Peto- ja saaliskanta

Samankaltaiset tiedostot
Van der Polin yhtälö

Tykillä ampuminen 2. missä b on ilmanvastuskerroin, v skalaarinen nopeus, nopeus vektorina ja nopeuden suuntainen yksikkövektori.

Derivointiesimerkkejä 2

Laskuvarjohyppy. painovoima, missä on maan vetovoiman aiheuttama kiihtyvyys, sekä ilmanvastus, jota arvioidaan yhtälöllä

dt 2. Nämä voimat siis kumoavat toisensa, jolloin saadaan differentiaaliyhtälö

Insinöörimatematiikka D

Differentiaaliyhtälöryhmä

Insinöörimatematiikka D

Matematiikan tukikurssi: kurssikerta 10

Mapu I Laskuharjoitus 2, tehtävä 1. Derivoidaan molemmat puolet, aloitetaan vasemmasta puolesta. Muistetaan että:

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain

Jatkuva-aikaisten Markov-prosessien aikakehitys

Differentiaaliyhtälöryhmän numeerinen ratkaiseminen

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

Osa IX. Z muunnos. Johdanto Diskreetit funktiot

Radioaktiivinen hajoaminen

6.8 Erityisfunktioiden sovelluksia

Lisätehtäviä. Rationaalifunktio. x 2. a b ab. 6u x x x. kx x

Matematiikan tukikurssi

13. Ratkaisu. Kirjoitetaan tehtävän DY hieman eri muodossa: = 1 + y x + ( y ) 2 (y )

Matematiikan tukikurssi

Suoran yhtälöt. Suoran ratkaistu ja yleinen muoto: Suoran yhtälö ratkaistussa, eli eksplisiittisessä muodossa, on

Radioaktiivinen hajoaminen

RCL-vihtovirtapiiri: resonanssi

Van der Polin yhtälö. virtap6.nb 1

πx) luvuille n N. Valitaan lisäksi x = m,

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.

d Todista: dx xn = nx n 1 kaikilla x R, n N Derivaatta Derivaatta ja differentiaali

Numeeriset menetelmät TIEA381. Luento 12. Kirsi Valjus. Jyväskylän yliopisto. Luento 12 () Numeeriset menetelmät / 33

Differentiaali- ja integraalilaskenta 1 Ratkaisut 3. viikolle /

12. Differentiaaliyhtälöt

MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy Millä reaaliluvun x arvoilla. 3 4 x 2,

Harjoitus Tarkastellaan luentojen Esimerkin mukaista työttömyysmallinnusta. Merkitään. p(t) = hintaindeksi, π(t) = odotettu inflaatio,

Matematiikan tukikurssi

4. Differentiaaliyhtälöryhmät 4.1. Ryhmän palauttaminen yhteen yhtälöön

Monisilmukkainen vaihtovirtapiiri

Luento 8: Epälineaarinen optimointi

Matematiikan tukikurssi: kurssikerta 12

Differentiaali- ja integraalilaskenta 2 (CHEM) MS-A0207 Hakula/Vuojamo Kurssitentti, 12.2, 2018, arvosteluperusteet

y (0) = 0 y h (x) = C 1 e 2x +C 2 e x e10x e 3 e8x dx + e x 1 3 e9x dx = e 2x 1 3 e8x 1 8 = 1 24 e10x 1 27 e10x = e 10x e10x

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1350 Osittaisdifferentiaaliyhtälöt Harjoitukset 5, syksy Mallivastaukset

RATKAISUT a + b 2c = a + b 2 ab = ( a ) 2 2 ab + ( b ) 2 = ( a b ) 2 > 0, koska a b oletuksen perusteella. Väite on todistettu.

