Академический Документы
Профессиональный Документы
Культура Документы
Ttulo
Autor/es
Director/es
Facultad
Grado en Matemticas
Departamento
Curso Acadmico
2014-2015
El teorema de Perron-Frobenius y su aplicacin en el algoritmo de bsqueda
de Google, trabajo fin de grado
de Adrin Ins Armas, dirigido por Oscar Ciaurri Ramrez (publicado por la Universidad de
La Rioja), se difunde bajo una Licencia
Creative Commons Reconocimiento-NoComercial-SinObraDerivada 3.0 Unported.
Permisos que vayan ms all de lo cubierto por esta licencia pueden solicitarse a los
titulares del copyright.
El autor
Universidad de La Rioja, Servicio de Publicaciones, 2015
publicaciones.unirioja.es
E-mail: publicaciones@unirioja.es
Facultad
Grado en Matemticas
Ttulo
2014-2015
FACULTAD DE CIENCIAS ESTUDIOS AGROALIMENTARIOS E
INFORMATICA
DEPARTAMENTO DE MATEMATICAS
Y
COMPUTACION
TRABAJO FIN DE GRADO EN MATEMATICAS
EL TEOREMA DE PERRON-FROBENIUS Y
EN EL ALGORITMO DE
SU APLICACION
BUSQUEDA DE GOOGLE
por
Dirigido por
Dr. D. Oscar Ciaurri Ramrez
Logro
no, Julio de 2015
Resumen
iii
Abstract
The aim of this project is to show how deeply abstract and theoretical mat-
hematical results can have really amazing practical applications. In particular
we will see how the Googles sorting algorithm, undoubtedly one of the most
powerful and popular search engines that exists, bases its working on the Perron
- Frobenius theorem, a result of linear algebra related to irreducible matrices.
The proof of this theorem follows from the Brouwer xed-point theorem , it is
apparently simple in its statement but its proof is really complex.
In the rst chapter of this report we will state and prove the Perron-Frobenius
theorem, in the second chapter we will detail the sorting algorithm used by Goo-
gle and we will apply it to a particular example. The last part will be dedicated
to the proof of Brouwers xed-point theorem.
v
Indice general
Introducci
on 3
1. El Teorema de Perron-Frobenius 5
1.1. El Teorema de Perron-Frobenius . . . . . . . . . . . . . . . . . . 7
1.2. Demostracion del apartado i) . . . . . . . . . . . . . . . . . . . . 8
1.3. Demostracion del apartado ii) . . . . . . . . . . . . . . . . . . . . 16
2. El algoritmo de Google 21
2.1. Planteamiento del modelo . . . . . . . . . . . . . . . . . . . . . . 22
2.2. PageRank y Perron-Frobenius . . . . . . . . . . . . . . . . . . . . 24
2.3. Otro enfoque del vector PageRank . . . . . . . . . . . . . . . . . 29
2.4. Calculo del vector PageRank . . . . . . . . . . . . . . . . . . . . 30
2.5. Ejemplo practico . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
Bibliografa 47
1
Introducci
on
3
4
INTRODUCCION
El Teorema de
Perron-Frobenius
5
6 CAPITULO 1. EL TEOREMA DE PERRON-FROBENIUS
T ubingen y Gottingen.
Perron estuvo muy inuenciado por sus profesores de la Universidad de Mu-
nich. En concreto, las lecciones de Pringsheim le causaron una profunda impre-
sion y su inuencia es palpable en el trabajo de Perron sobre fracciones conti-
nuas1 Die Lehre von den Kettenbr uchen (La teora de las fracciones continuas),
publicado en 1913.
En 1906 fue habilitado como profesor de la Universidad de Munich, tras
presentar su tesis doctoral sobre geometra, dirigida por Lindemann.2 Tras unos
anos en Munich, paso a ser profesor adjunto en Tubingen entre 1910 y 1914 antes
de convertirse en profesor titular de la Universidad de Heidelberg en 1914. Sin
embargo, el estallido de la Primera Guerra Mundial paraliz o su carrera puesto
que fue movilizado. En 1915, en reconocimiento a su labor, se le otorg o la Cruz
de Hierro. Tras la guerra, continuo ensenando en Heidelberg hasta 1922, cuando
le fue concedido un puesto en Munich.
