ESCUELA POLITÉCNICA NACIONAL

FACULTAD DE CIENCIAS

BIOMATEMÁTICA Y ECOLOGÍA

Modelo predador presa de Lotka

Volterra

Integrantes
Madelaine Obando Ricardo Pabón

2019 A
1
Índice
1. Introducción 3

2. Objetivos 4
2.1. Objetivo General . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2. Objetivos Especı́ficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

3. Antecedentes 5
3.1. Enfoque biológico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.2. Enfoque matemático . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.2.1. Modelo de Malthus . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.2.2. Modelo exponencial o modelo de Malthus continuo . . . . . . . . . 6
3.2.3. Del modelo exponencial de Malthus al modelo logı́stico de Verhulst 7

4. Desarrollo del Modelo 8

5. Existencia de la solución 9

6. Estabilidad del modelo depredador presa 10

7. Solución numérica del sistema 12

7.1. Método numérico de Runge Kutta . . . . . . . . . . . . . . . . . . . . . . . 12
7.2. Programación de la solución numérica . . . . . . . . . . . . . . . . . . . . . 13

8. Simulación con variación de las condiciones iniciales 14

9. Conclusiones y Recomendaciones 20

2
1. Introducción
El presente trabajo se enfoca en el estudio del modelo depredador-presa de Lotka-Volterra,
el mismo que pretende explicar cómo se produce la interacción entre dos poblaciones en
la cual una se beneficiará de la otra mientras que ésta, resultará perjudicada por dicha
interacción; además también se busca entender los antecedentes biológicos y matemáticos
que aportaron a la creación de dicho modelo, el mismo que fue propuesto en un principio
por Alfred James Lotka en el año de 1925, para que posteriormente en el año de 1926 Vito
Volterra realizara otros aportes a este modelo. Ası́ a pesar de que las ecuaciones fueron
propuestas independientemente por James Lotka y Vito Volterra sirvieron como un gran
aporte para poder plantear el modelo depredador-presa.

La elaboración de este trabajo tiene como finalidad tratar de explicar de forma clara
y precisa el modelo matemático depredador-presa ası́ como también cuál es el significado
biológico de cada uno de los términos que intervienen en dicho modelo y cómo este modelo
contribuye en el estudio de dos poblaciones en la que una de ellas se beneficia perjudicando
a la otra .

Para entender mejor la formulación matemática del modelo de Lotka-Volterra analizare-

mos otros modelos matemáticos como el modelo de Malthus y también el modelo logı́stico
de Verhulst que contribuyen con el desarrollo del modelo depredador-presa. Además para
poder estudiar de mejor manera este modelo analizaremos los puntos crı́ticos del sistema
de ecuaciones para ası́ poder predecir los lugares en donde nuestra ecuaciones alcanzará
un equilibrio estable o inestable, para ello estudiaremos de forma breve la estabilidad de
las ecuaciones ordinarias que describen nuestro modelo depredador-presa.

Una de las principales limitaciones con la que nos encontramos al realizar este trabajo es
que el sistema de ecuaciones presentadas en el modelo depredador-presa son ecuaciones
diferenciales de primer orden no lineales y aún no hemos aprendido a resolver este tipo de
sistemas ya que la resolución de las mismas implicarı́a tener conocimientos sobre métodos
numéricos, razón por la cual no podemos dar una solución de este sistema de ecuaciones,
sin embargo hemos visto que para darnos una idea del comportamiento que tendrá la
solución del modelo depredador-presa estudiaremos la estabilidad que éste presenta.

3
2. Objetivos
2.1. Objetivo General
Comprender y llegar a construir de manera adecuada el Modelo Depredador-Presa de
Lotka-Volterra, sintetizando la información biológica que se conoce sobre la interacción
de ambas poblaciones a través de relaciones matemáticas para ası́ llegar a formular las
ecuaciones que modelan el sistema y sus diferentes tipos de restricciones y/o parámetros.

2.2. Objetivos Especı́ficos

Estudiar como el modelo de Malthus y la función logı́stica contribuyen como bases
al desarrollo del modelo predador-presa.

Interpretar matemática y biológicamente las ecuaciones del Modelo Predador-Presa.

