Modelos Dinámicos

Modelos
Dinmicos y
Poblacionales
Modelacin Matemtica Sem II - 2015
Sistemas dinmicos y modelacin de

poblaciones
Poblacin: Una coleccin de objetos contables (animales,
clulas, partes en una lnea de produccin, etc)
Este tipo de modelos no corresponde de manera rigurosa a
principios de conservacin (aunque se pueden hacer
analogas con modelos compartimntales)
Una poblacin puede cambiar en el tiempo.
En un sistema de estudio pueden existir ms de una poblacin
La interaccin entre poblaciones dicta el tipo de evolucin del
sistema
El conjunto de poblaciones nos define un punto n-dimensional:
x(t) = (x1 (t), x2 (t), . . . , xn (t))
Sistemas dinmicos y modelacin de

poblaciones
Generalmente no se conoce x(t) directamente, pero si las
fuerzas que determinan la rata y direccin de cambio
x = f (x)
Escrito en forma explicita,
dx1
= f1 (x1 , . . . , xn ),
dt
dx2
= f2 (x1 , . . . , xn ),
dt
..
.
dxn
= fn (x1 , . . . , xn ),
dt
Cualquier x(t) que satisfaga el anterior sistema es un SISTEMA

DINMICO. Puede pensar en algn punto especial?
Evolucin de poblaciones
Todos los organismos son afectados por
diversos factores que afectan el
crecimiento de la poblacin. Los
cambios poblacionales dependen de
las tasas de nacimientos y muertes,
pero estas tasas a su vez pueden variar
segn los recursos disponibles y o la
competencia por los mismos. Tambin
las poblaciones pueden variar por
eventos externos (desastres naturales,
imprevistos en produccin, cambios
ambientales, enfermedades o
invasiones de otras especies, etc.)
Y en ingeniera? / Antecedentes
Los ingenieros dedicados a estudios ambientales modelan
diversos problemas que implican sistemas de ecuaciones
diferenciales ordinarias no lineales. Ejemplos:
Los modelos llamados depredador-presa modelos de
dinmica de poblaciones, que se utilizan en el estudio de
ciclos de nutrientes y contaminantes.
Un modelo sencillo para el estudio de la dinmica de los
fluidos en la atmosfera es el sistema de ecuaciones de
Lorenz. Usado para estudiar la contaminacin del aire y el
cambio climtico.
Y en ingeniera? / Antecedentes
Sistema de Ecuaciones de Lorentz
Algunos Modelos Poblacionales

Algunos de los modelos ms reconocidos son:
Produccin estable
Malthus (Sin limitante)
Logstico (Medio con capacidad lmitada)
Gompertz (Crecimiento de tumor)
Poblacin simple (Caso general)
Lotka-Volterra (Mutua dependencia)
Algunos se vern con detalle en esta presentacin
Modelo de produccin constante

Incremento estable del tamao de la poblacin.
Ejemplos: Elementos de una lnea de produccin,
clulas T producidas por la mdula sea.
dx
= C; x(0) = x0 ! x(t) = Ct + x0
dt
Modelo de crecimiento de
poblacin (Modelo de Malthus)
Hiptesis del modelo:
Ratas de nacimiento y mortalidad son proporcionales al tamao
actual de la poblacin (factores de nacimiento y mortalidad).
Factor de nacimiento (N) y factor de mortalidad (M) son
independientes del tamao de la poblacin.
Los recursos del ambiente son ilimitados.
Factores externos no afectan la tasa de crecimiento de la
poblacin (N-M), por ej.: La concentracin de desechos
metablicos no influye en la tasa de crecimiento de la poblacin.
Modelo de Malthus
Para el estudio de este modelo slo se consideran los nacimientos
y las muertes. Estos son proporcionales a la poblacin actual,
N = Factor de Tasa de Natalidad
M = Factor de Tasa de Mortalidad
N y M son constantes > 0 (positivas!)
Entonces la ecuacin diferencial para el modelo de Malthus es de
la forma:
Modelo de Malthus
Desarrollando la ecuacin diferencial para el modelo:
r=N-M
Rata o tasa intrnseca
de crecimiento
r es constante (en el caso simple) y depende de las caractersticas

biolgicas de la poblacin. Est en una unidad inversa del tiempo.
Solucin general:
Condicin Inicial:
P(t ) = Ce
rt
t = t0 P(t0 ) = P0
P(t ) = P0e
r (t to )
Modelo de Malthus
Grafica P vs t de tres soluciones posibles para el modelo de