Perron public
o un gran numero de trabajos importantes en diversas ramas de
la matem atica. Trabajo en fracciones continuas, como ya hemos indicado, pero
tambien hizo aportaciones en ecuaciones diferenciales y en algebra, presentando
la base del teorema que vamos a tratar m as adelante. Perron formulo un teorema
sobre matrices positivas que aseguraba la existencia de un autovalor maximal
positivo. Este teorema fue generalizado m as tarde por Frobenius, dando lugar
al teorema que veremos en este captulo.
Perron ademas es muy conocido por la paradoja que lleva su nombre:
Supongamos que el n
umero natural m as grande es N . Entonces si N > 1
tenemos que N 2 > N , entrando en contradicci
on con la premisa. Con lo
cual N = 1.3
numeros naturales estan acotados, lo cual es falso. Realmente se trata de una demostraci on
por reduccion al absurdo de que el conjunto de los n umeros naturales no esta acotado supe-
riormente.
1.1. EL TEOREMA DE PERRON-FROBENIUS 7
n
n
T
(P AP ) = pi aij pj .
i=1 j=1
Veamos que entonces cada termino del sumatorio es nulo. Supongamos que
pi = pj = 1, por denicion de tenemos () = i y () = j. Ahora bien,
como hemos tomado 1 k y k + 1 n, entonces i S y j T .
As aplicando la hipotesis del lema, tenemos que aij = 0, con lo que acaba la
demostraci on.
i) A es irreducible.
Demostraci on. Para demostrar este lema vamos a utilizar una demostraci
on
circular de la forma
i) ii) iii) i).
i) ii) : Sea y 0 un vector no nulo en Rn y A una matriz irreducible.
Por ser y un vector no nulo tendr a al menos una coordenada no nula, que
seguira siendo no nula para el vector (I + A)y = y + Ay. De esta forma podemos
armar que (I + A)y tiene menos coordenadas nulas que y (siempre que y tenga
al menos una coordenada nula).
Veamos con un poco mas de detalle esta armacion. Supongamos que es
falsa, entonces (I + A)y tendra las mismas coordenadas nulas que y. Notar que
no puede tener m as coordenadas nulas, ya que A es una matriz no negativa.
Con lo cual si yj = 0, ((I + A)y)j = 0 y tambien (Ay)j = 0.
Sea J = {j : yj > 0}. Entonces para cada j J c , por la observacion anterior,
n
(Ay)j = k=1 ajk yk = 0. Como para cada r J se tiene que los yr > 0, la
identidad anterior implica que ajr = 0 si j J c y r J, lo que nos lleva a una
contradicci on con el lema anterior, pues A es irreducible. De esta forma queda
claro que (I + A)y tiene menos coordenadas nulas que y.
Por denicion y tendra como maximo n 1 coordenadas nulas y por la
armaci on anterior (I + A)y tendra como m aximo n 2 coordenadas nulas.
10 CAPITULO 1. EL TEOREMA DE PERRON-FROBENIUS
Con lo que podemos concluir que para cada i, j existe al menos una matriz
A, A2 , . . . , An que tiene su (i, j)-esima coordenada positiva.
iii) i) : Supongamos A reducible, entonces por denicion existe una matriz
de permutaci on P tal que
T B1 0
P AP = ,
C1 D1
n
n
(m)
0 = (P Am P T ) = pk akl pl ,
k=1 l=1
Veamos ahora una expresion para la derivada del determinante de una ma-
triz que emplearemos en la prueba de la simplicidad del autovalor maximo del
Teorema de Perron-Frobenius.
