Обыкновенные дифференциальные уравнения в биологий
Дифференциальные уравнения широко используются для моделирования реальных систем, зависящих от времени, в частности, для описания и исследования экономических и биологических систем.
В динамике популяций есть много примеров, когда изменение численности популяций во времени носит колебательный характер. Одним из самых известных примеров описания динамики взаимодействующих популяций являются уравнения Вольтерра—Лотка. Рассмотрим модель взаимодействия хищников и их добычи, когда между особями одного вида нет соперничества.
Пусть x1 и x2 — число жертв и хищников соответственно. Предположим, что относительный прирост жертв x1‘/x1 равен a-bx2, a>0, b>0, где a — скорость размножения жертв в отсутствие хищников, —bx2 — потери от хищников. Развитие популяции хищников зависит от количества пищи (жертв), при отсутствии пищи ( x1=0 ) относительная скорость изменения популяции хищников равна , c>0 , наличие пищи компенсирует убывание, и при x1>0 имеем , d>0.
Таким образом, система Вольтерра—Лотка имеет вид:
где a, b, c, d >0.
Рассмотренная модель может описывать поведение конкурирующих фирм, рост народонаселения, численность воюющих армий, изменение экологической обстановки, развитие науки и пр.
Рассмотрим фазовый портрет системы Вольтерра—Лотка для a=4, b=2.5, c=2, d=1 и графики ее решения с начальным условием x1(0)=3, x2(0)=1, построенные программой ОДУ.
Видно, что процесс имеет колебательный характер. При заданном начальном соотношении числа особей обоих видов 3 : 1 , обе популяции сначала растут. Когда число хищников достигает величины b=2.5 , популяция жертв не успевает восстанавливаться и число жертв начинает убывать. Уменьшение количества пищи через некоторое время начинает сказываться на популяции хищников и когда число жертв достигает величины x1=c/d =2 (в этой точке x2‘=0), число хищников тоже начинает сокращаться вместе с сокращением числа жертв. Сокращение популяций происходит до тех пор, пока число хищников не достигнет величины x2=a/b =1.6 (в этой точке x1‘=0).С этого момента начинает расти популяция жертв, через некоторое время пищи становится достаточно, чтобы обеспечить прирост хищников, обе популяции растут, и . процесс повторяется снова и снова. На графике четко виден периодический характер процесса. Количество жертв и хищников колеблется возле величин x1=2, x2=1.6 соответственно (дробные числа здесь не означают “половину волка”, величины могут измеряться в сотнях, тысячах и т.п.). Периодичность процесса явственно видна на фазовой плоскости — фазовая кривая (x1(t), x2(t)) — замкнутая линия. Самая левая точка, этой кривой, — это точка, в которой число жертв достигает наименьшего значения. Самая правая точка x1=4, x2=1.6 , — точка пика популяции жертв. Между этими точками количество хищников сначала убывает, до нижней точки фазовой кривой,x1=2 , где достигает наименьшего значения, а затем растет до верхней точки фазовой кривой (x1=2, x2=2.5). Фазовая кривая охватывает точку x1=2, x2=1.6.
На языке дифференциальных уравнений это означает, что система имеет стационарное состояние
x1‘ =0, x2‘ =0,
которое достигается в точке x1=2, x2=1.6. Если в начальный момент система находилась в стационарной точке, то решения x1(t), x2(t) не будут изменяться во времени, останутся постоянными. Всякое же другое начальное состояние приводит к периодическому колебанию решений. Неэллиптичность формы траектории, охватывающей центр, отражает негармонический характер колебаний.
Рассмотренная модель может описывать поведение конкурирующих фирм, рост народонаселения, численность воюющих армий, изменение экологической обстановки, развитие науки и т.п.
Рассмотрим модель конкурирующих видов с “логистической поправкой”:
В этом случае поведение решений в окрестности стационарной точки меняется в зависимости от величины и знака параметра a.
