populációdinamikai modellek - elte
TRANSCRIPT
Populációdinamikai modellek
B.Sc. Szakdolgozat
Kaszás Gábor
Matematika B.Sc., Elemz® szakirány
Témavezet®:
Svantnerné Sebestyén Gabriella
Tanársegéd
Alkalmazott Analízis és Számításmatematikai Tanszék
Eötvös Loránd Tudományegyetem
Budapest
2015
Köszönetnyilvánítás
Szeretném megköszönni szakdolgozatom elkészüléséhez a segítséget gyakorlat-
vezet®mnek és konzulensemnek Svantnerné Sebestyén Gabriellának, valamint
Faragó István Tanár Úrnak, akinek az el®adásai alatt szerettem meg a di�eren-
ciálegyenletek numerikus megoldásának a módszerét.
2
Tartalomjegyzék
1. Bevezet® 4
2. Elméleti alapok 5
2.1. A di�erenciálegyenletek alapjai . . . . . . . . . . . . . . . . . . . 5
2.2. Populációdinamikai modellek leírása di�erenciálegyenletekkel . . 6
2.3. Egyensúlyi pontok és ezek stabilitása . . . . . . . . . . . . . . . . 6
3. Egyszerepl®s modellek 8
3.1. Korlátlan növekedés . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.2. Korlátozott növekedés . . . . . . . . . . . . . . . . . . . . . . . . 10
3.3. Iránymez®k . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
4. Kétszerepl®s modell 16
5. A Lotka-Volterra modell módosított egyenlete 22
5.1. Nemlineáris egyedszámcsökkentés . . . . . . . . . . . . . . . . . . 22
5.1.1. Lemma: . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
5.1.2. Egyensúlyi pontok és stabilitásuk . . . . . . . . . . . . . . 24
5.1.3. Stabilitás és bels® egyensúly . . . . . . . . . . . . . . . . . 25
5.1.4. Stabilitás és Hopf elágazás, bels® egyensúly . . . . . . . . 26
5.1.5. A Hopf-bifurkáció határciklusának stabilitása . . . . . . . 27
5.1.6. Numerikus példa . . . . . . . . . . . . . . . . . . . . . . . 28
6. Összefoglalás 31
3
1. Bevezet®
Az él® közösségekben a populációk egymással kölcsönhatásban vannak. Eze-
ket a kölcsönhatásokat az szerint is csoportosíthatjuk, hogy az egyes populációk
egyedszámát növelik vagy csökkentik. Ilyen kapcsolat például a szimbiózis vagy
a kommenzalizmus.
• A szimbiózis két vagy több különböz® faj egyedeinek (általában egymás-
ra utalt) szoros együttélése. A szimbiózisban mindkét fél el®nyökhöz jut.
Például az afrikai szavannákon az orrszarvúkról vagy az elefántokról a
betegségeket terjeszt® bogarakat lecsipeget® madarak.
• A kommenzalizmus az ökológiában használatos fogalom, két populáció
olyan kapcsolatát jelenti, amely az egyik fél számára el®nyös, a másik-
nak közömbös. Ha az egyik fél számára közömbös a kapcsolat, nincs rá
hatással, nem beszélhetünk kölcsönhatásról. Erre lehet példa, szintén Af-
rikából, hogy az oroszlán által elejtett zsákmányt a maradékot pedig a
dögev® hiénák szerzik meg.
Az egyik populációt növel®, a másikat csökkent® kapcsolatok egyik fajtája az,
ami a ragadozók és a zsákmányaik között van. Nem egyszer¶ ez a kapcsolat,
hiszen ha túlságosan elszaporodnak a ragadozók, a zsákmányállatok száma is
csökken, ami a ragadozó populációk csökkenését vonja maga után. A kisebb
számú ragadozó mellett viszont elszaporodhatnak a zsákmányállatok és ez így
folytatódhat megállás nélkül. Az, hogy pontosan miként változik a két populá-
ció egyedszáma, már nem olyan egyértelm¶. Ennek leírásához dolgozott ki egy
matematikai modellt egymástól függetlenül két kutató Alfred J. Lotka és Vito
Volterra 1925-ben és 1926-ban. Érezhet®, hogy a modell szinte képtelen leegy-
szer¶sítéseket tartalmaz, pl. a ragadozók nélkül a zsákmány populáció a végte-
lenségig n®. De ezért csak modell, nem pedig a valóság, és még így is izgalmas
következtetéseket vonhatunk le bel®le. Bár a természetben ritkán valósulhatnak
meg azok a feltételek, amiket a modell megkövetel, bizonyos periodicitások mégis
jól magyarázhatóak vele. Némi továbbfejlesztéssel (és még több matematikával),
aztán már sokkal informatívabb modellek is el®állíthatók a Lotka-Volterra mo-
dell alapján.
4
2. Elméleti alapok
2.1. A di�erenciálegyenletek alapjai
Az elnevezés az angol different szóból származik, ami változást jelent. A va-
lóságban lezajló folyamatok jól közelíthet®ek ilyen egyenletekkel, széles körben
alkalmazzák például a �zikai folyamatok leírására vagy közgazdasági tudomá-
nyokban. Di�erenciálegyenlet rendszerr®l akkor beszélünk, ha több egyenletünk
is van. Egy vagy több dimenziós di�erenciálegyenlet rendszer esetén is beszélhe-
tünk egyensúlyi pontokról. Ez egy olyan pont, ahol a rendszer nyugalomban van,
azaz magától nem mozdul ki onnan. Azonban, ha kimozditjuk ebb®l az állapo-
tából akkor vizsgálhatjuk a pont körüli viselkedést. Ha visszatér az egyensúlyi
pontba, akkor a rendszer stabil, ha nem tér vissza akkor instabil. A szakdolgo-
zatomban használt fogalmak pontos de�níciói a következ®k:
2.1. De�níció. Legyen D ⊂ R × Rn összefügg® nyílt halmaz, f(x) : D → Rn
folytonos függvény (t0, p0) ∈ D. Ha az I ⊂ R nyílt intervallumra, és az x : I →Rn di�erenciálható függvényre teljesül, hogy
• (t, x(t)) ∈ D minden t ∈ I esetén,
• x′(t) = f(t, x(t)) minden t ∈ I esetén,
• x(t0) = p0
akkor az x függvényt az I intervellumon az f jobboldalú explicit els®rend¶
közönséges di�erenciálegyenlet (rendszer) megoldásának nevezzük az x(t0) = p0
kezdeti feltétel mellett.
2.2. De�níció. Egy p ∈ D pontot egyensúlyi vagy stacionárius pontnak neve-
zünk, ha minden t ⊂ R számra φ(t, p) = p.
