数学模型与数学建模4.2 常微分方程组模型ppt课件.ppt

《数学模型与数学建模4.2 常微分方程组模型ppt课件.ppt》由会员分享，可在线阅读，更多相关《数学模型与数学建模4.2 常微分方程组模型ppt课件.ppt（110页珍藏版）》请在三一办公上搜索。

1、数学模型,安徽大学数学科学学院,4.2 常微分方程组模型,由几个微分方程联立而成的方程组称为微分方程组。本节建立传染病模型、男生追女生模型和种群增长模型，并判断方程组的稳定性。,我国目前的法定传染病有甲、乙、丙三类，共39种。传染病的特点是有病原体，有传染性和流行性，感染后常有免疫性。有些传染病还有季节性或地方性。传染病的分类尚未统一，有人按病原体分类，有人按传播途径分类。传染病的预防应采取以切断主要传播环节为主导的综合措施。传染病的传播和,4.2.1 传染病模型,流行必须具备3个环节，即传染源（能排出病原体的人或动物）、传播途径（病原体传染他人的途径）及易感者（对该种传染病无免疫力者）。若能

2、完全切断其中的一个环节，即可防止该种传染病的发生和流行。各种传染病的薄弱环节各不相同。在预防中应充分利用。除主导环节外对其他环节也应采取措施，只有这样才能更好地预防各种传染病。不同类型的传染病，其传播过程有着各自不同,的特点，了解这些具体的传染病的传播过程需要了解其病理知识，这里不可能从医学角度一一进行分析，而主要按照一般的传播机理建立几类一般的传染病模型分析受感染人数的变化规律，讨论终止传染病蔓延的方法和手段。,模型1. 用 表示 时刻的病人数量，假设病人一旦与健康人群接触就会使健康人群患病，且单位时间内每个病人能够使健康人患病的人数为 。初始时刻的病人数为 。利用微元法，考虑 内病人数的变

3、化，则有 ，上式两边同时除以 ，并令 ，得到 （4.2.1）,式（4.2.1）的求解程序及结果如下：dsolve(Dx-lambda*x=0,x(0)=x0,t)ans = x0*exp(lambda*t) 即式（4.2.1）的解为 （4.2.2）式（4.2.2）为指数形式，故称模型（4.2.1）为指数增长模型。根据式（4.2.2），当 时， ，即所有人都会患病。很显然，这与事实不符。,模型2. （SI模型） 考虑以下假设：（1）不考虑人口的出生、死亡和迁移等种群动力因素，在疾病传染期所考察地区内总人数始终保持常数 不变；（2）人群分健康人群（易感染者，Susceptible）和病人（已感染者

4、，Infective）， 时刻这两类人在总人数中所占比例分别为 和 ，即有 ，并设初始时刻患病人数比例为 ；,（3）病人一旦与健康人群接触，就必然具有一定的传染性。假设 时刻单位时间内每个病人能传染的易感染者数量与该地区易感染者比例 成正比，比例系数为 ，即 时刻单位时间内每个病人可使 个易感染者患病，而病人总数为 ，因而 时刻单位时间内共有 个易感染者患病。利用微元法， 内患病人数的变化量为：,上式两段同时除以 ，并令 ，有 。结合假设（2），有 （4.2.3）先观察 的图像，建M文件myfun1.m。命令如下：function y=myfun1(i); y=0.01*i*(1-i);再输入

5、命令：fplot(myfun1,0,1);fplot函数的命令格式为fplot(fun,lims)，表,示绘制字符串fun制定的函数在lims=xmin,xmax或lims=xmin,xmax,ymin,ymax上的图形。但是fun必须是M文件的函数名或是独立变量为x的字符串。图形如下：图4.2.1 图像,由图4.2.1可以看出，当 时， 达到最大值，此时病人数增长得最快，意味着传染病高潮的到来。模型（4.2.3）的求解程序如下：syms i alpha t;dsolve(Di-alpha*i*(1-i),i(0)=i0,t)结果为：ans = 1/(1-exp(-alpha*t)*(-1+i

