Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Nash 2 33
Nash 2 33
INVESTIGACIÓN OPERATIVA
SEXTO SEMESTRE
PRUEBA DE
INVESTIGACIÓN
OPERATIVA
Game Theory
ELABORADO POR:
AMANDA NAVAS
2018-2018
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
1. PRINCIPIO DE INDIFERENCIA
1.1. Definiciones
El principio de indiferencia es en el cual se mantiene un estado de equilibrio sabiendo todas
las decisiones del entorno, tomando en cuenta las mejores. El principio de indiferencia afirma
que cuando hay varios eventos posibles y no hay razón para primar ninguno frente a otro se
asigna la misma probabilidad a todos ellos.
Una estrategia mixta de un determinado juego es una mejor respuesta a las estrategias mixtas
de los otros jugadores si cada estrategia pura en su apoyo es también una mejor respuesta a
las estrategias mixtas dadas de los otros jugadores.
El principio de indiferencia dice que si un equilibrio mixto requiere que un jugador use dos
estrategias puras distintas con probabilidad positiva, entonces el beneficio esperado para ese
jugador por usar una de esas estrategias puras equivale a la ganancia esperada para él, por
usar la otra estrategia pura, asumiendo que los otros jugadores están jugando de acuerdo con
el equilibrio.
1.2. Demostración
Entonces:
1
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
Ui (σ∗ , σ∗ −i ) = ∑ti ∉{si ,ŝi } σ∗ (ti )Ui (ti , σ∗ −i ) + (σ∗ i (si ) + σi (ŝi )) Ui (ŝ,i σ∗ −i ) >
∑ti∉{si,ŝi} σ∗ (ti )Ui (ti , σ∗ −i ) + σi (si ) Ui (si , σ∗ −i ) + σ∗ i (ŝi ) Ui (ŝ,i σ∗ −i ) (4)
(5)
Ui (σ∗ , σ∗ −i ) = Ui (6)
u1 = aq1 + bq 2 + cq 3
u2 = dq1 + eq 2 + fq 3
u3 = gq1 + hq 2 + iq 3
2
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
aq1 + bq 2 + cq 3 = dq1 + eq 2 + fq 3
aq1 + bq 2 + c(1 − q1 − q 2 ) = dq1 + eq 2 + f(1 − q1 − q 2 )
aq1 + bq 2 + c − cq1 − cq 2 = dq1 + eq 2 + f − fq1 − fq 2
aq1 − cq1 − dq1 + fq1 = −bq 2 + cq 2 + eq 2 + f − fq 2 − c
q1 (a − c − d + f) = q 2 (−b + c + e − f) + f − c
𝐪𝟐 (−𝐛 + 𝐜 + 𝐞 − 𝐟) + 𝐟 − 𝐜
q1 =
(𝐚 − 𝐜 − 𝐝 + 𝐟)
b) 𝐮𝟐 = 𝐮𝟑
dq1 + eq 2 + fq 3 = gq1 + hq 2 + iq 3
dq1 + eq 2 + f(1 − q1 − q 2 ) = gq1 + hq 2 + i(1 − q1 − q 2 )
q1 (d − f − g + i) = q 2 (−e + f + h − i) − f + i
𝐪𝟐 (−𝐞 + 𝐟 + 𝐡 − 𝐢) − 𝐟 + 𝐢
𝐪𝟏 =
(𝐝 − 𝐟 − 𝐠 + 𝐢 )
c) Igualando el valor de 𝐪𝟏 = 𝐪𝟏
q 2 (−b + c + e − f) + f − c q 2 (−e + f + h − i) − f + i
=
(a − c − d + f) (d − f − g + i )
[q 2 (−𝑏 + 𝑐 + 𝑒 − 𝑓 ) + 𝑓 − 𝑐 ](𝑑 − 𝑓 − 𝑔 + 𝑖 )
= [𝑞2 (−𝑒 + 𝑓 + ℎ − 𝑖 ) − 𝑓 + 𝑖 ](𝑎 − 𝑐 − 𝑑 + 𝑓)
