UNIVERSIDAD NACIONAL DE SAN

AGUSTIN
FACULTAD DE CIENCIAS NATURALES Y FORMALES
“ESCUELA PROFESIONAL DE FISICA”
ALGEBRA LINEAL

“Competencia entre negocios: cadena de markov”

EDGAR APAZA
HECHO POR:
JHON CHOQUE CHULLO
BRYAN CHAMBILLA FLORES
BRYAN MÁRQUEZ FERNÁNDEZ
KEVIN CARAZAS MOGGIANO
EDGAR CARLOSVIZA PUENTES

2017
Introducción:

En muchas aplicaciones, la utilidad de Las matrices surge del hecho de que puede representar
un arreglo de muchos números como un solo objeto designado mediante un solo símbolo
permitiendo que las relaciones entre las variables puedan representarse de un modo conciso.
En la realidad no se realiza nada que no pueda hacerse solo en términos de los elementos de
las matrices, pero la notación matricial con frecuencia hace que se vea más claramente la
relación esencial.
En esta sección se considera una aplicación de las matrices en un modelo simple de la
situación del mercado, en el cual los clientes cambian de abastecedores
Muchos modelos matemáticos en la ciencia la ingeniería y los negocios tienen que cubrir los
aspectos de la oportunidad y el azar, no se puede saber con certeza lo que harán nuestros
competidores, la bolsa de valores, una partícula subatómica, y así sucesivamente. Tales modelos
utilizan las herramientas matemáticas de la teoría de la probabilidad para hacer, entre otras
cosas predicciones sobre el comportamiento promedio de estos modelos. Se carece de espacio
para tratar la teoría de la probabilidad, en vez de ello se examina un modelo simple
determinístico_ en lugar de probabilístico-que lleva a un aspecto clave de los modelos
probabilísticos: la cadena de markov.

Objetivos:
• Mostrar el poder de las matrices en la organización y clarificación de conjuntos
complicados de relaciones

• Alentar algunas preguntas naturales sobre las matrices que surgen de las
aplicaciones prácticas, como una motivación para continuar con algunos de los
estudios posteriores
Definición:
Una cadena de Markov es una serie de eventos, en la cual la probabilidad de que ocurra un
evento depende del evento inmediato anterior. En efecto, las cadenas de este tipo tienen
memoria, "Recuerdan" el último evento y esto condiciona las posibilidades de los eventos
futuros. Esta dependencia del evento anterior distingue a las cadenas de Markov de las series
de eventos independientes, como tirar una moneda al aire o un dado. En los negocios, las
cadenas de Markov se han utilizado para analizar los patrones de compra, los deudores morosos,
para planear las necesidades de personal y para analizar el reemplazo de equipo .El análisis de
Markov, llamado así en honor de un matemático ruso que desarrollo el método en 1907, permite
encontrar la probabilidad de que un sistema se encuentre en un estado en particular en un
momento dado. Algo más importante aún, es que permite encontrar el promedio a la larga o las
probabilidades de estado estable para cada estado .Con esta información se puede predecir el
comportamiento del sistema a través del tiempo .La tarea más difícil es reconocer cuándo puede
aplicarse. La característica más importante que hay que buscar en la memoria de un evento a
otro.

Conceptos básicos:

Para el estudio de las cadenas de Markov, deben tenerse en cuenta algunos conceptos claves
como los siguientes:

Estados

El estado de un sistema en un instante t es una variable cuyos valores solo pueden pertenecer
al conjunto de estaos en el sistema. El sistema modelizado por la cadena, por lo tanto, es una
variable que cambia con el valor del tiempo, cambio al que llamamos transición.

Matriz de transición

Los elementos de matriz representan la probabilidad de que el estado próximo sea el

correspondiente a la columna si el estado actual es el correspondiente a la fila.

Posee 3 propiedades básicas:

La suma de las probabilidades de los estados debe ser igual a 1.

La matriz de transición debe ser cuadrada.

Las probabilidades de transición deben estar entre 0 y 1.

Modelo de competencia entre tres lecherías:
Se ilustra la noción de la cadena de markov mediante la consideración de una competencia entre
lecherías que surten el producto leche a cierta población. Con el tiempo algunos clientes
cambian de repartidor por diferentes razones, publicidad, costo, conveniencia etc. Se desea
modelar y analizar el movimiento de los clientes entre los proveedores, suponiendo, por
simplicidad que la misma fracción de los clientes cambiara de una lechería cualquiera a otra
durante cada periodo de tiempo (digamos un mes)

Supongan que al comenzar nuestro modelo – digamos, el 31 de diciembre las tres lecherías,
llamadas lecherías 1,2 y 3 controlan las fracciones x0, y0 y z0 (respectivamente) del mercado;
suponiendo por simplicidad que estas lecherías fueran las únicas repartidoras, se observa que
las fracciones deben ascender a 1: x0 + y0 + z0 = 1.