DEL APARTADO I)
1.2. DEMOSTRACION 11
Lema 4. Sea X(t) una matriz cuadrada n n cuyas entradas son funciones
diferenciables con respecto a t, entonces
n
(det X(t)) = (1)i+j det(X(t)(i|j))xij (t),
i,j=1
(det X(t)) = (p)x1p(1) (t)x2p(2) (t) xnp(n) (t)
pn
+ (p)x1p(1) (t)x2p(2) (t) xnp(n) (t) +
pn
+ (p)x1p(1) (t)x2p(2) (t) xnp(n) (t)
pn
x11 (t) x12 (t) ... x11 (t)
x1n (t) x12 (t) ... x1n (t)
x21 (t) x22 (t) ... x21 (t)
x2n (t) x22 (t) ... x2n (t)
= .. .. .. +.. .. .. .. ..
. . . . . . . .
xn1 (t) xn2 (t) . . . xnn (t) xn1 (t) xn2 (t) ... xnn (t)
x11 (t) x12 (t) . . . x1n (t)
x21 (t) x22 (t) . . . x2n (t)
+ + .. .. .. .. .
. . . .
xn1 (t) xn2 (t) . . . xnn (t)
on f : S S como
Denimos ahora la aplicaci
Ax
f (x) = .
Ax
lo que implica aik = 0; es decir, A tiene una columna de ceros. Pero esto no
es posible por ser A una matriz irreducible. En efecto, si A tiene una columna
entera de ceros
b11 b12 . . . 0 . . . b1n
b21 b22 . . . 0 . . . b2n
.. .. .. ..
. . . .
A+I = bk1 bk2 . . . 1 . . . bkn =
. .. .. ..
.. . . .
bn1 bn2 . . . 0 . . . bnn
c11 c12 ... 0 ... c1n
c21 c22 ... 0 ... c2n
.. .. .. ..
. . . .
(A + I)n1 =
ck1
,
ck2 ... 1 ... ckn
. .. .. ..
.. . . .
cn1 cn2 ... 0 ... cnn
lo que, por ii) del Lema 3, contradice el hecho de que A es irreducible.
Ademas es claro que f es una aplicaci on continua y enva S en S, ya que
Ax 0, y
Ax
f (x) = = 1.
Ax
Con lo cual, por ser S homeomorfo a Dn1 , aplicando el Teorema del punto jo
de Brouwer podemos asegurar que existe v S tal que f (v) = v; es decir,
Av
= v Av = Avv.
Av
(I + A)v = v + Av = v + v = (1 + )v
Por ser A irreducible, (I + A)n1 > 0, lo que implica (I + A)n1 v > 0 y por
(1.2) v > 0.
Antes de probar a); es decir, > || para cualquier autovalor de A, vamos
a ver que la matriz traspuesta de A tambien tiene como autovalor maximo a .
Es claro que AT 0 e irreducible, por serlo A. De esta forma, por lo visto
anteriormente existe 1 > 0 tal que AT z = 1 z, con z > 0. Multiplicamos ahora
14 CAPITULO 1. EL TEOREMA DE PERRON-FROBENIUS
n n
aij |uj | aij uj = |ui | = |||ui |.
j=1 j=1
A(v w) = Av Aw = v w = (v w),
d n
() = (det(In A)) = det((In A)(i|i)) = tr(adj(In A)),
d i=1
donde tr denota la traza de una matriz y adj su matriz adjunta. De este modo
C = ei DAD1 ,
lo que quiere decir |C||y| |s||y|. Ahora bien, como A |C| deducimos que
(A |C|)|y| = 0 A = |C|.
Denimos
y 1 y2 yn
D = diag , ,..., ,
|y1 | |y2 | |yn |
y
G = ei D1 CD. (1.7)
Teniendo en cuenta que D|y| = y, Cy = sy y s = rei obtenemos
De este modo
y como |C| = A tenemos |G| = A. Por lo tanto |G||y| = A|y| = G|y|, donde
hemos usado (1.8). As
n
(|gij | gij )|yj | = 0,
j=1
Con este lema que acabamos de ver, ya estamos listos para acometer la
prueba del u
ltimo apartado y concluir as con la demostracion del Teorema de
Perron-Frobenius.