2.3. De�níció. A t 7→ φ(t, t0, p0) megoldást stabilisnak nevezzük, ha
• [t0,+∞) ⊂ I(t0, p0),
• minden ε > 0 és t1 ∈ [0,+∞) számhoz létezik olyan δ > 0, hogy (t1, q) ∈D, és |q − φ(t1, t0, q0)| < 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.Aszimptotikusan stabilis
nevezzük ha, stabilis és |φ(t, t1, q)− φ(t, t0, p0)| → 0, ha t→ +∞.
5
Tekintsük az x′(t) = f(x(t), λ) egyenletet, amelyben f : Rn × Rk → Rn
folytonosan di�erenciálható függvény, a λ ∈ Rk vektor (gyakran csak egyetlen
szám) a paraméter.
2.4. De�níció. A λ0 ∈ Rk paraméter reguláris, ha létezik olyan δ > 0, hogy |λ−λ0| < δ esetén az f(·, λ) rendszer topologikusan ekvivalens a f(·, λ0) rendszerrel.
A λ0 ∈ Rk bifurkációs paraméter, ha nem reguláris.
2.2. Populációdinamikai modellek leírása di�erenciálegyen-
letekkel
A populációdinamikában szeretnénk pontosan megbecsülni, és el®re jelez-
ni egyes él®lények egyedszámát. Erre egy matematikai modellt kell építenünk,
amely kis hibával leírja ezeket a változásokat. Abból kell kiindulni, hogy milyen
gyorsan változik az adott id®pillanatban a populáció. Az egyedszám változására
egy függvényt illesztünk ezért, ha a továbbiakban változásról beszélünk, akkor
az els® deriváltra gondolunk. A változás függhet az aktuális egyedszámtól, a pa-
raméterekt®l és más populációk egyedszámától is. Így egy els®rend¶, egy vagy
többváltozós állandó együtthatós di�erenciálegyenletet kapunk:
N ′(t) = f(t,N(t)), (1)
N(0) = N0. (2)
2.3. Egyensúlyi pontok és ezek stabilitása
A lineáris di�erenciálegyenlet rendszer együtthatói alkotják az A mátrixot.
Stacionárius pontja az origó. Az A mátrix sajátértékeit a következ®képpen kap-
juk meg
A− λE =
(a11 − λ a12
a21 a22 − λ
), (3)
a karakterisztikus egyenletre a következ®t kapjuk:
A− λE = λ2 − (a11 + a22)λ+ (a11a22 − a12a21). (4)
Vegyük észre hogy
a11a22 − a12a21 = detA, a11 + a22 = trA, (5)
6
az egyenlet a következ® alakba átírható:
λ2 − trAλ+ detA = 0. (6)
Ezt megoldva a sajátértékek a következ®k lesznek:
λ1,2 =trA
2±√tr2A
4− detA. (7)
A stabilitás szempontjából ezek el®jele lesz a dönt®. A sajátértékek kiszámítása
nem is szükséges, ezek nélkül is meg tudjuk állapítani, hogy az adott egyensúlyi
pont milyen típúsú. Elég kiszámítani az A mátrix determinánsát és nyomát
majd megvizsgálhatjuk a következ® feltételeket.
A sajátértékek helye a trA− detA síkon az egyensúlyi pont típusa
λ1 · λ2 < 0, λ1 > 0, λ2 < 0 detA < 0 Nyereg
Re λ1 és λ2 > 0 detA > 0 és trA>0 Instabil csomó vagy fókusz
Re λ1 és λ2 < 0 detA > 0 és trA<0 Stabil csomó vagy fókusz
λ1,2 valósak detA < (trA)2
4 Instabil vagy stabil csomó
λ1,2 konjugáltak detA > (trA)2
4 Instabil vagy stabil fókusz
λ1,2 valósak de egyik 0 detA = 0 Nyeregcsomó
λ1,2 komplex konjugáltak Re = 0 detA > 0 és trA = 0 Centrum
λ1 = λ2 és λ1,2 valósak detA = (trA)2
4 Egytengely¶ csomó
Sajnos a helyzet ennél nehezebb, mivel nemlineáris di�erenciálegyenlet-rendszereket
stabilitását kell majd sok esetben vizsgálni. Általában azN ′ = f(N) di�erenciálegyenlet-
rendszer nem megoldható, de az egyensúlyi pontokat az f(N) = 0 egyenletb®l
meg tudjuk határozni. Ekkor linearizálunk és a rendszer Jacobi mátrixára vizs-
gáljuk ugyanazokat a feltételeket, ami a következ®képpen néz ki:
M =
(∂f1∂u1
∂f1∂u2
∂f2∂u1
∂f2∂u2
). (8)
A mátrix sajátértékeit vizsgálva azt tapasztaljuk, hogy a valós részük nulla akkor
sajnos a módszer nem m¶ködik.
7
3. Egyszerepl®s modellek
Egydimenziós esetben a legegyszer¶bb modellt
N ′(t) = kN(t) (9)
di�erenciálegyenlettel kapjuk meg, ennek az N(0) = N0 kezdeti értékhez tartozó
megoldása a következ® alakban írható fel:
N(t) = N0ekt. (10)
Abban az esetben ha k < 0 a rendszer stabil, mivel az exponenciális tag id®ben
csökken. Viszont k > 0 esetén a rendszer monoton n®ni fog, tehát instabil.
A di�erenciálegyenlet rendszereknél nagyon fontos, hogy megkeressük az egyen-
súlyi pontokat és megállapítsuk azoknak a típusát. Ez az f(N(t)) = 0 egyen-
letnek a megoldása, amely egyben azt is jelenti, hogy N ′(t) = 0. Kétszerepl®s
modell esetén f(N1, N2) = 0 esetet vizsgáljuk, azaz amikor N ′1(t) és N ′2(t) is
egyenl® 0-val. Ezekben a pontokban a rendszer állandó, ha azonban a rend-
szert kimozdítjuk ebb®l az állapotából, akkor a környezetét kell vizsgálnunk.
Ha visszatér az eredeti állapotba, akkor a rendszer stabil, ha nem akkor insta-
bil. A lépések a következ®k lesznek:
• egyensúlyi pontok megkeresése,
• viselkedés vizsgálata az egyensúlyi pontok környezetében,
• iránymez®k kirajzolása.