Kevään 2011 pitkän matematiikan ylioppilastehtävien ratkaisut Mathematicalla Simo K. Kivelä /

MATEMATIIKAN KOE PITKÄ OPPIMÄÄRÄ

Johdatus tekoälyn taustalla olevaan matematiikkaan

l 1 2l + 1, c) 100 l=0

(a) Järjestellään yhtälöitä siten, että vasemmalle puolelle jää vain y i ja oikealle puolelle muut

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

l 1 2l + 1, c) 100 l=0 AB 3AC ja AB AC sekä vektoreiden AB ja

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 1: Parametrisoidut käyrät ja kaarenpituus

763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 2 Kevät 2017

Harjoitus 4: Differentiaaliyhtälöt (Matlab) MS-C2107 Sovelletun matematiikan tietokonetyöt 1

Matematiikan taito 9, RATKAISUT. , jolloin. . Vast. ]0,2] arvot.

a) on lokaali käänteisfunktio, b) ei ole. Piirrä näiden pisteiden ympäristöön asetetun neliöruudukon kuva. VASTAUS:

Kertausosa. 5. Merkitään sädettä kirjaimella r. Kaaren pituus on tällöin r a) sin = 0, , c) tan = 0,

Luento 8: Epälineaarinen optimointi

Laskuharjoitus 2A ( ) Aihepiiri: Raja-arvot etc. Adams & Essex, 8th Edition, Chapter 12. z = f(x, 0) = x2 a z = f(0, y) = 02 a 2 + y2

KERTAUSHARJOITUKSIA. 1. Rationaalifunktio a) ( ) 2 ( ) Vastaus: a) = = 267. a) a b) a. Vastaus: a) a a a a 268.

Lineaarinen toisen kertaluvun yhtälö

Ensimmäisen asteen polynomifunktio

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 2: Usean muuttujan funktiot

Tehtävänanto oli ratkaista seuraavat määrätyt integraalit: b) 0 e x + 1

Kolmion kulmien summa. Maria Sukura

Kanta ja Kannan-vaihto

Aki Taanila YHDEN SELITTÄJÄN REGRESSIO

Vektoriarvoiset funktiot Vektoriarvoisen funktion jatkuvuus ja derivoituvuus

Matematiikan tukikurssi

f (t) + t 2 f(t) = 0 f (t) f(t) = t2 d dt ln f(t) = t2, josta viimeisestä yhtälöstä saadaan integroimalla puolittain

Koska ovat negatiiviset. Keskihajontoja ei pystytä laskemaan mutta pätee ¾.

MS-A0207 Differentiaali- ja integraalilaskenta 2 (CHEM) Luento 2: Usean muuttujan funktiot

Lauseen erikoistapaus on ollut kevään 2001 ylioppilaskirjoitusten pitkän matematiikan kokeessa seuraavassa muodossa:

Harjoitus Etsi seuraavien autonomisten yhtälöiden kriittiset pisteet ja tutki niiden stabiliteettia:

Harjoitus 6: Symbolinen laskenta II (Mathematica)

Lukujonot Z-muunnos Z-muunnoksen ominaisuuksia Z-käänteismuunnos Differenssiyhtälöt. Z-muunnos. 5. joulukuuta Z-muunnos

min x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2

Funktiojonot ja funktiotermiset sarjat Funktiojono ja funktioterminen sarja Pisteittäinen ja tasainen suppeneminen

MAA7 Kurssikoe Jussi Tyni Tee B-osion konseptiin pisteytysruudukko! Kaikkiin tehtäviin välivaiheet näkyviin! Laske huolellisesti!

x = ( θ θ ia y = ( ) x.

1 Kompleksitason geometriaa ja topologiaa

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2017 Insinöörivalinnan matematiikan koe , Ratkaisut (Sarja A)

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 10: Ensimmäisen kertaluvun differentiaaliyhtälö

Numeeriset menetelmät

ẋ(t) = s x (t) + f x y(t) u x x(t) ẏ(t) = s y (t) + f y x(t) u y y(t),

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

Juuri 6 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Vastaus: Määrittelyehto on x 1 ja nollakohta x = 1.

VASTAA YHTEENSÄ KUUTEEN TEHTÄVÄÄN

Lukujonot Z-muunnos Z-muunnoksen ominaisuuksia Z-käänteismuunnos Differenssiyhtälöt. Z-muunnos. 1. joulukuuta Z-muunnos

Käyräparven kohtisuorat leikkaajat

Seuraavana tavoitteena on osoittaa, että binääristen neliömuotojen ekvivalenssiluokat

5 Differentiaaliyhtälöryhmät

MS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 10: Ensimmäisen kertaluvun differentiaaliyhtälö

MATEMATIIKAN KOE, LYHYT OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ

Ratkaise tehtävä 1 ilman teknisiä apuvälineitä! 1. a) Yhdistä oikea funktio oikeaan kuvaajaan. (2p)

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 8B Ratkaisuehdotuksia.

