El modelo no lineal de crecimiento

logstico: estudio y solucin

Apellidos,
nombre

Corts Lpez, Juan Carlos;

Romero Bauset, Jos Vicente;
Rosell Ferragud, Mara Dolores;
Villanueva Mic, Rafael Jacinto
([email protected];[email protected];
[email protected];[email protected])

Departamento
Centro

Matemtica Aplicada
Instituto Universitario de Matemtica Multidisciplinar
Facultad de Administracin
y Direccin de Empresas

Resumen de las ideas clave

El objetivo de este trabajo es estudiar el modelo de crecimiento logstico o de
Verhulst, el cual puede considerarse la base de los modelos no lineales formulados
a travs de ecuaciones diferenciales ordinarias (e.d.o.s). El trabajo motiva la
introduccin del modelo logstico para superar las limitaciones del modelo de
crecimiento exponencial debido a Malthus. La exposicin del modelo persigue por
un lado proporcionar la interpretacin del mismo desde diferentes formulaciones
equivalentes del modelo para, posteriormente, justificar matemticamente sus
principales propiedades analticas, tales como la monotona y curvatura, y concluir
as la forma de sigmoide que caracteriza a la solucin. Este estudio creemos que
resulta particularmente formativo porque, en lugar de realizarse a partir de la
expresin explcita de la solucin del modelo (la cual tambin se explica en el
trabajo), se deduce a partir de la propia e.d.o. en que se basa el modelo logstico.

1 Introduccin
El estudio de modelos continuos basados en ecuaciones diferenciales ordinarias
(e.d.o.s) resulta una parte fundamental de la formacin matemtica a nivel
universitario, y en particular, en los estudios con intensificacin en economa
donde el carcter dinmico de las variables econmicas hace muy apropiada la
utilizacin de esta herramienta matemtica. En este trabajo se estudiar un
modelo no lineal sencillo, denominado modelo logstico o de Verhlulst, para
introducir al lector en la modelizacin dinmica del crecimiento de poblaciones.
Como veremos en el desarrollo del trabajo, este modelo retiene conceptualmente
muchas ideas frtiles para el estudio posterior de modelos ms complejos, lo que
hace que sea un ejemplo muy adecuado para iniciarse al estudio de otros
modelos continuos ms complejos. El estudio del modelo se motivar a partir de
las limitaciones un modelo ms sencillo de tipo lineal, el denominado modelo
exponencial o de Malthus que predice crecimiento ilimitado bajo ciertos
supuestos. Posteriormente, utilizando resultados elementales sobre teora de
e.d.o.s calcularemos la solucin del modelo y exploraremos sus principales
propiedades tales como la monotona, curvatura y comportamiento a largo plazo.

2 Objetivos
Los principales objetivos docentes de este artculo son que el alumno sea capaz
de:

Reconocer el valor formativo de los modelos dinmicos basados en e.d.o.s

as como su potencialidad y limitaciones para estudiar la compleja realidad
econmica, particularizando esta crtica al modelo logstico de crecimiento
de poblaciones y su estudio motivado a partir de las limitaciones del
modelo exponencial.

Estudiar los aspectos cualitativos y cuantitativos de modelos formulados a

travs de e.d.o.s y discutir las propiedades que se infieren a partir, primero
de su formulacin y despus de su solucin.

3 El modelo continuo de crecimiento logstico o de

Verhulst
3.1 Planteamiento e interpretacin del modelo
La introduccin del modelo de crecimiento logstico est motivada por el intento
de mejorar el modelo continuo de crecimiento exponencial debido a T.R. Malthus
(vase [1]). En el modelo malthusiano, cuyas variables son:

p(t) : poblacin en el instante t ,

p0 : poblacin inicial en el instante t 0 ,

constante de crecimiento relativo de la poblacin,

se asume que la variacin de la poblacin est dada a travs del problema de

valor inicial (p.v.i.) basado en una e.d.o. de primer orden lineal homognea a
coeficientes constantes dado en la Ecuacin 1.

= p(t), t > t 0 0 #%
$ , IR
p(t 0 ) = p0
&%
p'(t)

p0 > 0

Ecuacin 1. Problema de valor inicial (p.v.i.) que define el modelo exponencial o de Malthus.

