Exponencial de uma Matriz

Uma das tecnicas matematicas eceintes na resolu cao de equa cao diferencial consiste
no calculo da matriz e
At
onde A e uma matriz de ordem n. Apresentaremos aqui o medoto
de Silvestre de se calcular a matriz e
At
.
Exemplo 1. Seja A a matriz
A =
_
_
1 0 1
1 2 1
2 2 3
_
_
.
Calcule a matriz e
At
.
Nos vamos calcular as matrizes A I, onde I e a matriz identidade de ordem tres e
e real ou complexo. Depois vamos procurar todos os valores que resolovem a equa cao
det(A I) = 0. Encontraremos tres valores reais
1
,
2
e
3
, que sao aqui denominados
Autovalores de A. Estes Autovalores que detreminam tres elementos em R
3
, v

1
, v

2
e v

2
que aqui vamos denomina-los Autoverores. Finalmente, calcularemos as matrizes Z
k
para
k = 1, 2, 3
Z
k
=
3
j=1 j=k
(
k

j
)
1
(A
j
I), (0.1)

E importante assinalar que o metodo de Sivestre somente pode ser aplicado quando os
Autovalores de A forem dois `a dois distintos.
que nos darao a desejada matriz e
At
dada por
e
At
=
3

k=1
Z
k
e

k
. (0.2)
Calculo de Autovalores de A
Considere a matriz
A I =
_
_
1 0 1
1 2 1
2 2 3
_
_
. (0.3)
Vemos que o determinante da matriz em (0.3) e dado por
det(A I) = (1 )(2 )(3 ).
As razes do polinomio det(A I) ou seja as solu coes de det(A I) = 0, sao dadas por

1
= 1,
1
= 2 e
3
= 3.
Calculo de Autovetores de A
Agora devemos encontrar vetores ou elementos v
i
= (a
i
, b
i
, c
i
) de R
3
, nao nulos tais que
(A I)(v
i
) = 0 para i {1, 2, 3}.
1
(i) Vamos calcular v
1
. Seja u = (x, y, z) um vetor nao nulo qualquer de R
3
tal que
A I)(u) = 0. Em nopota cao matricial teremos
(A
1
I)(u) =
_
_
1
1
0 1
1 2
1
1
2 2 3
1
_
_
_
_
x
y
z
_
_
=
_
_
0
0
0
_
_
. (0.4)
Veja que em (0.4) ao substituir o valor de
0
por 1, que e o valor dele, teremos um
Sistema Linear Homogeneo Du = 0 cujo determinante da matriz D e nulo. Como
este Sistema Linear Homogeneo tem solu cao (e possvel), ha duas e somente duas
alternativas a serem consideradas.
(a) O Sistema Linear (0.4) tem uma unica solu cao (a solu cao nula).
(b) O Sistema Linear (0.4) tem mais que uma solu cao .
Substituindo o valor
1
= 1 em (0.4) teremos
(A I)(u) =
_
_
0 0 1
1 1 1
2 2 2
_
_
_
_
x
y
z
_
_
=
_
_
0
0
0
_
_
. (0.5)
Resolvemos o Sistema Linear (0.5) por escalonamento e encontramos o conjunto solu cao
que e dado por
S
1
= {(x, y, z) R
3
, tais que z = 0 e x = y} ou S
1
= {x(1, 1, 0), tais que x R}.
Veja que na segunda apresenta cao do conjunto S acima, ca determinado um vetor
que o denotaremos por v

1
, que e dado por v

1
= (1, 1, 0). Este e o Autovetor de A
que esta associado ao Autovalor
1
= 1.
Em seguida vamos repetir este procedimento e determinar os Autovetores v

2
e v

3
que estao assiciados aos Autovalores
2
= 2 e
3
= 3 respectivamente. Por este
motivo alguns passos serao omitidos.
(ii) Substituindo o valor
2
= 2 em (0.3) teremos
(A 2I)(u) =
_
_
1 0 1
1 0 1
2 2 1
_
_
_
_
x
y
z
_
_
=
_
_
0
0
0
_
_
. (0.6)
Resolvemos o Sistema Linear (0.6) por escalonamento e encontramos o conjunto solu cao
que e dado por
S
2
= {(x, y, z) R
3
, tais que x = 2y e z = 2y} ou S
2
= {x(2, 1, 2), tais que x R} .
Na segunda apresenta cao do conjunto S
2
acima, ca determinado o Autovetor de A
que esta associado ao Autovalor
2
= 2 e que e v

2
= (2, 1, 2).
2
(iii) Substituindo o valor
3
= 3 em (0.3) teremos
(A 3I)(u) =
_
_
2 0 1
1 0 1
2 2 0
_
_
_
_
x
y
z
_
_
=
_
_
0
0
0
_
_
. (0.7)
Resolvemos o Sistema Linear (0.7) por escalonamento e encontramos o conjunto solu cao
que e dado por
S
3
= {(x, y, z) R
3
, tais que x = y e z = 2y} ou S
3
= {y(1, 1, 2), tais que x R} .
Na segunda apresenta cao do conjunto S
3
acima, ca determinado o Autovetor de A
que esta associado ao Autovalor
3
= 3 e que e v

