Modelos continuos de crecimiento:

del modelo exponencial al modelo

logstico

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 introducir diferentes formulaciones del modelo
continuo de crecimiento exponencial, tambin denominado modelo de Malthus.
El modelo est formulado mediante una ecuacin diferencial ordinaria. La
presentacin del modelo est basada en un razonamiento discreto con paso al
lmite que permite interpretar adecuadamente los parmetros que aparecen
involucrados. Despus de presentar el modelo, se obtendr su solucin as como
sus principales propiedades, tales como la monotona, curvatura y
comportamiento asinttico. A lo largo de la exposicin, se perseguir relacionar los
resultados tericos obtenidos con la interpretacin prctica de los mismos.
Posteriormente se aplicar el modelo de crecimiento exponencial para ajustar los
datos del ndice de Precios al Consumo (IPC) y poder utilizarlos como un primer
modelo para la prediccin de este importante ndice econmico. El trabajo
finalizar realizando una crtica al modelo exponencial que motivar la
introduccin del modelo de crecimiento logstico o de Verhulst, el cual ser objeto
de estudio en otro trabajo.

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 sencillo, denominado modelo exponencial o de Malthus, 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. En lugar de enunciar el modelo directamente a
travs de la e.d.o. de tipo lineal con coeficientes constantes que lo determina y,
con objeto de abundar en la interpretacin de los parmetros que aparecen en
su formulacin, llegaremos a dicha e.d.o. mediante un paso al lmite basado en un
simple razonamiento de balance de los flujos de las poblaciones que determinan
las variaciones de la poblacin. 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. Para ilustrar la aplicabilidad del modelo en contextos diferentes del
estudio de poblaciones, lo aplicaremos para ajustar y predecir un importante
indicador econmico: el IPC (ndice de Precios al Consumo). Finalmente,
realizaremos una crtica del modelo que nos conducir a la introduccin de un
modelo ms complejo basado en una e.d.o. de tipo no lineal, denominado
modelo logstico, el cual se estudiar en profundidad en otro trabajo.

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 exponencial de
crecimiento de poblaciones y la motivacin del estudio de un modelo ms
complejo como es el modelo logstico.

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.

Iniciarse en la aplicacin de los modelos basados en e.d.o.s a datos reales,

incluyendo la calibracin de parmetros.

Comprender cmo se plantea un modelo basado en una e.d.o. a partir de

un razonamiento por paso al lmite y valorar que dicho enfoque permite
interpretar mejor los parmetros del modelo.

3 El modelo continuo de crecimiento exponencial o

de Malthus
3.1 Planteamiento e interpretacin
considerar la migracin

del

modelo

sin

En este apartado vamos a introducir un modelo continuo basado en una e.d.o.

para explicar el crecimiento de poblaciones. Advertimos al lector del error comn
que supone pensar que este tipo de modelos se refieren nicamente al
crecimiento de especies biolgicas, ya que, los argumentos de su construccin son
extrapolables a otros muchos contextos, como puede ser el crecimiento del
nmero de mviles en una determinada regin, el crecimiento del nmero de
artculos cientficos publicados en un determinado rea de conocimiento, la
evolucin de ndices econmicos como puede ser el ndice de Precios al Consumo
(IPC), etc. Sin embargo, pensar en un primer momento en el contexto biolgico del
crecimiento de poblaciones facilita la comprensin del desarrollo durante la
exposicin. El modelo que se presentar constituye una primera aproximacin al
estudio de modelos de crecimiento, y como tal, ha sido un punto de partida de
otros modelos continuos ms complejos. El modelo que estudiaremos fue
propuesto por el economista y demgrafo Thomas R. Malthus en el siglo XIX,
aunque con otra formalizacin del lenguaje (vase referencia [1] para una
traduccin al espaol del trabajo original).
El modelo de crecimiento de Malthus (tambin denominado modelo de
crecimiento exponencial) est formulado a travs de un problema de valor inicial
(p.v.i.) basado en una e.d.o. de primer orden lineal homognea a coeficientes
constantes (vase 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.

En dicho modelo las variables son:

p(t) : poblacin en el instante t .

p0 : poblacin inicial en el instante t 0 .

constante de crecimiento relativo de la poblacin.

