Discrete dynamische systemen:
wiskundige modellen met rijen,
vectoren en matrices
Johan Deprez
Dirk Janssens
Vliebergh-Sencie
Leuven, 13 en 20 april
Materiaal bij sessie 2
• kopie van de slides in map, ook op
home.scarlet.be/~p1925850/vliebergh_april_2005
• werktekst om tijdens de sessies te gebruiken
• een tekst om achteraf te lezen (in map, komt
niet letterlijk aan bod tijdens de sessie):
matrixmodel voor de Belgische bevolking
leerplannen
• leerplan 3de graad ASO - 6u:
– “Met behulp van matrices een concreet probleem
modelleren. (AL9)”
– “Evoluties van blokken gegevens beschrijven met
matrices. (AL12)”
Matrixmodellen
exponentiële groei
lineaire
recursievergelijking
logistische groei
niet-lineaire
recursievergelijking
lineaire model
voor een
gestructureerde
populatie
leeftijdsklassen, man-vrouw, leeftijdsstadia bij insecten (ei, larve, volwassen), (nog) niet
Een matrixmodel voor de evolutie van de
Belgische bevolking
Belgische bevolking
leeftijd 1 jan. 2003 vruchtbaarheidscijfer overlevingskans
0-19 2 407 368 0.43 0.98 20-39 2 842 947 0.34 0.96 40-59 2 853 329 0.01 0.83 60-79 1 840 102 0 0.30 80-99 410 944 0 0 TOTAAL 10 354 690
gebaseerd op cijfers N.I.S., cfr. www.statbel.fgov.be, zie ook Uitwiskeling 19/1,
zie ook www.uitwiskeling.be (Uitwiskeling live!!!),
zie ook tekst in map en http://www.kuleuven.ac.be/wet/
Een matrixmodel voor de evolutie van de
Belgische bevolking
leeftijd 1 jan. 2003 vruchtbaarheidscijfer overlevingskans
0-19 2 407 368 0.43 0.98 20-39 2 842 947 0.34 0.96 40-59 2 853 329 0.01 0.83 60-79 1 840 102 0 0.30 80-99 410 944 0 0 TOTAAL 10 354 690 aantal 0-19 jaar in 2023: aantal 20-39 jaar in 2023: aantal 40-59 jaar in 2023: aantal 60-79 jaar in 2023: aantal 80-99 jaar in 2023: 329 853 2 01 . 0 947 842 2 34 . 0 368 407 2 43 . 0 368 407 2 98 . 0 947 842 2 96 . 0 329 853 2 83 . 0 102 840 1 30 . 0
Een matrixmodel voor de evolutie van de
Belgische bevolking
V IV III II I 0 30 . 0 0 0 0 0 0 83 . 0 0 0 0 0 0 96 . 0 0 0 0 0 0 98 . 0 0 0 01 . 0 34 . 0 43 . 0 V IV III II I naar L van vruchtbaarheidscijfers 944 410 102 840 1 329 853 2 947 842 2 368 407 2 0 X bevolking op 1 januari 2003 Lesliematrix overlevingskansenEen matrixmodel voor de evolutie van de
Belgische bevolking
944 410 102 840 1 329 853 2 947 842 2 368 407 2 0 30 . 0 0 0 0 0 0 83 . 0 0 0 0 0 0 96 . 0 0 0 0 0 0 98 . 0 0 0 01 . 0 34 . 0 43 . 0 102 840 1 30 . 0 329 853 2 83 . 0 947 842 2 96 . 0 368 407 2 98 . 0 329 853 2 01 . 0 947 842 2 34 . 0 368 407 2 43 . 02003
2023
