Introduccion A Los Metodos Numericos

Nota Tcnica
DEC-DIE-014-2009-NT. Marzo 2009

INTRODUCCIN A LOS MTODOS NUMRICOS
Desire Castrillo Rojas

BANCO CENTRAL DE COSTA RICA
DIVISIN ECONMICA
DEPARTAMENTO DE INVESTIGACIN ECONMICA
Documento de trabajo del Banco Central de Costa Rica, elaborado por el
Departamento de Investigacin Econmica

Las ideas expresadas en este documento son responsabilidad de la autora y no
necesariamente representan la opinin del Banco Central de Costa Rica

Introduccin a los mtodos numricos Marzo, 2009
Departamento de Investigacin Econmica DEC-DIE-014-2009-NT

2
Tabla de contenido
1. Introduccin .................................................................................................................................... 3
2. Conceptos Importantes................................................................................................................... 4
Errores de truncamiento ......................................................................................................... 4
Errores de redondeo ............................................................................................................... 5
Otro trmino importante es el de algoritmo numrico .................................................................. 5
Convergencia................................................................................................................................... 5
3. Mtodos numricos de aproximacin para races de ecuaciones no lineales ............................... 6
Mtodo de la Biseccin ....................................................................................................................... 7
Mtodo del Punto Fijo ........................................................................................................................ 8
Mtodo de Newton ............................................................................................................................. 9
Mtodo de la Secante ....................................................................................................................... 11
4. Mtodos numricos de aproximacin para sistemas de ecuaciones lineales ............................. 12
Mtodo de Jacobi .............................................................................................................................. 12
Mtodo Gauss- Seidel ....................................................................................................................... 13
5. Mtodos de sistemas numricos de aproximacin para sistemas de ecuaciones no lineales ..... 14
Mtodo de Newton en varias variables ............................................................................................ 14
6. Uso de mtodos numricos en Economa .................................................................................... 16
7. Consideraciones finales ................................................................................................................ 17
8. Bibliografa .................................................................................................................................... 18
9. Anexos ........................................................................................................................................... 19
9.1 Algoritmos de los mtodos aqu estudiados ............................................................................... 19
Algoritmo 1: Mtodo de la Biseccin ............................................................................................ 19
Algoritmo 2: Mtodo de Punto Fijo .............................................................................................. 20
Algoritmo 3: Mtodo de Newton-Raphson .................................................................................. 20
Algoritmo 4: Mtodo de la Secante .............................................................................................. 21
Algoritmo 6: Mtodo de Jacobi ..................................................................................................... 22
Algoritmo 7: Mtodo de Gauss-Seidel .......................................................................................... 23
Algoritmo 8: Mtodo de Newton en varias variables ................................................................... 24
9.2 Implementacin de algunos algoritmos en Mathematica .......................................................... 25


3
1. Introduccin

Muchos de los fenmenos de la vida real son modelados matemticamente con el fin de
poder explicarse, sin embargo en la mayora de los casos stos no pueden ser
solucionados por medio de algn mtodo exacto
1
y aunque algunas veces se puede lograr
su solucin sta puede resultar demasiado laboriosa en trminos de tiempo y recursos
computacionales. Los mtodos numricos (MN) solucionan este tipo de problema mediante
la bsqueda de una solucin numrica aproximada y el clculo del error asociado, el cual se
espera que sea lo suficientemente pequeo.

Los MN son herramientas o tcnicas, diseadas mediante algoritmos, que permiten la
resolucin de problemas matemticos que tienen como caracterstica un elevado nivel de
complejidad y que generalmente no pueden resolverse con los mtodos analticos
tradicionales y cuando esto es posible se requiere de un elevado costo.

La matemtica numrica es antigua, pero ha sido gracias al desarrollo computacional que
se ha logrado desarrollar en forma aplicada. Sus aplicaciones son inmensas, utilizndose
intensivamente en ingeniera, economa, ciencias naturales y otros.

Actualmente, el Departamento de Investigacin Econmica del Banco Central de Costa Rica
(DIE) realiza las simulaciones de poltica de su Modelo Macroeconmico de Proyeccin
Trimestral mediante el uso de estos mtodos y a travs del paquete economtrico de
Eviews, sin embargo, tambin se est implementando el uso de software WinSolve para
igualmente realizar simulaciones ya que se considera existen muchas ventajas en su
uso.En aras de lograr un mejor entendimiento del mecanismo por el cual estos software
realizan sus aproximaciones se realiza este documento, su objetivo es introducir al uso de
algunas de las diferentes tcnicas de mtodos numricos usadas en software de aplicacin
como Eviews y WinSolve, los cules son utilizados en el DIE.