Es sencillo ver que la solucin del modelo de Malthus est dada por la Ecuacin 2.

$
(tt )
& pe 0
p(t) = % 0
&' p0

si 0,
si = 0.

Ecuacin 2. Dinmica de la poblacin del modelo de crecimiento dado en la Ec.1.

En el caso en que el parmetro es positivo, el modelo predice una explosin de

la poblacin a largo plazo (vase Ecuacin 3)

$ + si > 0
&
lim p(t) = % 0 si < 0
t
& p si = 0
' 0
Ecuacin 3. Comportamiento asinttico o a largo plazo de p(t) en el modelo de Malthus.

Este resultado est obviamente en contradiccin con el hecho de que en la

prctica real ningn sistema poblacional puede crecer indefinidamente, ya que,
los aforos de los ecosistemas y sus recursos son siempre limitados. Esta deficiencia
del modelo exponencial motiv histricamente que se formulasen otros modelos
que la superasen. Fue el matemtico belga Pierre Franois Verhulst quien pocos
aos despus de Malthus introdujo en el modelo malthusiano un trmino de freno
no lineal p(t)

( )

siendo

> 0 , y prob que el nuevo modelo explicaba

satisfactoriamente la evolucin de numerosas poblaciones, cumpliendo adems

que no explotaba a largo plazo. El modelo resultante puede verse en la Ecuacin
4. Obsrvese que en la formulacin de dicho modelo se asume > 0 , ya que el

modelo logstico se plantea en el caso en que el modelo exponencial no resulta

satisfactorio.

%
2
= p(t) p(t) , t > t 0 0 '
& , , > 0
'
p(t 0 ) = p0
(

( )

p'(t)

p0 > 0

Ecuacin 4. Problema de valor inicial (p.v.i.) que define el modelo logstico o de Verhulst.

Aunque todava no hemos calculado la solucin del modelo logstico, s es posible

saber su comportamiento a largo plazo, es decir, el valor de lim p(t) = L , asumiendo
t

la existencia de dicho lmite y, teniendo en cuenta que nos interesa justificar un

comportamiento no explosivo (es decir, que L ) y al mismo tiempo, que no
estamos interesados en soluciones en las que la poblacin se extingue, que
corresponde al caso L = 0 (situacin que, recordemos, tambin pronostica el
modelo malthusiano, pero que no conduce a ninguna contradiccin). En efecto,
si tomamos lmites cuando t en la e.d.o. dada en la Ec.4 se deduce que el
valor de L es L = / (vase Ecuacin 5).
2

#
&
#
&
2&
#
%
(
%
(
0 = L' = %lim p(t) ( ' = lim p'(t) = lim % p(t) p(t) ( = lim p(t) %lim p(t) ( = L L2
t
t $
t
t
'

%
( t
%
(
$ L '
$ L '
L

( )

% L = 0 (hay extincin)
'
0 = L L = L( L) &

>0
' L =

(
2

Ecuacin 5. Clculo del comportamiento a largo plazo en el modelo logstico a partir de la

e.d.o. dada en la Ec.4, i.e., sin conocer explcitamente su solucin.

Esta deduccin del comportamiento del modelo a largo plazo, nos permite,
suponiendo la existencia del lmite de su solucin a la largo plazo, reescribir la
e.d.o. dada en la Ec. 4 de una forma equivalente que permite reinterpretar de
forma muy intuitiva el modelo logstico (vase Ecuacin 6).
= (L p(t))p(t), t > t 0 0 $&
%,
p(t 0 ) = p0
&'
p'(t)

> 0, L =

p0 > 0

Ecuacin 6. Reformulacin del modelo logstico en trminos de su comportamiento a largo

plazo.

Obsrvese que el modelo as escrito es del tipo Malthus, pero cuyo coeficiente de
crecimiento relativo (denotada por en el modelo de Malthus) es ahora
(t) = (L p(t)) variable. Este coeficiente es negativo (positivo) siempre que la
poblacin en cada instante t (no) supere al lmite mximo L que se puede
alcanzar a largo plazo. Teniendo en cuenta el signo del segundo miembro de la
e.d.o. dada en la Ec. 6, se tienen las conclusiones mostradas en la Ecuacin 7,
relativas a la monotona, i.e., crecimiento/decrecimiento de la solucin.