Suponga que después de un mes la lechería 1 ha logrado mantener la fracción a11 de sus propias
clientes además ha atraído las fracciones a12 de los clientes de la lechería 2 y a13 de la lechería 3.
Supóngase que el número total de clientes permanece constante en, digamos, N, con lo que
puede trasladarse a una formula el hecho de que el número de clientes de la lechería después
de un mes, es igual al número de clientes que permanecieron en ella, más el número de clientes
que adquiero el lechería 2, más el número de clientes que adquirió la lechería 3. Sea x1 la fracción
del mercado que tiene la lechería 1 después de un mes y se tiene entonces

X1N =a11(x0N) + a12(y0N) + a13(z0N).

Se obtienen ecuaciones similares para el número de clientes de las lecherías 2 y 3 después de

un mes, en términos de sus nuevas partes y1 y z1. Al separar estas ecuaciones de N se obtiene:

x1 =a11x0 + a12y0 + a13z0

y1= a21x0 + a22y0 + a23z0

z1= a31x0 + a32y0 + a33z0

Donde aii = fracción de los clientes de la lechería i, conservada por la lechería i.

aij = fracción de los clientes de la lechería j, perdidos por la lechería i(i=j)

Las matrices expresan esto de una manera concisa como

x1 =Ax0 ,

Donde xr = [xr yr zr]ᵀ para r=0 o 1 y ‹A›ij = aij .

Ya que las fracciones aij son partes del mercado, obviamente 0 ≤ aij ≤ 1.Observe también, que de
los clientes originales de la lechería 1, la fracción A11 permanece con la lechería 1, la fracción a21
pasa a la lechería 2, y la fracción a31 pasa a la lechería 3; ya que estas fracciones deben considerar
todo los clientes originales de la lechería 1, encontramos que a11 + a21 + a31 = 1. Aplicar el mismo
argumento a las lecherías 2 y 3 produce el hecho de que

0 ≤ aij ≥ 1 para toda i y j, y la suma de las entradas en cada columna de A es 1:

 a1i + a2i + a3i = 1 para i = 1, 2, 3;

En forma equivalente 0 ≤ ‹A›ij ≤ 1 para toda i y j, y

‹A› 1i + ‹A›2i + ‹A›3i = 1 para i = 1, 2, 3.

Se le conoce a la matriz A como la matriz de transición para el modelo; observe que en gran
parte de la literatura, las matrices de transición se definen como la transpuesta de nosotros.

Por simplicidad, se supone que las fracciones aij de clientes que cambian de repartidores
permanece igual cada mes. Si se utilizan xr , yr y zr como los símbolos que designa las fracciones
del total de clientes que conserva cada lechería al final de r meses, entonces no solo se tiene
para la transición después de un mes sino también

Xr + 1 = Axr para r = 0, 1 , 2 , 3 …,

Donde xr = [xr yr zr]ᵀ.

Ya que x2 = A(Axo) = a²x0 y de manera similar para xr se obtiene de modo general:

xr = Aʳ xo para r = 0, 1,2,….

Intuitivamente resulta obvio que las partes xr , yr , zr del mercado deben siempre sumar 1;
se demuestra que esto, de hecho, se sigue de x0 + y0 + z0 = 1 y de las propiedades de A. Para
hacerlo, se utiliza el poder de la notación matricial: se define 13 como la matriz columna de
3 x 1 13 = [xr yr zr]ᵀ , para que

1₃ᵀxr = [ 1 1 1][xr yr zr]ᵀ = [xr yr zr].

Por lo tanto, el problema radica en mostrar que 1₃ᵀxr = [1] para toda r, lo cual se hará enseguida.
Ya que la suma de los elementos en cada columna de A es 1, resulta claro que

1₃ᵀxr = [ 1 1 1] = 1₃ᵀ.