El presente documento incluye, adems de esta introduccin una seccin de conceptos
importantes. En la seccin 3 se explican los MN de aproximacin de races para
ecuaciones no lineales, continuando la siguiente seccin con los MN para la resolucin de
sistemas de ecuaciones lineales, para continuar con los MN de sistemas de ecuaciones no
lineales. En la seccin 6 se comenta un poco sobre el uso de los MN en la Economa y su

1
Se conoce como mtodo exacto o analtico

4
presencia en los software de aplicacin de Eviews y WinSolve y finalmente se exponen las
conclusiones.
2. Conceptos Importantes

En este apartado se explica algunos conceptos importantes de manejar a la hora de utilizar la
tcnicas numricas que se exponen en las secciones siguientes.

Los valores o cifras significativas permiten determinar la confianza de un valor
numrico, su importancia en los MN radica primero en que dado que stos son tcnicas
iterativas, se puede establecer como criterio de parada el hecho de que una solucin
alcance determinado nmero de cifras significativas; y segundo, se utilizan para decidir la
precisin de un mtodo numrico. Por ejemplo, el nmero 2.820 x 10
3
posee cuatro dgitos
significativos.

El trmino de exactitud, mide cun cerca se encuentra el valor calculado con respecto a su
valor verdadero y el de precisin se refiere a la cercana de una aproximacin a un valor
con respecto a las aproximaciones anteriores.

Un valor obtenido mediante el uso de los MN al ser una aproximacin difiere de su
solucin real en una cantidad que generalmente se denomina error. ste trmino es de
vital importancia ya que la estimacin obtenida es evaluada dependiendo de qu tan
pequeo sea este. El error asociado mide el grado de exactitud e incertidumbre de stos.

Los errores son clasificados en dos grandes categoras en la mayora de la literatura y son
causados generalmente por el uso de computadores para realizar los clculos numricos.
Estos se denominan error de truncamiento y error de redondeo. A continuacin se
explican cada uno de ellos.

Errores de truncamiento: se originan debido a que se procede a calcular una
solucin mediante una aproximacin y por el empleo de un nmero finito de trminos
de la serie para realizar un clculo que requiere un nmero infinito. Un ejemplo de
error de truncamiento sucede con el valor del nmero de Euler
0
!
i
x
i
x
e
i
, el cual

5
se aproxima con
0
!
i k
x
i
x
e k
i
y por lo tanto se ha acortado el nmero de
trminos y por ende se incurre en el error.

Errores de redondeo: Se originan debido a que los clculos numricos no pueden
realizarse con una precisin infinita y al empleo de un nmero finito de trminos para
realizar un clculo que requiere un nmero finito de ellos. Las tcnicas utilizadas son
las que siguen:
1. Redondeo: se eliminan cierto nmero de cifras significativas realizando un
ajuste sobre la ltima cifra no descartada.
2. Corte o poda: igual que con el redondeo se prescinde de cierto nmero de
cifras no significativas sin realizar un ajuste en la ltima no descartada.

La medicin del error se realiza en forma absoluta o relativa. Burden (2001) lo define de la
siguiente manera: Si p* es una aproximacin de p, el error absoluto es * p p y el error
relativo es
* p p
p
siempre que p
0.

Otro trmino importante es el de algoritmo numrico, tambin llamado mtodo
constructivo. Como se dijo anteriormente, los MN permiten encontrar soluciones mediante el
uso de stos. Un algoritmo es un procedimiento que describe un nmero finito de pasos
que pueden ejecutarse de manera lgica. El objetivo de un algoritmo es ser la base para
implementar un procedimiento que resuelve un problema o que aproxima una solucin al
problema (Burden, 2001).

Convergencia: La convergencia es la propiedad que tienen algunas sucesiones de tender a
un lmite. En mtodos iterativos como los numricos, se construye una sucesin S
n
de
aproximaciones a la solucin del problema. S
n
se dice convergente si converge a la solucin
buscada.

