Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
Populációdinamikai modellek
numerikus megoldása Matlab
alkalmazásával
Szakdolgozat
Írta: Lovák Zsanett
Matematika BSc szak
Elemz® szakirány
Témavezet®:
Svantnerné Sebestyén Gabriella
Doktorandusz
Alkalmazott Analízis és Számításmatematikai Tanszék
Eötvös Loránd Tudományegyetem, Természettudományi Kar
Budapest
2017
1
Köszönetnyilvánítás
Ezúton szeretnék köszönetet mondani konzulensemnek, Svantnerné Sebes-tyén Gabriellának, aki felkeltette érdekl®désem a téma iránt, bevezetett apopulációdinamika matematikai leírásába, illetve megmutatta a Matlab hasz-nálatát. A dolgozat elkészülése során végig segített, hasznos tanácsokkallátott el. Emellett szeretném megköszönni családomnak és barátaimnak asok biztatást, motiválást, az egyetemi tanulmányaim alatt nyújtott rengetegtámogatást.
2
Tartalomjegyzék
1. Bevezetés 41.1. Motiváció . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41.2. Di�erenciálegyenletek . . . . . . . . . . . . . . . . . . . . . . . 51.3. Egyensúlyi pontok és stabilitás . . . . . . . . . . . . . . . . . . 61.4. Di�erenciálegyenletek megoldása Matlab segítségével . . . . . . 9
2. Egyszerepl®s modellek 102.1. Korlátlan növekedés modellje . . . . . . . . . . . . . . . . . . . 102.2. Korlátos növekedés modellje . . . . . . . . . . . . . . . . . . . 13
3. Kétszerepl®s modellek 153.1. Ragadozó-zsákmány modellek . . . . . . . . . . . . . . . . . . 153.2. Verseng® modell . . . . . . . . . . . . . . . . . . . . . . . . . . 213.3. Mutualizmus és szimbiózis . . . . . . . . . . . . . . . . . . . . 29
4. Összefoglalás 36
3
1. Bevezetés
1.1. Motiváció
A populációdinamika az alkalmazott természettudományok közé sorolható,amely a növény- és állatfajok id®beli és térbeli változásait vizsgálja, ezál-tal információkat közöl az adott populáció szaporodási, táplálkozási vagyegyéb szokásairól. A populációdinamika célja, hogy el®re, kis hibával egyjó becslést tudjunk adni a különböz® él®lények egyedszámáról. A kutatásoka tér-id® dinamikáját vagy a populáció méretének id®beli változását tanul-mányozza matematikai modellek segítségével. Általában folytonos id®bendi�erenciálegyenletekkel modellezzük a probléma megoldását. Ezek a di�e-renciálegyenletek nem mindig oldhatóak meg direkt módszerekkel, ezért azilyen feladatok megoldására numerikus módszereket alkalmazunk.
Szakdolgozatom célja a populációdinamikai modellek bemutatása, illetvea modellezéshez használt di�erenciálegyenletek numerikus módszerekkel valómegoldásának szemléltetése. A numerikus módszereket a Matlab nev¶ prog-ram segítségével alkalmazzuk. A Matlab a numerikus számítások elvégzéséreszolgáló speciális programrendszer, amely egyben egy programozási nyelv is.A program mátrixok kiszámítására, algoritmusok implementációjára, illetvefüggvények és más adatok ábrázolására lett kifejlesztve.
Szakdolgozatom során az egyszer¶bb egyszerepl®s modellekkel foglalko-zunk, a korlátlan és a korlátos növekedés modelljével. Ezeket gra�kusanis vizsgáljuk különböz® kezdeti értékekre. Majd a Lotka-Volterra modellekközül el®ször a ragadozó-zsákmány modellt vizsgáljuk különböz® paraméte-rek esetén, azután a verseng® modellt, melyben két faj verseng egymással.Ezekhez készítettünk numerikus szimulációkat is. Végül a Lotka-Volterraragadozó-zsákmány modellel egyenérték¶, legegyszer¶bb mutualizmus mo-dellel foglalkozunk, melyben a két faj kölcsönhatásban áll egymással, ekkor akölcsönhatás mindkét populáció számára el®nyös. Erre kiváló példa a kolibriés a hibiszkusz kapcsolata. A kolibri a hibiszkusz nektárjával táplálkozik. Anektár elfogyasztása közben beporozza a növényt, melynek így biztosítja aszaporodását.
4
1.2. Di�erenciálegyenletek
A di�erenciálegyenletekkel a valóságban lezajló folyamatok jól közelíthet®-ek. Ezeknél az egyenleteknél egyfajta függvénykapcsolat áll fenn az ismeret-len függvény és annak deriváltjai között. Ha több egyenletünk van, akkordi�erenciálegyenlet-rendszerr®l beszélünk.
1. De�níció. Legyen D ⊂ R × Rn összefügg® nyílt halmaz (tartomány),
f : D → Rn folytonos függvény (t0, p0) ∈ D. Ha az I ⊂ R nyílt intervallumra,
és az x : I → Rn di�erenciálható függvényre teljesül, hogy
1. (t, x(t)) ∈ D minden t ∈ I esetén,
2. x(t) = f(t, x(t)) minden t ∈ I esetén,
3. x(t0) = p0
akkor az x függvényt az I intervallumon az f jobboldalú explicit els®rend¶közönséges di�erenciálegyenlet (rendszer) megoldásának nevezzük azx(t0) = p0 kezdeti feltétel mellett.
1. Megjegyzés. A de�nícióban formailag csak az els®rend¶ egyenlet fogal-mát határoztuk meg, azonban egy g : Rn+1 → R folytonos függvény általmeghatározott explicit n-ed rend¶ egyenlet
x(n)(t) = g(t, x(t), x(t), . . . , x(n−1)(t)) (1)
x1 = x, x2 = x, . . . , xn = x(n−1) (2)
új függvények bevezetésével az alábbix1(t) = x2(t)
x2(t) = x3(t)
...
xn(t) = g(t, x1(t), x2(t), . . . , xn(t))
(3)
els®rend¶ rendszerré transzformálható. Ezzel tehát az explicit n-ed rend¶közönséges di�erenciálegyenlet fogalma is de�niálható.
Legyen D ⊂ R × Rn tartomány, f : D → Rn folytonos MVLL függvény,
(t0, p0) ∈ D, akkor az x(t) = f(t, x(t)) di�erenciálegyenlet x(t0) = p0 kezdetifeltételt kielégít® megoldását Φ(t, t0, p0) jelöli.
5
A gyakorlatban a di�erenciálegyenlet modelleknél gyakran keressük az
x(t) = f(t, x(t)) (4)
egyenlet azon megoldását, ahol
x(t0) = p0 (5)
kezdeti feltétel teljesül, azaz a megoldásgörbe áthalad a P0(t0, p0) adott pon-ton. Az ilyen problémákat (Cauchy-féle) kezdetiérték-feladatoknak nevezzük.
1.3. Egyensúlyi pontok és stabilitás
A di�erenciálegyenleteknek vizsgálhatjuk egyensúlyi pontjait.