18 CAPITULO 1. EL TEOREMA DE PERRON-FROBENIUS
con lo cual A y eij A son matrices semejantes. Por este motivo, como r es un
autovalor simple de A, entonces eij r es un autovalor simple de eij A y por
semejanza tambien de A.
As, aplicando dos veces (1.9) podemos obtener la siguiente igualdad
zi G = G = {zi z1 , . . . , zi zk } = {z1 , . . . , zk },
con lo cual
zik z1 zk = z1 zk = zik = 1.
De esta forma podemos concluir que G es el conjunto de races de xk 1 = 0 y
odulo maximo (i ) son races de la ecuacion xk k =
as los k autovalores de m
0, concluyendo de este modo la prueba de ii) y del teorema.
DEL APARTADO II)
1.3. DEMOSTRACION 19
El algoritmo de ordenaci
on
de Google
21
22 CAPITULO 2. EL ALGORITMO DE GOOGLE
colosales. Recordemos que un grafo viene determinado por dos conjuntos que
denotamos por V , cuyos elementos representan los vertices del grafo, y E, for-
mado por pares de elementos de V , los cuales reciben el nombre de aristas del
grafo.
En nuestro caso como es obvio no vamos a trabajar con la representacion
gr
aca de este grafo, que sera imposible de plasmar en el papel, si no que vamos
a tomar una consideracion m as abstracta de este grafo, utilizando su matriz de
adyacencia.
mij = 1, si {vi , vj } E,
mij = 0, si {vi , vj }
/ E.
1 2
3 4
Figura 2.3: Web de cuatro paginas con sus respectivos enlaces
Una vez visto que nos encontramos en una situaci on en la que puede que
nos sea util el Teorema de Perron-Frobenius, es hora de comprobar que real-
mente podemos aplicarlo; es decir, que estamos ante una matriz no negativa e
irreducible.
Que la matriz M es no negativa esta claro, debido a la forma de denirla,
pero que la matriz M es irreducible es algo mas complicado de comprobar. En
el Ejemplo 1 si que nos encontrabamos en una situacion ideal (es facil ver que
la matriz es irreducible), pero se pueden dar casos como los que vamos a ver en
los siguiente ejemplos en los que la matriz no es irreducible.
1 2
3 4
Figura 2.4: Web de cuatro paginas con sus respectivos enlaces
Como podemos observar la matriz anterior es reducible, ya que cuenta con una
columna, e incluso con una la, de ceros (recordar lo que vimos en la demostra-
ci
on del Teorema de Perron-Frobenius en la seccion 1.2).
Este tipo de paginas web aisladas (no tienen enlaces entrantes ni salientes)
no las vamos a considerar en nuestro modelo, ya que no tienen ning un tipo de
interes.
Otro ejemplo que podemos encontrar es que haya una pagina que no tenga
enlaces salientes, algo habitual por otro lado, lo que hara que la matriz que
estamos considerando no fuese irreducible. Veamos un ejemplo que ilustre esta
situacion.
2.2. PAGERANK Y PERRON-FROBENIUS 27
Ejemplo 3 (P agina web sin enlaces salientes). Tomamos una Web formada por
cuatro p
aginas estructuradas como en la gura 2.5.
1 2
3 4
Figura 2.5: Web de cuatro paginas con sus respectivos enlaces
Observamos entonces que nos encontramos con una matriz que cuenta con una
columna de ceros, por lo que es reducible.
M = M + vdT .
1 2
3 4
Esta situaci
on se puede dar de forma normal en la Web y se observa a simple
vista que esta matriz es reducible, con lo que no se puede aplicar el Teorema de
Perron-Frobenius.
Brin y Page se dieron cuenta de que en la Web aparecan este tipo de situa-
cion con lo que la matriz asociada no sera irreducible. Debido a esto modicaron
un poco mas el modelo creando una matriz M de la forma
M = M + (1 )veT ,
cercano a uno sea el valor de , mas nos acercaremos a la matriz del grafo de
la Web, pero a costa de poder perder la irreducibilidad.
