Usando o Excel, a tabela e o gráfico são dados abaixo.sisne.org/Disciplinas/Grad/ModMatBio/aula...
Transcript of Usando o Excel, a tabela e o gráfico são dados abaixo.sisne.org/Disciplinas/Grad/ModMatBio/aula...
Exercícios sobre o Modelo Logístico Discreto
1. Faça uma tabela e o gráfico do modelo logístico
discreto descrito pela equação abaixo para t = 0, 1,...,
10,
.1 ,10
13,1 0 =⎟⎠⎞
⎜⎝⎛ −=∆ NNNN
Solução.
Usando o Excel, a tabela e o gráfico são dados abaixo. t Nt
0 1,00001 2,17002 4,37883 7,57874 9,96425 10,01066 9,99687 10,00108 9,99979 10,0001
10 10,0000
Gráfico de Nt para o exercício 1
0,00
2,00
4,00
6,00
8,00
10,00
0 2 4 6 8
t
Nt
10
O gráfico apresenta um crescimento logístico (ou
sigmóide) típico no início, mas ocorre um breve
crescimento além da capacidade de carregamento K =
10 em t = 5, seguido de oscilações que decaem em
amplitude em direção a N = 10. Isso pode ser melhor
visto no gráfico a seguir, que mostra um zoom do
comportamento de Nt para a escala do eixo vertical
indo de 9,98 até 10,03.
Zoom do gráfico de Nt para o exercício 1
9,989,999,99
10,0010,0010,0110,0110,0210,0210,0310,03
0 2 4 6 8
t
Nt
10
2. Use o Excel para explorar o que acontece com o modelo
,10
1 ⎟⎠⎞
⎜⎝⎛ −=∆
NRNN
para N0 = 1, nos casos em que o parâmetro R assume os
valores: 0,2; 0,8; 1,3; 2,2; 2,5; 2,9; e 3,1.
Será necessário variar o número de passos de tempo de
acordo com o modelo.
Solução.
Esses gráficos estão mostrados abaixo.
R=0,2
0,00
2,00
4,00
6,00
8,00
10,00
12,00
0 10 20 30 40 50 60 70
t
Nt
R=0,8
0,00
2,00
4,00
6,00
8,00
10,00
12,00
0 5 10 15 20 25 30
t
Nt
Esses dois primeiros gráficos apresentam um
comportamento sigmóide típico, com o gráfico para R
= 0,8 atingindo a capacidade de carregamento mais
rapidamente do que o gráfico para R = 0,2.
O gráfico para R = 1,3 é idêntico ao visto no exercício
anterior, com a população apresentando um
comportamento sigmóide no início do seu
crescimento, mas ultrapassando brevemente o valor
de N = 10 (overshoot), para depois cair um pouco
abaixo de N = 10 (undershoot) e seguir oscilando, de
maneira amortecida, em direção ao valor de equilíbrio
N = 10.
R=2,2
0,00
2,00
4,00
6,00
8,00
10,00
12,00
0 5 10 15 20 25 30
t
Nt
Quando R = 2,2, surpreendentemente, a população
não se aproxima do valor de equilíbrio N = 10. Ao
invés disso, o valor da população oscila de maneira
regular em torno de K, como mostrado na figura
acima. Os valores de N saltam repetidamente de N ≅
7,5 para N ≅ 11,6.
R=2,5
0,00
2,00
4,00
6,00
8,00
10,00
12,00
0 5 10 15 20 25 30
t
Nt
Para R = 2,5, a população novamente não atinge o
valor de equilíbrio K = 10, mas fica oscilando em
torno dele de uma maneira mais complicada do que
no caso anterior. Ela fica alternando em um ciclo
composto por quatro valores, N ≅ 5,4, N ≅ 11,6, N ≅
7,0 e N ≅ 12,25, como mostrado na figura abaixo.
Para R = 2,9 o comportamento da população é mais
complicado ainda. O seu valor continua oscilando, só
que agora não existe mais um padrão nas oscilações e,
em alguns momentos, o tamanho da população se
reduz quase ao valor inicial de N = 1. Isso está
mostrado na figura abaixo
R=2,9
0,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
t
Nt
Para R = 3,1, o comportamento torna-se ainda mais
complicado e as oscilações levam a população a se
reduzir tanto que ela atinge o valor nulo, tornando-se
extinta. Veja isso na figura abaixo.
R=3,1
0,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
0 1 2 3 4 5 6
t
Nt
Na próxima aula vamos analisar melhor o efeito que
as mudanças no parâmetro R têm no comportamento
da população.
3. Suponha que você tenha observado os seguintes valores
para o tamanho de uma população de insetos em
laboratório. t 0 1 2 3 4 5 6 7 8 9 10
Nt 0,97 1,52 2,31 3,36 4,63 5,94 7,04 7,76 8,13 8,3 8,36
Você acha que esses dados podem ser, pelo menos de
maneira aproximada, consistentes com um modelo
logístico? Justifique sua resposta. Se os dados forem
consistentes com um modelo logístico, estime os
valores de R e K para um modelo do tipo ( ).1 KNRNN −=∆
Solução.
A primeira coisa a fazer para saber se os dados são
consistentes com um modelo logístico é fazer um
gráfico deles. O gráfico, feito no Excel, está mostrado
abaixo.
Crescimento da População de Insetos
0123456789
0 2 4 6 8
t
N
10
Pelo formato do gráfico, que é de tipo sigmóide,
podemos concluir que um modelo logístico parece ser
uma escolha razoável para modelar os dados
experimentais. O valor para o qual a população tende (o
valor de equilíbrio, ou capacidade de carregamento)
deve ser algo um pouco acima de 8,36, por exemplo K ≈
8,4. Para estimar R lembremos que, para N pequeno, R é
equivalente à taxa de crescimento geométrico do
modelo malthusiano, dada por R = 1 − λ. E λ pode ser
estimada pela razão 12 NN . Logo,
.567,0567,1197,052,111
1
2 =−=−=−=NN
R
Então, nosso modelo logístico estimado é,
.4,8
1567,0 ⎟⎠
⎞⎜⎝
⎛−=∆
NNN
Para testar se esse modelo realmente fornece um bom
fitting para os dados experimentais, podemos fazer um
gráfico dele junto com o gráfico experimental, que está
mostrado abaixo.
Crescimento da População de Insetos
0123456789
0 2 4 6 8 10
t
N
NmedidoNteórico
O ajuste não está ruim, mas fica-se com a impressão
que é possível fazer melhor. Como o Excel permite que
se altere o valor de um parâmetro e o resultado seja
visto imediatamente no gráfico, por tentativa e erro o
professor conseguiu chegar a um fitting melhor, com os
parâmetros, R = 0,63 e K = 0,84. O gráfico está
mostrado abaixo.
Crescimento da População de InsetosR=0,63 e K=8,4
0123456789
0 2 4 6 8 10
t
N
NmedidoNteórico
4. Suponha que uma população seja modelada pela
equação,
,200000
12,0_1 ⎟⎠⎞
⎜⎝⎛ −=+
tttt
NNNN
onde Nt é medida em indivíduos.
a) Encontre uma equação da mesma forma, descrevendo
a mesma população, mas com a população medida
em milhares de indivíduos.
b) Encontre uma equação da mesma forma, descrevendo
a mesma população, com a população medida em
unidades escolhidas de forma que a capacidade de
carregamento seja 1 nessas unidades.
Solução.
Este é um bom problema, pois mostra a vocês como
fazer para mudar as unidades de um problema sem ter
que refazer todo o modelo matemático sendo usado.
No item (a), pede-se para re-escrever a equação do
modelo no caso em que a população é medida em
milhares de indivíduos. Vamos supor que a nova
variável que irá representar o tamanho da população em
múltiplos de mil indivíduos é Mt. Portanto, quando Mt =
1, isso quer dizer que deveremos ter Nt = 1000 nas
unidades do modelo original. Logo,
.1000 tt MN =
Substituindo esta equação no modelo,
,2000001000
11000.2,010001000 1 ⎟⎠⎞
⎜⎝⎛ −+=+
tttt
MMMM
e, simplificando, chegamos à equação desejada,
.200
12,01 ⎟⎠⎞
⎜⎝⎛ −+=+
tttt
MMMM
Note que, neste caso, a capacidade de carregamento fica
escrita como 200 em unidades de mil indivíduos, ou 200
mil, que é a mesma capacidade de carregamento do
modelo original, 200000.
Para resolver o item (b), devemos considerar que o
valor da capacidade de carregamento é de 200000
indivíduos. Portanto, as unidades em que esse valor seja
igual a 1 devem ser tais que (vamos chamar a nova
variável para o tamanho da população de Pt),
.200000 tt PN =
Substituindo isso na equação original do modelo,
,200000
2000001200000.2,0200000200000 1 ⎟
⎠⎞
⎜⎝⎛ −+=+
tttt
PPPP
de maneira que,
( )tttt PPPP −+=+ 12,01 .
5. A técnica de cobwebbing não é limitada apenas ao
modelo logístico. Ela pode ser usada para obter os
valores de Nt de forma iterada para qualquer modelo
baseado em equações de diferenças finitas.
Determine graficamente, pelo método de cobwebbing os
valores do tamanho da população para os próximos seis
passos de tempo para cada um dos quatro casos da
figura abaixo, a partir dos valores de N0 indicados.
Solução.
Os desenhos obtidos pela aplicação do método de
cobwebbing estão mostrados nos gráficos a seguir. Note
que o modelo do primeiro gráfico é linear (malthusiano)
e que o tamanho da população cresce vertiginosamente.
Para o modelo (b), parece que o valor da população vai
ficar oscilando entre dois valores em torno da
capacidade de carregamento, como em um dos casos do
exercício 2. No caso (c), a população tende diretamente
para a capacidade de carregamento. Já no caso (d), ela
também tende para a capacidade de carregamento, mas
a convergência ocorre de maneira oscilatória.
6. Muitos dos modelos que estamos vendo para modelar
dinâmica de populações podem ser usados para modelar
várias outras situações de interesse científico.
Uma delas ocorre na modelagem de reações químicas,
pois, em geral, as taxas em que as reações ocorrem são
proporcionais às quantidades de reagentes presentes.
Suponha uma reação em que a substância A é convertida
continuamente na substância B. Considere que a soma
das quantidades das duas substâncias é sempre
constante e igual a K e que os valores iniciais de A e B
são, respectivamente, iguais a K e 0. Construa uma
equação de diferenças finitas para modelar a reação e
use-a para determinar como o gráfico da quantidade da
substância B deve se comportar em função do tempo.
Solução.
A reação que estamos estudando é,
A → B.
Estamos interessados em modelar como o
comportamento de B varia no tempo, dadas as
condições iniciais A = K e B0 = 0, e que a soma de A e B
é constante e igual a K.
Vamos supor que a taxa com que B é formada é
proporcional à quantidade de A existente, isto é, quanto
mais moléculas de A existirem, mais moléculas de B
estarão sendo formadas por unidade de tempo.
Escrevendo isso em termos de uma equação de
diferenças finitas (tempo discreto),
,RAB =∆
onde R é a constante de proporcionalidade.
Vamos agora usar a condição de que a soma das
quantidades de A e B é sempre constante,
.BKAKBA −=⇒=+
Substituindo isso na equação para ∆B,
( ).BKRB −=∆
Esta é a equação procurada. Ela nos diz que a taxa com
que B é criada é proporcional à diferença entre a
quantidade total de substâncias K e a quantidade de B.
Ou seja, quando há pouca quantidade de B formada, a
taxa de formação de B é grande, mas quando há muita
quantidade de B já formada a taxa é pequena e se
aproxima de zero à medida em que a quantidade de B se
aproxima de K.
Portanto, neste modelo, as constantes K e R têm papéis
similares às constantes K e R do modelo para uma
população: K é a quantidade máxima de B que pode
existir e R controla a velocidade com que B é criada.
O valor de R tem que estar entre 0 e 1. Se R = 0, não
temos formação de B a partir de A e, se R = 1, toda a
quantidade de A é convertida em B em apenas um passo
de tempo. Para ver isso, reescreva a equação anterior
como,
( ).1 ttt BKRBB −+=+
Portanto, se R = 1 temos,
( ) ,1 001 KBKBB =−+=
onde fizemos B0 = 0.
Gráficos de B versus t para R = 0,2 e R = 0,7 estão
mostrados nas figuras abaixo (com K = 10). Nos dois
casos, comportamento de B x t é o de um forte
crescimento inicial cuja taxa vai se reduzindo à medida
que B se aproxima de K = 10. Quanto maior o valor de
R, mais rapidamente o valor de B se aproxima de K
(note as mudanças nas escalas do eixo horizontal).
Quantidade de BR=0,2
0,00
2,00
4,00
6,00
8,00
10,00
12,00
0 10 20 30
t
B
40
Quantidade de BR=0,7
0,00
2,00
4,00
6,00
8,00
10,00
12,00
0 2 4 6 8
t
B
10
7. Uma reação química é dita autocatalítica quando a taxa
em que ela ocorre é proporcional às quantidades, tanto
dos reagentes como dos produtos presentes (isto é, o
produto da reação é um catalisador para a reação).
Assuma novamente a reação da questão anterior, onde a
soma das quantidades de A e B é constante e igual a K,
mas considere que agora a reação é autocatalítica de
maneira que a taxa de criação de B tem que ser
proporcional às quantidades de A e de B existentes. Faça
um modelo de diferenças finitas para essa situação e
repita a análise feita na questão anterior.
Solução.
Como a reação é autocatalítica, é necessário que exista
pelo menos uma quantidade mínima de B no início da
reação para que ela proceda. Isto implica que B0 ≠ 0.
Podemos escrever a equação para a taxa de formação de B
como,
( ).BKRBRABB −==∆
Note que se B = 0 não há formação de B.
Observe que a equação obtida tem a forma de uma
equação logística. Podemos reescreve-la como,
( )[ ].11 ttt BKRBB −+=+
Um gráfico dessa equação para B0 = 0,001, K = 10 e R =
0,1 está dado abaixo. Note que ele tem a típica forma
sigmóide da solução de um modelo logístico.
Quantidade de BR=0,1
0
2
4
6
8
10
12
0 5 10 15 20
t
B
A forma sigmóide da solução é bastante apropriada para
uma reação autocatalítica. Ela indica que a reação
progride lentamente no início, quando a quantidade do
produto B é pequena; que depois ela se acelera quando há
quantidades significativas tanto de B como de A; e que,
finalmente, ela se desacelera de novo quando a quantidade
de A diminui.
Note que se o valor da constante R for um pouco maior do
que 0,1, começam a ocorrer oscilações na convergência de
B para K. Nessas oscilações, o valor de B ultrapassa 10,
que é o máximo valor possível (veja a figura abaixo, para
R = 0,15). Portanto, elas não são aceitáveis para este caso.
Isso indica que o modelo de equações de diferenças finitas
desenvolvido é válido apenas para valores bem pequenos
de R, entre 0 e 0,1 aproximadamente.
Quantidade de BR=0,15
0
2
4
6
8
10
12
-4 1 6 11 16
t
B