Ahora bien, suponga que
0
n
n
p es una sucesin que converge a p, con
n
p ppara todo
n. Si existen las constantes y y con
1
lim
n
n
n
p p
p p


6
luego,
0
n
n
p converge a p de orden , con un error asinttico constante . Una tcnica
iterativa de la forma
1
( )
n n
p g p se dice de orden si la secuencia
0
n
n
p converge a la
solucin ( ) p g p de orden (Burden, 2001).
La constante dir cun rpido converge una sucesin, siendo las de ms alto orden, de
convergencia ms acelerada. Dos casos especiales se dan cuando =1 y cuando =2,
en donde se dice que la convergencia de la sucesin es lneal o cuadrtica
respectivamente, siendo la segunda de convergencia ms rpida.

Una vez introducidos algunos trminos importantes que ayudarn a comprender el
funcionamiento de los MN se procede a continuacin a explicar algunas de las diversas
tcnicas numricas para la resolucin problemas matemticos. Los algoritmos para cada
una de las tcnicas aqu expuestas se encuentran en el Anexo 1, as como la
implementacin de algunos de ellos en Mathematica se encuentran en el Anexo 2.
3. Mtodos numricos de aproximacin para races de ecuaciones
no lineales

El comportamiento de los fenmenos econmicos puede modelarse matemticamente por
medio de ecuaciones, por lo tanto, la bsqueda de soluciones es una labor diaria del
economista. Las soluciones encontradas son llamadas generalmente races o ceros de la
funcin y son bsicamente los valores de x que hacen igual a cero la ecuacin, o sea,
. Los MN estiman valores de x que aproximan a cero la funcin.

Una funcin lineal se define como una igualdad en la que intervienen solo sumas y restas
de variables a la primera potencia y representan rectas en el plano cartesiano y que debe
de cumplir las propiedades de aditividad ( ( ) ( ) ( )) f x y f x f y y homogeneidad. Su
forma bsica es y mx b con m igual a la pendiente de la recta y b el intercepto con el eje
y. Por lo tanto, una ecuacin no lineal viola todas las propiedades anteriores.

La raz de una funcin, geomtricamente hablando, es el punto donde la funcin ( ) f x
cruza el eje x. Por ejemplo, en la siguiente grfica, se tendra que 1 x , o sea, esta funcin
encuentra una solucin en este punto.


7

En este documento se hablar de los mtodos ms conocidos para la solucin de este tipo
de problemas, dentro de los cules se incluyen el de la Biseccin, Punto Fijo, Secante y
Newton-Raphson.

Mtodo de la Biseccin

Es uno de los mtodos ms antiguos y elementales de bsqueda de races y se basa en el
Teorema del Valor Intermedio
2
, partiendo del supuesto de que dada una funcin
( ) f x continua en un intervalo , a b , con ( ) f a y ( ) f b con signos opuestos, existe al
menos un valor , x a b tal que ( ) 0 f x .

El mtodo consiste en que una vez identificados los puntos a y b (con signos opuestos) se
construye la primera aproximacin de la forma
1
2
a b
x . Luego si
1
( )* ( ) 0 f a f x ,
entonces los puntos tienen signos opuestos y por ende la solucin se encuentra en ,
por lo que para la siguiente iteracin se toma
1
b x . Si
1
( )* ( ) 0 f a f x , quiere decir que la
solucin se encuentra en
1
, x b por lo tanto
1
a x .Por ltimo, si
1
( )* ( ) 0 f a f x es la raz
de la ecuacin.

2
Teorema del Valor Intermedio: Sea f continua en un intervalo , a b y diferencible en , a b Entonces existe al menos
algn punto c en el intervalo abierto tal que la tangente a la curva en c es paralela a la recta secante que une los puntos
( , ( )) a f a y ( , ( )) b f b , es decir, ( ) ( ) '( )( ) f b f a f c b a .

8
Con respecto al criterio de parada, se puede usar ya sea un nmero mximo de iteraciones
o hacer que el error relativo menor a un nivel de error. Su principal crtica es su lenta
convergencia.

En la Figura 2 se explica grficamente el mtodo. Se supone que en el intervalo
1 1
, a b se
encuentra la solucin, luego ( ) f a y ( ) f b deben tener signos opuestos. El mtodo
contina segn se explic anteriormente hasta aproximarse a la solucin en el punto m.