6、0)/i0),这里syms是Matlab中定义多个变量的。根据运行结果，有式（4.2.3）的解： （4.2.4） 由式（4.2.4），当 时， ，这是传染病最高峰时刻，此时 与 成反比。因为 反映了单位时间每个病人的传染数量，所以也被称为单位时间接触率，它直接反映了当地的卫生,水平可以推迟传染病高潮的到来。函数 的作图命令及图形如下（这里取 ， ）：fplot(1/(1-exp(-0.5*t)*(- 1+0.01)/0.01),0,30);xlabel(t); ylabel(i);,图4.2.2 患病人数比例 的图像,由图4.2.1可以看出， 单调递增，且在 时下凸，而在 时上凸，且有渐近线

7、，即病人数量一直递增，在病人比例不到 时增长速度非常快，而在病人比例超过 时增长速度放缓，最终病人的比例将接近于100%。显然这与事实不符，究其原因，是因为模型（4.2.3）中没有考虑病人被治愈的情况。,模型3.（SIS模型） 增加假设：假设被治愈的人不具有免疫能力，将成为易感染者，且 时刻单位时间内治愈者变化率与病人数量成正比，比例系数为 ，利用微元法， 内患病人数的变化量为 ，故有 (4.2.5),显然，当 ，即没有病人治愈时，模型(4.2.5)变为模型(4.2.3)。令 ，则有 （4.2.6）因为 反映了单位时间每个病人的传染数量，而 反映了单位时间内每个病人的治愈率，则 可表示为平均每

8、个病人的治愈时间， 为传染期内平均每个病人的有效传染数量。,图4.2.3（a） 时 的图像 图4.2.3（b） 时 的图像,由图4.2.3（a）和（b）可以看出，当 时， 随着 的增大呈现先增后减的趋势，且在 处为0，即此时 达到最高峰；而当 时， 小于0且随着 的增大一直递减，即 单调递减且递减的速度越来越快。模型（4.2.6）的程序为：dsolve(Di=-alpha*i*(i-(1-1/sigma),i(0)=i0,t);,运行结果为：ans =(sigma-1)/(sigma-exp(-alpha*(sigma-1)*t/sigma)*(-sigma+1+i0*sigma)/i0/(s

9、igma-1)*sigma+exp(-alpha*(sigma-1)*t/sigma)*(-sigma+1+i0*sigma)/i0/(sigma-1),图4.2.4（a） 时患病人数比例 的图像 图4.2.4（b） 时患病人数比例 的图像图4.2.4（c） ， ， 时患病人数比例 的图形。,图4.2.4（a）为 ， ， 时的图形，图4.2.4（b）为 ， ， 时的图形，图4.2.4（c）为 ， ， 时的图形。可以看出， 当 时， 从 点出发，单调递减趋于0，即此时病人数会越来越小最终趋于0；当 时， 的单调性取决于 的大小，但是不论初始值 还是 ，均有:,该极限值随着 的增大而增大，也就是说

10、传染期内平均每个病人的有效传染数量越多，最后患病人数也会越多。模型3中假设治愈者还可以被传染，实际上，大多数传染病如流感、肝炎、天花等治愈后均有一定的免疫力，治愈者既不属于健康人群（易感染者），也不属于患病人群（已感染者）。因此需要单独考虑这类人群。,模型4. （SIR模型）假设（1）总人数 不变，人群分为健康人群、患病人群和病愈具有免疫能力的移出者（Removed）。 时刻这三类人在总人数中所占比例分别为 、 和 ，即有 ，并设初始时刻患病人数比例为 ， ， ；,（2）单位时间内每个病人的接触率为 ，单位时间内每个病人的治愈率为 ， 为传染期内平均每个病人的有效传染数量；利用微元法， 内移出

11、者的变化量为 , 等式两边同除以 ，并令 ，则有 （4.2.7）,故有SIR模型： （4.2.9）且 因模型（4.2.9）无法得到解析解，因此考虑作数值分析，先建立M文件：function y=ill(t,x); alpha=1,beta=0.3;y=alpha*x(1)*x(2)-beta*x(1),-alpha*x(1)*x(2);,这里假设 ， ，然后输入命令：ts=0:50; x0=0.02,0.98; t,x=ode45(ill,ts,x0); plot(t,x(:,1),t,x(:,2),grid,pause; plot(x(:,2),x(:,1),grid得到 、 以及 图形如下