3.1. Korlátlan növekedés
Adott egy faj, és egy hozzá tartozó k>0 szaporodási együttható. Az adott
populáció növekedése minden id®pillanatban függ a k-tól és a meglév® egyed-
számtól. A folyamatot leíró di�erenciálegyenlet a következ®:
N ′(t) = kN(t). (11)
Ennek az egyenletnek ismerjük az analitikus megoldását is, amely a követ-
kez® lesz:
N(t) = N0ekt. (12)
Azaz exponenciálisan növekedni fog. A korlátlan növekedés szemléltetésére egy
MATLAB programot írtam, ez két lépcs®b®l tev®dik össze. El®ször írtam egy
8
szkriptet amiben a di�erenciálegyenlet szerepel, majd egy megoldófüggvényt is,
ami megoldja az egyenletet. A megoldó módszernek az explicit Euler módszert
választottam. Ennek képlete a következ®: xn+1 = xn + hf(tn, xn). Ahhoz, hogy
a megoldást ki tudjuk számítani a tetsz®leges tn id®pillanatban, ismerni kell
az x0 kezdeti értéket. A T id®intervallumon fel kell osztani n db h hosszúságú
részre. Ez egy ekvidisztáns rácsháló lesz. A programomban k = 0.5 a t0 kezdeti
id® értelemszer¶en 0, a T id®intervallum pedig 3 hosszúságú lett. A h lépésközt
0.1 hosszúságúra választottam. A megoldófüggvényben a di�egy helyére kell
beilleszteni a megoldani kívánt di�erenciálegyenlet nevét, a függvényre @ jellel
hivetkozhatunk. A program forráskódja a következ®:
function dmdt=korlatlan(x,k)
dxdt=k*x;
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−function [t m]=megoldas1 (di�egy,t0,x0,T,k,h)
N=(T-t0)/h;
t=zeros(N+1,1);
x=zeros(N+1,1);
t(1)=t0;
x(1)=x0;
for i=1:N
t(i+1)=t(i)+h;
m(i+1)=abs(m(i)+h*di�egy(k,m(i)));
end
9
1. ábra. Korlátlan növekedés
Az ábrán a korlátlan növekedés modelljét láthatjuk, azaz ha id®ben expo-
nenciálisan növekszik a populáció egyedszáma. A kezd® k értékek mindhárom
esetben azonosak, csak a kezdeti egyedszám változik. Megvizsgáltuk a modellt
három különböz® N0 kezdeti értékre, ezek 5, 8 és 12 voltak. Az ábrán egy-
értelm¶en látszik, hogy a növekedés sebessége nagy mértékben függ a kezdeti
egyedszámtól.
3.2. Korlátozott növekedés
Itt is adott egy faj, és egy hozzá tartozó k>0 szaporodási együttható. De az
el®bbiekkel ellentétben, itt van egy élettér, ami korlátot szab a növekedésének.
Például egy am®bapopuláció hiába n® minden nap a kétszeresére, nem n®het
nagyobbra, mint az adott tó amelyben szaporodik. Ezért a folyamatot leíró
di�erenciálegyenletünket is módosítanunk kell. Egy K>0 kapacitás változót is
meg kell adnunk. Az egyenletünk a következ® lesz :
N ′(t) = Nk(K −N(t)). (13)
Ez egy logaritmikus növekedés¶ függvény lesz, hiszen amellett hogy az egyed-
szám folyton növekszik, tartani fog a kapacitás maximumához. Az analitikus
megoldás a következ®:
N ′(t) = − K
1 + CeKkt. (14)
A C egy konstans amelyet az integrálás következtében kaptunk értéke N(0)-ban
a következ®: C = − KN0− 1.
10
2. ábra. Korlátozott növekedés
Az ábrán a korlátos növekedés modelljét láthatjuk, azaz id®ben logaritmiku-
san növekszik a populáció egyedszáma. A kezd® k értékek mindhárom esetben
azonosak, csak a kezdeti egyedszám változik. Megvizsgáltuk a modellt három
különböz® N0 kezdeti értékre, ezek 2, 4 és 12 voltak. Az ábrán egyértelm¶en
látszik, hogy a növekedés vagy csökkenés sebessége nagy mértékben függ a kez-
deti egyedszámtól. A populáció itt azonban nem növekedhet a végtelenségig,
csak a terület eltartóképességéig. Ha a kezdeti egyedszámunk nagyobb mint a
terület eltartóképessége, akkor az egyedek száma logaritmikusan csökkeni fog
az eltartóképességhez. A megoldáshoz itt is az explicit Euler módszert válaszot-
tam, a program forráskódja annyiban változott, hogy a @ jellel nem a korlátlan,
hanem a korlátos növekedés di�erenciálegyenletére kell hivatkoznunk.
3.3. Iránymez®k
Az iránymez® megmutatja, hogyan viselkedik a di�erenciálegyenletünk a tér
bármely pontjában. A MATLAB-ban a beépített quiver paranccsal lehet meg-
hívni, ez nyilakkal fogja nekünk kirajzolni. A MATLAB-ban a tér elemeit egy
mátrixban kell eltárolni, és erre lehet a számításokat megcsinálni. A nyilak ezen
számítások eredményeit mutatják majd meg. A következ® két ábrán a korlátos,
illetve a korlátlan növekedés iránymez®it tekinthetjük majd meg. Mind a két
ábrán látszik, hogy ha bármelyik id®pillanatban az egyedszámunk nulla, akkor
a rendszerünk stabil lesz és abból az állapotból soha nem mozdul ki. A mo-
dellünk itt biológiailag nem helyes, mert akár egy állat is képes szaporodni, de
11
abban a valóságot tükörzi, hogy nulla egyedszámból kiindulva a populáció nem
fog növekedni. Az iránymez® kirajzolásának programkódja a következ®:
[X,Z] = meshgrid(0:0.2:4);
U=ones(21);
V=0.5*Z;
quiver(X,Z,U,V)
3. ábra. Korlátlan növekedés iránymez®je
Az ábra a korlátlan növekedés iránymez®jét mutatja. Láthatjuk hogy a tér
bármely pontjában exponenciális a viselkedése, és azt is hogy a vízszintes ten-
gelyr®l a nyilak soha nem mozdulnak ki, hanem végig vízszintesek maradnak.
Kirajzoltattam a korlátozott növekedés iránymezejét is, ennek programkódja a
következ®:
[X,Z] = meshgrid(0:0.2:4);
U=ones(21);
V=0.5*Z.*(2-Z);
quiver(X,Z,U,V)
12
4. ábra. Korlátozott növekedés iránymez®je
Az ábra a korlátozott növekedés iránymez®jét mutatja. Az ábrán látható,
hogy a tér bármely pontjában logaritmikus a viselkedése, és a függvény az el-
tartóképesség vízszintes egyeneséhez simul majd. Az ábrán látható rendszerünk
eltartóképessége most kett®, és ezt egy vízszintes piros vonallal jelöljük. Látható
az is, hogy a populáció egyedszáma adott esetben nem csak növekedni tud az
eltartóképességhez, hanem csökkenni is. Azt is láthatjuk, ha a rendszer elérte
az eltartóképesség határát akkor nem mozdul ki onnan.
