Inicio / Algoritmos en Matlab u Octave
Ayuda en línea: versión 2
Para utilizar las funciones puede consultarse una ayuda en línea con el comando help seguido del nombre la función. Por ejemplo, para consultar la ayuda en línea de la función autovalor hay que escribir en Octave o Matlab el comando
help autovalor
Detallamos a continuación las ayudas en línea para cada función en la versión mejorada en pruebas.
autovalor
autovalor
[K, X, Y] = autovalor(F)
Resuelve el problema de autovalores en el caso cuadrado
X F(k) = 0
F(k) Y = 0
Según se escriba F, el problema puede ser:
* polinómico, F(k) = f0 + f1 /k + f2/k^2 + f3/k^3 + ..., por ejemplo
F(:,:,1) = [-280,0;-120,0]
F(:,:,2) = [0,-12;0,15]
F(:,:,3) = [575,0;0,-8]
F(:,:,3) = [0,0;0,5]
* no polinómico, F(k) = int F(r)/k^r dr, por ejemplo
F = '[-280+575/k^2.42299,-12/k^0.5;-120,15/k-8/k^2+5/k^3]'
Si se dispone de una versión moderna de Matlab u Octave y del Symbolic
Math Toolbox, además pueden buscarse soluciones con precisión variable
o exacta:
[K, X, Y] = autovalor(F, precision, algoritmo)
F problema de autovalores
precision 1 double, 2 variable (vpa), 3 exacta (sym)
algoritmo algoritmo a aplicar, [] para selección automática
K autovalores
X autovectores por la izquierda (en filas)
Y autovectores por la derecha (en columnas)
Señalamos los algoritmos disponibles indicando si pueden tratar el caso
no-polinómico, la precisión con la que pueden trabajar, y la versión
inferior de Matlab u Octave con la que se han testado.
no-polinómico precisión Matlab Octave
1. eig No double 8.4 4.2
2. fsolve-null Sí double 5.0 3.2
3. solve-null Sí variable o exacta 9.6 5.1
4. vpasolve-null Sí variable 9.6 5.1
5. eig-null No double 5.0 3.2
6. autovalor-vpasolve-null Sí variable 9.6 5.1
7. roots-null No double, variable o exacta 5.0 9.6 3.2 5.1
8. solve Sí variable o exacta 9.6 5.1
La selección automática escoge el algoritmo según el tipo de problema,
la precisión que se solicita y el software disponible:
* polinómico, precisión double
En Matlab 8.4 y Octave 4.2 y superiores eig
En Matlab 5.0 y Octave 3.2.4 y superiores eig-null
* no-polinómico, precisión double
En Matlab 5.0 y Octave 3.2.4 y superiores fsolve-null
* no-polinómico, precisión variable
En Matlab 9.6 (Symbolic Math Toolbox 8.3) vpasolve-null
En Octave 5.1 (Symbolic Math Toolbox 2.7.1) autovalor-vpasolve-null
* no-polinómico, precisión exacta
En Matlab 9.6 (SMT 8.3) y Octave 5.1 (SMT 2.7.1) solve-null
En el caso polinómico double, la función nativa eig calcula los
autovalores y autovectores. Pero las versiones antiguas de Matlab y
Octave sólo devuelven el autovector por la derecha; para estas
versiones eig-null primero calcula los autovalores con eig y después
los autovectores con nullrational.
En el caso no-polinómico numérico, fsolve-null calcula los autovalores
resolviendo det(F(k))=0 con fsolve; para facilitar encontrar todos los
autovalores, se parte de las raíces de una aproximación polinómica a
det(F(k)). Los autovectores se calculan con nullrational.
Si se dispone del package simbólico, n el caso no-polinómico
vpasolve-null y solve-null calcula los autovalores resolviendo
det(F(k))=0, con precisón variable e infinita. Los autovectores se
calculan con nullrational.
autovalorq
autovalorq
[K, X, Y] = autovalorq(F)
Resuelve el problema de autovalores en el caso cuadrado con variables
internas
X F(k, Q) = 0
F(k, Q) Y = 0
1 + X dF/dk Y = 0
X dF/dq Y = 0
Si se dispone de una versión moderna de Matlab u Octave y del Symbolic
Math Toolbox, además pueden buscarse soluciones con precisión variable
o exacta.
[k, X, Y, Q] = autovalorq(F, LB, UB, precision)
F problema de autovalores con variables internas
LB intervalo inferior de las variables internas; por defecto Q >= 0
UB intervalo superior de las variables internas; por defecto Q <= 1
precision 1 double, 2 variable (vpa), 3 exacta (sym)
k, X, Y, Q autovalores, autovectores por la izquierda y derecha, variables internas
condicionesvn
condicionesvn
solucion = condicionesvn(k, X, Y, F, signoX, signoXF)
Comprueba si se cumplen las condiciones de primer orden para VN
X ~ 0 <-> F(k) Y ~ 0 X .* F(k) Y = 0
X F(k) ~ 0 <-> -Y ~ 0 X F(k) .* Y = 0
k > 0 1 + X F'(k) Y = 0
[solucion, distancia, distabs] = condicionesvn(k,X,Y,F,signoX,signoXF,cero)
Devuelve la tabla con las distancias al cumplimiento de las condiciones
[X~0, dL/dX~0, X·dL/dX; -Y~0, dL/dY~0, dL/dY·Y; k>0, dL/dk, k·dL/dk]
k, X, Y factor, intensidades y valores solución
F recetas en tiempo discreto o continuo
signoX signo de las intensidades; por defecto X >= 0
signoXF signo de los balances materiales; por defecto X F(k) = 0
cero precisión del cero (1e-10 por defecto)
solucion es 1 si se cumplen las condiciones y 0 si no se cumplen
distancia tabla con las distancias a las condiciones
distabs suma de la magnitud absoluta de las distancias
cpbusqueda
cpbusqueda
[k, X, Y] = cpbusqueda(F, signoX, signoXF)
Busca un k para el que existe un crecimiento proporcional usando
cpdistancia.
[k, X, Y, u, pasos, kno, Xno, Yno, uno] = cpbusqueda(F, signoX, signoXF, k0)
F recetas en tiempo discreto o continuo
signoX signo de las intensidades; por defecto X >= 0
signoXF signo de los balances materiales; por defecto X F(k) = 0
k0 factor con el que se inicia la iteración; por defecto 1
k factor para el que existe un crecimiento proporcional
X intensidades para las que existe un crecimiento proporcional
Y multiplicadores de Lagrange del juego correspondiente
u valor del juego para k
pasos número de iteraciones
kno factor el que no existe un crecimiento proporcional
Xno intensidades para las que no existe un crecimiento proporcional
Yno multiplicadores de Lagrange del juego correspondiente
uno valor del juego para kno
cpdistancia
cpdistancia
u = cpdistancia(Fact)
Determina la distancia a un crecimiento proporcional con la matriz
numérica de fujos actualizados para un factor, transformando el
problema a la forma canónica y resolviendo el juego con la matriz de
pagos correspondiente.
[u, X, Y] = cpdistancia(Fact, signoX, signoXF)
Fact matriz numérica con los flujos actualizados
signoX signo de las intensidades; por defecto X >= 0
signoXF signo de los balances materiales; por defecto X F(k) = 0
u si u >= 0 existe un crecimiento proporcional, si u < 0 no
X intensidades o variables
Y valores o multiplicadores de Lagrange
Si escribimos
[u, X, Y] = cpdistancia(forman(F,k), signoX, signoXF)
nos informará de si existe un crecimiento proporcional para unas recetas
con el factor k, cuando u >= 0. Si u <= 0 entonces existirá una valoración
proporcional. También si escribimos
[u, X, Y] = cpdistancia(P, 1, 1)
obtendremos el valor u y las estrategias X e Y del juego para la matriz
de pagos P.
ej
ej - Ejemplos de problemas
Almacena ejemplos que pueden encontrarse en la literatura.
[flujos, funcion, signoX, signoXF, signok, internas, LB, UB] = ej(ejemplo, par1, par2, ...)
flujos flujos del ejemplo
funcion 0 para autovalor, 1 para vn, 2 para te, 3 para vnq
signoX signos de las intensidades del ejemplo
signoXF signos de los balances materiales del ejemplo
signok signo del factor del ejemplo
internas nombre de las variables internas (en vnq)
LB intervalos inferiores de las variables internas (en vnq)
UB intervalos superiores de las variables internas (en vnq)
Escribiendo F = ej(10) definimos en F los flujos del problema
décimo, y con [k,X,Y] = vn(ej(10)) obtenemos la solución de VN.
