Gora czka Zachodniego Nilu: dynamika infekcji

Podobne dokumenty
III. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań.

VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa.

Wykład z modelowania matematycznego.

Zaawansowane metody numeryczne

Zadania do wykładu Jakościowa Teoria Równań Różniczkowych Zwyczajnych

Metody dekompozycji macierzy stosowane w automatyce

2. Kombinacja liniowa rozwiązań zeruje się w pewnym punkcie wtedy i tylko wtedy, gdy zeruje się w każdym punkcie.

Fale biegnące w równaniach reakcji-dyfuzji

Zaawansowane metody numeryczne

Układy autonomiczne. Rozdział Stabilność w sensie Lapunowa. Przedmiotem analizy w tym rozdziale będą układy równań autonomicznych

Równania różniczkowe liniowe wyższych rzędów o stałych współcz

Zagadnienia stacjonarne

10. Metody obliczeniowe najmniejszych kwadratów

Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra

UKŁADY RÓWNAŃ LINIOWYCH

Metody Lagrange a i Hamiltona w Mechanice

Stabilność II Metody Lapunowa badania stabilności

Inżynieria Systemów Dynamicznych (4)

3. Funkcje wielu zmiennych

Metody numeryczne. Janusz Szwabiński. Metody numeryczne I (C) 2004 Janusz Szwabiński p.1/50

Optymalizacja ciągła

1 Podobieństwo macierzy

P (x, y) + Q(x, y)y = 0. g lym w obszrze G R n+1. Funkcje. zania uk ladu (1) o wykresie przebiegaja

ϕ(t k ; p) dla pewnego cigu t k }.

Równania różniczkowe. Notatki z wykładu.

Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 14. wykład z algebry liniowej Warszawa, styczeń 2017

Notatki z Analizy Matematycznej 2. Jacek M. Jędrzejewski

Układy równań i równania wyższych rzędów

MODELOWANIE I PROGNOZOWANIE ZAGROŻEŃ EPIDEMIOLOGICZNYCH

Obliczenia naukowe Wykład nr 2

Ważne rozkłady i twierdzenia c.d.

. : a 1,..., a n F. . a n Wówczas (F n, F, +, ) jest przestrzenią liniową, gdzie + oraz są działaniami zdefiniowanymi wzorami:

1 Formy hermitowskie. GAL (Informatyka) Wykład - formy hermitowskie. Paweł Bechler

Stopę zbieżności ciagu zmiennych losowych a n, takiego, że E (a n ) < oznaczamy jako a n = o p (1) prawdopodobieństwa szybciej niż n α.

Układy równań i nierówności liniowych

Modele epidemiologiczne

Krzysztof Rykaczewski. Szeregi

Rozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów

5 Równania różniczkowe zwyczajne rzędu drugiego

RÓWNANIA RÓŻNICZKOWE ZWYCZAJNE. Marta Zelmańska

Układy liniowo niezależne

Równania różniczkowe liniowe rzędu pierwszego

Twierdzenie 2: Własności pola wskazujące na istnienie orbit

ANALIZA MATEMATYCZNA Z ELEMENTAMI STATYSTYKI MATEMATYCZNEJ

Całki krzywoliniowe skierowane

Układy równań liniowych

13. Funkcje wielu zmiennych pochodne, gradient, Jacobian, ekstrema lokalne.

Zagdanienia do egzaminu z Inżynierskich Metod Numerycznych - semestr 1

1 Pochodne wyższych rzędów

Przekształcenia liniowe

Analiza matematyczna. 1. Ciągi

Własności wyznacznika

2. Definicja pochodnej w R n

Sekantooptyki owali i ich własności

Rozwiazywanie układów równań liniowych. Ax = b

1.1 Przegląd wybranych równań i modeli fizycznych. , u x1 x 2

Estymacja w regresji nieparametrycznej

Równania różniczkowe w technice

Wykład Analiza jakościowa równań różniczkowych

Analiza matematyczna dla informatyków 3 Zajęcia 14

IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. - funkcja dwóch zmiennych,

Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. wykład z algebry liniowej Warszawa, styczeń 2009

Metody Lagrange a i Hamiltona w Mechanice

Matematyka A, klasówka, 24 maja zania zadań z kolokwium z matematyki A w nadziei, że pope lni lem wielu b le. rozwia

Reakcja Bielousowa-Żabotyńskiego

Podstawy Automatyki. Wykład 2 - podstawy matematyczne. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki

Przekształcenia liniowe

1 Relacje i odwzorowania

Analiza funkcjonalna 1.