(𝒂 − 𝒄 − 𝒅 + 𝒇)(𝒊 − 𝒇) − (𝒅 − 𝒇 − 𝒈 + 𝒊)(𝒇 − 𝒄)
𝒒𝟐 =
[(−𝒃 + 𝒄 + 𝒆 − 𝒇)(𝒅 − 𝒇 − 𝒈 + 𝒊) − (−𝒆 + 𝒇 + 𝒉 − 𝒊)(𝒂 − 𝒄 − 𝒅 + 𝒇)]
d) Sustituyendo 𝑞2 𝑒𝑛 𝑞1
𝑞2 (−𝑒 + 𝑓 + ℎ − 𝑖 ) − 𝑓 + 𝑖
𝑞1 =
(𝑑 − 𝑓 − 𝑔 + 𝑖 )
3
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
(𝒂 − 𝒄 − 𝒅 + 𝒇)(𝒊 − 𝒇) − (𝒅 − 𝒇 − 𝒈 + 𝒊)(𝒇 − 𝒄)
𝒒𝟏 =
[(−𝒃 + 𝒄 + 𝒆 − 𝒇)(𝒅 − 𝒇 − 𝒈 + 𝒊) − (−𝒆 + 𝒇 + 𝒉 − 𝒊)(𝒂 − 𝒄 − 𝒅 + 𝒇)]
(−𝒆 + 𝒇 + 𝒉 − 𝒊) − 𝒇 + 𝒊
∗
(𝒅 − 𝒇 − 𝒈 + 𝒊)
e) Sabiendo que : 𝑞3 = (1 − 𝑞1 − 𝑞2 )
𝒒𝟑
=𝟏
(𝒂 − 𝒄 − 𝒅 + 𝒇)(𝒊 − 𝒇) − (𝒅 − 𝒇 − 𝒈 + 𝒊)(𝒇 − 𝒄)
−{
[(−𝒃 + 𝒄 + 𝒆 − 𝒇)(𝒅 − 𝒇 − 𝒈 + 𝒊) − (−𝒆 + 𝒇 + 𝒉 − 𝒊)(𝒂 − 𝒄 − 𝒅 + 𝒇)]
(−𝒆 + 𝒇 + 𝒉 − 𝒊) − 𝒇 + 𝒊
∗ }
(𝒅 − 𝒇 − 𝒈 + 𝒊)
(𝒂 − 𝒄 − 𝒅 + 𝒇)(𝒊 − 𝒇) − (𝒅 − 𝒇 − 𝒈 + 𝒊)(𝒇 − 𝒄)
−{ }
[(−𝒃 + 𝒄 + 𝒆 − 𝒇)(𝒅 − 𝒇 − 𝒈 + 𝒊) − (−𝒆 + 𝒇 + 𝒉 − 𝒊)(𝒂 − 𝒄 − 𝒅 + 𝒇)]
𝑢1∗ (𝑞1∗ , 𝑞2∗ , 𝑞3∗ ; 𝑝1∗ , 𝑝2∗ , 𝑝3∗ ) ≥ 𝑢1 (𝑞1 , 𝑞2 , 𝑞3 ; 𝑝1∗ , 𝑝2∗ , 𝑝3∗ )
El beneficio será el máximo siempre y cuando tome las más optimas decisiones (*),
y mi oponente no tome las mejores decisiones.
Ejemplo 2:
𝑞1 𝑞2 𝑞3
𝑝1 10 20 11
𝐴 = 𝑝2 ( 8 6 9)
𝑝3 1 11 10
𝑝1 = 𝑃𝑖𝑒𝑑𝑟𝑎
𝑝2 = 𝑃𝑎𝑝𝑒𝑙
𝑝3 = 𝑇𝑖𝑗𝑒𝑟𝑎𝑠
𝑞1 = 𝑃𝑖𝑒𝑑𝑟𝑎
𝑞2 = 𝑃𝑎𝑝𝑒𝑙
𝑞3 = 𝑇𝑖𝑗𝑒𝑟𝑎𝑠
S1= (𝑝𝑖𝑒𝑑𝑟𝑎, 𝑝𝑎𝑝𝑒𝑙, 𝑡𝑖𝑗𝑒𝑟𝑎)
S2= (𝑝𝑖𝑒𝑑𝑟𝑎, 𝑝𝑎𝑝𝑒𝑙, 𝑡𝑖𝑗𝑒𝑟𝑎)
S1= (𝑝𝑖𝑒𝑑𝑟𝑎, 𝑝𝑎𝑝𝑒𝑙, 𝑡𝑖𝑗𝑒𝑟𝑎)
4
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
𝑆1𝑥 𝑆2
= {(𝑝𝑖𝑒𝑑𝑟𝑎, 𝑝𝑖𝑒𝑑𝑟𝑎), (𝑝𝑖𝑒𝑑𝑟𝑎, 𝑝𝑎𝑝𝑒𝑙 ), (𝑝𝑖𝑒𝑑𝑟𝑎, 𝑡𝑖𝑗𝑒𝑟𝑎𝑠), … … … , (𝑡𝑖𝑗𝑒𝑟𝑎, 𝑡𝑖𝑗𝑒𝑟𝑎)}
41
𝑝1 = = 0,47
86
𝑝2 = 0,26
𝑝3 = 0,27
𝑞1 = 0,22
𝑞2 = 0,43
𝑞3 = 0,35
∑ 𝒑(𝟏) (𝟐)
𝒊 𝒒𝒋 = 𝟎, 𝟏𝟎 + 𝟎, 𝟐 + 𝟎, 𝟏𝟔 + 𝟎, 𝟎𝟔 + 𝟎, 𝟏𝟏 + 𝟎, 𝟎𝟗 + 𝟎, 𝟎𝟔 + 𝟎, 𝟏𝟏
+ 𝟎, 𝟎𝟗
∑ 𝐩(𝟏)
𝐢 𝐪𝐣
(𝟐)
≈𝟏
5
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
2. MINIMA ENTROPIA
La entropía o medida del desorden es directamente proporcional a la desviación estándar o
medida de la incertidumbre. Clausius, el creador de la noción de entropía, presenta como una
medida evolutiva y como la caracterización de procesos reversibles e irreversibles. Por lo cual
a través de las leyes fundamentales de probabilidad y su desviación estándar se puede
determinar la medida del desorden.
2.1. Entropía de Gina- Simpson
La entropía de Gini-Simpsons
𝑘
𝐺𝑆(𝑝) = 1 − ∑ 𝑝𝑗2
𝑗=1
(1)
Está relacionada directamente con la varianza:
𝑘
2 1 1
𝜎(𝑝) = − ∑ 𝑝𝑗2 − ( 2 )
𝑘 𝑘
𝑗=1
(2)
2.2. Entropía de Shannon
La medida de diversidad de Shannon se definió a partir de la medida de entropía introducida
por Shannon en conexión con el análisis de sistemas de comunicación y se puede interpretar
como una distancia, en términos de la divergencia de Kullback, a la distribución uniforme.
