Einfache Modelle der Populationsdynamik

Ähnliche Dokumente
Dynamische Systeme eine Einführung

Populations Modelle Das Lotka-Volterra Model. Robin Gwinner Seminarleiterin: Dr. Iryna Rybak

durch Ratengleichungen der Form t t = F 2 N 1 t, N 2 t d N 1 t

Einführung in einige Teilbereiche der Wirtschaftsmathematik für Studierende des Wirtschaftsingenieurwesens

Lotka-Volterra-Gleichungen für mehr als zwei Populationen

Analysis und Lineare Algebra mit MuPAD

Logistische Gleichung

Katharina Kausel, April 2012

Differentialgleichungen

Fixpunkte und Stabilitätsanalyse

Einfache Modelle der Neurodynamik.

Abbildung 5.1: stabile und instabile Ruhelagen

Gleichgewichte von Differentialgleichungen

4.7 Lineare Systeme 1. Ordnung

Katalytische Hyperzyklen

Flüsse, Fixpunkte, Stabilität

Fibonacci Zahlen: 3. Hamiltonsche Systeme. 3.1 Hamilton Dynamik. Teilverhältnis beim `goldenen Schnitt : definiert als. mit

Beispiel: Evolution infizierter Individuen

Dynamische Systeme in der Mikrobiologie

Adolf Riede. Mathematik für Biologen. Eine Grundvorlesung. Mit 120 Abbildungen und zahlreichen durchgerechneten Beispielen.

Populationsdynamik im Computer simuliert

11. Nichtlineare Dynamik und Chaos. Bei den meisten bisherigen Phänomenen z. B: Pendelbewegung: Kraft linear als Fkt.

Inhaltsverzeichnis INHALTSVERZEICHNIS 1

Ausgehend vom Lotka-Volterra Modell der Populationsdynamik sind für die Testaufgabe zwei Teilaufgaben

Seltsame Attraktoren

Dierentialgleichungen 2. Ordnung

5. Vorlesung Wintersemester

Appendix A: Grundlagen der Populationsbiologie

Lineare Algebra: Determinanten und Eigenwerte

Fressen und Gefressen werden

Dynamische Systeme in der Mikrobiologie

Bimatrix-Spiele. Sarah Hidlmayer

1. Anfangswertprobleme 1. Ordnung

5 Gewöhnliche Differentialgleichungen

Gewöhnliche Differentialgleichungen Aufgaben, Teil 1

Kursprüfung Methoden der VWL Klausurteil Dynamische Methoden der VWL (Prof. Dr. Lutz Arnold) Wintersemester 2009/

Beziehung. Beziehung. Abbildung 1: Daten der Hudson s Bay Company

18.2 Implizit definierte Funktionen

Blatt 1. Kinematik- Lösungsvorschlag

Populationsökologie. Entwicklung einer Bakterienpopulation Zeit in min

11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen

Mathematik in der Biologie

Übungen zu Theoretische Physik I - Mechanik im Sommersemester 2013 Blatt 7 vom Abgabe:

Scheidegger, S. (2008): Dynamische Systeme - Einführung in die Systemwissenschaften

Übungsskript Regelungstechnik 2

Mathematische Modelle und numerische Methoden in der Biologie

Lösung zum Übungsblatt - Steuerbarkeit und Beobachtbarkeit

Gewöhnliche Dierentialgleichungen

Schulinterner Kernlehrplan Biologie Q1: Ökologie

Analysis II für Studierende der Ingenieurwissenschaften

Lösung 05 Klassische Theoretische Physik I WS 15/16. y a 2 + r 2. A(r) =

Technische Fakultät, AG Biomathematik und Theoretische Bioinformatik. Übungsaufgaben. Ellen Baake, Mareike Esser Sommersemester 2014

Partielle Ableitungen, Gradient, Lineare Näherung, Extrema, Fehlerfortpflanzung

Kurze Einführung zu Stabilität bei Differentialgleichungen und Einschrittverfahren

Grundlagen Kondition Demo. Numerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang

2.3.4 Drehungen in drei Dimensionen

Mathematischer Vorkurs Lösungen zum Übungsblatt 5

Kursprüfung Methoden der VWL Klausurteil Dynamische Methoden der VWL Sommmersemester Aufgabe Punkte

Thema 10 Gewöhnliche Differentialgleichungen

11 Üben X Affine Funktionen 1.01

Modellbildung Simulation Interpretation mit Beispielen aus der mathematischen Ökologie

FC3 - Duffing Oszillator

Bachelorarbeit. Deterministische Modelle zur Beschreibung der Ausbreitung von Krankheiten

Übungen zur Vorlesung Einführung in Dynamische Systeme Musterlösungen zu Aufgabenblatt 4

Institut für Elektrotechnik u. Informationstechnik. Systemtheorie - Nichtlineare Systeme

Kapitel 5.6: Nichtlineare Rekursionen. Algorithmen und Datenstrukturen WS 2012/13. Prof. Dr. Sándor Fekete

Klausur Mathematik I

Wellen und wandernde Wellen Ähnlichkeitslösungen. Crashkurs PDG anhand von Beispielen. Wellen

Das Paket raeuber_beute_modelle enthält 3 Modelle mit denen das Verhalten von Lotka-Volterra-Systemen simuliert werden kann.

Lineare Differenzengleichungen

Mathematische Ökologie

LUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN. 13. Übung/Lösung Mathematik für Studierende der Biologie

Rückblick auf die letzte Vorlesung. Bemerkung

Analysis III Gewöhnliche Differentialgleichungen 3. Übungsblatt (mit Lösungshinweisen)

4. Differentialgleichungen

Synergetik. Hermann Haken. Eine Einführung. Nichtgleichgewichts-Phasenübergänge und Selbstorganisation in Physik, Chemie und Biologie

Numerische Verfahren

Berufsreifeprüfung Mathematik Lehrplan laut Berufsreifeprüfungscurriculaverordnung Volkshochschule Floridsdorf Februartermin 2014

Übungen zur Analysis II Blatt 27 - Lösungen

Musterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Klausur Mathematik für Physiker 3 (Analysis 2) I... II...

Lernen von Konzepten in der Physik. Clemens Wagner Emme:en 2013

exponentielle Wachstumsphase Abbildung 1: Wachstumskurve einer Bakterienkultur

Mathematischer Vorkurs für Physiker WS 2009/10

Mathematik in den Life Siences

3. Übungsblatt Aufgaben mit Lösungen

Technische Universität München Zentrum Mathematik. Übungsblatt 12

Die Populationsdynamik kanadischer Rotlachse

Differenzengleichungen

Qualitative Theorie bei gewöhnlichen Differentialgleichungen WS 07/08. Bodo Werner

Veranschaulichen Sie die de Morgan schen Regeln anhand von Venn-Diagrammen:

Transkript:

Vorlesung 4. Einfache Modelle der Populationsdynamik Wintersemester 215/16 1.11.215 M. Zaks

allgemeine vorbemerkungen In kleinen Populationen schwanken die Bevolkerungszahlen stochastisch: Geburt/Tod von Einzelmitgliedern sind im weiten Sinne Zufallsereignisse. Bei großen Populationen mitteln sich die Zufallseekte weg: Dynamik wird deterministisch. Der Ubergang zu großen Populationen bedeutet auch einen Ubergang zu anderen Observablen: ganzzahlige Bevolkerungszahlen werden durch kontinuierliche Populationsdichten ersetzt. Wir vernachlassigen die Migrationseekte: Diusion/Transport von lebenden Organismen, und bleiben im Rahmen gewohnlicher DGL. Bei allen solchen Modellen bleiben die Dichten positiv / nicht negativ: wird die Dichte einmal Null (komplette Abwesenheit von einer Art), bleibt sie fortan Null. Deswegen haben alle diese Modelle ein Gleichgewicht bei Null (leere Population). 2 / 12