2. De�níció. Az x(t) = f(x(t)) autonóm di�erenciálegyenlet rendszer egyen-súlyi pontjának nevezzük a c ∈ Rn megoldásokat, ha
x(t) = c, ∀t esetén. (6)
Az id®ben állandó konstans megoldások, azaz az
f(x(t)) = c (7)
megoldás a rendszer egyensúlyi pontja. Az egyensúlyi pontok vizsgálatánálaz
f(x(t)) = 0 (8)
egyenletet oldjuk meg. Az egyensúlyi pont stabilitásával foglalkozunk. At→ Φ(t, t0, p0) megoldás stabilis, ha
• [t0,+∞) ⊂ I(t0, p0),
• minden ε > 0 és t1 ∈ [t0,+∞) számhoz létezik olyan δ > 0, hogy(t1, q) ∈ D,
| q − Φ(t1, t0, p0) |< δ esetén
[t1,+∞) ⊂ I(t1, q) és | Φ(t, t1, q)− Φ(t, t0, p0) |< ε, ha t ≥ t1.
A megoldást instabilisnak nevezzük, ha nem stabilis. Asszimptotikusan sta-bilisnak nevezzük, ha stabilis és
| Φ(t, t1, q)− Φ(t, t0, p0) |→ 0, ha t→ +∞.
6
1. Állítás. Az x(t) = A(t)x(t) lineáris di�erenciálegyenlet bármely meg-oldásának stabilitása (aszimptotikus stabilitása) egyenérték¶ az azonosan 0megoldás stabilitásával (aszimptotikus stabilitásával).
1. Lemma. 1. Ha az A mátrixnak van nemnegatív valós rész¶ sajátértéke,akkor az
x(t) = A(t)x(t) (9)
rendszer nem aszimptotikusan stabilis.
2. Ha az A mátrixnak van pozitív valós rész¶ sajátértéke, akkor az
x(t) = A(t)x(t) (10)
rendszer nem stabilis, azaz instabilis.
3. Ha az A mátrixnak van olyan 0 valós rész¶ sajátértéke, amely a minimál-polinomnak többszörös gyöke, akkor az
x(t) = A(t)x(t) (11)
rendszer nem stabilis, azaz instabilis.
1. Tétel. (Routh-Hurwitz kritérium) Legyen
p(x) = xn + an−1xn−1 + . . .+ a1x+ a0 (12)
egy tetsz®leges polinom. A p minden gyökének valósrésze pontosan akkornegatív, ha az alábbi n×n-es mátrix pozitív de�nit, azaz f®minorjai pozitívak.
an−1 1 0 . . . . . . 0an−3 an−2 an−1 1 0 . . ....
. . . . . . . . . . . ....
.... . . . . . . . . . . .
...0 . . . 0 a0 a1 a20 . . . . . . . . . 0 a0
7
A nemlineáris di�erenciálegyenletek egyensúlyi pontjának stabilitásvizs-gálatát a lineáris esetre vezetjük vissza, ilyenkor a stacionárius pontok kör-nyezetében kell a di�erenciálegyenleteket linearizálni. Tegyük fel, hogy M?
a
dM
dt= f(M) (13)
egyensúlyi pontja és
M(t) = M? +m(t), ahol m(t) << M?. (14)
Végezzük el f(M) Taylor sorfejtését:
f(M(t)) = f(M? +m(t)) = f(M?) +m(t)f ′(M?) +1
2m(t)2f ′′(M?) + . . .
(15)
Tehát:
dm
dt=dM
dt= f(M(t)) = f(M?) +m(t)f ′(M?) +
1
2m(t)2f ′′(M?) + . . . (16)
A magasabb rend¶ kifejezések elhagyásával:
dm
dt= m(t)f ′(M?). (17)
Tehát a megoldás a lineáris rendszerhez:
m(t) = m0 exp(tdf
dM(M?)
). (18)
3. De�níció. A dMdt
= f(M) nemlineáris di�erenciálegyenlet egyensúlyi pont-
ját jelöljük M?-gal és m(t) = m0 exp(t dfdM
(M?))a megoldás. Az egyensúlyi
pont lineárisan stabil, ha m(t) → 0-hoz, míg t → ∞-hez. Más szóval azegyensúlyi pont lineárisan stabil, ha
df
dM(M?) < 0. (19)
8
1.4. Di�erenciálegyenletek megoldása Matlab segítségével
A di�erenciálegyenletek egy része oldható meg direkt módszerrel, így nume-rikus módszerek alkalmazásával a Matlab nev¶ program segítségével is meg-oldhatjuk a feladatokat. A Matlab egy speciális programozási nyelv, amelynumerikus számítások elvégzésére szolgál. Közönséges di�erenciálegyenletekmegoldására számos függvényt használhatunk, mint például az ode23 vagyaz ode45 beépített függvények. Ezek di�erenciálegyenlet megoldó solverek, aszakdolgozatom során az ode45 függvényt fogjuk használni a kezdetiérték fel-adatok megoldására. A függvény egy negyed- vagy ötödrend¶ Runge-Kuttamódszer szerint oldja meg az egyenletet, mely során megfelel® lépésközzellép és az eltérést vizsgálja. A lépésköz megválasztása adaptív módon m¶kö-dik, tehát nem az általunk megadott ekvidisztáns rácshálón számol, hanemaz általunk megadott pontosságot használja fel, illetve akkor választ kisebblépésközt, ha a hibakorlátnál nagyobb a különbség.
Tekintsük az {x(t) = f(t, x)
x(t0) = c(20)
di�erenciálegyenletet az ode45 függvénnyel tudjuk kiszámolni. A függvénymeghívásakor használt paraméterek:
• az egyenlet jobb oldalát de�niáló f függvény,
• azon t értékek vektora, ahol a numerikus közelítést ki szeretnénk szá-molni,
• a c kezdeti érték.
Tekintsük a következ® példát és vizsgáljuk meg a Matlab program haszná-latával! Legyen az f függvény az x2, a kezdeti érték az x(t0 = 0) = 1, ést = 10-ben keressük a megoldást, tehát a kezdeti-érték feladat{
x(t) = x2
x(0) = 1(21)
alakú. A Matlab-ban a függvények megírását function parancs megadásávalkezdjük:
function y=de(t,x)
y=x^{2}.
9
A következ®kben az intervallumot adjuk meg:
>> i=0:0.5:10.
Majd az ode45 függvényt hívjuk segítségül:
>> ode45('de',i,1).
A többlépéses módszereket például az ode113 beépített függvénnyel oldhat-juk meg. Használata el®nyösebb az ode45-tel szemben, ha a függvény ki-számítása költséges, mert kisebb számítás igény¶. Néhány további beépítettfüggvény az ode123t és az ode123tb, melyek alacsonyabb pontosságúak, vagyaz ode15, mely változó lépéshosszú, így el®nyösebb használata, ha az ode45m¶ködése nagyon lassú. Emellett a merev feladatok megoldásához alkalmasaz ode15s vagy az ode23s függvény.
2. Egyszerepl®s modellek
2.1. Korlátlan növekedés modellje
A populáció száma exponenciálisan növekszik, de állandó növekedés nem kö-vetkezik be, hiszen a növekedési ütem függ a születési, halálozási rátától,illetve a bevándorlás és a kivándorlás ütemét®l. Feltesszük, hogy a be- éskivándorlási ráta nulla, akkor az exponenciális növekedést leíró di�erenciál-egyenlet
dN
dt= f(N) = Ng(N) (22)
alakú, ahol g(N) a bels® növekedési ütem. A Malthus modell szerint felírvaaz egyenletet
dN
dt= rN, (23)
ahol r a gyarapodási ráta és
r = b− d = g(N), (24)
tehát a születési és a halálozási ráta különbségéb®l származik. A populációegyedszámát egy t id®pontban megadhatjuk, a megoldás ekkor:
N(t) = N0ert. (25)
10
Ennek hátránya, hogy nem reálisan modellezi a valóságot, mert a t→∞-beesetén a populáció a végtelenbe tart.