La entropía de Shanon se define por:
𝑘
𝐻𝑆(𝑠) = − ∑ 𝑝𝑗 log 𝑝𝑗
𝑗=1
(3)
La cuál está relacionada con la varianza:
(4)
2
𝑘 𝑘
2 2
𝜎(𝑠) = ∑(log 𝑝𝑗 ) 𝑝𝑗 − (∑ 𝑝𝑗 log 𝑝𝑗 )
𝑗=1 𝑗=1
6
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
(5)
𝜎 = 𝑌1 ∗ 𝐽1 + 𝒀𝟐 ∗ 𝐽2 ≥ 0
Al estar el sistema próximo al equilibrio se aceptan las leyes fenomenológicas
lineales, es decir:
(6)
𝐽1 = 𝐿11 ∗ 𝑌1 + 𝐿12 ∗ 𝑌2
} 𝐿12 = 𝐿21
𝐽2 = 𝐿21 ∗ 𝑌1 + 𝐿22 ∗ 𝑌2
Que sustituidas en la ecuación 1 y con la ayuda de las ecuaciones anteriores lleva a:
(7)
𝜎 = 𝐿11 ∗ 𝑌12 + 2 ∗ 𝐿12 ∗ 𝑌1 ∗ 𝑌2 + 𝐿22 ∗ 𝑌22 ≥ 0
Que por ser semidefinida positiva exige que se cumpla:
(8)
𝐿11 ∗ 𝐿22 − 𝐿122 ≥ 0 𝑦 𝐿11 ≥ 0 𝑜 𝐿22 ≥ 0
Ahora bien si consideramos que esl sietam que estudiamos se encuentra en un esatdo
edtacionario, todas sus magnitudes deben ser independientes del tiempo, entre ellas
la entropia. Por lo tanto debe cumplirse:
(9)
𝑑𝜎 𝑑𝜎
𝑑𝜎 = (𝑑𝑌1) 𝑑𝑌1+(𝑑𝑌2) 𝑑𝑌1 = 2 ∗ 𝐽1 ∗ 𝑑𝑌1 + 2 ∗ 𝐽2 ∗ 𝑑𝑌2 = 0
𝑌1 𝑌1
7
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
3. MINIMA DISPERSION
La función de densidad gaussiana, 𝑓(𝑥 ) = |𝜑(𝑥 )|2 representa la solución de una
(𝑥−〈𝑥〉) 𝜕
ecuación diferencial dada por (( 2 )
) + ((𝜕𝑥)))𝜑(𝑥) = 0
(2𝜎{𝑥}
Esta prueba se extiende en Pena y Cohen-Tannoudji [4, 48]. Dado 𝐴̂, 𝐵̂, que sean
operadores hermitianos que no se conmutan, podemos escribir:
[ 𝐴̂, 𝐵̂] = ( 𝐴̂𝐵̂ − 𝐵̂ 𝐴̂) = 𝑖𝐶
Fácilmente podemos verificar que las desviaciones estándar satisfacen la misma regla
de conmutación:
[△ 𝐴̂,△ 𝐵̂] = △ 𝐴̂ △ 𝐵̂ −△ 𝐵̂ △ 𝐴̂ = 𝑖𝐶
Ĉ 2
B Ĉ 2
2
J min 0
4Â 2
2Â 2
Simplificando Jmin
B
2 2
 1
4
Ĉ 2
 B 1
2
8
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
x, i x i
, para lo cual tenemos que resolver la siguiente ecuación diferencial.
 i B x 0
Ĉ
 i B x 0
2Â
2
Observación:
La función de densidad gaussiana f(x) es óptima en el sentido de dispersión mínima.
u kjk x
De acuerdo con el último teorema, es una variable aleatoria gaussiana con
E ū kjk ūk ūk
densidad de probabilidad, f k x, k, y para calcular, Podemos
escribir
xū k 2
2 2
f k x |x| 2 1
e k
k 2π
9
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
Así la matriz 𝑣𝑛,𝑙 representa todos los puntos del producto cartesiano ∏ 𝑘∈𝑘 𝑆𝑘, el
vector 𝑣 𝑘 (𝑠) es la columna K de v si se permiten estrategias mixtas se tiene
𝑙𝑘
∆(𝑆𝑘 ) = {𝑝 ∈ 𝑅 : ∑ 𝑝𝑗𝑘 𝑘 = 1}
𝑘 𝑙𝑘
𝑗𝑘=1
𝑝𝑘 = 𝑝1 ⊗ 𝑝2 ⊗ … … ⊗ 𝑝𝑘−1 ⊗ 𝑝𝑘 ⊗ 𝑝𝑘+1 ⊗ … ⊗ 𝑝𝑛
Donde
𝐼 𝑘 = (1,1 … ,1)𝑇 , [𝐼 𝑘 ]𝑙𝑘 , 1
10
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
𝑙𝑘
̅̅̅
𝑢𝑘 = ∑ ̅̅̅̅̅̅
𝑢𝑗𝑘 𝑘 (𝑝(−𝑘) , 𝑣(𝑠))𝑝𝑘 𝑗𝑘
𝑗𝑘=1
𝑢̅ = 𝑣´𝑝
𝑢𝑘 = (𝐼 𝑘 ⊗ 𝑣 𝑘 )𝑝(−𝑘)
Los valores ( 𝐾, ∆, 𝑢̅(𝑝)) designa la extensión del juego Γ con las estrategias mixtas así
se obtiene el equilibrio de Nash con utilidad máxima si y solo si:
Otra forma de calcular el equilibrio de Nash es nivelar los valores de las utilidades
esperadas de cada estrategia, cuando sea posible.