Рассмотрим фазовый портрет системы Вольтерра—Лотка для a =0.1, a=4, b=2.5, c=2, d=1 и графики ее решения с начальным условием x1(0)=3, x2(0)=1, построенные программой ОДУ.
Видно, что в этом случае стационарная точка превращается в устойчивый фокус, а решения — в затухающие колебания. При любом начальном условии состояние системы через некоторое время становится близким к стационарному и стремится к нему при .
Графики решений и фазовая кривая при отрицательном значении параметра a, a =-0.1, приведены ниже.
Как видно, в этом случае стационарная точка является неустойчивым фокусом и амплитуда колебаний численности видов растет. В этом случае как бы близко ни было начальное состояние к стационарному, с течением времени состояние системы будет сильно отличаться от стационарного.
ПРИМЕР 2. Модель «хищник-жертва» с логистической поправкой.
На примере модели Вольтерра—Лотка и модели Вольтерра—Лотка с логистической поправкой было продемонстрировано одно из важнейших качественных свойств центров — они легко разрушаются даже при самых малых изменениях правой части. Большинство моделей является идеализацией действительности; в них внимание сосредоточено на некоторых основных переменных и соотношениях между ними. Поэтому устойчивость моделей относительно малых возмущений чрезвычайно важна в приложениях. Модели, не чувствительные к малым возмущениям, называются грубыми.
Модель Вольтерра—Лотка неустойчива относительно возмущений, поскольку ее стационарное состояние — центр.
Существует другой вид моделей, в которых возникают незатухающие колебания, — это модели, имеющие на фазовых портретах предельные циклы. Такая модель существует для системы конкурирующих видов — это модель Холлинга—Тэннера.
Скорость роста популяции жертв x‘1 в этой модели равна сумме трех величин:
- скорости размножения в отсутствие хищников — r x1;
- влиянию межвидовой конкуренции за пищу при ограниченных ресурсах (для случая конкурирующих производителей это влияние ограниченных сырьевых ресурсов) —
- влиянию хищников , в предположении, что хищник перестает убивать, когда насыщается —
Скорость роста популяции хищников x‘2 строится так же, как в модели Вольтерра—Лотка, в предположении, что жертвы встречаются редко. Если для поддержания жизни одного хищника нужно J жертв, то популяция из x1 жертв сможет обеспечить пищей x1/J хищников. Модель роста популяции хищников, в которой их число не может превысить эту критическую величину, имеет вид
.
Таким образом, имеем модель Холлинга—Тэннера:
где r, s, K, D, J > 0.
Можно показать, что при
на фазовом портрете системы будет устойчивый предельный цикл. Ниже приведено решение системы при r=1, K=7, w=1, D=1, s=0.2, J=0.5 и двух различных начальных состояниях и фазовый портрет системы, построенные программой ОДУ.
Модель выравнивания цен по уровню актива интересна тем, что в ней можно наблюдать гармонические колебания решений возле стационарного состояния. Предположим, что изменение уровня актива q пропорционально разности между предложением s и спросом d, т.е. q‘=k(s—d), k > 0. Предположим далее, что изменение цены p пропорционально отклонению актива q от некоторого фиксированного уровня q0 так, что p‘=-m(q—q0 ) , m > 0. Таким образом, модель выравнивания цен по уровню актива имеет вид
q‘ = k(s(p) — d(p)),
p‘ = — m(q—q0).
Видно, что цена и актив колеблются возле стационарного состояния. Фазовая траектория представляет собой эллипс, охватывающий стационарную точку. Это означает, что колебания актива и цены — гармонические.