Szakdolgozatomban a kés®bbiek során még két egyensúlyi pontot fogok vizsgálni.
Ezek közül az els® a nyeregpont. Ennek kirajzoltatását a következ® programkód-
dal hajtottam végre:
[X,Z] = meshgrid(-2.4:0.2:2.4);
U =X;
V =-Z;
quiver(X,Z,U,V)
13
5. ábra. Nyeregpont iránymez®je
Az ábrán egy nyeregpont fázisképe látható. A rendszer stacionárius pontja
itt is az origó, a tengelyeken lév® pontok közül, a vízszintes tengelyen lév®k tá-
volodnak az origótól, a függ®leges részen viszont oda tartanak. A rendszel többi
pontja hiperbolikusan viselkedik, a nyilak iránya az f(x) = 1x függvényre ha-
sonlít.
A negyedik ilyen pont a nyeregcsomó lesz. Ennek is mellékelem a kirajzoltatás-
hoz szükséges programkódját. Az axis kifejezéssel optimalizátam a tengelyeket,
hogy a rajz arra fókuszáljon ami igazán fontos.
[X,Z] = meshgrid(-3:0.2:3);
U =−X.2;V =-Z;
axis([-3 3 -2.5 2.5]) hold on
quiver(X,Z,U,V)
14
6. ábra. Nyeregcsomó iránymez®je
Az ábrán egy nyeregcsomó fázisképe látható. A rendszer stacionárius pontjá-
nak szintén az origót választottam. Látható, hogy az ábra a függ®leges y tengely
mentén két részre tagolódik. A függ®leges tengely mentén lév® pontok az origó-
hoz tartanak. A vízszintes tengelyen �gyelhet® meg el®ször a változás, ugyanis
az ábra bal oldalán távolodik az origótól, a jobb oldalon pedig távolodik t®le. A
pont típusa azért nyeregcsomó, mert mindkett® féle viselkedés igaz rá. Az áb-
ra jobboldala csomószer¶en viselkedik, a jobb félsík minden pontja az origóhoz
tart. Még az ábra bal oldalán nyeregszer¶ viselkedést láthatunk, az ábra pont-
jai hiperbolikusan viselkednek, az f(x) = 1x függvényhez hasonlóan a vízszintes
tengelyhez simul.
15
4. Kétszerepl®s modell
Egyszer¶ modellükben a zsákmány populáció növekedése az adott populá-
ció méretét®l, csökkenése a ragadozó populációétól függ. A ragadozóknál pont
fordítva, növekedésük függ a zsákmány populáció méretét®l, míg csökkenésüket
a saját populációjuk mérete szabja meg. Ebben a modellben tehát négy para-
méter van: a zsákmánypopuláció növekedési sebessége (a11), annak az esélye,
hogy egy ragadozó elkap egy zsákmányt (a12), annak a mértéke, hogy egy el-
fogott zsákmányállat mennyivel járul hozzá a ragadozók szaporodásához (a21),
valamint a ragadozók elhalálozási sebessége (a22):
N ′1 = a11N1 + a12N2, (15)
N ′2 = a21N1 + a22N2. (16)
Szakdolgozatomban egy ennél bonyolultabb modellt fogok vizsgálni.
Két vagy több faj verseng valamely azonos táplálékforrásért vagy gátolja egy-
más növekedését. A tanulmány gyakorlati versenyr®l szól. Hogyan tartsa fenn
a természet a versenyt, ha az egyik faj kihal akkor a vele kapcsolatban állók
(vele versenyz®k) is ki fognak halni. Ha két fajt �gyelünk meg azt a Lotka-
Volterra modellel tudjuk szemléltetni. Léteznek bonyolultabb modellek is, sta-
bilitás szempontjából azok is ilyen tulajdonságokat tükröznek. Az N1 és N2 az
egyes egymással versenyz® fajták:
dN1
dt= r1N1
[1− N1
K1− b12
N2
K1
], (17)
dN2
dt= r2N2
[1− N2
K2− b21
N1
K2
]. (18)
Az r1, r2,K1,K2, és b21, b12 minden esetben pozitív számok.
• r1,2 a születési ráta,
• a K1,2 a fajok teherbíró képessége,
• a b12,21 az egymásra gyakorolt versenyképességi hatások, ezek általában
nem egyenl®ek.
Természetesen egy numerikus programmal itt is lehet közelíteni a megoldást.
Ennek a di�erenciálegyenlet rendszernek a a megoldásához egy beépített MAT-
LAB függvényt választottam, az ODE45-öt. Ez egy 4−5-öd rend¶ Runge-Kutta
16
alapon m¶köd® függvény, felváltva használja a 4-ed illetve az 5-öd rend¶ lépé-
seket. Itt nem szükséges megadnunk egy h lépésközt, mert magától felosztja
a T intervallumot annyi részre, hogy a megoldás 4-ed rendben pontos legyen.
Természetesen az ′abstol′ és ′retol′ paranccsal ezt tetsz®leges pontosságúra felül
lehet írni. A program itt is kett® szkriptb®l tev®dik össze, mint az egyszerepl®s
modelleknél, csak itt nem egy hanem, kett® darab egymástól is függ® di�erenci-
álegyenletünk van. Mivel a MATLAB nem ismeri az alsó indexeket ezért, hogy
be tudjam vinni az adatokat a programba át kellett neveznem néhány változót.