̅̅̅̅̅
𝑢1 𝑘 (𝑝(−𝑘) , 𝑣 (𝑠)) = ̅̅̅̅̅
𝑢2 𝑘 (𝑝(−𝑘) , 𝑣(𝑠)) = ̅̅̅̅̅̅
𝑢𝑗𝑘 𝑘 (𝑝(−𝑘) , 𝑣(𝑠))
𝑙𝑘
∑ 𝑝𝑗𝑘 𝑘 = 1 ∀= 1 … … n
𝑗𝑘=1
𝑙𝑘
𝜎𝑘 2 = ∑ ̅̅̅̅̅̅
𝑢𝑗𝑘 𝑘 (𝑝(−𝑘) , 𝑣(𝑠) − ̅̅̅
𝑢𝑘 )𝑝𝑗𝑘 𝑘 = 0
𝑗𝑘=1
11
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
5. SUPERPOSICION ESTRATEGICA
Un juego de suma cero de dos personas no necesita tener un equilibrio (cuántico,
cuántico)
Esta sugiere buscar el análogo del resultado de Von Neumann sobre la existencia de
equilibrios de estrategias mixtas. Entonces deberíamos considerar estrategias que son
combinaciones lineales convexas de acciones unitarias | estrategia cuántica mixta
12
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
6. REPLICADOR DINAMICO
El método del replicador dinámico es una variante de los modelos de juego evolutivos donde
lo que interesa es conocer cuál es la tasa diferencial con que los individuos de las diferentes
estrategias se replican (reproducen), más que buscar la estrategia para lograr un óptimo en el
beneficio. En ciertos casos los individuos asumen estrategias que aportan al bien común, la
sobrevivencia de la especie, más que a la optimización del beneficio individual.
𝑑𝑥
𝑑𝑡
Se tiene una población de individuos en que cada uno sigue una de n estrategias puras si. El
juego se repite en el tiempo t (donde t = 1,2,3...) y llamamos xti a la fracción o parte de la
población que utiliza la estrategia si en el periodo de tiempo t, tal que Σi xti = 1.
Sea Pti el pago obtenido por la porción de la población xti que utilizó la estrategia si en el
tiempo t. El pago a la estrategia depende, entre otros factores, de qué fracción de la población
escoja tal estrategia Pti = Pi (xti, t).
La probabilidad que un individuo con estrategia si cambie a la estrategia sj está dada por qij
El parámetro β debe ser tal que siempre qij < 1 para todo i y todo j.
La fracción de la Población Esperada que usará la estrategia sj en el periodo t + dt será
𝑋𝑡𝑡+𝑑𝑡 estará dada por
𝛼𝑖 = 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑎𝑙𝑒𝑎𝑡𝑜𝑟𝑖𝑎
Variación en el intervalo dt:
𝑥 𝑡+𝑑𝑡 𝑖 − 𝑥 𝑡𝑗
= 𝛼𝑖 𝑥 𝑡 𝑖 ∑ [𝑥 𝑡𝑗 𝛽(𝑃𝑡𝑗 − 𝑃𝑡 𝑖 )]
𝑑𝑡 𝑗
𝑑𝑥 𝑡 𝑖
= 𝛼𝑖 𝑥 𝑡 𝑖 ∑ [𝑥 𝑡𝑗 𝛽(𝑃𝑡𝑗 − 𝑃𝑡 𝑖 )]
𝑑𝑡 𝑗
𝑑𝑥
= 𝛼𝑥 ∑ [𝑥𝑗 𝛽(𝑃𝑗 − 𝑃𝑖 )]
𝑑𝑡 𝑗
13
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
Ejemplo:
Se tiene una población de individuos en que cada uno votar por tres partidos políticos: A, B, C,
éstas son las estrategias. Inicialmente, o sea en t=1 la fracción de la población que votará por cada
partido será
𝑋1 = (𝑋1 1 , 𝑋1 2 , 𝑋1 3 ) 𝑐𝑜𝑛 𝑋1 1 + 𝑋1 2 + 𝑋1 3 = 1
para ver cómo evolucionan las preferencias políticas de la población se puede utilizar las cadenas
de Markov. Se debe conocer la matriz de transición para ver las preferencias de cada partido:
Donde:
𝑋 2 = 𝑋1 𝑇
La porción del total que ahora adoptaron la estrategia 1 serán los que permanecen con la estrategia
1, más la porción de la dos que se cambia a la 1, más la porción de la estrategia 3 que cambia a la
1:
𝑋3 = 𝑋2 𝑇
En el caso del replicador dinámico se trata de modelar los procesos sociales que dan lugar a los
cambios en las conductas. La ecuación que representa el fenómeno es:
Indica que la proporción de individuos que ahora utilizan la estrategia i, votaran por el partido A,
estará formado por los que lo hacían antes más los que se cambien de otras estrategias, los partidos
B y C a ésta. La relación será:
𝑋𝑡+𝑑𝑡 1 = 𝑥1𝑡 + [ 𝛼1 𝑥1𝑡 (𝑥2𝑡 )𝛽(𝑝1𝑡 − 𝑝2𝑡 ) +𝛼1 𝑥1𝑡 (𝑥3𝑡 )𝛽(𝑝1𝑡 − 𝑝3𝑡 )]𝑑𝑡
Ejemplo 2:
Se tiene tres competidores que juegan piedra, papel o tijera. Si lo que gana un jugador iguala a lo
que pierde el otro, el juego se llama suma cero y:
14
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
𝑥̇ = 𝑥(𝑦 − 𝑧),
𝑦̇ = 𝑦(𝑧 − 𝑥),
𝑧̇ = 𝑧(𝑥 − 𝑦),
Además de los equilibrios en los versores, tenemos el equilibrio:
1
𝑥∗ = 𝑦∗ = 𝑧∗ = ∈ 𝑆3
3
El sistema linealizado alrededor de éste es:
1 1 0 1 −1
𝐿(𝑥⃗) = 𝐴 = (−1 0 1)
3 3
1 −1 0
−𝑖 𝑖
Cuyos autovalores son: 0, , , con lo que 𝑥 ∗ es un centro, y el sistema describe oscilaciones
√3 √3
alrededor de éste.
