TRABAJO ANÁLISIS NUMÉRICO

Grupo D

Presentado por:
Juan Carlos Anaya Bohórquez
Código 1903241
Álvaro Ortiz
Código 2142258

Presentado a:
Dr. Elder Jesús Villamizar Roa

Universidad Industrial de Santander

Facultad de Ciencias
Escuela de Matemáticas
Bucaramanga
2022
 Situación

El modelo logístico de crecimiento demográfico se describe por medio de una

ecuación de la forma P(t)=A(1-Ce^{-kt})^{-1}, donde A, C y k son constantes
positivas y P(t) es la población en el tiempo t, A representa el valor límite de la
población, ya que P(t) tiende a A cuando t va a infinito. Consulte los censos de
la población de Bucaramanga en los años 1960, 1970 y 1980, para determinar
los valores de A, C y k, del modelo logístico de crecimiento poblacional. Utilice
ese modelo para predecir la población en Bucaramanga en el año 2025 y 2050,
suponiendo que t=0 en 1950. Use las herramientas de cálculo de raíces para
resolver el problema. Encuentre la ecuación diferencial cuya solución es dada
por P(t).

Solución:

Para la solución de la situación planteada tenemos que se utilizará el siguiente

modelo para inicialmente predecir la población de Bucaramanga en los años
2025 y 2050:
𝐴
𝑃(𝑡) =
1 − 𝐶𝑒 −𝑘𝑡

Donde A, C y k son constantes positivas y P(t) es la población en el tiempo t, A

representa el valor límite de la población, ya que P(t) tiende a A cuando t va a
infinito.

Adicionalmente sabemos que las poblaciones de Bucaramanga en los años

1960, 1970 y 1980 son las mostradas en la tabla 1, de acuerdo lo expresado por
el magister Jaime Enrique Rodríguez Navas en su artículo CARACTERIZACIÓN
DEL POBLAMIENTO Y LA METROPOLIZACIÓN DEL TERRITORIO DEL ÁREA
METROPOLITANA DE BUCARAMANGA.

POBLACION CABECERA MUNICIPAL DE BUCARAMANGA

Año Población
1950 112.252
1960 229.748
1970 296.657
1980 352.326
Tabla 1.

Con los datos anteriores y suponiendo t=0 en el año 1950 podemos plantear las
siguientes tres ecuaciones y con ellas generar un sistema lineal de 3x3 que nos
permita el cálculo de las constantes A, C, y k anteriormente definidas:
𝐴
112252 = (1)
1−𝐶
 𝐴 𝐴 𝐴
229748 = 1−𝐶𝑒 −10𝑘 (2) 296657 = 1−𝐶𝑒 −20𝑘 (3) 352326 = 1−𝐶𝑒 −30𝑘 (4)

Despejamos A de las ecuaciones 1 y 2 y 3:

𝐴 = 112252(1 − 𝐶) (1)

𝐴 = 229748(1 − 𝐶𝑒 −10𝑘 ) (2)

𝐴 = 296657(1 − 𝐶𝑒 −20𝑘 ) (3)

Ahora igualamos 1 y 2 para obtener la ecuación 4:

229748(1 − 𝐶𝑒 −10𝑘 ) = 112252(1 − 𝐶)

229748 − 229748𝐶𝑒 −10𝑘 = 112252 − 112252𝐶
229748 − 112252 = 229748𝐶𝑒 −10𝑘 − 112252𝐶
117496 = 𝐶(229748𝑒 −10𝑘 − 112252)
117496
𝐶= (4)
229748𝑒 −10𝑘 − 112252

Igualamos las ecuaciones 1 y 3 para obtener la ecuación 5:

112252(1 − 𝐶) = 296657(1 − 𝐶𝑒 −20𝑘 )

112252 − 112252𝐶 = 296657 − 296657𝐶𝑒 −20𝑘
112252 − 296657 = 112252𝐶 − 296657𝐶𝑒 −20𝑘
−184405 = 𝐶(112252 − 296657𝑒 −20𝑘 )
−184405
𝐶= (5)
112252 − 296657𝑒 −20𝑘