Mtodo del Punto Fijo

Un punto fijo c es aquel en donde , en otras palabras, donde su imagen coincide con
l. Adems, debe garantizar la existencia y unicidad
3
de ese punto. El problema de
encontrar la solucin para ecuaciones de la forma ( ) 0 f x puede solucionarse
transformndola de alguna manera en una equivalente ( ) g x x para alguna funcin x, as
si p es raz de ( ) 0 ( ) 0 ( ) ( ) f x f p p g p pes raz de x g x

La convergencia del mtodo se logra gracias a la aplicabilidad del Teorema del Punto Fijo
4
.
El mtodo consiste en la aproximacin de una solucin inicial y luego con la ecuacin

3
Si , g C a b y , g x a b luego, g tiene un punto fijo en , a b . Adems, ( ) g x existe sobre , a b y una
constante positiva 1 k existe con ( ) g x k para todo ( , ) x a b , luego el punto fijo en , a b es nico.

4
Si g es una funcin continua en [a, b] y g(x) [a, b] para todo x [a, b], entonces g tiene por lo menos un punto fijo en [a, b]. Si
adems, g(x) existe para todo x [a, b], y |g(x)| K < 1 para todo x [a, b], K constante, entonces g tiene un nico punto fijo x
[a, b]. La sucesin {xn}, con n definida, se encuentra mediante la frmula de iteracin:
1
( ), 1, 2, 3,...
n n
x g x n

9
1
( )
n n
p g p se genera una sucesin de aproximaciones la cul converge a la solucin de
la ecuacin ( ) 0 f x . A esta funcin g se le conoce como funcin iteradora, la cual
converge si y solo si
( ) 1 g x .

Mtodo de Newton

Tambin llamado el mtodo de Newton-Raphson es uno de los ms poderosos y
mundialmente conocidos para la resolucin de problemas de bsqueda de races. Se basa
en que la funcin ( ) f x es derivable sobre un intervalo cerrado , a b , por lo que f tiene una
pendiente definida y una nica lnea tangente en cada punto en , a b .

Con respecto a las formas de obtener el algoritmo se mencionarn aqu dos maneras. La
Figura 3 se muestra como se obtienen aproximaciones a partir de rectas tangentes. Se
inicia con el punto aproximado inicial P
0
, luego, la aproximacin P
1
es la intercepcin con el
eje x de la recta tangente con el punto (P
0
,f(P
0
)). La siguiente aproximacin P
2
se genera
por la intercesin de la recta tangente a la curva en el punto formado por la aproximacin
anterior y la funcin evaluada en ese valor y el eje x (en este caso (P
1
, f(P
1
)) y as
sucesivamente.


10
La segunda manera de obtener el algoritmo es desarrollando f(x) en una serie de Taylor,
para un entorno del punto
n
x . Suponga que
2
, f C a b . Tome , x a b como una
aproximacin a x, tal que ( ) 0 f x y p x es pequea. El primer polinomio de Taylor
para ( ) f x expandido alrededor de x
2
( ) ( ) ( ) ( ) ( ( ))
2
x x
f x f x x x f x f x

donde ( ) x se encuentra entre x y x . Como f(p)=0, si x=p, se tiene que
2
( )
0 ( ) ( ) '( ) ''( ( ))
2
p x
f x p x f x f p
y como p x es pequeo
2
( ) p x es an ms, por lo tanto
'
0 ( ) ( ) ( ) f x p x f x
( )
'( )
f x
p x
f x

As el Mtodo de Newton inicia con una aproximacin inicial y luego genera la secuencia
n
n o
p , por
1
1
1
( )
'( )
n
n n
n
f p
p p
f p

Con respecto al criterio de parada, igualmente se selecciona un nivel de tolerancia del error
( 0) y luego construir
1,..., N
p p hasta que
1
1
,
, 0
N N
N N
N
N
p p
p p
p
p

( )
N
f p

Este mtodo, al igual que cualquier otro, posee sus ventajas y desventajas. Su mayor
ventaja, y por la cul es uno de los preferidos, es que cuando converge a la raz (el cero de

11
la funcin), lo hace de una manera bastante rpida. Sin embargo, entre sus desventajas se
puede mencionar el hecho de que al no trabajar sobre un intervalo, en donde se asegure
que existe una raz, no existe ninguna garanta de que se est aproximando a sta.
Adems, es imprescindible que la primera derivada sea diferente de cero para que el
mtodo pueda utilizarse y que la aproximacin inicial sea bastante buena para que pueda
converger.