Al construir la matriz de esta forma acabamos de conseguir que la matriz
siempre sea irreducible, con lo que el Teorema de Perron-Frobenius nos asegura
la existencia del vector de ordenacion buscado. Pero como la demostracion de
este teorema no es constructiva, esta claro que no nos ayudara a encontrarlo,
debido a esto deberemos recurrir a otros metodos para encontrar este vector.
Adem as es obvio que no podremos calcular todos los autovectores asociados a
la matriz y quedarnos con el asociado al del autovalor m
aximo, ya que la matriz
es de proporciones gigantescas.
M v = 1 c 1 v 1 + 2 c 2 v 2 + + n c n v n .
Notar que solo necesitamos calcular la parte izquierda de la igualdad y saber que
la parte de la derecha existe. Seguimos multiplicando el vector v por la matriz
M hasta obtener
M k v = k1 c1 v1 + k2 c2 v2 + + kn cn vn .
2.5. Ejemplo pr
actico
Hasta ahora hemos estado viendo el algoritmo del PageRank a nivel teorico,
pero en esta seccion vamos a ver una aplicacion pr
actica diferente a la de ordenar
las paginas de la red, que es para lo que lo utiliza Google. En nuestro caso lo
vamos a utilizar para crear una clasicaci on deportiva.
Por todos es conocido en mayor o menor medida como funcionan las cla-
sicaciones en las ligas deportivas; si ganas te dan una puntuaci on, si pierdes
otra... Es evidente que en ligas en las que todos los equipos se enfrentan a los
restantes un mismo n umero de veces, la clasicacion nal dependera u nicamen-
te del nivel deportivo de los equipos. Sin embargo, cuando los enfrentamientos
no son simetricos (por ejemplo si la liga esta dividida en varios grupos y cada
equipo se enfrenta con los de su grupo m as veces que con los restantes) esa asi-
metra puede repercutir en los resultados nales. Que ocurrira si pudiesemos
aplicar en esos casos el metodo de ordenaci on que hemos estado estudiando en
este captulo? A continuacion vamos a ver un ejemplo aplicado a la clasicaci on
para los Playos de la liga de baloncesto americana, NBA, m as reciente.
32 CAPITULO 2. EL ALGORITMO DE GOOGLE
Conferencia Este
Atlantico Central Sureste
Boston Celtics Chicago Bulls Atlanta Hawks
Brooklyn Nets Cleveland Cavaliers Charlotte Hornets
New York Knicks Detroit Pistons Miami Heat
Philadelphia 76ers Indiana Pacers Orlando Magic
Toronto Raptors Milwaukee Bucks Washington Wizards
Conferencia Oeste
Noroeste Pacco Suroeste
Denver Nuggets Golden State Warriors Dallas Mavericks
Minnesota Timberwolves Los Angeles Clippers Houston Rockets
Oklahoma City Thunder Lon Angeles Lakers Memphis Grizzlies
Portland Trail Blazers Phoenix Suns New Orleans Pelicans
Utah Jazz Sacramento Kings San Antonio Spurs
especial para evitar el problema de las largas distancias que hemos comentado.
As, cada equipo se enfrenta:
Cuatro veces a los equipos de su division, dos como local y dos como
visitante (16 partidos).
Tres o cuatro veces al resto de equipos de su conferencia (36 partidos).
Dos veces a los equipos de la otra conferencia, uno como local y otro como
visitante (30 partidos).
Con lo cual podemos observar que no todos los equipos tienen los mismos enfren-
tamientos, de esta forma puede que un equipo tenga un calendario mas sencillo
que otro. As puede ocurrir que los enfrentamientos de los Boston Celtics sean
diferentes a los de los Chicago Bulls y sin embargo contaran igual en la clasi-
caci on del Este, lo que puede llevar a ligeras desventajas. Para ver claro esto
veamos que hubiese ocurrido en la temporada regular de este a no si hubiesemos
utilizado el metodo de PageRank para ordenar la clasicaci on.