3
= (1, 1, 2).
Calculo de Z
k
, k {1, 2, 3}.
As matrizes (A
1
I), (A
2
I) e (A
3
I) estao das em (0.5), (0.6) e (0.7) respecti-
vamente.
(a) Veja que Z
1
= (
1

2
)
1
(A
2
I)(
1

3
)
1
(A
3
I). Os valores (
1

2
) = 1
e (
1

3
) = 2. Entao
Z
1
= (
1

2
)
1
(A
2
I)(
1

3
)
1
(A
3
I).
Ou seja
Z
1
=
1
2
_
_
1 0 1
1 0 1
2 2 1
_
_

_
_
2 0 1
1 1 1
2 2 0
_
_
=
1
2
_
_
0 2 1
0 2 1
0 0 0
_
_
.
(b) Veja que Z
2
= (
2

1
)
1
(A
1
I)(
2

3
)
1
(A
3
I). Os valores (
2

1
) = 1
e (
2

3
) = 1. Entao
Z
2
= (1)
_
_
0 0 1
1 1 1
2 2 2
_
_

_
_
2 0 1
1 1 1
2 2 0
_
_
=
_
_
2 2 0
1 1 0
2 2 0
_
_
.
(c) Veja que Z
3
= (
3

1
)
1
(A
1
I)(
3

2
)
1
(A
2
I). Os valores (
3

1
) = 2
e (
3

2
) = 1. Entao
Z
3
=
1
2
_
_
0 0 1
1 1 1
2 2 2
_
_

_
_
1 0 1
1 0 1
2 2 1
_
_
=
1
2
_
_
2 2 1
2 2 1
4 4 2
_
_
.
Agora, nos podemos usar (0.2) para calcular a matriz e
At
, que e dada por
3
e
At
= e
t
Z
1
+ e
2t
Z
2
+ e
3t
Z
3
=
_

_
2e
2t
e
3t
e
t
+ 2e
2t
e
3t
1
2
e
t

1
2
e
3t
e
2t
+ e
3t
e
t
e
2t
+ e
3t

1
2
e
t
+
1
2
e
3t
2e
2t
+ 2e
3t
2e
2t
+ 2e
3t
e
3t
_

_
Exerccio 1. Use seus conhecimentos de derivada e de produto matricial e verique que
d
dt
_
e
At
_
= Ae
At
.
Exemplo 2. Considere o conjunto de todos os valores = {(a, b, c) R
3
, tais que a +
b 1 = 0} e a matriz
A =
_
_
a 0 1
1 b 1
2 2 c
_
_
.
Calcule e
At
.
Calculo de Autovalores de A
Nos vamos usar as ideias que aparecem no Exemplo (1).
Considere a matriz
A I =
_
_
a 0 1
1 b 1
2 2 c
_
_
. (0.8)
Como a + b 1 = 0, vemos que o determinante da matriz em (0.8) e dado por
det(A I) = (a )(b )(c ).
As razes do polinomio det(A I) ou seja as solu coes de det(A I) = 0, sao dadas por

1
= a,
1
= b e
3
= c.
Calculo de Autovetores de A
(i) Observe que os parametros (a, b, c) , entao b a = 1. Substituindo o valor
1
= a
em (0.3) teremos
(A I)(u) =
_
_
0 0 1
1 1 1
2 2 c a
_
_
_
_
x
y
z
_
_
=
_
_
0
0
0
_
_
. (0.9)
4
Resolvemos o Sistema Linear (0.9) por escalonamento e encontramos o conjunto solu cao
que e dado por
S
1
= {(x, y, z) R
3
, tais que z = 0 e x = y} ou S
1
= {x(1, 1, 0), tais que x R}.
Portanto, v

1
= (1, 1, 0) e o Autovetor de A que esta associado ao Autovalor

1
= a.
(ii) Observe que os parametros (a, b, c) , entao a b = 1. Substituindo o valor
2
= b
em (0.3) teremos
(A I)(u) =
_
_
1 0 1
1 0 1
2 2 c b
_
_
_
_
x
y
z
_
_
=
_
_
0
0
0
_
_
. (0.10)
Resolvemos o Sistema Linear (0.10) por escalonamento e encontramos o conjunto
solu cao que e dado por
S
2
= {(x, y, z) R
3
, tais que z = x e
c b 2
2
x = y} ou
S
2
= {y(1,
2 b c
2
, 1), tais que y R}.
Portanto, v

1
= (1,
c b 2
2
, 1) e o Autovetor de A que esta associado ao Auto-
valor
2
= b.
(iii) Substituindo o valor
3
= c em (0.3) teremos
(A I)(u) =
_
_
a c 0 1
1 b c 1
2 2 0
_
_
_
_
x
y
z
_
_
=
_
_
0
0
0
_
_
. (0.11)
Resolvemos o Sistema Linear (0.11) por escalonamento e encontramos o conjunto
solu cao que e dado por
S
3
= {(x, y, z) R
3
, tais que z = (a c)x e x = y} ou
S
3
= {x(1, 1, a c), tais que y R}.
Portanto, v