Malthus, para un mismo valor inicial de la poblacin,
correspondientes a valores de r positivo, negativo o nulo.
Modelo de Malthus
Limitaciones del modelo:
Bajo condiciones dadas, la solucin indica un crecimiento
exponencial incontrolado en el tiempo. Sin embargo, la
capacidad de abastecimiento de una poblacin no es ilimitada
(recursos limitados).
No se tiene en cuenta una dinmica de competencia entre los
individuos a medida que la poblacin aumenta (competencia
por alimento, por pareja, etc).
El modelo solamente tiene en cuenta la dinmica de una
poblacin, pero no hay interaccin con otras poblaciones que
inter fieran en su desarrollo temporal (depredadores,
cooperadores, etc).
Modelo de Malthus
Ventajas y aplicaciones del modelo:
El modelo de Malthus es til para predecir de manera confiable
comportamientos de poblaciones individuales, aisladas, y a
corto y mediano plazo.
La principal razn del crecimiento incontrolado de este modelo
es la simplicidad de la hiptesis que supone unas constantes
para las tasas de crecimiento y mortalidad.
Algunas aplicaciones:
En el estudio de colonias de bacterias
Poblaciones de pequeos mamferos
Lleg a usarse para modelacin de poblacin humana.
Modelo Logstico
(Malthus mejorado)
Este modelo pretende corregir la suposicion de recursos
inagotables.
Con un sentido ms realista, puede decirse que efectivamente
los recursos estn limitados y que las poblaciones de ninguna
manera pueden crecer indefinidamente al ritmo malthusiano.
Este es un modelo en el
que el crecimiento de una
poblacin ejerce presin
sobre la tasa intrnseca de
crecimiento de la misma
poblacin.
Modelo Logstico
Establece que el crecimiento de la poblacin es mximo cuando
alcanza un valor de saturacin (K). Se expresa como:
dP
P
= rP 1
dt
K
K = Capacidad de
soporte de poblacin
del sistema
Hiptesis del modelo:
Los recursos son limitados.
La tasa de crecimiento se ve afectada por la densidad de

poblacin.
Las condiciones del medio de soporte se asumen constantes.
El incremento en la densidad afecta igualmente a todos los

individuos (sin importar subgrupos dentro de a poblacin, por
ejemplo: el grupo de edad)
Modelo Logstico
Tiene unidades de tiempo. Puede considerarse como
el tiempo carcterstico del modelo. Por que?
Es la poblacin lmite y tiene unidades de poblacin.
Si P es pequea la poblacin tender esencialmente a un
crecimiento malthusiano.
Si P
K entonces dP/dt
Modelo Logstico
El signo de la tasa de crecimiento dP/dt depende
del valor de P en relacin a K.
A medida que la poblacin P(t) aumenta, el
trmino logstico se vuelve ms grande que el
primero ya que algunos miembros de la poblacin
interfieren con otros en una competencia de
recursos, lo que lleva a un cuello de botella,
controlado por el valor del parmetro K.
La competencia disminuye el crecimiento neto
hasta que P(t) deja de crecer (valor de saturacin
de la poblacin). Este es el PUNTO DE EQUILIBRIO!
Bueno, uno de ellos!!!
Modelo Logstico
La solucin analtica de este modelo es,
dP
P
= rP 1
dt
K
KPo e
P(t ) =
rt
K + P0 e 1
Aplicaciones:
Reproduccin de bacterias
Poblacin de especies mamferas
Poblacin humana.
rt
Modelo Logstico
K mayor que Po
K menor que Po
Poblacin
Poblacin
Tiempo
Tiempo
Modelo de Lotka-Volterra
Modelos de dinmica de poblaciones

En 1914 se desata la Gran Guerra (1914-1918) entre los pases aliados y el
Imperio Austro-Hngaro, Alemn y Otomano. Por temor a ataques en sus
puertos, Italia y el imperio Autro-Hngaro, siembran minas marinas cerca a sus
costas sobre el mar Adritico, lo cual reduce considerablemente la actividad
pesquera del sector. Finalizada la guerra y reactivada la pesca, se esperaba
un aumento apreciable en la productividad de esta actividad, sin embargo
se observ todo lo contrario.
Un matemtico Italiano, Vito Volterra en 1926 desarrolla un modelo
para explicar el fenmeno de reduccin en la produccin pesquera
despus de la guerra, el cual sent las bases de la demografa
matemtica desarrollada ms adelante por Alfred Lotka. Este
modelo poblacional se denomina el modelo de Lotka-Volterra o
modelo de depredador y presa.
En donde: y(t) y x(t) representan la poblacin de Depredadores y

Presas, respectivamente.
y muestran las ratas de decrecimiento y crecimiento
de cada poblacin en ausencia de la otra.
y muestran la forma como la interaccin de las dos
especies influye en el crecimiento de las poblaciones.
Las hiptesis implcitas de este modelo:
La especie depredadora se alimenta exclusivamente de la
especie presa.
La poblacin de presas se alimenta de un recurso que se
encuentra en el hbitat en grandes cantidades, el cual solo
interviene pasivamente.
Ambas poblaciones son homogneas, es decir, no intervienen
factores como la edad o el sexo.
El ecosistema en donde se desenvuelven las dos especies es
cerrado y no se presentan migraciones.
Las poblaciones estn exentas de enfermedades u otras
causas de muerte masiva de presas y predadores.
Modelo no lineal de Lotka-Volterra
Cmo solucionar este Sistema de ODEs ?