Para resolver el problema que conlleva el clculo de la derivada en el mtodo anterior,
existe la tcnica llamada Mtodo de la Secante.

Mtodo de la Secante

Como se muestra en la Figura 4, el Mtodo de la Secante inicia, a diferencia de la tcnica
anterior, con una aproximacin de dos puntos
0 1
( , ) p p , luego el punto
2
p es calculado
como el intercepto de la lnea que une
0, 0
( ( )) p f p y
1 1
( , ( ) p f p .La aproximacin
3
p es el
resultado de la interseccin de la lnea que une
1, 1
( ( )) p f p y
2 2
( , ( ) p f p con el eje x , y as
sucesivamente.

Al igual que el mtodo de Newton, ste no asegura la convergencia la que depender en
gran medida de las aproximaciones iniciales que se tengan, por lo que un anlisis grfico
siempre es importante a la hora de calcular los valores de aproximacin inicial.


12
4. Mtodos numricos de aproximacin para sistemas de
ecuaciones lineales

Los sistemas lineales del tipo Ax b son resueltos por mtodos directos e indirectos.
Dentro de los primeros se puede encontrar el mtodo de Gauss y el de descomposicin
L-U
5
. Sin embargo, muchas veces a estos no les es posible resolver sistemas de gran
dimensin y se hace necesario usar otras herramientas ms poderosas. Los mtodos
indirectos dan soluciones a sistemas lineales ms complejos. Dentro de estos estn el
Mtodo de Jacobi y el de Gauss-Seidel, ambas tcnicas iterativas.

Mtodo de Jacobi

Inicia con un vector de aproximacin
(0)
x a la solucin del sistema (x), generndose la
secuencia
( )
0
k
k
x que converge a x. Esta tcnica convierte el sistema Ax b en un
sistema equivalente de la forma x Tx c para una matriz fija T y un vector c. Resuelve la
isima ecuacin en Ax b para
i
x ( 0
ii
a ) y se obtiene

1
, 1, 2,...,
n
ij j
i
i
j
ii ii
j i
a x
b
x para i n
a a

luego genera cada
( ) k
i
x de los componentes de
( 1) k
x para 1 k de la siguiente manera:

( 1)
1
( )
( )
, 1, 2,...,
n
k
ij j i
j
j i k
i
ii
a x b
x para i n
a

El sistema se escribe de la forma
( ) ( 1) k k
x Tx c , descomponiendo la matriz A en su
diagonal (D), en su estricta triangular inferior (L) y en su estricta triangular superior (U),
reescribindose el problema en
(D-L-U)x=b

5
Para un mayor desarrollo de estos mtodos, consultar Burden, R. (1996)

13

1
11
1 1
, ( )
( )
( 0)
( )
La ecuacin Ax b o D L U x b es transformada en
Dx L U x b
si D existe a para cada i
x D L U x D b

Los resultados en forma matricial de la tcnica de Jacobi seran
( ) 1 1 1
1 1
( ) ( 1)
( )
( )
k k
j j
k k
j j
x D L U x D b
si T D L U y c D b
x T x c

Con respecto al criterio de parada del mtodo, se tiene el de un nmero de iteraciones
mximo, otro criterio sera el de la tolerancia, el cual se describe de la siguiente manera:
( ) ( 1)
( )
k k
k
x x
Tol
x
,

claro est, usando la norma adecuada (se recomienda la norma infinita para este mtodo).

Mtodo Gauss- Seidel

El mtodo de Gauss-Seidel es muy similar al de Jacobi, con la diferencia de que el primero
actualiza los valores ms recientes en cuanto se van obteniendo, de manera que converge
ms rpido. Esto es, los componentes
( 1) k
x son usados para calcular
k
x , de tal manera
que
1
1
1 1 ( )
( )
i n
k k
ij j ij j i
j j i k
i
ii
a x a x b
x
a

11 12 1 11 12 1
21 21 22 2 22
1 , 1 1 2
0 0 0 0 0 0
0 0 0 0 0 0
0 0 0 0 1,
0 0 0 0 0 0 0
n n
n
n n n n n nn nn
a a a a a a
a a a a a
A
an n
a a a a a a
A D L U