Analizar que tan bien se ajusta este modelo a la realidad y hasta que punto seria
factible aplicarlo a un ecosistema real.

4
3. Antecedentes
3.1. Enfoque biológico
En un ecosistema en el cual subsisten varias poblaciones de distintas especies, nos encon-
tramos con varios tipos de interacción entre ellas, de las cuales algunos benefician a ciertas
especies (+), perjudican a otras(-), o simplemente no se afectan entre si (0).

Si denotamos, por ejemplo (+/-) nos referimos a que la primera especie se beneficia de la
segunda, mientras que la población de la segunda se ve afectada debido a la existencia de
la primera. Podemos distinguir los siguientes tipos de interacción entre especies:

Mutualismo (+/+) : Interacción en la cual las dos especies se benefician mutuamente,

se dice que es una interacción positiva.

Competencia (-,-) : Se refiere a una interrelación en detrimento de ambas especies,

es decir, que ambas especies se afectan negativamente.

Neutra (0,0) : Si ninguna especie se beneficia o perjudica de otra especie.

Comensalismo : Cuando una especia proporciona una condición necesaria para el

bienestar de la otra, pero sin que la otra población se vea afectada o beneficiada,
se dice Comensalismo (0,+). Por el contrario, si una especie reduce o afecta a la
población de la otra especie, sin que esta se vea afectada, se dice Comensalismo
(0,-).

Depredación (+,-) : Relación en la cual una de las especies (depredador), se beneficia

a expensas de la otra (presa), es decir, los depredadores cazan a los individuos de la
otra especie para subsistir. A nivel de población, sin embargo, se podrı́a decir que
tiene un efecto mutualista (+,+) pues la depredación generalmente ocurre con los
individuos menos aptos para subsistir.

Parasitismo (+/-) : De igual manera, es una relación en la que una de las especies
(parásitos) se beneficia a expensas de las otra. Se diferencia de la depredación, en
que el parásito se alimenta del organismo del cual es huésped, mermando su super-
vivencia, sin necesariamente matarlo.

3.2. Enfoque matemático

3.2.1. Modelo de Malthus
Este es el modelo más simple que trata de describir el crecimiento de una población, fue
presentado por Thomas Robert Malthus en 1978, y supone que se puede conocer el numero
de individuos de una población N, en el instante t+1, conociendo el numero de individuos
en el instante anterior, es decir el instante t.

5
El modelo matemáticamente es el siguiente

Nt+1 = Nt − d ∗ Nt + b ∗ Nt (1)
donde

Nt : Numero de individuos de la población en el instante t.

Nt+1 : Numero de individuos de la población en el instante t+1.

d : Probabilidad de muerte en un salto temporal

b : Numero promedio de hijos por individuo en un salto temporal

Si definimos el parámetro
λ = (1 − d + b)
tenemos que la ecuacion (1) se puede escribir como

Nt+1 = λ ∗ Nt

y además si conocemos la población inicial N0 la solución del sistema para cualquier

instante t es
Nt = λt ∗ N0 t = 1, 2, 3, ....
Sin embargo, este modelo solo es aplicable para periodos de tiempo cortos, pues de la
solución presentada se puede ver que el numero de individuos crece de manera exponencial
a medida que pasa el tiempo, lo cual no sucede en la realidad, pues se tienen varios factores
que limitan el crecimiento de la población, como por ejemplo: escasez de recursos, guerras,
plagas, etc.

3.2.2. Modelo exponencial o modelo de Malthus continuo

Podemos extender el modelo de Malthus del caso discreto al caso continuo.