Qu tipo de problema adicional genera la naturaleza no lineal de
las ecuaciones diferenciales involucradas?
Es simple encontrar una solucin analtica para y(t) y x(t) ?
Qu mtodos existen para acercarse a una solucin de este
problema?
Solucin sin solucionar el problema

Los mtodos ms directos para conocer la
solucin a este sistema, sin resolverlo
analticamente son:
Mtodo numrico (Euler, Runge-Kutta, AdamBashforth, etc)
Mtodo grfico (Retratos de fase, campos
direccionales, etc)
Los Retratos de Fase: solucin grca sin

solucionar el problema
Tomando por ejemplo el sistema:
Resulta natural la pregunta para que condiciones de x y y las ratas

de crecimiento de la poblacin se hacen nulas? Equivalente
matemticamente a responder:
Los Retratos de Fase: solucin sin

solucionar el problema
Variables de Estado
Espacio de Estado
Lneas Ceroclinas
Puntos de Equilibrio
Retrato de fase de un modelo

Depredador-Presa
Punto de
Equilibrio
Punto de
Equilibrio
Observe como el campo

vectorial obtenido sugiere
la forma de las familias de
funciones que satisfacen el
sistema de ODEs.
Entonces, Cmo es el
comportamiento de las
poblaciones x(t) y y(t) bajo
una condicin inicial
dada?
Otros retratos de fase
Nota: Obsrvese que

cada una de estas
ecuaciones no es
solucionable por
separado, se dicen
entonces que las dos
ecuaciones estn
acopladas y se requiere
una tcnica para la
solucin simultnea del
sistema de EDOs.
Trayectorias (o ujos) en un modelo

Depredador-Presa
Cada condicin inicial
ofrece una Trayectoria,
cuando esta es cerrada se
denomina Ciclo (rbita).
Condicin Inicial
Un Ciclo indica que el

tamao de las
poblaciones varia de
forma peridica.
Interaccin de las
poblaciones
Trayectorias (o ujos) en un modelo

Depredador-Presa
Depredacin
Retratos de fase :
Competencia entre especies
Competencia
de Especies
Retratos de fase:
Cooperacin entre especies
Cooperacin
entre Especies
Y la solucin del sistema ..?

La solucin analtica de un sistema NL de ODEs resulta compleja, as que
si se requiere observar la variacin de cada Poblacin en el tiempo [x(t) ,
y(t)], se necesita implementar un procedimiento numrico.
El Mtodo de Runge-Kutta de cuarto orden es uno de los algoritmos
numricos ms empleados para aproximar una solucin discreta de
[x(t) , y(t)].
Las expresiones del mtodo de Runge-Kutta de cuarto orden son:
Mtodo Runge-KuWa de cuarto orden

nn == 210...
y0
x0
y1
x1
yn-1
y2
x2
xn-1
yn
xn
Solucin al sistema Depredador-Presa
Efectos de interferencias externas

Se analizar ahora que efecto tendra una perturbacin externa, tal como una
actividad de caza, sobre el comportamiento del sistema.
Se asume que la caza, tanto de
depredadores como de presas, es una
porcin de la poblacin total en el
momento.
El punto de equilibrio ahora se define por:
El efecto de perturbar el sistema de forma lineal, resulta en un

desplazamiento del punto de equilibrio.
Efectos de interferencias externas
Anlisis de estabilidad:
Linealizacin cerca a puntos de equilibrio
Dos mtodosde anlisis de estabilidad son posibles:
Anlisis explcito (o directo) y anlisis por valores propios
Ambos requieren de linealizacin del sistema original.
El problema linealizado, permite preveer el tipo de
comportamiento en las regiones cercanas al punto de
equilibrio, as como la caracterizacin de la estabilidad
del mismo.
Ejemplo con el modelo de Lotka-Volterra
Anlisis por valores propios
(no es el nico mtodo!!!... Jacobiano!)
1. Encuentre los puntos de equilibrio:

2. Sustituya variables por variables perturbadas cerca al punto
de equilibrio:
3. Linealice el sistema, y exprese el sistema en forma matricial
4. Encuentre los valores propios de la matriz de coeficientes
=g
Mtodo usando el Jacobiano:
=f
Hagamos este procedimiento

en clase
Estabilidad y puntos de equilibrio

Puntos de equilibrio de sistemas no lineales se clasifican como:
Nodos Estables
(sumidero)
Nodos Inestables
(fuente)
Puntos de Silla
Espirales Atractivas
Espirales Repulsivas
Centros
Clasicacin de puntos de equilibrio

Como ya se mencion, los valores propio de la matriz A, definen el
comportamiento de las soluciones del sistema de ecuaciones
linealizado. De esta forma, a partir del conocimiento de estos valores
propios, se puede predecir el tipo de punto de equilibrio.
Nodos estables o sumideros

Este tipo de puntos de equilibrio se encuentran
con valores propios reales menores que cero.
Nodos inestables o fuentes

Este tipo de puntos de equilibrio se encuentran
con valores propios reales mayores que cero.

Puntos de silla
Este tipo de puntos de equilibrio se
encuentran cuando los valores propios son
reales, uno menor y otro mayor a cero.
Espirales atractivas o estables

Los comportamientos en espiral alrededor
de los puntos de equilibrio se encuentran
con valores propios complejos
conjugados
. Las espirales
atractivas aparecen con trminos reales
negativos
. El sentido de la espiral lo
define el trmino complejo, con
se
obtienen espirales horarias.