fruhe geschichte Dynamik einer Population (Menschen). In großen Populationen ist die Anzahl von Geburten / Todesfallen proportionell zu der Gesamtbevolkerung. Proportionalitatskoezienten: Geburtsrate α G und Sterberate α S. Bilanzgleichung fur die Dichte: dn/dt = α G N α S N Thomas Robert Malthus (1798): dn/dt = αn (α α G α S ) Losung: N(t) = N e αt uneingeschranktes exponentielles Wachstum.... verheerende soziale Konsequenzen. 3 / 12

weiterentwicklung Dynamik einer Population. Zu hohe Dichte Wachstumshemmung durch Epidemien, Futtermangel usw. Beschrankung durch Nichtlinearitat. Pierre-Francois Verhulst: logistische Gleichung (1838) dn dt N(t) = = α N ( 1 N β β ) 1 C β e α t dn/dt N β α > : asymptotisch stabiles Gleichgewicht bei N = β. 4 / 12

phasenebene Zwei wechselwirkende Populationen x 1 und x 2 (Schafe und Wolfe, Schafe und Kaninchen, Schafe und Gras,...) ẋ 1 = x 1 ( ẋ 2 = x 2 ( Lotka-Volterra Gleichungen Alfred Lotka Vito Volterra 5 / 12

phasenebene Zwei wechselwirkende Populationen x 1 und x 2 (Schafe und Wolfe, Schafe und Kaninchen, Schafe und Gras,...) Lotka-Volterra Gleichungen ẋ 1 = x 1 ( α 1 ẋ 2 = x 2 ( α 2 Alfred Lotka Vito Volterra 5 / 12

phasenebene Zwei wechselwirkende Populationen x 1 und x 2 (Schafe und Wolfe, Schafe und Kaninchen, Schafe und Gras,...) Lotka-Volterra Gleichungen ẋ 1 = x 1 ( α 1 β 1 x 1 ẋ 2 = x 2 ( α 2 β 2 x 2 Alfred Lotka Vito Volterra 5 / 12

phasenebene Zwei wechselwirkende Populationen x 1 und x 2 (Schafe und Wolfe, Schafe und Kaninchen, Schafe und Gras,...) Lotka-Volterra Gleichungen ẋ 1 = x 1 ( α 1 β 1 x 1 + κ 12 x 2 ) ẋ 2 = x 2 ( α 2 β 2 x 2 + κ 21 x 1 ) x 1 - und x 2 -Achsen sind invariant. Wechselwirkungstypen: Alfred Lotka Vito Volterra κ 12 >, κ 21 >. Beide Arten protieren voneinander: Symbiose κ 12 <, κ 21 <. Beide Arten storen einander: Wettbewerb κ 12 κ 21 <. Eine Art protiert auf Kosten der anderen: Rauber-Beute (predator-prey) 5 / 12

N > 2 N Populationen: Lotka-Volterra Gleichungen, Verallgemeinerung ẋ i = x i ( α i + N κ ij x j ), j=1 i = 1,..., N mit (typischerweise) κ ii < Jede (hyper-) Ebene x i = ist invariant 6 / 12

schnittpunkte Bestimmung von Gleichgewichten: Nullklinen { ẋ = f (x, y) Gleichgewichte von ẏ = g(x, y) { f (x, y) = sind Losungen von g(x, y) =. Die Gleichung f (x, y) = deniert in der Phasenebene eine/mehrere Kurve/n, an denen ẋ verschwindet; das ist/sind x-nullkline/n. Ahnlich werden y-nullkline/n durch die Gleichung g(x, y) = deniert Gleichgewichte sind Schnittpunkte von x-nullklinen mit y-nullklinen. Anzahl und Lage von Gleichgewichten konnen durch Zeichnen von Nullklinen geschatzt werden. 7 / 12

schnittpunkte Nullklinen und Gleichgewichte bei den Lotka-Volterra Gleichungen ẋ 1 = x 1 ( α 1 β 1 x 1 + κ 12 x 2 ) ẋ 2 = x 2 ( α 2 β 2 x 2 + κ 21 x 1 ) 8 / 12