12、：,图4.2.5（a） 、 的图像 图4.2.5（b） 的图像,下面分析模型（4.2.9）中的 、 和 的变化情况：（1）由 知恒有 ，即 单调递减，且对任意时刻有 ；（2） 可表示为 ， 若 ，由 知恒有 ，即患病人数始终不增加，故传染病不再传染。也就是说只,有在 时传染病才传播，因此 反映了传染病能否传播的一个临界值。若存在某时刻 ，使得 ，因为 为单调递减函数，所以当 时， ，当 时， ，即有 （4.2.10）,由式（4.2.10）知，在 之前，患病人数在增加，而在 之后患病人数在减少，即传染病传播基本得到控制。（3）由（4.2.9）知，若存在 使得 ，而 时总有 ，故有 ，进而有 ，即

13、传染病传播完全终止，此时所有的患病者全部被移出，故传染病传播的最终结果,是 ， .（4）将（4.2.9）中的第一个方程和第三个方程相除得到 （4.2.11）求解得到 . 令 ，得到 ，该式表明传染病终止后并非所有的人都要患病，然后治愈成为移出者，总有未曾患病的人存在。,（5）由 得到 （4.2.12）式（4.2.12）反映了传染病传播终止后，被移出人数占群体总人数的比率，可作为衡量传染病传染强度的一种指标，该比值越大传染强度也越大。,（6）将式（4.2.9）中的第二个方程和第一个方程相除得到 （4.2.13）对式（4.2.13）进行求解，得到 （4.2.14）即 （4.2.15）,令 ，且有

14、，则 满足 . 即： （4.2.16）而由式（4.2.13）知 ，结合（4.2.10）和（4.2.15），当 时，患病人数达到最大值 （4.2.17）,可以看出，从开始至 之前 ，易感人群比例随着 的增加而减少，患病人数比例随 的增加而增加，易感人数比例从 递减至 ，患病人数比例从 增加至 。而在 之后至传染病结束时刻 ，易感人数比例继续减少到 ，患病人数比例也从最多的 开始减少，直到传染病终止 ，患病人群完全痊愈。,也就是说，设法提高模型的阀值 ，使得 ，就可以控制传染病的蔓延。而提高 ，就是降低 的值，即降低 值或者提高 值， 反映了该地区的卫生水平，而 反映了该地区的医疗水平，因此提高卫

15、生水平和医疗水平就能降低 ，提高 ，就能降低 ，从而控制传染病蔓延。,SIR案例分析：某高校相对独立，总人口1万人，某年冬天该校最初有20人患流感，流行时间持续1个月，累计患病人数大约为3000人。考虑用上述SIR模型来进行模拟。 ， ，由式（4.2.16）得到,因为 ，所以流感会蔓延，且患病人数最高比例 。即患病人数从初始时刻20人不断增加，当易感人群比例从初始时刻的0.998降低到0.8459时，患病人数最多时达到 人，之后患病人数开始减少，直至流感终止。,模型5. （SIRP模型）对于天花、乙肝、流感等传染病来说，注射疫苗可以起到提高免疫力，防止患病的效果，因此需要对模型4进行改进，增加

16、因为注射疫苗而具有免疫力的人群（Preventive），即在模型4的基础上增加假设：易感人群因防疫而减少的变化率与易感人数比例成正比，比例系数为 ， 称为预防系数。,依据该假设，可将模型（4.2.9）修改为 （4.2.18）将式（4.2.18）中的第二个方程与第一个方程相除，得到 ， ， .,而由可类似模型4中讨论，且当 时，患病人数比例达到最大值 。,但是与模型4相比，当 时， ；当 时， 。若用 和 分别表示模型4和模型5中时刻 的患病人数比例，则对任意时刻 ，有 。模型5中阀值 提高，患病高峰期推迟，患病人数比例最大值会降低。其他定性讨论可类似模型4进行。,4.2.2 种群增长模型种群生