Határozzuk meg a modell egyensúlyi pontját, mely az a pont, ahol tid®függvényben a rendszer nyugalmi állapotban van. Az egyensúlyi pontokaz
dN
dt= f(N) = Ng(N) = Nr = 0 (26)
egyenlet gyökei, ahol r ∈ R \ {0}, azaz N∗ = 0. Lineáris esetben az r el®jeledönti el a stabilitást. Ha r < 0, akkor stabil az egyensúlyi pont, ellenkez®esetben instabil a modell egyensúlyi pontja.
Vegyük az f(N) = rN egyenletet, melyben az r a gyarapodási ráta.Nézzük meg, hogy mi történik, ha a kezdeti értéket változtatjuk.
Ha r-t 2-nek választjuk, akkor oldjuk meg az ˙N(t) = 2N di�erenciál-egyenletet a [0, 1] intervallumon Matlab segítségével:
function dNdt=kor(t,N)
dNdt=[2*N];
A Matlab-ban az ode45 függvény segítségével oldjuk meg:
[t1,N1] = ode45(@kor,[0;1],0);
[t2,N2] = ode45(@kor,[0;1],1);
[t3,N3] = ode45(@kor,[0;1],5);
[t4,N4] = ode45(@kor,[0;1],30);
hold on
subplot(2,1,1)
plot(t1,N1(:,1),t2,N2(:,1),t3,N3(:,1),t4,
N4(:,1),'Linewidth', 1.5);
title('Kezdeti érték változtatása');
xlabel('t id®');
ylabel('populáció');
legend('r=2, N0=0','r=2, N0=1', 'r=2, N0=5',
'r=2, N0=30')
hold off
11
1. ábra. Korlátlan növekedés modellje
Az (1). ábrán látható, ha a gyarapodási ráta pozitív, akkor exponenciáli-san növekszik a populáció az adott intervallumon belül. A modell egyensúlyipontja 0, tehát a kezdeti értéket ha 0-nak választjuk látható, hogy nem tör-ténik növekedés. Ha r = 2 és 0-tól különböz® kezdeti értékeket vizsgálunk,akkor a kezdeti értékt®l függ® gyorsasággal n® a populáció. Az alsó ábrán egycsökken® populáció látható, hiszen a gyarapodási rátát egy negatív számnakválasztottuk, −2-nek. Ebben az esetben is 4 különböz® kezdeti értéket vizs-gáltunk, ha a kezdeti értéket 0-nak választottuk, akkor szintén nem történtsemmi változás, egyensúlyi helyzet állt fenn. Ha N0-nak pozitív értékeket ad-tunk, akkor pedig egy exponenciális csökkenés �gyelhet® meg. Minél kisebba kezdeti érték annál gyorsabban tart a 0-hoz.
12
2.2. Korlátos növekedés modellje
A gyarapodási ráta növekedése függ a környezeti eltartóképességt®l (ener-giaforrás, h®mérséklet, stb.). Ezt a logisztikus növekedési modell (Verhulstmodell) írja le az alábbi
g(N) = r(
1− N
K
)(27)
egyenlettel, melyben r a lineáris születési arány és K az eltartóképesség. AzN << K esetén a
dN
dt' rN ⇒ N ' N0e
rt (28)
közelíthetjük. Azonban, ha N tart K-hoz, akkor dNdt→ 0, tehát a növekedési
ráta 0-hoz tart. Mivel
dN
dt= rN
(1− N
K
), így (29)
N(t) =N0Ke
rt
K +N0(ert − 1)(30)
tart K-hoz, ha t → ∞-hez. Bár a logisztikus növekedési modell a korláto-zott növekedés miatt közelebb áll a valósághoz, f®ként a népességi adatokesetén kapunk pontos eredményt, de eltérés lehet más egyedek esetében (pl.baktériumok, gombák, patkányok, stb.).
Határozzuk meg ennek a modellnek is az egyensúlyi pontját, mely az apont, ahol t id®függvényben a rendszer nyugalmi állapotban van. Az egyen-súlyi pontok az
dN
dt= f(N) = Ng(N) = Nr = 0 (31)
egyenlet gyökei, ahol r ∈ R \ {0}. Tehát
f(N) = rN(
1− N
K
)= 0 (32)
egyenlet megoldásának meghatározásával kaphatjuk meg a modell egyensúlyipontját. Jelöljük N∗-gal az egyensúlyi pontot!
Az egyenlet pontosan abban a két esetben 0:
13
1. ha az rN = 0, de mivel r ∈ R \ {0}, így az rN pontosan akkor 0, haN∗ = 0,
2. ha az 1− NK
= 0, tehát NK
= 1, amelyb®l következik, hogy N∗ = K.
Nemlineáris esetben az r el®jele dönti el a stabilitást. Ezért számítsuk kiaz f(N) deriváltját és vizsgáljuk meg az egyensúlyi pontokban az r el®jelét:
f(N) = r − 2rN
K(33)
1. ha az N∗ = 0, akkor f(0) = r > 0 ⇒ instabil,
2. ha az N∗ = K, akkor f(K) = −r < 0 ⇒ stabil.
Vegyük az f(N) = rN(
1− NK
)egyenletet, ahol r a lineáris születési arány
és K az eltartóképesség. Ebben az esetben is azt vizsgáljuk, hogy különböz®kezdeti értékek esetén milyen változást �gyelhetünk meg a populáció számát
tekintve. Vizsgáljuk az N(t) = 2N(
1 − N200
)di�erenciálegyenletet a [0, 5]
intervallumon Matlab segítségével:
function dNdt=kor2(t,N)
dNdt=[2*N*(1-N/200)];
A Matlab-ban az ode45 függvény segítségével oldjuk meg:
[t1,N1] = ode45(@kor2,[0;5],50);
[t2,N2] = ode45(@kor2,[0;5],100);
[t3,N3] = ode45(@kor2,[0;5],200);
[t4,N4] = ode45(@kor2,[0;5],220);
hold on
subplot(2,1,1)
plot(t1,N1(:,1),t2,N2(:,1),t3,N3(:,1),
t4,N4(:,1),'Linewidth', 1.5);
title('Kezdeti érték változtatása');
xlabel('t id®');
ylabel('populáció');
legend('K=200, r=2, N0=50','K=200, r=2, N0=100'
'K=200, r=2, N0=200','K=200, r=2, N0=220')
hold off
14
2. ábra. Korlátos növekedés modellje
A (2). ábrán látható, hogy a megoldás tart az eltartóképességhez, vagyis200-hoz, viszont minél nagyobbnak választjuk r-t, azaz a gyarapodási rátát,annál gyorsabban fog a K-hoz tartani. Az els® ábrán mikor a kezdeti értéketegy K-nál kisebb számnak választottuk, akkor a függvény exponenciálisann®t, mikor N0 > K, akkor pedig exponenciálisan csökkent. Az alsó ábránugyanez �gyelhet® meg, de mivel r értékét nagyobbnak választottuk, ígygyorsabban tart az eltartóképességhez.