schnittpunkte Nullklinen und Gleichgewichte bei den Lotka-Volterra Gleichungen = x 1 ( α 1 β 1 x 1 + κ 12 x 2 ) = x 2 ( α 2 β 2 x 2 + κ 21 x 1 ) x 1 -Nullklinen: x 1 = und α 1 β 1 x 1 + κ 12 x 2 = zwei Geraden. x 2 -Nullklinen: x 2 = und α 2 β 1 x 2 + κ 21 x 1 = zwei Geraden. Anzahl der Schnittpunkte: bis zu 4. (oder unendlich viele) Triviales Gleichgewicht (,), reine Gleichgewichte (, α 2/β 2 ) und (α 1 /β 1, ), gemischtes Gleichgewicht mit x 1x 2 (Koexistenz von zwei Arten) x 2 x 2 x 2 x 1 x 1 x 1 irrelevante gemischte Losung gar keine gemischte Losung 8 / 12

eigenwerte ẋ 1 = x 1 ( α 1 β 1 x 1 + κ 12 x 2 ) ẋ 2 = x 2 ( α 2 β 2 x 2 + κ 21 x 1 ) Stabilitat von Gleichgewichten Jacobi-Matrix von einem Gleichgewicht bei ( x 1, x 2 ): ( ) α1 2β J = 1 x 1 + κ 12 x 2 κ 12 x 1. κ 21 x 2 α 2 2β 2 x 2 + κ 21 x 1 Triviale Losung: Eigenwerte α 1 und α 2 Reine x 1 -Losung ( x 2 = ): Eigenwerte α 1 (x 1 -Achse) und α 2 + α 1κ 21 β 1. Reine x 2 -Losung ( x 1 = ): Eigenwerte α 1 + α 2κ 12 und α 2 (x 2 -Achse). β ( ) 2 β1 x Gemischte Losung: J = 1 κ 12 x 1. λ κ 21 x 2 β 2 λ Sp(J) + det(j) =. 2 x 2 9 / 12

attraktoren ẋ 1 = x 1 ( α 1 β 1 x 1 + κ 12 x 2 ) ẋ 2 = x 2 ( α 2 β 2 x 2 + κ 21 x 1 ) Beispiel I 1 / 12

attraktoren Beispiel I k = k ( α k β k k + κ ks s ) ṡ = s ( α s β s s + κ sk k ) 1 / 12

reinheit gewinnt Beispiel I k = k ( 3 k 2 s ) ṡ = s ( 2 s k ) triviale Losung k = s = : Eigenwerte 3 und 2 (instabiler Knoten) reine Kaninchen-Losung k=3, s=: Eigenwerte 3 und 1 (stabiler Knoten) reine Schafe-Losung k=, s=2: gemischte Losung k = s = 1: Eigenwerte 1 und 2 (stabiler Knoten) Eigenwerte 1 ± 2 (Sattel) s Reine Fixpunkte sind stabil (Attraktoren). Koexistenz-Fixpunkt ist instabil (Sattel) (liegt an der Trennlinie zw. 2 Einzugsbereichen). k 1 / 12

reinheit gewinnt Beispiel I k = k ( 3 k 2 s ) ṡ = s ( 2 s k ) 11 / 12

... nicht immer Beispiel II k = k ( 3 2 k s ) ṡ = s ( 2 s k ) triviale Losung k = s = : Eigenwerte 3 und 2 (instabiler Knoten) reine Kaninchen-Losung k=3/2, s=: Eigenwerte 3 und 1/2 (Sattel) reine Schafe-Losung k=, s=2: gemischte Losung k = s = 1: s Eigenwerte 1 und 2 (Sattel) Eigenwerte ( 3 ± 5)/2 (stabiler Knoten) k Koexistenz-Fixpunkt ist nun stabil. Reine Fixpunkte werden zu Satteln (stabil entlang entspr. Achse). 11 / 12

lokal global Vervollstandigung s Linearisierte Gleichungen liefern korrektes Bild in den lokalen Umgebungen aller Gleichgewichte (dank Grobman-Hartman Satz). Kann man aus diesen Stucken ein globales Gesamtbild zusammenicken? k s Dafur fehlt uns das Wissen, ob geschlossene Bahnen (periodische Orbits) in diesem Quadranten der Phasenebene ebenso vorhanden sind. Explizit (in der Regel) kann man sie nicht nden. k 12 / 12