17、态学的研究起源于人口统计学、渔业资源学和应用动物学，它以人类、昆虫和动物为主要研究对象，其理论和方法来源于M. Odum、M. Begon、Mortimer和Prece，并成为生态学中最为活跃的一个领域。微分方程是研究种群生态学最重要且最常用的理论和工具，主要研究两个方面的问题：（1）种群随时间的演变规律；（2）如何实施人工干扰对种,群进行保护、开发和利用。我们这里主要讨论第一个问题，考虑随着时间的推移，种群是持续生存还是走向灭绝？考虑种群的规模是否具有一个或者多个平衡状态？这种平衡态是静平衡还是动平衡？这种平衡态是否稳定？在一定的生态环境下有多个物种的生物群体，每一物种的群体中生物数量的变化

18、既受到本群体自限规律的制约，同时又受到其他群体的影响。有的群体,之间为争夺赖以生存的同一资源和生活空间而相互竞争，可能会导致竞争能力较弱的群体灭绝，竞争力较强的群体达到环境容许的最大数量。有的群体之间相互依存：或两个群体都不能独立生存，但共处时可相互提供食物，或两个群体都能独立生存，共处时又能相互提供食物，或一个群体可以独立生存另一个则不能独立生存，共处时可以相互提供食物等等。还有的群体之间是弱肉强食：一个群体靠,丰富的天然资源生长，另一个则靠捕食前一个种群为生，例如海洋中的食用鱼和鲨鱼等。本节讨论两种群的相互竞争模型、相互依存模型和食饵捕食者模型。,模型1. 两种群相互竞争模型假设有甲乙两个

19、种群， 时刻的数量分别为 和 ，固有增长率分别为 和 ，它们共同生存于同一系统中，最大容量分别为 和 。对于种群甲而言，它独自生存时，数量的变化应服从于Logistic规律，即 （4.2.19）,式（4.2.19）中 反映了种群甲的增长对自身的阻滞作用， 表示这种阻滞作用是线性的，即相对于甲的最大容量 而言，单位数量的种群甲消耗掉的供养种群甲的食物量为 （总量设为1）。 当种群乙与种群甲生存于同一系统中时，种群乙会消耗甲的资源，从而对甲的增长产生进一步的阻滞作用，且假设相对于种群乙的最大容量 而言,乙的存在对种群甲的阻滞作用与种群乙的数量 成正比，比例系数为 ，即相对于 而言，单位数量的种群乙

20、消耗掉的供养种群甲的食物量为相对于 而言单位数量甲消耗掉的供养自身的食物量的 倍。故式（4.2.19）可改写为 （4.2.20）,可以看出， 反映了种群乙占用种群甲的能力，即种群乙相对于种群甲的竞争能力。若 ，则说明在消耗供养甲的资源时，乙的消耗多于甲自身的消耗，故而对甲增长的阻滞作用大于甲本身，乙的竞争力强于甲。同理，得到种群乙的演变规律： （4.2.21）,式（4.2.21）中 反映了种群甲相对于种群乙的竞争能力。综合（4.2.20）和（4.2.21）得到种群的相互竞争模型如下： （4.2.22）,由于模型（4.2.22）为非线性模型，无法得到其解析解，下面通过稳定性及相轨线进行分析。先介

21、绍二阶微分方程的平衡点与稳定性理论。二阶微分方程的一般形式可用两个一阶微分方程表示为 （4.2.23）代数方程组 （4.2.24）,的实根 称为方程（4.2.23）的平衡点，记为 。若存在某个邻域，使得方程（4.2.23）的解 从这个邻域内的某个点出发满足 （4.2.25）则称平衡点 是稳定的（渐近稳定），否则称 是不稳定的（不渐近稳定）。,用式（4.2.25）判别平衡点的稳定性需要先对微分方程求出其解析解，但是大多数二阶微分方程都难以找到其解析解，因此无法根据（4.2.25）来判别，下面考虑一种直接的判别方法。 对于二阶线性常系数微分方程 （4.2.26）,令方程右端变量的系数矩阵为 ，且