Si p(t) < L
Si p(t) > L

>0

p(t)>0
>0

p(t)>0

e.d.o.

(L p(t))p(t) > 0

p'(t) > 0

p(t) crece

e.d.o.

(L p(t))p(t) < 0

p'(t) < 0 p(t) decrece

Ecuacin 7. Conclusiones acerca de la monotona de la solucin del modelo logstico a

partir de la reformulacin del modelo dada en la Ec.6.

Estas conclusiones nos indican que la poblacin disminuye (aumenta) siempre que
(no) ha superado (llegado) a su lmite mximo de crecimiento. Esto refuerza, desde
otro punto de vista, las diferencias significativas entre el modelo exponencial y el
modelo logstico en trminos de los coeficientes y (t) = (L p(t)) , respectivamente
(vase Tabla 1).

Modelo de Malthus

Modelo de Verhulst

signo de

signo (t) = (L p(t))

Si > 0 Explosin a +

Si L > p(t) (t) > 0 p(t) crece y limp(t) = L

t

Si < 0 Extincin a 0

Si L < p(t) (t) < 0 p(t) decrece y limp(t) = L

t

Tabla 1 Comparacin de los comportamientos entre los modelos de Malthus y Verhulst

respecto de los coeficientes y (t) = (L p(t)) , respectivamente.

Posteriormente deduciremos rigurosamente las propiedades ms relevantes del

comportamiento de la solucin del modelo logstico, lo que nos permitir
representar grficamente dicha solucin. Con objeto de sacar mayor jugo a la
interpretacin del modelo, adelantamos en la Grfica 1 dicha representacin.
Suponiendo que p(t) < L , obsrvese en dicha grfica que el segundo miembro de la
e.d.o. dada en la Ec. 5 indica que la variacin instantnea de la poblacin en el
instante t , dada por p'(t) , es directamente proporcional (siendo la constante de
proporcionalidad > 0 ) a la poblacin p(t) que hay en dicho instante por el aforo
disponible: L p(t) . Si por ejemplo, el modelo de crecimiento estuviera
contextualizado en la evolucin de individuos infectados en cada instante t por
una determinada epidemia de una poblacin total de L individuos, entonces p'(t) ,
indicara la variacin instantnea de los individuos que se contagian. Esta variacin
es proporcional a los encuentros entre los individuos contagiados en dicho instante
(dados por p(t) ) y los individuos sanos (dado por L p(t) ). El nmero de posibles
encuentros es precisamente el producto de ambas magnitudes: p(t)(L p(t)) . Como
cada vez que se produce un encuentro no es seguro que se produzca contagio
de la enfermedad, el parmetro > 0 , involucra en cierta manera no explcita la
probabilidad de xito en el contagio.

Figura 1. Representacin grfica de la solucin del modelo logstico de Verhulst.

3.2 Solucin del modelo y estudio asinttico

En este apartado calcularemos la solucin del modelo logstico. Para ello
aplicaremos paso a paso el mtodo de separacin de variables (los clculos
involucrados se detallan en las Ecuaciones 8 y 9):

Paso 1 (P1): Considerar las variables p y t introduciendo la notacin p = p(t)

y p'(t) = dp / dt .

Paso 2 (P2): Separar en cada miembro de la e.d.o. las variables p y t .

Paso 3 (P3): Calcular las integrales de cada miembro de paso P2 utilizando

tcnicas apropiadas para el clculo de primitivas.

Paso 4 (P4):
P1

p'(t) = (L p(t))p(t)

p=p(t)
p'(t)=

dp
dt

P2
dp
dp
= (L p)p
= dt
dt
(L p)p

Ecuacin 8. Pasos 1 y 2 del mtodo de separacin de variables para resolver la e.d.o. del
modelo logstico.

P3 :

P3
P4
t
Lp0
dr
1 % p(L p0 ) (*
= dr ln ''
=
(t

t
)

p=
0
L(tt 0 )
*
p0
t0
(L r)r
L & p0 (L p) )
p0 + (L p0 )e
p

Ecuacin 9. Pasos 3 y 4 del mtodo de separacin de variables para resolver la e.d.o. del
modelo logstico.