En la forma canónica deben resolverse como [k,X,Y] = vn(ej(88),1,1)
En algunos casos, como el 17, se señala la posibilidad de usar
parámetros, como por ejemplo F = ej(17, 5)
Si se desea localizar los ejemplos por su nombre basta con escribir el
inicio del mismo entre comillas; por ejemplo, para localizar los
ejemplos de Leontief basta con escribir ej('Leo')
Ejemplos incluidos en ej (número, función que lo resuelve: referencia)
1, vn: Tesis, 2.5, Primer ejemplo de VN
2, te: Tesis, 3.5, Primer ejemplo de TE
3, te: Tesis, 4.1, Cantidades de trabajo necesario
4, te: Tesis, 4.2, Tipos de trabajo
5, vn: Tesis, 4.3, Productivo e improductivo
6, vn: Tesis, 4.4, Materias "escasas"
7, vn: Tesis, 4.4, Materias "escasas" sin el cuarto proceso
8, vn: Tesis, 4.4, Materias "escasas" sin los procesos tercero y cuarto
9, te: Tesis, 4.4, Materias "escasas" sin el cuarto proceso
10, vn: Tesis, 4.5, Valores negativos
11, vn: Tesis, 4.5, Valores con el proceso de eliminación gratuita
12, te: Tesis, 4.5, Valores negativos
13, te: Tesis, 4.5, Valores con el proceso de eliminación gratuita
14, vn: Tesis, 4.6, Multiples tasas de beneficio
15, vn: Tesis, 5.1, Espacio
16, te: Tesis, 5.1, Espacio
17, vn: Tesis, 5.1, Espacio (puntos entre localidades=par1, coste transporte=par2)
18, te: Tesis, 5.1, Espacio (puntos entre localidades=par1, coste transporte=par2)
19, vn: Tesis, 5.1, Espacio, tres localidades
20, vn: Tesis, 6.1, Depreciación con eficiencia constante (edades = par1)
21, te: Tesis, 6.1, Desvalorización con eficiencia constante (edades = par1)
22, te: Tesis, 6.1, Método de edades (edades = par1)
23, te: Tesis, 6.1, Método de la carga de desvalorización (edades = par1)
24, vn: Tesis, 6.1, Método de edades (edades = par1)
25, vn: Tesis, 6.1, Método de la carga de depreciación (edades = par1)
26, te: Tesis, 6.4, Materia de vida cíclica
27, vn: Tesis, 6.4, Materia de vida cíclica
28, vn: Tesis, 7.1, Problema de los conejos de Fibonacci
29, vn: Tesis, 7.1, Demografía
30, vn: Tesis, 7.1, Demografía con br/1.34659988411590
31, vn: Tesis, 7.1, Demografía con br/2
32, vn: Tesis, 7.1, Demografía como flujos en el tiempo
33, vn: Tesis, 7.3, Colmena
34, vn: Tesis, 8.1, Procesos duraderos con un paso temporal
35, vn: Tesis, 8.1, Procesos duraderos con los procesos que se inician
36, te: Tesis, 8.1, Procesos duraderos con un paso temporal
37, vn: Tesis, 8.2, Procesos duraderos con varios pasos temporales
38, vn: Tesis, 8.3, Tiempo continuo
39, vnq: Tesis, 9.3, Funciones de producción (variables internas)
40, vn: Tesis, 10.4, Población con ciclo anual
41, vn: Tesis, 10.4, Matriz cíclica, p = 1
42, vn: Tesis, 10.4, Matriz cíclica, p = 2
43, vn: Tesis, 10.4, Matriz cíclica, p = 3
44, vn: Tesis, 10.4, Matriz cíclica, p = 4
45, vn: Tesis, 10.4, Matriz cíclica (p = par1)
46, vn: Tesis, 12.2, Intercambios con el primer proceso
47, vn: Tesis, 12.2, Intercambios con el segundo proceso
48, vn: Tesis, 12.2, Intercambios con el tercer proceso
49, vn: Tesis, 12.2, Intercambios con precios [1;12], primer proceso
50, vn: Tesis, 12.2, Intercambios con precios [1;12], segundo proceso
51, vn: Tesis, 13.3, Flujos impuestos
52, te: Tesis, 13.3, Flujos impuestos
53, vn: Tesis, 13.3, Flujos impuestos con precios [1,15,2]
54, vn: Tesis, 13.3, Imposición prefijada en Depreciación con eficiencia constante (imposición = par1)
55, vn: Tesis, 13.4, Colmena con extracción de miel (miel retirada = par1)
56, vn: Tesis, 14.1, Solución múltiple
57, vn: Tesis, 15.1, Perturbación h = 0
58, vn: Tesis, 15.1, Perturbación h = 0.01
59, vn: Tesis, 15.1, Perturbación h = 0.1
60, vn: Tesis, 15.1, Perturbación h = 1
61, vn: Tesis, 15.1, Perturbación h = 10
62, vn: Tesis, 15.1, Perturbación h = 100
63, vn: Tesis, 15.1, Perturbación (h = par1)
64, vn: Tesis, 15.2, Solución múltiple
65, vn: Tesis, 15.2, Antigua solución múltiple con proceso añadido
66, vn: Tesis, 19.2, Economía robótica
67, vn: Tesis, 19.2, Economía robótica incluyendo los procesos con trabajo
68, te: Tesis, 19.2, Economía robótica
69, vn: Tesis, 21.5, Ecosistema (forma canónica; a2=par1, a3=par2, b1=par3, b2=par4, b3=par5)
70, vn: Tesis, 21.5, Ecosistema con edades (forma canónica)
71, vn: Tesis, 21.5, Ecosistema complejo con edades
72, te: Tesis, 23.6, Teoría de explotación Trigo
73, te: Tesis, 23.6, Teoría de explotación Hierro
74, te: Tesis, 23.6, Teoría de explotación Miel
75, te: Tesis, 23.6, Teoría de la cosecha extrayendo una edad (edad = par1)
76, te: Tesis, 23.6, Teoría de la cosecha extrayendo todas las edades
77, vn: Tesis, 24.1, Tableau de Quesnay
78, vn: Tesis, 24.2, Esquemas de reproducción de Marx (C+V -> B)
79, te: Tesis, 24.2, Esquemas de reproducción de Marx
80, vn: Tesis, 24.2, Esquemas de reproducción de Marx (C+V+S -> B)
81, vn: Herramientas para la solución y el análisis del modelo económico de Von Neumann, p. 24
82, vnq: Herramientas para la solución y el análisis del modelo económico de Von Neumann, p. 25 (variables internas)
83, vnq: Herramientas para la solución y el análisis del modelo económico de Von Neumann, p. 56 (variables internas)
84, vn: Abramov; Balanced and Cyclical Growth in Models of Decentralized Economy, p. 11 (forma canónica)
85, vn: Abramov; Balanced and Cyclical Growth in Models of Decentralized Economy, p. 13 (forma canónica)
86, vn: Abramov; Balanced and Cyclical Growth in Models of Decentralized Economy, p. 13 (forma canónica)
87, vn: Barceló; Juegos de simulación con modelos económicos reproductivos, p. 550
88, vn: Barceló; Juegos de simulación con modelos económicos reproductivos, p. 552
89, vn: Barceló; Juegos de simulación con modelos económicos reproductivos, p. 555
90, vn: Barceló; Juegos de simulación con modelos económicos reproductivos, p. 559 (procesos considerados = par1)
91, vn: Barceló; comunicación personal (forma canónica)
92, te: Barceló; Larga vida a la economía crítica, p. 279 (materia subsistema = par1)
93, vn: Barceló y Sánchez; Teoría económica de los bienes autorreproducibles, p. 21
94, vn: Barceló y Sánchez; Teoría económica de los bienes autorreproducibles, p. 21
95, vn: Bauer; Extensions and Reductions in the Von Neumann Model of an Expanding Economy, p. 527 (forma canónica)
96, vn: Bidard; Is von Neumann Square?, p. 412 (forma canónica)
97, vn: Bidard; Is von Neumann Square?, p. 414 (forma canónica)
98, te: Bortkiewicz; Zur Berichtigung der grundlegenden theoretischen Konstruktion von Marx im dritten Band des Kapital, p. 323
99, vn: Bortkiewicz; Zur Berichtigung der grundlegenden theoretischen Konstruktion von Marx im dritten Band des Kapital, p. 323
100, vn: Bródy; Proportions, Prices and Planning, p. 30
101, vn: Bródy; Proportions, Prices and Planning, p. 32
102, te: Bródy; Proportions, Prices and Planning, p. 32
103, vn: Bródy; Proportions, Prices and Planning, p. 44
104, vn: Bródy; Proportions, Prices and Planning, p. 58 (k>=<0; A=par1, b=par2, c=par3 del programa lineal max c´x, Ax=b, x>=0)
105, vn: Bródy; Proportions, Prices and Planning, p. 153
106, vn: Bródy; Proportions, Prices and Planning, p. 153
107, vn: Bródy; Proportions, Prices and Planning, p. 156
108, vn: Bromek; en Los y Los: Mathematical Models in Economics, p. 56 (forma canónica)
109, vn: Bromek, Kaniewska y Los; en Los y Los: Computing Equilibria: How and Why, p. 116 (forma canónica)