22、可逆，因此 是（4.2.26）的唯一的平衡点，其稳定性由特征方程 的特征根 决定，这里 为与 同阶的单位阵。该特征方程又表述为如下形式： （4.2.27）,则方程（4.2.26）的一般解的形式为 （ ）或 （ ），这里 为任意常数， 为特征方程（4.2.27）的特征根。显然 均不为0，否则根据（4.2.27）， ，这与 可逆矛盾。根据式（4.2.25）知，若 和 均为负数或者均具有负的实部时，则 为稳定的平衡点；而当 和 有一个为,正数或者有正实部，则 为不稳定的平衡点。实际上，平衡点又可细分为结点、焦点、鞍点、中心等类型，其具体的判别方法可依据 或 ，表4.2.1给出了具体的判别结果。,表4

23、.2.1 二阶微分方程平衡点类型及稳定性判别准则,由表4.2.1可以看出，若 且 ，则平衡点稳定，若 或 ，则平衡点不稳定。更一般地，若式（4.2.23）中 和 为非线性方程，则可用近似线性方法来判别平衡点 的稳定性。只需将 和 在 点作一阶Taylor展开，即有 （4.2.28）,此时，有 . 可用证明，若（4.2.28）的特征根不为0或实部不为0，则 点对于方程（4.2.23）的稳定性和对于近似线性方程（4.2.28）的稳定性相同，即可用二阶线性常系数微分方程的平衡点稳定性判别准则来判别。,下面直接判别种群的相互竞争模型（4.2.22）的平衡点及其稳定性。求解方程组 （4.2.29）得到四

24、个平衡点： .而矩阵 各平衡点的稳定性判别结果如表4.2.2所示：,表4.2.2 平衡点及稳定性,由表4.2.2可以看出：（1） 是平衡点 稳定的条件，即在对供养乙的资源竞争中甲的竞争能力强于乙，因而种群乙将会在竞争中处于劣势，最后灭绝，同时种群甲会增长到最大容量 。另外， 代表在消耗乙的资源时，甲的消耗要高于乙的，即乙的消耗要小于甲的，因此在同一环境系统中，消耗甲的资源时，乙的消耗也会小于甲的，即有 。也就是说 在这里是一种补充条件，在,表4.2.2中用括号注明。（2）情况同（1）相反， 是平衡点 稳定的条件，同时 ，表明在该竞争系统中，种群甲会灭绝，种群乙达到最大容量 。（3） 是平衡点

25、稳定的条件，因为在消耗甲的资源竞争中，乙的竞争力比甲要弱，而在消耗乙的资源竞争中，甲的竞争力也比乙弱，所以竞争双方可以达到共存。（4） 恒为不,稳定，因为 ，而此时有 且 ，即在消耗甲的资源时，甲的消耗高于乙，同时在消耗乙的资源时，乙的消耗高于甲，这种情况长期来讲无法达到平衡，但是可能有短期的或局部的平衡性。为了更加直观的说明平衡点的稳定性，下面用相轨线来进行分析，即基于式（4.2.22）分析 和 的变动。,在式（4.2.22）中令 （4.2.30）下面就上述4个平衡点具体进行分析：（1） （ ）。如图4.2.6（a），在相平面 上（第一象限） 和 无交点，且 在 上方，这两条直线将相平面分成

26、三个区域： .,对于区域 ，因为 且 ，由式（4.2.22）知 。若相轨线从区域 中的某点出发移动，随着 的增加， 会逐渐增大， 也会逐渐增大，即点的横坐标和纵坐标都会变大，相轨线会向右上方移动。,对于区域 ，若相轨线从区域 中某点出发，随着 的增加， 逐渐增大， 逐渐减小，即点的横坐标变大，纵坐标变小，故相轨线会向右下方移动。,对于区域 ，若相轨线从区域 中某点出发，随着 的增加， 和 均逐渐减小，即点的横坐标和纵坐标都变小，故相轨线会向左下方移动。也就是说，无论相轨线从哪个区域的任一点出发，当 时都将趋于点 。,（2） （ ）。如图4.2.6（b），在相平面 上 和 无交点，且 在 下方，