VI. Równania różniczkowe liniowe wyższych rzędów

Przestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH

Wyk lad 11 1 Wektory i wartości w lasne

Komputerowa analiza zagadnień różniczkowych 10. Dwupunktowe problemy brzegowe (BVP, Boundary Value Problems)

Wykład 3 Równania rózniczkowe cd

wszystkich kombinacji liniowych wektorów układu, nazywa się powłoką liniową uk ładu wektorów

2 Równania różniczkowe zwyczajne o rozdzielonych zmiennych

28 maja, Problem Dirichleta, proces Wienera. Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126

Metody numeryczne. Sformułowanie zagadnienia interpolacji

13 Układy równań liniowych

Aerodynamika I. wykład 3: Ściśliwy opływ profilu. POLITECHNIKA WARSZAWSKA - wydz. Mechaniczny Energetyki i Lotnictwa A E R O D Y N A M I K A I

1 Zacznijmy od początku... 2 Tryb tekstowy. 2.1 Wyliczenia

[ P ] T PODSTAWY I ZASTOSOWANIA INŻYNIERSKIE MES. [ u v u v u v ] T. wykład 4. Element trójkątny płaski stan (naprężenia lub odkształcenia)

Rachunek różniczkowy i całkowy w przestrzeniach R n

Przestrzenie liniowe

I. Pochodna i różniczka funkcji jednej zmiennej. 1. Definicja pochodnej funkcji i jej interpretacja fizyczna. Istnienie pochodnej funkcji.

O pewnych klasach funkcji prawie okresowych (niekoniecznie ograniczonych)

19 Własności iloczynu skalarnego: norma, kąt i odległość

3. Wykład Układy równań liniowych.

Metoda największej wiarogodności

Przyczynowość Kointegracja. Kointegracja. Kointegracja

Algebra liniowa II. Lista 1. 1 u w 0 1 v 0 0 1

V. Jednorodne układy równań różniczkowych liniowych o stałych współczynnikach

Równanie przewodnictwa cieplnego (II)

Metody numeryczne. Równania nieliniowe. Janusz Szwabiński.

WEKTORY I WARTOŚCI WŁASNE MACIERZY. = λ c (*) problem przybliżonego rozwiązania zagadnienia własnego dla operatorów w mechanice kwantowej

Obliczenia naukowe Wykład nr 6

R k v = 0}. k N. V 0 = ker R k 0

CAŁKI NIEOZNACZONE C R}.

Tydzień nr 9-10 (16 maja - 29 maja), Równania różniczkowe, wartości własne, funkcja wykładnicza od operatora - Matematyka II 2010/2011L

RÓWNANIE SCHRÖDINGERA NIEZALEŻNE OD CZASU

Transkrypt:

Gora czka Zachodniego Nilu: dynamika infekcji Joanna Rencławowicz & Mark Lewis & Pauline van den Driessche BIOFIZMAT2 Gora czka Zachodniego Nilu:dynamika infek

Wirus Zachodniego Nilu w Ameryce Północnej zachorowalność i śmiertelność Ptaki (0-100%) Konie (~40%) Ludzie (<0.1%) Komary - zero

Wirus Zachodniego Nilu Gospodarze wtórni Ptak (rezerwuar) Komar (wektor) Bird reservoir host Ludzie http://www.cdc.gov/ http://www.47custer.com/ cykl życiowy wirusa Konie