110, vn: Bromek, Kaniewska y Los; en Los y Los: Computing Equilibria: How and Why, p. 126 (forma canónica)
111, vn: Brown y Neumann; en Kuhn y Tucker: Contributions to the Theory of Games I, p. 76 (forma canónica; k=0; par1=matriz de pagos de un juego)
112, vn: Burley; en Bruckmann y Weber: Contributions to the Von Neumann Growth Model, p. 136 (forma canónica)
113, vn: Charasoff; Das System des Marxismus, p. 96
114, vn: Cremeans; Pollution Abatement and Economic Growth: an Application of the Von Neumann Model of an Expandig Economy, p. 528 (forma canónica)
115, vn: Cremeans; Pollution Abatement and Economic Growth: an Application of the Von Neumann Model of an Expandig Economy, p. 531 (forma canónica)
116, vn: Cremeans; Pollution Abatement and Economic Growth: an Application of the Von Neumann Model of an Expandig Economy, p. 536 (forma canónica)
117, vn: Dantzig; Linear Programming and Extensions, p. 290 (forma canónica; k=0; A=par1, b=par2, c=par3 del programa lineal x>=0, A´x<=c, b´x=z(Max) )
118, vn: Dantzig; Linear Programming and Extensions, p. 290 (forma canónica; k=0; A=par1, b=par2, c=par3 del programa lineal x>=0, A´x<=c, b´x=z(Max) )
119, vn: Dorfman, Samuelson y Solow; Linear Programming and Economic Analysis, p. 428 (forma canónica)
120, vn: Dorfman, Samuelson y Solow; Linear Programming and Economic Analysis, p. 460 (forma canónica; k=0; matriz de pagos de un juego=par1)
121, vn: Euler; en Smith y Keyfitz: Mathematical Demography. Selected Papers, p. 80
122, vn: Euler; en Smith y Keyfitz: Mathematical Demography. Selected Papers, p. 80
123, vn: Faber; Introduction to Modern Austrian Capital Theory, p. 57 (forma canónica)
124, vn: Fischer; en Henn y Moeschlin: Mathematical Economics and Game Theory, p. 281 (forma canónica)
125, vn: Fischer; en Henn y Moeschlin: Mathematical Economics and Game Theory, p. 282 (forma canónica)
126, vn: Fisher; The Genetical Theory of Natural Selection, p. 28
127, vn: Frisch; Consumption, the Rate of Interest and the rate of Growth in the Von Neumann Model, p. 464 (forma canónica)
128, vn: Frisch; Consumption, the Rate of Interest and the rate of Growth in the Von Neumann Model, p. 467 (forma canónica)
129, vn: Gale; en Kuhn y Tucker: Linear Inequalities and Related Systems, p. 296 (forma canónica)
130, vn: Gale; en Kuhn y Tucker: Linear Inequalities and Related Systems, p. 297 (forma canónica)
131, vn: Gale; en Kuhn y Tucker: Linear Inequalities and Related Systems, p. 298 (forma canónica)
132, vn: Gale; The Theory of Linear Economic Models, p. 321
133, vn: Gale, Kuhn y Tucker; en Kuhn y Tucker: Contributions to the Theory of Games I, p. 82 (forma canónica; k=0; matriz de pagos de un juego=par1 )
134, vn: Gale; Mathematics and Economic Models, p. 36
135, vn: Georgescu-Roegen; en Koopmans: Activity Analysis of Production and Allocation, p. 115 (forma canónica)
136, vn: Giorgi; Eigenvalues and Eigenvectors in von Neumann and Related Growth Models, p. 30 (forma canónica)
137, vn: Giorgi y Zuccotti; Some Extensions of the class of K-matrices: A Survey and Some Economic Applications, p. 18 (forma canónica)
138, vn: Groth; Diferent Indescomposability Concepts for a Von Neumann Technology: a note, p. 163 (forma canónica)
139, vn: Henn; Expansionsgleichgewichte bei vollständiger Konkurrenz, p. 71 (forma canónica)
140, vn: Henn; Lineare Methoden des Operations Research und makroökonomische Expansionsmodelle, p. 306 (forma canónica)
141, vn: Henn; Lineare Methoden des Operations Research und makroökonomische Expansionsmodelle, p. 309 (forma canónica)
142, vn: Hicks; Capital and Growth, p. 328 (forma canónica)
143, vnq: Hülsmann y Steinmetz; A Note on the Nonexistence of Optimal Price Vectors in the General Balanced-Growth Model of Gale, p. 388 (forma canónica, variables internas)
144, vn: Intriligator; Mathematical Optimization and Economic Theory, p. 253 (forma canónica)
145, vn: Isnard; Traité des Richesses I, p. 36
146, vn: Jaksch; A Necessary and Sufficient Condition for the Equality of the Expansion Rates in the von Neumann Growth Model, p. 253 (forma canónica; par1)
147, vn: Jaksch; A Necessary and Sufficient Condition for the Equality of the Expansion Rates in the von Neumann Growth Model, p. 253 (forma canónica)
148, vn: Kemeny, Morgenstern y Thompson; A Generalization of the von Neumann Model of an Expanding Economy, p. 123 (forma canónica; par1)
149, vn: Kemeny, Morgenstern y Thompson; A Generalization of the von Neumann Model of an Expanding Economy, p. 123 (forma canónica; par1)
150, vn: Kemeny, Morgenstern y Thompson; A Generalization of the von Neumann Model of an Expanding Economy, p. 123 (forma canónica; par1)
151, vn: Kemeny, Morgenstern y Thompson; A Generalization of the von Neumann Model of an Expanding Economy, p. 123 (forma canónica; par1)
152, vn: Kemeny, Morgenstern y Thompson; A Generalization of the von Neumann Model of an Expanding Economy, p. 130 (forma canónica; par1,par2)
153, vn: Keyfitz y Caswell, Applied Mathematical Demography, p. 52
154, vn: Keyfitz y Caswell; Applied Mathematical Demography, p. 247
155, vn: Keyfitz y Caswell; Applied Mathematical Demography, p. 254
156, vn: Kogelschatz; Equilibrium Preserving Aggregation in von Neumann Models, p. 276 (forma canónica)
157, vn: Koopmans; Economic Growth at a Maximal Rate, p. 366 (forma canónica)
158, vn: Koopmans; Economic Growth at a Maximal Rate, p. 369 (forma canónica)
159, vn: Leftkovitch; The Study of Population Growth in Organisms Grouped by Stages, p. 12
160, vn: Leontief; The Economy as a Circular Flow, p. 189
161, vn: Leontief; Input-Output Economics, p. 6 a 9
162, vn: Leontief; Input-Output Economics, p. 20
163, vn: Leontief; Input-Output Economics, p. 23
164, vn: Leontief; Input-Output Economics, p. 248
165, vn: Leontief; The Structure of American Economy, 1919-1939, p. 140
166, vn: Leslie; On the Use of Matrices in Certain Population Mathematics, p. 200
167, vn: Leslie; On the Use of Matrices in Certain Population Mathematics, p. 201
168, vn: Leslie; On the Use of Matrices in Certain Population Mathematics, p. 212
169, vn: Leslie; Some Further Notes on the Use of Matrices in Population Mathematics, p. 216
170, vn: Makarov y Rubinov; Mathematical Theory of Economic Dynamics and Equilibria, p. 70 (forma canónica)
171, vnq: Makarov y Rubinov; Mathematical Theory of Economic Dynamics and Equilibria, p. 72 (forma canónica)
172, vn: Malinvaud; Programmes d´Expansion et Taux d´Intérêt, p. 225 (forma canónica)
173, vn: Mantel; El modelo general de producción y crecimiento proporcional, p. 7 (forma canónica)
174, vn: Marx; Elementos fundamentales para la crítica de la Economía política (Grundrisse) 1857-1858, I, p. 400 (C+V+S -> B)
175, vn: Marx; en Marx y Engels: Correspondencia (6 jul. 1863), p. 137 (C+V -> B)
176, te: Marx; en Marx y Engels: Correspondencia (6 jul. 1863), p. 137
177, vn: Marx; El Capital, II, p. 483 (C+V -> B)
178, te: Marx; El Capital, II, p. 483
179, vn: McKenzie; en Malinvaud y Bacharach: Activity Analysis in the Theory of Growth and Planning, p. 293 (forma canónica)
180, vn: McKenzie; en Malinvaud y Bacharach: Activity Analysis in the Theory of Growth and Planning, p. 293 (forma canónica)
181, vn: Moeschlin; Zur Theorie von Neumannscher Wachstumsmodelle, p. 21 (forma canónica)
182, vn: Moeschlin; Zur Theorie von Neumannscher Wachstumsmodelle, p. 35 (forma canónica)