Para construir nuestra clasicaci on comenzamos creando la matriz M cu-
yas entradas mij son las victorias que ha obtenido cada equipo dividido por
el numero total de partidos de cada equipo. De esta forma si denotamos por
E1 , E2 , . . . , E30 los 30 equipos de la competicion entonces las entradas de la
matriz M seran
victorias de Ei sobre Ej
mij = .
partidos de Ei
Al igual que en las secciones anteriores asignamos a cada equipo Ei su
((ranking)) o importancia que denotaremos por xi , de forma que la clasicaci on
nal quede determinada por los valores x1 , x2 , . . . , x30 .
Como en la Seccion 2.2 la primera idea es que xi sea proporcional al n umero
de victorias cosechadas por el equipo Ei , notar que as es como funciona la
NBA (y la mayora de deportes), pero nosotros vamos a estudiar una segunda
opcion. Esta segunda opcion consiste en que xi sea proporcional al n umero de
victorias pero teniendo en cuenta la importancia de cada victoria; es decir, no
asignamos la misma importancia ganarle al primero que al u ltimo. De esta forma
el ((ranking)) xi viene determinado por
n
xi = K mij xj .
j=1
34 CAPITULO 2. EL ALGORITMO DE GOOGLE
escalan desde la sexta plaza a la segunda, mientras que los Houston Rockets
descienden desde la segunda plaza hasta la quinta, pero ninguno de estos cam-
bios de posicion afectara a los equipos clasicados para los Playos, sino que
u
nicamente cambiaran los enfrentamientos posteriores de estos equipos. Por
otra parte en la conferencia Este hay un cambio signicativo. Si observamos la
clasicaci
on de esta temporada vemos que los Brooklyn Nets, que han quedado
en la octava posicion, se han clasicado para los Playos, mientras que los In-
diana Pacers han quedado novenos y no han conseguido el pase. Sin embargo,
el algoritmo de PageRank que hemos aplicado en este ejemplo invierte sus po-
siciones. Esta observacion permite pensar que el calendario y el grupo de cada
equipo puede llegar a ser un factor determinante para su pase a los Playos.
2.5. EJEMPLO PRACTICO 37
Sacramento
Minnesota
Oklahoma
Memphis
Portland
Warriors
Clippers
Houston
Phoenix
Pelicans
Denver
Lakers
Dallas
Spurs
Utah
2 3 3 1 1 2 3 3 3 3 1 2 3 2
Warriors 41 82 82 41 82 41 82 82 82 82 41 41 82 41
1 1 1 1 3 1 3 3 3 2 3 1 2
Houston 0 41 82 41 82 82 41 82 82 82 41 82 41 41
1 1 3 1 1 1 1 1 2 2 3 3 2 3
Clippers 82 41 82 41 41 41 41 41 41 41 82 82 41 82
1 1 3 1 3 3 3 1 2 1 2 1