West Nile Virus Model Larval mosquitoes Dead birds bird death rate (WNV) Recovered birds Infectious birds Biting rate x Transmission probability Susceptible mosquitoes Infectious mosquitoes Susceptible birds Removed mosquitoes

West Nile Virus Model Larval mosquitoes mosquito death rate (natural) Dead birds bird death rate (WNV) Recovered birds Infectious birds biting rate x transmission probability Susceptible mosquitoes Exposed Infectious mosquitoes mosquito birth rate Susceptible birds Removed Infectious mosquitoes

Wirus Zachodniego Nilu - Model Larwy komarów współczynnik umieralności (naturalnej) Zmarłe ptaki Wyleczone ptaki współczynnik ukąszeń x prawdopodobieństwo transmisji Podatne komary współczynnik urodzeń współczynnik umieralności (WNV) Zarażone ptaki Zainfekowane komary Podatne ptaki Zarażone komary

Compartments (klasy) Vectors: mosquitoes L V - larval (larwy) S V - susceptible (podatne) E V - exposed (zainfekowane) I V - infectious (zarażone)

Compartments (klasy) Vectors: mosquitoes L V - larval (larwy) S V - susceptible (podatne) E V - exposed (zainfekowane) I V - infectious (zarażone) Reservoirs: birds S R - susceptible (podatne) I R - infectious (zarażone) R R - recovered (wyleczone)

Parametry b V współczynnik urodzeń komarów d L,d V współczynnik śmiertelności larw/ komarów m V współczynnik dojrzałości komarów α V,α R prawdopodobieństwo transmisji wirusa przy uka szeniu dla komarów/ ptaków β R współczynnik uka szeń ptaków przez komary κ V współczynnik inkubacji wirusa u komarów γ R współczynnik zdrowienia ptaków η R współczynnik utraty odporności ptaków ε, D współczynnik dyfuzji komarów/ ptaków

Model zależny przestrzennie (P) Vectors (komary) L V t S V t E V t I V t = b V (S V +E V +I V ) m V L V d L L V = ε 2 S V x 2 α Vβ R I R N R S V +m V L V d V S V = ε 2 E V x 2 +α V β R I R N R S V (κ V +d V )E V = ε 2 I V x 2 +κ VE V d V I V

Model zależny przestrzennie (P) Reservoirs (ptaki) S R t I R t R R t = D 2 S R x 2 α Rβ R S R N R I V +η R R R = D 2 I R x 2 +α Rβ R S R N R I V γ R I R = D 2 R R x 2 +γ R I R η R R R

Uproszczenia Zainfekowane komary od razu staja siȩ zdolne do zakażenia: κ V E V 0

Uproszczenia Zainfekowane komary od razu staja siȩ zdolne do zakażenia: κ V E V 0 Ptaki po wyzdrowieniu staja siȩ od razu podatne na zarażenie: η R R R 0

Uproszczenia Zainfekowane komary od razu staja siȩ zdolne do zakażenia: κ V E V 0 Ptaki po wyzdrowieniu staja siȩ od razu podatne na zarażenie: η R R R 0 Całkowita liczba ptaków: N R (x,t) = S R (x,t)+i R (x,t)+r R (x,t),

Uproszczenia Zainfekowane komary od razu staja siȩ zdolne do zakażenia: κ V E V 0 Ptaki po wyzdrowieniu staja siȩ od razu podatne na zarażenie: η R R R 0 Całkowita liczba ptaków: N R (x,t) = S R (x,t)+i R (x,t)+r R (x,t), N R t = D 2 N R x 2

Uproszczenia Zainfekowane komary od razu staja siȩ zdolne do zakażenia: κ V E V 0 Ptaki po wyzdrowieniu staja siȩ od razu podatne na zarażenie: η R R R 0 Całkowita liczba ptaków: N R (x,t) = S R (x,t)+i R (x,t)+r R (x,t), N R t = D 2 N R x 2 N R (x,0) = N R = const. N R (x,t) = N R

Całkowita liczba dorosłych komarów: A V (x,t) = S V (x,t)+e V (x,t)+i V (x,t), Uproszczenia