Espirales repulsivas o inestables
Las espirales inestables aparecen con
trminos reales positivos
. El sentido de
la espiral lo define el trmino complejo,
con
se obtienen espirales horarias.
Centros
Los puntos de equilibrio denominados
centros, se asocian con soluciones
peridicas. Estos se localizan cuando los
valores propios son complejos conjugados,
sin parte real
. El sentido de giro de la
rbita lo define el signo de la parte
imaginaria. Uno de los puntos de equilibrio
del problema de Lotka-Volterra es un
centro.
Limitaciones modelo de Lotka-Volterra

Al observar el comportamiento de especies en interaccin, como el
lince y la liebre (snowshoe hare), se encuentra que ambas especies
tienen comportamiento oscilatorio. Sin embargo se nota que el ciclo
de crecimiento de los linces tiene picos mximos que preceden los
mximos poblacionales de las liebres, lo cual es un comportamiento
claramente contrario a lo que predice el modelo de Lotka-Volterra.
Pueden plantearse diversos
refinamientos al modelo bsico
de Lotka-Volterra, uno de ellos
puede ser la inclusin de un
trmino de competencia entre
individuos de la poblacin de
presas, con el fin de limitar el
crecimiento exponencial
ilimitado que muestran en
ausencia de depredadores.
Variacin de modelo de Lotka-Volterra

Este trmino de competencia se introduce por medio del
trmino x2 en el siguiente sistema de ecuaciones:
El trmino define el tamao mximo (K) de poblacin x que

es capaz de soportar el ecosistema.
Volviendo al sistema de ecuaciones modificado, el punto de

equilibrio est definido ahora por (usando mtodo con Jacobiano):

El polinomio caracterstico permite encontrar los valores propios:
El discriminante de la ecuacin arroja races imaginarias, con partes

reales negativas, por lo que se espera que alrededor de este punto
de equilibrio se presente un comportamiento en espiral estable. Lo
anterior se corrobora con el trazado del retrato de fase.
Limitaciones del modelo de Lotka-

Volterra
Un sistema no lineal de ecuaciones se considera estructuralmente
estable si en la vecindad de un estado estable se tienen estados
estables y el tipo de equilibrio no cambia en la zona cercana al
punto de equilibrio. En otras palabras si el modelo no cambia su
carcter en virtud de pequeas perturbaciones.
E l m o d e l o m o d i f i c a d o d e L o t k a - Vo l t e r r a , a u n q u e e s
estructuralmente estable, no considera soluciones oscilatorias, de
modo que falla al simular los ecosistemas observados. Por el
contrario, el modelo original logra simular las oscilaciones en los
tamaos de las poblaciones, pero es un sistema estructuralmente
inestable, caracterstica no deseada en este tipo de modelos.
Thomas Robert Malthus

(Dorking, 1766 - Bath, 1834) Thomas Robert Malthus, fue un
economista, demgrafo y pastor protestante ingls, estudioso de
la dinmica de poblaciones perteneciente a la corriente del
positivismo social utilitarista, considerado, junto con Adam
Smith y David Ricardo, uno de los fundadores de la economa
poltica clsica. Era su padre el excntrico miembro de la clase
media alta inglesa, Daniel Malthus, amigo de Hume y fervoroso
admirador de Rousseau. En su obra fundamental, publicada
annimamente, Ensayo sobre el principio de
poblacin y su influencia sobre la mejora del futuro de la sociedad (1798), se opuso al
optimismo de William Godwin y a la creencia en un progreso indefinido. En dicha obra,
Malthus expone su tesis demogrfico-econmica (en cierta forma, anticipada por
Condorcet) segn la cual, si no hay ningn obstculo que lo impida, la poblacin crece
en una proporcin geomtrica, mientras que los recursos para su supervivencia slo
crecen en proporcin aritmtica. No obstante, aunque las tesis de Malthus han sido
criticadas por un uso poco riguroso de los datos estadsticos y por haber reducido el
problema de la aparicin de la pobreza a causas meramente demogrficas sin haber
considerado otros aspectos sociales relevantes, en la actualidad se ha desarrollado una
revisin de sus tesis que han originado el neomalthusianismo.
Vito Volterra
(Ancona, 1860 - Roma, 1940), Catedrtico de la Universidad
de Roma desde 1900, senador y presidente de la Accademia
dei Lincei, durante la I Guerra Mundial se alist en el cuerpo
de Ingenieros, donde se interes por la artillera aire-tierra,
asegurndose haber sido el primero que dispar desde una
aeronave.
Su oposicin al fascismo y el pretexto de su origen judo le supusieron la expulsin
de su ctedra y de las sociedades cientficas italianas, si bien en 1936 el papa le
recibi en la Pontificia Academia de Ciencias. Exiliado a Francia hasta 1939, imparti
cursos en distintos pases, entre ellos Espaa.
Volterra desarroll la solucin de ecuaciones integrales de lmites variables que lleva
su nombre, y en 1926, sobre un problema de poblaciones de peces, dise la
ecuacin logstica que servira de base a Alfred J. Lotka (1880-1949) para desarrollar
la ley de crecimiento de dos poblaciones competitivas (por ejemplo, depredadores y
presas), expresada como sistema de doble ecuacin diferencial (ecuaciones de LotkaVolterra). Sus Opere matematiche (Roma, 1954-62) se publicaron en 5 volmenes.
Alfred Lotka
(Lemberg, 1880-Nueva York, 1949) Matemtico y fisicoqumico estadounidense, nacido en Born en Lemberg,
Austria-Hungra. Especializado en estadstica, se le
considera el fundador de la demografa matemtica. Estudi
la evolucin de las poblaciones y defini los conceptos de
poblacin estable, poblacin estacionaria y tasa de
crecimiento natural. Su obra ms importante se titula Teora
analtica de las asociaciones biolgicas.
Fue el primero en intentar una integracin de los sistemas ecolgicos y econmicos
en trminos cuantitativos y matemticos. Consideraba la totalidad del mundo de
componentes biticos y abiticos en interaccin como un sistema, donde todo estaba
vinculado entre s y nada poda entenderse sin comprender el sistema total. Recalc la
necesidad de verlo todo desde un punto de vista energtico.
En su momento los planteamientos de Lotka tuvieron mucha influencia sobre
eclogos como E. P. Odum, H. T. Odum y economistas como P. Sammuelson.
Anexo 1.

