Oleh: Cg Mohd Ridzuan al-Kindy (IPG KDRI)

TOPIK 4: PENGGUNAAN PERMODELAN

MATEMATIK DALAM BIOLOGI DAN EKOLOGI

Teori Matrik Permodelan Pertumbuhan Populasi

 Definisi

Pengiraan eigenvalue, λ dan eigenvector, v

 Pengiraan eigenvalue, λ

o Jika A adalah square matrik dan Ax = λx untuk

skalar λ, dan beberapa non-zero vektor x. Diberi, A= . Cari eigenvalue, λ.
Maka:
 λ ialah eigenvalue bagi A
 x ialah eigenvector yang sepadan dengan
λ.
o Istilah eigenvalue dan eigenvector datang dari
perkataan Jerman. ‘Eigen’ bermaksud
kepunyaan sendiri. Oleh itu, kita dapat lihat
jika = vektor bergerak kepada
arahnya ‘sendiri’.

 Pengiraan =

3 0 1
Diberi A= , = 3, = ; = 2,
0 2 0
0
=
2
 Pengiraan eigenvector, v

3 0 1 3 0 0
= =
0 2 0 0 2 2
3 0 Diberi, A= dan λ = 2.
= =
0 2
1 0
=3 =2 Cari eigenvector, v
0 1
= = Gantikan = 2 ke dalam persamaan.
= 2
2 − = 0
Maka, = 2 − = 0
(2 − ) = 0

 Eigenvalue, λ dan eigenvector, v Jadi,

1 0 0 2 −5 5
2 − = 2 0 1 0 − 0 3 −1
0 0 1 0 −1 3
0 5 −5
= 0 −1 1
0 1 −1

Nota Padat MTE3114 – Aplikasi Matematik | 21

 Oleh: Cg Mohd Ridzuan al-Kindy (IPG KDRI)

Tukar kepada Matrik Augmented dan jalankan o Kita dapat mencari eigenvalues A dengan
Elementary Row Operation (ERO) mencari persamaan sifat (characteristic
equation) seperti di bawah:

det( – )
=
= ( – 2) [( – 3) ( – 3 ) – 1]
= ( – 2)( – 2)( – 4)

Maka det – = 0
( – 2)( – 2)( – 4) = 0
= 2, 2, 4

Jadi, eigenvalues matrix A ialah = 2, 2, 4.

o Mencari eigenvalues A (polynomial

characteristic) yang sepadan dengan = 2
 Lihat contoh pada m/s 21 – 22 (kotak
merah)

o Mencari eigenvalues A (polynomial

Maka, characteristic) yang sepadan dengan = 4
+ = 0
Selesaikan sistem = 4 , yang mana
=
ditulis sebagai ( − 4 ) = 0
= 1
Gunakan ERO
Penyelesaian untuk = adalah semua
1 0
vektor bagi = = 0 + 1.
0 1
Jadi, eigenvector, v bagi matrik A dan λ = 2
adalah infiniti, dan ianya adalag kombinasi linear
1 0
bagi vektor 0 dan 1 .
0 1

 Polinomial dan Persamaan Sifat (Characteristic Eigenvector, v yang sepadan dengan = 4

equation and polynomial) 5
adalah −1
Persamaan ( – ) = dipanggil
persamaan sifat (characteristic equation) 1
bagi A

Manakala ( – ) dipanggil polinomial sifat  Pembuktian Teorem =

(characteristic polynomial) bagi A
−2 3 1
Diberi = 0 1 1
2  5 5  −3 4 1
 3  1 Eigenvalues, = 0, −2, 2
Diberi A = 0

0  1 3  −1 1 5
Eigenvector, = −1 , 1 , −3
1 1 9

Nota Padat MTE3114 – Aplikasi Matematik | 22

 Oleh: Cg Mohd Ridzuan al-Kindy (IPG KDRI)

Model Pemangsa-Mangsa (Predator-Prey)

Diberi teorem = ,
Generasi Terpisah dan Berlanjutan (Tidak Berpisah)
−1 1 5
Daripada Eigenvector, = , ,
−1 1 −3 ,  Generasi terpisah
1 1 9
−1 1 5
matrik B diberi sebagai −1 1 −3
1 1 9