3. Kétszerepl®s modellek
3.1. Ragadozó-zsákmány modellek
A leggyakoribb ragadozó-zsákmány modell a Lotka-Volterra modell. AlfredLotka az els®k közt publikálta Analytical note on certain rhythmic relations
15
in organic systems cím¶ cikkét, melyben egy növényev® faj és táplálékánakmodelljét vizsgálta di�erenciálegyenletek segítségével. Kutatása során arraaz eredményre jutott, hogy e két faj matematikai modellje periodikusan osz-cillál. T®le függetlenül az olasz Vito Volterra szintén arra a következtetésrejutott, hogy a megoldás a kezdeti értékekt®l függ® t periódusid®vel folyama-tosan oszcillál. Volterra az Adriai-tenger halállományát vizsgálta, melybenösszevetette az I.világháború idején a különböz® kiköt®kben kifogott porcoshalak arányát a teljes kifogott halmennyiséggel. Arra lett �gyelmes, hogy aragadozók száma egyre n®tt a halászat mértékének csökkenésével, míg ebbenaz id®szakban ezen halak táplálékául szolgáló kisebb halak aránya csökkent.Illetve azt is meg�gyelte, hogy egy periódus alatt a ragadozók és a zsákmá-nyok átlaga független a kezdeti értékt®l. Vagyis ha csökkentjük a halászatmértékét, akkor n® a zsákmányállatok száma, míg a ragadozók kihalási rátájacsökken. Tehát mindketten arra a következtetésre jutottak, hogy a zsákmánypopuláció növekedése függ az adott populáció méretét®l, míg csökkenését aragadozó populáció szabja meg. Ezzel szemben a ragadozók növekedését azsákmány populáció mérete határozza meg, míg csökkenésük az adott popu-láció méretét®l függ. A mai napig számos kérdés felmerül a Lotka-Volterramodell pontosságával kapcsolatban, de mégis ez a modell a populációdina-mika leggyakrabban használt modellje. Ha N(t) a zsákmány populációjaés P (t) a ragadozó populációja t id®ben, akkor a Lotka-Volterra modell akövetkez®képpen írható fel:
dN
dt= N(b− aP ) = f1(N,P ),
dP
dt= P (cN − d) = f2(N,P ).
(34)
Az egyenletrendszert átrendezve:dN
dt= bN − aNP = f1(N,P ),
dP
dt= cNP − dP = f2(N,P ),
(35)
ahol a,b,c,d ∈ R pozitív paraméterek.A feltevések a modellben:
• Az a paraméter mutatja a zsákmányállatok csökkenésének mértékét aragadozók hatására.
16
• A b paraméter a zsákmányok növekedési rátája abban az esetben, hanincsenek zsákmány állatok.
• A d paraméter a ragadozó populáció csökkenését jelenti, abban az eset-ben, ha nincsenek zsákmány állatok.
• A zsákmányok száma a ragadozók hiányában korlátlan n®, ez a bNkifejezés a képletben.
• A zsákmányok hiányában a ragadozók halálozási rátája exponenciálisann®, ez a −dP kifejezés a fenti egyenletrendszerben.
Ennek a modellnek igaz vannak hátrányai, de hasznos a fontos kérdések meg-válaszolásához, illetve a valóságosabb modellek elkészítéséhez. Ez a f® moti-váció, hogy ezt a modellt tanulmányozzuk. Tegyük fel, hogy N és P nemne-gatívak! Határozzuk meg az egyensúlyi pontokat a fenti egyenletrendszerb®l,melyeket P ?-gal és N?-gal jelöljünk:
1.
dN
dt= N(b− aP ) = 0⇒ N = 0 vagy b− aP = 0 (36)
N? = 0 P ? =b
a(37)
2.
dP
dt= P (cN − d) = 0⇒ P = 0 vagy cN − d = 0 (38)
P ? = 0 N? =d
c(39)
Tehát az egyensúlyi pontok a (0, 0) és a(dc, ba
).
Vizsgáljuk meg a stabilitásukat a
J =
∂f1∂N
∂f1∂P
∂f2∂N
∂f2∂P
(40)
alakú Jacobi mátrix segítségével.
17
Helyettesítsük be a di�erenciálegyenlet-rendszerb®l N és P deriváltjait: ∂∂N
(b− aP )N ∂∂P
(b− aP )N
∂∂N
(cN − d)P ∂∂P
(cN − d)P
=
(b− aP ?) −aN?
cP ? cN? − d
. (41)
Helyettesítsük be a kapott egyensúlyi pontokat:
• A (0, 0) pontban:
J =
(b 00 −d
), (42)
majd határozzuk meg a mátrix sajátértékét:
det
(b− λ 0
0 −d− λ
)= 0 (43)
b− λ = 0⇒ λ = b (44)
vagy
−d− λ = 0⇒ λ = −d. (45)
A sajátértékek b és −d, ezért a (0, 0) egyensúlyi pont instabil.
• A(dc, ba
)pontban:
J =
(b− a
(ba
))−a(dc
)(c(ba
)) (c(dc
)− d) =
(0 −ad
ccba
0
), (46)
majd határozzuk meg a mátrix sajátértékét:
det
(0− λ −ad
ccba
0− λ
)= 0 (47)
(0− λ)2 −(−(adc
)(cba
))= 0
λ2 + db = 0
λ2 = −db
λ = ±√−db = ±i
√db. (48)
18
A sajátértékek ±i√db, melyr®l belátható, hogy a
(dc, ba
)egyensúlyi pont
centrum, azaz a pályák zárt görbék. A [2]. forrásként megjelölt könyvbenerr®l részletes levezetés olvasható.
Szemléltessük a Matlab segítségével, hogy t id® függvényében hogyanalakul a két populáció mérete!
f = @(t,x) [x(1)-1/2*x(1)*x(2);x(1)*x(2)-x(2)];
[t,xa] = ode45(f,[0 50],[1/2 1/2]);
plot(t,xa(:,1), t, xa(:,2),'Linewidth', 1.5)
title('Lotka-Volterra modell')
ylabel('ragadozók és áldozatok')
xlabel('t id®')
legend('zsákmány','ragadozó')
3. ábra. Ragadozó-zsákmány modell I
A (3). ábrán az a = 12, b = 1, c = 1, és d = 1 paramétereket használtuk.
A pozitív konstansok behelyettesítésével látható, hogy a kezdeti értékekt®l(12, 12
)és az egyensúlyi ponttól ((0, 0), (1, 2)) eltér® értékeknél az egyedszá-
mok periodikusan változnak. Azt tapasztaljuk, hogy az id®ben el®rehaladvaegy állandó kilengéssel ingadozó (oszcilláló) görbét rajzol ki a ragadozó ésa zsákmány egyedszámának változása. Fontos, hogy a természetben ilyen
19
állapot ritkán, vagy sohasem alakul ki, hiszen ott számtalan más tényez® isbefolyásolja a két állomány változását.