Värähtelevä jousisysteemi

Nopeus, kiihtyvyys ja liikemäärä Vektorit

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

Transkriptio:

Peto- ja saaliskanta Peto- ja saaliskantojen keskinäistä vuorovaikutusta voiaan mallintaa toisistaan riippuvien ifferentiaaliyhtälöien avulla. Tässä tarkastellaan yksinkertaista mallia, joka perustuu ns. Volterran Lotkan yhtälöihin. Yhtälöt konstruoiaan seuraavalla logiikalla. Saaliseläinkantaa kuvaavan funktion s(t) muutokset (erivaatan arvot) riippuvat kahesta tekijästä. Toisaalta kantaan vaikuttaa ympäristötekijöien muoostama kasvutermi α s(t), joka kuvaa populaation (eksponentiaalista) kasvua olosuhteissa, jossa petokannan vaikutusta ei ole. Tämän lisäksi kantaan vaikuttaa petokannan p(t) aiheuttama kantaa vähentävä tekijä. Perusyhtälö saaliskannalle on siis s( t ) = ( α β p( t )) s( t ), jossa α on saalispopulaation kasvukerroin ja β on petopopulaationsyömiskerroin. Vastaavasti petokannan yhtälössä tulee olla saaliskannan puuttumisesta aiheutuva kantaa heikentävä (eksponentiaalinen) vähenemistekijä γ p(t) sekä saaliskannan runsauesta aiheutuva kasvutekijä. Niinpä perusyhtälö petokannalle on muotoa p( t ) = ( γ+ δβ s( t )) p( t ), missä γ on saalistajien vähenemistekijä ja δ on saalistajien tehokerroin saaliseläinten ollessa saatavilla. Tarkastellaan seuraavaksi, millaisen mallin kantojen käyttäytymiselle yllä esitetyt mallit antavat. Olkoot tarkasteltavina lajeina ilves- ja lumikenkäjäniskannat Kanaassa. Laskujen aluksi on syytä hävittää mahollisista aiemmista laskuista jääneet muuttujat. > restart; Määritellään ilves- ja jäniskantoja kuvaava ifferentiaaliyhtälöryhmä (yksikkönä tuhat yksilöä). (α

= 1.2, β = 0.04, γ = 0.5, δ = 0.3) > ryhma:= iff(s(t), t)=s(t)*(1.2-0.04*p(t)), iff(p(t), t)=p(t)*(-0.5 +0.012*s(t)); ryhma := s( t ) = s( t )( 1.2 0.04 p( t )), p( t ) = p( t ) ( 0.5 + 0.012 s( t )) Probleeman tuntemattomat funktiot ovat jäniskantaa kuvaava s(t) sekä ilveskantaa kuvaava p(t). Aika t kuvaa kuluneita vuosia. > tuntemattomat:= {s(t), p(t)}; tuntemattomat := { s( t ), p( t )} Valitaan kantojen kokoa kuvaavat alkuehot tarkastelun alkaessa. Ilveksiä olkoon 15 000 ja lumikenkäjäniksiä 60 000 yksilöä. > alkuehto:= s(0)=60, p(0)=15; alkuehto := s0 ( ) = 60, p0 ( ) = 15 Ratkaistaan ifferentiaaliyhtälöryhmä. > rtk:= solve({ryhma,alkuehto}, tuntemattomat, type=numeric, output=listproceure); rtk := [ t = ( proc( t )... en proc), p( t ) = ( proc( t )... en proc ), s( t ) = ( proc( t)... en proc )] Poimitaan ratkaisusta kantojen koot. > maarat:= subs(rtk, [s(t), p(t)]): Piirretään kuvat saaliseläin- ja petokantojen vaihtelusta ajan suhteen. > plot([maarat[1], maarat[2]], 0..80);