27、这两条直线将相平面分成三个区域： . 当 逐渐增加时，若相轨线从区域 的某点出发，则横坐标和纵坐标会变大，即相轨线往右上方移动；若相轨线从区域 的某点出发，则横坐标变小，,纵坐标变大，即相轨线往左上方移动；若相轨线从区域 的某点出发，则横坐标和纵坐标均变小，即相轨线往左下方移动。这样，最终相轨线将趋于点 。（3） 。如图4.2.6（c），在相平面 上 和 有交点 ，且这两条直线将相平面分成四个区域：,当 逐渐增加时，若相轨线从区域 的某点出发，则横坐标和纵坐标会变大，即相轨线往右上方移动；若相轨线从区域 的某点出发，则横坐标变大，纵坐标变小，即相轨线往右下方移动；若相轨线从区域 的某点出发，则

28、横坐标变小，纵坐标变大，即相轨线往左上方移动；若相轨线从区域 的某点出发，则横坐标和纵坐标均变小，即相轨线往左下方移动。则最终相轨线将趋于 点 。,（4） 。如图4.2.6（d），在相平面 上 和 有交点 ，且这两条直线将相平面分成四个区域： .当 逐渐增加时，若相轨线从区域 的某点出发，则横坐标和纵坐标会变大，即相轨线往右上方移动；若相轨线从区域 的某点出发，则横坐标变小，,纵坐标变大，即相轨线往左上方移动；若相轨线从区域 的某点出发，则横坐标变大，纵坐标变小，即相轨线往右下方移动；若相轨线从区域 的某点出发，则横坐标和纵坐标均变小，即相轨线往左下方移动。这样，最终相轨线将趋于点 或 ，因此

29、，这只是一种局部的稳定性，而不是全局的稳定性。要想 达到全局稳定，需要附加条件 ；而若想 达到全局稳定，则需要附加条件 。,下面考虑两种初值情况下的方程的数值解，仅考虑第三种情形下的数值解，即 。令 。两种初始条件：（1） ；（2） 。先画出 和 的图像，然后画出相轨线。,建立M文件：function dy=xt(t,y); p1=0.5;p2=0.6;r1=2.5;r2=1.8;N1=1.6;N2=1;dy=zeros(2,1); dy(1)=r1*y(1).*(1-y(1)./N1-p1*y(2)./N2);dy(2)=r2*y(2).*(1-y(2)./N2-p2*y(1)./N1);输

30、入命令：t0=0;tf=10;t,y=ode45(xt,t0 tf,0.1 0.1);%取初始条件x(0)=y(0)=0.1时，求微分方程数值解subplot(1,2,1); plot(t,y(:,1),t,y(:,2),r);%画出x(t),y(t)曲线图xlabel( t);ylabel(种群数量);gtext(x (t);gtext(y(t);%作标记title(初值分别为0.1,0.1时两种群密度与时间关系); grid on;t2,y2=ode45(xt,t0 tf,1 2);%取初始条件x(0)=1,y(0)=2时，求微分方程数值解subplot(1,2,2); plot(t2,y

31、2(:,1),t2,y2(:,2),r); %画出x(t),y(t)曲线图xlabel( t);ylabel(种群数量);gtext(x(t);gtext(y(t);%作标记title(初值分别为1,2时两种群密度与时间关系);,图形如下：图4.2.7 种群数量变化图,该模型的相轨线画法命令为：t0=0; tf=10;t,y=ode45(xt,t0 tf,0.1 0.1);plot(y(:,1),y(:,2),b); hold on; plot(y(1,1),y(1,2),r+);xlabel(甲种群x);ylabel(乙种群y);%作标记t2,y2=ode45(xt,t0 tf,1 2);

