Escolar Documentos
Profissional Documentos
Cultura Documentos
Neste texto apresentamos e discutimos um breve panorama cronológico para a dinâmica de populações,
observando o ponto de vista dos autores, bem como a evolução dos principais modelos matemáticos
e sua importância histórica. Com foco na predição temporal e espacial da variação do número de
indivı́duos de uma população, analisamos como modelar matematicamente os processos fı́sicos como
crescimento, interação, difusão e fluxo de um coletivo de indivı́duos. Partimos do bem conhecido modelo
de Fibonacci e discutimos como modelos que o sucederam, a saber, o modelo Malthusiano, Lotka-Volterra
e Fisher-Kolmogorov, foram capazes de ampliar o entendimento do comportamento de uma população.
Apresentamos, nesta linha temporal sinuosa, como as interações entre uma mesma espécie e entre
espécies podem ser explicadas e modeladas. Mostramos como funciona o processo de extinção de uma
espécie predadora, o fenômeno de difusão de um coletivo devido as mais diversas exigências espaciais, as
migrações e invasões de territórios por meio de uma dinâmica convectiva nos modelos de dinâmica de
uma população e também como a não-localidade nas interações e no crescimento ampliam enormemente
nosso entendimento sobre os padrões na natureza.
Palavras-chave: Difusão, Interações, Dinâmica de populações, Formação de padrão.
In this paper we present and discuss a brief overview chronological for the population dynamics,
observing the point of view of the authors, as well as the evolution of the main mathematical models
and its historical importance. Focusing on temporal and spatial prediction of the variation in the
number of individuals in a population, we analyze how to mathematically model the physical processes
such as growth, interaction, dissemination and flow of a collective of individuals. We start from the
well-known model of Fibonacci and discussed how models who succeeded him, namely the Malthusian
model, Lotka-Volterra and Fisher-Kolmogorov were able to expand the understanding of the behavior of
a population. Here, in this winding timeline as the interactions between species and between species
can be explained and modeled. We show how the process of extinguishing a predatory species works,
the diffusion phenomenon of a collective because the most diverse space requirements, migration and
invasions of territories by means of convective momentum in dynamic models of a population as well as
non-locality in interactions and growth greatly expand our understanding of the patterns in nature.
Keywords: Diffusion, interactions, population dynamics, pattern formation.
Revista Brasileira de Ensino de Fı́sica, vol. 39, nº 3, e3302, 2017 DOI: http://dx.doi.org/10.1590/1806-9126-RBEF-2016-0254
Cunha e cols. e3302-3
conjunto inicial, esta sequência também é um exem- uma espiral bem próxima de várias espirais obser-
plo marcante da relação da matemática e a natureza, vadas em plantas e animais na natureza.
ou mesmo como os modelos matemáticos podem des- No corpo humano podemos encontrar o número
crever o comportamento de sistemas da natureza. de ouro em várias razões: distância dos ombros até a
Para uma breve descrição destas relações, devemos ponta dos dedos pela distância do inı́cio do cotovelo
analisar melhor a sequência de Fibonacci. Em 1611 até os dedos, altura do corpo pela distância do
Johannes Kepler, o autor das leis das órbitas celestes, umbigo ao chão.
descobriu que se tomarmos um termo da sequência Observando que estas razões criam estéticas agra-
de Fibonacci e o dividirmos pelo seu antecessor en- dáveis aos olhos humanos, Leonardo Da Vinci utili-
contramos o número φ que é um valor constante e zou deste recurso para criar o Homem Vitruviano e
irracional. Para um termo n no infinito este valor é a Mona Lisa, que podem ser consideradas expressões
dado por máximas de beleza e estética humana.
