Arbeitsblatt zur 4. Vorlesung, WS 2020/2021 1 2.2 Grenzzyklen und Chaos
Modellanalyse IV: Grenzzyklen
Die Grundidee, um weitere Erkenntnisse ¨uber die Langzeitdynamik des Ricker-Modells und
¨ahnlicher Systeme zu gewinnen, ist die Betrachtung der iterierten Abbildung ¨uber k Zeit- schritte,
F(2)(N) =F(F(N)) resp. F(k)(N) =F(. . . F(F(N))) k-fach. (1) Offensichtlich handelt es sich wieder um ein diskretes dynamisches System, das auf die gleiche Weise untersucht werden kann wie das urspr¨ungliche. Hinsichtlich seines Langzeitverhaltens beobachten wir die folgenden elementaren Eigenschaften:
1. Gleichgewichte von F sind auch Gleichgewichte von F(2) und jeder h¨oheren Iteration F(k).
2. F¨ur die Ableitung vonF(2) an den Fixpunkten folgt mit der Kettenregel,
∂F(2)(N)
∂N = ∂F(Z)
∂Z
Z=F(N)·∂F(N)
∂N . (2)
und genauso f¨ur die iterierte Abbildung F(k). Das bedeutet f¨ur die Gleichgewichte N∗
∂F(k)(N)
∂N
N=N∗ =
∂F(N)
∂N N=N∗
k
. (3)
Stabile Gleichgewichte von F bleiben also auch f¨ur h¨ohere Iterationen stabil und insta- bile Gleichgewichte bleiben instabil.
3. Weitere (stabile oder instabile) Gleichgewichte von iterierten AbbildungenF(k) k¨onnen auftreten, wenn die urspr¨ungliche AbbildungF Zyklen hat.
Definition und grundlegende Eigenschaften: Grenzzyklen
1. Ein Punkt N0 wird Punkt mit Periode k oder k-Zyklus Punkt genannt wenn er ein Gleichgewichtspunkt der k-fach iterierten Abbildung F(k)(N) ist, aber kein Fixpunkt einer Abbildung F(k0) mit 1≤k0 < k. Sein sogenannterOrbit
{N0, F(N0), . . . , F(k−1)(N0)}=:{N0, N1, . . . , Nk−1}
wird der entsprechende k-Zyklus genannt. Alle Punkte Ni in diesem Zyklus sind Fix- punkte von F(k).
2. Ein Grenzzyklus ist lokal stabil genau dann, wenn die zugeh¨origen Zyklus-Punkte lokal stabile Gleichgewichte derk-fach iterierten Abbildung sind. Mit der Kettenregel erhalten wir f¨ur die AbleitungF(k) an allen Zyklus-Punkten
Λ(k) = ∂F(k)
∂N =
k−1
Y
i=0
∂F(N)
∂N N=Ni
. (4)
Der Zyklus ist mithin lokal stabil wenn |Λ(k)|<1 ist und instabil f¨ur|Λ(k)|>1.
Arbeitsblatt zur 4. Vorlesung, WS 2020/2021 2 Beispiel: diskretes logistisches Wachstum
Wir betrachten die Iterationsfunktion f¨ur das diskrete logistische Wachstum Nt+1 =F(Nt) =rNt
1−Nt
K
, (5)
die sich ¨ahnlich zur Ricker Gleichung verh¨alt, aber leichter zu analysieren ist. F(N) hat ein Maximum bei N = K/2 mit F(K/2) = rK/4. Es gibt zwei Gleichgewichte N1∗ = 0 und N2∗ =K(r−1)/r. Mit F0(N) =r(1−2N/K) erhalten wir F0(0) =r und F0(N2∗) = 2−r.
1. F¨ur 0 < r <1 ist N1∗ = 0 das einzige stabile Gleichgewicht und die Population stirbt aus.
2. F¨ur 1 < r <3 entsteht ein zweites, stabiles Gleichgewicht N2∗ w¨ahrend N1∗ instabil ist (transkritische Bifurkation im Punkt r = 1). Die Konvergenz nach N2∗ ist f¨ur r < 2 monoton und f¨urr >2 oszillierend.
3. F¨urr >3 sind beide GleichgewichteN1∗ undN2∗ instabil und wir erwarten Grenzzyklen oder noch komplexeres Langzeit-Verhalten.
F¨ur ein wohldefiniertes biologisches Modell muss r ≤ 4 sein, da sonst F(N) > K werden kann, was negative Populationsgr¨oßen in der n¨achsten Generation zur Folge h¨atte. Um die Dynamik im Detail zu studieren, betrachten wir den Fall K= 1. Damit wird:
F(N) =rN(1−N) (6)
F(2)(N) =r(rN(1−N))(1−rN(1−N)) =r2N(1−N)(1−rN +rN2) (7)
∂F(2)(N)
∂N =r 1−2rN(1−N)
r(1−2N) (8)
(Wir haben allgemein die SymmetrieF(k)(1−N) =F(k)(N).) Wir bekommen Gleichgewichte F(2)(N) =N f¨ur
N1∗= 0 , N2∗ = r−1
r , N3,4∗ = 1 +r±p
(r−1)2−4
2r . (9)
Offensichtlich existierenN3,4∗ f¨urr≥3. Weiter giltF(N3∗) =N4∗ und umgekehrtF(N4∗) =N3∗. Die Ableitung ist
Λ(2)1 =r2 Λ(2)2 = (2−r)2 , Λ(2)3,4 = 4 + 2r−r2 (10)
• Bei r= 3 istN2∗ =N3∗ =N4∗. Wenn wir rweiter erh¨ohen, ¨andert das GleichgewichtN2∗ seine Stabilit¨at (stabil → instabil). Gleichzeitig entstehen f¨ur die iterierte Abbildung F(2)(N) zwei neue Gleichgewichte, N3∗ und N4∗. Beide sind stabil: |Λ(2)3,4| < 1 f¨ur 3 <
r < 1 +√
6 ≈3.45. Das ist die typische Signatur einer Heugabel-Bifurkation. F¨ur die urspr¨ungliche AbbildungF(N) ¨andert sich die Zahl der Gleichgewichte nicht. Die neuen Gleichgewichte von F(2) bilden f¨urF(N) einen stabilen Grenzzyklus mit Periode 2.
• F¨ur r > 1 +√
6 ≈ 3.45 wird Λ(2)3,4 <−1 und die Gleichgewichte N3∗ und N4∗ von F(2) werden instabil. F¨ur die iterierte Abbildung F(4) bedeutet das, dass die Ableitung an
Arbeitsblatt zur 4. Vorlesung, WS 2020/2021 3 beiden Gleichgewichten ansteigt auf (Λ(2)3,4)2 > 1. Dadurch werden wieder je zwei neue stabile Gleichgewichte in einer Heugabel-Bifurkation erzeugt. Wir erhalten so einen Zyklus von Periode 2 f¨urF(2) und entsprechend einen stabilen 4-Zyklus f¨urF(N). Dies setzt sich bei weiterer Erh¨ohung des Parameters r fort: jedes Mal, wenn ein stabiles Gleichgewicht von F(k) instabil wird erhalten wir zwei neue stabile Gleichgewichte f¨ur F(2k) und damit einen Grenzzyklus 2k f¨ur F(N). Dies bezeichnet man auch als die Periodenverdopplungskaskade der diskreten logistischen Abbildung und von ¨ahnlichen Abbildungen (wie dem Ricker Modell).
• Visualisierung mit Mathematicasiehe
https://demonstrations.wolfram.com/TrajectoriesOfTheLogisticMap/
Chaos
F¨ur die logistische Abbildung erhalten wir eine Reihe von kritischen Werten r2k (mit r2 = 3 und r4 = 1 +√
6 ≈ 3.45, etc), oberhalb derer stabile Zyklen der Periode 2k existieren. Wie sich herausstellt, konvergiert diese Folge vonPeriodenverdoppelungs-Bifukationspunktenrasch zu einem endlichen Wertrc=r∞≈≈3.57. Es stellt sich die Frage, was jenseits dieses Werts geschieht. Es beginnt derchaotische Bereich,rc< r≤4.
1. F¨ur eine dichte Menge von Werten von r konvergiert die Bahn gegen einen stabilen Zyklus. Dabei treten stets neue, komplizierte Perioden auf. Insbesondere tritt f¨ur r >
1 +√
8 ≈ 8.8284 erstmals die Periode 3 auf, die bis r ≈ 3.8415 stabil bleibt. Jede Periodenl¨angenkann (f¨ur geeignete Werte vonr) auftreten.
2. Obwohl die Menge der Werte f¨urrmit stabilen Zyklen dicht liegt, gibt es eine ¨uberabz¨ahl- bare Menge von Werten, f¨ur die die Bahn nicht asymptotisch periodisch ist. Diese ape- riodischen Orbits “unendlicher L¨ange” sind das Kennzeichen von Chaos. Ein weiteres Kennzeichen von chaotischem Verhalten ist die empfindliche Abh¨angigkeit von den An- fangsbedingungen (“Schmetterlings-Effekt”). Das heißt, dass Bahnen f¨ur marginal un- terschiedliche Anfangswerte nach gen¨ugend vielen Iterationen weit auseinander laufen.
Da sich Anfangsbedingungen nie beliebig genau bestimmen lassen, ist f¨ur das System effektiv keine langfristige Vorhersage mehr m¨oglich.
3. F¨ur den Spezialfallr = 4 gibt es eine explizite L¨osung f¨ur die Dynamik, Nk= sin2[2k−1πθ] mit θ= 1
π sin−1[N01/2]. (11) Wir sehen, dass alle Bahnen f¨ur irrationalesθ aperiodisch sind, f¨ur rationalesθsind sie periodisch mit unterschiedlicher Periodenl¨ange.
Periodizit¨at and Chaos in der Biologie
Unsere Beispiele zeigen, dass selbst sehr einfache Modelle (in einer Dimension!) sehr komplexe Ph¨anomene hervorrufen k¨onnen. Periodische Dynamiken werden in der Biologie immer wie- der beobachtet, auch in der Populationsdynamik. F¨ur Zyklen kann es aber mehrere Ursachen geben. Bei einer diskreten Dynamik k¨onnen Zyklen durch ein ¨uberschießen des Gleichgewichts entstehen ( ¨Uberkompensation), was f¨ur Systeme typisch ist, bei denen die Populationsregu- lation nur mit einer gewissen Verz¨ogerung wirkt.
Arbeitsblatt zur 4. Vorlesung, WS 2020/2021 4 Uber chaotisches Verhalten in der Biologie wurde viel spekuliert. Aus theoretischer Sicht¨ sollte man Chaos insbesondere f¨ur Systeme mit h¨oherer Dimension (mehrere interagieren- de Arten) erwarten. In kontinuierlicher Zeit tritt chaotisches Verhalten ab der Dimension 3 auf. ¨Uberzeugende empirische Beweise f¨ur chaotisches Verhalten sind im konkreten Fall jedoch schwer zu erhalten. Insbesondere ist es oft schwierig (oder unm¨oglich), lange Zyklen und/oder stochastisches Rauschen von “wirklichem” deterministischem Chaos zu unterscheiden. Außer- dem ist ein echtes Chaos in Populationen mit einer diskreten Anzahl von Individuen niemals strikt m¨oglich. Dennoch ist das Chaos ein Gebiet, wo die Biologie die Mathematik inspiriert hat und dazu beigetragen hat, die Chaostheorie als Forschungsgebiet zu begr¨unden (Arbeiten von Robert May 1974, 1976).
Ubungsaufgaben 4¨
Aufganbe 4.1: Eine Verallgemeinerung des Beverton-Holt Modells ist das Hassell Modell, das durch die Reproduktionsfuntion
Nt+1=F(Nt) = λNt
(1 +αNt)β gegeben ist, mitλ >1,α >0 undβ >0.
(a) Bestimmte alle Fixpunkte und die Parameterkombinationen, f¨ur die sie stabil sind. Gibt es Bifurkationspunkte?
(b) In welchem Parameterbereich treten stabile Zweierzyklen auf? Beweis!
(c) Stelle die Dynamik f¨ur verschiedene Parameterbereiche graphisch dar.
Aufganbe 4.2: Eine Fischpopulation, die sich nach dem Ricker Modell entwickelt wird per constant rate harvestingbefischt. Damit ist die diskrete Reproduktionsfunktion (r, K >0)
Nt+1 =F(Nt) =Ntexp[r(1−Nt/K)]−Y
wobei der “yield”Y durch die maximale FangmengeH≥0 reguliert wird zu Y = maxh
H, Ntexp[r(1−Nt/K)]i .
(a) Skizziere die Dynamik f¨ur verschiedene Parameterbereiche. Was f¨ur ein Verhalten tritt auf? Wie ¨andern sich die Gleichgewichte durch die Befischung (H >0)? Welche Bifur- kationspunkte kann es geben? (Ohne explizite Rechnung)
(b) Berchne den “maximal sustainable yield”.