Lotka-Volterra Till Rehmert Hemmat Djamali 10.06.2015 Inhalt • • • • • • • • Motivation Räuber-Beute-System / Lotka-Volterra Eingriffe von außen Logistisches Wachstum Jacobi-Matrix Drei Spezies Infektion/Epidemie Wirtschaftsmodell Motivation Wie kam Lotka und Volterra auf die Idee? Motivation Wie kam Lotka und Volterra auf die Idee? → Kurz vor dem Ende des ersten Weltkrieg: Anteil der Jagdfische im Gegensatz zu den Beutefischen zu hoch. Danach stabilisierte sich das wieder. Motivation Wie kam Lotka und Volterra auf die Idee? → Kurz vor dem Ende des ersten Weltkrieg: Anteil der Jagdfische im Gegensatz zu den Beutefischen zu hoch. Danach stabilisierte sich das wieder. Lotka und Volterra kamen getrennt auf die selbe Gleichung Problemstellung Problemstellung Beute π π • Annahme: Beute nimmt exponentiell zu (∞-viel Nahrung) • β′ π‘ = π ∗ β π‘ Problemstellung Beute π π • Annahme: Beute nimmt exponentiell zu (∞-viel Nahrung) • β′ π‘ = π ∗ β π‘ Räuber π(π) • Annahme: Räuber nehmen exponentiell ab • π ′ π‘ = −π ∗ π π‘ Problemstellung β′ π‘ = π ∗ β π‘ π ′ π‘ = −π ∗ π π‘ π β πππππβππ’πππ πππ‘π π β ππ’ππβππππππ‘ππ πππ π äπ’πππ πππ π΅ππππππ’ππ Problemstellung Zahl der möglichen Begegnungen: π π‘ ∗ β(π‘) β′ π‘ = π ∗ β π‘ π ′ π‘ = −π ∗ π π‘ π β πππππβππ’πππ πππ‘π π β ππ‘πππππππ‘π Problemstellung Zahl der möglichen Begegnungen: π π‘ ∗ β(π‘) β′ π‘ = π ∗ β π‘ −π ∗ π π‘ β π‘ π ′ π‘ = −π ∗ π π‘ +π ∗ π π‘ β π‘ π β πππππβππ’πππ πππ‘π π β ππ‘πππππππ‘π πππ π΅ππ’π‘π πππ π΅ππππππ’ππ π β ππ‘πππππππ‘π π β ππ’ππβππππππ‘ππ πππ π äπ’πππ πππ π΅ππππππ’ππ Lotka-Volterra Gleichungen Spezielle Lösung • Wähle Anfangspopulation: (β 0 = β0 , π 0 = π0 ) β0 = 0 oder π0 = 0 Lotka-Volterra Gleichungen Spezielle Lösung • Wähle Anfangspopulation: (β 0 = β0 , π 0 = π0 ) β0 = 0 oder π0 = 0 Spezielle Lösungen: β0 π ππ‘ , 0 , 0, π0 (βπ , ππ ) = π π , π π π −ππ‘ π π , 0,0 , , π π kritischer Punkt Lotka-Volterra Gleichungen Phasenraum • Beide Gleichungen miteinander multiplizieren und integrieren : πΎ = π β, π = πβ − π log β + ππ − π log(π) Lotka-Volterra Gleichungen Phasenraum • Beide Gleichungen miteinander multiplizieren und integrieren : πΎ = π β, π = πβ − π log β + ππ − π log(π) Eingriffe von außen Differentialgleichung β′ π‘ = π β π‘ − π π π‘ β π‘ π ′ π‘ = −π π π‘ + π π π‘ β π‘ π β πππππβππ’πππ πππ‘π π β ππ‘πππππππ‘π πππ π΅ππ’π‘π πππ π΅ππππππ’ππ π β ππ‘πππππππ‘π π β ππ’ππβππππππ‘ππ πππ π äπ’πππ πππ π΅ππππππ’ππ Eingriffe von außen Differentialgleichung β′ π‘ = π β π‘ − π π π‘ β π‘ − βπ β(π‘) π ′ π‘ = −π π π‘ + π π π‘ β π‘ − βπ π(π‘) π β πππππβππ’πππ πππ‘π π β ππ‘πππππππ‘π πππ π΅ππ’π‘π πππ π΅ππππππ’ππ π β ππ‘πππππππ‘π π β ππ’ππβππππππ‘ππ πππ π äπ’πππ πππ π΅ππππππ’ππ βπ β πΈππππππππ πππ ππππ‘πππβπππ‘ βπ β πΈππππππππ πππ ππππ‘πππβπππ‘ Voraussetzung: βπ< π und βπ< π Eingriffe von außen Mittelwerte π + βπ βπ = π π − βπ ππ = π Eingriffe von außen Mittelwerte π + βπ βπ = π π − βπ ππ = π Je stärker der Einfluss bei den Räubern ist, desto besser ist es für den mittleren Bestand der Beute. Je stärker der Einfluss bei der Beute ist, desto schlechter ist es für den mittleren Bestand der Räuber. Beschränktes Wachstum der Beute Differentialgleichung Annahme: Beute wächst nun logistisch, falls kein Kontakt mit Räuber. β′ = π β (1 β − ) πΎ Beschränktes Wachstum der Beute Differentialgleichung β′ β = π β (1 − ) − π π β πΎ π ′ = −π π + π π β πΎ = Maximale Kapazitätsgrenze (Beute) Beschränktes Wachstum der Beute Phasenraum/Mittelwert Geraden: βπ = π π 1− β πΎ ππ = π π Beschränktes Wachstum der Beute Phasenraum/Mittelwert – Fall 1 π πΎ> π Beschränktes Wachstum der Beute Phasenraum/Mittelwert – Fall 1 π πΎ> π Schneiden sich im Inneren Gleichgewichtspunkt existiert π π π βπ = ππ = (1 − ) π π ππΎ Beschränktes Wachstum der Beute Phasenraum/Mittelwert – Fall 1 π πΎ> π Schneiden sich im Inneren Gleichgewichtspunkt existiert π π π βπ = ππ = (1 − ) π π ππΎ lim βπ = π‘→∞ π π lim ππ = π‘→∞ π (1 π − π ) ππΎ Beschränktes Wachstum der Beute Phasenraum/Mittelwert – Fall 2 π πΎ≤ π Schneiden sich nicht im Inneren (Kein Gleichgewichtspunkt) Beschränktes Wachstum der Beute Phasenraum/Mittelwert – Fall 2 π πΎ≤ π Schneiden sich nicht im Inneren (Kein Gleichgewichtspunkt) Für t→ ∞ : π π‘ = 0 β(π‘)=K Beschränktes Wachstum der Beute Phasenraum/Mittelwert – Fall 2 π πΎ≤ π Schneiden sich nicht im Inneren (Kein Gleichgewichtspunkt) Für t→ ∞ : π π‘ = 0 β(π‘)=K Falls Mittelwert der Räuber größer als der Maximalkapazität der Beute ist, sterben die Räuber aus Jacobi-Matrix System zweier DGL: [ dx =f (x , y ) dt f x ( x , y ) f y (x , y) J (x , y )= h x (x , y ) h y ( x , y ) ] allg. dy =h( x , y ) dt d βx βy =f (βx )= dt Jacobi-Matrix System zweier DGL: dx =f (x , y ) dt [ f x ( x , y ) f y (x , y) J (x , y )= h x (x , y ) h y ( x , y ) [ allg. d βx βy =f (βx )= dt dx 1 = A +(−x 2) dt Einfacher Ansatz: 0 −1 J (x , y )= 1 0 ] dy =h( x , y ) dt ] A =4, B=3, x 1 (0)=5, x 2 (0)=4 dy 1 =−B+ x 1 dt Jacobi-Matrix Suche nach