A distribuição de folhas em uma árvore também
F (n + 1) obedece a distribuição de Fibonacci que permite
φ = lim = 1, 618033989... (2)
n→∞ F (n) optimizar a captação de luz solar e chuva. Com estas
informações podemos criar uma estrutura metálica
Este número recebe vários nomes na literatura:
no formato de uma árvore, mas no lugar de suas
número de ouro, proporção áurea, divina proporção,
folhas colocamos placas fotovoltaicas para captar a
entre outros. Podemos encontrar o número φ de
luz solar e converter em eletricidade. Certamente
forma variada na natureza.
esta estrutura terá uma eficiência superior ao das
Alguns biólogos sabem que a divisão do número
captações convencionais que utilizam placas planas.
de abelhas fêmeas pelo número de abelhas macho em
uma colmeia será igual ao número Φ = 1, 6180 . . .
Nas folhas de girassol, o fator de aumento do 3. Modelo Malthusiano
diâmetro de suas espirais é igual a Φ = 1, 6180 . . .
Também a espiral da folha de uma bromélia ou da No estudo de dinâmica de populações, normalmente
concha do Nautilus marinho podem ser desenhadas estamos interessados em encontrar como o número
considerando o aumento do raio destas espirais cons- ou densidade de indivı́duos, de uma determinada
tituı́dos pelos lados de quadrados proporcionais ao população, evolui ao longo do tempo. Considere u(t)
termos da sequência de Fibonacci. Como ilustrado a densidade populacional, número de indivı́duos por
na figura 1, consideramos o primeiro noventa graus área, de uma dada espécie no tempo t. Um modelo
da espiral feita com um raio proporcional ao lado de geral, que nos dá a taxa com que esta densidade
um quadrado de lado 1, depois mais noventa graus populacional evolui no tempo pode ser escrito como:
com um raio proporcional ao lado de um quadrado
du(t)
de raio 2, depois 3, 5, 8,... Com isso conseguimos = NASCIMENTOS − MORTES +
dt
+ MIGRAÇÕES − EMIGRAÇÕES. (3)
DOI: http://dx.doi.org/10.1590/1806-9126-RBEF-2016-0254 Revista Brasileira de Ensino de Fı́sica, vol. 39, nº 3, e3302, 2017
e3302-4 Evolução dos processos fı́sicos nos modelos de dinâmica de populações
intitulado Primeiro Ensaio [2]. Para modelar ma- modelos dinâmicos mais sofisticados. Nesta mode-
tematicamente o modelo malthusiano não levamos lagem, se compararmos com o modelo de Malthus,
em conta o termo de migração e consideramos que o podemos identificar a taxa de crescimento como
número de nascimentos e mortes, são proporcionais
u(t)
a densidade ou número u(t) de indivı́duos. r 1− (7)
k
du(t) ou seja, uma taxa de crescimento dependente de
= au(t) − bu(t). (4)
dt u(t). A constante k é chamada de capacidade de
Nesta equação a e b são constantes positivas, que re- desenvolvimento do sistema, que é relacionado ao
presentam as taxas de nascimentos e mortes respec- tamanho do sistema e à quantidade de suprimento
tivamente. Solucionando a equação acima teremos sustentável disponı́vel. Os estados estacionários de
equilı́brio são encontrados fazendo du(t)/dt = 0 e
u(t) = u0 e(a−b)t . (5) são u(t) = 0 e u(t) = k. A equação logı́stica de
Verhuslt pode ser integrada exatamente utilizando o
com u0 sendo a quantidade inicial de indivı́duos. Na método da separação de variáveis e frações parciais
equação(5), vemos que se a > b a população cresce como segue:
indefinidamente e se a < b a população caminhará Z Z
du
para a extinção. Como podemos notar, este modelo rdt =
u(t)
= (8)
u 1−
se mostra irreal para tempos muito longos, pois k
existem outros fatores além das taxas de crescimen- du du u
Z Z
= + ln + cte. (9)
tos e mortes que determinam como será a variação u k−u k−u
do número de determinada espécie para um dado
Resolvendo para u(t) teremos
grupo inicial. Para tempos curtos o modelo Malthu-
siano mostra um bom ajuste e uma boa predição u0 k
u(t) = . (10)
futura, com valores estatı́sticos reais em diversos u0 + (k − u0 ) exp(−rt)
trabalhos da literatura especializada [1–4]. Malthus
No modelo logı́stico de Verhulst, como ilustrado
sofreu várias crı́ticas não apenas dos cientistas como
na figura 2, notamos que a capacidade de desenvol-
dos polı́ticos, mas particularmente dos socialistas.