Rajzoljuk ki a Matlab segítségével a két fajt, hogy a megoldások az N(t)és P (t) fázissíkban legyenek ábrázolva! A (4). ábra a ragadozók és a zsákmá-nyok közti kölcsönhatást mutatja, egy körforgást, mely az egyensúlyi állapotkörül rajzolható ki.
f = @(t,x) [x(1)-1/2*x(1)*x(2);x(1)*x(2)-x(2)];
[t,xa] = ode45(f,[0 50],[1/2 1/2]);
plot(xa(:,1),xa(:,2),'Linewidth', 1.5)
title('Lotka-Volterra modell')
ylabel('ragadozók')
xlabel('zsákmány')
4. ábra. Ragadozó-zsákmány modell II
20
3.2. Verseng® modell
A természetben a fajok versengésének fontossága nyilvánvaló. Csak egyet-len, kifejezetten egyszer¶ modellt vizsgálunk, de ez a módszer meglehet®senáltalános. Ezeknél a modelleknél két vagy több faj verseng ugyanazért akorlátozott táplálékforrásért vagy valamilyen módon gátolják egymás szapo-rodását. Például versenyezhetnek az élelmiszerforrásként szolgáló területért.1979-ben feljegyzések jelentek meg ezekr®l az érdekes jelenségekr®l, amelybenolyan természetben is meg�gyelhet® általános elv alapján mutatják be a ver-seng® modellt, mint két faj versengését ugyanazon korlátozott er®forrásért.Ennek eredményeképp az egyik faj kihal.
Nézzük a Lotka-Volterra verseng® modellt, melyben két faj, N1 és N2
egyértelm¶ növekedése látható a másik hiányában. Ennek a növekedésneka számba vétele a Lotka-Volterra modelleket sokkal valóságh¶bbé teszi. Azegyszer¶ség kedvéért most egy egyszer¶bb modellt vizsgálunk, amely tük-rözi a bonyolultabb modellek tulajdonságait, különösen a stabilitást. Ez amodell nem olyan korlátozott rendszer, mint a Lotka-Volterra-féle ragadozó-zsákmány modell. Ezáltal a vizsgálandó di�erenciálegyenlet-rendszer
dN1
dt= r1N1
[1− N1
K1
− b12N2
K1
]dN2
dt= r2N2
[1− N2
K2
− b21N1
K2
] (49)
alakú, ahol r1, K1, r2, K2, b12, b21 pozitív konstansok.Feltevések a modellben:
• Az r1 és az r2 a két faj születési rátája.
• A K1 és a K2 a két faj eltartóképessége.
• A b12 és a b21 a két faj közötti kapcsolatot fejezi ki. Feltehet®, hogy akét paraméter általában nem egyenl®.
• A b12 az N2-nek az N1-re gyakorolt hatása.
• A b21 az N1-nek az N2-re gyakorolt hatása.
21
Vezessünk be új változókat, legyenek:
u1 =N1
K1
, u2 =N2
K2
, τ = r1t,
% =r2r1, a12 = b12
K2
K1
, a21 = b21K1
K2
.
(50)
Az így kapott di�erenciálegyenlet-rendszer:du1dτ
= u1(1− u1 − a12u2) = f1(u1, u2)
du2dτ
= %u2(1− u2 − a21u1) = f2(u1, u2).
(51)
Az egyensúlyi pontokat az
f1(u1, u2) = f2(u1, u2) = 0
egyenlet megoldásai adják, jelöljük u?1-gal és u?2-gal. A fenti egyenletet meg-
oldva megkapjuk, hogy
1. u?1 = 0 és u?2 = 0, tehát a P1 = (0, 0),
2. u?1 = 1 és u?2 = 0, tehát a P2 = (1, 0),
3. u?1 = 0 és u?2 = 1, tehát a P3 = (0, 1),
4. u?1 = 1−a121−a12a21 és u?2 = 1−a21
1−a12a21 , ha u?1 ≥ 0, u?2 ≥ 0 és
a12a21 6= 1. Tehát a P4 pont koordinátái az(
1−a121−a12a21 ,
1−a211−a12a21
).
Az egyensúlyi pontok stabilitása az alábbi Jacobi-mátrix segítségével ad-ható meg:
J =
∂f1∂u1
∂f1∂u2
∂f2∂u1
∂f2∂u2
. (52)
Helyettesítsük be a di�erenciálegyenlet-rendszerb®l a deriváltakat:
J =
1− 2u1 − a12u2 −a12u1
−%a21u2 %(1− 2u2 − a21u1)
. (53)
Helyettesítsük be a kapott egyensúlyi pontokat:
22
• A P1 = (0, 0) pontban a Jacobi-mátrix
J(P1) =
(1 00 %
)(54)
alakú. Számítsuk ki a mátrix sajátértékeit a
det
(1− λ 0
0 %− λ
)= 0 (55)
egyenlet megoldásával. Az alábbi
(1− λ)(%− λ) = 0 (56)
egyenletb®l következik, hogy a mátrix sajátértékei a
λ1 = 1 és a λ2 = % =r2r1. (57)
Mivel mindkét sajátérték pozitív, így a P1 egyensúlyi pontban instabila modell.
• Az P2 = (1, 0) pontban a Jacobi-mátrix
J(P2) =
(−1 −a120 %(1− a21)
)(58)
alakú. Számítsuk ki a mátrix sajátértékeit a
det
(−1− λ −a12
0 %(1− a21)− λ
)= 0 (59)
egyenlet megoldásával. Az alábbi
(−1− λ)(%(1− a21)− λ) = 0 (60)
egyenletb®l következik, hogy a mátrix sajátértékei a
λ1 = −1 és a λ2 = %(1− a21) =r2r1
(1− b21
K1
K2
). (61)
Tehát, ha az
a21 = b21K1
K2
> 1 (62)
23
teljesül, akkor stabil a P2 = (1, 0) egyensúlyi pontban a modell. Hapedig az
a21 = b21K1
K2
< 1 (63)
igaz, akkor instabil a P2 = (1, 0) egyensúlyi pontban a modell.
• A P3 = (0, 1) pontban a Jacobi-mátrix
J(P3) =
(1− a12 0−%a21 −%
)(64)
alakú. Számítsuk ki a mátrix sajátértékeit a
det
((1− a12)− λ 0−%a21 −%− λ
)= 0 (65)
egyenlet megoldásával. Az alábbi
((1− a12)− λ)(−%− λ)− (−%a21) = 0 (66)
egyenletb®l következik, hogy a mátrix sajátértékei a
λ1 = −% = −r2r1
és a λ2 = 1− a12 = 1− b12K2
K1
. (67)
Tehát, ha az
a12 > 1 (68)
igaz, akkor stabil a P3 = (0, 1) egyensúlyi pontban a modell. Ha pediga
a12 < 1 (69)
teljesül, akkor instabil a P3 = (0, 1) egyensúlyi pontban a modell.
• A P4 =(
1−a121−a12a21 ,
1−a211−a12a21
)pontban a Jacobi-mátrix
J(P4) = (1− a12a21)−1(
a12 − 1 a12(a12 − 1)%a21(a21 − 1) %(a21 − 1)
)(70)
24
alakú. Számítsuk ki a mátrix sajátértékeit a
det(1− a12a21)−1(
(a12 − 1)− λ a12(a12 − 1)%a21(a21 − 1) (%(a21 − 1))− λ
)= 0 (71)
egyenlet megoldásával. Az alábbi
(1− a12a21)−1{((a12 − 1)− λ)((%(a21 − 1))− λ)−−[(a12(a12 − 1))(%a21(a21 − 1))]} = 0
(72)
egyenletb®l következik, hogy a mátrix sajátértékei a
λ1,2 = [2(1− a12a21)]−1[(a12 − 1) + %(a21 − 1)±{[(a12 − 1) + %(a21 − 1)]2 − 4%(1− a12a21)(a12 − 1)(a21 − 1)}
12 ].(73)
Az egyensúlyi pont stabilitása függ a % = r2r1, a a12 = b12
K2
K1, és a21 = b21
K1
K2
nagyságától.A különböz® eseteket megvizsgálva kapjuk, hogy
1. az a12 = b12K2
K1< 1 és az a21 = b21
K1
K2< 1,
2. az a12 = b12K2
K1> 1 és az a21 = b21
K1
K2> 1,
3. az a12 = b12K2
K1< 1 és az a21 = b21
K1
K2> 1,
4. az a12 = b12K2
K1> 1 és az a21 = b21
K1
K2< 1.