Obsrvese en la Ec.9 que si p0 = L , el numerador de la fraccin que hay dentro del

logaritmo neperiano que aparece en el proceso de integracin realizado en el
Paso 3 (P3) se anula y dicho logaritmo no existe. En ese caso, por comprobacin
directa sobre la e.d.o. logstica, claramente se tiene: p(t) = p0 Por lo tanto, la solucin
del modelo logstico es la funcin dada en la Ecuacin 10.

$
Lp0
&&
L(tt 0 )
p(t) = % p0 + (L p0 )e
&
p0
&'

si p0 L
si p0 = L

Ecuacin 10. Solucin del modelo logstico.

El comportamiento asinttico de la solucin se obtiene directamente tomando

lmites cuando t en la expresin dada en la Ec. 10. Obsrvese que este lmite
es el mismo que el que dedujimos anteriormente sin conocer la expresin explcita
de la solucin (vase Ecuacin 10).
lim p(t) = lim
t

Lp0
p0 + (L p0 )e

L(tt 0 )

=L=

Ecuacin 11. Comportamiento asinttico de la solucin del modelo logstico.

3.3 Propiedades de la solucin del modelo logstico:

representacin grfica
En este apartado vamos a justificar la forma de s alargada (sigmoide) que tiene
la solucin del modelo logstico estudiando su monotona, curvatura, extremos y
puntos de inflexin. Por tanto, la representacin grfica mostrada en la Grfica 1
quedar justificada. Desde luego este es un estudio que se puede realizar de
forma clsica a partir de la expresin explcita de p(t) dada en la Ec. 10.
Mostraremos a continuacin un enfoque alternativo, que es ms breve y elegante,
para llegar a las mismas conclusiones. nicamente abordaremos el caso no trivial,
es decir, cuando p(t) p0 , ya que, en caso contrario la solucin es siempre
constante.
En primer lugar obsrvese que, como cabe esperar por representar el nmero de
individuos de una poblacin, la expresin de p(t) dada en la Ec. 10 es siempre
positiva. En efecto, si reescribimos dicha expresin en la forma dada en la
Ecuacin 12, como L = / > 0, > 0, p0 > 0 se tiene que: eL(tt ) < 1 t > t 0 y p(t) > 0, t t 0 ,
0

ya que, dicha funcin est definida a travs de un cociente de magnitudes

positivas.
$
Lp0
&
&
L(tt 0 )
+L
p(t) = % p0 1 e
&
p0
&'

si p0 L
si p0 = L

Ecuacin 12. Forma equivalente de la solucin del modelo logstico para estudiar su
positividad.

Para realizar el estudio, es conveniente (pero no imprescindible) reescribir la e.d.o.

del modelo logstico dada en la Ec. 6 en la forma equivalente dada en la Ecuacin
13.

" 1
%
p'(t) = r p(t) $1 p(t) ', r = L > 0
# L
&
Ecuacin 13. Segunda reformulacin de la e.d.o. del modelo logstico para estudiar la
grfica de su solucin.

Monotona y extremos de la solucin

Para estudiar el crecimiento y decrecimiento de la solucin p(t) del modelo

logstico debemos estudiar el signo de la primera derivada de p(t) la cual est
dada en la Ecuacin 13. Observamos en dicha expresin que r > 0 y p(t) > 0 , por

1
tanto el signo de la primera derivada depender del signo del trmino 1 p(t) . En
L
la Ecuacin 14 se muestra un anlisis del signo de esta expresin que justifica la
monotona de la solucin del modelo logstico.
1
p'(t) > 0 1 p(t) > 0, t > t 0 p(t) < L, t > t 0 p0 < L
L
1
p'(t) < 0 1 p(t) < 0, t > t 0 p(t) > L, t > t 0 p0 > L
L

p(t) crece

si p0 < L

p(t) decrece si p0 > L

Ecuacin 14. Monotona de la solucin del modelo logstico.

Obsrvese de la Ec. 12 que p(t) 0 y p(t) L t t 0 , lo que justifica a partir de la

expresin dada en la Ec. 13 que la primera derivada nunca se anula y por tanto
que la funcin carece de extremos. Estas conclusiones relativas a la monotona y
extremos de la solucin de p(t) concuerdan con la representacin grfica
mostrada en la Grfica 1.