14
La mayora de las veces los resultados de este mtodo son mejores a los de Jacobi debido
a la actualizacin de valores. Sin embargo, existen sistemas para los cuales Gauss-Seidel
no converge, pero si lo hace Jacobi.
5. Mtodos de sistemas numricos de aproximacin para sistemas
de ecuaciones no lineales

Como se mencion anteriormente, una ecuacin no lineal no se puede expresar en el plano
cartesiano como una lnea (como se hace en una lineal). Dada sus caractersticas la
mayora de las veces es casi imposible su clculo mediante mtodos algebraicos, por lo
que se recurre a los MN.

La mayora de los mtodos de resolucin del tipo de sistemas no lineales son
modificaciones de algunos de los mtodos para la resolucin de ecuaciones no lineales.
Dentro de los mtodos utilizados se encuentran el de Gauss-Seidel para sistemas no
lineales, el de la Mxima Pendiente, el de la Secante, el del Punto Fijo y el de Newton en
varias variables, entre otros. En el presente documento se expondr este ltimo ya que
hereda la propiedad de una rpida convergencia del mtodo de Newton-Raphson explicado
anteriormente.

El mtodo de Gauss-Seidel para sistemas de ecuaciones no lineales, es muy similar al
usado en sistemas lineales, con excepcin de que se necesita despejar en forma manual
las ecuaciones y escribirlas en forma de funcin.

Mtodo de Newton en varias variables

El mtodo de Newton en varias variables se espera converja cuadrticamente, y se utiliza
para sistemas de ecuaciones de pequea dimensin. Un sistema no lineal tiene la
siguiente forma

1 1 2
2 1 2
1 2
( , ,..., ) 0,
( , ,..., ) 0,
( , ,..., ) 0
n
n
n n
f x x x
f x x x
f x x x

se puede definir adems, la funcin F de la siguiente manera


15
1 2 1 1 2 2 1 2 1 2
( , ,..., ) ( ( , ,..., ), ( , ,..., ),..., ( , ,..., ))
t
n n n n n
F x x x f x x x f x x x f x x x
donde las funciones
1 2
, ,...,
n
f f f son coordenadas de la funcin F.

Con esto, se puede interpretar el sistema de ecuaciones no lineales como el cero del campo
vectorial F, o sea, ( ) 0 F x . Adems, para garantizar la convergencia cuadrtica del
sistema se debe definir

1
( ) ( ) ( ) G x x A x F x
,

Asumiendo ( ) A x como una matriz no singular y un punto fijo
n
p , el cul es solucin
desconocida de ( ) 0 F x .

Se puede construir el polinomio de Taylor que aproxima a
i
f alrededor de p de tal manera
que
2
( ) ( ) ( )( ) ( )
i i i
f x f p f p x p r x

Adems, si se define J como la matriz jacobiana
6
de F (arreglo de gradientes) y con
2
( ) r x que tiende a 0, se puede sustituir el sistema no lineal por el siguiente lineal

( ) ( )
( ) ( )( ) 0
ap ap
F p J x x x ,

con
1
2
( )
( )
( )
( )
k
k
k
k
n
f x
f x
J x
f x

Luego, manipulando un poco algebraicamente se obtiene finalmente

1
( 1) ( ) ( )
( )
k k k k
x x J x F x

La debilidad de este mtodo radica en el clculo e inversin de la matriz jacobiana en cada
iteracin. Es debido a lo anterior, que muchas veces se evita el segundo paso encontrando
un vector de manera que
( ) ( )
( ) ( )
k k
J x y F x y luego la nueva aproximacin es obtenida

6
La matriz Jacobiana deber ser no singular.

16
sumando al vector y
( ) k
x . El inconveniente de este procedimiento es que necesita ms
pasos y por ende la convergencia llega en un tiempo mayor que en el mtodo sin modificar.
6. Uso de mtodos numricos en Economa

Como se dijo anteriormente son muchas las aplicaciones de los mtodos numricos en
diferentes mbitos, en este apartado interesa mencionar un poco sobre sus aplicaciones en
economa. Su uso puede iniciarse con tcnicas de optimizacin en las que se pueden
mencionar por ejemplo algoritmos heursticos de optimizacin, tales como el
Recalentamiento recosido (Simmulated Annealing en ingls), Bsqueda Tab (Tabu
search), algoritmos genticos y de optimizacin multiobjetivo, entre otros. En el campo de
la economa dinmica, como el clculo de variaciones y de control ptimo, se puede
mencionar ms especficamente el modelo de agentes con vidas infinitamente largas (el
modelo bsico de ciclos econmicos reales, modelos con fricciones, economas abiertas y
agentes heterogneos) y el modelo de generaciones traslapadas, entre muchas otras
aplicaciones.