Az N és M jelöli a két verseng® fajt, p és r a születési rátákat, K és L a fajok
teherbíró képességét, végül pedig a és b az egymásra gyakorolt versenyképes-
ségi hatásokat. A progamomat a következ® adatokkal futtattam le: N = 15 ,
M = 20, p = 13, r = 14, K = 14, L = 11, a = 0.2, b = 0.1. A két szkript
forráskódja a következ®:
function dn = rpm(t,n,p,r,K,L,a,b)
dn = zeros(2,1);
dn(1) = n(1)*p*(1-n(1)/K-a*n(2)/K);
dn(2) = n(2)*r*(1-n(2)/L-b*n(1)/L);
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−function megoldo1(N,M,p,r,K,L,a,b)
options = odeset('RelTol',1e-6,'AbsTol',[1e-9 1e-9]);
[T,Y] = ode45(@rpm,[0 10],[N M],options,p,r,K,L,a,b);
plot(T,Y(:,1),'r',T,Y(:,2),'g')
axis([0 10 0 25])
[T Y]
�gure(2)
plot(Y(:,1),Y(:,2))
A programom nem csak kiszámolja, hogy az id® elteltével melyik populáció
egyedszáma hogyan változik, hanem ábázolja is. A két faj versengésének az áb-
rája a következ® lett:
17
7. ábra. Ragadozó-préda modell
Az ábrán látható a két faj versengése az id®ben. Láthatjuk, hogy ökológialag
fenntartható adatokat adtam meg, akár a születési rátára akár a fajok teherbí-
róképességére gondolunk, hiszen látszik ugyan egy csökkenés a kezdetekor, de a
rendszer utána egyensúlyba áll be, és érdemben nem változik egyik populáció
egyedszáma sem.
A programom készített egy másik ábrát is, ahol az N és M fajokat egymás
függvényében ábrázoljuk.
8. ábra. N és M populációk egymás függvényében
Az ábrán jól látszik hogy a kezdetekor egy lineáris csökkenés történik, azaz mind
18
a kett® populáció egyedszáma nagyjából ugyanannyival csökken. Az ábra jobb
alsó sarkában látszik, hogy visszakanyarodik a vonal, azaz a csökkenés megáll és
a rendszer egyensúlyba fog beállni. Fontos megjegyezni, hogy az ábrán inkább
a két faj arányát látjuk, mintsem konkrét értékeket.
A továbbiakban a di�erenciálegyenlet rendszer egyensúlyi pontjaival és sta-
bilitásával fogok foglalkozni. Hogy a jelölés egyszer¶bb legyen vezessünk be új
változókat. Jelölje:
u1 =N1
K1, u2 =
N2
K2, τ = r1t, ρ =
r2r1, a12 = b12
K2
K1, a21 = b21
K1
K2.
A fentebb leírt egyenletek a következ® alakban írhatóak fel:
dN1
dt= u1(1− u1 − a12u2) = f1(u1, u2), (19)
dN2
dt= u2(1− u2 − a21u1) = f2(u1, u2). (20)
Ennek a di�erenciálegyenlet rendszernek kell megkeresnünk az egyensúlyi
pontjait, azaz olyan megoldásokat keresünk, ahol az
f1(u1, u2) = f2(u1, u2) = 0. (21)
Összesen négy ilyen eset lehetséges, ezek a következ®k:
• u1 = 0 és u2 = 0,
• u1 = 1 és u2 = 0,
• u1 = 0 és u2 = 1,
• 4. eset függ a bemen® paraméterekt®l, ez csak relevancia u1 = 1−a121−a12a21 és
u2 = 1−a211−a12a21 .
Ha u1, u2 > 0 és végesek, valamint a12a21 6= 1, akkor a 4 nullklína lehet®ségét a
következ® rajzon lehet látni.
Nullklínáknak azokat az egyeneseket (többdimenziós esetben hipersíkokat)
nevezzük, ahol a di�erenciálegyenlet rendszerben az egyik egyenlet végig 0 ér-
téket vesz fel. Az ábrán ezek láthatóak, hogy melyik egyenes melyik egyenletet
jelöli, azt az (a) ábrán látható nyilak mutatják. Ezen egyenesek metszéspont-
jai mindig egyensúlyi pontok, hiszen abban a pontban mindkett® egyenlet 0-val
egyenl®. A modell parciális deriváltakkal kifejezett mátrixos alakja a következ®:
A =
(1− 2u1 − a12u2 −a12u1
ρ21u2 ρ (1− 2u2 − a21u1)
). (22)
19
9. ábra. A 4 lehetséges eset egyensúlyi pontjai és nullklínái
Az el®bbiekben megállapítottuk az egyensúlyi pontok helyét, most nézzük azok
fajtáját.
• Az els® a (0, 0)-ban van. Ez instabil lesz, mivel a sajátértékek pozitívak
lesznek: λ1 = 1 és λ2 = ρ.
• A második egyensúlyi pont a (1, 0) pontban található. Itt a sajátértékek a
következ®k: λ1 = −1 és λ2 = ρ (1−a21) Tehát ez a pont stabil, ha a21 > 1
és instabil ha kisebb.
• A harmadik egyensúlyi pont a (0, 1) hasonlóan viselkedik, az itteni saját-
20
értékek: λ1 = −ρ és λ2 = 1 − a12. Szóval ez a pont stabil, ha a12 > 1 és
instabil ha kisebb.
• Végül nézzük az utolsó egyensúlyi állapotot, amikor létezik a pozitiv ne-
gyedben megoldása. Ennek egy speciális mátrixa van, amely a következ®
alakú:
A = (1− a21a12)−1
(a12 − 1 a12(a12 − 1)
ρa21(a21 − 1) ρ(a21 − 1)
).
Az eredmény itt összetett, ezáltal a stabilitás az egyensúlyi állapotokban
az a12 és a21 együtthatóktól függ.
21
5. A Lotka-Volterra modell módosított egyenlete
Eddigi modelljeinkben vagy csak egyetlen szerepl® korlátos illetve korlátlan
növekedését vizsgáltuk, vagy egy ragadozó-préda modellt, amelyben a ragado-
zónak nem volt semmilyen ellensége. Most vizsgálunk egy olyan modellt, amely-
ben az ökológiai egyensúly fenntartása érdekében, a ragadozókat is vadásszák.
A szakirodalom alapvet®en háromféle módszert ismer.
• Állandó egyedszámcsökkentés: Egységnyi id®re lebontva állandó darabszá-
mú egyeddel csökkenti az egyedszámot.
• Arányos egyedszámcsökkentés: ami azt jelenti, hogy
h(x2) = qEx2. (23)
tehát az elejtett egyedek száma és az egységnyi id® között egy arányossági
tényez® áll fenn.
• Nem lineáris egyedszámcsökkentés (Holling típus II)
H(x2) =qEx2
m1E +m2x2. (24)
A képletekben a q az egyedszámcsökkentési együttható, E pedig a vadászha-
tó egyedek, melyeknek mérik a számát. Az m1 és az m2 pedig a két faj po-
pulációját leíró pozitív, a gyakorlatban csak egész számok. Észrevehet®, hogy
az arányos egyedszámcsökkentést több probléma is befolyásolhatja, például a
vadászni kívánt zsákmány korlátosan lineáris, vagy határtalanul lineáris nö-
vekedése. Azonban meg kell jegyezni, hogy H(x2) = qEm2
ha x2 = ∞ és
H(x2) = qx2
m1ha E =∞.