aantal 0-19 jaar in 2023: aantal 20-39 jaar in 2023: aantal 40-59 jaar in 2023: aantal 60-79 jaar in 2023: aantal 80-99 jaar in 2023: 329 853 2 01 . 0 947 842 2 34 . 0 368 407 2 43 . 0 368 407 2 98 . 0 947 842 2 96 . 0 329 853 2 83 . 0 102 840 1 30 . 0 van 2003 naar 2023: L van 2023 naar 2043: L van 2043 naar 2063: L ...Een verband tussen matrixmodellen en
recursievergelijkingen/exponentiële groei
begin: X
0elke periode van 20 jaar: L
X
n= L X
n-1X
n= L
n X
0 begin: 8 elke week: 1.25 An = 1.25 An-1 An = 1.25n 8Lesliemodel: “exponentiële groei in matrixvorm”,
“exponentiële groei in meer dimensies”
recursievergelijking
in matrixvorm
Een verband tussen matrixmodellen en
recursievergelijkingen/exponentiële groei
2003
2023
2103
2043
Andere matrixmodellen: Usher model
• leeftijdsklassen niet even breed en/of
• leeftijdsklassen ‘breder’ dan de stappen in de tijd
55 54 44 43 33 32 22 21 5 4 3 2 11 1 0 0 0 0 0 0 0 0 0 0 0 0 b b b b b b b b a a a a b a
b.v. leeftijdsklassen van 20 jaar, stappen in de tijd van 5 jaar
b.v. walvissen: jong, geslachtsrijp, oud 33 32 22 21 2 11 0 0 0 b b b b a b
een deel blijft in
Andere matrixmodellen: rekening houden
met geslacht
van
vrouw
man
naar
vrouw
man
10×10
overlevingskansen mannen overlevingskansen vrouwen vruchtbaarheids-cijfer – kind is jongen vruchtbaarheids-cijfer – kind is meisjeAndere matrixmodellen: rekening houden
met migratie
?? ?? ?? ?? ?? 0 30 . 0 0 0 0 0 0 83 . 0 0 0 0 0 0 96 . 0 0 0 0 0 0 98 . 0 0 0 01 . 0 34 . 0 43 . 0 1 n n X X migratie per leeftijdsklasse M I L L X L M I L X L M M X L L M X L X ) ... ( ... ) ( ) ( 3 4 0 5 3 2 3 4 5bevolking in 2103
(met migratie):
Andere matrixmodellen: Markovmodellen
• migratiematrices
• merkentrouw en –ontrouw
• ...
Een (nieuw) verband tussen
matrixmodellen en recursievergelijkingen
An = aantal in leeftijdsklasse 1 na n periodes
Bn = aantal in leeftijdsklasse 2 na n periodes
Cn = aantal in leeftijdsklasse 3 na n periodes
Dn = aantal in leeftijdsklasse 4 na n periodes
En = aantal in leeftijdsklasse 4 na n periodes
1 1 1 1 1 0 30 . 0 0 0 0 0 0 83 . 0 0 0 0 0 0 96 . 0 0 0 0 0 0 98 . 0 0 0 01 . 0 34 . 0 43 . 0 n n n n n n n n n n E D C B A E D C B A 1 1 1 1 1 1 1 30 . 0 83 . 0 96 . 0 98 . 0 01 . 0 34 . 0 43 . 0 n n n n n n n n n n n n D E C D B C A B C B A A 5 (gekoppelde) recursievergelijkingen die 5 (onbekende) rijen beschrijven
Een matrixmodel voor de evolutie van een bos
An = aantal bomen v.d. 1ste soort na n jaar
Bn = aantal bomen v.d. 2de soort na n jaar
nieuwe bomen groeien in de plaats, van de nieuwe bomen is • 25% van de 1ste soort
• 75% van de 2de soort op 1 jaar tijd sterft