Daripada Eigenvalues, = 0, −2, 2, membentuk

0 0 0
matrik diagonal D sebagai 0 −2 0
o Populasi mangsa akan meningkat ketika
0 0 2
pemangsa berkurangan.
6 −2 −4 o Ketika bilangan pemangsa bertambah, bilangan
1 mangsa akan berkurang kerana dimakan oleh
=− × 3 −7 −4
8 pemangsa.
−1 1 0 o Jumlah mangsa yang dimakan oleh pemangsa
mungkin tetap dan mungkin juga berubah-ubah.
o Namun, jika populasi mangsa ditentukan oleh
Semakan teori, populasi pemangsa, maka secara
−1 1 5 0 0 0 keseluruhannya:
1  Populasi pemangsa akan meningkat apabila
= −1 1 −3 0 −2 0 −
8 populasi mangsa naik.
1 1 9 0 0 2
6 −2 −4  Populasi pemangsa akan berkurangan
× 3 −7 −4 apabila populasi mangsa turun.
−1 1 0
0 2 −10 1 6 −2 −4
= 0 2 6 − 3 −7 −4
8
0 2 −18 −1 1 0
1 16 −24 −8
= − 0 −8 −8
8
24 −32 −8
−2 3 1
= 0 1 1
−3 4 1  Bahagian A: Haiwan membiak dan
= menyebabkan populasi meningkat.

Terbukti bahawa =  Bahagian B: Haiwan mengalami persaingan

 Kesimpulan:
o Jika λ adalah eigenvalue bagi matrix A, maka
set semua eigenvectors yang sepadan
dengan λ ialah ruang vektor.
o Set-set eigenvectors yang sepadan dengan λ
ialah null space bagi matrik (λI – A) – set
penyelesaian bagi (λI – A) x = 0.
 Generasi berlanjutan (tidak terpisah)
o Set semua eigenvectors yang sepadan
dengan eigenvalue λ ialah ruang vektor yang
disebut sebagai eigenspace bagi λ.
hidup sama ada untuk mendapatkan
makanan, tempat tinggal atau pasangan dan
menyebabkan populasi haiwan
berkurangan.
 Faktor kematian secara semula jadi juga
boleh menyebabkan populasi haiwan
berkurangan.
o Generasi pemangsa (predator) dan mangsa
(prey) bergantung kepada kelahiran dan
kematian yang berlaku sepanjang tahun.
o Pada kebiasaannya, pemangsa generasi ini
adalah daripada kumpulan vertebra.
o Model generasi berlanjut juga digambarkan oleh
Model Lotka (1925) dan Voltera (1926).

Nota Padat MTE3114 – Aplikasi Matematik | 23


o Andaian:
 Spesis pemangsa adalah bergantung
sepenuhnya hanya pada spesis mangsa
tersebut sahaja sebagai bekalan makanan
 Spesies mangsa mempunyai bekalan
makanan tanpa had
 Tiada ancaman lain kepada mangsa
selain daripada pemangsa tersebut.
Permodel Lotka-Volterra
 Permodelan antara populasi pemangsa dan
populasi mangsa pada sebuah lingkungan yang
bergantung satu sama lain berdasarkan hubungan
interaksi saling antara pemangsa-mangsa.
 Persamaan permodelan:
Di mana,
- bilangan pemangsa
- bilangan mangsa
, - perkembangan pemangsa /
mangsa berkadar dengan masa
, , , - parameter yang menunjukkan
interaksi antara spesies
Persamaan Logistik
 Perkembangan populasi berlaku pesat kerana:
o sumber makanan yang tidak putus.
o ruang (habitat yang sempurna) untuk
berkembang
o tiada ancaman daripada pemangsa
Oleh: Cg Mohd Ridzuan al-Kindy (IPG KDRI)
 Kadar pertumbuhan populasi:
=
Di mana,
P ialah populasi sebagai fungsi masa t,
r adalah pemalar perkadaran
 Persamaan pertumbuhan semulajadi:
( )=
Di mana
adalah populasi pada masa t = 0
 Apabila populasi mula berkembang, ia akan
melalui fasa pertumbuhan eksponen, namun
apabila menghampiri kepada kapasiti bawaan
(carrying capasity), pertumbuhan akan menjadi
perlahan dan ia mencapai tahap yang stabil.
Interaksi Antara Spesies
 Interaksi pemangsa-mangsa (Contoh: Musang dan
Arnab)
 Andaian:
o Arnab hanya mati dengan dimakan oleh
musang.
o Musang akan mati secara semula jadi.
o Interaksi antara musang dan arnab boleh
digambarkan oleh sebuah persamaan.