Herramientas para la
solucin grca de
EDOs no lineales
Mtodos Grcos
vs. Mtodos Numricos
Desafortunadamente, resulta imposible resolver
analticamente la mayor parte de sistemas de ecuaciones
diferenciales no lineales
Sin embargo, se puede obtener una solucin a travs de un
enfoque grfico (campos direccionales) o un enfoque
numrico (mtodo de Euler o Runge-Kutta, por ejemplo)
Ac se discutir solo el mtodo grfico
Mtodo grco: Campo Direccional

Se pide dibujar la grfica de la solucin del problema con
valor inicial:
y' = x+ y
y(0) = 1
No se conoce una frmula para la solucin Cmo es

posible dibujar su grfica?
Observacin: Pensar en lo que significa una ecuacin
diferencial.

La ecuacin diferencial y ' = x + y dice que la pendiente en
cualquier punto (x ,y ) de la curva solucin es igual a la suma de
las coordenadas x y y del punto.

En particular, debido a que la curva pada por el punto (0,1), su
pendiente debe ser y ' = 0 + 1 = 1. Por consiguiente, una pequea
porcin de la curva solucin cercana al punto (0,1) parece un
corto segmento rectilneo que pasa por (0,1) con pendiente 1.
Como gua para dibujar el

resto de la curva se traza
varios segmentos rectilneos
cortos en diversos
puntos (x ,y ) , con
pendiente x + y . El resultado
se conoce como campo
direccional.
Por ejemplo, el segmento

rectilneo en el punto (1,2)
tiene la pendiente 1+ 2 = 3 .
El campo direccional
permite visualizar la forma
general de las curvas
soluciones, al indicar la
direccin en que las
curvas avanzan en cada
punto.
Ahora se puede dibujar la

curva solucin que pasa
por (0,1) .
Se traza la curva de
modo que sea paralela a
segmentos rectilneos
cercanos.
En general, suponga que se tiene una ecuacin diferencial de primer

orden de la forma:
y ' = F (x , y )
donde F (x ,y ) es alguna expresin en x y y . La ecuacin diferencial

expresa que la pendiente de la curva solucin en un punto (x ,y ) de la
curva F (x ,y ) . Si se trazan segmentos rectilneos cortos, con pendiente
F (x , y ) ,
en varios puntos (x ,y ) , esto se llama campo direccional o

campo de pendientes. Los segmentos indican la direccin hacia la
que una curva solucin apunta.

Procedimiento General para y ' = F (x ,y )
1.Seleccione un cuadrante del plano cartesiano X-Y en el cual pueda
visualizar el campo de pendientes.
2.Subdivida la regin rectangular en un cuadriltero de puntos (x,y)
igualmente espaciados. El nmero de puntos en la direccin x y la
direccin y puede ser diferente.
3.En cada uno de estos puntos (x,y) determine el valor numrico de F(x,y)
y dibuje un segmento de recta corto en (x,y) con pendiente F(x,y).

a. Dibuje el campo de direcciones para la ecuacin diferencial:
y ' = F (x ,y ) = x 2 + y 2 1
b. Aplique el resultado del inciso (a) para dibujar la curva solucin

que pasa por el origen.
La siguiente tabla muestra la pendiente en varios puntos.

Ahora , se traza segmentos
rectilneos cortos con
pendientes en estos puntos. El
resultado es el campo
direccional.
Entre ms segmentos
rectilneos se trace en un
campo direccional, ms clara
se vuelve la imagen.

b. Se parte del origen y se
desplaza hacia la derecha en la
direccin del segmento
rectilneo, el cual tiene
pendiente -1. Se continua el
trazo de la curva solucin de
forma que se mueva de forma
paralela
a los segmentos
rectilneos cercanos. Se vuelve
al origen y se dibuja la curva
solucin que aparece a la
izquierda.

USO DE SOFTWARE
El trazo a mano de un campo de direcciones es directo pero tarda
demasiado; probablemente es una de esas tareas delas que se puede
estar orgulloso por hacerla una o dos veces en la vida, pero en general
se realiza de manera ms eficaz por medio de un software.
En Matlab, el campo direccional se genera con el comando quiver,
pero este a su vez requiere los datos de las derivadas direccionales en
cada punto de la matriz Z meshgrid - o los valores de la funcin.
En Mathematica..