183, vn: Morgenstern y Thompson; An Open Expanding Economy Model, p. 455 (forma canónica)
184, vn: Morgenstern y Thompson; An Open Expanding Economy Model, p. 456 (forma canónica)
185, vn: Morgenstern y Thompson; Mathematical Theory of Expanding and Contracting Economies, p. 24 (forma canónica)
186, vn: Morgenstern y Thompson; Mathematical Theory of Expanding and Contracting Economies, p. 25 (forma canónica)
187, vn: Morgenstern y Thompson; Mathematical Theory of Expanding and Contracting Economies, p. 26 (forma canónica)
188, vn: Morgenstern y Thompson; Mathematical Theory of Expanding and Contracting Economies, p. 27 (forma canónica)
189, vn: Morgenstern y Thompson; Mathematical Theory of Expanding and Contracting Economies, p. 54 (forma canónica)
190, vn: Morgenstern y Thompson; Mathematical Theory of Expanding and Contracting Economies, p. 164 (forma canónica)
191, vn: Morgenstern y Thompson; en Bruckmann y Weber: Contributions to the Von Neumann Growth Model, p. 27 (forma canónica)
192, vn: Morgenstern y Thompson; Private and Public Consumption and Savings, p. 13 (forma canónica)
193, vn: Morgenstern y Thompson; Private and Public Consumption and Savings, p. 14 (forma canónica; c=par1)
194, vn: Morgenstern y Thompson; en Deistler, Fürst y Schwödiauer: Games, Economic Dynamics, and Time Series Analysis, p. 262 (forma canónica)
195, vn: Morgenstern y Thompson; en Deistler, Fürst y Schwödiauer: Games, Economic Dynamics, and Time Series Analysis, p. 263 (forma canónica)
196, vn: Morishima; Theory of Economic Growth, p. 194 (forma canónica)
197, vn: Morishima; Theory of Economic Growth, p. 300 (forma canónica)
198, te: Morishima y Catephores; Value, Exploitation and Growth, p. 31
199, vn: Morishima y Catephores; Value, Exploitation and Growth, p. 31 y 32
200, te: Morishima y Catephores; Value, Exploitation and Growth, p. 34 (forma canónica)
201, vn: Neumann; A Model of General Economic Equilibrium, p. 5 (forma canónica; par1=matriz de pagos de un juego)
202, vn: Neumann y Morgenstern; Theory of Games and Economic Behaviour, p. 175 (forma canónica)
203, vn: Neumann y Morgenstern; Theory of Games and Economic Behaviour, p. 176 (forma canónica)
204, vn: Neumann y Morgenstern; Theory of Games and Economic Behaviour, p. 177 (forma canónica)
205, autovalor: Nikaidô; Convex Structures and Economic Theory, p. 110
206, vn: Nikaidô; New aspects of Von Neumann´s Model with special regard to computational problems, p. 229 (forma canónica)
207, vn: Quesnay; Physiocratie ou Constitution naturelle du gouvernement le plus avantageux au genre humain I, p. 61
208, vn: Remak; Kann die Volkswirtschaftslere eine exakte Wissenschaft werden?, p. 732
209, vn: Robinson; Shadow Prices for Measures of Effectiveness, I: Linear Model, p. 532 (forma canónica)
210, vn: Robinson; Computational Solution of Ratio Games by Iteractive Linear Programming, p. 289 (forma canónica)
211, vn: Robinson; Irreducibility in the von Neumann model, p. 571 (forma canónica)
212, vn: Robinson; Irreducibility in the von Neumann model, p. 573 (forma canónica)
213, vn: Robinson; en Los y Los: Computing Equilibria: How and Why, p. 177 (forma canónica)
214, vn: Samuelson; en Dore, Chakravarty y Goodwin: John von Neumann and Modern Economics, p. 102 (forma canónica)
215, vn: Samuelson; en Dore, Chakravarty y Goodwin: John von Neumann and Modern Economics, p. 111 (forma canónica)
216, vn: Samuelson; Understanding the Marxian Notion of Exploitation, p. 419
217, te: Samuelson; Understanding the Marxian Notion of Exploitation, p. 419
218, vn: Samuelson; The Collected Scientific Papers I, p. 477 (forma canónica)
219, vn: Solow; On the Structure of Linear Models, p. 32
220, vn: Sosnowska; en Los, Los y Wieczorek: Warsaw Fall Seminars in Mathematical Economics 1975, p. 125 (forma canónica)
221, vn: Sosnowska; en Los, Los y Wieczorek: Warsaw Fall Seminars in Mathematical Economics 1975, p. 127 (forma canónica)
222, vn: Sosnowska; en Los, Los y Wieczorek: Warsaw Fall Seminars in Mathematical Economics 1975, p. 127 (forma canónica)
223, vn: Sraffa; Production of Commodities by Means of Commodities, p. 3
224, vn: Sraffa; Production of Commodities by Means of Commodities, p. 4
225, vn: Sraffa; Production of Commodities by Means of Commodities, p. 7
226, vn: Sraffa; Production of Commodities by Means of Commodities, p. 19
227, vn: Steedman; Positive Profits with Negative Surplus Value, p. 115
228, te: Steedman; Positive Profits with Negative Surplus Value, p. 116
229, vn: Steenge; en Simonovits y Steenge: Prices, Growth and Cycles, p. 244
230, vn: Steenge y Konijn; A New Approach to Irreducibility in Multisectoral Models with Joint Production, p. 128 (forma canónica)
231, vn: Straatman, White y Banzhaf; An Artificial Chemistry-based Model of Economies, p. 593 (forma canónica)
232, vn: Thompson; en Kuhn y Tucker: Linear Inequalities and Related Systems, p. 278 (forma canónica; n = par1)
233, vn: Thompson; en Kuhn y Tucker: Linear Inequalities and Related Systems, p. 279 (forma canónica; par1,par2)
234, vn: Thompson; en Kuhn y Tucker: Linear Inequalities and Related Systems, p. 279 (forma canónica)
235, vn: Thompson; Computing the Natural Factors of a Closed Expanding Economic Model, p. 66 (forma canónica)
236, vn: Thompson y Weil; en Bruckmann y Weber: Contributions to the Von Neumann Growth Model, p. 147 (forma canónica)
237, vn: Thompson y Weil; en Bruckmann y Weber: Contributions to the Von Neumann Growth Model, p. 148 (forma canónica)
238, vn: Thompson y Weil; en Bruckmann y Weber: Contributions to the Von Neumann Growth Model, p. 148 (forma canónica)
239, vn: Thompson y Weil; en Bruckmann y Weber: Contributions to the Von Neumann Growth Model, p. 149 (forma canónica)
240, vn: Thompson y Weil; The Roots of Matrix Pencils (Ay = ?By): Existence, Calculations, and Relations to Game Theory, p.215 (forma canónica)
241, vn: Thompson y Weil; The Roots of Matrix Pencils (Ay = ?By): Existence, Calculations, and Relations to Game Theory, p.215 (forma canónica)
242, vn: Thompson y Weil; The Roots of Matrix Pencils (Ay = ?By): Existence, Calculations, and Relations to Game Theory, p.219 (forma canónica)
243, vn: Truchon; en Morgenstern y Thompson: An Open Expanding Economy Model, p. 456 (forma canónica)
244, vn: Tugan-Baranovsky; Los fundamentos teóricos del marxismo, p. 186
245, te: Tugan-Baranovsky; Los fundamentos teóricos del marxismo, p. 186
246, te: Vegara; Economía política y modelos multisectoriales, p. 62
247, te: Vegara; Economía política y modelos multisectoriales, p. 62 (insumo k = par1)
248, te: Vegara; Economía política y modelos multisectoriales, p. 128
249, vn: Vegara; Economía política y modelos multisectoriales, p. 133
250, vn: Weil; Solutions to the Decomposable Von Neumann Model, p. 278 (forma canónica)
251, vn: Weil; Solutions to the Decomposable Von Neumann Model, p. 278 (forma canónica)
252, vn: Weil; The Decomposition of Economic Production Systems, p. 263 (forma canónica)
253, vn: Weil; The Decomposition of Economic Production Systems, p. 269 (forma canónica)
254, autovalor: Wilkinson; The Algebraic Eigenvalue Problem, p. 90
255, vn: Ye; On the von Neumann Economic Growth Problem, p. 620 (forma canónica)
formaab
formaab
[A, B] = formaab(F)
Convierte unas recetas en tiempo discreto a la forma de matrices de
insumos A y productos B.