• 1% van de bomen v.d. 1ste soort • 5% van de bomen v.d. 2de soort
nu:
• 10 bomen van de 1ste soort • 990 bomen van de 2de soort
Een matrixmodel voor de evolutie van een bos
An = aantal bomen v.d. 1ste soort na n jaar
Bn = aantal bomen v.d. 2de soort na n jaar
nieuwe bomen groeien in de plaats, van de nieuwe bomen is • 25% van de 1ste soort
• 75% van de 2de soort op 1 jaar tijd sterft
• 1% van de bomen v.d. 1ste soort • 5% van de bomen v.d. 2de soort
1 1 1 1 ) 75 . 0 05 . 0 95 . 0 ( 75 . 0 01 . 0 25 . 0 05 . 0 ) 25 . 0 01 . 0 99 . 0 ( n n n n n n B A B B A A
Een matrixmodel voor de evolutie van een bos
1 1 1 1 ) 75 . 0 05 . 0 95 . 0 ( 75 . 0 01 . 0 25 . 0 05 . 0 ) 25 . 0 01 . 0 99 . 0 ( n n n n n n B A B B A A 1 1 1 1 9875 . 0 0075 . 0 0125 . 0 9925 . 0 n n n n n n B A B B A A 990 10 0 0 B A maximum 3 (gekoppelde) recursievergelijkingen die 3 rijen beschrijvenEen matrixmodel voor de evolutie van een bos
via [2nd] [TBLSET] An: vertraagd stijgend met limiet 625 Bn: vertraagd dalend met limiet 375 • limiettoestand = evenwichtstoestand • dynamisch evenwicht • stabiel evenwicht • limiettoestand onafhankelijk van beginwaardeEen nieuw type grafiek
via [2nd] [FORMAT] voor elke n wordt (An, Bn) (= (u (n), v (n)) getekend (10,990) (625,375) rechte x + y = 1000Een nieuw type grafiek
in het begin: grote/snelle veranderingen op lange termijn: haast geen verandering meerOefening: recursief migreren
antwoorden: zie werktekst
aan het werk!
Langetermijnevolutie van de Belgische
bevolking: twee vaststellingen
y=a/x? exponentiële afname? ... doortocht van de babyboomers doortocht van de babyboomers doortocht van de
babyboomers grafieken van alle
leeftijdsklassen vertonen
grote en gemeenschappelijke regelmaat
Langetermijnevolutie van de Belgische
bevolking: twee vaststellingen
Na … periodes I II III IV V 0 1 -15,7% -17,0% - 4,3% 28,7% 34,3% 2 -16,1% -15,7% -17,0% - 4,3% 28,7% 3 -15,9% -16,1% -15,7% -17,0% -4,3% 4 -16,0% -15,9% -16,1% -15,7% -17,0% 5 -16,0% -16,0% -15,9% -16,1% -15,7% 6 -16,0% -16,0% -16,0% -15,9% -16,1%
groeipercentages:
op de lange termijn vermindert het aantal individuen in elke leeftijdsklasse met 16% over elke periode van 20 jaarLangetermijnevolutie van de Belgische
bevolking: twee vaststellingen
op de lange termijn:
aantal personen in elke leeftijdsklasse en de totale bevolking groeien (bij benadering) exponentieel met groeifactor 0.84 (berekend over een periode van 20 jaar)
An ... 0.84n B
n ... 0.84n Cn ... 0.84n Dn ... 0.84n En ... 0.84n
0.84 = langetermijn-groeifactor
groeifactor per jaar = 0.8420 0.9913...
