Está en la página 1de 9

UNIVERSIDAD ANDINA DEL CUSCO

PAP. INGENIERIA CIVIL

7(0$$3/,&$&,21(6'(/$60$75,&(6

AREA: ALUMNOS:

ALGEBRA LINEAL -GELBIS SANTIAGO QUISPE CHAPARRO -CARLOS DOMINGUES CHAVEZ

SEMESTRE:

2011-II

CUSCO-PERU 2011

$3/,&$&,21(6'(/$60$75,&(6 
CADENAS DE MARKOV
La figura 1 es un ejemplo simple de una cadena de Markov (finita). Representa un proceso que evoluciona compuesto por un nmero finito de estados. En cada paso o punto del tiempo, el proceso puede estar en cualesquiera de los estados; en el siguiente paso, el proceso puede permanecer en su estado presente o cambiar a uno de los otros estados. El estado al que el proceso se mueve en el siguiente paso y la probabilidad de hacerlo as dependen solamente del estado presente y no de la historia del proceso. Estas probabilidades se conocen como probabilidades de transicin y se supone que son constantes (es decir, la probabilidad de moverse desde el estado i al estado j es siempre la misma). Un equipo de investigacin de mercado lleva a cabo una encuesta controlada para determinarlas preferencias de la poblacin con respecto a ciertas pastas dentales. La muestra consta de 200 personas, a cada una de las cuales se le solicita probar dos marcas de dentfricos por varios meses. Con base en las respuestas, el equipo de investigacin compila las estadsticas siguientes acerca de las preferencias detectadas. De los que utilizan la marca A en cualquier mes, 70% continan utilizndola el mes siguiente, mientras que 30% cambia a la marca B; de los que utilizaban la marca B en cualquier mes, 80% continan hacindolo, mientras que 20% cambia a la marca A. Estos datos se resumen en la figura 1, donde los porcentajes fueron convertidos en decimales; pensaremos en stos como probabilidades.

fig 1 EJEMPLO: En la investigacin sobre pastas dentales antes descrita, existen slo dos estados: utilizar la marca A o la marca B, y las probabilidades de transicin son las indicadas en la figura 1 Supongamos que, cuando comienza la investigacin, 120 personas emplean la marca A mientras que 80 prefieren la marca B. Cuntas personas estarn utilizando cada marca un mes despus? Y dos meses ms tarde? Solucin. El nmero de usuarios de la marca A despus de un mes ser igual a 70% de los que inicialmente utilizaban la marca A (aquellos que permanecen leales a la marca Al ms 20% de los usuarios de la marca B (que cambian de B a A): 0.70 (120) + 0.20 (80) = 100

De manera semejante, el nmero de los usuarios de la marca B despus de un mes ser una combinacin de aquellos que se cambian a ella y quienes continan usndola: 0.30 (120) + 0.80 (80) = 100 Podemos resumir estas dos ecuaciones en una sola ecuacin matricial: Donde: Llamaremos a la matriz P y denominaremos a los vectores X0= y X1=

(Advierta que las componentes de cada vector son Los nmeros de los usuarios de la marca A y de la .marca E, en ese orden, despus del nmero de meses indicado por el subndice.) De este modo, tenemos X1 = P X0. Extenderemos la notacin, sea XK el vector cuyas componentes registran la distribucin de los usuarios de pasta dental despus de k meses. Para determinar el nmero de usuarios de cada marca despus de haber transcurrido dos meses, simplemente aplicados el mismo razonarniento, comenzando con X1 en lugar de X0. Obtenernos que

de lo cual vemos que ahora hay 90 usuarios de la marca A y 11 O usuarios de la marca B. Los vectores Xk en el ejemplo son conocidos como vectores de estado de la cadena de Markov, mientras que la matriz P se conoce como su matriz de transicin. Acabamos de ver que una cadena de Markov satisface la relacin Xk+l = P Xk para k= 0, 1,2,..

De este resultado se sigue que podemos calcular un Vector de estado arbitrario de manera Iterativa, una vez que conocemos X0 y P. En otras palabras, una cadena de Markov se encuentra completamente determinada por sus probabilidades de transicin y por su estado inicial.


CRECIMIENTO POBLACIONAL
Uno de los modelos ms populares de crecimiento poblacional es un modelo basado en matrices, presentado por vez primera por P. H. Leslie en 1945. El modelo de Leslie describe el crecimiento de la parte femenina de una poblacin, que se supone tiene una vida mxima. Las hembras se dividen en clases por edad, todas las cuales abarcan un nmero igual de aos. Si se emplean datos acerca de las tasas de nacimiento promedio y probabilidades de supervivencia de cada clase, el modelo es capaz de determinar el crecimiento de la poblacin en el transcurso del tiempo.