Ya que [1] = 1₃ᵀx0 , 1₃ᵀx = 1₃ᵀ, se razona que

[1]= 1₃ᵀx0 =( 1₃ᵀA)x0 = 1₃ᵀ(Ax0) = 1₃ᵀx1

Ya que Ax0 = x1, examinando el extremo izquierdo y el extremo derecho de estas igualdades, se
observa que [1] = 1₃ᵀx. Al continuar de este modo – un argumento preciso requeriría de
inducción – se concluye, como se deseaba, que [1] = 1₃ᵀxr para toda r.
Ejemplo 1

Se considera concretamente un ejemplo numérico para ilustrar las ideas anteriores. Suponga
que x0 son las partes iniciales del mercado y que la matriz de transición A es:

0,2 0.8 0,2 0,1

x0 = 0,3 y A= 0,1 0,7 0,3

0,5 0,1 0,1 0,6

Observamos que se cumple. Fácilmente en- especial si se usa el MATLAB o algún programa
similar se obtiene x1 =Ax0 , x2 = A x1 y así sucesivamente mediante la multiplicación de matrices;
redondeados a tres decimales, algunos resultados representativos son:

0.27 0.327 0.442 0.450

Xo= 0.38 X3= 0.398 X8= 0.357 X16= 0.350

0.35 0.275 0.201 0.200

Al formar x17 = Ax16, se encuentra que x17 = x16 que significa que de hecho todas las xr para r ≥ 16
son iguales, es decir, x16 como se dio arriba. En otras palabras, las partes del mercado después
de 16 meses se volvieron contantes (al menos hasta tres decimales). En 24,35 y 2% el mercado
está en equilibrio.

Comportamiento limite y equilibrio

Se quiere averiguar el equilibrio alcanzado en el ejemplo anterior, ocurre de manera más general
que en ese caso especial. Se examina si las matrices columna xr pudieran tender a alguna matriz
columna limite X∞ a medida que r crece. Ya que xr + 1 = Axr, si xk tiene de a X∞, se sigue que
X∞ =AX∞ ; de modo similar, ya que se tiene 1₃ᵀxr = [1] para toda r¸se sigue que, también,
1₃ᵀx∞ = [1]. En resumen se tiene lo siguiente:

Si las xr tienden aun limite x∞ = [ x∞ y∞ z∞ ]ᵀ, entonces

(1) Ax∞ = x∞ y x∞ + y∞ + z∞ = 1.

Ya que A es 3 x 3 , la ecuación Ax∞ = x∞ representa tan solo un sistema de tres ecuaciones con
tres incógnitas; la última condición en (1) se combina con esto para dar como resultado un
sistema de cuatro ecuaciones lineales en las tres incógnitas x∞ , y∞ y z∞ . Esto es, xr tiende
a un límite, los candidatos posible para el limite se puede encontrar al resolver un sistemas de
cuatro ecuaciones con ter incógnitas

Ejemplo 2 . De modo concreto, considere nuevamente el modelo del ejemplo 1, Si las xr tienden
a cierta x∞ - como aparece – entonces como, x∞ satisface a (1). Al escribir esas cuatro
ecuaciones con tres incógnitas x∞ , y∞ y z∞, se tiene
 0,8x∞ + 0.2y∞ + 0.1z∞ = x∞

0.1x∞ + 0.7y∞ + 0.3z∞ = y∞

0.1x∞ + 0.1y∞ + 0.6z∞ = z∞

DONDE

X∞ + Y∞ + Z∞ = 1

Con algún esfuerzo de podría usar algebra de secundaria para resolver este sistema de
ecuaciones lineales, descubriendo que tiene exactamente una solución, es decir

x∞ = 0.45, y∞ = 0,35 z∞ = 0,20,

que es precisamente lo que se encontró experimentalmente en el ejemplo 1, Aun no se ha

probado que las xr tiendan, de hecho, algún limite, pero si está demostrado que el único límite
posible es [0,45 0,35 0,20 ]ᵀ ¡ que de ningún modo depende de las contribuciones iniciales en
el mercado!
Conclusiones:

Para concluir podemos decir que las cadenas de Markov son una herramienta para analizar el
comportamiento y el gobierno de determinados tipos de procesos estocásticos, esto es,
procesos que evolucionan de forma no determinística a lo largo del tiempo en torno a un
conjunto de estados. Que para su elaboración requieren del conocimiento de diversos
elementos como son el estado y la matriz de transición. Dichos elementos fueron descubiertos
por su creador Markov, el cual realizó una secuencia de experimentos conectados en cadena y
la necesidad de descubrir matemáticamente los fenómenos físicos Este método es muy
importante, ya que ha comenzado a usarse en los últimos años como instrumento de
investigaciones de mercadotecnia, para examinar y pronosticar el comportamiento de los
clientes desde el punto de vista de su lealtad a una marca y de sus formas de cambio a otras
marcas, la aplicación de esta técnica, ya no solo se limita a la mercadotecnia sino que su
campo de acción se ha podido aplicar en diversos campos.

Bibliografía:
-Algebra lineal aplicada/ Tercera Edición-Ben Noble y James W. Daniel.