Uproszczenia Całkowita liczba dorosłych komarów: A V (x,t) = S V (x,t)+e V (x,t)+i V (x,t), A V t L V t = ε 2 A V x 2 d V A V +m V L V = b V A V (m V +d L )L V

Uproszczenia Całkowita liczba dorosłych komarów: A V (x,t) = S V (x,t)+e V (x,t)+i V (x,t), A V t L V t = ε 2 A V x 2 d V A V +m V L V = b V A V (m V +d L )L V A V (x,0) = A V = const, L V (x,0) = L V = const. A V (x,t) = A V (t)

Uproszczenia Całkowita liczba dorosłych komarów: A V (x,t) = S V (x,t)+e V (x,t)+i V (x,t), A V t L V t = ε 2 A V x 2 d V A V +m V L V = b V A V (m V +d L )L V A V (x,0) = A V = const, L V (x,0) = L V = const. A V (x,t) = A V (t) b V = d V(m V +d L ) m V stacjonarnego A V,L V istnienie rozwia zania

Niech A V i N R bȩda stałymi. Uproszczony układ (S)

Uproszczony układ (S) Niech A V i N R bȩda stałymi. Układ (S) I V t I R t = ε 2 I V x 2 +α Vβ R I R N R (A V I V ) d V I V = D 2 I R x 2 +α N R I R Rβ R I V γ R I R N R

Postać macierzowa Układ (S) można zapisać jako ] ] [ IV [ IV ([ IV ]) I R t = D I R xx +f I R gdzie f = (f 1,f 2 ) T definiujemy jako f 1 (I V,I R ) = α V β R I R N R (A V I V ) d V I V N R I R f 2 (I V,I R ) = α R β R I V γ R I R N R [ ] ε 0 oraz D = 0 D

Własności (S) Własności układu (S), potrzebne, aby zastosować ogólne twierdzenia o falach biegna cych i tempie rozprzestrzeniania siȩ infekcji. f 1,f 2 sa niemaleja ce w wyrazach poza przeka tna. f nie zależy wprost od x ani od t. Macierz D jest diagonalna, o wyrazach na przeka tnej ściśle dodatnich.

Przestrzennie niezależny układ (S*) Przestrzennie jednorodne rozwia zania (S) spełniaja (S*), tj. układ ODE, : di V dt di R dt = α V β R I R N R (A V I V ) d V I V = α R β R N R I R N R I V γ R I R czyli [ IV ] ([ IV ]) I R t = f I R

Basic reproduction number Definicja Poziom namnażania siȩ wirusa (basic reproduction number) R 0 jest wartościa oczekiwana wtórnych zakażeń spowodowanych przez wprowadzenie pojedyńczej zarażonej jednostki do układu. WyznaczmyR 0. 1. Zapiszmy układ (S*) w postaci macierzowej: nowe zakażenia ( f ) minus pozostałe wyrazy (v). [ IV I R ] t = α V β R I R N R (A V I V ) α R β R N R I R N R I V [ dv I V γ R I R ]

Basic reproduction number 2. Linearyzujemy f i v wokół stanu równowagi (I V,I R ) = (0,0), gdzie wszystkie ptaki i komary sa podatne na zarażenie. F = 0 α V β R A V N R α R β R 0,V = d V 0 0 γ R

Basic reproduction number 3. R 0 jest promieniem spektralnym (dominuja ca wartościa własna ) dla FV 1. FV 1 = R 0 = 0 α V β R γ R α R β R d V 0 A V N R α V α R β 2 R d V γ R A V N R,

Rozwia zania stacjonarne (S) (0, 0) jest rozwia zaniem stacjonarnym (S).