Si consideramos al igual que antes b y d como la tasa de reproducción y mortalidad

respectivamente, y p(t) el número de individuos de la población en el instante t, se tiene
que si fijamos un instante temporal arbitrario t y consideremos un intervalo de tiempo de
longitud ∆t, queda ası́ el intervalo [t, t + ∆t].
Vamos a estudiar la variación de la poblacion en este intervalo, la cual está dada por

∆p(t) = p(t + ∆t) − p(t) (2)

asumiendo que las variaciones que se produzcan se deberán a los nacimientos y defun-
ciones y tambien asumiendo que tanto b como d son constantes podemos suponer que

6
los nacimientos y defunciones que tienen luga en el intervalo [t, t + ∆t] son directamente
proporcionales a b y d, quedando la ecuacion (2) como

∆p(t) = p(t + ∆t) − p(t) = bp(t)∆t − dp(t)∆t

= (b − d) · p(t)∆t
= r · p(t)∆t

entonces
p(t + ∆t) − p(t)
= r · p(t) (3)
∆t
donde r = b − d.
Tomando el lı́mite cuando ∆t → 0 observamos que

p(t + ∆t) − p(t)

lı́m = p0 (t)
∆t→0 ∆t
ası́ (3) puede escribirse como
p0 (t) = r · p(t) (4)
que es precisamente la EDO del modelo de Malthus continuo. Obsérvese que la EDO nos
indica que la variación instantánea de la población en el instante t , dada por p0 (t) , es
directamente proporcional (siendo r la constante de proporcionalidad) a la población p(t)
que hay en dicho instante.

De la ecuación (4) se tiene que el signo del parámetro r puede ser positivo, si la tasa
de nacimientos es mayor a la tasa de defunciones (b > d) en cuyo caso la población crece
sin lı́mite. Caso contrario, si la tasa de defunciones es mayor a la tasa de nacimientos, r
toma signo negativo, lo que quiere decir que la población decrece hasta extinguirse.

3.2.3. Del modelo exponencial de Malthus al modelo logı́stico de Verhulst

El modelo anterior nos indica que si el parámetro r es positivo la población crece sin li-
mite, sin embargo en la realidad, el crecimiento exponencial no puede continuar sin una
caı́da en el tamaño de la población. Para muchas poblaciones, el numero de individuos no
está determinado por el potencial reproductivo, sino por el ambiente. Un ambiente dado
puede soportar solo a un numero limitado de individuos de una población determinada en
cualquier conjunto especifico de circunstancias. Para las especies animales, esa limitación
de la población puede estar determinada por la disponibilidad de alimento o por el acceso
a sitios de refugio. Para las plantas, el factor determinante puede ser el acceso a la luz
solar o la disponibilidad de agua.

Para remediar este crecimiento sin limite es necesario introducir un término que de cuenta
de la capacidad del ecosistema para sostener una gran población. El modelo resultante
llamado modelo logı́stico está basado en la curva logı́stica o curva en forma de ”S”.

7
Para ello en 1938 el matemático Pierre Verhulst introduce un término de freno no lineal a
la ecuación de Malthus
−γ · (p(t))2 , γ > 0
resultando en la siguiente ecuación:

p0 (t) = rp(t) − γ(p(t))2 (5)

que equivale a  
dp p(t)
= rp · 1 − (6)
dt K
donde γ = Kr y K representa la capacidad de carga del entorno, es decir, la cantidad
máxima de población que es capaz de sostener el entorno de forma indefinida.

4. Desarrollo del Modelo

Para el desarrollo del modelo consideramos las siguientes hipotesis:
1. La especie depredadora se alimenta solo de la especie presa, mientras que esta se
alimenta de recursos en el hábitat que consideraremos ilimitados.

2. La probabilidad de interacción entre las dos especies es la misma.

3. Las caracterı́sticas son las mismas en todo el hábitat.

4. Las dos poblaciones son homogéneas, es decir, los parámetros de edad y sexo no
cuentan, en el sentido de que tanto crı́as como adultos tienen la capacidad de cazar
y ser cazados por igual.

Se ha observado que el comportamiento de ambos grupos responde a :

Presas: En ausencia de depredadores la tasa de crecimiento se considera proporcional

al tamaño de la población, y es positiva, ası́, si a1 > 0 es la constante de proporcionalidad,
tenemos:
dx
= a1 · x
dt
Depredadores: En ausencia de presas la tasa de crecimiento se considera proporcional al
tamaño de la población, y es negativa, ası́, si b1 > 0 es la constante de proporcionalidad,
tenemos:
dy
= −b1 · y
dt
La hipótesis 2 sugiere que existe interacción entre ambas especies, matemáticamente esto
quiere decir que existe el termino x · y

