0
409
VistasRetrato de fase de la ecuación de Verhulst
Estaba probando un ejemplo del libro: "Sistemas dinámicos con aplicaciones usando Python" y me pidieron que trazara el retrato de fase de la ecuación de Verhulst, luego encontré esta publicación: Cómo trazar un retrato de fase de la ecuación de Verhulst con SciPy ( o SymPy) y Matplotlib?
Obtengo la misma trama que el usuario en la publicación anterior. Cada vez que trato de usar la solución aceptada, aparece un error de "división por cero". ¿Por qué no funciona la solución aceptada en Cómo trazar un retrato de fase de la ecuación de Verhulst con SciPy (o SymPy) y Matplotlib? ¿obras?
¡Muchas gracias por su ayuda!
Editar:
Usando el código de la publicación anterior y la corrección dada por @Lutz Lehmann
beta, delta, gamma = 1, 2, 1 b,d,c = 1,2,1 C1 = gamma*c-delta*d C2 = gamma*b-beta*d C3 = beta*c-delta*b def verhulst(X, t=0): return np.array([beta*X[0] - delta*X[0]**2 -gamma*X[0]*X[1], b*X[1] - d*X[1]**2 -c*X[0]*X[1]]) X_O = np.array([0., 0.]) X_R = np.array([C2/C1, C3/C1]) X_P = np.array([0, b/d]) X_Q = np.array([beta/delta, 0]) def jacobian(X, t=0): return np.array([[beta-delta*2*X[0]-gamma*X[1], -gamma*x[0]], [bd*2*X[1]-c*X[0], -c*X[1]]]) values = np.linspace(0.3, 0.9, 5) vcolors = plt.cm.autumn_r(np.linspace(0.3, 1., len(values))) f2 = plt.figure(figsize=(4,4)) for v, col in zip(values, vcolors): X0 = v * X_R X = odeint(verhulst, X0, t) plt.plot(X[:,0], X[:,1], color=col, label='X0=(%.f, %.f)' % ( X0[0], X0[1]) ) ymax = plt.ylim(ymin=0)[1] xmax = plt.xlim(xmin=0)[1] nb_points = 20 x = np.linspace(0, xmax, nb_points) y = np.linspace(0, ymax, nb_points) X1, Y1 = np.meshgrid(x, y) DX1, DY1 = verhulst([X1, Y1]) # compute growth rate on the gridt M = (np.hypot(DX1, DY1)) # Norm of the growth rate M[M == 0] = 1. # Avoid zero division errors DX1 /= M # Normalize each arrows DY1 /= M plt.quiver(X1, Y1, DX1, DY1, M, cmap=plt.cm.jet) plt.xlabel('Number of Species 1') plt.ylabel('Number of Species 2') plt.legend() plt.grid()Tenemos:
Eso sigue siendo diferente de:
¿Qué me estoy perdiendo?
1 Respuestas
Responde la pregunta0
Con la ayuda de @Lutz Lehmann pude reescribir el código para obtener lo que necesitaba.
La solución es algo como esto:
import numpy as np from scipy.integrate import odeint import matplotlib.pyplot as plt fig = plt.figure(figsize=(8, 4), dpi= 80, facecolor='whitesmoke', edgecolor='k') beta, delta, gamma = 1, 2, 1 b,d,c = 1,2,1 t = np.linspace(0, 10, 100) C1 = gamma*c-delta*d C2 = gamma*b-beta*d C3 = beta*c-delta*b def verhulst(X, t=0): return np.array([beta*X[0] - delta*X[0]**2 -gamma*X[0]*X[1], b*X[1] - d*X[1]**2 -c*X[0]*X[1]]) X_O = np.array([0., 0.]) X_R = np.array([C2/C1, C3/C1]) X_P = np.array([0, b/d]) X_Q = np.array([beta/delta, 0]) def jacobian(X, t=0): return np.array([[beta-delta*2*X[0]-gamma*X[1], -gamma*x[0]], [bd*2*X[1]-c*X[0], -c*X[1]]]) values = np.linspace(0.05, 0.15, 5) vcolors = plt.cm.autumn_r(np.linspace(0.3, 1., len(values))) for v, col in zip(values, vcolors): X0 = [v,0.2-v] X = odeint(verhulst, X0, t) plt.plot(X[:,0], X[:,1], color=col, label='X0=(%.f, %.f)' % ( X0[0], X0[1]) ) for v, col in zip(values, vcolors): X0 = [6 * v, 6 *(0.2-v)] X = odeint(verhulst, X0, t) plt.plot(X[:,0], X[:,1], color=col, label='X0=(%.f, %.f)' % ( X0[0], X0[1]) ) ymax = plt.ylim(ymin=0)[1] xmax = plt.xlim(xmin=0)[1] nb_points = 20 x = np.linspace(0, xmax, nb_points) y = np.linspace(0, ymax, nb_points) X1, Y1 = np.meshgrid(x, y) DX1, DY1 = verhulst([X1, Y1]) # compute growth rate on the gridt M = (np.hypot(DX1, DY1)) # Norm of the growth rate M[M == 0] = 1. # Avoid zero division errors DX1 /= M # Normalize each arrows DY1 /= M plt.quiver(X1, Y1, DX1, DY1, M, cmap=plt.cm.jet) plt.xlabel('Number of Species 1') plt.ylabel('Number of Species 2') plt.grid()Conseguimos lo que buscábamos:
Finalmente, me gustaría agradecer nuevamente a @Lutz Lehnmann por la ayuda. No lo habría resuelto sin él.
Edición 1:
Olvidé $t = np.linspace(0, 10, 100)$ y si cambias figsize = (8,8), obtenemos una mejor forma en la trama. (Gracias @Trenton McKinney por los comentarios)