Rozwia zania stacjonarne (S) (0, 0) jest rozwia zaniem stacjonarnym (S). I V = α Vα R β 2 R A V d V γ R N R α R β R (d V +α V β R ) I R = α Vα R β 2 R A V d V γ R N R α V β R (γ R +α R β R A V N R )

Rozwia zania stacjonarne (S) (0, 0) jest rozwia zaniem stacjonarnym (S). I V = α Vα R β 2 R A V d V γ R N R α R β R (d V +α V β R ) I R = α Vα R β 2 R A V d V γ R N R α V β R (γ R +α R β R A V N R ) jest dodatnim rozwia zaniem stacjonarnym jeśli czyli R 0 > 1. ( ) α V α R β 2 R A V d V γ R N R > 0

Płaszczyzna fazowa Macierz Jacobiego w punkcie (0, 0) J = Df(0) = d V α V β R A V N R α R β R γ R λ 1 +λ 2 = trj = (d V +γ R ) < 0 λ 1 λ 2 = detj = d V γ R α V α R β 2 R A V N R = d V γ R (1 R 2 0) Zauważmy, że ( ) jest równoważny warunkowi detj < 0 R 0 > 1.

Płaszczyzna fazowa R 0 < 1 Stan stacjonarny (wolny od infekcji-disease free) (0, 0) jest liniowo stabilny (wȩzeł).

Płaszczyzna fazowa R 0 < 1 Stan stacjonarny (wolny od infekcji-disease free) (0, 0) jest liniowo stabilny (wȩzeł). R 0 > 1 Stan stacjonarny (0, 0) jest liniowo niestabilny (siodło) oraz istnieje endemiczny stan stacjonarny (I V,I R ) - stabilny wȩzeł.

Płaszczyzna fazowa R 0 < 1 Stan stacjonarny (wolny od infekcji-disease free) (0, 0) jest liniowo stabilny (wȩzeł). R 0 > 1 Stan stacjonarny (0, 0) jest liniowo niestabilny (siodło) oraz istnieje endemiczny stan stacjonarny (IV,I R ) - stabilny wȩzeł. Stwierdzenie[Globalna stabilność endemicznego stanu stacjonarnego] Jeśli R 0 > 1 oraz I V (0)+I R (0) > 0, to endemiczny stan stacjonarny (IV,I R ) jest globalnie asymptotycznie stabilny w pierwszej ćwiartce.

Portret fazowy I V,I R (R 0 > 1) I R I R = dv I V N R α β R A I V V V N R I * R I V = γ R IR N R α R βr N I R R 0 A I V * V I V

Fale biegna ce Definicja Fala biegna ca z prȩdkościa c dla układu (S) nazywamy rozwia zanie u (I V,I R ), które ma postać u(x ct) i ła czy stany stacjonarne, a przy tym u( ) = u (IV,I R ) oraz u( ) = 0 (0,0). c u(x ct) z=x ct

Fale biegna ce Twierdzenie Istnieje minimalna prȩdkość fal biegna cych c 0 taka, że dla każdego c c 0 nieliniowy układ (S) ma nierosna ce rozwia zanie postaci fali biegna cej (I V (x ct),i R (x ct)) o prȩdkości c takie, że (I V ( ),I R ( )) = (I V,I R ) oraz (I V ( ),I R ( )) = (0,0). Jeśli c < c 0, nie istnieje fala biegna ca o tej postaci. Korzystamy z ogólniejszego twierdzenia (Li, Weinberger, Lewis, Volpert).

Prȩdkość rozprzestrzeniania siȩ infekcji i fale biegna ce Definicja Prȩdkościa rozprzestrzeniania siȩ infekcji dla nieliniowego układu u t = Du xx +f(u), z macierza dyfuzji D, gdzie f(0) = 0,f(u ) = 0 oraz u > 0, z niezerowymi warunkami pocza tkowymi na zwartym zbiorze, nazywamy liczbȩ c taka, że dla małych ǫ > 0 { } } lim t sup u(t, x) x (c +ǫ)t = lim t { sup u(t,x) u x (c ǫ)t =0

Prȩdkość fali vs c Twierdzenie Minimalna prȩdkość fali c 0 dla układu (S) jest równa c, czyli prȩdkości rozprzestrzeniania siȩ infekcji dla tego układu.