Tekintsük át ezeknek az eredményeknek néhány ökológiai hatását!Az (1). esetben létezik olyan egyensúlyi pont, ahol mindkét faj egymás
mellett él. Ami az eredeti paramétereket illeti, (az (50). képlet alapján) ezekmegfelelnek a
b12K2
K1
< 1-nek és a b21K1
K2
< 1-nek. (74)
Ha K1 és K2 megközelít®leg azonos és a b12 és b21 által mért fajok köztiversengés nem túl er®s, akkor azt mondjuk, hogy a két faj egyszer¶bbenalkalmazkodik az alacsonyabb populációmérethez, mintha nem lenne versen-gés. Más szóval a verseny nem agresszív. Viszont ha a b12 és a b21 majdnem
25
egyenl®ek és a K1 és a K2 különböz®ek, akkor nehezen határozható meg,hogy mi fog történni.
A (2). esetben ha a K-k körülbelül egyenl®ek, akkor a b12 és b21 nagy.Az elemzés szerint a verseny olyan, hogy mindhárom nem triviális egyensú-lyi állapot létezhet, de csak az (1, 0) és a (0, 1) egyensúlyi pontok stabilak.Az egy kényes kérdés, hogy végül melyik gy®z. Nagyban függ attól, hogyaz egyes fajok milyen kezdeti el®nyökkel indulnak. Ha N1-nek van kezdetiel®nye, akkor el®bb-utóbb a második faj kihal, u2 → 0-hoz és u1 → 1-heztart, tehát N1 tart K1-hez, vagyis az N1 maximális növekedési határa a K1
eltartóképesség. Így a versenyb®l az N2 kiesett. Másrészt ha N2-nek van kez-deti méret el®nye, akkor u1 → 0-hoz és u2 → 1-hez tart. Ez esetben N1 fajfog kihalni és N2 tart K2-höz, a környezeti eltartóképességéhez. Számítunkvalamely faj kihalására még akkor is, ha a kezdeti populációk közel vannaka választóvonalhoz, s®t valójában már elérték, hiszen az állandó, véletlensze-r¶ ingadozások mindenképp azt fogják eredményezni, hogy az egyik ui, aholi = 1, 2, a 0-hoz fog tartani.
Szemléltessük ezt az esetet gra�kusan a Matlab program segítségével!Legyen r1 = 2, r2 = 3, K1 = 3, K2 = 2, b12 = 5 és b21 = 4. Ekkor látható,hogy tényleg az a12 = b12
K2
K1> 1 és az a21 = b21
K1
K2> 1. Ha mindkét faj
kiindulási értékét 12-nek választjuk, akkor látható az (5).ábrán, hogy az N2
faj kihal, míg az N1 tart az eltartó képességéhez, tehát K1 = 3-hoz.
Programkód:
f = @(t,x) [2*x(1)*(1-1/3*x(1)-5/3*x(2));3*x(2)*(1-1/2*x(2)-4/2*x(1))];
[t,xa] = ode45(f,[0 10],[1/2 1/2]);
plot(t,xa(:,1), t, xa(:,2),'Linewidth', 1.5)
title('Verseng® modell')
ylabel('A két populáció')
xlabel('t id®')
legend('N1 faj','N2 faj')
26
5. ábra. Verseng® modell ugyanazon kezdeti értékek esetén
Ha azt az esetet nézzük, ha az N2 fajnak van kezdeti el®nye, akkor a fentleírtak a (6).ábrán is jól láthatók, tehát az N1 kihal és N2 tart az eltartóké-pességéhez, K2 = 2-höz.
Programkód:
f = @(t,x) [2*x(1)*(1-1/3*x(1)-5/3*x(2));3*x(2)*(1-1/2*x(2)-4/2*x(1))];
[t,xa] = ode45(f,[0 10],[1/2 1]);
plot(t,xa(:,1), t, xa(:,2),'Linewidth', 1.5)
title('Verseng® modell')
ylabel('A két populáció')
xlabel('t id®')
legend('N1 faj','N2 faj')
27
6. ábra. Verseng® modell különböz® kezdeti értékek esetén
A (3). és a (4). esetekben az egyes fajok közti versenyekben az egyik fajsokkal er®sebb, mint a másik. Vagy az eltartó képességek eléggé különböznek,ezáltal az
a12 = b12K2
K1
< 1 és az a21 = b21K1
K2
> 1, (75)
vagy alternatív módon az
a12 = b12K2
K1
> 1 és az a21 = b21K1
K2
< 1. (76)
Ezek nagyon meghatározóak a végs® eredményben. A (3).-nál az u1 fajokdominálnak a versenynél és a másik u2 fajok kihalnak. Ezzel szemben a(4).-ben ez fordítva történik és u1 fog kihalni.
Bár nem mindegyik esetb®l következik a fajok kihalása, de (3). és (4).ezt eredményezi, illetve a (2). is, hiszen ez elkerülhetetlen a népességi szintektermészetes ingadozása következtében. Ez vezetett a versenytársak kizárásá-hoz, melyet fentebb említettünk. Vegyük azt észre, hogy a feltételek függeneka bevezetett paraméter csoportoktól, a12-t®l és a21-t®l. A növekedési ütemarányának paramétere (%) nem befolyásolja a stabilitási eredményeket, csaka rendszer dinamikáját. Mivel a12 = b12
K2
K1és a21 = b21
K1
K2, a feltételek a ver-
senytársak kizárásánál er®sen függnek a verseny és az eltartóképesség köztikölcsönhatástól, olyannyira, mint a kiindulási feltételekt®l a (2). esetben.
28
Tekintsük azt az esetet, ha van kis és nagy állatokat átfogó két fajcsoportés mindketten ugyanazért a f¶ért, ugyanazon területen versengenek. Azt istegyük fel, hogy egyformán versenyképesek, tehát b12 = b21. Legyen N1 anagy és N2 a kis állatok, K1 < K2, így
a12 = b12K2
K1
< b21K2
K1
= a21. (77)
Nézzük meg mi történik, ha b12 = 1 = b21 és a12 < 1, a21 > 1. Ekkor azN1 → 0-hoz és N2 → K2-höz, tehát a nagyobb állatok fognak kihalni. Egyspeciális helyzet az a12 = 1 = a21, a valóságban nem valószín¶ a gyakorisztochasztikus változékonyság a természetben. Ebben az esetben egy vagymás fajok versenyb®l való kizárása is el®fordulhat.