vimento do sistema, k, é o valor limite para o cresci-
Entretanto, embora seu modelo seja limitado, ele
mento da população, o que indica uma situação mais
foi o primeiro a apontar para um crescimento expo-
realista. Esse modelo se mostra mais apropriado pois
nencial da população humana, que vem acontecendo
uma determinada população não pode crescer mais
desde a revolução industrial até o final do século
do que as condições fı́sicas e de suprimento que um
XX.
determinado meio permite.
4. Modelo Logı́stico
Revista Brasileira de Ensino de Fı́sica, vol. 39, nº 3, e3302, 2017 DOI: http://dx.doi.org/10.1590/1806-9126-RBEF-2016-0254
Cunha e cols. e3302-5
DOI: http://dx.doi.org/10.1590/1806-9126-RBEF-2016-0254 Revista Brasileira de Ensino de Fı́sica, vol. 39, nº 3, e3302, 2017
e3302-6 Evolução dos processos fı́sicos nos modelos de dinâmica de populações
Revista Brasileira de Ensino de Fı́sica, vol. 39, nº 3, e3302, 2017 DOI: http://dx.doi.org/10.1590/1806-9126-RBEF-2016-0254
Cunha e cols. e3302-7
sistema biológico nunca se encontra sempre em um Utilizando o teorema da divergência, podemos es-
determinado ponto do espaço, mas pode estar se crever
distribuindo, ou se difundindo em determinadas Z Z
direções em busca de sobrevivência ou como um ~ r, t).d~s =
J(~ ~ r, t)dv.
∇.J(~ (25)
comportamento inerente às espécies. Esse processo S V
difusivo de indivı́duos de uma espécie assemelha-se Com o teorema da divergência a equação(24) pode
à difusão de partı́culas em um gás ou de uma deter- ser escrita como
minada concentração de substância em um lı́quido.
Para um gás, esse processo difusivo obedece à lei de ∂u(~r, t)
Z
+ ∇.J(~
~ r, t) − f (u, ~r, t) dv = 0.
Fick, que nos diz que o fluxo de matéria J~ é propor- V ∂t
cional ao gradiente da densidade desta matéria que (26)
difunde. Guardadas as devidas diferenças, podemos Como o volume V é arbitrário, teremos
considerar que um sistema biológico também pode ∂u(~r, t)
obedecer à lei de Difusão Fickiana. Por analogia, + ∇.J(~
~ r, t) − f (u, ~r, t) = 0. (27)
∂t
DOI: http://dx.doi.org/10.1590/1806-9126-RBEF-2016-0254 Revista Brasileira de Ensino de Fı́sica, vol. 39, nº 3, e3302, 2017
e3302-8 Evolução dos processos fı́sicos nos modelos de dinâmica de populações
Revista Brasileira de Ensino de Fı́sica, vol. 39, nº 3, e3302, 2017 DOI: http://dx.doi.org/10.1590/1806-9126-RBEF-2016-0254
Cunha e cols. e3302-9
∂w(x, t) ∂w(x, t)
= −v + aw w(x, t)u(x, t)
∂t ∂x
Figura 6: Presa-predador no modelo Fisher-Kolmogorov − bw w(x, t),
para dois predadores e uma presa, considerando mobilidades
iguais, D = 1×10−4 . Do lado esquerdo a evolução temporal ∂u(x, t)
= au u(x, t) − bu u(x, t)w(x, t). (37)
para au = bu = cu = av = bv = aw = bw = 0.1. No lado ∂t
direito a evolução para au = bu = cu = av = bv = aw =
bw = 0.1 e aw = 0.07. As distribuições iniciais u(x), v(x) Na simulação ilustrada pela figura 7, vemos que
e w(x) são gaussianas. os predadores w migram da esquerda para a direita
com uma velocidade v = 0.05. Observe que devido
a competição intraespecı́fica sua densidade diminui
concetração de presas. Nos painéis da direita, reali- gradativametne, do painel t = 0, t = 2 e t = 4.