Ez azt mutatja, hogy a függvény nem lineáris sem a vadászat, sem az egyed-
számok szintjén.
5.1. Nemlineáris egyedszámcsökkentés
Szakdolgozatomban csak a nemlineáris egyedszámcsökkentést fogom b®veb-
ben elemezni, amelyet a következ® di�erenciálegyenlet rendszer ír le:
dN1
dτ= rx1(1− x1
k)− ax1x2, (25)
dN2
dτ= max1x2 − dx2 −
qEx2m1E +m2x2
. (26)
22
A kezdeti feltételek a következ®k
x1(0) > 0 és x2(0) > 0.
Az egyenletek többi együtthatójáról feltételezzük, hogy a biológiai szempon-
tok miatt pozitívak. Miel®tt azonban részletesen elemeznénk a folyamatot leíró
di�erenciálegyenlet-rendszert, egyszer¶sítsük a következ® dimenzió nélküli rend-
szerré. Legyenek:
x1 = kx, ax2 = ry, rτ = t,
α =d
amk, η =
qE
mkrm2, ε =
am1E
rm2, ρ =
amk
r.
Így átírható a következ® di�erenciálegyenlet rendszer alakjába:
dx
dt= x(1− x− y) = f (1)(x, y), (27)
dy
dt= ρy(x− α− η
ε+ y) = f (2)(x, y). (28)
A kezdeti feltételek a következ®képpen változnak:
x(0) = x0 > 0, y(0) = y0 > 0. (29)
Itt az f (1) és f (2) a következ® alakban adható meg:
f (1)(x, y) = x(1− x− y), (30)
f (2)(x, y) = ρy(x− α− η
ε+ y). (31)
A ρ ,α , η ,és az ε számok pozitívak. A modell miatt minket csak az els®
síknegyed érdekel, azaz amikor az x ≥ 0 és az y ≥ 0.
A rendszer pozitivitása fontos, a következ® módszerrel megmutatjuk, hogy a
megoldások a rendszer jelenlegi kezdeti állapotában vannak, pozitívak és egyen-
letesen korlátossak. Tehát a rendszer ökológiai szempontból is használható.
5.1.1. Lemma:
A rendszer minden(x(t);y(t)) kezdeti feltétele pozitív minden t > 0 id®-
pillanatban. Mivel az id® folyamatosan pozitív irányba változik a t < 0 nem is
értelmezzük. A rendszer minden(x(t);y(t)) kezdeti feltétele egyenletesen korlátos
23
minden id®pillanatban. Azaz egyik fajból sem lehet végtelen (megszámlálhatat-
lanul) sok. Az integrálás, valamint a kezdeti feltételek adják,
x(t) = x(0)e∫ t0f(1)(x(s),y(s))ds > 0, (32)
y(t) = x(0)e∫ t0f(2)(x(s),y(s))ds > 0. (33)
Az összes megoldás kiindulása az els® negyedben lesz, a jöv®ben minden
alkalommal. Nézzük meg az ζ(t) = x(t) + 1ρy(t) majd az id®változás folyamán a
rendszer a következ® di�erenciálegyenletet adja:
dζ
dt+ αρζ(t) < x(1− x+ αρ). (34)
Miután néhány algebrai átalakítást végzünk, a di�erenciálegyenletünk a követ-
kez® alakba írható:dζ
dt+ αρζ(t) <
(1 + αρ)2
4. (35)
Ennek alkalmazásával az alábbi egyenl®tlenséget kapjuk:
0 < ζ(t) <(1 + αρ)2
4αρ(1− e−tαρ) + ζ(0)e−tαρ. (36)
Ezért,
0 < limζ(t) <(1 + αρ)2
4αρ. (37)
Ha minden trajektóriának pozitív az x tengelyen az értéke, akkor az a jöv®ben
így is marad, és így az x tengely ez egy pozitív invariáns halmaz rendszere.
Hasonlóan viselkedik majd az y tengely is. Ha ez a lemma legels® eredménye,
az állításban belátjuk, hogy ez egy invariáns halmazrendszer. A továbbiakban
elemezni fogjuk a modellt, a stabilitási pontjai és azok típusainak szempontjából.
5.1.2. Egyensúlyi pontok és stabilitásuk
Egyensúlyi pontjai a rendszernek abban az esetben lesznek, ha
xf (1)(x, y) = 0, yf (2)(x, y) = 0 (38)
egyenletek teljesülnek.
5.1. Tétel. • Az S0 = (0, 0) mindig nyeregpont.
• A tengelyirányú S1 = (1, 0) aszimptotikusan stabil, ha η + εα > ε és
nyeregpont ha η + εα < ε.
24
• A rendszer transzkritikus elágazás környékén megy keresztül ha, S1 = (1, 0)
és η + εα = ε.
Bizonyítás:
Az S0 = (0, 0)egyensúlyi ponthoz tartozó Jacobi mátrix a következ® lesz:
J0 =
(1 0
0 −ρε (η + αε)
). (39)
A J0 mátrix sajátértékei a következ®k lesznek λ1 = 1 és λ2 = −ρε (η + αε) <
0. Láthatjuk, hogy a két sajátérték ellenkez® el®jel¶, függetlenül attól, hogy
milyen paraméterkorlátozásokat hajtunk végre. Ökológiai szempontból arra a
következtetésre juthatunk, hogy a ragadozó populáció soha nem fog kihalni. Az
S1 = (1, 0) egyensúlyi ponthoz tartozó Jacobi mátrix a következ® lesz:
J1 =
(1 0
0 −ρε (−εη + αε)
). (40)
Ennél a mátrixnál a sajátértékek is változni fognak, ezek a következ®k lesz-
nek: λ1 = −1 és λ2 = −ρε (−εη + αε). Biológiailag ez bekövetkezhet, ezért azt
mondhatjuk, hogy parametrikus állapotban van ha, η + εα > ε. Ekkor a raga-
dozó populáció kihal, és a zsákmánypopuláció megközelíti a környezet teherbíró
képességét, így az egyedszámcsökkentés már nem fenntartható.
5.1.3. Stabilitás és bels® egyensúly
Most tanulmányozni fogjuk a stabilitás létezését, egyidej¶leg az ökológiai
egyensúly létezése szempontjából. A bels® egyensúly is S1∗ = (x1∗, y1∗) és S2∗ =
(x2∗, y2∗) is egy másodfokú egyenlet pozitív gyökei:
y2 + (ε+ α− 1)y + (η + αε− ε) = 0. (41)
A másodfokú megoldóképlet megoldásai alapján az egyenlet gyökei a következ®k
lesznek:
y1∗ =1
2(1− ε− α−
√(ε+ α− 1)2 − 4(η + ε− ε), (42)
y2∗ =1
2(1− ε− α+
√(ε+ α− 1)2 − 4(η + ε− ε), (43)
25
tehát eredményül azt kapjuk, hogy: x1∗ = 1− y1∗ és y1∗ = 1− x1∗.Azt gondoljuk, hogy az egyensúlyok száma függ a
η + αε− ε (44)
értékét®l.