Es fácil demostrar que:
ℎ = 𝑥1 𝑥2 𝑥3
Es una constante de movimiento, y que las trayectorias son circulares.
15
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
7. JUEGOS CUANTICOS
“Un jugador que saca partido de las peculiares superposiciones de estados de la
mecánica cuántica vence a un jugador clásico para el que no hay más que cara y cruz”
Parrondo, Juan M. R
Teoría Cuántica de juegos:
La teoría cuántica de juegos es una extensión de la teoría de juegos clásica al dominio
cuántico. Se diferencia de la teoría de juegos clásica en tres formas principales:
16
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
enredo de las elecciones de los jugadores puede tener el efecto de un contrato al evitar
que los jugadores se beneficien de la traición de otro jugador.
Elementos de los Juegos Cuántico:
Existe una relación completa entre la Mecánica Cuántica y la Teoría de Juegos,
ambas proporcionan una naturaleza aleatoria. Debido a esta naturaleza es necesario
hablar de valores esperados.
17
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
𝑀𝑗𝑙𝑘 = ∅ donde k≠1. Una estrategia jk se compone de varias sub estrategias 𝑚𝑗𝑘
𝑘
.
aproximación de la función: ∑∞ 𝑘
𝑘 =0 𝑐 𝑘 (𝑡 )𝜑𝑚𝑘 (𝑥, 𝜆),
𝑚𝑗𝑘 𝑚𝑗𝑘 𝑗𝑘
Donde
∞ 2 2
𝑘 𝑘 𝑘 𝑘 𝑖𝑤𝑘 𝑡 |𝑐 𝑘 | 𝑘
𝜓(𝑥, 𝜆) = ∑ 𝑚𝑗𝑘 = 0 𝑐𝑚 𝑘 (𝑡 )𝜑𝑚𝑘 (𝑥, 𝜆), 𝑐 𝑘 (𝑡 ) = 𝑏 𝑘 𝑒
𝑚 𝑚
, 𝑚𝑘 = |𝑏𝑚 𝑘 |
𝑗𝑘 𝑗𝑘 𝑗𝑘 𝑗𝑘 𝑗𝑘 𝑗𝑘
𝑘
= 𝑝𝑚 𝑘
𝑗𝑘
Y
∞ 2
𝑘 𝑘
∑ 𝑚𝑗𝑘 = 0 |𝑏𝑚 𝑘 | = 1, ∀𝑘
𝑗𝑘
∑1𝑚𝑘 + 𝑘
𝑐𝑚 𝑘 (𝑡)𝜑𝑚𝑘 (𝑥, 𝜆).
𝑗𝑘 𝑗𝑘 𝜖𝑍 𝑗𝑘
√𝜎𝑘 √2𝜋
∞ 𝑘
1 (𝜆𝑘 )𝑚𝑗𝑘 𝑥2 𝑥
= ∑ 𝑘 𝑒 − 2 𝐻𝑚𝑗𝑘
𝑘
( )
𝑘 =0 √
𝑚𝑗𝑘 ! √2
𝑚𝑗𝑘 𝜎𝑘 √2𝜋
𝑢 𝑢
Donde: x = , 𝜆 = 2𝜎 , y
√2𝜎𝑘 𝑘
18
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
< 𝜑𝑚 𝑘 ; 𝜑𝑚 𝑘 > = 1
𝑗𝑘 𝑗𝑖
𝑘
< 𝜑𝑚𝑘 ; 𝜑𝑚𝑘 > = 0, ∀𝑚𝑗𝑘 ≠ 𝑚𝑗𝑖𝑘
𝑗𝑘 𝑗𝑖
𝑥2 𝑥
𝑒 − 2 𝐻𝑚𝑗𝑘
𝑘
( )
𝜑𝑚𝑘 (𝑥, 𝜆) = √2
𝑗𝑘 𝑘
𝑘
√𝑚𝑗𝑘 ! √2.𝑚𝑗𝑘 ∗ √𝜋
Proof. Las propiedades de los polinomios de Hermite serán necesarias para expresar
ρ (u) en función de Hk (x).
Usando la función generadora ψ (x, λk) podemos escribir
2
𝑥
1 −( −𝜆𝑘)
𝑒 √2
√𝜎𝑘 √2𝜋
∞ 𝑘
(𝜆𝑘 )𝑚𝑗𝑘 −
𝑥2 𝑥
= ∑ ( ) 𝑒 2 𝐻𝑚 𝑘 ( )
𝑘 =0
𝑘 √
𝑚𝑗𝑘 ! 𝜎𝑘 √2𝜋 𝑗𝑘
√2
𝑚𝑗𝑘
Ejemplo:
TABLA I. Matriz de pago para el dilema de los prisioneros. Los la primera entrada en
el paréntesis denota la condena de Alicia y el segundo número es la condena de Bob.