El modelo debe ser interpretado haciendo uso del significado fsico de la derivada.
Obsrvese que la e.d.o. nos indica que la variacin instantnea de la poblacin en
el instante t , dada por p'(t) , es directamente proporcional (siendo la constante
proporcionalidad) a la poblacin p(t) que hay en dicho instante. La idea bsica
que subyace a esta propuesta de modelizacin es que, cuanto mayor es el
nmero de individuos, i.e., mayor es p(t) , mayor es la variacin (dada por p'(t) )
que puede sufrir la poblacin. Obviamente, esta afirmacin requiere de numerosos
matices. En primer lugar, la variacin de la poblacin puede ser creciente o
decreciente y ello depender de la diferencia entre el nmero de individuos que
nacen y mueren. Intuitivamente, la constante , que puede ser tanto positiva
como negativa, es la que determina el crecimiento o decrecimiento de la
poblacin. Si aislamos de la e.d.o. entenderemos mejor el rol que desempea
en el modelo, as como la denominacin anterior de constante de crecimiento
relativo. Obsrvese que = p'(t) / p(t) . Como el denominador de esta fraccin es
siempre positivo (por representar una poblacin), el signo de est determinado
por el signo de p'(t) :

Si p'(t) > 0 > 0 : En efecto, si p'(t) > 0 entonces sabemos que la poblacin
crece y por la definicin de se tiene: > 0 .

Si p'(t) = 0 = 0 : En efecto, si p'(t) = 0 entonces sabemos que la poblacin

permanece constante e igual al valor inicial p0 y por la definicin de se
tiene: = 0 .

Si p'(t) < 0 < 0 : En efecto, si p'(t) < 0 entonces sabemos que la poblacin
decrece y por la definicin de se tiene: < 0 .

Hasta ahora hemos enunciado el modelo exponencial e interpretado los

parmetros que lo definen. A continuacin, estableceremos la e.d.o. que
determina el modelo a partir de un razonamiento basado en un sencillo balance
de masas y un paso al lmite. De esta forma se pretende arrojar ms luz acerca de
la interpretacin de la constante relativa a la variacin de la poblacin. Para
seguir mejor la exposicin es conveniente tener presente la representacin grfica
dada en la Figura 1.
Fijado un instante temporal arbitrario t , consideremos un intervalo de tiempo de
longitud t . Queda as determinado el intervalo "#t,t + t$% . Denotaremos por p(t) y

p(t + t) a los valores de la poblacin en sus extremos. Vamos a estudiar la

variacin de la poblacin en ese intervalo temporal, la cual est dada por

p(t) = p(t + t) p(t) , como si de un balance de masas se tratara, asumiendo que las
variaciones que se produzcan se debern a los nacimientos y defunciones que
tengan lugar en dicho intervalo. Obsrvese que la variaciones tambin podran
deberse a los flujos de emigracin e inmigracin, pero simplificamos la exposicin
omitiendo la existencia de flujos migratorios. Posteriormente, veremos que el
modelo tambin puede plantearse siguiendo un razonamiento anlogo si se
considera la inmigracin y emigracin de los individuos. Si suponemos que las tasas
de nacimiento y muerte son constantes, podremos denotarlas por b y d ,
respectivamente. Es natural suponer que los nacimientos (defunciones) que tienen
lugar en el intervalo "#t,t + t$% son directamente proporcionales a b y d ,
respectivamente, as como a la longitud de dicho intervalo. Del razonamiento
anterior se infiere la relacin dada en la Ecuacin 2. De dicha relacin tambin se
tiene que el signo del parmetro puede ser positivo (cuando la tasa de
nacimientos sea mayor que la de defunciones: b > d ) o negativo (cuando la tasa
de nacimientos sea menor que la de defunciones: b < d ). Se deduce por tanto de
la exposicin que est ligado a la tasa de variacin de la poblacin.

Figura 1. Planteamiento del modelo exponencial.

p(t) = p(t + t) p(t) = bp(t)t

d) p(t)t = p(t)t

dp(t)t

= (b

nacimientos

defunciones

p(t + t) p(t)
p(t + t) p(t)
= p(t) lim
= lim p(t) p'(t) = p(t)
t
t
t
t
Ecuacin 2. Variacin de la poblacin en el intervalo "#t,t + t$% segn el modelo exponencial
o de Malthus.