 Bilangan arnab sekiranya tiada musang:
= ( ) + × ( )
Di mana:
o ∶ bilangan arnab yang baru selepas
tempoh masa
o ( ) : bilangan awal arnab pada tempoh
masa − 1
o : kadar kelahiran untuk arnab
Dalam keadaan ini bilangan arnab secara
berterusan akan meningkat.
Nota Padat MTE3114 – Aplikasi Matematik | 24
 Oleh: Cg Mohd Ridzuan al-Kindy (IPG KDRI)

 Bilangan musang jika tiada pemburu: o Titik keseimbangan (equilibium point)

Diberi persamaan permodelan Lotka-Volterra
= ( ) − × ( )

Di mana:
o ∶ bilangan musang baru selepas tempoh
masa
o ( ) : bilangan awal musang pada
tempoh masa − 1
o : kadar kematian musang

Titik keseimbangan = ,
 Apabila musang memakan arnab, persamaan
populasi mempunyai satu lagi istilah untuk
menggambarkan interaksi tersebut. Di mana,
= (parameter graf sistem trajectori) dan
 Persamaan berikut menunjukkan bilangan arnab , , = pemalar
yang semakin berkurangan akibat dimakan oleh
musang:
Diberi , , =1
= {[( ( ) + × ( ))
− × ( ) ] × ( )} Maka titik keseimbangan
.
Di mana: = ,
o ∶ interaksi yang berterusan antara musang
dan arnab.
=(1,1.5)

Simulasi
 Simulasi model pemangsa-mangsa pada graf
bilangan pemangsa dan mangsa terhadap masa:

Penggunaan Persamaan Pembezaan Permodelan

Dos Dadah yang Selamat dan Berkesan

Pharmakokinetik (PK) vs Pharmakodinamik (PD)

 Simulasi model pemangsa-mangsa pada graf

bilangan pemangsa terhadap bilangan mansa

 Pharmakokinetik (PK) adalah

tindakan dadah di dalam badan yang
mempunyai hubungan dengan
tempoh masa, termasuk proses penyerapan,
pengedaran dalam tisu
badan, biotransformasi dan perkumuhan.
o Apakah yang berlaku kepada ubat
itu selepas ia masuk ke dalam badan?
o Apakah reaksi tubuh badan dengan
dadah yang berkadar dengan masa?

Nota Padat MTE3114 – Aplikasi Matematik | 25


 Pharmakodinamik (PD)
menerangkan hubungan antara
kepekatan dadah sistemik
dan kesannya dengan masa
dan model statistik.
o Apakah yang dadah lakukan kepada
badan?
Kepentingan Model
Model PK dan PD membantu dalam memilih dos
yang bersesuaian untuk disahkan dalam ujian
klinikal
Model ini dapat melihat keberkesanan terhadap
dos dadah yang dipilih.
Kegunaan Model
Hospital
• Percubaan reka bentuk klinikal
• Ramalan tindak balas daripada pesakit
• Ramalan kejayaan berdasarkan ujian
klinikal
Universiti
• Percubaan reka bentuk klinikal
• Sokongan dalam menjelaskan mekanisma
dadah
Syarikat Farmaseutikal
• Penggunaan dadah yang baru (ubat)
• Menentukan keputusan dalam
penyelidikkan
Food and Drug Administration
• Tinjauan untuk mendapat kelulusan dalam
penggunaan dadah
• Pelabelan dan regimen dos
Contoh Permodelan
 Paracetamol
o Kajian ini adalah untuk memastikan
dos paracetamol diperlukan bagi orang dewasa
melalui rektum untuk mencapai kepekatan
plasma paracetamol antara 10-20 µgml-1.
o Kepekatan toksik = 120 µg ml–1
Oleh: Cg Mohd Ridzuan al-Kindy (IPG KDRI)
o Dos
 Berapa banyak ubat yang anda perlukan?
 Contoh Paracetamol 500 mg
o Dos Regimen
 Berapa kerap ubat yang diperlukan?
 Masa – 4 jam sekali.
 Kesan dos bagi phenylbutazone (PBZ) dan flunixin
(FLU)
o Graf menunjukkan hubungan antara kesan dos
bagi phenylbutazone (PBZ) dan flunixin (FLU)
kepada kuda.
o PBZ dan FLU telah diuji pada sendi carpal bagi
penyakit artritis.
o Untuk Flunixin (FLU)
 Pada dos 0.5 mg / kg = kesan terapeutik
yang minimum terhasil
 Dos sebanyak 1 mg / kg = kesan yang
hampir maksimum (dos yang disyorkan).
 Jika dos 2 mg / kg diberikan, ia tidak
meningkatkan kesan intensiti, tetapi
meningkatkan tempoh masa iaitu kira-kira
24 jam.
o Bagi Phenylbutazone (PBZ)
 Apabila < 1.0 mg,kg dos diberikan, tiada
kesan akan berlaku.
 Jika 1.5mg/kg dos diberikan kesan yang
maksimum akan terhasil tetapi dalam
jangka masa yang pendek sahaja.
 Jika 4m/kg dos diberikan, kesan yang
maksimum akan terhasil iaitu lebih
daripada 12jam.
Nota Padat MTE3114 – Aplikasi Matematik | 26