Curvatura y puntos de inflexin de la solucin

Para estudiar la concavidad y convexidad de la solucin p(t) del modelo logstico

debemos estudiar el signo de la segunda derivada de p(t) la cual est dada en la
Ecuacin 15 y se obtiene derivando la propia e.d.o. dada en la Ec. 13 (en lugar de
hacerlo a partir de la expresin explcita de la solucin dada en la Ec. 10 (o Ec. 12).
Obsrvese que para llegar a la expresin dada en la Ec. 15 se ha derivado la Ec. 13
y dicha expresin de la primera derivada se ha vuelto a sustituir en la ecuacin
obtenida. En la Ec. 15 igualamos a cero la segunda derivada de p(t) y observamos
que el nico valor con sentido es cuando p(t) = L / 2 , ya que, los otros dos casos:
p(t) = 0 y p(t) = L , corresponden respectivamente a los casos en que no hay
individuos o se ha alcanzado el tope del aforo del ecosistema. En la Ecuacin 16
mostramos el valor del tiempo donde la segunda derivada toma el valor nulo, o
equivalentemente, el instante tI donde la funcin p(t) tiene un punto de inflexin.
)
+
" 2
%" 1
%
+
2
p''(t) = r p(t) $1 p(t) ' $1 p(t) ' = 0 p(t) = *
# L
&# L
&
+
+
,

0
L
L
2

Ecuacin 15. Estudio de la curvatura de la solucin del modelo logstico.

En la Ecuacin 16 mostramos el valor del tiempo, que denotaremos por tI , donde

la segunda derivada toma el valor nulo.

% p (
Lp0
L
L
0
**
p''(t) = 0 p(t) =
= tI = t 0 + ln ''
L(tt 0 )
2
p
p0 1 e
+L 2
&
)
0

Ecuacin 16. Curvatura de la solucin del modelo logstico.

Vamos ahora a estudiar el signo de la tercera derivada p'''(t) en tI para justificar

que se trata de un punto de inflexin convexo-cncavo. En la Ecuacin 17 se
L
rL
detallan los clculos donde se ha tenido en cuenta que p(tI ) = y p'(tI ) = , lo cual
2
4
se deduce directamente de las Ecs. 16 y 13, respectivamente.
" 2
%" 1
%
" 2
%" 1
%
" 2 %" 1
%
p'''(t) = r 2p'(t) $1 p(t) ' $1 p(t) ' + r 2p(t) $ p'(t) ' $1 p(t) ' + r 2p(t) $1 ' $ p'(t) '
# L
&# L
&
# L
&# L
&
# L &# L
&
p(tI )=

L
2

" 2
%" 1
%
" 2
%" 1
%
" 2
%" 1
%
p'''(tI ) = r 2p'(tI ) $1 p(tI ) ' $1 p(tI ) ' + r 2p(tI ) $ p'(tI ) ' $1 p(tI ) ' + r 2p(tI ) $1 p(tI ) ' $ p'(tI ) '
#L& # L
&
# L
&# L
&
#L& # L
&
=0

=0
p(tI )=

L
2

L # 2 rL & # 1 L &
r 3L
p'''(tI ) = r 2 % ( %1 ( =
<0
rL
2 $ L 4 '$ L 2 '
8
p'(tI )=
4
Ecuacin 17. Estudio de la clasificacin del punto de inflexin de la solucin del modelo
logstico.

El anlisis anterior justifica la representacin dada en la Grfica 1.

4 Cierre
La bsqueda de puentes formativos que conecten diferentes reas de
conocimiento en la formacin universitaria entendemos que es un compromiso
docente que debemos asumir en el marco de la docencia universitaria actual. En
este trabajo, se ha tratado de materializar esta idea conectando las reas de
Matemticas y Economa, a travs del estudio de un modelo logstico de
crecimiento de poblaciones basado en una ecuacin diferencial ordinaria.

5 Bibliografa
[1] Martnez Calvo, M.C. y Prez de Vargas, A.: Mtodos Matemticos en Biologa,
Ed. Centro de Estudios Ramn Areces, S.A., Madrid 1993.