3.3. Mutualizmus és szimbiózis
Számos példa van arra, hogy kett® vagy több faj olyan együttm¶ködést foly-tat, amely mindegyikük számára el®nyös. A mutualizmus vagy a szimbiózisgyakran fontos szerepet játszik egyes fajok fenntartásában. A mutualizmus-ra megfelel® példa az állatok általi virágmegporzás, mely mindkét populációel®nyére válik. A növény számára ez az ivaros szaporodást teszi lehet®vé, míga megporzó egyed számára ez a táplálékfelvétel egyik formája. A szimbiózis,másnéven együttélés a mutualizmus egyik formája. Ez egy szorosabb kapcso-lat a fajok között. Erre jó példa a fák szétroncsolását végz® gombák és egyesbaktériumok között fennálló szimbiózis. A gomba szénforráshoz jutattja abaktériumokat a lebontó tevékenysége révén, míg a baktériumok biztosítjáka gomba fejl®déséhez szükséges organikus anyagokat. Még akkor is, ha atúlélésük nem forog kockán, a mutualizmusból vagy szimbiózisból származóközös el®ny nagyon fontos lehet. Az elméleti ökológia ezen területe nem lettolyan széles körben tanulmányozva, mint a többi, még két fajra sem, annakellenére, hogy fontossága összehasonlítható a ragadozó-zsákmány és a versenymodellekkel. Ez részben annak köszönhet®, hogy az egyszer¶ Lotka-Volterramodellek furcsa eredményeket hoztak. A legegyszer¶bb mutualizmus modellegyenérték¶ a klasszikus Lotka-Volterra ragadozó-zsákmány modellel:
dN1
dt= r1N1 + a1N1N2
dN2
dt= r2N2 + a2N2N1,
(78)
29
ahol r1,r2,a1 és a2 pozitív valós konstansok. Mivel dN1
dt> 0 és dN2
dt> 0, így
N1 és N2 korlátlanul n®nek.A reális modell szemlélteti:
• a kölcsönös hasznot mindkét faj számára (általánosan annyi faj számá-ra, ahány a modellben szerepel),
• számos pozitív egyensúlyi állapotát vagy a határciklus típusú oszcillá-ciót.
Ahhoz, hogy egy értelmes modellt készítsünk el 2 fajjal, az els® lépés,hogy beiktatunk egy korlátozott eltartóképességet mindkét faj számára és�gyelembe vesszük az alábbi egyenletrendszert:
dN1
dt= r1N1
(1− N1
K1
+ b12N2
K1
)dN2
dt= r2N2
(1− N2
K2
+ b21N1
K2
),
(79)
ahol r1, r2, K1, K2, b12 és b21 pozitív konstansok. Ha ugyanúgy azokat az újváltozókat használjuk, mint a verseny modellnél (50) (A verseny modellnék ab-k el®tt negatív el®jelek vannak!), akkor megkapjuk az alábbi egyenletrend-szert:
du1dτ
= u1(1− u1 − a12u2) = f1(u1, u2)
du2dτ
= %u2(1− u2 − a21u1) = f2(u1, u2).
(80)
A bevezetett új változók:
u1 =N1
K1
, u2 =N2
K2
, τ = r1t,
% =r2r1, a12 = b12
K2
K1
, a21 = b21K1
K2
.
(81)
Vizsgáljuk meg a modell egyensúlyi pontjait, amit az
f1(u1, u2) = f2(u1, u2) = 0
egyenlet megoldásai adnak, jelöljük (u?1, u?2)-gal. Az egyenletet megoldva kap-
juk:
30
1. az u?1 = 0 és u?2 = 0, tehát a P ?1 = (0, 0),
2. az u?1 = 1 és u?2 = 0, tehát a P ?2 = (1, 0),
3. az u?1 = 0 és u?2 = 1, tehát a P ?3 = (0, 1),
4. az u?1 = 1+a12δ
és u?2 = 1+a21δ
pozitív, ha δ = 1 − a12a21 > 0.
Tehát a P ?4 pont koordinátái
(1+a12δ, 1+a21
δ
).
Az egyensúlyi pontok stabilitása az alábbi Jacobi-mátrix segítségével adhatómeg:
J =
∂f1∂u1
∂f1∂u2
∂f2∂u1
∂f2∂u2
. (82)
Helyettesítsük be a fenti di�erenciálegyenlet-rendszerb®l a deriváltakat:
J =
1− 2u1 − a12u2 −a12u1
−%a21u2 %(1− 2u2 − a21u1)
. (83)
Majd helyettesítsük be a mátrixba a verseng® modellhez hasonlóan akapott P ?
1 , P?2 , P
?3 és P ?
4 egyensúlyi pontokat és számítsuk ki a mátrix sa-játértékeit. Mivel a P ?
1 , P?2 , P
?3 egyensúlyi pontok megegyeznek a P1, P2, P3
egyensúlyi pontokkal és a Jacobi-mátrixok is ugyanazok, így a sajátértékekis megegyeznek a verseng® modell P1, P2, P3 egyensúlyi pontjának saját-értékeivel. Tehát a P ?
1 egyensúlyi pontban vett Jacobi-mátrix sajátértékeia
λ1 = 1 és a λ2 = % =r2r1. (84)
A P ?2 egyensúlyi pontban vett Jacobi-mátrix sajátértékei a
λ1 = −1 és a λ2 = %(1− a21) =r2r1
(1− b21
K1
K2
). (85)
A P ?3 egyensúlyi pontban vett Jacobi-mátrix sajátértékei a
λ1 = −% = −r2r1
és a λ2 = 1− a12 = 1− b12K2
K1
. (86)
31
A P ?4 =
(1+a12δ, 1+a21
δ
)pontban a Jacobi-mátrix
J(P ?4 ) =
(1− 21+a12
δ− a12 1+a21δ
−a12 1+a12δ
−%a21 1+a21δ%(
1− 21+a21δ− a21 1+a12δ
) ) (87)
alakú. Számítsuk ki a mátrix sajátértékeit a
det
(1− 21+a12
δ− a12 1+a21δ
)− λ −a12 1+a12δ
−%a21 1+a21δ
(%(
1− 21+a21δ− a21 1+a12δ
))− λ
= 0
(88)
egyenlet megoldásával. Az alábbi{(1− 2
1 + a12δ
− a121 + a21δ
)− λ}
{(%(
1− 21 + a21δ
− a211 + a12δ
))− λ}−
−(− a12
1 + a12δ
)(− %a21
1 + a21δ
)= 0
(89)
egyenletb®l következnek a mátrix sajátértékei.A sajátértékek kiszámítása után látható, hogy mindhárom egyensúlyi
pont instabil. A P ?1 = (0, 0) instabil, az P ?
2 = (1, 0) és a P ?3 = (0, 1) in-
stabil nyeregpont.Ha
1− a12a21 < 0,
akkor már csak 3 egyensúlyi pont lesz, a P ?1 , a P
?2 és a P ?
3 , így a populációkkorlátlan n®nek. Ez jól látható, ha az egyenletrendszerek alapján gra�kusanábrázoljuk a null klinákat a fázis síkban, nevezetesen f1 = 0-t és f2 = 0-t. Afázispályák a végtelenhez tartanak a tartományban, amelyben u1 → ∞-hezés u2 → ∞-hez tart. Ha a paramétereket r1 = 1-nek, r2 = 2-nek, K1 = 2-nek, K2 = 3-nak, b12 = 2-nek és b21 = 1-nek választjuk és N1 és N2 a[−2.5, 2.5] intervallumban van értelmezve, akkor az 1 − a12a21 = −1, tehátnegatív. Emellett mivel a δ negatív, így csak a P ?
1 , a P?2 és a P ?
3 egyensúlyipontok léteznek. Az iránymez®k kirajzolása után a (7).ábrán látható, hogya fázispályák valóban a végtelenhez tartanak a tartományban. A (8). ábránegy törött vonalat látunk, ami szemlélteti, hogy a modell elszáll a végtelenbe.