[A, B] = formaab(F, concluir, nonegativo)
F matrices escalares, numéricas o simbólicas
concluir si 1 no incluye los procesos después de su último flujo
nonegativo si 1 define las matrices salida como no-negativas
A matriz de insumos
B matriz de productos
Si nonegativo es [] ordena las filas para el conjunto de procesos, de
manera que los flujos iniciales de todos los procesos ocupan las
primeras filas, los flujos siguientes las segundas, etc.
| -F0 0 0 0 0 | | F1 I 0 0 0 |
| 0 I 0 0 0 | | F2 0 I 0 0 |
A = | 0 0 I 0 0 | B = | F3 0 0 I 0 |
| 0 0 0 I 0 | | F4 0 0 0 I |
| 0 0 0 0 I | | F5 0 0 0 0 |
Si nonegativo es 1 ordena las filas para cada proceso, de manera que el
primer proceso ocuparía las primeras filas, el segundo las siguientes,
etc.
|-(F0 ) 0 0 0 0 | |(F1+) I 0 0 0 |
|-(F1-) I 0 0 0 | |(F2+) 0 I 0 0 |
A = |-(F2-) 0 I 0 0 | B = |(F3+) 0 0 I 0 |
|-(F3-) 0 0 I 0 | |(F4+) 0 0 0 I |
|-(F4-) 0 0 0 I | |(F5+) 0 0 0 0 |
Si sólo se solicita una variable de salida devuelve el tamaño de A.
formaciclos
formaciclos
G = formaciclos(F, p)
Construye las matrices cíclicas de período p para una F constante. Por
ejemplo, si p fuera 4 nos quedaría
|F0 F1 F2 F3| |F4 F5 F6 0 | |0 0 0 0 |
G0 = |0 F0 F1 F2| G1 = |F3 F4 F5 F6| G2 = |0 0 0 0 |
|0 0 F0 F1| |F2 F3 F4 F5| |F6 0 0 0 |
|0 0 0 F0| |F1 F2 F3 F4| |F5 F6 0 0 |
[G, iniciales] = formaciclos({F_1, F_2, F_3, ...}, [p_1, p_2, p_3, ...])
F_i recetas i
p_i número de instantes en los que se usan las recetas i
G recetas salida
iniciales lista con los primeros procesos en cada instante
Construye las matrices cíclicas de período p para unas F que cambian en
el tiempo. F debe escribirse entre llaves y p entre corchetes. Si p es
un escalar se aplica a todas las recetas.
formaconv
formaconv
Fn = formaconv(F, tiposalida)
Convierte la forma de escribir los procesos.
Según esté definido tiposalida, la salida será:
0. no-polinómico numérico (cadena) F = '[-280+575/k,-12;-120,-8+20/k]'
1. polinómico numérico F = cat(3,[-280,-12;-120,-8],[575,0;0,20])
2. no-polinómico numérico (celda) F = {'-280+575/k','-12';'-120','-8+20/k'}
7. polinómico numérico (celda)
Con Matlab y el package simbólico también están disponibles:
3. polinómicas simbólicas F = cat(3,sym([-280,-12;-120,-8]),sym([575,0;0,20]))
4. no-polinómicas simbólicas F = str2sym('[-280+575/k,-12;-120,-8+20/k]')
5. polinómicas precisión variable F = cat(3,vpa([-280,-12;-120,-8]),vpa([575,0;0,20]))
6. no-polinómicas precisión variable F = vpa(str2sym('[-280+575/k,-12;-120,-8+20/k]'))
Con Octave y el package simbólico están disponibles los tipos 4 y 6.
Desde no-polinómicas a polinómicas se usa formapolinomica, por lo que
la conversión es aproximada.
Si tiposalida no está definido devuelve el tipo de entrada.
formainicio
formainicio is a function.
[F, signoX, signoXF, LB, UB, precision, numvariables, variables, filas, columnas, ancho, numvarQ] = formainicio(F, signoX, signoXF, LB, UB, precision, numvariables, variables)
formamuestras
formamuestras
[Fn, Vn] = formamuestras(F, LB, UB, numvariables, variables, sistematicas, aleatoriasproceso)
Obtiene unos procesos sin variables internas con muestras de las variables
internas.
forman
forman
M = forman(F, k)
Calcula la matriz de flujos actualizados F(k), para un k dado.
M = forman(F, k, n)
Calcula la matriz de las derivadas de los flujos actualizados F(k) con
respecto a k de orden n, para un k dado.
Si F se escribe como un problema no polinómico numérico, para
establecer las derivadas calcula una aproximación mediante diferencias
finitas válida sólo para grados pequeños.
formankq
formankq
M = formankq(F, [k,Q], derivadakQ, variables)
Calcula la matriz F(k, Q), para k y unas variables internas Q.
formanq
forman
M = forman(F, Q)
Calcula la matriz F(k, Q), para unas variables internas Q.
formapolinomica
formapolinomica
F = formapolinomica(Fentrada)
Aproxima matrices no polinómicas como matrices polinómicas.
F = formapolinomica(Fentrada, K, grado)
Fentrada procesos en tiempo continuo
K factores sobre los que se calcula la aproximación
grado número de pasos temporales de la salida
F aproximación en tiempo discreto
Si K es un escalar la aproximación se hace en [K/2:K/6:K*3/2]
formaprecios
formaprecios
Fn = formaprecios(F, Pc, Pv)
Añade a unas recetas en tiempo discreto F procesos de intercambio con
los precios de compra Pc y de venta Pv correspondientes.
| F 0 |
Fn = | I -Pc |
| -I Pv |
formaproblema
formaproblema
Fn = formaproblema(F, signoX, signoXF, problema)
Convierte unas recetas a la forma estándar, X >= 0 y X F(k) = 0, o a la
forma canónica, X >=0 y X F(k) >= 0.
F recetas originales
signoX signo de las intensidades; por defecto X >= 0
signoXF signo de los balances materiales; por defecto X F(k) = 0
problema [] para la forma estándar y 1 para la forma canónica
Fn recetas transformadas
formasolucion
formasolucion
[X, Y] = formasolucion(Xn, Yn, signoX, signoXF, problema)
Convierte una solución transformada a la forma estándar o canónica a la
forma original.
Xn, Yn intensidades y valores transformados
signoX signo de las intensidades
signoXF signo de los balances materiales
problema [] desde la forma estándar y 1 desde la forma canónica
X, Y intensidades y valores originales
maxbeneficio
maxbeneficio
[Q, maxben] = maxbeneficio(F)
Calcula las variables internas Q con la maximización local de los procesos
para k e Y dadas.
[Q, maxben] = maxbeneficio(F, LB, UB, precision, numvariables, variables, k, Y, Q0double)
nullrational
nullrational
[Y, Tabla, pivotes] = nullrational(F, cero)
Resuelve un sistema de ecuaciones lineales homogéneas F Y = 0.
perturbacion
perturbacion
[sk, sX, sY] = perturbacion(F, G, k, X, Y)
Obtiene las series perturbativas para el problema de autovalores, para
VN o para TE.