Prȩdkość fali vs c Twierdzenie Minimalna prȩdkość fali c 0 dla układu (S) jest równa c, czyli prȩdkości rozprzestrzeniania siȩ infekcji dla tego układu. Prȩdkość fali trudno znaleźć, ale wielkość c można wyznaczyć badaja c zlinearyzowany układ; zastosujemy rezultat Weinbergera, Lewisa, Li.

Zlinearyzowany układ (L) [ IV ] [ IV ] [ IV ] I R t = D I R xx +J I R gdzie J = Df(0) = d V α V β R A V N R oraz D = [ ε 0 0 D ] α R β R γ R

Funkcja f f 1 (I V,I R ) = α V β R I R N R (A V I V ) d V I V f 2 (I V,I R ) = α R β R N R I R N R I V γ R I R spełnia warunek podstyczności, czyli dla ρ > 0 ( ]) ] ] f ρ [ IV I R ρdf(0) [ IV I R = ρj [ IV I R

Liniowa odpowiedniość Twierdzenie (i) Prȩdkość rozprzestrzeniania siȩ infekcji c nieliniowego układu (S) oraz prȩdkość c dla zlinearyzowanego układu (L) istnieja oraz c = c. (ii) Prȩdkość rozprzestrzenienia siȩ c dla układu (L) jest dana wzorem c = inf λ>0 σ 1(λ) gdzie σ 1 (λ) jest najwiȩksza wartościa własna macierzy B λ = J +λ2 D λ

Prȩdkość rozprzestrzeniania siȩ c Wielomian charakterystyczny dla B λ p(σ;λ,ε) = σ 2 σ trj +(D+ε)λ2 λ + detj λ 2 Dd V εγ R +εdλ 2

Prȩdkość rozprzestrzeniania siȩ c Wielomian charakterystyczny dla B λ p(σ;λ,ε) = σ 2 σ P(σ;λ) = λ 2 p(σ;λ,0) trj +(D+ε)λ2 λ + detj λ 2 Dd V εγ R +εdλ 2

Prȩdkość rozprzestrzeniania siȩ c Wielomian charakterystyczny dla B λ p(σ;λ,ε) = σ 2 σ P(σ;λ) = λ 2 p(σ;λ,0) trj +(D+ε)λ2 λ + detj λ 2 Dd V εγ R +εdλ 2 Q - rugownik (resultant) wielomianu P i pochodnej P λ

Prȩdkość rozprzestrzeniania siȩ c Wielomian charakterystyczny dla B λ p(σ;λ,ε) = σ 2 σ P(σ;λ) = λ 2 p(σ;λ,0) trj +(D+ε)λ2 λ + detj λ 2 Dd V εγ R +εdλ 2 Q - rugownik (resultant) wielomianu P i pochodnej P λ Twierdzenie Przy ε 0, prȩdkość rozprzestrzeniania siȩ c = c dla nieliniowego układu (S) zbiega do pierwiastka z najwiȩkszej wartości własnej wielomianu Q(x).

Wielomian Q Q(c 2 ) = c 6 +c 4 D( 4θ 3 +12d V j 2d V θ 2 +18θj) +c 2 D 2 ( 18θd V j 12d 2 V j +d2 V θ 27j2 )+4D 3 d 3 V j gdzie j = detj, θ = trj oraz D jest współczynnikiem dyfuzji ptaków.

Oszacowania numeryczne dla c = c z ε = 0 4 3 c*(d) 2 1 0 2 4 6 8 10 12 14 D c ([ km dzien ]) jako funkcja dyfuzji D. Dla A V/N R = 20,β R = 0.3,γ R = 0.01,d V = 0.029,α V = 0.16,α R = 0.88/dzien, obserwowana prȩdkość rozprzestrzeniania siȩ 2.74km/dzien odpowiada współczynnikowi dyfuzji D rzȩdu 5.94km 2 /dzien.