En el DIE se utiliza una serie de paquetes especializados entre los que se encuentran
Eviews y WinSolve. Estas herramientas usan anlisis numrico tanto para la resolucin de
sistemas de ecuaciones como para procesos de optimizacin.

Con respecto a Eviews, ste utiliza por defecto el mtodo de Gauss-Seidel a la hora del
clculo de sistema de ecuaciones no lineales. Tambin se encuentran las opciones del
Mtodo de Newton y el de Broyden
7
.

En el caso de WinSolve, posee cuatro mtodos para la resolucin de sistemas de
ecuaciones, a saber, el de Gauss-Seidel, el rpido Gauss-Seidel
8,
Jacobi y el de Newton.
Se recomienda el uso de ste ltimo mtodo en el caso de sistemas pequeos y el uso del
mtodo de Gauss-Seidel y Jacobi con sistemas de ms grande escala.

7
El mtodo de Broyden es una modificacin del Mtodo de Newton, el cul trata de disminuir el costo de cada
iteracin usando aproximaciones para las derivadas del sistema de ecuaciones (Eviews: User guide II, 2007)
8
El cul es una variante del mtodo de Gauss-Seidel que permite una convergencia ms rpida

17
7. Consideraciones finales

Del anlisis de los mtodos numricos expuestos en este documento se concluye que
existe una gran variedad de mtodos para los diferentes problemas de resolucin de
ecuaciones y sistemas matemticos, segn su naturaleza.

Muchas veces se tiene que para un determinado problema, el mtodo utilizado no converja,
por lo que es recomendable probar con otro con caractersticas similares en busca de una
aproximacin a la solucin de la ecuacin o sistema que se busca resolver

La importancia de tener conocimientos sobre las caractersticas de cada uno radica en
saber cul mtodo aplicar a determinado problema y encontrar as la mejor aproximacin a
la solucin buscada.

Las tcnicas numricas de aproximacin son utilizadas en las simulaciones del Modelo
Macroeconmico de Proyeccin Trimestral, por lo que el conocerlas ms a fondo ayudar
a un mayor entendimiento del proceso en su conjunto para sus ejecutores.

Igualmente, en la construccin de un modelo dinmico estocstico de equilibrio general, el
entendimiento de estas tcnicas ser de mucho beneficio en su construccin.

Este documento solo pretende dar una explicacin de los fundamentos del anlisis
numrico, por lo tanto sus aplicaciones en la Economa no se exponen de manera detallada.


18
8. Bibliografa

Bravo, Juan (2005)El mtodo de Newton-Raphson-la alternativa del ingeniero para resolver sistemas
de ecuaciones no lineales. Scientia et Technica. Ao XI. N27

Burden, R. Faires, D. (2001). Numerical Analysis. Stima Edicin. Thomson Learning, Inc.

Daz, Wladimiro (1998). Mtodo numricos. Universidad de Valencia.

Montero, Gustavo (2007)Mtodos iterativos para la resolucin de ecuaciones no lineales.
Universidad de las Palmas de Gran Canaria.

Prez, Justo. Material didctico mtodos matemticos VI Universidad de la Laguna.

Pierse, Richard (2007). WinSolve Version 4: An introductory guide Department of Economics,
University of Surrey.

Quantitative Micro Software (2007). Eviews 6: User guide II

Saenz, Carlota (2006) Resolucin numrica de sistema de ecuaciones no lineales Universidad
Pontificia Comillas.

Vadillo, F. (2006). Ecuaciones no lineales. Universidad del Pas Vasco

castrillord@bccr.fi.cr


19
9. Anexos

9.1 Algoritmos de los mtodos aqu estudiados

Algoritmo 1: Mtodo de la Biseccin

Inicio: Sea g(x) una funcin continua.