Fixpunkten (Eigenwertproblem): J ( x , y )= [ 0 −1 1 0 ] λ=±√−1 Jacobi-Matrix Suche nach Fixpunkten (Eigenwertproblem): J ( x , y )= [ 0 −1 1 0 periodisch falls Real [ λ i ]=0 ] λ=±√−1 Jacobi-Matrix Suche nach Fixpunkten (Eigenwertproblem): J ( x , y )= [ 0 −1 1 0 periodisch falls Real [ λ i ]=0 ] λ=±√−1 Stabil falls Real [ λ i ]<0 Instabil falls Real [ λ i ]>0 Drei Spezies Räuber 2 fressen Räuber 1 fressen Beute Drei Spezies Räuber 2 dz =h( y , z )=(−a 3 +c 2 y )z dt fressen Räuber 1 dy =g(x , y , z)=(−a2 +b 2 x −c 1 z) y dt fressen Beute dx =f (x , y )=(a1−b1 y )x dt a 1 , a 2 , a3 , b1 , b2 , c 1 ,c 2 ∈β Drei Spezies Gleichgewichtspunkte { dx =f (x , y)=(a 1−b 1 y) x dt dy =g(x , y , z)=(−a2 +b 2 x−c 1 z) y dt dz =h( y, z)=(−a 3 +c 2 y)z dt } Für Gleichgewichtspunkte gelte: d x y =0 dt z () Drei Spezies Gleichgewichtspunkte { dx =f (x , y)=(a 1−b 1 y) x dt dy =g(x , y , z)=(−a2 +b 2 x−c 1 z) y dt dz =h( y, z)=(−a 3 +c 2 y)z dt E0 =(0,0,0) } Für Gleichgewichtspunkte gelte: a 2 a1 E1 =( , ,0) b 2 b1 d x y =0 dt z () a3 a2 E2 =( ,− ,0) c2 c1 Drei Spezies Gleichgewichtspunkte { dx =f (x , y)=(a 1−b 1 y) x dt dy =g(x , y , z)=(−a2 +b 2 x−c 1 z) y dt dz =h( y, z)=(−a 3 +c 2 y)z dt E0 =(0,0,0) } Für Gleichgewichtspunkte gelte: a 2 a1 E1 =( , ,0) b 2 b1 d x y =0 dt z () a3 a2 E2 =( ,− ,0) c2 c1 Drei Spezies Gleichgewichtspunkte { dx =f (x , y)=(a 1−b 1 y) x dt dy =g(x , y , z)=(−a2 +b 2 x−c 1 z) y dt dz =h( y, z)=(−a 3 +c 2 y)z dt E0 =(0,0,0) Analyse: } Für Gleichgewichtspunkte gelte: a 2 a1 E1 =( , ,0) b 2 b1 [ d x y =0 dt z () a3 a2 E2 =( ,− ,0) c2 c1 a1 −b1 yΜ −b1 xΜ 0 J ( xΜ , yΜ , zΜ)= b 2 yΜ −a2 +b 2 xΜ−c 1 xΜ −c 1 yΜ 0 c 2 zΜ −a 3+c 2 yΜ ] Drei Spezies Fixpunktanalyse 1. Jacobi-Matrix für den Gleichgewichtspunkt [ E0 =(0,0,0) a1 0 0 J (0, 0,0)= 0 −a2 0 0 0 −a3 Die Eigenwerte hierfür sind: ] λ 1=a1 , λ 2=−a 2 , λ3 =−a 3 Folglich ist Gleichgewichtspunkt E0 =(0,0,0) ein Sattelpunkt. Drei Spezies Fixpunktanalyse 2. Jacobi-Matrix für den Gleichgewichtspunkt [ 0 J ( xΜ , yΜ , zΜ)= b2 Die Eigenwerte hierfür sind: a1 b1 0 −b 1 0 0 a2 b2 0 a1 b1 a −a3 + c 2 1 b1 −c 1 ] λ 1,2=±i √ a 1 a 2 a1 c 2−a3 b1 λ3= b1 a 2 a1 E1 =( , ,0) b 2 b1 Stabiler Fixpunkt für a 3 b1 >a 1 c 2 Drei Spezies Hopf-Bifurkations-Punkt Dynamisches System kann allgemein angegeben werden als: νΜ=F (ν ,μ ) ν=( x , y , z), μ =(a1 , a2 , a 3 , b1 ,b 2 , c1 , c 2) mit Hopf-Bifurkation-Punkt erfüllt folgende Eigenschaften: i. ii. F (ν 0 ,μ 0 )=0 J (ν 0 ,μ 0 ) Besitz zwei komplex-konjugierte Eigenwerte in der Form: λ 1,2=a(ν ,μ)±i b(ν ,μ) iii. iv. um a ( ν0 , μ 0)=0, ∇ a( ν 0 ,μ 0 )≠0, b ( ν 0 , μ 0)≠0 Dritter Eigenwert λ 3 (ν 0 ,μ 0 )≠0 Drei Spezies Hopf-Bifurkations-Punkt Dynamisches System kann allgemein angegeben werden als: νΜ=F (ν ,μ ) ν=( x , y , z), μ =(a1 , a2 , a 3 , b1 ,b 2 , c1 , c 2) mit Hopf-Bifurkation-Punkt erfüllt folgende Eigenschaften: i. ii. F (ν 0 ,μ 0 )=0 J (ν 0 ,μ 0 ) Besitz zwei komplex-konjugierte Eigenwerte in der Form: λ 1,2=a(ν ,μ)±i b(ν ,μ) iii. iv. um a ( ν0 , μ 0)=0, ∇ a( ν 0 ,μ 0 )≠0, b ( ν 0 , μ 0)≠0 Dritter Eigenwert a 2 a1 E1 =( , ,0) b 2 b1 λ 3 (ν 0 ,μ 0 )≠0 λ 1,2=±i √ a 1 a 2 a1 c 2−a3 b1 λ3= b1 Drei Spezies Hopf-Bifurkations-Punkt Für a1 c 2−a3 b1 λ3= b1 Parameter wähle Gleichgewichtspunkte Fall a1 c2 a 30= b1 Eigenwerte E0 E1 a 3=0.4 0,0,0 1,1,1 ±0.5,−0.4 ±0.5 i,+ 0.1 Spirale a 3=a30 a 3=0.5 0,0,0 1,1,1 ±0.5,−0.5 a 3 >a 30 0,0,0 1,1,1 ±0.5,−0.6 ±0.5 i,−0.1 Spirale a 3 <a 30 a 3=0.6 E0 Stabilität E1 Instabile ±0.5 i ,0 periodisch Stabile Drei Spezies Beschränktes Wachstum der Beute // Eingriffe von Außen Beute dx =f (x , y )=a 1 x (1−x / K )b 1 yx dt Räuber 1 dy =g(x , y , z)=(−a2 +b 2 x −c 1 z) y +e 1 y dt Räuber 2 dz =h( y , z )=(−a 3 +c 2 y )z + e 2 z dt Drei Spezies Beschränktes Wachstum der Beute // Eingriffe von Außen Beute dx =f (x , y )=a 1 x (1−x / K )b 1 yx dt Räuber 1 dy =g(x , y , z)=(−a2 +b 2 x −c 1 z) y +e 1 y dt Räuber 2 dz =h( y , z )=(−a 3 +c 2 y )z + e 2 z dt Infektion/Epidemie Motivation Wie entwickelt sich Infektion? Wann wird dies zur Epidemie? Infektion/Epidemie Differentialgleichung β = −π β π π =πβπ −ππ π=ππ β = gesunde Menschen π = kranke Menschen π = Menschen die immun, tot oder isoliert sind (nicht mehr angesteckt werden können) Infektion/Epidemie Eigenschaften β+π+π =0 β + π + π = π = πΊππ πππ‘πππ£öπππππ’ππ Infektion/Epidemie Eigenschaften β+π+π =0 β + π + π = π = πΊππ πππ‘πππ£öπππππ’ππ AB: β 0 > 0, β 0 < 0, π 0 > 0, π 0 = 0 Infektion/Epidemie Epidemie Wann haben wir nun eine Epidemie und wann nicht? Was für Anfangswerte brauchen wir? π β 0 < π π β 0 > π Infektion/Epidemie Epidemie - Fallunterscheidung 1. π π β 0 < , β ≤ 0 somit β < β(0) π = π β − π π ≤ 0 für alle π‘ ≥ 0 Infektion stirbt aus Optimal wenn π (Ansteckungsrate) klein und π (Todesrate) klein ist. Infektion/Epidemie Epidemie - Fallunterscheidung 1. π π β 0 < , β ≤ 0 somit β < β(0) π = π β − π π ≤ 0 für alle π‘ ≥ 0 Infektion/Epidemie Epidemie - Fallunterscheidung π π 2. β 0 > : π = π β − π π > 0 für bestimmtes π‘ Infektion/Epidemie Epidemie - Fallunterscheidung π π 2. β 0 > : π = π β − π π > 0 für bestimmtes π‘ Maximum bei π π ππππ₯ = π − + π log( ) π β(0) Infektion/Epidemie Epidemie - Fallunterscheidung π π 2. β 0 > : π = π β − π π > 0 für bestimmtes π‘ Maximum bei π π ππππ₯ = π − + π log( ) π β(0) π ∞ = 0 (heißt aber nicht, alle wurden infiziert) denn mit Gl 1 und 3 folgt β > 0 ππ‘ππ‘ππ = π 0 + β 0 − β(∞) Infektion/Epidemie Zusammenfassung Je tödlicher das Virus, desto unwahrscheinlicher einer Epidemie Problem bei Infektion ist die Ansteckungsgefahr Lotka-Volterra Modell in der Wirtschaft Preisbildung bei Monopolen Nachfrageverhalten der Konsumenten: Nachfragefunktion Produktionskosten D ( p)= N 0 (1− p ) mit N 0 , p0 > 0 p0 C (x)=a +b x mit a , b> 0 Lotka-Volterra Modell in der Wirtschaft Preisbildung bei Monopolen Nachfrageverhalten der Konsumenten: Nachfragefunktion Produktionskosten D ( p)= N 0 (1− p ) mit N 0 , p0 > 0 p0 C (x)=a +b x mit a , b> 0 Angestrebtes Ziel → bestimmte Profitrate G px −C ( x) q= = C C (x ) Erlös und Kosten q> 0 C (x ) px=(1+q)C (x)bzw . p=(1+q) x Preis zu durchschn. Stückkosten Lotka-Volterra Modell in der Wirtschaft Preisbildung bei Monopolen C (x ) px=(1+q)C (x)bzw . p=(1+q) x Produzierte Menge x und Nachfrage weichen D(p) ab → x an Nachfrage anpassen Profitrate passt nicht zu Sollwert q → Preisanpassung Lotka-Volterra Modell in der Wirtschaft Preisbildung bei Monopolen C (x ) px=(1+q)C (x)bzw . p=(1+q) x Produzierte Menge x und Nachfrage weichen D(p) ab → x an Nachfrage anpassen Profitrate passt nicht zu Sollwert q → Preisanpassung xΜ=f ( D ( p)−x ) pΜ=g((1+q)C (x)− px) Streng monoton wachsende Funktionen f ,g für die gilt f (0)=g(0)=0 Lotka-Volterra Modell in der Wirtschaft Preisbildung bei Monopolen (x 1 , p1 ) (x 2 , p 2) Lotka-Volterra Modell in der Wirtschaft Preisbildung bei Monopolen (x 1 , p1 ) (x 2 , p 2) Danke Quellen β Nonlinear Dynamics and Chaos: With Applications to Physics, Biology, Chemistry, and Engineering, Steven Strogatz β Predator-Prey Modeling with the Lotka-Volterra Equations, David Hyde β Numerical Simulation for the non-linear Lotka-Volterra System; Lohan, Ignat, 2006 β β Numerical Simulation Dynamical Model of Three-Spezies Food Chain with Lotka-Volterra Linear Funktional Response, M. Mamat et al., 2011 Dynamische Modelle in den Lebens- und Gesellschaftswissenschaften, Claus Peter Ortlieb, 2009/10