Matemática Discreta

Unidad N°6: Álgebra lineal

• Cadenas de Markov
Orientación de la semana 14
Sustentación Final

Evaluación de acreditación trabajo Final (TF).

El trabajo final consta de una evaluación dividida en dos partes
Parte I: (20%)
• Consta de una evaluación de 3 preguntas con un tiempo de 90 minutos. Se rinde el sábado 19 de
noviembre desde las 6:00pm hasta las 7.30pm. La evaluación se rinde en SUMADI.
• Cada una de las preguntas serán desarrolladas de manera escrita y subida al aula-virtual. Después de la
hora de finalización del examen no se podrá subir ni enviar por correo ningún archivo.
• Las respuestas se presentan en un único documento pdf, el cual deberá descargase con anticipación.
• El puntaje máximo de la evaluación escrita será de 20 puntos, la cual tiene un peso del 20% del TF
• Las preguntas de QR deben ser resueltas con las dimensiones de interpretación, representación, cálculo
y análisis-argumentación.
Parte II: (80%)
• Consta de la acreditación de la parte I mediante una sustentación, que será evaluada en las Semanas 15 y 16.
Los grupos a sustentar serán definidos por el docente de cada sección.
• En la sustentación del trabajo se evaluará sobre dos de los tres problemas tomados en la parte I. Las preguntas
por el docente durante la sustentación serán sobre los temas relacionados a los problemas elegidos por el
docente para validar su sustentación.
• Previamente debe de subir su material de exposición para la sustentación del TF en el enlace
:"Exposición: Parte II" ubicado en la carpeta Parte II. El docente indica el plazo máximo máximo.
• Un alumno es exonerado de la parte II de MA265 y recibe la nota de 20 en la parte II, si se cumple los siguientes
ítems:
o Su promedio acumulado final es de 11,9 (equivalente a una nota de 17 ponderada de la DD1, DD2, DD3 y
TB).
o La asistencia con el AAD debe de ser mayor o igual que 8. (El docente puede tomar otro criterio)

• Se recomienda leer los aspectos generales y específicos de la rúbrica.

• Las sesiones a distancias no podrán sustentar si no tienen su cámara y micro activados y prendido. De presentar
algún problema comunicar previamente con su profesor.
 Evaluación Parte I
¿Dónde encontrar la evaluación, parte I?
 Lista de ejercicios.

Enlace: de sesión integral. Asistir con el AAD.

Preparación para la sustentación final con la lista de ejercicios de
la sesión integral

Talleres de la semana 14
Logro de la sesión

Al finalizar la sesión, estarás preparado para:

Resolver problemas de contexto real con modelos
denominados cadenas de Markov.
Bibliografía
Bibliografía textos de consulta.

• Profesores UPC – Libro digital – Cadenas de Markov

• Kolman, B., & Hill, D. R. (2006). Álgebra Lineal. Fundamentos y aplicaciones
(8va Ed.). Colombia: Pearson.

Bibliografía Multimedia
Matriz estocástica
Es una matriz cuadrada de orden n: ¿Cuáles de las siguientes matrices son
estocásticas?
𝑎11 𝑎12 . . . 𝑎1𝑛
𝑎21 𝑎22 . . . 𝑎2𝑛 1 1/3 0
. . . . . . 𝐴 = −1/2 2/3 0 NO
𝐴= . . . . . . 1/2 0 1
. . . . . .
𝑎𝑛1 𝑎𝑛2 . . . 𝑎𝑛𝑛
1 1/2 NO
𝐵=
0 2/3
tal que:
a) ∀𝑖, ∀𝑗 se tiene: 𝑎𝑖𝑗 ≥ 0
b) ∀𝑗 se cumple:
0 1/2 1/4
SÍ
𝑎1𝑗 + 𝑎2𝑗 + 𝑎3𝑗 + ⋯ + 𝑎𝑛𝑗 = 1 𝐶= 0 0 1/4
1 1/2 1/2
Vector de probabilidades
Un vector de probabilidades es una Sea 𝐴 una matriz estocástica de orden 𝑛 :
matriz de orden 𝑛 × 1:
𝐸1 𝐸2 . . . 𝐸𝑛
𝑢1 𝐸1 𝑎11 𝑎12 . . . 𝑎1𝑛
𝑢2 𝐸2 𝑎21 𝑎22 . . . 𝑎2𝑛
. . . . . . . .
𝐴= .
𝑢= . . . . . . .
. . . . . . .
. 𝐸𝑛 𝑎𝑛1 𝑎𝑛2 . . . 𝑎𝑛𝑛
𝑢𝑛
∀𝑗, se cumple 𝑎1𝑗 + 𝑎2𝑗 + 𝑎3𝑗 + ⋯ + 𝑎𝑛𝑗 = 1,

tal que ∀𝑖: 𝑢𝑖 ≥ 0, donde cada 𝑎𝑖𝑗 representa la probabilidad de

que un objeto que se encuentra en el estado
además:
𝐸𝑗 , en la siguiente etapa, se encuentre en el
𝑢1 + 𝑢2 + 𝑢3 + ⋯ + 𝑢𝑛 = 1 estado 𝐸𝑖 .
Ejemplo