Aunque de momento no hemos calculado la solucin p(t) del modelo exponencial

(esto se har en el siguiente apartado), es posible, distinguiendo varios casos en
funcin del signo del parmetro y de razonamientos sencillos, deducir
propiedades interesantes de la solucin. Concretamente, a continuacin
inferiremos a partir de la e.d.o. del modelo (vase Ec.1) la monotona y la curvatura
de p(t) .

Si > 0 : Como por definicin p(t) > 0 (por representar una poblacin), de la
e.d.o. se tiene que: p'(t) = p(t) > 0 , lo que nos indica que p(t) es creciente.
Si derivamos respecto de t ambos miembros de la e.d.o., se deduce que:
p''(t) = p'(t) > 0 , lo cual nos informa de que p(t) es convexa. Resumiendo
cuando la tasa de crecimiento relativo es positiva, sabemos (sin resolver el
p.v.i. que determina la solucin del modelo) que la poblacin tendr un
crecimiento rpido o convexo.

Si < 0 : Como por definicin p(t) > 0 (por representar una poblacin), de la
e.d.o. se tiene que: p'(t) = p(t) < 0 , lo que nos indica que p(t) es
decreciente. Si derivamos respecto de t ambos miembros de la e.d.o., se
deduce que: p''(t) = p'(t) > 0 , lo cual nos informa de que p(t) es de nuevo
convexa. Resumiendo cuando la tasa de crecimiento relativo es negativa,

sabemos (sin resolver el p.v.i. que determina la solucin del modelo) que la
poblacin tendr un decrecimiento lento o convexo.
No hemos analizado el caso en que = 0 , ya que, como hemos visto
anteriormente ello conduce al caso trivial en que la solucin es constante.

3.2 Solucin del modelo y estudio asinttico

Vamos ahora a calcular la solucin p(t) del modelo dado en la Ec.1 y a estudiar a
partir de ella, el comportamiento de p(t) a largo plazo, es decir, cuando t .
Para ello requeriremos de la identificacin de los coeficientes del modelo dado en
la Ec.1, con los de un problema general de valor inicial basado en una e.d.o. lineal
no homognea a coeficientes constantes de primer orden (vase Ecuacin 3):
a = y b = 0 . Esto nos permite obtener explcitamente la dinmica del tipo de
inters (vase Ecuacin 4).

/
(
+
$$ ea(tt0 ) * x + b - b si a 0,
= a x(t) + b "$
0
a, a
# x(t) = 0
)
x(t 0 ) = x 0
$
%$
si a = 0.
$1 b(t t 0 ) + x 0
x!(t)

Ecuacin 3. Solucin de un p.v.i. general basado en una e.d.o. lineal no homognea a

coeficientes constantes de primer orden.

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

si 0,
si = 0.

Ecuacin 4. Dinmica de la poblacin del modelo de crecimiento dado en la Ec.1.

Esta expresin de p(t) corrobora

anteriormente (vase Ec.5).
%
%
'
' p'(t)
' >0&
'( p''(t)
'
0&
%
'
' p'(t)
' <0&
'
'( p''(t)
'(

las

conclusiones

p0e
2

(tt 0 )

>0

(tt 0 )

> 0 p(t) es

= p0 e
=

p0e

que

obtenido

p(t) es creciente

(tt 0 )

<0

(tt 0 )

> 0 p(t) es

= 2p0e

hemos

convexa

p(t) es decreciente
convexa

%' p'(t) = 0 p(t) es constante (creciente y decreciente)

=0&
constante (cncava y convexa)
'( p''(t) = 0 p(t) es
Ecuacin 5. Monotona y curvatura de la poblacin del modelo de crecimiento dado en la
Ec.1.

Observemos que tomando lmites en la expresin de p(t) obtenida en la Ec.4 se

deduce que si 0 , la poblacin tender a crecer de forma geomtrica o
exponencial si > 0 , lo que conducir a una explosin a largo plazo, mientras que
la poblacin desaparecer si < 0 , lo que conducir a una extincin a largo
plazo. El caso = 0 conduce al escenario en que la poblacin permanece en

equilibrio en todo instante, siendo el valor de p(t) el inicial, i.e., p(t) = p0 (vase
Ec.6).

$ + si > 0
&
lim p(t) = % 0 si < 0
t
& p si = 0
' 0
Ecuacin 6. Comportamiento asinttico o a largo plazo de p(t) .

En la Figura 2 se han representado grficamente las diferentes situaciones del

comportamiento de la solucin del modelo para valores especficos de los
parmetros.

