todo 𝑖 , 𝑗 .
3. 𝛿(𝑖, 𝑗) ≤ 𝛿(𝑖, 𝑘) + 𝛿(𝑘, 𝑗) , para todo 𝑖 , 𝑗 , 𝑘 (desigualdad triangular).

Si solo se cumplen las dos primeras condiciones, diremos que 𝛿(𝑖, 𝑗) es una disimilaridad.

Consideremos entonces la matriz de distancias (o disimilaridades)

𝛿11 𝛿12 … 𝛿1𝑛
𝛿21 𝛿22 ⋯ 𝛿2𝑛
∆= ( ) 𝛿𝑖𝑗 = 𝛿𝑗𝑖 = 𝛿(𝑖, 𝑗) ≥ 𝛿𝑖𝑖 = 0 .
⋮ ⋮ ⋱ ⋮
𝛿𝑛1 𝛿𝑛2 … 𝛿𝑛𝑛
Diremos que ∆= (𝛿𝑖𝑗 ) es una matriz de distancias euclideas si existen 𝑛 puntos 𝒙1 , … , 𝒙𝑛 ∈ 𝑅 𝑃 ,
siendo 𝒙′𝑖 = (𝑥𝑖1 , … , 𝑥𝑖𝑝 ), 𝑖 = 1, … , 𝑛 , tales que
𝑝

𝛿𝑖𝑗2 = ∑(𝑥𝑖𝛼 − 𝑥𝑗𝛼 )2 = (𝒙𝑖 − 𝒙𝑗 )′ (𝒙𝑖 − 𝒙𝑗 )

𝛼=1

Indicaremos las coordenadas de los puntos 𝒙1 , … , 𝒙𝑛 , que representan los elementos 1 , … , 𝑛 de  ,

en forma de matriz
𝑥11 𝑥12 … 𝑥1𝑝
𝑥 𝑥22 ⋯ 𝑥2𝑝
𝑿 = ( 21 ⋮ ).
⋮ ⋮ ⋱
𝑥𝑛1 𝑥𝑛2 … 𝑥𝑛𝑝
El objetivo del escalado multidimensional es encontrar la 𝑿 más adecuada a partir de la matriz de
distancias.

El procedimiento para obtener la 𝑿 más adecuada, es el siguiente:

1 1
1. Calcular la matriz de datos centrados como 𝐵 = − 2 𝑃Δ(2) 𝑃 , con 𝑃 = 𝐼 − 𝑛 11′ ,
1′ = (1, … ,1) vector de unos de dimensión 𝑛 y Δ(2) matriz de distancias al cuadrado.
2. Obtener los vectores propios y valores propios de 𝐵 mediante su descomposición espectral, es
decir, 𝐵 = 𝑈𝐷𝑈′ , con 𝐷 matriz diagonal de valores propios de 𝐵.
1
3. Calcular la matriz 𝑿 de 𝑛 𝑥 𝑝, mediante 𝑿 = 𝑈𝐷 2
4. Seleccionar el número de variables (𝑚, 𝑡𝑎𝑙 𝑞𝑢𝑒 𝑚 < 𝑝) que conforman 𝑿, a través de

𝜆1 ≥ 𝜆2 ≥ ⋯ ≥ 𝜆𝑃+1 .