Portland 0 41 82 0 82 41 82 82 82 41 41 41 41 41
1 1 1 2 1 3 1 3 3 1 1 3 2 1
Memphis 82 41 41 41 41 82 41 82 82 41 41 82 41 41
1 3 1 1 1 1 1 1 3 1 2 3 1 2
Spurs 41 82 41 82 41 41 82 41 82 82 41 82 41 41
1 1 1 1 1 3 3 1 3 1 3 2 3
Dallas 0 82 82 41 82 41 82 82 82 82 41 82 41 82
1 1 1 1 3 1 3 1 1 1 3 2 2
Pelicans 82 41 82 0 41 82 82 82 41 41 82 82 41 41
1 1 1 1 1 1 1 3 1 3 3 3 2
Oklahoma 82 0 82 82 82 82 82 82 82 41 82 82 82 41
1 1 1 1 3 1 1 1 1 1 2 3
Phoenix 82 82 0 82 0 82 82 82 82 41 41 82 41 82
1 1 1 1 1 1 1 1 1 1 3 1 3
Utah 82 82 0 41 41 41 82 82 41 82 41 82 41 82
1 1 1 1 3 1 1 1 1 3 3
Denver 82 0 82 0 82 0 82 82 82 82 41 41 82 82
1 1 1 1 1 1 3 1 1 3 3
Sacramento 0 0 82 82 82 82 0 82 82 82 82 41 82 82
1 1 1 1 1 1 3
Lakers 82 82 0 0 0 82 0 0 0 0 82 82 82 82
1 1 1 1 1 1
Minnesota 0 0 0 41 82 0 0 0 0 82 82 82 0 82
1 1 1 1 1 1 1 1 1 1 1 1 1 1
Atlanta 82 41 41 41 82 0 41 82 82 41 41 82 41 82 41
1 1 1 1 1 1 1 1 1 1 1 1 1 1
Cavaliers 82 0 41 82 41 82 82 82 82 82 82 82 82 41 41
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Chicago 82 82 82 82 82 82 82 41 82 82 82 82 82 82 41
1 1 1 1 1 1 1 1 1 1 1
Toronto 0 82 41 0 82 82 0 0 82 82 41 41 41 82 41
1 1 1 1 1 1 1 1 1 1 1
Wizards 0 82 82 82 41 82 0 41 0 0 41 41 82 41 82
1 1 1 1 1 1 1 1 1
Milwaukee 0 0 82 82 82 0 0 0 82 82 0 82 41 82 41
1 1 1 1 1 1 1 1 1
Boston 0 0 0 82 82 0 0 41 0 82 41 41 82 82 82
1 1 1 1 1 1 1 1 1 1
Brooklyn 82 0 82 82 0 82 82 0 41 0 0 41 41 41 82
1 1 1 1 1 1 1
Indiana 82 0 0 0 0 0 41 41 82 0 41 0 0 82 82
1 1 1 1 1 1 1 1 1
Miami 0 0 82 82 0 0 82 0 0 41 82 82 41 41 82
1 1 1 1 1 1
Charlotte 0 0 0 0 0 0 0 82 0 82 82 41 0 82 41
1 1 1 1 1 1 1 1
Detroit 0 82 0 0 82 82 82 0 82 82 0 82 41 0 0
1 1 1 1 1 1 1 1
Orlando 0 82 0 82 0 0 0 82 0 82 82 0 41 82 41
1 1 1 1
Philadelphia 0 0 0 0 0 0 0 82 0 0 0 41 82 0 41
1 1 1 1 1
Knicks 0 0 0 0 0 82 0 82 82 0 0 82 0 41 0
Philadelphia
Milwaukee
Charlotte
Brooklyn
Cavaliers
Wizards
Orlando
Chicago
Toronto
Atlanta
Indiana
Detroit
Boston
Knicks
Miami
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Warriors 82 82 82 41 41 41 41 82 82 41 41 41 41 41 41
1 1 1 1 1 1 1 1 1 1 1 1 1 1
Houston 0 41 82 82 82 41 41 41 41 41 41 82 82 41 41
1 1 1 1 1 1 1 1 1 1 1 1
Clippers 0 0 82 0 82 82 41 82 41 82 41 41 41 41 41
1 1 1 1 1 1 1 1 1 1 1 1 1 1
Portland 0 82 82 41 82 82 82 82 41 82 41 41 82 41 41
1 1 1 1 1 1 1 1 1 1 1 1 1
Memphis 82 0 82 82 0 82 82 41 41 41 41 82 41 41 41