El valor numérico se elige como en Refiriéndose a la Eq. (esta elección responde a r=3
("recompensa"), p=1 ("castigo"), t=5 ("tentación"), y s=0 ("pago de basura")
BOB:C BOB:D
ALICE:C (3,3) (0,5)
ALICE:D (5,0) (1,1)
19
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
Clásico
1) Una fuente de dos bits (uno para cada jugador)
2) Un método para que los jugadores manipulen los bits 2) Un método para que los
jugadores manipulen los qubits
3) Un dispositivo de medición física para determinar el el estado de los bits de los
jugadores si los castigos pueden ser determinados
Cuántico
1) Una fuente de dos qubits (uno para cada jugador)
2) un método para que los jugadores manipulen los qubits
3) un dispositivo de medición para determinar el estado de los qubits después que los
jugadores lo hayan manipulador
̂𝐴 ⨂𝑈
|𝜓𝑓⟩ = 𝜁 † (𝑈 ̂𝐵 )𝜁|𝐶𝐶 ⟩
1 0 ̂ = ( 0 1)
𝐶̂ = ( ) 𝐷
0 1 −1 0
̂ ⨂𝐷
𝜁 = 𝑒𝑥𝑝{𝑖𝛾𝐷 ̂ /2}
̂ ⨂𝐷
[𝜁, 𝐷 ̂ ] = 0, [𝜁, 𝐷
̂ ⨂𝐶̂ ] = 0, [𝜁, 𝐶̂ ⨂𝐷
̂] = 0
20
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
9. OPERADORES
La descripción moderna de la mecánica cuántica está profundamente basada en
mapeos lineales. En las siguientes secciones, representamos las características del
mapeo lineal que son más esenciales para la mecánica cuántica. Debido a que nos
concentramos principalmente en sistemas cuánticos de nivel finito, se supone que los
espacios del vector que se tratan a continuación tienen una dimensión finita, a menos
que se indique explícitamente lo contrario.
Comencemos con cierta terminología: un mapeo lineal 𝐻 → 𝐻 se llama operador. El
conjunto de operadores en 𝐻 se denota por 𝐿 (𝐻 ). Para un operador 𝑇, definimos la
norma del operador por:
⃦ 𝑇 ⃦ = sup ⃦ 𝑇𝑥 ⃦
⃦∞ ⃦=1
21
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
Asumiendo que 𝜆 ≠ 𝜆′, 𝐴𝑥 = 𝜆𝑥, y 𝐴𝑥 ′ = 𝜆′𝑥 ′ . Dado que 𝜆 y 𝜆′ son reales por el
lema anterior,
𝜆′ ⟨𝑥 ′|𝑥 ⟩ = ⟨𝐴𝑥 ′ |𝑥 ⟩ = ⟨𝑥 ′ |𝐴𝑥 ⟩ = 𝜆 ⟨𝑥 ′ |𝑥⟩
Y después ⟨𝑥 ′ |𝑥⟩ = 0
Un operador autoadjunto 𝑇 es positivo si ⟨𝑥 |𝑇𝑥⟩ ≥ 0 para cada 𝑥 ∈ 𝐻.
22
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
𝑙𝑘
𝑘 𝑘
𝑙𝑘
∆(𝑆𝑘 ) = {𝑝 ∈ 𝑅 : ∑ (𝑝𝑗𝑘 ) = 1}
𝑗𝑘=1
𝑘
La utilidad simple de las estrategias mixtas del jugador kϵK y 𝑝 𝑘 = (𝑝𝑗𝑘 ) el vector de
probabilidad.
La función n-dimensional 𝑢̅: ∆ → 𝑅 𝑛 asocia el vector de utilidades esperadas con cada perfil
𝑇
𝑢̅𝑝 = (𝑢̅1 (𝑝, 𝑣(𝑠)), … , 𝑢̅𝑛 (𝑝, 𝑣(𝑠)))
𝑙𝑘
̅𝑢̅̅𝑘̅ = ∑ ̅̅̅̅
𝑘
𝑢𝑗𝑘 𝑘
(𝑝 −𝑘 𝑣(𝑠)) ∗ (𝑝𝑗𝑘 )
𝑗𝑘=1
𝑢̅ = 𝑣´𝑝
𝑢𝑘 = (𝑙𝑘 ⊗ 𝑣 𝑘 ) 𝑝−𝑘
El triplete (K, Δ, 𝑢̅(𝑝)) designa la extensión del juego ┌ con las estrategias mixtas, se
obtiene el equilibrio de Nash (la maximización de la utilidad si y solamente, ∀k, p, la
23
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
Otra forma de calcular el equilibrio de Nash, es nivelar los valores de las utilidades
esperadas de cada estrategia, cuando sea posible.