Extincin

Invariabilidad

Explosin

Figura 2. Representacin grfica de los tres tipos de comportamiento de la solucin del

modelo de crecimiento exponencial para diferentes valores de los parmetros:
{0.1,0,2} y p0 = 0.5 .

3.3 Aplicacin del modelo: calibracin de parmetros

En este apartado vamos a aplicar el modelo de crecimiento exponencial para
modelizar el ndice de Precios al Consumo (IPC) durante un cierto perodo. Los
datos han sido extrados del Instituto Nacional de Estadstica (INE) y corresponden
al perodo febrero de 2010 hasta enero de 2011 con base 2011 (vase [2]).

Fecha

Febrero 2010

Marzo 2010

Abril 2010

Mayo 2010

IPC

106.484

107.273

108.416

108.657

Fecha

Junio 2010

Julio 2010

Agosto 2010

Septiembre 2010

IPC

108.851

108.363

108.637

108.712

Fecha

Octubre 2010

Noviembre 2010

Diciembre 2010

Enero 2011

IPC

109.705

110.3

110.979

110.166

Tabla 1. Datos del IPC perodo Febrero 2010 a Enero 2011 con base 2011.
Fuente: http://www.ine.es

Asumiendo que la dinmica del IPC considerado en la Tabla 1 sigue el modelo

descrito en el p.v.i. dado en la Ec.1, deseamos determinar los valores de los
parmetros de dicho modelo. En nuestro caso, como a continuacin
argumentaremos, reduciremos esta calibracin al ajuste nicamente del
parmetro . Se trata de determinar el valor numrico de 0 de modo que p(t)

dada en la Ec.4 se ajuste lo mejor posible a las observaciones del IPC mostradas
en la Tabla 1. Obsrvese que en nuestro contexto y a partir de la Tabla 1,
p0 = 106.484 , adems, sin prdida de generalidad, podemos tomar t 0 = 0 que
corresponde al inicio (febrero de 2010). Se hace por tanto necesario indicar qu
significa en nuestro contexto la expresin: que ajuste lo mejor posible. Para ello,
haciendo uso del concepto de ajuste estadstico en el sentido de los mnimos
cuadrados (vase [3]), entenderemos por dicha expresin que la suma de las
diferencias al cuadrado entre las observaciones pi , 0 i 11, de los valores del IPC
dados en la Tabla 1 y los valores proporcionados por la solucin del modelo (la
cual est dada en la Ec.4) sean lo ms pequeas posibles. Esta funcin est
explicitada en la Ec.7. En ella, se identifica el ndice i : 0 i 11 con cada uno de los
12 valores mensuales del IPC dados en la Tabla 1. As, i = 0 corresponde al IPC del
mes de febrero de 2010, i = 1 corresponde al IPC del mes de marzo de 2010, y as
sucesivamente hasta i = 11 que corresponde al IPC del mes de enero de 2011.
Ntese que el primer sumando de dicha funcin, que corresponde a i = 0 , es nulo,
ya que, la condicin inicial del p.v.i., i.e., el valor de p(t) en t 0 dado en la Ec.1
coincide con el primer valor del IPC.
11

e() = pi p0ei
i=0

Ecuacin 7. Funcin de error cuadrtico a minimizar.

Utilizando tcnicas apropiadas de optimizacin numrica de funciones podemos

calcular el valor del parmetro que minimiza la funcin de error e() dada en la
Ec.7. Este tipo de tcnicas estn implementadas en diferentes programas.
Utilizando el comando NMinimize del software Mathematica (vase [4]) el valor
que se obtiene es: = 0.0446935 que proporciona el siguiente valor del error:
= 4.24488 . Por lo tanto, y de acuerdo al modelo y a su ajuste a los datos, la Ec.
e()
4 indica la frmula de ajuste buscada.

p(t) = 106.484e0.0446935t
Ecuacin 8. Modelo ajustado a los datos del IPC dados en la Tabla 1.

En la Grfica 1 se ha representado el ajuste (lnea continua) y los datos del IPC

(puntos). Aunque la funcin de ajuste es exponencial, como el valor obtenido del
parmetro ha sido muy pequeo, aparenta ser una recta. La funcin p(t) dada
en la Ec. 8 nos permite hacer predicciones. Por ejemplo, segn el modelo estimado
la variacin estimada del IPC entre febrero de 2010 y febrero de 2012 ha sido del
9.35038% (vase Ecuacin 9). Por lo tanto, un artculo que en febrero de 2010 vala
100 euros, segn el modelo en febrero de 2012 vala 109.35 euros.