zamos a mesma evolução, mas agora considerando Em t = 6 os predadores encontram a colônia de
a eficiência do predador w(x) inferior à do predador presas u, que é seu suprimento, e começam a crescer
v(x), aw = 0.07 e av = 0.1. Nesta condição, teremos
a eliminação do predador w(x) tendo sua densidade
final anulada.
DOI: http://dx.doi.org/10.1590/1806-9126-RBEF-2016-0254 Revista Brasileira de Ensino de Fı́sica, vol. 39, nº 3, e3302, 2017
e3302-10 Evolução dos processos fı́sicos nos modelos de dinâmica de populações
Revista Brasileira de Ensino de Fı́sica, vol. 39, nº 3, e3302, 2017 DOI: http://dx.doi.org/10.1590/1806-9126-RBEF-2016-0254
Cunha e cols. e3302-11
∂u(x, t) ∂ 2 u(x, t)
=D + au(x, t) − bu2 (x, t). (46)
∂t ∂x2
Agora a constante D obedece a relação: Figura 8: Estados estacionários, u(x), solucionando nu-
mericamente a equação (41) para alguns valores de β e
y2 α considerando gα e fβ funções constantes. As taxas de
D= a. (47)
2 crescimento e competição valem a = b = 1.
DOI: http://dx.doi.org/10.1590/1806-9126-RBEF-2016-0254 Revista Brasileira de Ensino de Fı́sica, vol. 39, nº 3, e3302, 2017
e3302-12 Evolução dos processos fı́sicos nos modelos de dinâmica de populações
outras possibilidades, descreve vários comportamen- [6] A. Morozov, S. Petrovskii and B.-L. Li, J. Theor.
tos como a regulação do tamanho de uma colônia Biol. 238, 18 (2006).
e a extinção de uma presa não adaptada ao seu [7] R.A. Fisher, Ann. Eugen. 7, 355 (1936).
nicho. Mostramos os passos de como chegar ao fa- [8] M.E. Solomon, Dinâmica de Populações (E.P.U Edi-
tora Pedagógica e Univesitária Ltda, São Paulo,
moso modelo de Fisher-Kolmogorov que contém em
1976).
sua essência a possibilidade de explicar qual é o [9] C. Borzi, H.L. Frisch, R. Gianotti and J.K. Percus,
mecanismo responsável pela difusão de uma espécie J. Phys. A 23, 4823 (1990).
no espaço. Resolvemos um sistema de equações de [10] A. Kolmogorov, I. Petrovskii and N. Piskunov, Mos-
presa e predador com difusão, na perspectiva de cow Unio. Bull. Math. 1, 1 (1937).
Fisher-Kolmogorov, e pudemos compreender que [11] W. van Saarloos, Phys. Rev. A 37, 211 (1988).
a difusão faz com que as presas busquem regiões [12] J. Canosa, J. Math. Phys. 10, 1862 (1969).
[13] G. Abramson, A.R. Bishop and V.M. Kenkre, Phys.
com baixa densidade de predadores. Os predadores,
Rev. E 64 , 066615 (2001).
com alta mobilidade, tendem à ir para regiões com [14] M.C. Cross and P.C. Hohenberg, Rev. Mod. Phys.
maior concentração de presas e, ao contrário, os pre- 65, 851 (1993).
dadores com baixa mobilidade ou baixa eficiência, [15] P. Berge and M. Dubois, Phys. Rev. Lett. 32, 1041
tendem a extinção em um determinado tempo de (1974).
observação pois não conseguem atingir as regiões [16] D. Binks and W. van de Water, Phys. Rev. Lett.
onde estão as presas. Também realizamos uma modi- 78, 4043 (1997).
ficação na equação de Fisher-Kolmogorov trocando a [17] M.G. Clerc, D. Escaff and V.M. Kenkre, Phys. Rev.