̅̅̅𝑘̅) (𝑝 −𝑘 𝑣(𝑠)) = (𝑢
(𝑢 ̅̅̅𝑘̅ ) (𝑝−𝑘 𝑣(𝑠)) = ⋯ = (𝑢
̅̅̅̅
𝑘 −𝑘
1 2 𝑗𝑘 ) (𝑝 𝑣(𝑠))
𝑙𝑘
𝑘
∑ 𝑝𝑗𝑘 =1 ∀𝑘 = 1, … , 𝑛
𝑗𝑘=1
𝑙𝑘
2
𝜎𝑘2 ̅̅̅𝑘̅) (𝑝 −𝑘 𝑣(𝑠)) − ̅𝑢̅̅𝑘̅) ∗ (𝑝𝑘 ) = 0
= ∑ ((𝑢 1 𝑗𝑘
𝑗𝑘=1
∗
𝜎𝑘2 (𝑝∗) ≤ 𝜎𝑘2 ((𝑝 𝑘 ) , 𝑝 (−𝑘) ) 𝑜
∗
𝐻𝑘 (𝑝 ∗ ) ≤ 𝐻𝑘 ((𝑝 𝑘 ) , 𝑝 (−𝑘) )
El hecho de que cada partícula lleva asociada consigo una onda, impone restricciones en
la capacidad para determinar al mismo tiempo su posición y su velocidad. Este principio
fue enunciado por W. Heisenberg en 1927.
Esto significa, que la precisión con que se pueden medir las cosas es limitada, y el límite
viene fijado por la constante de Planck.
ℏ
∆𝑥. ∆𝑝𝑥 ≥
4𝜋
∆𝑥: 𝐼𝑛𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑐𝑖𝑜𝑛 𝑒𝑛 𝑙𝑎 𝑝𝑜𝑠𝑖𝑐𝑖𝑜𝑛
24
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
25
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
12. BIBLIOGRAFIA
Jiménez, E. (2003, May). Quantum games and minimum entropy. In International
Conference on Computational Science and Its Applications (pp. 216-225).
Springer, Berlin, Heidelberg.
Jiménez, E. (2003). Quantum games: Mixed strategy Nash's equilibrium
represents minimum entropy. Entropy, 5(4), 313-347.
Landsburg, S. E. (2004). Quantum game theory. Notices of the AMS, 51(4), 394-
399.
Monsalve, S. (2003). John Nash y la teorıa de juegos. Lecturas matemáticas, 24,
137-149.
Carreras, F., Magaña, A., & Amer, R. (2005). Teoría de juegos. Universitat
Politècnica de Catalunya.
Jentschura, UD Sistemas muónicos, partículas virtuales y radio de
protones. Phys. Rev. A 2015 , 92 , 012123. [ Google Scholar ] [ CrossRef ]
Pohl, R .; Antognini, A .; Nez, F .; Amaro, FD; Biraben, F .; Cardoso,
JMR; Covita, DS; Dax, A .; Dhawan, S .; Fernandes, LMP; et al. El tamaño del
protón. Nature 2010 , 466 , 213-216. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Strauch, S. Elastic Electron y Muon Scattering Experiment del Proton en PSI. En
Actas de la Conferencia Internacional de Partículas y Núcleos 2014, Hamburgo,
Alemania, 24-29 de agosto de 2014. [ Google Scholar ]
Griffioen, K .; Carlson, C .; Maddox, S. Consistencia de los datos de dispersión
de electrones con un pequeño radio de protones. Phys. Rev. C 2016 , 93 , 065207.
[ Google Scholar ] [ CrossRef ]
Horbatsch, M .; Hessels, EA; Pineda, A. Radio de protones de la teoría de la
dispersión de electrones y la perturbación quiral. Phys. Rev. C 2017 , 95 , 035203.
[ Google Scholar ] [ CrossRef ]
Kraus, E .; Mesick, KE; White, A .; Gilman, R .; Strauch, S. Encajes polinómicos
y el rompecabezas del radio de protones. Phys. Rev. C 2014 , 90 , 045206.
[ Google Scholar ] [ CrossRef ]
Lee, G .; Arrington, JR; Hill, RJ Extracción del radio de protones de los datos de
dispersión de electrones-protones. Phys. Rev. D 2015 , 92 , 013013. [ Google
Scholar ] [ CrossRef ]
Olive, KA Review of Particle Physics (Grupo de datos de
partículas). Barbilla. Phys. C 2014 , 38 , 090001. [ Google Scholar ] [ CrossRef ]
Hubbell, JH; Seltzer, Coeficientes de atenuación masiva de rayos X SM, División
de radiación, PML, NIST, 2017. Disponible en línea: https://www.nist.gov/pml/x-
ray-mass-attenuation-coefficients (consultado el 1 de octubre de 2016) .
Samuel, W. Introductory Nuclear Physics , 2nd ed .; Wiley-VCH Verlag GmbH
& Co. KGaA: Weinheim, Alemania, 2004. [ Google Scholar ]
Mitchell, ACG; Zemansky, radiación de resonancia MW y átomos
emitidos ; Cambridge University Press: Cambridge, Reino Unido, 2009. [ Google
Scholar ]
Christopher, G. Teoría de la información cuántica y la base de la mecánica
cuántica. Doctor en Filosofía. Tesis, Universidad de Oxford, Londres, Reino
Unido, 2004. [ Google Scholar ]
26
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
Max, B. Atomic Physics , 2nd ed .; Blackie & Son Limited: Londres, Reino
Unido, 1937. [ Google Scholar ]
David, JJ Classic electrodinámica ; John Wiley & Sons: Hoboken, Nueva Jersey,
EE. UU., 2004. [ Google Scholar ]
Landau, LD; Lifschitz, EM Mechanics ; Editores de Nauka: Moscú, Rusia, 1988.