Dada la matriz estocástica A:

𝐸1 𝐸2 𝐸3
𝐸1 0,50 0,60 𝟎, 𝟒𝟎
𝐴=
𝐸2 0,25 𝟎, 𝟑𝟎 0,30
𝐸3 𝟎, 𝟐𝟓 0,10 0,30
• El 0,25 resaltado de rojo representa la probabilidad de que un objeto que se
encuentra en el estado 1, en el siguiente periodo se encuentre en el estado 3.
• El 0,40 resaltado de azul representa la probabilidad de que un objeto que se
encuentra en el estado 3, en el siguiente periodo se encuentre en el estado 1.
• El 0,30 resaltado de verde representa la probabilidad de que un objeto que se
encuentra en el estado 2, en el siguiente periodo siga en el estado 2.
Cadena de Markov
Una cadena de Markov es una secuencia de vectores de probabilidad {𝑢𝑘 } que
satisfacen la relación:
𝑢𝑘+1 = 𝐴𝑢𝑘 , 𝑘 ≥ 0

De acuerdo a lo anterior,
• 𝑢1 = 𝐴𝑢0
• 𝑢2 = 𝐴𝑢1 = 𝐴 𝐴𝑢0 = 𝐴2 𝑢0
• 𝑢3 = 𝐴𝑢2 = 𝐴 𝐴2 𝑢0 = 𝐴3 𝑢0

En general, 𝑢𝑘 = 𝐴𝑘 𝑢0 , 𝑘 ≥ 1

Donde 𝐴𝑘 = 𝐴 × 𝐴 × ⋯ × 𝐴 y 𝑢0 es el vector de probabilidades iniciales.

𝑘 factores
Ejemplo
Dada la matriz estocástica A y el vector de probabilidades 𝑢0 :
0,50 0,60 0,40 0,20
𝐴 = 0,25 0,30 0,30 , 𝑢0 = 0,20
0,25 0,10 0,30 0,60
a) Halle los vectores 𝑢1 , 𝑢2 , 𝑢3 , 𝑢4 y 𝑢5 de la cadena de Markov correspondiente.
0,50 0,60 0,40 0,20 0,46
𝑢1 = 𝐴𝑢0 = 0,25 0,30 0,30 0,20 = 0,29
0,25 0,10 0,30 0,60 0,25
De modo similar:
0,504 0,5058 0,50554 0,505496
𝑢2 = 0,277 , 𝑢3 = 0,2748 , 𝑢4 = 0,27471 y 𝑢5 = 0,274723
0,219 0,2194 0,21975 0,219781
Ejemplo (continuación)
b) A medida que k crece, ¿tiende 𝑢𝑘 a algún vector fijo 𝑣 ?

0,505495
Sí, tienden a 𝑣 = 0,274725
0,219780
c) En caso haya podido encontrar el vector 𝑣, halle 𝐴𝑣. ¿Qué puede observar con
este resultado?

0,50 0,60 0,40 0,505495 0,505495

𝐴𝑣 = 0,25 0,30 0,30 0,274725 = 0,274725
0,25 0,10 0,30 0,219780 0,219780

Notamos que 𝐴𝑣 = 𝑣
Vector estacionario

Dada una matriz estocástica 𝐴𝑛×𝑛 . El vector estacionario de 𝐴 es el vector de

probabilidades 𝑢 que satisface la igualdad:
𝐴𝑢 = 𝑢

Teorema:
Para cualquier vector de probabilidades 𝑣 se tiene que 𝐴𝑘 𝑣 tiende al vector 𝑢
cuando k crece.
Ejemplo

0,50 0,60 0,40

Determine el vector estacionario de 𝐴 = 0,25 0,30 0,30 .
0,25 0,10 0,30
Solución:
𝑥
Hallemos el vector de probabilidades 𝑢 = 𝑦 tal que:
𝑧
0,50 0,60 0,40 𝑥 𝑥
0,25 0,30 0,30 𝑦 = 𝑦
0,25 0,10 0,30 𝑧 𝑧
Ejemplo (continuación)
El sistema anterior es equivalente a:

−0,50 0,60 0,40 𝑥 0

0,25 −0,70 0,30 𝑦 = 0
0,25 0,10 −0,70 𝑧 0
Reduciendo:
−0,50 0,60 0,40 𝑥 0
0 −0,40 0,50 𝑦 = 0
0 0 0 𝑧 0
Como 𝑥 + 𝑦 + 𝑧 = 1:
−0,50 0,60 0,40 𝑥 0
0 −0,40 0,50 𝑦 = 0
1 1 1 𝑧 1

46 25 20
Resolviendo, 𝑢 = ( , , )y aproximadamente:
91 91 91
𝑢 = (0,505495 ; 0,274725 ; 0,219780)
 Ejercicio 1
Una empresa quiere analizar los a) ¿Cuál es la matriz estocástica asociada a
cambios en las preferencias de los la cadena de Markov del problema?
usuarios por tres marcas A, B y C de un
determinado producto. El estudio ha
arrojado el siguiente cuadro de
probabilidades al cambiarse de una
marca a otra cada mes:
b) ¿Cuáles serán las participaciones de
𝐴 𝐵 𝐶 mercado de cada marca en dos meses
𝐴 0,80 0,10 0,10
más?
𝐵 0,03 0,95 0,02
𝐶 0,20 0,05 0,75

En la actualidad la participación de
mercado es de 45%, 25% y 30%,
respectivamente.
Ejercicio 1 (continuación)
c) ¿Cuáles serán las participaciones de mercado de cada marca a largo plazo?
 Ejercicio 2
El departamento de estudios de mercado de una fábrica estima que el 20% de la
gente que compra un producto un mes, no lo comprará el mes siguiente. Además, el
30% de quienes no lo compren un mes lo adquirirá al mes siguiente. En una población
de 1000 individuos, 100 compraron el producto el primer mes.
a) ¿Cuántos lo comprarán el mes próximo?
b) ¿Cuántos lo comprarán dentro de tres meses?
c) ¿Cuántas personas comprarán el producto a largo plazo?

Interpretación
Sabiendo que este mes 100 personas compraron el producto, se trata de determinar
cuántas personas comprarán el producto en los próximos meses y a largo plazo.
Ejercicio 2
Representación
Representamos la situación con una matriz de transición, el vector de probabilidades y la
relación correspondiente de cadenas de Markov.
𝑆𝐶 𝑁𝐶
𝐴 = 𝑆𝐶 0,80 0,30
𝑁𝐶 0,20 0,70

Donde SC representan a los que sí compran y NC representan a los que no compran.

Como son 1000 personas y 100 compran el producto el primer mes, los que sí compran
representan el (100/1000)*100% = 10%. Entonces, el vector de probabilidades es:

𝑆𝐶 0,10
𝜇0 =
𝑁𝐶 0,90

Dentro de “n” meses el vector correspondiente será:

𝜇𝑛 = 𝐴𝑛 × 𝜇0
Ejercicio 2
a) ¿Cuántos lo comprarán el mes próximo?
Cálculo
𝑛 = 1, entonces:
𝜇1 = 𝐴1 × 𝜇0
0,80 0,30 0,10 0,35
𝜇1 = =
0,20 0,70 0,90 0,65
Análisis y argumentación
Esto quiere decir que el 35% de las personas sí comprarán el producto el próximo mes,
es decir: 0,35*1000 = 350 personas.
b) ¿Cuántos lo comprarán dentro de tres meses?
Cálculo
𝑛 = 3, entonces:
𝜇3 = 𝐴3 × 𝜇0
0,80 0,30 3 0,10 0,569
𝜇1 = =
0,20 0,70 0,90 0,431
Análisis y argumentación
Esto quiere decir que el 56,9% de las personas sí comprarán el producto dentro de tres
meses, es decir: 0,569*1000 = 569 personas.
Ejercicio 2
c) ¿Cuántas personas comprarán el producto a largo plazo?
Cálculo
Se trata de determinar el vector estacionario, entonces:
𝐴×𝑣 =𝑣
0,80 0,30 𝑥 𝑥
= 𝑦 con 𝑥 + 𝑦 = 1
0,20 0,70 𝑦
Se forma el sistema:
0,80𝑥 + 0,30𝑦 = 𝑥
ቐ0,20𝑥 + 0,70𝑦 = 𝑦
𝑥+𝑦 =1
Resolviendo: 𝑥 = 0,60, 𝑦 = 0,40

Análisis y argumentación
Esto quiere decir que a largo plazo, sí comprarán el producto el 60% de las personas, es
decir: 0,60*1000 = 600 personas.
 Preguntas
Si tienes dudas sobre los temas, consulte con el
profesor del curso mediante los medios
proporcionados por él mismo.

Continúa con las actividades semanales

propuestas en el aula virtual:
❑ Resolución de ejercicios propuestos

23