Grfica 1. Representacin del ajuste del modelo a los datos del IPC de la Tabla 1.

Variacin del IPC 02/2010 a 02/2012 =

p(24) p(0)
= 9.35038, p(t)=106.484e0.0446935t
p(0)

Ecuacin 9. Modelo ajustado a los datos del IPC dados en la Tabla 1.

4 Introduciendo en el modelo la migracin

Anteriormente hemos sealado que al plantear el modelo de crecimiento exponencial
podramos haber considerado en la variacin de la poblacin la influencia debida no
solo a los nacimientos y defunciones, sino tambin a los movimientos migratorios.
Asumiendo que tanto las emigraciones como las inmigraciones son constantes y
denotando sus tasas por e e i , respectivamente, un razonamiento anlogo al
mostrado en la Ec.2 nos conduce a la relacin mostrado en Ecuacin 10. Es
conveniente observar, como diferencia conceptual respecto del anlisis hecho en la
Ec.2, que los movimientos migratorios de emigracin se asumen proporcionales a la
poblacin p(t) existente en el instante t , mientras que los flujos de inmigracin son
independientes.

p(t) = p(t + t) p(t) = bp(t)t

dp(t)t

ep(t)t

+
nacimientos

defunciones

emigrantes

it

inmigrantes

= (b

d
e) p(t)t + i t = p(t)t + t

p(t + t) p(t)
p(t + t) p(t)
= p(t) + lim
= lim p(t) + p'(t) = p(t) +
t
t
t
t
Ecuacin 10. Variacin de la poblacin en el intervalo "#t,t + t$% segn el modelo

exponencial o de Malthus con migraciones.

La solucin del modelo exponencial con migracin se realiza de nuevo
identificando los coeficientes del modelo obtenido: p'(t) = p(t) + , con los del modelo
general dado en la Ec.3:

a = y b = . No explicitamos ahora esta expresin por

obtenerse de forma directa y porque no entraremos en hacer un anlisis detallado de

la misma como s se ha hecho con modelo de crecimiento sin migracin. En cualquier
caso obsrvese que se trata simplemente de renombrar los parmetros del modelo
matemtico general.

5 Del modelo exponencial de Malthus al modelo

logstico de Verhulst
Hemos visto que cuando en el modelo exponencial el parmetro es positivo,
se predice un comportamiento explosivo o de crecimiento ilimitado. Obviamente esta
prediccin no es verosmil, pues no existe ninguna poblacin que pueda crecer de
forma ilimitada, ya que, los recursos siempre limitan el crecimiento, al igual que el aforo
o capacidad del medio. Este inconveniente motiv histricamente que se formulasen
otros modelos que superasen este inconveniente. Fue el matemtico belga Pierre
Franois Verhulst quien aos despus de Malthus introdujo 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 11. Obsrvese que en la
formulacin de dicho modelo se asume > 0 , ya que le modelo logstico se plantea
en el en caso en que el modelo exponencial falla.

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

( )

p0 > 0

Ecuacin 11. Problema de valor inicial (p.v.i.) que define el modelo logstico o de Verhulst.

En un trabajo que est en preparacin se estudiar en detalle el modelo

logstico y se demostrar que su solucin tiene un comportamiento como el mostrado
en la Figura 3, el cual depende del valor de la condicin inicial. Obsrvese que el
modelo logstico tiene un comportamiento asinttico incondicionalmente estable.

Figura 3. Representacin grfica de la solucin del modelo logstico de Verhulst. Obsrvese

que en el caso en que la condicin inicial es menor que / la solucin tiene un punto de
inflexin en el punto tI especificado.

6 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 de crecimiento de
poblaciones basado en una ecuacin diferencial ordinaria.

7 Bibliografa
[1] Malthus, T.R.: Ensayo sobre el principio de la poblacin, Madrid 1846.
[2] http://www.ine.es
[3] Gujarati, D.N.: Econometra, 4a edicin, McGraw Hill, 2003.
[4]
Wolfram
Mathematica
9.
Software
http://www.wolfram.com/products/mathematica

disponible

en: