Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Din
amica de poblaciones
1.1.
Introducci
on.
El crecimiento o el declive de poblaciones naturales y la lucha de las especies por predominar unas sobre otras ha sido objeto de interes en todas las
epocas. Hace siglos que se observo la aplicacion de conceptos matematicos
muy simples al estudio de tales cuestiones. Los pioneros del estudio matematico (aportaron modelos) son Malthus (1978), Verhulst (1838), Lotka y Volterra
cuyos trabajos se publicaron en los a
nos 20 y 30 del siglo pasado, respectivamente. Cabe se
nalar que Euler ya haba sugerido el llamado modelo malthusiano o de crecimiento exponencial.
Lotka y Volterra llegaron, independientemente, a modelos como los relativos a dos especies en competencia y predador-presa. Sus trabajos
tuvieron una profunda influencia en el campo que ahora se denomina biologa de poblaciones. Ellos fueron los primeros en estudiar el fenomeno
de la interaccion entre dos especies, haciendo ciertas simplificaciones que
conducen a modelos matematicos no triviales y tratables.
El tema se inicia con el estudio de modelos continuos para una sola especie. Seguidamente, analizamos los citados modelos de Lotka y Volterra
para dos especies. Terminamos el tema estudiando modelos discretos unidimensionales.
1
Ponemos fin a esta introduccion mencionando como se produjo la iniciacion del matematico italiano Volterra en este area de la Biologa. Su interes por estos temas surgio a traves de conversaciones con su colega Umberto
dAncona que haba obsevado una tendencia biologica sorprendente. Durante
la Primera Guerra Mundial la pesca comercial en el Adriatico descendio a
niveles muy bajos. En ese momento se penso que ello producira un aumento
en la cantidad de peces de las especies con valor comercial. Por el contrario,
las poblaciones de estas especies decrecieron bastante y, sin embargo, sufrio
un aumento importante la poblacion de sus predadores. Posteriormente, se
comprobo que las dos poblaciones fluctuaban.
1.2.
Supongamos que estamos estudiando determinada poblacion de una especie. Denotamos por N (t) el n
umero de individuos de la poblacion en el
instante t. Obviamente, N (t) es una funcion discontinua y, concretamente,
escalonada. En efecto, entre dos instantes consecutivos de tiempo en los que
se haya modificado el valor de N (t), esta permanece constante.
protozoos, etc. En estos casos, la adicion de unos pocos individuos tiene una
repercusion escasa sobre la poblacion total y la hipotesis de la variacion con
continuidad no esta muy alejada de la realidad. En la figura siguiente se
recogen los valores observados experimentalmente del n
umero de celulas de
cierta poblacion de levaduras. Obsevamos que en este caso un modelo continuo parece apropiado: puede dibujarse una curva continua que pasa por todos
los puntos representados.
clulas
700
500
o
o
o
o
300
o
o
100
o
o
10
15
das
1.3.
Si N (t) es el tama
no de la poblacion en el instante t, N 0 (t) es el ritmo con
que vara N (t). Este ritmo de variacion depende de factores que contibuyen
positivamente (como nacimientos e inmigraciones) y de factores que influyen
negativamente (como defunciones y emigraciones). Por tanto, se verifica
N 0 (t) = vn vd + vi ve ,
donde vn es la velocidad de nacimientos, vd la de defunciones, vi la de inmigraciones y ve la de emigraciones.
I)El modelo de Malthus.
El modelo mas simple es el que supone que la velocidad de nacimientos
es proporcional al tama
no de la poblacion e, igualmente, la velocidad de
defunciones es proporcional al tama
no de la poblacion. Se supone, ademas,
que la poblacion es cerrada, es decir, no hay migracion. Entonces la igualdad
anterior se convierte en esta otra
N 0 (t) = aN (t) bN (t).
a recibe el nombre de tasa de nacimientos y b de defunciones. Si ponemos
k = a b, k se llama tasa de crecimiento (relativo) de la poblacion y el
modelo toma la forma N 0 (t) = kN (t). Este es el modelo de Malthus (1798),
que puede resolverse de forma elemental. Si integramos respecto de t, resulta
N (t) = N (0)ekt . Vemos que el crecimiento es exponencial. Si k > 0, este
crecimiento lleva a superpoblacion a largo plazo. Si k < 0, hay decrecimiento
exponencial y se produce la extincion de la poblacion a largo plazo.
En el modelo malthusiano no se tienen en cuenta cuestiones tan importantes como las siguientes:
1) La limitacion de recursos y de espacio, que hace imposible el crecimiento indefinido.
4
(1.1)
lo que permite deducir la relacion c(0) c(t) = (N (t) N (0)), que puede
interpretarse como que son necesarios nutrientes para producir un individuo.
II) El modelo logstico.
La idea fundamental que sustenta este modelo es la siguiente: la limitacion
de recursos y de espacio hace imposible un crecimiento indefinido y, en general, a largo plazo debe de haber alg
un reajuste. En 1836 Verhulst propuso
que cuando una poblacion alcanza un tama
no demasiado grande debe de
producirse un proceso de autolimitacion y sugirio el modelo
N
,
N = rN 1
K
0
rN 2
,
K
2
N
)
K
log N log 1 = rt + c,
K
que puede escribirse en la forma
N
= rt + c.
log
N
1 K
.
N (t) =
rt
K + N0 e 1
N0 K
= K. El sistema posee dos puntos de equilit+
N0
brio: N = 0 y N = K. El lmite anterior nos dice que N = K es un punto
de equilibrio estable.
Vamos a dibujar las graficas de estas funciones que reciben el nombre de
sigmoides. Las dos primeras derivadas de N (t) son
r 2
N
K
r
r
2N
2N
= r rN N 2 1
=
N 00 = rN 0 2 N N 0 = rN 0 1
K
K
K
K
N
2N
1
.
= r2 N 1
K
K
Por tanto, el signo de N 00 (t) viene dado por
(
+ si N (0, K2 ) (K, +)
00
sig(N (t)) =
si N ( K2 , K)
N 0 = rN
N (t T )
0
,
N = rN 1
K
que es una ecuacion diferencial con retardo.
c) El efecto Allee. En muchas poblaciones naturales, cuando el tama
no
es muy bajo se hace muy difcil el que la hembra encuentre al macho para la
procreacion. En estos casos, la tasa de crecimiento relativo vara a un ritmo
muy bajo. Sin embargo, en el modelo logstico este ritmo es constante e igual
0
a Kr (basta derivar respecto de t el cociente NN ).
El modelo logstico predice razonablemente bien el crecimiento de poblaciones de bacterias, celulas de levadura, protozoos, la mosca del vinagre y
otras poblaciones de laboratorio.
Una forma de obtener un modelo que recoja el efecto Allee es la siguiente.
Suponemos que la tasa de crecimiento relativo tiene la forma
N0
= g(N ),
N
siendo g(N ) = a1 + a2 N + a3 N 2 . Entonces la tasa de crecimiento de relativo
vara con velocidad no constante g 0 = a2 + 2a3 N . Vamos a ver que, tomando
a1 , a2 > 0 y a3 < 0, el modelo recoge el efecto Allee. Para ello, primero
calculamos las dos primeras derivadas de F (N ) = N g(N ):
F 0 (N ) = a1 + 2a2 N + 3a3 N 2
F 00 (N ) = 2a2 + 6a3 N.
8
a2
es el u
nico punto de inflexion de F . Por otro lado,
Vemos que N = 3a
r 3
2
a2
a2
a1
N = 3a
+
es el u
nico punto crtico de F en [0, +). Ahora
3a
3a
3
3
3
x
x0 (t) = rx 1
p(x),
K
donde r es la tasa de reproduccion potencial de las larvas y K es la capacidad
de soporte del medio. El termino p(x) es el efecto negativo de los pajaros sobre
la tasa de crecimiento absoluto. Para determinar la forma exacta de p(x), se
hacen los siguientes supuestos:
a) Si x es proximo a 0, p(x) tambien debe serlo, pues los pajaros se iran
a otro lado para buscar alimento.
9
1.4.
Modelizaci
on pesquera
x
= f (x).
x = rx 1
k
Pero, si la poblacion es explotada comercialmente, debemos tener en cuenta
el efecto de la pesca sobre el crecimiento. Si h es la tasa de capturas (Tn/da)
el modelo debe tomar la forma
x = f (x) h,
donde la tasa h depende del modo en que se efect
ua la pesca. Vamos a
considerar dos tipos de pesca:
1)Pesca con tasa de capturas constante.
Los pescadores conocen donde se encuentran los peces y deciden la cantidad diaria (h) que quieren pescar en funcion de ciertos parametros (capacidad
del barco, mercado, etc...). Si este es el caso, la tasa de capturas h es constante
y el modelo tiene la forma
x
x = rx 1
h.
k
10
x
qEx = F (x).
x = rx 1
k
qE
h(E) = qEx1 = qEk 1
.
r
Es interesante conocer con que esfuerzo constante E se consigue maximizar
la tasa de capturas (a lo largo del tiempo). Para ello, debemos calcular la
derivada de h(E) e igualar a 0:
2qE
h0 (E) = qk 1
= 0.
r
Vemos que E = 2qr es el maximo absoluto de h(E).
1.5.
xx 1 = r1 1 xk1 k12 r1 x2
1
1
1
(1.2)
x 2 = r 1 x2 21 r x
2
x2
k2
k2 2 1
Para facilitar el estudio analtico del modelo, es conveniente realizar algunos cambios que permitan reducir el n
umero de parametros. Primero, escribimos el sistema en la forma
x 1 = r1 x1 k1 x1k12 x2
1
(1.3)
x = r x k2 x2 21 x1
2
2 2
k2
Notese que [xi ] = [ki ] y [ri xi ] = [x]
=
[ri ] =
[1]
.
[t]
[x]
,
[t]
x1
,
k1
y=
x2
,
k2
12
= r1 t,
(1.4)
x = x 1 x 12 kk2 y
1
y = r2 y 1 y k1 x
21
r1
k2
(1.5)
r2
,
r1
b12 = 12
k2
,
k1
b21 = 21
k1
,
k2
x = x 1 x b12 y
y = py 1 y b x
21
(1.6)
P1 (0, 1),
P2 (1, 0)
1.6.
x0 , ex0 , ee 0 , ...
Este proceso iterativo es un sistema dinamico discreto. Si hacemos esto mismo
con valores diferentes del n
umero inicial x0 , observamos que siempre conduce
a error pues, una vez que se calculan unas pocas iteraciones, se obtiene un
n
umero tan grande que sobrepasa la capacidad de la calculadora. En este
ejemplo, es facil concluir que todas las iteraciones realizadas con la funcion
exponencial conducen rapidamente a +.
Si hacemos esto mismo con la tecla de la funcion seno, una vez introducido
el n
umero inicial x0 , enseguida notaramos que las iteraciones se aproximan
a 0, cualquiera que sea el valor inicial escogido. A la vista de este ejemplo,
puede parecer que las iteraciones de cualquier funcion f conducen siempre a
una sucesion convergente (o divergente) hacia cierto valor u
nico. Sin embargo,
nada mas lejos de la realidad. Dada una funcion f : I I, donde I es alg
un
intervalo real, y un valor inicial x0 , la pregunta que ocurre, a largo plazo, a
la sucesion de iteraciones x0 , f (x0 ), f ((f (x0 )), ...,? puede tener una respuesta
muy complicada. Cualquier funcion f : I I da lugar a un sistema dinamico
discreto: xn+1 = f (xn ), que seran objeto de estudio en un tema posterior.
Ahora nos ocupamos de algunos ejemplos aplicados, de hecho, se encuentran
aplicaciones en cualquier rama de las ciencias. Previamente, vamos a dar
algunas definiciones basicas de la teora de los sistemas dinamicos discretos.
Definici
on 1.6.1. Sean I un intervalo real y f : I I una aplicaci
on
2
n
arbitraria. Si x I, f (f (x)) se denotar
a por f (x) y en general f (x) =
f (f n1 (x)). La sucesi
on de iteraciones x, f (x), f 2 (x), recibe el nombre de
15
Q(x)
.
Q0 (x)
Este
es el modelo malthusiano, que es facilmente resoluble:
P1 = kP0
P = kP1
= k 2 P0
2
P3 = kP2
= k 3 P0
.... .. ....
.. ....
P = kP
n
n
n1 = k P0
16
n
Seg
un hemos visto antes, la solucion de esta ecuacion es Hn = (1m)rf H0 .
Pn+1 = Pn e
r 1 Pkn
f (x) = xe
r 1 x
k
r 1 x
k
xe
r 1 x
k
=x1=e
r 1 x
rx
k
0
f (x) = e
1
.
k
Entonces f 0 (k) = (1 r). Luego, x1 = k es un punto de equilibrio estable
para |1 r| < 1 o, equivalentemente, para 0 < r < 2.
Finalmente, recogemos el modelo de Varley, Gradwell y Hassell:
Pn+1 =
1b
P .
n
1 b
P
n
r 1 Pkn
Pn+1 = Pn e
En este caso
f (x) = xe
qEPn .
1 x
k
qEx.
r 1 x
rx
k
f 0 (x) = 1
e
qE.
k
h
i
Entonces f 0 (x1 ) = 1 + (qE + 1) log(Eq + 1) r . Por tanto, en el caso que
r
2
> r.
(qE + 1)
log(qE + 1) +
2
> r,
(qE + 1)
i
h 1
i
1
r
lm x1 (E) = lm k 1 log(qE+1) = k 1 log(qE +1) = k 1 log e = 0.
EE
EE
r
r
r
Por tanto, la poblacion evoluciona hacia la extincion.
19