USO DE SOFTWARE
Ecuacin diferencial:
f(x, y) = (y3 3y)/(1 + x2)

Primero se debe generar la matriz Z:
x =[-2:.2:2];
y = x;
[xx, yy] = meshgrid(x,y);
Z =(yy.^3 - 3*yy)./(1+xx.^2);

USO DE SOFTWARE
Despus de haber generado la matriz Z es necesario construir dos
matrices, Fx y Fy, cuyos elementos sean los valores de las derivadas
direccionales de la funcin en los puntos en que fue evaluada; esto se
logra mediante el comando:
[Fx, Fy]=gradient(Z);
finalmente, con la instruccin:
quiver(Fx,Fy);
Se obtiene la siguiente grfica:

USO DE SOFTWARE
f(x, y) = (y3 3y)/(1 + x2)
Mtodo grco: Isoclinas

ISOCLINAS Lneas iso-contorno
Dada la ecuacin diferencial:
y ' = F (x , y )
Cualquier miembro de la familia de curvas F (x ,y ) = c , donde c es una

constante , se llama isoclina o curva de nivel. Los elementos
lineales trazados por puntos sobre una isoclina especifica, por
ejemplo F (x ,y ) = c1 , tienen la misma pendiente c1 .
Las isoclinas nulas, o curvas con inclinacin cero de la ecuacin
F (x , y ) = 0 . Puede tener inters
diferencial, estn definidas por
identificar la isoclina para la pendiente 0, pues las soluciones
tendrn generalmente un mximo o un mnimo al pasar por esta
isoclina.
Mtodo grco: Isoclinas

Representar las isoclinas o curvas de nivel de la ecuacin diferencial :
y ' = F (x ,y ) = x + y 2
[x,y]=meshgrid(0:0.05:3,-2:0.05:2);
z=x+y.^2;
isoclinas=contour(x,y,z,20)

Representar las isoclinas o curvas de nivel (3D) de la ecuacin
diferencial :
2
y ' = F (x ,y ) = x + y
[x,y]=meshgrid(0:0.05:3,-2:0.05:2);
z=x+y.^2;
isoclinas=contour3(z)
Anexo 2.

Herramientas para la
solucin numrica de
EDOs no lineales
Y en cuanto a la solucin del sistema ..?

Una ecuacin diferencial puede tener una solucin aun cuando no sea
posible obtenerla en forma analtica, es decir, desarrollando algunos
procedimientos para obtener soluciones explicitas e implcitas.
Los mtodos numricos permiten resolver la ecuacin diferencial
de forma aproximada. Esto significa que la ecuacin diferencial se
utiliza como el principio bsico de un algoritmo para aproximar la
solucin desconocida.

Usando la Recta Tangente
Suponga un problema de valor inicial:
y = 0.1* y + 0.4* x 2
y (2) = 4
Una manera de aproximar esta solucin es usar rectas tangentes.

Puesto que la ED no lineal en este PVI no se puede resolver
analticamente., pero se puede encontrar los valores numricos
aproximados de la incgnita y(x).
Se desea conocer el valor de y(2,5).

El PVI tiene una solucin,
el campo de direcciones de
la ED sugiere que una
curva solucin debe tener
una forma similar a la
curva que se muestra en
azul.

La curva solucin pasa por el
punto inicial (2,4), el elemento
lineal en este punto es una recta
tangente con pendiente dada
por:
f (2, 4) = 0.1* 4 + 0.4*(4) 2
f (2, 4) = 1.8
Curva Solucin
(2,4)
Pendiente
m=1.8

Utilizando el punto inicial (2,4),
la pendiente f(2,4)=1.8 del
elemento lineal, y la forma del
punto pendiente de una recta, se
encuentra una ecuacin de la
recta tangente:
Curva Solucin
(2,4)
L( x) = 1.8* x + 0.4
Pendiente
m=1.8

Esta ltima ecuacin se llama
linealizacin de y(x) en x=2,
que se puede utilizar para
aproximar los valores dentro de
una pequea vecindad de x=2
Curva Solucin
(2,4)
Pendiente
m=1.8

Mtodo de Euler
Para generalizar el procedimiento anteriormente descrito se parte
del PVI:
y = f ( x, y ),
y ( x0 ) = y0
Para aproximar la solucin, se utiliza la linealizacin de una
solucin para la incgnita y(x) en x=x0:
L( x) = y0 + f ( x0 , y0 )( x x0 )

Mtodo de Euler
La grafica de esta linealizacin es una recta tangente a la grafica de
y = y(x) en el punto (x0, y0). Si h es un incremento positivo del eje x,
entonces, entonces sustituyendo x por x1= x0 + h.

Mtodo de Euler
Se tiene:
L( x1 ) = y0 + f ( x0 , y0 )( x0 + h x0 )
o
y1 = y0 + h * f ( x1 , y1 )
donde
y1 = L( x1 )
El punto (x1,y1) en la recta es una
aproximacin del punto (x1,y(x1))
sobre la curva solucin.

Mtodo de Euler
La precisin de la aproximacin:
L( x1 ) y ( x1 )
o
y1 y ( x1 )
depende del incremento h.

Mtodo de Euler
Se repite el proceso usando una segunda recta tangente en (x1,y1) no es
una recta tangente real, ya que este punto est sobre la primera recta tangente
y no sobre la curva solucin-. Ahora, el nuevo punto inicial es (x1,y1) en lugar
de (x0,y0), as se obtiene una aproximacin para:
L( x2 ) y( x2 ) y2 y( x2 )

Mtodo de Euler
Continuando de esta manera, se ve
que y1, y2, y3, , yn, se puede
definir recursivamente mediante la
formula general:
yn+1 = yn + h * f ( xn , yn )
donde:
xn = x0 + n * h, n = 0,1, 2...
Este procedimiento de uso sucesivo

de las rectas tangentes se llama
Mtodo de Euler.