32、hold on;plot(y2(:,1),y2(:,2),b); hold on; plot(y2(1,1),y2(1,2),r*); grid on;title(甲乙种群相轨线);,图形如下：图4.2.8 两种群相轨线图形由图4.2.8可以看出，两种群最后区域稳定且数量均大于0.,模型2. 两种群相互依存模型假设种群甲能够独立生存，种群乙无法独立生存，两个种群相互提供食物。因为甲可以独立生存，数量的变化应服从于Logistic规律，即 当种群乙与种群甲生存于同一系统中时，种群乙会种群乙为甲提供食物，有助于甲的增长。假设相对,于种群乙的最大容量 而言，乙的存在对种群甲的促进作用与种群乙的数量

33、成正比，比例系数为 ，即相对于 而言，单位数量的种群乙提供给种群甲的食物量为相对于 而言单位数量甲的供养自身的食物量的 倍。故上式可改写为 （4.2.31）,可以看出， 反映了种群乙对种群甲的供养能力。种群乙不能独自生存，独自生存时会灭亡，设其死亡率为 ，则种群乙独自生存时满足方程 。而甲的存在为乙提供食物，对乙的增长有促进作用，即有 （4.2.32）,同时，乙的增长又会受到自身的阻滞作用，因此式（4.2.32）需要修正为 （4.2.33）式（4.2.33）中 反映了种群甲对种群乙的供养能力，且根据式（4.2.32），应有 。故有两种群的相互依存模型： （4.2.34）,类似于模型（4.2.2

34、2），计算模型（4.2.34）的平衡点，并判断其稳定性，结果如表4.2.3所示。表4.2.3 两种群相互依存模型的平衡点及稳定性,由表4.2.3可知，平衡点 不稳定；当 时，平衡点 稳定，此时能够独立生存的甲种群达到最大容量 ，而不能独立生存的乙种群则会灭亡； 是甲乙两个种群能够共生的条件，此时 说明种群甲要为种群乙提供足够的食物才能维持种群乙增长，而此时 就要求 ，即种群乙为种群甲提供食物不能太多，否,则会导致种群乙过分增长。下面重点分析 稳定的条件。令 ， . 如图4.2.9， 和 将相平面（第一象限）分成四个部分： .,图4.2.9 两种群共生相轨线图,当 逐渐增加时，若相轨线从区域 的

35、某点出发，则横坐标变大，纵坐标会变小，即相轨线往右下方移动；若相轨线从区域 的某点出发，则横坐标和纵坐标均变大，即相轨线往右上方移动；若相轨线从区域 的某点出发，则横坐标变小，纵坐标变大，即相轨线往左上方移动；若相轨线从区域 的某点出发，则横坐标和纵坐标均变小，即相轨线往左下方移动。则最终相轨线将趋于点 。,上述情况只是两种群相互依存模型的一种，若甲乙两个种群均能独立生存，且在系统中相互提供食物，则有模型 （4.2.35）模型（4.2.35）可仿照（4.2.34）进行讨论，感兴趣的读者可以自行讨论。,4.2.3无干扰的男生追女生模型国家统计局公布的2010年第六次全国人口普查数据显示，目前我国

36、男女比例为118.06:100，在某些工科院校男女比例竟达11:1。从大学生的角度看，大学时期可以说是一个人学习的黄金时期，对青年人未来的发展至关重要，因此大学生在校的主要任务是学习，如何保证学业的顺利完成，保证学业成绩,的优秀对大学生乃至学生的父母来讲都显得极为重要。所以，如何统筹兼顾，做到学习、爱情两不误是大学生必须认真考虑的问题。男生追女生，对男生来说最重要的是学习、爱情两不误，故设 时刻男生的学业成绩函数为 。若不考虑男生对女生的追求攻势，则影响该函数的因素主要是两个人的关系程度，用女生对该男生的疏远度来衡量，设 时刻女生对该男生的疏远度为 。,考虑以下假设：（1）设男生A没有追求女生

37、B时，女生B对男生A的疏远度（平时发现A有不良行为）符合指数增长模型，即 （4.2.36）当 存在时，即男生注重学习学业成绩时，会导致疏远度增长率减小，设单位时间内 的减少量与,值成正比，比例系数为 （ ），故（4.2.36）可修改为 （4.2.37）（2）当男生A发起对女生B的追求后，立即使追求攻势转化为B对A的好感，设转化系数为 。而随着A发起对B的追求，A的学业成绩的自然下降率与学业成绩成正比，比例系数为 ，则有 （4.2.38）,因此得到无外界干扰情况下的男生追女生模型： （4.2.39）这里 。该方程为一非线性自治系统，它是由意大利数学家Volterra提出，因此也称模型（4.2.3