1 - 0.87% per jaar 4 84 . 0 log 5 . 0 log
bevolking halveert in periodes van 20 jaar
Langetermijnevolutie van de Belgische
bevolking: twee vaststellingen
na ... periodes 0-19 (I) 20-39 (II) 40-59 (III) 60-79 (IV) 80-99 (V) 0 23.25% 27.46% 27.56% 17.77% 3.97% 1 20.22% 23.50% 27.19% 23.59% 5.50% 2 19.06% 22.27% 25.35% 25.36% 7.95% 3 18.91% 22.04% 25.24% 24.84% 8.98% 4 18.91% 22.07% 25.20% 24.95% 8.87% 5 18.91% 22.06% 25.22% 24.90% 8.91% 6 18.91% 22.06% 25.21% 24.92% 8.89% 7 18.91% 22.06% 25.22% 24.91% 8.90% 8 18.91% 22.06% 25.21% 24.92% 8.90% 9 18.91% 22.06% 25.21% 24.91% 8.90% 10 18.91% 22.06% 25.21% 24.91% 8.90%
op de lange termijn stabiliseert de
Langetermijnevolutie van de Belgische
bevolking: twee vaststellingen
op de lange termijn:
aantal individuen in elke leeftijdsklasse vermindert met hetzelfde percentage
leeftijdsstructuur van de bevolking verandert niet meer in het begin:
aantallen individuen in de leeftijdsklassen verminderen /vermeerderen met een verschillend percentage
Wiskundig bepalen van de stabiele
leeftijdsstructuur
An 0.84An -1 Bn 0.84Bn -1 Cn 0.84Cn -1 Dn 0.84Dn -1 En 0.84En -1 op de lange termijn: m.b.v. de populatievector: Xn 0.84Xn -1, of: Xn +1 0.84 Xn dit geeft: LXn 0.84Xnstabiele leeftijdsstructuur X voldoet aan stelsel LX = 0.84X
... en aan de voorwaarde dat de som van de componenten 1 (100%) is
Wiskundig bepalen van de stabiele
leeftijdsstructuur
E D C B A E D C B A 84 . 0 0 30 . 0 0 0 0 0 0 83 . 0 0 0 0 0 0 96 . 0 0 0 0 0 0 98 . 0 0 0 01 . 0 34 . 0 43 . 0 E D D C C B B A A C B A 84 . 0 30 . 0 84 . 0 83 . 0 84 . 0 96 . 0 84 . 0 98 . 0 84 . 0 01 . 0 34 . 0 43 . 0stabiele leeftijdsstructuur X voldoet aan stelsel LX = 0.84X
de nulvector is een oplossing, maar heeft geen betekenis in deze contex
Wiskundig bepalen van de stabiele
leeftijdsstructuur
E D 30 . 0 84 . 0 ... 1891 . 0 A E D C 30 . 0 83 . 0 84 . 0 83 . 0 84 . 0 2 E C B 30 . 0 83 . 0 96 . 0 84 . 0 96 . 0 84 . 0 3 E B A 30 . 0 83 . 0 96 . 0 98 . 0 84 . 0 98 . 0 84 . 0 4 vergelijking (5): vergelijking (1): triviaal!oplossing met som 1: ... 2206 . 0 B C 0.2521... D 0.2491... E 0.0889... lange-termijn-leeftijdsstructuur van de bevolking vergelijking (4): vergelijking (3): vergelijking (2): E D D C C B B A A C B A 84 . 0 30 . 0 84 . 0 83 . 0 84 . 0 96 . 0 84 . 0 98 . 0 84 . 0 01 . 0 34 . 0 43 . 0
Wiskundig bepalen van de
langetermijngroeifactor
Het stelsel L X = 0.84 X heeft een niet-nul oplossing! De langetermijngroeifactor is een getal waarvoor het stelsel L X = X een niet-nul oplossingen heeft!
E D C B A E D C B A 0 30 . 0 0 0 0 0 0 83 . 0 0 0 0 0 0 96 . 0 0 0 0 0 0 98 . 0 0 0 01 . 0 34 . 0 43 . 0 E D D C C B B A A C B A 30 . 0 83 . 0 96 . 0 98 . 0 01 . 0 34 . 0 43 . 0
Wiskundig bepalen van de
langetermijngroeifactor
E D 30 . 0 E D C 30 . 0 83 . 0 83 . 0 2 E C B 30 . 0 83 . 0 96 . 0 96 . 0 3 E B A 30 . 0 83 . 0 96 . 0 98 . 0 98 . 0 4 vergelijking (5): vergelijking (1): vergelijking (4): vergelijking (3): vergelijking (2): E D D C C B B A A C B A 30 . 0 83 . 0 96 . 0 98 . 0 01 . 0 34 . 0 43 . 0 0 30 . 0 83 . 0 01 . 0 30 . 0 83 . 0 96 . 0 34 . 0 30 . 0 83 . 0 96 . 0 98 . 0 ) 43 . 0 ( 2 3 4 Edit stelsel moet een niet-nul oplossing
5 0.434 0.33323 0.0094082
E 0Wiskundig bepalen van de
langetermijngroeifactor
0 30 . 0 83 . 0 01 . 0 30 . 0 83 . 0 96 . 0 34 . 0 30 . 0 83 . 0 96 . 0 98 . 0 ) 43 . 0 ( 2 3 4 E• ... 0 E = 0, stelsel heeft alleen de nuloplossing • ... = 0 E kan vrij gekozen worden, stelsel heeft
Wiskundig bepalen van de
langetermijngroeifactor
alternatief: via determinant!