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Spurs 41 82 82 82 82 41 41 82 41 41 41 82 41 41 82
1 1 1 1 1 1 1 1 1 1 1 1 1
Dallas 0 82 82 41 41 41 41 82 0 82 41 82 41 41 41
1 1 1 1 1 1 1 1 1 1 1
Pelicans 82 82 0 41 0 41 0 41 0 41 82 41 82 82 82
1 1 1 1 1 1 1 1 1 1 1 1 1 1
Oklahoma 82 82 82 82 41 82 41 0 82 41 41 82 41 41 82
1 1 1 1 1 1 1 1 1 1 1 1 1
Phoenix 0 82 82 82 41 82 82 41 41 0 82 82 82 41 41
1 1 1 1 1 1 1 1 1 1
Utah 0 82 82 0 0 41 0 41 0 82 82 41 82 41 41
1 1 1 1 1 1 1 1 1
Denver 82 82 82 0 0 82 0 0 41 82 0 82 41 0 82
1 1 1 1 1 1 1 1
Sacramento 0 82 82 0 82 0 82 0 41 0 41 0 0 82 41
1 1 1 1 1 1 1 1 1 1
Lakers 82 0 82 82 0 82 82 0 82 0 82 41 82 41 0
1 1 1 1 1 1 1
Minnesota 0 0 0 0 82 0 82 82 82 82 0 41 0 0 41
3 1 1 3 3 1 2 3 2 1 3 3 3 1
Atlanta 82 41 82 82 82 41 41 82 41 41 82 82 82 41
1 3 3 3 3 1 3 1 1 3 3 3 1 1
Cavaliers 82 82 82 82 82 41 82 41 41 82 82 82 41 41
1 1 2 1 3 3 3 1 1 1 1 1 3 3
Chicago 82 82 41 41 82 82 82 41 41 41 41 41 82 82
3 1 3 1 1 1 3 1 1 1 2 2 3
Toronto 82 82 0 82 41 41 41 82 41 41 41 41 41 82
1 1 1 1 1 1 1 3 1 1 2 3 2
Wizards 82 82 41 0 41 41 41 41 82 41 41 41 82 41
1 1 1 1 1 1 3 1 2 1 3 1 2 2
Milwaukee 82 82 82 82 82 41 82 41 41 82 82 41 41 41
1 1 1 1 1 1 3 3 1 1 1 1 2 3
Boston 82 41 82 41 82 82 82 82 82 41 41 41 41 82
1 1 1 1 1 1 1 1 1 3 3 2
Brooklyn 0 82 82 41 41 82 82 41 0 41 41 82 82 41
1 1 1 1 1 1 3 3 1 3 3 2
Indiana 0 41 41 0 41 41 82 82 82 82 41 82 82 41
1 1 1 1 3 2 1 1 1 3 3 3
Miami 0 41 82 82 82 0 82 41 82 41 82 82 82 82
1 1 1 1 1 1 1 1 1 1 1 1 3
Charlotte 41 0 41 41 41 41 41 82 82 41 41 41 41 82
1 1 1 1 1 1 1 1 1 1 1 3 1 3
Detroit 82 82 41 41 82 82 82 82 41 41 41 82 82 82
1 1 1 1 1 1 1 1 1
Orlando 82 0 41 0 0 41 41 0 0 82 41 82 41 41
1 1 1 1 1 1 1 3 1 1
Philadelphia 82 82 0 0 82 0 0 82 82 82 82 82 82 82
1 1 1 1 1 1 1 3
Knicks 82 82 0 82 0 0 82 0 0 0 82 82 41 82
39
40 CAPITULO 3. EL TEOREMA DEL PUNTO FIJO
h : [0, 1] R
t h(t) = det(In + tg (x)).
Esto implica que la imagen de f1 (x) est a contenida en f1 (x) , el complemento
ortogonal de f1 (x). As el rango de f1 (x) es menor o igual que n 1 para todo
x Dn y por lo tanto det f1 (x) = 0 para todo t Dn .7 De este modo, como
det f1 (x) = 0,
F (1) = det f1 (x) dx = 0,
Dn
h (x)
f (x)
para todo x D n .
46 CAPITULO 3. EL TEOREMA DEL PUNTO FIJO
[6] P. Fern
andez, El secreto de Google y el Algebra Lineal, Bol. Soc. Esp. Mat.
Apl. S
eMA, 30 (2004), 115141.
47