Parmetros iniciales : N=mximo nmero de iteraciones
Tol=nivel de precisin con respecto a la solucin exacta
a,b=solucin inicial

Defina n=0.
FA=f(a)
Mientras n N

( )
;
2
( )
b a
p a
FP f p

Si
( )
0 ;
2
b a
FP Tol

Salida p
Parar
Incremente 1 n n
* 0, Si FA FB entonces b p

Salida El mtodo fall despus de N iteraciones
Parar

*********************************************************************************************************


20
Algoritmo 2: Mtodo de Punto Fijo

Inicio: Sea g(x) una funcin continua.
X
0
=solucin inicial

Defina n=0.
Mientras n N

1
( )
n n
x g x
Si
1 n n
x x Tol
Salida
1 n
x
Parar
Incremente 1 n n
Parar
*********************************************************************************************************
Algoritmo 3: Mtodo de Newton-Raphson

p0=solucin inicial
Defina n=0.
Mientras n N

0
0
0
( )
'( )
f p
p p
f p
( clculo de pi )
Si
0
p x Tol
Salida p (El proceso fue exitoso)
Parar
Incremente 1 n n

0
p p (actualizar)
Parar
*******************************************************************************************************

21
Algoritmo 4: Mtodo de la Secante

Parmetros iniciales: N=mximo nmero de iteraciones
p
0
y p
1
=soluciones iniciales
Tome n=2

0 0
1 1
( )
( )
q f p
q f p

Mientras n N
Tome
1 1 0
1
1 0
( ) q p p
p p
q q
(Clculo de
i
p )

Si
1
p p Tol
Salida p (El procedimiento fue exitoso)
Parar
Incremente 1 n n
Tome

0 1
0 1
1
1
;
;
;
( );
p p
q q
p p
q f p

Parar

*********************************************************************************************************

22
Algoritmo 6: Mtodo de Jacobi

Resolver Ax=b, dada una solucin inicial
(0)
x
Parmetros iniciales: dimensin del sistema
A=entradas
ij
a , con , i j j n de la matriz A
b=entradas
i
b
Tol=nivel de precisin con respecto a la d solucin exacta

(0)
x =solucin inicial
Tome k=1

Mientras k N
Para i=1,,n

(0)
1
( )
( )
n
ij j i
j
j i k
i
ii
a x b
x
a

Si
(0)
x x Tol
Salida ( ,..., )
i n
x x (El procedimiento fue exitoso)
Parar
Incremente 1 k k
Para i=1,,n
Tome
(0)
i i
x x

Parar

*********************************************************************************************************

23
Algoritmo 7: Mtodo de Gauss-Seidel

Resolver Ax=b, dada una solucin inicial
(0)
x
Parmetros iniciales : dimensin del sistema
A=entradas
ij
a , con , i j j n de la matriz A
b=entradas
i
b

(0)
x =solucin inicial
Tome k=1

Mientras k N
Para i=1,,n

1
(0)
1 1 ( )
j
i n
ij ij j i
j j i k
i
ii
a x a x b
x
a

Si
(0)
x x Tol
Salida ( ,..., )
i n
x x (El procedimiento fue exitoso)
Parar
Incremente 1 k k
Para i=1,,n
Tome
(0)
i i
x x

Parar
*********************************************************************************************************


24

Algoritmo 8: Mtodo de Newton en varias variables

Aproximar el sistema no lineal F(x)=0, dada una solucin inicial
(0)
x
Parmetros iniciales : dimensin del sistema

1 2
( , ,..., )
n
x x x x =solucin inicial
Tome k=1
Mientras k N
Calcular F(x) y J(x)
,
( )
( ) 1 ,
i
i j
j
f x
J x para i j n
x

Resuelva el sistema lineal nxn ( ) ( ) J x y F x
Haga x=x+y
Si , y Tol
Salida x (El procedimiento fue exitoso)
Parar
Incremente 1 k k
Parar

********************************************************************************************************


25
9.2 Implementacin de algunos algoritmos en Mathematica


26


27

Mtodo de Newton en Varias Variables

Introduccion A Los Metodos Numericos

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Introduccion A Los Metodos Numericos

Uploaded by

Copyright:

Available Formats

Nota Tcnica

DEC-DIE-014-2009-NT. Marzo 2009

You might also like