E 72, 056217 (2005).
dinâmica difusiva por uma convectiva, tentando en-
[18] B. Legawiec and A.L. Kawczynski, J. Phys. Chem.
tender como se comporta uma colônia em um fluxo A 101, 8063 (1997).
migratório. Estudamos, matematicamente, como é a [19] P.C. Fife, J. Chem. Phys. 64, 554 (1976).
invasão de predadores em um local onde existe uma [20] T. Leppanen, M. Karttunen, R.A. Barrio and K.
distribuição gaussiana de presas. Verificamos que os Kaski, Braz. J. Phys. 34, 368 (2004).
predadores tendem a extinção antes de chegar ao lo- [21] S. Genieys, V. Volpert and P. Auger, Mathematical
cal das presas e crescem exponencialmente quando Modelling of Natural Phenomena 1, 65 (2006).
[22] K.A. Dahmen, D.R. Nelson and N.M. Shnerb, Jour-
alcançam este espaço. Para as presas ocorrem o
nal of Mathematical Biology 41, 1 (2000).
contrário com sua distribuição, sendo quase extintas [23] T. Leppanen, M. Kartunen, K. Kaski, R. Barrio and
com a passagem do fluxo de predadores e retornando L. Zhang, Phys. D 168, 35 (2002).
a crescer após a passagem dos mesmos. Nosso último [24] R. Hoyle, Pattern Formation an Introduction to
degrau nesta escalada infinita foi apresentar a ge- Methods (Cambridge University Press, New York,
neralização da Fisher-Kolmogorov incluindo termos 2006).
não-locais na interação e crescimento. Discutimos [25] M.A. Fuentes, M.N. Kuperman and V.M. Kenkre,
como esse último estudo nos possibilita obter uma J. Phys. Chem. B 108, 10505 (2004).
[26] V.M. Kenkre and M.N. Kuperman, Phys. Rev. E
relação entre a difusão e taxa de crescimento, D ∝ a,
67, 051921 (2003).
em uma população, em analogia com a difusão e [27] J.A.R. da Cunha, G.R. Resende, A.L.A. Penna, R.
temperatura, D ∝ T , em sistemas fı́sicos. Morgado and F.A. Oliveira, Act. Phys. Pol. B 40,
1473 (2009).
[28] J.A.R. Cunha, A.L.A. Penna, M.H. Vainstein, R.
Referências Morgado and F.A. Oliveira, Phys. Lett. A 373, 661
(2009).
[1] N. Britton, Essential Mathematical Biology [29] J.A.R. Cunha, A.L.A. Penna and F.A. Oliveira,
(Springer-Verlag, Berlin, 2002). Phys. Rev. E 83, 015201 (2011).
[2] J.D. Murray, Mathematical Biology I: An Introduc- [30] J.A.R. Cunha, A.L.A. Penna and F.A. Oliveira, Acta
tion (Springer-Verlag, Berlin, 2002). Physica Polonica B 43, 909 (2012).
[3] B.D. Seti, M. de Fátima, B. Betencourt, N.T. Oro, [31] J.A.R. Cunha, L. Cândido, A.L.A. Penna and F.A.
R.M.L. Kripka and V. J. L. Muhl., Teor. Evid. Econ. Oliveira, Revista Brasileira de Ensino de Fı́sica 38,
Passo Fundo 7, 137 (1999). e2310 (2016).
[4] E.P. Odum, Systems Ecology. An introduction (Jon
Wiley and Sons, New York, 1983).
[5] S. Petrovskii, A. Morozov and B.-L. Li, Math. Biol.
67, 637 (2005).
Revista Brasileira de Ensino de Fı́sica, vol. 39, nº 3, e3302, 2017 DOI: http://dx.doi.org/10.1590/1806-9126-RBEF-2016-0254