Ha
η + ε > ε (45)
(ε+ α− 1)2 < 4(η + αε− ε) (46)
akkor ebben az esetben a bels® egyensúly nem létezik.
Ha (ε+α− 1)2 = 4(η+αε− ε) akkor az egyenletnek van egy többszörös gyöke,
ez legyen y = 12 (1− ε− α) és x = 1− y. Ezért a rendszer, amiben a pillanatnyi
bels® egyensúly S = (x, y) ami megvalósítható, ha ε+ α < 1
Két különálló bels® egyensúlyi pont esetén S1∗ = (x1∗, y1∗) és S2∗ = (x2∗, y2∗)
létezik egymástól függetlenül, valahányszor ε+α < 1, y2∗ < 1 és (ε+α− 1)2 >
4(η + αε − ε). Nem szabad elfelejteni, hogy a két bels® egyensúlyi pont, S1∗ =
(x1∗, y1∗) és S2∗ = (x2∗, y2∗), nem létezik ha ε+ α > 1 és 0 < y1∗ < y < y2∗.
5.1.4. Stabilitás és Hopf elágazás, bels® egyensúly
5.2. Tétel. • Az S1∗ = (x1∗, y1∗) egyensúlyi pont mindig nyeregpont.
• Az S2∗ = (x2∗, y2∗) egyensúlyi pont stabil ha, ρ < (1−y2∗)(ε+y2∗)2y2∗η
.
• Rendszernek Hopf elágazás tekintetében vett bifurkációs paraméter körüli
a egyensúlyi pontja S2∗ = (x2∗, y2∗) ha ρ = (1−y2∗)(ε+y2∗)2y2∗η
.
Bizonyítás:
A Jacobi-mátrix értéke egy bels® egyensúlyi pont képlet adja meg
J =
(−x −xρy − ρηy
(ε+y)2
). (47)
A J mátrix értéke(determinánsa) az S = (X,Y ) pontban a következ®:
detJ = ρxy(1− η
(ε+ y)2). (48)
Mostmár az egyensúlyi egyenletek a következ®k: x = y − 1, ηε+y = x − α és
a kifejezés y = 12 (1− ε− α) és azt láthatjuk, hogy 1− η
(y+ε)2 = 0.
26
• Mivel 0 < y1 < y
detJS1= ρx1∗y1∗(1−
η
(ε+ y1∗)2) < ρx1∗y1∗(1−
η
(ε+ y)2) = 0. (49)
Ebb®l kifolyólag a J mátrix sajátértékei S1∗ = (x1∗, y1∗)-nél az eredeti
részeket tartalmazza ellentétes el®jellel. Így ez a pont mindig nyeregpont
lesz.
• Hasonlóan a J mátrix determinánsa S2∗ = (x2∗, y2∗)-nél
detJS2= ρx2∗y2∗(1−
η
(ε+ y2∗)2) > ρx2∗y2∗(1−
η
(ε+ y)2) = 0. (50)
Mivel 0 < y1 < y < y2 Ezért S2 = (x2; y2) stabilitása J mátrix el®jelét®l
függ az S2 = (x2; y2) pontban, melyet a következ®képpen adhatunk meg:
trJS2∗ = y2∗(1 +ρη
(ε+ y2∗)2)− 1. (51)
Ezért Routh-Hurwitz-kritérium szerint az eredmény a következ®.
• Tudjuk, ha trJS2 = 0, mindkét sajátérték teljesen imaginárius tekint-
ve, hogy detJS2> 0. Így az implicitfüggvénytételb®l egy Hopf-bifurkáció
jelenik meg a S2 = (x2; y2) pontnál, ahol periodikus keringési pálya ke-
letkezik, ahogy a S2 = (x2; y2)egyensúlyi pont stabilitása megváltozik. A
Hopf-bifurkáció paraméterének kritikus pontja ρ[hf ] = (1−y2∗)(ε+y2∗)2y2∗η
.
Továbbá a második rész alapján világos, hogy az adott feltételek mellett
(a) trJS2= 0, (b) trJS2
= 0, (c)d
dρtrJS2
=ηy2∗
(ε+ y2∗)26= 0. (52)
Ez garantálja a Hopf-bifurkáció létezését S2(x2; y2) pontnál, azaz kis mérték¶
kilengést a periodikus megoldások kettéágazó S2(x2; y2)-ból a Hopf-bifurkáción
keresztül.
5.1.5. A Hopf-bifurkáció határciklusának stabilitása
Ahhoz, hogy a határciklus stabilitásáról (irányáról) beszélhessünk, ki kell
számolnunk a Lyapunov tényez®t a rendszer S2(x2; y2) pontájnál.Els®ként a
rendszer S2(x2; y2) egyensúlyi pontját eltoljuk az origóhoz x = x − x2∗ és
y = y − y2∗ transzformációkat használva. Ez után az egyensúlyi pont egyen-
let felhasználásával a rendszer az origó környezetébe beírható így:
27
dx
dt= a10x+a01y+a20x
2+a11xy+a02y2+a30x
3+a21x2y+a12xy
2+a03y2+F1(x, y)
és
dy
dt= b10x+b01y+b20x
2+b11xy+b02y2+b30x
3+b21x2y+b12xy
2+b03y2+F2(x, y)
ahol,
a10 = −x2∗, a01 = −x2∗, a20 = −1, a11 = −1, a02 = 0, a21 = 0,
a12 = 0, a03 = 0, b10 = ρy2∗, b01 =ηρy2∗
(ε+ y2∗)2, b20 = 0, b11 = ρ,
b02 =ρη
(ε+ y2∗)2− ρηy2∗
(ε+ y2∗)3, b21 = 0, b12 = 0, b03 =
ρηy2∗(ε+ y2∗)4
− ρη
(ε+ y2∗)3
és az Fk(u, v) egy sorozat eleget téve az i+ j ≥ 4 feltételnek
F1(x, y) =
∞∑i+j=4
aij xiyj F2(x, y) =
∞∑i+j=4
bij xiyj . (53)
Ezáltal az els® Lyapunov tényez® síkbeli rendszerre nézve a következ®képpen
adható meg:
σ = − 3π
2a01∆1.5([a10b10(a211 + a11b02 + a02b11) + a10b01(b211 + a20b11 + a11b02
+ b210(a11a02 + 2a02b02)− 2a10b10(b202 − a20a02)− 2a10a01(a220 − b20b02)
− a201(2a20b20 + b11b20) + (a01b10 − 2a210)(b11b02 − a11a20)]− (a210 + a01b10)[3(b10b03
− a01a30) + 2a10(a21 + b12) + (b10a12 − a01b21)])
ahol ∆ = ρx2∗y2∗ε+y2∗
√(ε+−1)2 − 4(η + ε− ε). Ha a Lyapunov szám kifejezése
elég bonyolult, nem állapíthatjuk meg a σ el®jelét, így a következ® numerikus
példával adhatjuk meg.