stelsel L X = X heeft een niet-nul oplossing asa det (L - E ) = 0
Wiskundig bepalen van langetermijngroeifactor
en stabiele leeftijdsstructuur
langetermijngroeifactor is een
eigenwaarde
van de matrix L
stabiele leeftijdsstructuur is een
eigenvector
Konijnen
0 9 . 0 1 . 1 2 . 0 L langetermijngroeifactor? stabiele leeftijdsstructuur??getal zo dat het stelsel L X = X een niet-nul oplossing heeft
0 ) ( 9 . 0 0 1 . 1 ) 2 . 0 ( y x y x
vergelijkingen in moeten evenredig met elkaar zijn
1.1 9 . 0 2 . 0 1.1 0.9 470 130 0 X langetermijngroeifactor geeft twee eigenwaarden:
Konijnen
0 9 . 0 1 . 1 2 . 0 L langetermijngroeifactor? stabiele leeftijdsstructuur? 470 130 0 X langetermijngroeifactor is 1.1Konijnen
0 9 . 0 1 . 1 2 . 0 L stabiele leeftijdsstructuur? 470 130 0 X langetermijngroeifactor is 1.1 y x y x 1 . 1 0 9 . 0 1 . 1 2 . 0?getallen x en y met x + y = 1 zo dat
Konijnen
0 9 . 0 1 . 1 2 . 0 L 470 130 0X langetermijngroeifactor is 1.1stabiele leeftijdsstructuur:
• 55% 0-jarigen • 45% 1-jarigen uv-diagram: populatie verdeeld volgens de stabiele leeftijdsstructuur u en v veranderen, maar de verhouding tussen u en v blijft gelijk (punten liggen
op rechte door de oorsprong)
Konijnen
0 9 . 0 1 . 1 2 . 0 L 470 130 0X langetermijngroeifactor is 1.1stabiele leeftijdsstructuur:
• 55% 0-jarigen • 45% 1-jarigen uv-diagram: met de gegeven beginpopulatie: verhouding stabiliseert op lange termijn
rechte uit vorige slide (nu via STAT PLOT)
Konijnen: langetermijngedrag verklaard
0 9 . 0 1 . 1 2 . 0 L 470 130 0X langetermijngroeifactor is 1.1stabiele leeftijdsstructuur:
• 55% 0-jarigen • 45% 1-jarigen eigenwaarde -0.9 heeft eigenvectoren
k k 200 200 270 330 470 130 0 X eigenvector met
eigenwaarde 1.1 eigenvector met eigenwaarde -0.9
Konijnen: langetermijngedrag verklaard
200 200 270 330 470 130 0 X eigenvector meteigenwaarde 1.1 eigenvector met eigenwaarde -0.9 200 200 ) 9 . 0 ( 270 330 1 . 1 200 200 270 330 200 200 270 330 0 1 LX L L L X 200 200 ) 9 . 0 ( 270 330 1 . 1 ... 2 2 2 X 200 200 ) 9 . 0 ( 270 330 1 . 1 ... n n n X ...
Konijnen: langetermijngedrag verklaard
200 200 ) 9 . 0 ( 270 330 1 . 1 ... n n n X n n nx 3301.1 200(0.9) (en analoog voor yn)
gedempt schommelend met limietwaarde 0 is groot heel als 1 . 1 330 n xn n
superpositie van een exponentieel stijgen en
Algemeen
kk-matrixmodel: Xn = P Xn-1 met beginwaarde X0 veronderstel dat P k verschillende eigenwaarden
1, 2, ..., k heeft, waarbij 1 de eigenwaarde is met de grootste absolute waarde
dan kan de beginvector X0 geschreven worden als een som van eigenvectoren (Vi is een eigenvector met eigenwaarde i): X0 V1 V2 ...Vk