Ahora determinamos el valor de k igualando las ecuaciones 4 y 5

117496 −184405
−10𝑘
=
229748𝑒 − 112252 112252 − 296657𝑒 −20𝑘
Igualamos a cero y usando el algoritmo de la Secante, hallamos el valor de k
117496 184405
+ =0
229748𝑒 −10𝑘 − 112252 112252 − 296657𝑒 −20𝑘
Algoritmo de la Secante en Matlab
function Secante
clc; %Comando de MatLab para borrar la pantalla
clear %all
a=input('Digite la aproximacion inicial: ');
b=a+0.01; %Segunda aproximación
TOL=input('Tolerancia de error : ');
max_iter=input('Numero de iteracciones : ');
%Inicio el contador de itracciones
iter=0;
%Imprimo los titulos generarles
fprintf('METODO DE LA SECANTE...\nRESULTADOS\n');
%fprintf('Iter a Xr Error\n');
fprintf('Iter Xi-1 Xi-2 Xi f(Xi-1) f(Xi-2) f(Xi)
Error\n');
while 1 %Entro en un cliclo infinito
fa=funcion(a); %Evaluo la funcion en el valor de la cota inferior
fb=funcion(b); %Evaluo la funcion en el valor de la cota superior
%Calculo la aproximacion a la raiz basado en dos aproximaciones anteriores.
xr = a - fa*(b-a) / (fb - fa);
fxr=funcion(xr);
error = abs(b - xr); %Diferencia entre las dos ultimas aproximaciones
%Imprimo los resultados en pantalla
% fprintf('%4.0f,%12.6f,%12.6f,%12.6f\n',iter,a,xr,error);

fprintf('%4.0f,%10.6f,%10.6f,%10.6f,%10.6f,%10.6f,%10.6f,%10.2e\n',iter,a,b,xr,f
a,fb,fxr,error)
%Termino si la diferencia entre las dos iteracciones anteriores es menor que
el error aceptado (TOL)
if error <= TOL %Se hallo la aproximacion a la raiz y salgo del ciclo
fprintf('\nProceso concluido exitosamente con el nivel de error <=
%12.6e\n\n',TOL)
break;
end
if abs(fxr)<= TOL %Se hallo la aproximacion a la raiz y salgo del ciclo
fprintf('\nProceso concluido exitosamente con el nivel de error <=
%12.6e\n\n',TOL)
break;
end
if iter > max_iter %Verificar si no se exceden las iteracciones propuestas.
Salgo del ciclo infinito
fprintf('\nIteracciones excedidas... Revise sus datos...\n\n');
break;
end
iter = iter + 1; %Incremento el contador de iteracciones
%Tomo los valores para la la siguiente iteraccion
a = b;
b = xr;
end
fprintf('\nRaiz aproximada: %12.6f',xr);
fprintf(' Iteraciones: %5.0f\n',iter);
%Modelo gráfico
xinf=xr-1;
xsup=xr+1;
x=xinf:0.01:xsup;
f=funcion(x);
plot(x,x,x,f)
title ('Grafica de la función...');
%Fin del modelo gráfico
function y = funcion(x) %Aca defino la funcion a evaluar
y=(117496./((229748.*(exp(-10.*x)))-(112252)))+(184405./((112252)-
(296657.*(exp(-20.*x)))));

Resultado obtenido:

Digite la aproximacion inicial:

0.2
Tolerancia de error :
0.00001
Numero de iteracciones :
100
METODO DE LA SECANTE...
RESULTADOS
Iter Xi-1 Xi-2 Xi f(Xi-1) f(Xi-2) f(Xi) Error
0, 0.200000, 0.210000, 0.120741, 0.278613, 0.313765, -0.546225, 8.93e-
02
1, 0.210000, 0.120741, 0.177434, 0.313765, -0.546225, 0.174710, 5.67e-
02
2, 0.120741, 0.177434, 0.163695, -0.546225, 0.174710, 0.086005, 1.37e-
02
3, 0.177434, 0.163695, 0.150375, 0.174710, 0.086005, -0.030957, 1.33e-
02
4, 0.163695, 0.150375, 0.153900, 0.086005, -0.030957, 0.003892, 3.53e-
03
5, 0.150375, 0.153900, 0.153507, -0.030957, 0.003892, 0.000158, 3.94e-
04
6, 0.153900, 0.153507, 0.153490, 0.003892, 0.000158, -0.000001, 1.66e-
05
Proceso concluido exitosamente con el nivel de error <= 1.000000e-05
Raiz aproximada: 0.153490 Iteraciones: 6
De acuerdo al resultado obtenido, k=0,15349

Reemplazamos el valor de k en la ecuación (5) y obtenemos el valor de C:

−184405
𝐶= = −1.87
112252 − 296657𝑒 −20(0.15349)
Y por último reemplazamos C en la ecuación (1) para hallar A
𝐴 = 112252(1 − (−1.87)) = 322163
Verifiquemos la respuesta:
De acuerdo a las diapositivas del curso Demografía AT230. Del Departamento de Actuaría y
Matemáticas de la UDLAP.

El límite anterior muestra lo que observamos en el gráfico de crecimiento logístico, se llega a una
constante. Para aplicar la solución P(t) necesitamos calcular a y er de la siguiente manera,
supongamos que P1, P2 y P3 conforman la población de un lugar en tiempos equidistantes

Calculando A de esta manera obtenemos:

1 1 2
+ − 229748
𝐴= 112252 296657 = 322449.26
1 1
−
(112252)(296657) 2297482
Lo que es muy aproximado a nuestro valor obtenido.
Por lo anterior concluimos que las constantes para el ejercicio son:

A=322449.26
C=-1.87
k=0.15349
Ahora utilizamos la ecuación:
322449.26
𝑃(𝑡) =
1 + 1.87𝑒 −0.15349𝑡
Para predecir la población en Bucaramanga en el año 2025 y 2050, suponiendo que
t=0 en 1950.
Para 2025:
322449.26
𝑃(75) = = 322443.2232
1 + 1.87𝑒 (−0.15349)(75)

Población proyectada (2025) = P (75) =322374.26

Para 2050:
322449.26
𝑃(100) = = 322449.1299
1 − 1.87𝑒 (−0.15349)(100)
Población proyectada (2025) = P (100) =322449.1299

Para hallar la ecuación diferencial realizamos el siguiente procedimiento:

𝐴
𝑃(𝑡) =
1 − 𝐶𝑒 −𝑘𝑡

𝑃(𝑡) = 𝐴(1 − 𝐶𝑒 −𝑘𝑡 )−1

𝑑𝑃 𝐴
= (−𝐶𝑘𝑒 −𝑘𝑡 )
𝑑𝑡 (1 − 𝐶𝑒 −𝑘𝑡 )2

𝑑𝑃 𝐴 −𝐶𝑘𝑒 −𝑘𝑡
=( )( )
𝑑𝑡 1 − 𝐶𝑒 −𝑘𝑡 1 − 𝐶𝑒 −𝑘𝑡

𝑑𝑃 −𝐶𝑘𝑒 −𝑘𝑡
= 𝑃(𝑡)( )
𝑑𝑡 1 − 𝐶𝑒 −𝑘𝑡

𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒅𝒊𝒇𝒆𝒓𝒆𝒏𝒄𝒊𝒂𝒍
𝑑𝑃 𝐶𝑘𝑒 −𝑘𝑡
+ 𝑃(𝑡) =0
𝑑𝑡 1 − 𝐶𝑒 −𝑘𝑡
BIBLIOGRAFIA

1. Rodríguez Navas, J. (2012). Caracterización del poblamiento y la

metropolización del territorio del Área Metropolitana de Bucaramanga.
IUSTITIA, (10), 9-50. https://doi.org/https://doi.org/10.15332/iust.v0i10.876