Permodelan Penyebaran Wabak dan Penyakit
Model Asas Jangkitan AIDS / HIV
 Matematik telah digunakan untuk memahami dan
meramalkan penyebaran penyakit.
 Mengkaji semula model penyakit yang paling
mudah dan mempertimbangkan beberapa
perkembangan matematik yang telah meningkatkan
pemahaman kita dan keupayaan ramalan terhadap
jangkitan penyakit.
 Dipelopori oleh Kermack dan McKendrick (1926)
 Susceptible – Infected – Recovered (SIR)
o S – individu yang terdedah kepada
jangkitan penyakit
o I – individu yang telah dijangkiti penyakit
o R – individu yang kembali pulih dari
penyakit setelah menjalani rawatan
 Susceptible – Infected – Aids (SIA)
o Bagi penyakit AID / HIV secara khusus kerana
tiada penawar penyakit yang ditemui lagi
setakat hari ini.
 Susceptible – Exposed – Infected – Aids (SEIA)
 S(t) - kelas individu yang mudah
terpengaruh, orang-orang yang aktif
secara seksual dan tidak
mempunyai pendedahan kepada virus.
 I(t) - kelas individu yang dijangkiti, orang-
orang yang aktif secara seksual, yang
dijangkiti dan berjangkit bagi individu
yang mudah terpengaruh.
 A(t) - kelas pesakit AIDS kritikal, mereka
menunjukkan tanda-tanda yang berkaitan
dengan AIDS dan kita menganggap
bahawa mereka tidak melibatkan
banyak dalam aktiviti seksual akibat
daripada penyakit.
A  tahap imunisasi tubuh rendah maka
Oleh: Cg Mohd Ridzuan al-Kindy (IPG KDRI)
o Justifikasi:
 Bilangan individu yang mudah
terpengaruh boleh meningkat disebabka
n oleh individu yang baru direkrut
 Ia boleh berkurangan akibat jangkitan
baru sebagai hasil interaksi dengan
individu yang dijangkiti di dalam
kelas ( ) dan juga disebabkan
oleh kematian semula jadi.
 Individu yang dijangkiti (kelas ( ))
boleh maju ke kelas ( ) atau mungkin
mati kerana kematian semula jadi.
 Selepas perkembangan ke kelas ( ),
individu yang dikeluarkan daripada
kelas ini disebabkan oleh kematian
semulajadi atau kematian berpunca
daripada penyakit.
 Jumlah individual seksual yang matang
bagi populasi pada masa yang
diberikan adalah jumlah semua individu
dalam semua kelas yang diberikan oleh,
( ) = ( ) + ( ) + ( )
 Manakala, kelas yang aktif dalam aktiviti
seksual yang diberikan oleh
( ) = ( ) + ( )
o Lebih tepat untuk permodelan penularan HIV.
 Model SEIA yang memperhatikan adanya
tempoh masa dan pendekatan
compartmental (pembahagian kelas)
maka populasi dibahagi ke dalam empat
kelas iaitu susceptible, exposed,
infected dan AIDS.
 Penyebaran virus dari kelas susceptible,
( ) perlu melepasi tempoh masa tertentu
berdasarkan situasi sehingga memasuki
kelas exposed, ( ).
 Setelah tempoh masa tertentu, individu
dalam kelas ini memasuki kelas infected,
( ).
 Jika:
 tahap imunisasi tubuh tinggi, HIV
akan tetap pada kelas infected, ( )
akan memasuki kelas AIDS, ( )
Nota Padat MTE3114 – Aplikasi Matematik | 27