пособие мат.моделирование
.pdfпростоты можно считать ортонормированными. Тогда Q и — суть координаты точки X в этом пространстве.
Мы видим, что эти координаты представляют собой действи тельную и мнимую части комплексного числа z = С • exp(Ai).
Пусть С = С, + /С2 = R •е,фо,
где Л =| С |= л/с,2 +С22, tg(<p0) = С2 / С,
Тогда z - С • expftO = Л е* • емУ 1' = ReTe11***' = р е '\
где р = , ф = у/ + ф0.
Понятно, что точка z(/) описывает во времени спирали, кото рые закручиваются при р < О, раскручиваются при р > 0 или при р = 0 происходит движение по окружности с постоянным радиу сом р. Заметим, что в результате линейного преобразования коор динат при переходе к неортонормированным базисным векто рам hx2 окружности трансформируются в эллипсы.
Итак, суммируя сказанное выше, мы приходим к следующим видам фазового «портрета» системы в случае комплексно-сопря женных корней (32) характеристического уравнения (31).
q2
(a)При Д > — и а < 0 имеем А,, 2 = р ±/V,
где р < 0.
Точка покоя системы — асимптотически устойчивый фокус
(рис. 9), фазовые траектории — закручивающиеся к точке покоя спирали, описывающие затухающие колебания X{t) вокруг точки покоя.
(b) При Д > — и а > 0 имеем А,, 2 = р ± /V, где р > 0. 4
Точка покоя системы — неустойчивый фокус (рис. 9), фазовые траектории — раскручивающиеся от точки покоя спирали, т. е. колебания X(t) с возрастающей амплитудой.
(c) При ст = 0 и Д > 0 имеем Х] 2 = ±iv — чисто мнимые корни.
41
Точка покоя системы — центр (рис. 9), фазовые траектории — эллипсы с центром в точке покоя, описывающие периодические колебания состояния X{t). Точка покоя является устойчивой, но не асимптотически устойчивой, поскольку траектории со временем не приближаются к точке покоя.
3. Оставим на самостоятельное рассмотрение читателя осталь ные возможные варианты корней характеристического уравне ния — действительные совпадающие корни или действительные корни, один из которых (или оба) равен нулю, и соответствующие им фазовые портреты (см. также [19]).
Итак, мы показали, что тип устойчивости точки покоя линейной системы ОДУ с постоянными коэффициентами (27),
вчастности системы первого приближения (26) для нелинейной системы уравнений (17), определяется знаками действительных частей собственных чисел матрицы системы. Далее, мы пока зали, что в рамках такой системы можно описать колебательные процессы — либо затухающие колебания, либо колебания с нара стающей амплитудой, либо периодические колебания. Ранее мы обращали внимание, что колебания невозможно описать в рамках скалярных моделей.
Возвращаясь к исходной задаче анализа нелинейной системы ОДУ (17), мы видим, что в невырожденных случаях ее поведение
вмалой окрестности точки покоя качественно близко к поведению соответствующей системы первого приближения. В то же время нелинейность правых частей уравнений позволяет системе демон стрировать большее разнообразие сценариев поведения, напри мер, предельные циклы — устойчивые периодические колебания, не зависящие от начальных условий системы, а также хаотические режимы поведения.
Приемы качественного анализа систем ОДУ, изложенные в этой главе, мы будем использовать в последующих разделах при обсуждении поведения рассматриваемых моделей биологических систем.
2. СКАЛЯРНЫЕ МОДЕЛИ ДИНАМИКИ ЧИСЛЕННОСТИ ПОПУЛЯЦИЙ
2.1. Непрерывные модели динамики популяций
В качестве примера использования скалярных уравнений для моделирования биологических процессов рассмотрим простые примеры моделирования численности популяций, которые затем будут применены в более сложных системах взаимодействующих видов (см. разделы 4 и 5).
Популяция — группа особей, способная к более-менее устой чивому воспроизводству, относительно обособленная от других групп.
2.1.1. Уравнение экспоненциального роста
Одной из наиболее широко известных моделей популяци онной динамики является классическая модель Мальтуса [66], предложенная английским священником и экономистом Томасом Робертом Мальтусом в работе «Опыт о законе народонаселения»
в1798 г. В этой модели численность популяции N описывается
ввиде геометрической прогрессии:
N l+l= q - N t, |
(34) |
q > 0, q Ф1.