5.1.6. Numerikus példa
Az α = 0.02, η = 0.2, ε = 0.05 megkapjuk ρ[hf ] = 1.15179 t és a Lyapu-
nov szám σ = −0.52912π < 0. Ezáltal, mikor ρ paraméterei átlépik a kritikus
értéket ρ[hf ] = 1.15179 az egyik oldalról a másik oldalra, a rendszer átme-
het egy szuperkritikus Hopf-bifurkáción. Ezér egy stabil határciklus keletkezik
28
a S2∗ = (x2∗, y2−) = (0.27960, 0.72039) pont körül, míg S1∗ = (x1∗, y1∗) =
(0.79039, 0.20960) a nyeregpont. Ugyanígy az 1 = ρ < ρhf -ra, a S2∗ = (x2∗, y2∗)
egyensúlyi pont stabil. A ρ = 1.1655-nél a határciklus összeér a E1 nyereg-
ponttal, ezzel egy fókusszer¶/homoklinikus körpályát kapunk. Erre az értékre a
Lyapunov szám σ = −0.46241π, még mindig negatív, ennél fogva a homoclinic
körpálya megint stabil lesz. Ezeket az eredményeket láthatjuk a 2(A), (B) és
(C) ábrákon. Biológiai szemszögb®l nézve ez a példa a modell alapján, még ha
pozitív egyensúlyi pont van, a ragadozó faj akkor is kihalhat nagy mérték¶ kez-
d®értékek esetében. Azaz a ragadozó állat egyedszámát mutató gra�kon érinti
a vízszintes tengelyt.
10. ábra. A numerikus példa ábrája
A piros vonal jelöli a zsákmányállat nullklínáját és a zöld görbe jelöli a raga-
dozó állat nullklínáját. Az A és C diagramm azt mutatja, hogy miként változik
a bels® egyensúlyi pontok száma a többi rögzített paraméter függvényében. Ha
29
α = 0.02 ε = 0.05 és (A) η = 0.35 akkor nem áll fenn a bels® egyensúly. A (B)
ábrán η = η[sn] = 0.265225, akkor a két egyensúlyi pont egymáshoz végtelenül
közel kerül, (C) esetében η = 0.23 akkor két bels® egyensúlyi pont van, (D) ha
úgy döntünk α = 0.05, ε = 0.3 és η = 0.5 akkor ott egy darab bels® egyensúlyi
pont lesz.
30
6. Összefoglalás
Szakdolgozatomban a különféle populációdinamikai modelleket elemeztem.
Ehhez el®ször bevezettem a szükséges alapfogalmakat, majd ezeket de�niáltam
is. Ezekután a legegyszer¶bb modelleket mutattam be, ezek az egyszerepl®s mo-
dellek voltak. Két ilyen volt, a korlátlan és a korlátozott egyszerepl®s növekedési
modell. Ezek a legegyszer¶bb modellek voltak, egyetlen hátrányuk, hogy bioló-
giailag nem fenntarthatóak. Ez után az iránymez®k segítségével elemeztem a
modellek viselkedését a térben.
A következ® fejezetben egy egyszer¶bb Lotka-Volterra modellt mutattam be,
ahol két faj, egy ragadozó és egy prédaállat verseng egymással. Itt már összeha-
sonlítottam különféle szaporodási és versenyképességi hatásokat hasonlítottam
össze. Ezeknek olyan állandókat választottam, ahol a két faj egyensúlyban volt.
Végül ennek a modellnek egy módosított változatát mutattam be, ahol a bioló-
giai fenntarthatás érdekében a ragadozók egyedszámát csökkentik.
Ehhez egy numerikus példát is bemutattam, ami megmutatta hogy milyen mér-
ték¶ egyedszámcsökkentés mellett lesz ez a folyamat fenntartható. Az ehhez
tartozó egyensúlyi pontok iránymez®jét is kirajzoltam. Megállapítható ezáltal,
hogy ez a modell lett a leginkább valóságh¶.
31
Hivatkozások
[1] Csépány Viktória: Lokális bifurkációk, Szakdolgozat, 2010.
[2] Faragó István, Horváth Róbert: Numerikus Módszerek, Typotex, 2013.
[3] J.D. Murray: Mathematical Biology: I. An Introduction,Third Edition,
Springer.
[4] Nádori Gergely: http://hirmagazin.sulinet.hu/hu/pedagogia/a-lotka-
volterra-egyenletek, Sulinet, 2007.
[5] R. P. Gupta, Peeyush Chandra and Malay Banerjee: Dynamical complexity
of a prey-predator model with nonlinear predator harvesting, Prentice-Hall,
2015.
[6] Simon L. Péter: Di�erenciálegyenletek és dinamikai rendszerek, ELTE kéz-
irat, 2012.
[7] Simon L. Péter: Közönséges di�erenciálegyenletek, ELTE kézirat, 2007.
[8] Székely Ferenc: Populációdinamikai modellek szemléltetése Matlabbal, Szak-
dolgozat, 2011.
[9] Wikipédia: http://hu.wikipedia.org/wiki/Kommenzalizmus.
[10] Wikipédia: http://hu.wikipedia.org/wiki/Szimbiózis.
32
Nyilatkozat
Név: Kaszás Gábor
ELTE Természettudományi Kar, szak: Matematika BSc
Neptun azonosító: AW68SK
Szakdolgozat cím: Populációdinamikai modellek
A szakdolgozat szerz®jeként fegyelmi felel®sségem tudatában kijelentem, hogy
a dolgozatom önálló munkám eredménye, saját szellemi termékem, abban a hi-
vatkozások és idézések standard szabályait következetesen alkalmaztam, mások
által írt részeket a megfelel® idézés nélkül nem használtam fel.
Budapest, 2015. május 25.
a hallgató aláírása
33