38、9）为Volterra模型。令 ，得平衡点 和 。且有 ，故 ， ，此时为临界状,态，无法判别 点的稳定性； ， ，此时 不稳定。因此，前面介绍的方法无法判别这种情况下平衡点 的稳定性，下面通过相轨线来进行分析。为了确定相轨线，将式（4.2.39）中两式相除，得到 （4.2.40）,求解式（4.2.40）得到 ，其中常数 由初始条件确定。令 ，则由 ,得到 是唯一的驻点，且利用二元函数极值存在的充分条件得到 且 ，故 式函数F的极大值点。,同时可以看出，当 （即B对A恨之入骨）或 （A是一块只会学习的木头）时，均有 ；而当 （A作了变形手术，B对A毫无防备）或 （A不学无术，丝毫不学习）时亦有

39、 。因此，在第一象限内部连续的函数 的图形是以 为最大值点，且在第一卦限向原点无限逼近，且与 （ ）的交线在相平面 上的投影 是,环绕点 的闭曲线簇，也就是说学业成绩和疏远度的指数成周期性变化。为了更进一步说明这个性质，下面画出 和 以及相轨线的图形。先建立M文件：function xdot=zhuiqiu(t,x); a=0.5;b=0.1;r=0.3;c=0.05;xdot=(a-b*x(2).*x(1);(-r+b*x(1).*x(2);,这里取 。再输入命令：ts=0:0.1:50; x0=5,2;t,x=ode45(zhuiqiu,ts,x0); t,x;plot(t,x),grid

40、,gtext(x(t),gtext(y(t),pause,plot(x(:,1),x(:,2),grid,得到 和 图形如下：图4.2.10 周期性变化图,再画出相轨线，命令如下：t0=0;tf=50;t,y=ode45(zhuiqiu,t0 tf,5 2);plot(y(:,1),y(:,2),b);hold on;plot(y(1,1),y(1,2),r+); xlabel(x);ylabel(y);%作标记 grid on;,相轨线如图4.2.11所示。图4.2.11 相轨线,由图4.2.10可以看出， 和 均为周期函数，且两者有一部分时间的滞后。而相轨线（图4.2.13）则说明 或 为

41、环绕点 的闭曲线簇。也就是说，当A的学习成绩 下降时，B会疏远A，从而导致疏远度 上升；于是A就开始奋发图强，学习成绩 又会上升，故而B看到这一点，就会继续和A来往，疏远度 下降。与B交往多了，分散了学习时间，A的学习成绩 又会下降，如此反复。,如图4.2.11，还可以看出，曲线簇中每一个封闭相轨线略有不同，但是在一周期内 和 的平均值 和 均为常数，且恰为平衡点 点两个坐标。事实上，可以将模型（4.2.42）中的第二个方程变形为 ，对该式两边在一个周期时间 内积分，得到 （4.2.41）,当 经过一个周期 时，点 绕闭轨线运行一圈又回到初始点，故 ，由式（4.2.41）得到 ，故 。同理可得 。若进一步考虑追求攻势对上述模型的影响，则可设追求攻势与该时刻的疏远度成正比，比例系数为 （ ），则 反映了追求攻势的作用力。此时模,型（4.2.39）可改写为 （4.2.42）比较式（4.2.42）与（4.2.39），可以看出，两者形式完全相同，前者把后者中 和 的系数分别换成了 和 ，因此对式（4.2.42）来说，有 。也就是说攻势作用力 的增,大会使 增加， 减小。这说明，强大的爱情攻势有时不一定能达到满意的效果，反而不利于学业的增长；有时通过慢慢接触，慢慢了解，再加上适当的追求行动，女生的疏远度就会慢慢降低，而学习成绩也不会降低。,