8
Para definir las ecuaciones, sean

t : tiempo, es la variable dependiente, se supone continua

x = x(t) : Tamaño de la población presa

y = y(t) : Tamaño de la población de depredadores

Ası́, el modelo depredador-presa de Lotka-Volterra se define mediante un sistema que

incluye las siguientes dos ecuaciones diferenciales ordinarias

 dx =

a1 x − a2 xy
dt (7)
dy

 = −b1 y + b2 xy
dt
donde

a1 : Tasa instántanea de aumento de presas en ausencia de depredadores

a2 : Mide la suceptibilidad de las presas a ser cazadas

b1 : Tasa instantanea de disminucion de depredadores en ausencias de presas

b2 : Mide la capacidad de predación de los depredadores

Interpretación de la primera ecuación: El crecimiento de la población de presas tiene

una componente Maltusiana, a1 x, y otro término que depende del número de encuentros
depredador-presa a2 xy, que al aumentar hacen que el crecimiento de x sea menor, es decir,
la tasa de crecimiento de la presa disminuye con la interacción.

Interpretación de la segunda ecuación: El crecimiento de depredadores y, en ausencia

de presas x serı́a negativo, y proporcional a y, obteniendose la componente Malthusiana,
−b1 y, dado que x es la fuente de alimento de y. Sin embargo en presencia de presas, el
número de contactos depredador-presa aumenta el crecimiento del numero de depredado-
res, es decir, es el término b2 xy.

5. Existencia de la solución
Para saber si nuestro modelo depredador-presa tienen solución utilizaremos el siguiente
teorema:

9
Teorema 1 (Teorema de existencia y unicidad de Cauchy) El problema

Y 0 (t) = h(t, y)

(8)
Y (x0 ) = y0
∂h
tiene solución única si h y son funciones continuas en el rectángulo abierto
∂y
R = {(x,y): a < x < b , c < y < d}
el mismo que contiene al punto (x0 ,y0 ). La solución está definida en algún intervalo
I=[x0 - h , x0 + h] con h > 0

Notemos que las ecuaciones de (7) son continuas para todo x, y ∈ R, además sus respectivas
derivadas parciales son:
∂f

 ∂x = a1 − a2 y



(9)
 ∂g
= −b1 + b2 x



∂y
las mismas que son continuas para todo x, y ∈ R por tanto nuestro sistema siempre tendrá
solución.

6. Estabilidad del modelo depredador presa

Para poder estudiar la estabilidad del modelo depredar-presa primero encontraremos los
puntos de equilibrio del sistema de edos de (7), es decir, igualaremos a cero cada una de
las ecuaciones del sistema.

dx
 dt = f (x, y) = a1 x − a2 xy = 0



(10)

 dy

 = g(x, y) = −b1 y + b2 xy = 0
dt
Notemos que (0,0) cumple con el sistema de ecuaciones, ası́ P = (0,0) es un punto de
equilibrio. Resolviendo el sistema anterior y tomando en cuenta que para la resolución del
a1 b1
mismo vamos a considerar y 6= 0 y x 6= 0,obtenemos entonces que y = yx= por
  a2 b2
b 1 a1
tanto P = , también es un punto de equilibrio del sistema.
b 2 a2
Ahora debemos considerar la matriz jacobiana, la misma que estará formada por las deri-
vadas parciales de las funciones f y g evaluadas en los puntos de equilibrio del sistema de
ecuaciones. Ası́ si (x,y) es un punto de equilibrio del sistema la matriz jacobiana será la
siguiente:

10
  ∂f ∂f 
(x, y) (x, y)
 ∂x ∂y 
J = J(x, y) = 
 

 ∂g ∂g 
(x, y) (x, y)
∂x ∂y
Diremos que P = (x,y) es:
Asintóticamente estable si la parte real de los valores propios de J(x,y) son negativos.
Asintóticamente inestable si al menos una solución de la ecuación caracterı́stica de
J(x,y) tiene parte real positiva.
Es un centro si los valores propios de J(x,y) son imaginarios puros, es decir, que la
parte real es igual a cero.
Para nuestro modelo depredador-presa nuestra matriz jacobiana estará dada por
 
a1 − a2 y −a2 x
J(x,y) =  
b2 y −b1 + b2 x

Para P = (0,0)
 
a1 0
J(0,0) =  
0 −b1
 
 a −λ 0
Det(J − λI) =  1

 = (a1 − λ)(−b1 − λ) = 0
0 −b1 − λ 

Luego los valores propios de la matriz J(0,0) son:

λ1 = a1
λ2 = −b1
Recordemos que anteriormente dijimos a1 > 0 y b1 > 0 entonces:
λ1 = a1 > 0
Ası́ P = (0,0) es un punto asintóticamente estable.
 
b 1 a1
Para P = ,
b 2 a2
     
a1 b1
  a1 − a2 a2 a2
b2 
b 1 a1  
J , =  
b 2 a2 

 
a1
 
b1 
b2 −b1 + b2
a2 b2

11
Obteniendo finalmente la siguiente matriz jacobiana:
a2 · b 1
 

b 1 a1
 0 −
J , = b · a
 b2 
b 2 a2

2 1
0
a2

a2 · b 1 
 
 −λ −


Det(J − λI) =  b · a
 b2  = (λ2 + a · b ) = 0
1 1
 2 1 −λ 
a2
 
 
b 1 a1
Luego los valores propios de la matriz J , son:
b 2 a2
√
λ1 = √a1 · b1 i
λ 2 = − a1 · b 1 i
 
b 1 a1
Como λ1 y λ2 son imaginarios puros el punto , es un centro.
b 2 a2

7. Solución numérica del sistema

Puesto que no se puede obtener una solución analı́tica mediante los procesos de resolución
de EDOs conocidos, es decir, no se pueden hallar explı́citamente las funciones x e y,
vamos a utilizar métodos numéricos para aproximar la solución del sistema, en particular,
utilizaremos el método de Runge Kutta orden 4 el cual nos permitirá tener una buena
aproximación a la solución real.

7.1. Método numérico de Runge Kutta

El procedimiento de aplicación del método de Runge-Kutta a cada una de las ecuaciones
diferenciales, con las condiciones iniciales en el instante t0 y tal que

el valor inicial de x es x0

el valor inicial de y es y0

se esquematiza en la tabla adjunta. Como vemos además de los cuatro números k1, k2,
k3, k4 para la primera ecuación diferencial precisamos otros cuatro números l1, l2, l3, l4
para la segunda ecuación diferencial. A partir del valor de x en el instante t, se determina
el valor de x en el instante t+h, y a partir del valor de y en el instante t se determina el
valor de y en el instante t+h mediante las fórmulas de la última fila de la tabla.

12
7.2. Programación de la solución numérica
Debido a que la resolución numérica del sistema propuesto requiere una gran cantidad
de cálculos que resultarı́an muy difı́ciles hacerlos a mano, realizaremos la simulación del
sistema en Python utilizando el siguiente código:

import numpy as np
from m a t p l o t l i b import p y p l o t as p l t

a1 = 0 . 4 #Tasa de c r e c i m i e n t o de l a p o b l a c i o n de p r e s a s
a2 = 0 . 3 # Tasa de c r e c i m i e n t o de l a p o b l a c i o n de d e p r e d a d o r e s
b1 = 0 . 3 7 #parametro e n c u e n t r o s depredador−p r e s a que a f e c t a a
las presas
b2 = 0 . 0 5 #parametro e n c u e n t r o s depredador−p r e s a que b e n e f i c i a a
l o s depredadores
x 0 = 3 #Numero i n i c i a l de p r e s a s
y 0 = 1 #Numero i n i c i a l de d e p r e d a d o r e s
t 0 = 0 #Tiempo i n i c i a l
t f = 100 #tiempo f i n a l

d e f f ( t , x , y ) : #f=x ’ ( t ) : numero de i n d i v i d u o s de l a p o b l a c i n de
presas
r e t u r n a1 ∗x−a2 ∗x∗y

d e f g ( t , x , y ) : #g=y ’ ( t ) : numero de i n d i v i d u o s de l a p o b l a c i n de
depredadores
r e t u r n −b1∗y+b2∗x∗y

d e f rk4 ( f , g , x 0 , y 0 , a , b , h ) :

13
 i n t e r v a l o = np . arange ( a , b+h , h )
n = len ( intervalo )
y = np . z e r o s ( n )
x = np . z e r o s ( n )
y[0] = y 0
x[0] = x 0
f o r i i n range ( 0 , n−1) :
m1 = f ( i n t e r v a l o [ i ] , x [ i ] , y [ i ] )
m 1 = g( intervalo [ i ] , x[ i ] , y[ i ])
m2 = f ( i n t e r v a l o [ i ]+h / 2 , x [ i ]+( h / 2) ∗m1, y [ i ]+( h / 2) ∗m 1 )
m 2 = g ( i n t e r v a l o [ i ]+h / 2 , x [ i ]+( h / 2) ∗m1, y [ i ]+( h / 2) ∗m 1 )
m3 = f ( i n t e r v a l o [ i ]+h / 2 , x [ i ]+( h / 2) ∗m2, y [ i ]+( h / 2) ∗m 2 )
m 3 = g ( i n t e r v a l o [ i ]+h / 2 , x [ i ]+( h / 2) ∗m2, y [ i ]+( h / 2) ∗m 2 )
m4 = f ( i n t e r v a l o [ i ]+h , x [ i ]+h∗m3, y [ i ]+h∗m 3 )
m 4 = g ( i n t e r v a l o [ i ]+h , x [ i ]+h∗m3, y [ i ]+h∗m 3 )
x [ i +1] = x [ i ]+( h / 6 ) ∗(m1+2∗m2+2∗m3+m4)
y [ i +1] = y [ i ]+( h / 6 ) ∗( m 1+2∗m 2+2∗m 3+m 4 )

p l t . p l o t ( i n t e r v a l o , x , l a b e l = ’ T a m a o de l a p o b l a c i o n de
presas ’ )
p l t . p l o t ( i n t e r v a l o , y , l a b e l = ’ T a m a o de l a p o b l a c i o n de
depredadores ’ )
p l t . x l a b e l ( ”Tiempo ( a o s ) ” , f o n t s i z e =30)
p l t . l e g e n d ( f o n t s i z e =35)
y max = 0
i f np . amax ( x )>np . amax ( y ) :
y max = np . amax ( x )
else :
y max = np . amax ( y )
p l t . ylim ( 0 , y max+3)
p l t . s t y l e . use ( ” f i v e t h i r t y e i g h t ” )
p l t . s t y l e . use ( ”bmh” )

rk4 ( f , g , x 0 , y 0 , t 0 , t f , 0 . 0 1 )

8. Simulación con variación de las condiciones inicia-

les
Nos interesa saber cómo los diferentes parámetros afectan el comportamiento del sistema,
por ejemplo, como se comporta la solución si la población de presas es muy pequeña en
comparación a la de depredadores, o en que afectan que los terminos de interacción a2 y

14
b2 , para ello vamos a realizar algunas simulaciones en las que varian estos parámetros.

Escenario 1: a1 = 0,4, a2 = 0,3, b1 = 0,37, b2 = 0,05

Con las condiciones iniciales: x0 = 3000 (presas) y y0 = 1000 (depredadores)

Figura 1: Depredadores y presas en función del tiempo

En está gráfica se muestran dos funciones x para la población de presas y y para la

población de depredadores, cada una depende del tiempo. Podemos observar que ambas
curvas presentan unos máximos periódicos pero estos están desplazados los unos respecto
de los otros, esto ocurre debido a que existe un desfase de tiempo entre la evolución de
ambas especies, biológicamente esto se debe a que primero ha de crecer la población de
la especie presa para que la depredadora tenga alimento y pueda llegar a su máximo,
haciéndolo más tarde que la especia anterior.
Una vez que la especie depredadora alcance su población máxima es cuando la especie
presa empezará a decrecer y por consiguiente el alimento empieza a escasear, lo que pro-
duce la una disminución de la especie depredadora, aunque esta disminución ocurrirá con
más lentitud que la de las presas.

Podemos observar que se produce un comportamiento de alguna manera cı́cliclo, el cual

lo podemos apreciar en el siguiente gráfico.