Исправляем ошибки: Нашли опечатку? Выделите ее мышкой и нажмите Ctrl+Enter
Некоторые применения дифференциальных уравнений в биологии. — презентация
Презентация была опубликована 7 лет назад пользователемГлеб Стрекопытов
Похожие презентации
Презентация на тему: » Некоторые применения дифференциальных уравнений в биологии.» — Транскрипт:
1 Некоторые применения дифференциальных уравнений в биологии
2 С появлением первых трудов по математике (Евклид — III в. до н. э., Фалес Милетский – VI в.до н.э.), эта наука начала широко применятся в строительстве, в торговле, а в дальнейшем с её развитием, в естественных науках, в экономике, в инженерном деле и даже в самых необычных областях, например, таких как музыка.
3 Математика в биологии Взаимодействие видов. Обычно рассматриваются хищники и жертвы.
4 Математика в биологии Модель Лотка Вольтерры имеет смысл в идеальных условиях, то есть без учета возмущающих факторов.
5 Математика в биологии
6 Система уравнений Холлинга Тэннера описывает взаимодействие двух видов (хищников и жертв). Была получена путем усовершенствования модели Лотка Вольтерры.
7 Математика в биологии Другой пример, размножение бактерий с течением времени.
8 Математика в биологии Пусть x – количество бактерий, тогда dx/dt = kx, где k – коэффициент пропорциональности.
9 Математика в биологии При C = x 0 получим Как видно, бактерии в благоприятных условиях будут размножаться по экспоненциальному закону. Это можно применять в практических целях, например, для выращивания нужных микроорганизмов.
10 Математика в биологии «Нелинейные дифференциальные уравнения в биологии» Дж. Марри, «Математика в биологии и медицине» Н. Бейли, «Принцип оптимальности в биологии» Розен Р.
Дифференциальные модели в экономике, биологии и медицине
В этом параграфе мы разберем несколько классических моделей, предложенных за последние 200 лет в различных областях науки: экономике, биологии и медицине. Общим при построении этих моделей является использование дифференциальных уравнений с разделяющимися переменными, которые несложно решить, прочитав §59 данного справочника.
п.1. Экономика. Равновесная цена в модели Вальраса
Начальные сведения о модели рыночного равновесия, кривых спроса и предложения – см. §18 справочника для 9 класса.
Рассмотрим поведение рыночной цены при небольшом отклонении от точки равновесия по методу, предложенному Леоном Вальрасом (1874 г.)
Пусть p — цена товара, D(p) — спрос на него, S(p) — предложение.
Пусть спрос и предложение на рынке уравновешены, равновесная цена равна \(p_0\).
Если спрос начнет немного превышать предложение, то цена начнет расти: $$ \frac
=0,\ \ D(p_0)-S(p_0)=0 $$ Разложим каждую из функций с помощью дифференциала (см. §52 данного справочника) с точностью до линейного множителя: \begin
Например:
Пусть \(D(p)=9-\frac
<6>,\ S(p)=\frac
<12>\)
\(\sqrt
Тогда равновесная цена \(9-\frac
Значения производных: \begin
\(p(0)=7:\ p(t)=6+e^<-t>\)
\(p(0)=9:\ p(t)=6+3e^<-t>\)
Все три кривые постепенно сходятся к равновесной цене \(p_0=6\).
Устойчивое схождение к \(p_0\) будет наблюдаться только при условии: $$ D'(p_0)-S'(p_0)\lt 0 $$ Т.е кривая спроса должна быть более крутой в своем спуске, чем кривая предложения на подъеме. Говорят, что эластичность спроса по цене в точке равновесия должна быть выше, чем эластичность предложения по цене.
Если степень при экспоненте будет положительной, \(D'(p_0)-S'(p_0)\gt 0\) решение уходит на бесконечность. Говорят, что такое решение неустойчиво.
Если степень при экспоненте будет равна нулю, \(D'(p_0)-S'(p_0)=0\), цена не будет меняться и останется неравновесной.
п.2. Биология. Логистическое уравнение Ферхюльста для роста популяции
Пусть \(P(t)\) – численность популяции. Построим модель её изменения со временем.