Можно выразить текущее значение N(t) через начальное зна чение N0\
|
N ,= q ' - N 0. |
|
При |
q > 1 численность населения N(t) растет |
неограни |
ченно. В |
предположении, что питательные ресурсы |
прирастают |
43
в арифметической прогрессии, а население — в геометрической, модель Мальтуса предсказывала наступление неизбежного голода и его плачевных для населения последствий в виде войн, гибели, разрухи и т. д.
При 0 < q < 1 численность населения N{t) стремится к нулю, т. е. модель предсказывает гибель населения при недостаточном воспроизводстве.
Конечно, модель слишком проста, чтобы описать реальные процессы в обществе, но на некоторых конечных промежутках времени она может неплохо имитировать рост (или убыль) числен ности популяции.
Теперь положим, что t — непрерывная переменная, и продиф ференцируем функцию
x = q‘ -x0.
Имеем
*' = W *0)' = *0 • Ч' ■ln(?) = X • 1п(я).
Обозначим г = 1п(<7) и получим следующее линейное одно родное ОДУ для численности населения х в непрерывном представлении:
-dx = г - , |
,35, |
Заметим, что г > 0 при q > 1, т. е. в случае преобладающего воспроизводства популяции. Напротив, г < 0 при 0 < q < 1, когда убыль населения преобладает над прибылью.
Мы уже рассмотрели уравнение вида (35) и знаем, что его решением будет экспоненциальная функция:
x = x0 -ert. |
(36) |
График функции (36) при положительных |
(размножение) |
и отрицательных (вымирание) значениях константы скорости роста г представлен на рис. 10.
44
> t
Рис. 10. Зависимость численности популяции от времени в модели Мальтуса
Уравнение (35) можно получить другим способом.
Пусть за время At пополнение численности равно Ах = В - D , где В (birth) — число родившихся и D (death) — число умерших особей за время At.
Можно предложить различные законы пополнения, т. е. зави симости величин В и D от текущей численности х и промежутка времени At.
Самый простой закон — линейный: |
|
B(At,x) = B(x)-At = b x At, b> 0, |
(37) |
и аналогично
D(At, х) = d • х • At, d > 0.
Подставим эти зависимости в формулу для Ajc, разделим обе части равенства на At и, переходя к пределу при At —>0, получим уравнение (35):
dx
— = Ъ' х - d • х = (b - d) • х = г • х, (38) dt
где г —b —d .
Экспоненциальный закон роста популяции при г > 0 пред полагает, что изолированная популяция существует в условиях неограниченных ресурсов. В природе такие условия встречаются
крайне редко. Примером может служить размножение видов, заве зенных в места, где много пищи и отсутствуют конкурирующие виды и хищники. Например, катастрофический рост популяции кроликов или опоссумов, завезенных в Австралию или Новую Зеландию, которые затем привели к гибели большой части уро жаев в одном случае или птиц и мелких животных в другом случае.
Поскольку популяции не размножаются до бесконечности, должны существовать факторы, препятствующие неограничен ному росту их численности. Среди этих факторов могут быть нехватка ресурсов (продовольствия), вызывающая конкуренцию внутри популяции за питание, хищничество, конкуренция с дру гими видами. Результатом являются замедление скорости роста популяции и выход ее численности на стационарный уровень.
Далее мы рассмотрим классические модели ограниченного роста численности.
2.1.2. Модель Ферхюльста. Логистическое уравнение
Рассмотрим еще один пример, который относится к классиче
ским моделям популяционной динамики.
Модель Мальтуса (35) с постоянной константой скорости прироста населения г описывает экспоненциальный (т. е. очень быстрый) рост населения х с течением времени. Когда население становится слишком большим, мальтусовская модель перестает действовать, возникающая конкуренция за ресурсы (пищу, деньги
и т. д.) должна приводить к уменьшению г.
Другими словами, коэффициент г не должен быть постоянным (как в «жесткой» модели Мальтуса), а может зависеть от х. Вид этой зависимости может быть разнообразным. В такой ситуации принято говорить о «мягкой» модели — модели, поддающейся
изменениям за счет выбора функции г(х): |
|
|
dx |
, ч |
(39) |
— |
= г(х)х. |
at
Естественным шагом усложнения модели является выбор линейной функции г(лс) = r - b x , что приводит к так называемой логистической модели, предложенной бельгийским математиком Пьером Франсуа Ферхюльстом (Verhulst, 1838) [90, 91]:
/ту |
V- |
(40) |
dt |
- { г - Ьх) • х —гх —Ьх2 = г- х (\----- ), |
|
К |
|
П. Ф. Ферхюльст высказал догадку, что в случае очень быстрого роста населения должны включаться механизмы саморе гуляции. Квадратичный член в правой части уравнения отражает внутреннюю конкуренцию за ресурсы, которая ограничивает рост популяции.