[ Google Scholar ]
Claude, CT Mecánica cuántica ; Wiley-VCH: Hoboken, Nueva Jersey, EE. UU.,
1992. [ Google Scholar ]
Enfermo, I. En el rms-radio del protón. Phys. Letón. B 2003 , 576 , 62-
67. [ Google Scholar ] [ CrossRef ]
Briggs, JS; Lane, AM El efecto de la unión atómica en una resonancia
nuclear. Phys. Letón. B 1981 , 106 , 436-438. [ Google Scholar ] [ CrossRef ]
Blunden, PG; Enfermo, I. Radios de protones e intercambio de dos
fotones. Phys. Rev. C 2005 , 72 , 057601. [ Google Scholar ] [ CrossRef ]
Griffits, D. Introduction to Elementary Particles , 2nd ed .; Wiley-VCH:
Hoboken, Nueva Jersey, EE. UU., 2008. [ Google Scholar ]
Karush, W. Problemas Isoperimétricos y Teoremas de Índice en el Cálculo de
Variaciones. Doctor en Filosofía. Tesis, Departamento de Matemáticas,
Universidad de Chicago, Chicago, IL, EE. UU., 1942. [ Google Scholar ]
Fischer, M .; Kolachevsky, N .; Zimmermann, M .; Holzwarth, R .; Udem, T
.; Hänsch, TW; Abgrall, M .; Grünert, J .; Maksimovic, I .; Bize, S .; et al. Nuevos
límites en la deriva de las constantes fundamentales de las mediciones de
laboratorio. Phys. Rev. Lett. 2004 , 92 , 230802. [ Google Scholar ] [ CrossRef ]
[ PubMed ]
Bliss, GA Conferencias sobre el cálculo de variaciones ; Prensa de la Universidad
de Chicago: Chicago, IL, EE. UU., 1946. [ Google Scholar ]
Hestenes, MR Cálculo de Variaciones y Teoría del Control Óptimo ; John Wiley
& Sons: Nueva York, NY, EE. UU., 1966. [ Google Scholar ]
Pars, LA Una Introducción al Cálculo de Variaciones ; John Wiley & Sons: Nueva
York, NY, EE. UU., 1962. [ Google Scholar ]
Karush, W. Programación Matemática, Búsqueda Hombre-Computadora y
Control de Sistema ; Informe técnico SP-828; System Development Corporation:
Santa Mónica, CA, EE. UU., 1962. [ Google Scholar ]
Kuhn, HW; Tucker, AW Programación no lineal. En Proceedings of the Second
Berkeley Symposium on Mathematical Statistics and Probability, Statistical
Laboratory of the University of California, Berkeley, California, EE. UU., Del 31
de julio al 12 de agosto de 1950; Neyman, J., Ed.; Prensa de la Universidad de
California: Berkeley, CA, EE. UU., 1951; pp. 481-492. [ Google Scholar ]
© 2017 por los autores. Licenciatario MDPI, Basilea, Suiza. Este artículo es un artículo
de acceso abierto distribuido bajo los términos y condiciones de la licencia Creative
Commons Attribution (CC BY) ( http://creativecommons.org/licenses/by/4.0/ ).
27
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
13. ANEXOS
13.1. Codificación en el programa informático Scientific Workplace
Mínima dispersión y principio de incertidumbre
%TCIDATA{OutputFilter=LATEX.DLL}
%TCIDATA{Version=5.50.0.2953}
%TCIDATA{<META NAME="SaveForMode" CONTENT="1">}
%TCIDATA{BibliographyScheme=Manual}
%TCIDATA{Created=Saturday, June 16, 2018 19:59:40}
%TCIDATA{LastRevised=Sunday, June 17, 2018 00:08:43}
%TCIDATA{<META NAME="GraphicsSave" CONTENT="32">}
%TCIDATA{<META NAME="DocumentShell" CONTENT="Standard LaTeX\Blank -
Standard LaTeX Article">}
%TCIDATA{Language=American English}
%TCIDATA{CSTFile=40 LaTeX article.cst}
\newtheorem{theorem}{Theorem}
\newtheorem{acknowledgement}[theorem]{Acknowledgement}
\newtheorem{algorithm}[theorem]{Algorithm}
\newtheorem{axiom}[theorem]{Axiom}
\newtheorem{case}[theorem]{Case}
\newtheorem{claim}[theorem]{Claim}
\newtheorem{conclusion}[theorem]{Conclusion}
\newtheorem{condition}[theorem]{Condition}
\newtheorem{conjecture}[theorem]{Conjecture}
\newtheorem{corollary}[theorem]{Corollary}
\newtheorem{criterion}[theorem]{Criterion}
\newtheorem{definition}[theorem]{Definition}
\newtheorem{example}[theorem]{Example}
\newtheorem{exercise}[theorem]{Exercise}
\newtheorem{lemma}[theorem]{Lemma}
\newtheorem{notation}[theorem]{Notation}
\newtheorem{problem}[theorem]{Problem}
\newtheorem{proposition}[theorem]{Proposition}
\newtheorem{remark}[theorem]{Remark}
\newtheorem{solution}[theorem]{Solution}
\newtheorem{summary}[theorem]{Summary}
\newenvironment{proof}[1][Proof]{\noindent\textbf{#1.} }{\ \rule{0.5em}{0.5em}}
\input{tcilatex}
\begin{document}
textbf{Minima dispersión. }
28
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
de conmutaci\'{o}n:
$\U{3b1} $ y $J_{\min }$
son:
29
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
Simplificando $J_{\min }$
\bigskip
la solucion es:
\textbf{Observacion:}
30
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
\end{document}
31