Логично предположить, что прирост потомства в популяции пропорционален количеству особей, из чего получаем:
Закон Мальтуса (1798 г.): $$ \frac |
Решением этого уравнения будет \(P(t)=P_0e^
Закон Ферхюльста (1838 г.): $$ \frac \(K\)- максимальный размер популяции в условиях ограниченных ресурсов. |
Решение уравнения Ферхюльста (логистическая кривая): $$ P(t)=\frac |
Например:
Пусть популяция растет со скоростью \(r=0,1\) тыс/год
Начальное количество особей \(P_0=1\) тыс
Максимальное количество, которое способна прокормить данная территория, \(K=10\) тыс
Модель показывает, что через 70 лет популяция займет всю нишу, и её рост фактически прекратится.
На начальном этапе преобладает r-стратегия: бурное размножение и короткая продолжительность жизни.
Исчерпание ресурсов заставляет переходить на K-стратегию: низкий темп размножения и долгую жизнь.
Экспериментально рост популяции по кривой Ферхюльста был подтвержден в лабораторных условиях для мух-дрозофил. В естественных условиях для животных – и тем более, в рамках социума для людей – закономерность нарушается.
п.3. Медицина. Модель развития эпидемии SIR
Традиционной моделью, описывающей процесс развития эпидемии, является модель SIR (Susceptible/Infected/Recovered), предложенная У. Кермаком и А. Маккендриком в 1927 г.
Вся популяция в модели делится на три группы:
- \(S(t)\)— восприимчивые к инфекции, здоровые на момент времени \(t\);
- \(I(t)\)— уже инфицированные;
- \(R(t)\)— выздоровевшие, больше невосприимчивые к инфекции.
Популяция считается постоянной, т.е. \(N=S(t)+I(t)+R(t)=const\).
Рождаемость и смертность не учитывается.
Получаем следующую систему дифференциальных уравнений: $$ \begin
Начальные условия в момент времени \(t=0\): $$ S(0)=S_0\geq 0,\ \ I(0)=I_0\geq 0,\ \ R(0)=R_0\geq 0 $$ Переход из одной группы в другую можно изобразить линейной схемой:
№ | Переход одного человека из одной группы в другую | Скорость перехода |
1 | $$ (S;I)\rightarrow (S-1;\ I+1) $$ | $$ \beta\frac |
2 | $$ (I;R)\rightarrow (I-1;\ R+1) $$ | $$ \gamma I $$ |
Полученная система уравнений не является линейной и не имеет точного аналитического решения. Но её можно решить с использованием численных методов.
$$ \begin
Например:
Пусть общее количество населения N=10 тыс.чел.
В начальный момент инфицирован 1% населения: $$ S(0)=0,99N,\ \ I(0)=0,01N,\ \ R(0)=0 $$ Параметры: \(\beta=0,128;\ \gamma=0,096\) в расчете на день (эти параметры были рассчитаны по фактическим данным для лихорадки Эбола в Сьерра-Леоне).
Результат моделирования в MATLAB:
Красная кривая – это количество болеющих в данный момент. Как мы видим, к концу года она стремится к 0. Пик приходится на 70-80 дней с начала эпидемии и составляет 413 чел. или 4,13% населения.
Зеленая кривая – количество переболевших, к концу года выходит на асимптоту в 4700 чел. или 47,0% населения.
Синяя кривая – количество так и не заболевших, к концу года спускается на асимптоту в 5300 чел. или 53,0% населения.
Чем больше больных у вас будет в начале эпидемии и чем больше параметр \(\beta\), тем выше будет пик \(I_
Модель SIR – это начальный этап для исследований. На практике для моделирования эпидемий могут использоваться модели с десятками переходов и параметров, с постепенным усложнением по мере накопления данных.
http://www.myshared.ru/slide/912339/
http://reshator.com/sprav/algebra/10-11-klass/differencialnye-modeli-v-ekonomike-biologii-i-medicine/