[sk, sX, sY, sm, U, iU] = perturbacion(F, G, k, X, Y, problema, grado)
F matriz polinómica original
G perturbación como matriz polinómica
k autovalor para F
X autovector por la izquierda para F
Y autovector por la derecha para F
problema para autovalores 0, para VN 1 (por defecto), y para TE 2
grado grado de la serie (por defecto 5)
sk serie para el autovalor
sX serie para el autovector por la derecha
sY serie para el autovector por la izquierda
sm serie para el multiplicador de la normalización
U matriz de coeficientes del sistema lineal
iU inversa de la matriz de coeficientes
F y G deben tener la misma dimensión. Las series usan el formato de los
polinomios en Matlab-Octave.
perturbacionode
perturbacionode
[k, X, Y] = perturbacionode(F, G, k0, X0, Y0)
Integra las ecuaciones diferenciales perturbativas para el problema de
autovalores, para VN o para TE. A partir de la solución del problema
original para la matriz F, obtiene la solución del problema para la
matriz F + G integrando las ecuaciones diferenciales perturbativas. F y
G deben ser matrices polinómicas con la misma dimensión.
[k, X, Y, T, V] = perturbacionode(F, G, k0, X0, Y0, problema)
F matriz polinómica original
G perturbación como matriz polinómica
k0 autovalor original para F
X0 autovector por la izquierda original para F
Y0 autovector por la derecha original para F
problema para autovalores 0, para VN 1 (por defecto), y para TE 2
k autovalor final para F + G
X autovector por la izquierda final para F + G
Y autovector por la derecha final para F + G
T puntos de análisis
V magnitud de k, X e Y en cada punto de análisis
perturbacionodefile
perturbacionodefile
dVdh = perturbacionodefile(h, V, flag, F, G, problema)
Derivada del factor, intensidades y valores ante la perturbación.
h punto de integración
V variables V = [k; X'; Y]
flag parámetro sin uso incluido para compatibilidad con Matlab
F procesos de producción
G perturbación
problema para autovalores 0, para VN 1, y para TE 2
dVdh derivada de las variables dVdh = [dkdh; dXdh'; dYdh]
Se usa la sintaxis de Matlab. El parámetro flag está incluido para
garantizar la compatibilidad con Matlab y puede definirse como [].
programalineal
programalineal
[X, Y] = programalineal(F, C, D)
Lanza las funciones correspondientes en cada software para obtener la
solución del programa lineal
Max X C Min D Y
D + X F ~ 0 <-> -Y ~ 0 (D + X F) .* Y' = 0
X ~ 0 <-> C + F Y ~ 0 X' .* (C + F Y) = 0
[X, Y, exit] = programalineal(F, C, D, signoX, signoXF)
F matriz m*n
C vector columna m*1
D vector fila 1*n
signoX signo de las variables; por defecto X >= 0
signoXF signo de las restricciones; por defecto D + X F = 0
X vector fila 1*m de variables
Y vector columnas n*1 de multiplicadores de Lagrange
exit si es 1 la solución cumple las condiciones del programa
Los códigos para los signos son 0 = 1 >= 2 <= 3 >=<
programalinealaux
programalinealaux
Función auxiliar de programalineal.m
subs2
subs2
X = subs2(X, a, b)
Substituye el vector a por el vector b en X.
te
te
[k, X, Y] = te(F)
Resuelve la Teoría de la explotación
Max
X (D-C+k(W-V)) ~ 0 <-> -Y ~ 0 X (D-C+k(W-V)) .* Y = 0
X ~ 0 <-> (D-C+k(W-V)) Y ~ 0 X .* (D-C+k(W-V)) Y = 0
k > 0 1 + X (W-V) Y = 0
Los procesos deben escribirse como
F(:,:,1) = W - V
F(:,:,2) = D - C
[k, X, Y, pasos, distancias] = te(F, signoX, signoXF, precision, algoritmo)
F procesos de producción
signoX signo de las intensidades; por defecto X >= 0
signoXF signo de los balances materiales; por defecto X(D-C+k(W-V))=0
precision 1 para double, 2 para variable (vpa), 3 para exacta (sym)
algoritmo especifica el algoritmo que se usará
k factor de explotación
X intensidades-trabajo
Y valores-trabajo
pasos número de iteraciones efectuadas
distancias distancia de la solución a las condiciones
Esta función opera usando vn y normalizando los valores-trabajo. Véase
la ayuda de vn.
vn
vn
[k, X, Y] = vn(F)
Resuelve el modelo Von Neumann sin variables internas
Max k
X F(k) ~ 0 <-> -Y ~ 0 X F(k) .* Y = 0
X ~ 0 <-> F(k) Y ~ 0 X .* F(k) Y = 0
k > 0 1 + X F'(k) Y = 0
[k, X, Y, pasos, distancias] = vn(F, signoX, signoXF, precision, algoritmo)
F procesos de producción
signoX signo de las intensidades; por defecto X >= 0
signoXF signo de los balances materiales; por defecto X F(k) = 0
precision 1 para double, 2 para variable (vpa), 3 para exacta (sym)
algoritmo especifica el algoritmo que se usará; por defecto 0
k, X, Y factor, intensidades y precios solución
pasos número de iteraciones efectuadas
distancias distancia de la solución a las condiciones
Los códigos para los signos son 0 = 1 >= 2 <= 3 >=<
Si se escribe un escalar para signoX o signoXF se aplica a todos; así
vn(F, 1, 0) resuelve la forma estándar, X >= 0, X F(k) = 0.
vn(F, 1, 1) resuelve la forma canónica, X >= 0, X F(k) >= 0.
Según definamos algoritmo se usará:
0 selección automática (por defecto)
1 vnautovalor
2 vnautovalor mayor orden
3 vnbiseccion
4 vnnewton
5 vnpls
6 vnsimplex
7 vnnolineal
8 vnbrody
9 cpbusqueda -> vnbiseccion
10 cpbusqueda -> vnpls
11 vnpls; cpbusqueda -> vnpls; cpbusqueda -> vnbiseccion
12 vn (double) -> vnsimplex (sym)
Con precisión double, la selección automática escoge el algoritmo 1
para los problemas pequeños, el 2 para los problemas casi-cuadrados
medianos y para los problemas cuadrados grandes en la forma estándar,
el 11 para los problemas rectangulares grandes, y el 6 para los muy
grandes.
Con precisión variable o exacta, la selección automática escoge el
algoritmo 1 para los problemas pequeños y el 12 para los demás.
El algoritmo 12 primero resuelve el problema con precision double, y
después lanza vnsimplex con los procesos básicos encontrados.
Sólo los algoritmos 1, 6 y 12 pueden encontrar soluciones exactas. Los
algoritmos 9 a 11 ejecutan sucesivamente los algoritmos indicados hasta
encontrar una solución.
vnautovalor
vnautovalor
[k, X, Y] = vnautovalor(F)
Construye todos los menores cuadrados posibles, calcula los autovalores
y autovectores por la izquierda y la derecha de cada menor y muestra
las soluciones que cumplen las condiciones de VN.
[k, X, Y] = vnautovalor(F, signoX, signoXF, precision, algoritmo, orden, numsol)
F procesos de producción
signoX signo de las intensidades; por defecto X >= 0
signoXF signo de los balances materiales; por defecto X F(k) = 0
precision 1 para double, 2 para variable (vpa), 3 para exacta (sym)
algoritmo véase la ayuda de autovalor para los disponibles
orden si = [] todos los ordenes, si = 0 los de mayor orden
numsol si = [] busca todas las soluciones, si = n busca sólo n
k, X, Y factor, intensidades y precios solución
Los códigos para los signos son 0 = 1 >= 2 <= 3 >=<
Por defecto busca todas las soluciones en todos los menores.
vnautovalorq
vnautovalorq
[k, X, Y, Q] = vnautovalorq(F)
Resuelve el modelo Von Neumann con variables internas.
Construye todos los menores cuadrados posibles, calcula los autovalores
y autovectores por la izquierda y la derecha de cada menor y muestra
las soluciones que cumplen las condiciones de VN.