15
 Figura 2: Población de depredadores en función de la de presas

Apreciamos que el sistema vuelve a su estado inicial después de algún tiempo, lo que quiere
decir que su comportamiento (si el sistema no se ve alterado) se va a repetir.

Variación de las condiciones iniciales

Condiciones iniciales: x0 = 1500 y y0 = 1000

Figura 3: Depredadores y presas en función del tiempo

16
 Figura 4: Depredadores en función de las presas

Condiciones iniciales: x0 = 1000 y y0 = 1000

Figura 5: Depredadores y presas en función del tiempo

17
 Figura 6: Depredadores en función de las presas

Condiciones iniciales: x0 = 250 y y0 = 1000

Figura 7: Depredadores y presas en función del tiempo

18
 Figura 8: Depredadores en función de las presas

Podemos resaltar las siguientes observaciones:

Cuanto menor es la población de presas en el instante inicial, menor es también la

población de depredadores al inicio de cada ciclo y más tiempo se tardan en crecer
ambas, esto se debe a que la población de presas es la base del ecosistema presa-
depredador, pues los últimos necesitan a los primeros para poder alimentarse y con
ello sobrevivir y aumentar su población.

Observamos que al disminuir la población inicial de presas, aumenta la población

máxima llega a haber de presas y también la máxima población que llega a existir
de depredadores; esto es causado porque al comenzar con un número más bajo de
presas, el numero de depredadores que puede sobrevivir es menor por la la escasez de
alimento y que el numero de depredadores sea menor provoca, a su vez, que puedan
llegar llegar a existir más presas, pues baja el ı́ndice de depredación.

De igual forma, cuando la población de presas empieza a ser excesiva en función a

la de depredadores, esto provoca que la población de depredadores aumente pues
disponen de mucha más comida.

19
9. Conclusiones y Recomendaciones
No es recomendable usar la ecuación de Malthus (discreta o continua) para estudiar
poblaciones grandes, pues ésta cuando no tiende a la extinción de la especie, crece
descontroladamente debido a su forma exponencial, matemáticamente queremos de-
cir que tiende al infinito; lo que significa que la población nunca dejará de crecer lo
cual no sucede en la realidad.

La función logı́stica describe de mejor manera el comportamiento de una población

en la realidad pues ésta considera la capacidad de carga del ecosistema y a diferencia
del modelo de Malthus la población tiende a crecer hasta un cierto lı́mite k que es
la capacidad de carga del ecosistema.

En ausencia de depredadores las presas crecerán exponencialmente, es decir, el mo-

delo de Lotka Volterra adoptará la forma del modelo de Mathus.

En ausencia de presas la población de depredadores comenzará a disminuir hasta

llegar a la extinción de la misma.

El modelo depredador presa únicamente posee dos puntos de equilibrio,uno  de ellos


b 1 a1
es un punto asintóticamente estable, dicho punto es el (0,0), mientras que ,
b 2 a2
es un centro.

20
Referencias
[1] J. Cortés, J. Romero, M. Roselló, and R. Villanueva, “Modelos conti-
nuos de crecimiento: del modelo exponencial al modelo logı́stico.” https:
//riunet.upv.es/bitstream/handle/10251/30892/Modelos\%20continuos\
%20de\%20crecimiento\%20Malthus.pdf?sequence=1.

[2] “Modelo depredador-presa de lotka-volterra (grupo 16).” https://mat.caminos.upm.

es/w/index.php?title=Modelo_Depredador_Presa_de_Lotka_Volterra_(grupo_
16)\&action=info.

[3] “Definición de la función logı́stica.” http://recursostic.educacion.es/descartes/

web/materiales_didacticos/funcion_logistica_apg/Funcion_logistica_1.
html.

[4] J. Asencio, “Modelo depredador-presa de lotka-volterra,” Master’s thesis, Univerdidad

de la Laguna, 2017.

[5] A. J., “Estabilidad local para el modelo discreto lotka-volterra con competencia intra-
especie,” Master’s thesis, Universidad Distrital Francisco José Caldas, 2015.
(1) (2) (3) (4) (5)

21