# productos escalares
# dos vectores
v <- c(3,1,5,4,2,0)
w <- c(2,3,-1,3,4,7)
n <- length(v)
v*w                       # ¡cuidado! es un producto elemento para elemento  
t(v)%*%w                  # producto escalar ordinario.
I <- diag(rep(1,6)); I    # matriz idéntica
t(v)%*%I%*%w              # producto escalar ordinario.
nI <- I/n
t(v)%*%nI%*%w             # producto escalar con diag(1/n).
snI <- I/sqrt(n)
t(v)%*%snI%*%w            # producto escalar con diag(1/sqrt(n).
###################################################################################
# trabajamos con Linnerud
lin    <- read.csv("Linnerud.csv",header=TRUE,row.names=1)
n      <- dim(lin)[1]
p      <- dim(lin)[2] 
ssq    <- t(lin)%*%lin; ssq             # no funciona pues es un data frame
mlin   <- as.matrix(lin)
ssq    <- t(mlin)%*%mlin; ssq           # suma de cuadrados
I      <- diag(rep(1,n)); I             # matriz idéntica
nI     <- I/n; nI
sssq   <- t(mlin)%*%nI%*%mlin; sssq     # suma de cuadrados promedio
lic    <- scale(mlin,center = TRUE, scale=FALSE)
ssqc   <- t(lic)%*%lic; ssqc           # suma de cuadrados centrados
sssqc  <- t(lic)%*%nI%*%lic; sssqc     # suma de cuadrados centrados promedio
vl     <- (n-1)/n*var(lin); vl         # es igual a la varianza
lsd    <- diag(sqrt(1/diag(vl)));lsd   # diagonal con inversos de stdev

c      <- lsd%*%t(lic)%*%nI%*%lic%*%lsd; c # varianza dividida para desvíos estándar
cl     <- cor(lin)                     # igual a la correlación     
######################################################################################
eigen(vl)                              # definida positiva (todos $values positivos)    
eigen(cl)                              # definida positiva (todos $values positivos)    

m <- matrix(c(1,2,3,4,5,6,
              2,3,1,2,4,3,
              3,1,4,-1,-2,3,
              4,2,-1,4,-3,3,
              5,4,-2,-3,9,6,
              6,3,3,3,6,2),nrow=6,ncol=6)
eigen(m)                               # no es definida positiva (dos $values negativos)
t(m)%*%m
eigen(t(m)%*%m)                        # si es definida positiva

a <- matrix(c(1,2,3,                   # ni cuadrada ni simétrica
              2,4,3,
              -1,-2,3,
              4,-3,3,
              4,-2,-3,
              6,3,3),nrow=6,ncol=3)

eigen(a%*%t(a))                         # si es definida positiva (errores de rondeo)
eigen(t(a)%*%a)                         # si, mismos autovalores non cero
#######################################################################################
v%*%m%*%w                               # m-producto escalar de v y w
#######################################################################################      