Mtodo de Euler
Ejercicio.
Considere el problema de valor inicial:
y = 0.1* y + 0.4* x 2 , y(2) = 4

Utilice el mtodo de Euler para obtener una aproximacin de y(2.5)
usando primero h=0.1 y despus h=0.05.

Mtodo de Euler
Solucin:
se tiene que:
por lo tanto:
f ( x, y) = 0.1* y + 0.4* x2
yn +1 = yn + h * 0.1* y + 0.4* x 2
para h=0.1, x0=2, y0=4 y n=0 encontramos:

y1 (2.1) = yn + h * 0.1* y + 0.4* x 2
y1 (2.1) = 4 + 0.1* 0.1* 4 + 0.4*(2) 2
y1 (2.1) = 4.18

Mtodo de Euler
Solucin:
Para el segundo paso se
h=0.1, x1=2.1, y1=4.18 y n=1 encontramos:
y2 (2.2) = y1 + h * 0.1* y + 0.4* x 2
y2 (2.2) = 4.18 + 0.1* 0.1* 4.18 + 0.4*(2.2) 2
y2 (2.2) = 4.3768

Mtodo de Euler
Solucin:
Resumiendo en una Tabla:

Mtodo de Euler
En el anterior ejemplo se calcularon los valores verdaderos o reales de
la solucin conocida :
0.1( x2 1)
y=e
El error absoluto se define como:
valor real valor aproximado

y el error relativo
respectivamente:
error absoluto
valor real
y el error relativo porcentual son,

error absoluto
x 100
valor real

Mtodo de Euler
La solucin numrica de la ED implica dos tipos de error
1. Error de truncamiento, o de discretizacin, originados por la naturaleza
de las tcnicas empleadas para aproximar los valores de y.
2. Error de redondeo, causado por el nmero limitado de cifras
significativas que una computadora puede retener.
Los errores de truncamiento se componen de dos partes, la primera es un
error de truncamiento local que resulta de la aplicacin del mtodo
considerado, en un solo paso. La segunda es un error de truncamiento
propagado, que resulta de las aproximaciones producidas durante los pasos
previos. La suma de los dos se conoce como error de truncamiento global o
total.

Observacin
El mtodo de Euler es solo uno de los diferentes mtodos en los que se puede
aproximar una solucin de una ecuacin diferencial.
Existe otro mtodo, probablemente uno de los procedimientos numricos mas
populares, as como ms preciso, usado para obtener soluciones aproximadas
para un problema de valor inicial, es el mtodo de Runge-Kutta de cuarto
orden.

Mtodo de Runge-Kutta
En esencia, los mtodos de RK son generalizaciones de la formula
bsica de Euler, en donde la funcin pendiente f se reemplaza por un
promedio ponderado de pendientes en el intervalo
xn x xn+1
Es decir,
yn+1 = yn + h * ( w1k1 + w2k2 + ... + wmkm )

Promedio ponderado

Mtodo de Runge-Kutta
En la anterior ecuacin wi, i=1,2,,m son constantes que
generalmente satisfacen:
w1 + w2 + ... + wm = 1
Para cada ki , i=1,2,,m, es la funcin f evaluada en un punto
seleccionado (x,y) para el que:
xn x xn+1
Donde las ki se definen recursivamente. El numero m se llama orden
del mtodo. Si se toma m=1, w1=1 y k1=f(xn, yn), se obtiene la formula
de Euler.

Mtodo de Runge-Kutta de Cuarto Orden
El conjunto de valores usado con ms frecuencia para los parametros
produce el siguiente resultado:
h
yn +1 = yn + * ( k1 + 2k2 + 2k3 + k 4 )
6
k1 = f ( xn , yn )
1
1
k2 = f ( xn + h, yn + hk1 )
2
2
1
1
k3 = f ( xn + h, yn + hk2 )
2
2
k4 = f ( xn + h, yn + hk3 )

Ejercicio.
Use el mtodo de R con h=0.1 para obtener una aproximacin a y(1.5)
para la solucin de
y = 2 xy,
y (1) = 1

Solucin.
Anexo 3.
Modelo de Malthus
modicado
Modelo de Malthus modicado

El desarrollo de modelos que describan la dinmica de poblaciones, es un
campo muy activo dentro de diferentes ramas del conocimiento, como
economa, ecologa, sociologa, etc. Dos modelos bsicos que intentan
explicar el crecimiento de una poblacin son:
Modelo exponencial o de
Malthus
Modelo de Logstico o
de Verhulst
Un modelo ms elaborado puede ser desarrollado a partir de una definicin
de la produccin agregada Y(t), por ejemplo la funcin de produccin de
Cobb-Douglas:
donde A >0 denota un nivel de desarrollo tecnolgico y T >0 describe la
cantidad de tierra cultivable (o el capital, en cuyo caso N(t) representa el
nivel de empleo).