32
Programkód:
[x1, x2] = meshgrid(-2.5:0.5:2.5, -2.5:0.5:2.5);
x1dot = x1.*(1-1/2*x1 + 2/2 *x2);
x2dot = 2*x2.*(1-1/3*x2+1/3*x1);
quiver(x1,x2,x1dot, x2dot)
title('Iránymez®')
ylabel('N2 faj')
xlabel('N1 faj')
7. ábra. Iránymez® kirajzolása I.
33
8. ábra. A mutualizmus modell I.
Ha1− a12a21 > 0,
akkor a negyedik egyensúlyi állapot, a P ?4 is létezik a pozitív negyedben.
A mátrix sajátértékeib®l leolvasható, hogy ez stabil egyensúlyi helyzet, ezegy csomópont szingularitás a fázis síkban. Itt az összes pálya a pozitív ne-gyedben, u?1 > 1-hez és u?2 > 1-hez tart. Tehát N1 > K1 és N2 > K2 és azösszes faj populációjának az egyensúlyi állapota megnövekedik elszigeteltség-ben. Ha a paramétereket r1 = 1-nek, r2 = 2-nek, K1 = 2-nek, K2 = 1-nak,b12 = 1-nek és b21 = 0.5-nek választjuk és N1 és N2 a [−4, 4] intervallumbanvan értelmezve, akkor az 1− a12a21 = 0.5, tehát pozitív. Emellett mivel a δpozitív, így mind a 4 egyensúlyi állapot létezik, a P ?
4 = (3, 1). A (9). ábránaz iránymez®k láthatók, míg a (10). ábra mutatja, hogy valóban N1 > K1 ésN2 > K2, hiszen mindkét faj túln®tt eltartóképességén.
34
9. ábra. Iránymez®k kirajzolása II.
10. ábra. A mutualizmus modell II.
Ennek a modellnek vannak bizonyos hátrányai. Az egyik a korlátlannövekedés és a véges pozitív egyensúlyi állapot közti érzékenység. Ez függaz a12a21 < 1 egyenl®tlenségt®l, amely az eredeti paraméterek szempontjábólazt jelenti, hogy b12b21 < 1. A b-k az új paraméterek bevezetése nélküliértékek. Tehát, ha bármely faj szimbiózisa túl nagy, az utóbbi feltétel nemteljesül és mindkét faj populációja korlátlan n®.
35
4. Összefoglalás
Az els® fejezetben a populációdinamikát mutattuk be, illetve azt, hogy di�e-renciálegyenletekkel modellezzük egy populáció méretének változását. Majdaz ehhez szükséges alapfogalmakat de�niáltuk, a feladatok megoldásához se-gítségül szolgáló Matlab nev¶ programozási nyelvet ismertettük. Itt foglal-koztunk a nemlineáris és a lineáris di�erenciálegyenletek stabilitásával, azegyensúlyi pontok vizsgálatával.
A következ® fejezetben a korlátlan és a korlátos növekedés modelljévelfoglalkoztunk. A korlátlan modell egyensúlyi pontja 0 volt, így a stabilitásta gyarapodási ráta el®jele döntötte el. Negatív el®jel esetén stabil volt amodell, ilyenkor a populáció exponenciálisan csökkent. Pozitív gyarapodásiráta esetén exponenciálisan n®tt a populáció. A korlátos modell egyensúlyipontjai 0 és K (az eltartóképesség) voltak. Itt is mindkét esetben a gyarapo-dási ráta el®jele döntötte el hasonló módon a stabilitást, illetve az ábrákonis látható, hogy a populáció mérete közelített az eltartóképességhez.
A harmadik fejezetben a kétszerepl®s modellekkel foglalkoztunk. El®szöra Lotka-Volterra-féle ragadozó-zsákmány modellt vizsgáltuk. A kapott kétegyensúlyi pont a (0, 0), melyben instabil és a (d
c, ba) pont, melyben a modell
egy centrum. Matlab segítségével gra�kusan is szemléltettük, hogy az egyed-számok periodikusan változnak és oszcilláló görbét rajzolnak ki. Az általunkvizsgált következ® modell a verseng® modell volt. Itt 4 egyensúlyi pontotkaptunk, a (0, 0)-t, itt instabil volt a modell. Az (1, 0) egyensúlyi pontbana modell stabilitását az a21, míg a (0, 1)-ben az a12 döntötte el. Ha 1-nélnagyobbak, akkor stabil, ellenkez® esetben instabil a modell. A 4. egyensúlyipont stabilitását is az határozta meg, hogy az a12 és a a21 nagyobb vagykisebb, mint 1. Emiatt ezeknek az egyenl®tlenségeknek ökológiai hatásaitmegvizsgáltuk. Itt készítettünk numerikus szimulációt arra az esetre, amikoregyenl® az eltartóképesség és a verseng® hatás elég nagy. A kapott ered-ményeink alapján, ha valamelyik fajnak van kezdeti el®nye, akkor a másikfaj kihal, de ugyanazon kezdeti érték esetén is az egyik faj kihal az állandóingadozás következtében. A szakdolgozatban végül a mutualizmus modellelfoglalkoztunk. Ebben az esetben is 4 egyensúlyi pontot kaptunk, az els® 3ugyanaz, mint az el®bbi modellnél. A pontok instabilak, s®t (0, 1) és (1, 0)pontokban egy instabil nyereg. A Matlab segítségével gra�kusan ábrázoltukazt az esetet, amikor a végtelenhez tartanak a populációk, illetve amikor apopuláció mérete az eltartóképességet is meghaladja, korlátlanul n®nek.
36
Hivatkozások
[1] N. Bacaër: A Short History of Mathematical Population Dynamics,Springer, 2011.
[2] Dr. Ruth E. Baker: Mathematical Biology and Ecology Lecture Notes,2011
[3] Vincenzo Capasso: Mathematical Structures of Epidemic Systems,Springer, 1993.
[4] Faragó István: Numerikus modellezés és közönséges di�erenciálegyenle-tek numerikus megoldási módszerei, 2013.
[5] Faragó István, Horváth Róbert: Numerikus Módszerek, Typotex, 2013.
[6] Faragó Sándor, Náhlik András: A vadállomány szabályozása - A fenn-tartható vadgazdálkodás populációökológiai alapjai
[7] J.D. Murray: Mathematical Biology: I. An Introduction,Third Edition,Springer, 2002.
[8] Simon L. Péter: Közönséges di�erenciálegyenletek jegyzet
[9] Stoyan Gisbert: MATLAB, Typotex, 2005
[10] Szerényi Gábor: Mutualizmus
[11] Székely Ferenc: Populációdinamikai modellek szemléltetése Matlabbal,Szakdolgozat, 2011.
[12] Andrew D. Taylor: Publications: Predator-Prey Models
[13] Vida Gábor: Populációdinamika és eltartóképesség
37
Nyilatkozat
Név:
ELTE Természettudományi Kar, szak:
Neptun azonosító:
Szakdolgozat cím:
A szakdolgozat szerz®jeként fegyelmi felel®sségem tudatában kijelentem, hogya dolgozatom önálló munkám eredménye, saját szellemi termékem, abban ahivatkozások és idézések standard szabályait következetesen alkalmaztam,mások által írt részeket a megfelel® idézés nélkül nem használtam fel.
Budapest,
a hallgató aláírása
38