[k, X, Y, Q] = vnautovalorq(F, signoX, signoXF, LB, UB, precision)
F procesos con variables internas
signoX signo de las intensidades; por defecto X >= 0
signoXF signo de los balances materiales; por defecto X F(k) = 0
LB intervalo inferior de las variables internas; por defecto Q >= 0
UB intervalo superior de las variables internas; por defecto Q <= 1
precision 1 para double, 2 para variable (vpa), 3 para exacta (sym)
k, X, Y, Q factor, intensidades, valores y variables internas solución
Los códigos para los signos son 0 = 1 >= 2 <= 3 >=<
Por defecto busca todas las soluciones en todos los menores.
vnbiseccion
vnbiseccion
[k, X, Y] = vnbiseccion(F)
Busca la solución de VN con el método de bisección. Se parte de un ksi
para el que existe un crecimiento proporcional y de un kno mayor que
ksi para el que no. Se procede comprobando si en el medio del intervalo
[ksi, kno) existe un crecimiento proporcional y bisecando el intervalo
en consecuencia hasta que kno-ksi sea menor que una cota.
[k, X, Y] = vnbiseccion(F, signoX, signoXF, signok, ksi, kno)
F procesos de producción
signoX signo de las intensidades; por defecto X >= 0
signoXF signo de los balances materiales; por defecto X F(k) = 0
signok signo del factor; por defecto k > 0
ksi factor para el que existe un crecimiento proporcional
kno factor, mayor que ksi, para el que no existe
k, X, Y factor, intensidades y precios solución
Los códigos para los signos son 0 = 1 >= 2 <= 3 >=<
vnbrody
vnbrody
[k, X, Y] = vnbrody(F)
Formatea el problema y lanza un código de Bródy para resolver VN.
[k, X, Y] = vnbrody(F, signoX, signoXF)
F procesos de producción en tiempo discreto
signoX signo de las intensidades; por defecto X >= 0
signoXF signo de los balances materiales; por defecto X F(k) = 0
k, X, Y factor, intensidades y precios solución
Los códigos para los signos son 0 = 1 >= 2 <= 3 >=<
El algoritmo puede consultarse en:
András Bródy, "The implicit dynamics of the Neumann growth model", Acta
Oeconomica, Vol. 54 (1) pp. 63-72 (2004)
http://www.akademiai.com/content/x71485711558/
vndivideetimpera
vndivideetimpera
[k, X, Y, Q] = vndivideetimpera(F)
Resuelve el modelo Von Neumann con variables internas
Se parte de un factor y valores iniciales. Calcula las variables
internas en cada proceso para las que se maximiza el beneficio con ese
factor y valores; para esas variables internas, resuelve el problema
sin variables resultante, y obtiene un nuevo factor y valores; itera el
procedimiento.
[k, X, Y, Q, pasos, distancias] = vndivideetimpera(F, signoX, signoXF, LB, UB, precision, numvariables, variables, k0, Y0)
F procesos con variables internas
signoX signo de las intensidades; por defecto X >= 0
signoXF signo de los balances materiales; por defecto X F(k) = 0
LB intervalo inferior de las variables internas; por defecto Q >= 0
UB intervalo superior de las variables internas; por defecto Q <= 1
precision 1 para double, 2 para variable (vpa), 3 para exacta (sym)
numvariables vector con el número de variables internas en cada proceso
variables nombre de las variables internas
k0 factor con el que se inicia la iteración
Y0 valores con los que se inicia la iteración
k, X, Y, Q factor, intensidades, valores y variables internas solución
Los códigos para los signos son 0 = 1 >= 2 <= 3 >=<
Si se escribe un escalar para signoX o signoXF se aplica a todos; así
vn(F, 1, 0) resuelve la forma estándar, X >= 0, X F(k) = 0.
vn(F, 1, 1) resuelve la forma canónica, X >= 0, X F(k) >= 0.
vndivideetimpera2
vndivideetimpera2
[k, X, Y, Q] = vndivideetimpera2(F)
Resuelve el modelo Von Neumann con variables internas
Se parte de unas variables internas iniciales. Para esas variables
internas, resuelve el problema sin variables resultante, y obtiene un
factor y valores; calcula las variables internas en cada proceso para
las que se maximiza el beneficio con ese factor y valores, obteniendo
unas nuevas variables internas; se itera el procedimiento.
[k, X, Y, Q, pasos, distancias] = vndivideetimpera2(F, signoX, signoXF, LB, UB, precision, numvariables, variables, Q0)
F procesos con variables internas
signoX signo de las intensidades; por defecto X >= 0
signoXF signo de los balances materiales; por defecto X F(k) = 0
LB intervalo inferior de las variables internas; por defecto Q >= 0
UB intervalo superior de las variables internas; por defecto Q <= 1
precision 1 para double, 2 para variable (vpa), 3 para exacta (sym)
numvariables vector con el número de variables internas en cada proceso
variables nombre de las variables internas
Q0 variables internas con las que se inicia la iteración
k, X, Y, Q factor, intensidades, valores y variables internas solución
Los códigos para los signos son 0 = 1 >= 2 <= 3 >=<
Si se escribe un escalar para signoX o signoXF se aplica a todos; así
vn(F, 1, 0) resuelve la forma estándar, X >= 0, X F(k) = 0.
vn(F, 1, 1) resuelve la forma canónica, X >= 0, X F(k) >= 0.
vnmaxk
vnmaxk
[k, X, Y, Q] = vnmaxk(F)
Resuelve el modelo Von Neumann con variables internas.
Se resuelve el problema auxiliar
Max k(Q)
LB <= Q <= UB
donde k(Q) es una función cuya magnitud es el factor solución del
modelo VN para la matriz de flujos que se corresponde a las variables
internas Q.
[k, X, Y, Q, pasos, distancias] = vnmaxk(F, signoX, signoXF, LB, UB)
F procesos con variables internas
signoX signo de las intensidades; por defecto X >= 0
signoXF signo de los balances materiales; por defecto X F(k) = 0
LB intervalo inferior de las variables internas; por defecto Q >= 0
UB intervalo superior de las variables internas; por defecto Q <= 1
k, X, Y, Q factor, intensidades, valores y variables internas solución
Los códigos para los signos son 0 = 1 >= 2 <= 3 >=<
Si se escribe un escalar para signoX o signoXF se aplica a todos; así
vn(F, 1, 0) resuelve la forma estándar, X >= 0, X F(k) = 0.
vn(F, 1, 1) resuelve la forma canónica, X >= 0, X F(k) >= 0.
En Matlab se usa la función fmincon y en Octave la función sqp, con
precisión double.
vnmuestras
vnmuestras
[k, X, Y, Q] = vnmuestras(F)
Resuelve el modelo Von Neumann con variables internas.
Extrae unas muestras para Q; resuelve el problema sin variables
internas resultante; extrae otra muestra para Q en un intervalo
alrededor de la solución obtenida; resuelve el problema sin variables
internas resultante, etc.
[k, X, Y, Q, pasos, LBn, UBn] = vnmuestras(F, signoX, signoXF, LB, UB, precision, numvariables, variables, tipomuestreo, muestrassis, muestrasale, pasosmax)
F procesos con variables internas
signoX signo de las intensidades; por defecto X >= 0
signoXF signo de los balances materiales; por defecto X F(k) = 0
LB intervalo inferior de las variables internas; por defecto Q >= 0
UB intervalo superior de las variables internas; por defecto Q <= 1
precision 1 para double, 2 para variable (vpa), 3 para exacta (sym)
numvariables vector con el número de variables internas en cada proceso
variables nombre de las variables internas
tipomuestreo 0 simple, 1 iterado 2 iterado y acumulado
muestrassis vector de muestras sistemáticas por variable interna
muestrasale vector de muestras aleatorias por proceso
pasosmax número de iteraciones máximas
k, X, Y, Q factor, intensidades, valores y variables internas solución
pasos número iteraciones efectuadas
LBn intervalo inferior de las variables internas solución
UBn intervalo superior de las variables internas solución
Los códigos para los signos son 0 = 1 >= 2 <= 3 >=<
Si se escribe un escalar para signoX o signoXF se aplica a todos; así
vn(F, 1, 0) resuelve la forma estándar, X >= 0, X F(k) = 0.
vn(F, 1, 1) resuelve la forma canónica, X >= 0, X F(k) >= 0.
Si tipomuestreo es 0 se realiza un muestreo simple sin iterar; si es 1
se itera el muetreo con intervalos cada vez más pequeños para
incrementar la precisión; si es 2 se itera el muestreo con intervalos
más pequeños y acumulando las muestras anteriores.
vnnewton
vnnewton
[k, X, Y] = vnnewton(F)
busca la solución de VN intentando resolver la ecuación u(k) = 0
mediante el método de Newton, donde u(k) es la distancia al crecimiento
proporcional establecida como el valor del juego para la matriz de
pagos F(k) convertida a la forma canónica.