Saamme tulokseksi erittäin säännöllisesti vaihtelevat populaatiot, jossa jäniskanta on merkitty punaisella ja ilveskanta vihreällä käyrällä. Toellisuuessa vain harvoin ympäristöolot ovat niin tasaiset, että yllä lasketun kaltaista kantojen vaihtelua esiintyisi. Yleensä sää ja muut kannoista riippumattomat ympäristötekijät vaikuttavat merkittävästi populaatioihin. Verrataan kuitenkin saatua tulosta Kanaan lumikenkäjänis- ja ilveskantoihin vuosina 1855-1930 (atan alkuperänä on Huson's Bay Companyn tilastot). > janis:= [[1855, 76], [1856, 88], [1859, 19], [1861.5, 26], [1862.5, 10], [1863.5, 155], [1865, 151], [1867, 20], [1868, 5], [1871.5, 11], [1872.5, 69], [1873, 51], [1875, 52], [1876, 100], [1877.5, 73], [1881.5, 7], [1882.5, 9], [1884, 43], [1885, 130], [1887, 133], [1889.5, 19], [1892, 62], [1893, 65], [1895, 86], [1897.5, 11], [1899.5, 6], [1901, 12], [1902, 4], [1904, 67], [1906.5, 24], [1907.5, 23], [1909, 24], [1910, 50], [1912.5, 72], [1916.5, 3], [1919, 9], [1921, 57], [1923, 77], [1925, 72], [1926, 10], [1928, 4], [1930, 7]]: > ilves:= [[1855, 29], [1857, 28], [1861, 4], [1862.5, 4], [1866, 68], [1867.5, 72], [1869, 12], [1872, 7], [1873, 33], [1875, 35], [1876, 48], [1879, 44], [1881, 11], [1882, 11], [1884.5, 50], [1885.5, 78], [1887, 80], [1889, 39], [1892, 21], [1893, 46], [1895, 52], [1901, 9], [1903, 20], [1905.5, 62], [1907, 55], [1908, 5], [1911, 14], [1912, 36], [1915, 43], [1917.5, 6], [1920, 6], [1925, 45], [1927, 52], [1930, 19]]:

> plot([janis, ilves], legen=["jänis", "Ilves"]); Havaitaan, että vaikka luonnollisia kannanvaihteluja aiheuttavat myös muut tekijät, on yheksän vuoen välein esiintyvä maksimi molemmille kannoille varsin säännöllinen. Volterran Lotkan yhtälö näyttää siis kuvaavan jotain olennaista saalis-peto-suhteessa olevien kantojen keskinäisestä vuorovaikutuksesta. Toisaalta se ei kerro kovinkaan monesta kannan suuruuteen vaikuttavasta tekijästä. Tarkastellaan vielä peto- ja saaliskantojen käyttäytymistä faasitasossa. Tarkoituksena on piirtää faasitasokuva, jossa x-akseli kuvastaa kannan kasvunopeutta ja y-akseli kannan suuruutta. Periaatteessa kannan kasvunopeus on kannan kokoa kuvaavan funktion erivaatta. Koska ratkaisu kuitenkin laskettiin numeerisesti, se ei ole funktio jota voitaisiin erivoia. Karkea kuva on sen sijaan mahollista piirtää laskemalla erotusosamäärän avulla erivaatta tietyissä pisteissä, joien kautta lopuksi piirretän käyrä. Lasketaan jäniskannan koko 100 pisteessä: > spisteet:= seq(maarat[1](t/10), t=0..100): Lasketaan erotusosamäärän avulla erivaatalle arvio samoissa pisteissä: > serivpisteet:= seq((maarat[1](t/10+0.00001)-maarat[1](t/10))/0.00001, t=0..100): Tehään vastaavat operaatiot ilveskannalle:

> ppisteet:= seq(maarat[2](t/10), t=0..100): > perivpisteet:= seq((maarat[2](t/10+0.00001)-maarat[2](t/10))/0.00001, t=0..100): Piirretään kantoja kuvaavat kuvaajat samaan kuvaan siten, että x-akselilla on kasvunopeus ja y-akselilla on kannan koko: > plot([zip((x, y)->[x, y], [serivpisteet], [spisteet]), zip((x, y)->[x, y], [perivpisteet], [ppisteet])]); > Tehtäviä Mitä tämä faasitason kuvaaja kertoo kantojen käyttäytymisestä? Tarkastele, miten eri parametrien muuttaminen vaikuttaa faasitason kuvaajaan. Tutki myös, onko olemassa alkuehtoja, joien avulla saavutetaan tasapaino peto- ja saaliskannan välillä. Vihje: Tarkastele alkuehtoa, jossa x'(t) = y'(t) = 0. Linkit ifferentiaaliyhtälöryhmä faasitaso JP & SKK & MS 12.07.2001