As que el ingreso per-cpita puede ser expresado como:
Por otro lado la rata de variacin de la poblacin en el tiempo puede ser

expresada como un balance entre la tasa de nacimientos y muertes en la
poblacin.
con Cb >0 y Cd >0. As que la expresin para la tasa de crecimiento de la

poblacin se puede plantear como:

Esta es una EDO de primer orden, no
lineal y homognea; la cual cae dentro de
la forma de la Ecuacin de Bernoulli.
Un anlisis simple de las anteriores ecuaciones, permite observar que para
que se presente una condicin de crecimiento nulo en la poblacin:
Estos valores de ingreso per-cpita y tamao de poblacin, definen la

condicin de equilibrio.
Ejemplo: Considrese el caso de una poblacin para la cual se ha logrado
establecer una tasa de natalidad Cb=0.07, un valor para el cociente
CdT-/A=0.00002 y =0.5. Si el tamao inicial de la poblacin es igual a
100000 hab., como se comporta el tamao de la esta poblacin en el
tiempo.

El EDO que modela el problema
es:
haciendo el reemplazo:
Ecuacin que es lineal y

fcilmente solucionable.

Observe que todo problema de valor
inicial asociado a esta ED converge a
la misma condicin estacionaria. Una
perturbacin sobre sistema
estacionario que lleve, por ejemplo, el
valor de poblacin por encima del
punto de equilibrio, hace que se
produzca una intensidad menor de
tierra (o capital) por persona,
reduciendo el valor de ingreso per
cpita, aumentando la rata de
muertes, lo que para una condicin de
equilibrio se traduce en un
crecimiento de poblacin negativo.

En cuanto a la solucin de la ecuacin no lineal original:
nuevamente se puede recurrir a la formulacin de Runge-Kutta de cuarto

orden:
Anexo 4.

Ecuaciones Autnomas
Ecuaciones diferenciales ordinarias

(EDOs) autnomas
Esta clasificacin es de importancia particular en la investigacin
cualitativa de ecuaciones diferenciales. Una ecuacin diferencial
ordinaria en la que la variable independiente no aparece de manera
explcita es autnoma. Si el smbolo x denota la variable
independiente, entonces una ecuacin diferencial de primer orden
autnoma se puede escribir como:
dy
= y ' = F (y )
dx
Ecuaciones diferenciales ordinarias

(EDOs) autnomas
Se supone que la funcin F y su derivada F son funciones continuas
de y en algn intervalo I. Las ecuaciones de primer orden:
dy
= y ' = 1+ y 2
dx
F (y )
dy
= y ' = 0.2 x y
dx
F (x ,y )
Son autnoma y no autnoma, respectivamente.

Modelos Dinámicos

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Modelos Dinámicos

Enviado por

Direitos autorais:

Formatos disponíveis

Modelos

Sistemas dinmicos y modelacin de

x(t) = (x1 (t), x2 (t), . . . , xn (t))

Sistemas dinmicos y modelacin de

Cualquier x(t) que satisfaga el anterior sistema es un SISTEMA

Algunos Modelos Poblacionales

Modelo de produccin constante

r es constante (en el caso simple) y depende de las caractersticas

Grafica P vs t de tres soluciones posibles para el modelo de

Hiptesis del modelo:

Los recursos son limitados.

La tasa de crecimiento se ve afectada por la densidad de

Las condiciones del medio de soporte se asumen constantes.

El incremento en la densidad afecta igualmente a todos los

Modelos de dinmica de poblaciones

En donde: y(t) y x(t) representan la poblacin de Depredadores y

Modelo no lineal de Lotka-Volterra

Cmo solucionar este Sistema de ODEs ?

Solucin sin solucionar el problema

Los Retratos de Fase: solucin grca sin

Resulta natural la pregunta para que condiciones de x y y las ratas

Los Retratos de Fase: solucin sin

Retrato de fase de un modelo

Observe como el campo

Otros retratos de fase

Nota: Obsrvese que

Trayectorias (o ujos) en un modelo

Un Ciclo indica que el

Trayectorias (o ujos) en un modelo

Y la solucin del sistema ..?

Las expresiones del mtodo de Runge-Kutta de cuarto orden son:

Mtodo Runge-KuWa de cuarto orden

Solucin al sistema Depredador-Presa

Solucin al sistema Depredador-Presa

Solucin al sistema Depredador-Presa

Efectos de interferencias externas

El efecto de perturbar el sistema de forma lineal, resulta en un

Efectos de interferencias externas

1. Encuentre los puntos de equilibrio:

Hagamos este procedimiento

Estabilidad y puntos de equilibrio

Clasicacin de puntos de equilibrio

Nodos estables o sumideros

Nodos inestables o fuentes

Clasicacin de puntos de equilibrio

Espirales atractivas o estables

Clasicacin de puntos de equilibrio

Limitaciones modelo de Lotka-Volterra

Variacin de modelo de Lotka-Volterra

El trmino define el tamao mximo (K) de poblacin x que

Variacin de modelo de Lotka-Volterra

Volviendo al sistema de ecuaciones modificado, el punto de

Variacin de modelo de Lotka-Volterra

El discriminante de la ecuacin arroja races imaginarias, con partes

Variacin de modelo de Lotka-Volterra

Limitaciones del modelo de Lotka-

Thomas Robert Malthus

Mtodo grco: Campo Direccional

No se conoce una frmula para la solucin Cmo es

Mtodo grco: Campo Direccional

Mtodo grco: Campo Direccional

Mtodo grco: Campo Direccional

Como gua para dibujar el