[k, X, Y] = vnnewton(F, signoX, signoXF, k0)
F procesos de producción
signoX signo de las intensidades; por defecto X >= 0
signoXF signo de los balances materiales; por defecto X F(k) = 0
k0 factor con el que se inicia la iteración; por defecto 1
k, X, Y factor, intensidades y precios solución
Los códigos para los signos son 0 = 1 >= 2 <= 3 >=<
vnnolineal
vnnolineal
[k, X, Y] = vnnolineal(F)
Resuelve VN utilizando las funciones para programas no lineales fmincon
en Matlab y sqp en Octave.
[k, X, Y] = vnnolineal(F, signoX, signoXF, k0, X0)
F procesos de producción
signoX signo de las intensidades; por defecto X >= 0
signoXF signo de los balances materiales; por defecto X F(k) = 0
k0 factor con el que se inicia la iteración
X0 intensidades con las que se inicia la iteración
k, X, Y factor, intensidades y precios solución
Los códigos para los signos son 0 = 1 >= 2 <= 3 >=<
vnnolinealq
vnnolinealq
[k, X, Y, Q] = vnnolinealq(F)
Resuelve el modelo Von Neumann con variables internas utilizando las
funciones para programas no lineales fmincon en Matlab y sqp en Octave.
[k, X, Y, Q] = vnnolineal(F, signoX, signoXF, LB, UB)
F procesos con variables internas
signoX signo de las intensidades; por defecto X >= 0
signoXF signo de los balances materiales; por defecto X F(k) = 0
LB intervalo inferior de las variables internas; por defecto Q >= 0
UB intervalo superior de las variables internas; por defecto Q <= 1
k, X, Y, Q factor, intensidades, valores y variables internas solución
Los códigos para los signos son 0 = 1 >= 2 <= 3 >=<
Si se escribe un escalar para signoX o signoXF se aplica a todos; así
vn(F, 1, 0) resuelve la forma estándar, X >= 0, X F(k) = 0.
vn(F, 1, 1) resuelve la forma canónica, X >= 0, X F(k) >= 0.
En Matlab se usa la función fmincon y en Octave la función sqp, con
precisión double.
vnpls
vnpls
[k, X, Y] = vnpls(F)
Busca la solución de VN mediante la programación lineal secuencial.
Resuelve sucesivamente la aproximación lineal de VN
max k min -mu
X F(kn) + k Xn F'(kn) - kn Xn F'(kn) ~ 0 -Y ~ 0
sum(X) - 1 = 0 -mu >=< 0
X ~ 0 F(kn) Y + mu ~ 0
k >= 0 1 + Xn F'(kn) Y <= 0
hasta que las variables converjan.
[k, X, Y] = vnpls(F, signoX, signoXF, k0, X0)
F procesos de producción
signoX signo de las intensidades; por defecto X >= 0
signoXF signo de los balances materiales; por defecto X F(k) = 0
k0 factor con el que se inicia la iteración
X0 intensidades con las que se inicia la iteración
k, X, Y factor, intensidades y precios solución
Los códigos para los signos son 0 = 1 >= 2 <= 3 >=<
vnq
vnq
[k, X, Y, Q] = vnq(F)
Resuelve el modelo Von Neumann con variables internas
Max k
X F(k, Q) ~ 0 <-> -Y ~ 0 X F(k, Q) .* Y = 0
X ~ 0 <-> F(k, Q) Y ~ 0 X .* F(k, Q) Y = 0
LB <= Q <= UB X dF/dq Y = 0
k > 0 1 + X F'(k, Q) Y = 0
[k, X, Y, Q, pasos, distancias] = vnq(F, signoX, signoXF, LB, UB, precision, numvariables, variables, algoritmo)
F procesos con variables internas
signoX signo de las intensidades; por defecto X >= 0
signoXF signo de los balances materiales; por defecto X F(k) = 0
LB intervalo inferior de las variables internas; por defecto Q >= 0
UB intervalo superior de las variables internas; por defecto Q <= 1
precision 1 para double, 2 para variable (vpa), 3 para exacta (sym)
numvariables vector con el número de variables internas en cada proceso
variables nombre de las variables internas
algoritmo especifica el algoritmo que se usará (0 por defecto)
k, X, Y, Q factor, intensidades, valores y variables internas solución
pasos número de iteraciones efectuadas
distancias distancia de la solución a las condiciones
Los códigos para los signos son 0 = 1 >= 2 <= 3 >=<
Si se escribe un escalar para signoX o signoXF se aplica a todos; así
vn(F, 1, 0) resuelve la forma estándar, X >= 0, X F(k) = 0.
vn(F, 1, 1) resuelve la forma canónica, X >= 0, X F(k) >= 0.
Según definamos algoritmo se usará:
0 selección automática (por defecto)
1 vnmuestras
2 vndivideetimpera
3 vndivideetimpera2
4 vnautovalorq
5 vnsimplexq
6 vnnolinealq
7 vnmaxk
8 vndivideetimpera -> vmaxk -> vnmuestras
9 vndivideetimpera -> vnmuestras
10 vnq (double) -> vnsimplexq
Con precisión double, la selección automática escoge el algoritmo 8
para los problemas pequeños y el 5 para los demás.
Con precisión variable o exacta, la selección automática escoge el
algoritmo 10 y, para resolver el problema con los procesos básicos, el
algoritmo 4.
El algoritmo 10 primero resuelve el problema con precision double, y
después lanza vnsimplexq con los procesos básicos encontrados.
Los algoritmos 4, 5 y 10 pueden encontrar soluciones con precisión
exacta, y los algoritmos 1, 2, 3, 4, 5, 9, 10 pueden encontrar
soluciones con precisión variable.
Los algoritmos 8 y 9 ejecutan sucesivamente los algoritmos indicados
hasta encontrar una solución.
vnsimplex
vnsimplex
[k, X, Y] = vnsimplex(F)
Busca la solución de VN mediante el algoritmo simplex.
Se parte de unos procesos básicos. Se resuelve VN para esos procesos;
se descartan de los básicos los procesos con pérdidas; si ningún
proceso tiene rentabilidad positiva se ha encontrado una solución; en
caso contrario se incorpora a los básicos el proceso más rentable y se
itera el procedimiento.
[k, X, Y] = vnsimplex(F, signoX, signoXF, precision, basicos, algoritmo)
F procesos de producción
signoX signo de las intensidades; por defecto X >= 0
signoXF signo de los balances materiales; por defecto X F(k) = 0
precision 1 para double, 2 para variable (vpa), 3 para exacta (sym)
basicos procesos básicos con los que se inicia la iteración
algoritmo número del algoritmo para resolver los problemas básicos
k, X, Y factor, intensidades y precios solución
Los códigos para los signos son 0 = 1 >= 2 <= 3 >=<
Si basicos = [] escoge como básicos los últimos procesos.
Si algoritmo = [] escoge automáticamente el algoritmo para resolver los
sucesivos sistemas básicos.
vnsimplexq
vnsimplexq
[k, X, Y] = vnsimplexq(F)
Resuelve el modelo Von Neumann con variables internas.
Se parte de unos procesos básicos. Se resuelve VN para esos procesos;
se descartan de los básicos los procesos con pérdidas; si ningún
proceso tiene rentabilidad positiva se ha encontrado una solución; en
caso contrario se incorpora a los básicos el proceso más rentable y se
itera el procedimiento.
[k, X, Y] = vnsimplex(F, signoX, signoXF, LB, UB, precision)
F procesos con variables internas
signoX signo de las intensidades; por defecto X >= 0
signoXF signo de los balances materiales; por defecto X F(k) = 0
LB intervalo inferior de las variables internas; por defecto Q >= 0
UB intervalo superior de las variables internas; por defecto Q <= 1
precision 1 para double, 2 para variable (vpa), 3 para exacta (sym)
k, X, Y, Q factor, intensidades, valores y variables internas solución
Los códigos para los signos son 0 = 1 >= 2 <= 3 >=<
Si basicos = [] escoge como básicos los últimos procesos.
Si algoritmo = [] escoge automáticamente el algoritmo para resolver los
sucesivos sistemas básicos.