Это уравнение можно решить аналитически методом разделе ния переменных (предлагается выполнить это самостоятельно.
Легко убедиться, что х = 0 п х = К — стационарные решения (точки покоя) уравнения.
Решение, соответствующее начальным условиям х(0) = х0 > 0, х(0) * К , удовлетворяет уравнению
V V
(41)
К - х ( К - х 0)
При хй > 0 решение может быть выписано в явном виде:
х^ ) = к ---- / „ 1 |
л |
• |
(42) |
1+ £ - 1 |
|
■ег' |
|
У х о |
J |
|
|
Нормированная S'-образная логистическая кривая или логиткривая, принимающая значения в интервале (0,1), имеет уравнение
1
x(t) =
\-е~'
Графики логистических кривых (42) при различных начальных значениях xQпредставлены на рис. 11.
Рис. 11. Зависимость численности популяции от времени в модели Ферхюльста
Если начальное значение лг0 < К/2, кривая численности имеет S'-образный вид с точкой перегиба при х0= К/2 и асимптотой х = К.
При малых х численность популяции возрастает экспоненциально, как в уравнении Мальтуса, при х > КИ скорость роста постепенно снижается и численность популяции приближается к пределу К.
Если х0> К , численность популяции со временем убывает и тоже стремится к К.
Таким образом, из графика решений видно, что х = 0 — неу стойчивое положение равновесия, а х = К — устойчивое. Пара метр К носит название «емкости популяции» и выражается в единицах численности (или концентрации). Он определяется ограниченностью пищевых ресурсов, доступного объема про странства, многими другими факторами, которые могут быть раз личными для разных видов.
Таким образом, в отличие от экспоненциальной модели, опи сывающей либо неограниченный рост численности (при г > 0), либо полное вымирание популяции (при г < 0), модель Ферхюль ста описывает насыщение численности на некотором уровне К.
Примеры экспериментально наблюдаемой динамики популя ций, развивающихся по логистическому закону, представлены на рис. 12.
Рис. 12. Жук Rhizoretha dominica в 10-граммовой порции пшеничных зерен, пополняемых каждую неделю (а); водоросль Chlorella в культуре (б).
Иллюстрация заимствована из монографии [20]
Можно было качественно предсказать поведение модели Ферхюльста (42), не решая уравнения явно.
Действительно, стационарное уравнение
т = г - Х{1 ~ ) = о -
К
квадратное уравнение, которое имеет два корня:
х{ = 0, х2 = К,
две точки покоя уравнения (42). График параболы у = Д х ), на котором точкам покоя соответствуют точки пересечения графика с осью абсцисс, представлен на рис. 13.
Рис. 13. Стационарные состояния логистического уравнения
Проанализируем их на устойчивость. Для этого вычислим производную правой части уравнения в точках покоя:
л*)= |
/ |
|
|
|
\ г |
( |
1 |
2 х Л |
|
|
1 |
х |
Л |
(43) |
|||||
г х |
= г |
|
|||||||
|
( \ |
— |
- — |
||||||
|
V |
1 |
|
к |
) ) |
, |
|
к , |
|
Имеем /'(0 ) = г > 0, следовательно, х { = 0 — неустойчивая осо бая точка.
Напротив, f \ K ) = - r <0, следовательно, точка покоя х2 = К
устойчивая.
а |
б |
Рис. 14. Кривые пополнения. Иллюстрации заимствованы из монографии [20]
На рис. 14 показана схема расчета экспериментальных кри вых пополнения. Разность между двумя кривыми (число рожден ных минус число погибших особей) представляет собой число особей, на которое изменится численность популяции за неко торый промежуток времени (т. е. величину, близкую к dx/dt).
Видно, что пополнение популяции невелико при достаточно низких значениях численности (или плотности) популяции, оно возрастает по мере ее увеличения, а затем снова снижается при приближении к предельной численности насыщения, после чего становится отрицательным (при кривой смертности выше кривой рождаемости).