Diferencia entre revisiones de «Logística con umbral (Grupo 10-C)»

Revisión del 13:42 5 mar 2015

Este artículo está en versión beta. El autor de este artículo no lo ha terminado todavía, por favor no lo edites hasta que elimine este mensaje.

1 Introducción

\left \{ \begin{array}{c} y'= -ry(1-\frac{y}{M1})(1-\frac{y}{M2}), t>0 \\ y=y0 \end{array} \right \}

2 Problema de valor inicial

Nos encontramos con el siguiente problema de valor inicial. Lo resolveremos con los métodos de Euler, Heun y Runge-Kutta de orden 4. Los datos proporcionados son los siguientes: el intervalo I=[0,100], los saltos de paso son h=1, h=0.1, h=0.01 (con ello vamos a ver cómo cambia la precisión de la solución en función de los pasos de salto escogidos), y las constantes r, M1, M2, cuyos valores son 0.04, 30 y 100, respectivamente. El valor inicial de la función y es igual a 60.

%Modelo logístico 

%DATOS DEL PROBLEMA
t0=0;
tN=100;
y0=60;
h=input('introduce numero de paso: ');
M1=30;
M2=100;
r=0.04;

%Calculamos número de subintervalos
N=round((tN-t0)/h);

%Definimos la variable independiente
t=t0:h:tN;

%Ahora vamos a guardar los valores de la solución aproximada en el
%vector y
y=zeros(1,N+1); %Euler
w=zeros(1,N+1); %Heun
z=zeros(1,N+1); %Runge-kutta
y(1)=y0;
w(1)=y0;
z(1)=y0;
for i=1:N
 %Euler
 y(i+1)=y(i)+h*(-r*y(i)*(1-(y(i)/M1))*(1-(y(i)/M2))); 
 %Heun
 k1=(-r*w(i)*(1-(w(i)/M1))*(1-(w(i)/M2))); 
 %Heun t(i)+h+w(i)+k1*h
 k2=(-r*(w(i)+h*k1)*(1-((w(i)+h*k1)/M1))*(1-((w(i)+h*k1)/M2)));
 %Heun
 w(i+1)=w(i)+(h/2)*(k1+k2); 
 % Runge-Kutta
 A1=(-r*z(i)*(1-(z(i)/M1))*(1-(z(i)/M2)));
 A2=(-r*(z(i)+1/2*A1*h)*(1-((z(i)+1/2*A1*h)/M1))*(1-(z(i)+1/2*A1*h)/M2)); %z(i)+1/2*A1*h)*(1-(z(i)+1/2*A1*h))
 A3=(-r*(z(i)+1/2*A2*h)*(1-((z(i)+1/2*A2*h)/M1))*(1-(z(i)+1/2*A2*h)/M2));
 A4=(-r*(z(i)+A3*h)*(1-((z(i)+A3*h)/M1))*(1-(z(i)+A3*h)/M2));
 z(i+1)= z(i)+h/6*(A1+2*A2+2*A3+A4);
end

%Obtenemos la tabla de resultados
[t',y',w',z']
hold on

%Gráfico
plot(t,y,'r')
plot(t,w,'g')
plot(t,z)
legend('Euler','Heun','Runge-Kutta','Location','best'); % lo último es para que la leyenda
hold off

%Máximo error entre métodos 
e1=max(abs(y-w))   %Euler y Heun
e2=max(abs(z-y))   %Runge-Kutta y Euler
e3=max(abs(w-z))   %Heun y Runge-Kutta

3 Interpretación numérica

Se observa que los tres métodos empleados en la resolución del sistema se aproximan entre sí, cuanto más se disminuye el número de salto de paso. Todos los métodos se consideran correctos, porque proporcionan información precisa de la solución. Para mejor visualización e compresión del ejercicio, presentamos tres gráficas. En cada una de ellas, aparecen las tres soluciones (cada una de ellas corresponde a un método). La primera gráfica corresponde a un salto de paso h=1; la segunda a un h=0.1, y la tercera a un h=0.01.

3.1 Observacion h=1

Grafica para h=1

Grafica para h=1 zoom

Vemos que los tres metodos se asemejan mucho a simple vista como se muestra en la grafica, para ver la precision real hemos calculado los errores entre los metodos, siendo e1 el error cometido entre Euler y Heun , e2 el error entre Runge-Kutta y Euler y e3 el error entre Heun y Runge-Kutta.

                                        e1 = 0.1860 ;  e2 = 0.1789  ;  e3 = 0.0074

3.2 Observacion h=0.1

Grafica para h=0.1

Grafica para h=0.1 zoom

Grafica para h=0.1 zoom entre Heun y Runge-Kutta

Vemos que los errores esta vez quedan mas pequeños ya que ha disminuido el intervalo, hemos dibujado dos graficas con zoom para apreciar mejor las diferencias entre los metodos.

                             e1 = 0.0177 ;  e2 = 0.0177 ;  e3 = 7.1680e-05

3.3 Observacion h=0.01

Grafica para h=0.01

Vemos como con este tamaño de paso tan pequeño los errores son muy bajos .No hemos hecho el zoom como en el apartado anterior ya que no se apreciarian mas diferencias.

                                       e1 = 0.0018 ;  e2 = 0.0018 ;  e3 = 7.1475e-07

4 Interpretacion desde el punto de vista poblacional

4.1 Apartado 3

Grafica para h=1

Vemos que con poblacion inicial moderada 60 el creicimiento de la especie es posible, y este se produce de manera logaritmica hasta estabilizarse la poblacion al alcanzar un valor cercano a 100.

4.2 Apartado 4

Grafica para h=0.01

En este caso la poblacion inicial es mucho mayor y esto hace que sea imposible su superviviencia dado que no es posible el acceso a recursos para toda la poblacion. El medio esta superpoblado y por ello la poblacion se ve reducida de manera drastica hasta estabilizarse al aproximarse a valores cercanos a 100, como en el caso anterior en que la poblacion inicial es menor y esta crece.Podemos concluir que la capacidad de carga de la especie en el medio es un valor cercano a 100.