Układ (P) L V t S V t E V t I V t S R t I R t R R t = b V (S V +E V +I V ) m V L V d L L V = ε 2 S V x 2 α Vβ R I R N R S V +m V L V d V S V = ε 2 E V x 2 +α V β R I R N R S V (κ V +d V )E V = ε 2 I V x 2 +κ VE V d V I V = D 2 S R x 2 α Rβ R S R N R I V +η R R R = D 2 I R x 2 +α Rβ R S R N R I V γ R I R = D 2 R R x 2 +γ R I R η R R R

Układ (P) Układ (S) I V t I R t = ε 2 I V x 2 +α Vβ R I R N R (A V I V ) d V I V = D 2 I R x 2 +α N R I R Rβ R I V γ R I R N R

Układ (P) Układ (S) Układ (S*) di V dt di R dt = α V β R I R N R (A V I V ) d V I V = α R β R N R I R N R I V γ R I R

Układ (P) Układ (S) Układ (S*) Układ (L) I V t I R t = ε 2 I V x 2 +α Vβ R A V I R N R d V I V = D 2 I R x 2 +α Rβ R I V γ R I R

Układ (P) Podsumowanie

Podsumowanie Układ (P) Układ uproszczony (S)

Podsumowanie Układ (P) Układ uproszczony (S) fale biegna ce Układ jednorodny (S*) (rozwia zania stacjonarne)

Podsumowanie Układ (P) Układ uproszczony (S) prȩdkość rozprzestrzenienia, fale biegna ce

Podsumowanie Układ (P) Układ uproszczony (S) prȩdkość rozprzestrzenienia, fale biegna ce Układ zlinearyzowany (L) (liniowa prȩdkość rozprzestrzeniania)

Podsumowanie Układ (P) Układ uproszczony (S) prȩdkość rozprzestrzenienia, fale biegna ce liniowa odpowiedniość Układ zlinearyzowany (L) (liniowa prȩdkość rozprzestrzeniania) Układ jednorodny (S*) (rozwia zania stacjonarne)

Podsumowanie Układ (P) twierdzenie porównawcze Układ uproszczony (S) prȩdkość rozprzestrzenienia, fale biegna ce liniowa odpowiedniość Układ zlinearyzowany (L) (liniowa prȩdkość rozprzestrzeniania) Układ jednorodny (S*) (rozwia zania stacjonarne)

Układ uproszczony (S) przy ÃV,ÑR. I V t I R t = ε 2 I V x 2 +α Vβ R I R Ñ R (ÃV I V ) d V I V = D 2 I R x 2 +α Ñ R I R Rβ R I V γ R I R Ñ R gdzie à V,Ñ R sa stałymi.

Twierdzenia porównawcze Twierdzenie Załóżmy, że N R (x,0) = Ñ R, b V = d V(m V +d L ) m V, L V (x,0) = L V0 = const., A V (x,0) = A V0 = const. Wtedy składowe (I V,I R ) rozwia zania układu (P) sa ograniczone z góry przez rozwia zania (ĪV,ĪR) uproszczonego układu (S) jeśli ( ) max A V0,A V0 d VA V0 m V L V0 m V +d V +d L Ã V oraz (I V (0)+E V (0),I R (0)) (ĪV(0),ĪR(0)).

Twierdzenia porównawcze Twierdzenie Załóżmy, że założenia poprzedniego twierdzenia sa spełnione oraz ) d V γ R ( 1+ d V κ V < α V α R β 2 R Ã V Ñ R Jeśli prȩdkość rozprzestrzeniania siȩ infekcji dla układu (P) istnieje i jest równa c P, to c P c, gdzie c jest prȩdkościa rozprzestrzeniania siȩ dla uproszczonego układu (S).

Twierdzenia porównawcze Uwaga Warunek ( d V γ R 1+ d V κ V ) < α V α R β 2 R Ã V Ñ R jest równoważny nierówności R 0 = α V α R β 2 RÃVκ V d V γ R Ñ R (κ V +d V ) > 1, gdzie R 0 jest poziomem namnażania siȩ wirusa (basic reproduction number) dla układu ODE odpowiadaja cego układowi (P).