EJEMPLO: Cierta especie de escarabajo alemn, el Vollmar-Wasserman (o escarabajo VW, para abreviar), vive hasta 3 aos. Dividimos las hembras de los escarabajos VW en tres clases de 1 ao cada una: menores (0 a 1 ao), jvenes (1 a 2 aos) y adultas (2 a 3) aos. Las menores no depositan huevos; cada joven produce un promedio de cuatro hembras escarabajo y cada adulta produce un promedio de tres hembras. La tasa de supervivencia de las menores es de 50% (es decir, la probabilidad de que sobreviva una menor para llegar a convertirse en una joven es de 0.5), mientras que la tasa de supervivencia para las jvenes es de 25%. Supongamos que comenzamos con una poblacin de 100 escarabajos VW hembra: 40 menores, 40 jvenes y 20 adultas. Prediga la poblacin de escarabajos de cada clase para los siguientes 5 aos. Solucin. Despus de 1 ao, el nmero de menores ser el nmero producido durante ese ao: 40 X 4 + 20 X 3 = 220 El nmero de jvenes ser simplemente el nmero de las jvenes que hayan sobrevivido: 40 X 0.5 = 20 Del mismo modo, el nmero de adultas ser el nrnero de jvenes que hayan sobrevivido: 40 X 0.25 = 10 Podemos combinar estos resultados en una sola ecuacin matricial

o LX0 = X1, donde X0=

es el vector de distribucin de poblacin inicial y X1=

es la distribucin despus de 1 ao. Vemos que la estructura de la ecuacin es mente la misma que la que presentan las cadenas de Markov: Xk+l = LXk para k= 0, 1,2,.. (Aunque la interpretacin es bastante diferente). Se sigue que podemos calcular de manera iterativa vectores sucesivos de distribucin de poblacin. (Tambin se sigue que Xk= LkX0 para k= 0, 1,2,, como para las cadenas de Markov, pero no recurirremos a este hecho aqu.) Calculamos

Por lo pronto, el modelo predice que despus de 5 aos habr aproximadamente 951 hembras de escarabajos VW menores, 151 jvenes y 57 adultas. (Sugerencia: se podra argumentar que deberamos haber redondeado al entero ms cercanoen cada paso, por ejemplo, 28 adultas despus del paso 3, lo que podra haber afectado las iteraciones subsiguientes. Elegimos no hacerlo as debido a que los clculos son de cualquier manera slo aproximaciones y es mucho ms fcil utilizar una calculadora o un CAS si no se redondea a medida que se avanza.)

GRAFOS Y DIGRAFOS
Existen muchas situaciones en las cuales es importante poder modelar las interrelaciones entre un conjunto finito de objetos. Por ejemplo, podemos desear describir varios tipos de redes (carreteras que conectan pueblos, rutas areas que conectan ciudades, enlaces de comunicacin entre satlites, etc.) o relaciones entre grupos o individuos (relaciones amistosas en una sociedad, relaciones depredador-presa en un ecosistema, relaciones de dominio en un deporte, etc.). Los grafos son perfectamente adecuados para modelar tales redes y relaciones, y resulta que las matrices son una herramienta til para su estudio. Un grafo se compone de un conjunto finito de puntos (llamados vrtices) y un conjunto finito de lneas cada una de las cuales conectan dos (no necesariamente distintos) vrtices. Decimos que dos vrtices son adyacentes si son los puntos extremos de una lnea. La siguiente figura muestra un ejemplo del mismo grafo dibujado de dos diferentes maneras. Los grafos son lo "mismo" en el sentido de que todo lo que nos interesa de ellos son las relaciones de adyacencia que identifican las lneas.

Dos representaciones del mismo grafo

Podemos registrar la informacin esencial acerca de un grafo en una matriz y utilizar lgebra de matrices para ayudarnos a responder ciertas cuestiones acerca de l. Esto es particularmente til si los grafos son grandes, puesto que las computadoras pueden manejar los clculos muy rpidamente. DEFINICION: Si G es un grafo con n vrtices, entonces su matriz de adyacencia es la matriz A [o A( G) ] de n*n definida por aij
=

1 si existe una lnea entre los-vrti~es,iyij 0 de otro modo

EJEMPLO: La figura muestra un grafo y su matriz de adyacencia asociada.

Observacin: Advierta que la matriz de adyacencia de un grafo es necesariamente una matriz simtrica (por qu?). Ntese tambin que una entrada diagonal aij de A es cero a menos que exista un lazo, bucle o circuito en el vrtice i. En algunas situaciones, un grafo puede tener ms de una lnea entre un par de vrtices. En tal caso, puede tener sentido modificar la definicin de la matriz de adyacencia de modo que aij sea igual al nmero de lneas entre los vrtices i y j. . Definimos una trayectoria en un grafo como una sucesin de lneas que nos permiten viajar de un vrtice a otro de manera continua. La longitud de una trayectoria es el nmero de lneas que contiene, adems, haremos referencia a una trayectoria con k lneas como una k-trayectoria. Por ejemplo, en el grafo de la figura, V1V3 V2V1 es una 3-trayectoria, mientras que V4V1V2V2 V1V3 es una 5-trayectoria. Ntese que la primera de stas es una trayectoria cerrada (comienza y finaliza en el mismo vrtice); una trayectoria as se conoce tomo circuito. La segunda utiliza la lnea entre V1 y V2 dos veces; una trayectoria que no incluye la misma lnea ms de una vez se conoce como una trayectoria simple. Podemos utilizar las potencias de una matriz de adyacencia de un grafo para obtener informacin acerca de las trayectorias de diversas longitudes en el grafo. Considere el cuadrado de la matriz de adyacencia de la figura:

Qu representan las entradas de A2? Examine la entrada (2, 3). Con base en la definicin de mu1tiplicacin de matrices, sabemos que (A2)23 = a21a13 + a22a23 + a23a33 + a24a43 La nica manera en que esta expresin puede resultar en un nmero distinto de cero es si por lo menos uno de los productos a2k ak3 que forman la suma es distinto de cero. Pero a2k ak3 es distinto de cero si y slo si tanto a2k como ak3 son diferentes de cero, lo que significa que existe una lnea entre V2 Y Vk adems de una lnea entre Vk y V3 De este modo, habr una 2-trayectoria entre los vrtices 2 y 3 (va el vrtice k). En nuestro ejemplo, esto ocurre para k = 1 Y k = 2, de manera que (A2)23 = a21a13 + a22a23 + a23a33 + a24a43 = 1*1 + 1*1 + 1*0 + 0*0 = 2

lo que nos dice que existen dos 2-trayectorias entre los vrtices 2 Y 3. (Verifique para ver que las entradas restantes de A2 proporcionan correctamente 2-trayectorias en el grafo.) Si A es la matriz de adyacencia de un grafo G,.enlonces la entrada (i,j) entrada de AK es igual al nmero de k-trayectorias entre los vrtices i y j.

CODIGOS DE CORRECION DE ERRORES


representa al diseo de cdigos que pueden Corregir adems de detectar ciertos tipos de errores. para algn k, y lo codificaremos utilizando una Nuestro mensaje ser un vector x en transformacin matricial para alguna n >k. El vector T(x) se llamar vector de cdigo. Un ejemplo simple servir para ilustrar el enfoque que adoptaremos, el cual es una generalizacin de los vectores de verificacin de paridad.

EJEMPLO: Supongamos que el mensaje es un dgito binario simple: 0 o 1. Si codificamos el mensaje simplemente al repetirlo un par de veces, lo cual quiere decir que los vectores de cdigo son [0, 0] Y [1, 1]. Este cdigo puede detectar errores simples. Por ejemplo, si transmitimos [0, 0] Y se presenta un error en la primera componente, entonces [1, O] es recibido y se detecta un error, puesto que ste no es un vector de cdigo lcito. Sin embargo, el receptor no puede corregir el error, puesto que [1, O] tambin podra ser el resultado de un error en la segunda componente si [1, 1] hubiera sido transmitido. Podemos solucionar este problema mediante la ampliacin de los vectores de cdigo, es decir, la repeticin del dgito del mensaje tres veces en lugar de dos. De esta forma, 0 y 1 son codificados como [0,0, O] Y [1 , 1, 1], respectivamente. Ahora, si ocurre un error simple, no slo podemos detectarlo sino tambin corregirlo. Por ejemplo, si se recibiera [O, 1, O], entonces sabemos que debe haber sido el resultado de un error simple en la transmisin de [0, 0, O], puesto que un error simple en [1, 1, 1] no podra haberlo producido. Ntese que el cdigo del ejemplo puede conseguirse por medio de una transformacin matricial, aun una particularmente trivial. Sea G = y definamos T: Z2

Mediante T(x) = Gx. (Aqu estamos pensando en los elementos de Z2, Como si Fueran matrices de 1 X 1). La matriz G se denomina matriz generadora del cdigo. Para decir si un vector recibido es un vector de cdigo, realizamos no una, sino dos verificaciones de paridad. Requerimos que el vector recibido c = Podemos escribir estas ecuaciones como un sistema lineal sobre Z2: satisfaga c1 = c2 = c3

Si hacemos P =

, entonces (1) es equivalente a Pc = O. La matriz P se conoce como matriz = 0.

de verificacin de paridad del cdigo. Observe que PG =

Para ver cmo estas matrices entran en juego en la correccin de errores, supongamos que enviamos 1 como = [1 1 1]T pero un error simple ocasiona que sea recibido como

c' = [1 0 1]T. Calculamos

de modo que sabemos que c' no puede ser un vector de cdigo. Dnde est el error? Ntese que Pc' es la segunda columna de la matriz de verificacin de paridad P, lo cual nos dice que el error se encuentra en la segunda componente de c' y nos permite corregir el error. (Naturalmente, en este ejemplo podramos hallar el error ms rpidamente sin utilizar matrices pero la idea es til ). Para generalizar' las ideas en el ltinoo ejemplo, precisemos las definiciones siguientes: DEFINICION: Si k < n, entonces cualquier matriz de n*k e la forma G= , donde A es

una matriz de (n-k)*k sobre Z2, se denomina un matriz generadora estndar para un cdigo' binario (n , k) Cualquier matriz de (n-k)*n de la forma P= [B In-k ] donde B es una matriz de (n-k)*k matriz sobre Z2, se conoce como matriz estndar de verificacin de paridad. Se que el cdigo tiene longitud n y dimensin k.