options(max.print = 10000)    # para no cortar las salidas
########################################################################
lin       <- read.csv("Linnerud.csv",header = TRUE, row.names = 1)
n         <- dim(lin)[1]
p         <- dim(lin)[2]
########################################################################
# matriz de distáncias euclidianas
ld <- matrix(0, nrow = n*(n-1)/2, ncol =3)
l = 0
for (i in 2:n) {
  for (j in 1:(i-1)) {
    l <- l + 1
    d <- 0
    for (k in 1:p) {
      d = d + (lin[i,k] - lin[j,k])^2   # sumando cuadrados      
    }
    ld[l,1] <- sqrt(d)         # valores en la primera mitad  
    ld[l,2] <- i
    ld[l,3] <- j
  } 
}     
# ld
# ld[order(ld[,1],decreasing = TRUE),]
########################################################################
# matriz de distancias euclidianas sobre datos estandarizados
lis      <- scale(lin,center=TRUE,scale=TRUE) # no es necesaria la corrección
lis
ls <- matrix(0, nrow = n*(n-1)/2, ncol =3)
l = 0
for (i in 2:n) {
  for (j in 1:(i-1)) {
    l <- l + 1
    d <- 0
    for (k in 1:p) {
      d = d + (lis[i,k] - lis[j,k])^2   # sumando cuadrados      
    }
    ls[l,1] <- sqrt(d)         # valores en la primera mitad  
    ls[l,2] <- i
    ls[l,3] <- j
  } 
}     
# ls
#################################################################################
# las imprimimos cercanas, ordenadas para distancias decrecientes
cbind(ld[order(ld[,1],decreasing = TRUE),],ls[order(ls[,1],decreasing = TRUE),])
# la estandarización influye mucho sobre las distancias.