1
= (1, 1, 2) e o Autovetor de A que esta associado ao Autovalor

3
= c.
5
Calculo de Z
k
, k {1, 2, 3}.
As matrizes (A
1
I), (A
2
I) e (A
3
I) estao das em (0.9), (0.10) e (0.11) respec-
tivamente, os Autovalores agora sao daos por
1
= a,
2
= b
3
= c.
(a) Veja que Z
1
= (
1

2
)
1
(A
2
I)(
1

3
)
1
(A
3
I). Os valores (
1

2
) =
a b = 1 e (
1

3
) = a c. Entao
Z
1
= (
1

2
)
1
(A
2
I)(
1

3
)
1
(A
3
I).
Ou seja
Z
1
=
1
a c
_
_
1 0 1
1 0 1
2 2 c b
_
_

_
_
a c 0 1
1 b c 1
2 2 0
_
_
=
1
a c
_
_
c a 2 2 1
a c + 2 2 1
0 0 0
_
_
.
(b) Veja que Z
2
= (
2

1
)
1
(A
1
I)(
2

3
)
1
(A
3
I). Os valores (
2

1
) =
b a = 1 e (
2

3
) = b c. Entao
Z
2
=
1
b c
_
_
0 0 1
1 1 1
2 2 c a
_
_

_
_
a c 0 1
1 b c 1
2 2 0
_
_
=
1
b c
_
_
2 2 0
a c + 3 b c + 2 0
2 2 0
_
_
.
(c) Veja que Z
3
= (
3

1
)
1
(A
1
I)(
3

2
)
1
(A
2
I). Os valores (
3

1
) = ca
e (
3

2
) = c b. Entao
Z
3
=
1
(c a)(c b)
_
_
0 0 1
1 1 1
2 2 c a
_
_

_
_
1 0 1
1 0 1
2 2 c b
_
_
=
1
(c a)(c b)
_
_
2 2 b c
2 2 c b
2(c a) 2(c a) (c a)(c b)
_
_
.
Agora, nos podemos usar (0.2) para calcular a matriz e
At
, que e dada por
e
At
= e
at
Z
1
+ e
ab
Z
2
+ e
ct
Z
3
=
_

_
(1
2
ca
)e
at

2e
bt
bc

2e
ct
(cb)(ca)
2e
at
ac

2e
bt
bc

e
ct
(ca)(cb)
e
at
e
ct
ca
(1 +
2
ca
)e
at
+
ac+3
bc
e
bt
+
2e
ct
(ca)(cb)
2e
at
ca
+ (1 +
2
bc
)e
bt
+
2e
ct
(ca)(cb)
[e
at
e
ct
]
ac
2[e
bt
e
ct
]
bc
2[e
bt
e
ct
]
bc
e
ct
_

_
6
Exerccio 2. Use seus conhecimentos de derivada e de produto matricial e verique que
d
dt
_
e
At
_
= Ae
At
.
APLICAC

AO DA EXPONENCIAL DE UMA MATRIZ
Vamos examinar o comportamento de um modelo de demanda e oferta com equilbrio de
WALRAS.
Equilbrio de Walras
Sabe-se da microeconomia que em um mercado perfeitemente competitivo o equilbrio e
determinado por por um ponto onde a fun cao demanda e a fun cao oferta assumem o mesmo
valor. Com o auxlio de ferramentas e mecanismos matematicos, especialmente as equa coes
diferenciais, muitas vezes podemos examinar o que acontece quando um sistema economico
nao atua em equilibbrio. As razoes que fazem um mercado atuar em desequilbrio sao varia-
das. Em algumas destas situa coes pode-se obter informa coes sobre o comportamento futuro
do mercado em estudo, usando um modelo matematico adequado e tecnicas especialmente
escolhidas para a analise do modelo mesmo que este mercado atue em desequilbrio. Algumas
perguntas sao naturais.
Se um mercado esta atuando em desequilbrio no instante atual, poderia este
mercado aproximar-se do equilbrio no futuro?
Este e um problema de estabilidade do equilbiro.

E importante lembrar que o equilbrio economico se da quando a soma das for cas economicas
que atuam naquele ponto e zero. Um caso particular em que a soma das for cas economicas
que atuam naquele ponto e zero acontece quando todas as for cas sao zero. Mas pode-se
ter soma de for cas nula sem que nehumas das for cas que atuam seja nula. Esta ideia pode
nos apresentar algumas diferen cas entre dois equilbrios distintos. Nos serao apresentadas
situa coes interessantes acerca deste assunto.
Excesso de demanda e a diferen ca entre entre o pre co que o comprador dispoe-se a pagar
por uma dada quantidade e o pre co que e requerido (to call forth) para ofertar a mesma
quantidade.
Nas hipotese de Walras, quando existe um excesso de demanda positiva (negativa) os
compradores (vendedores) insatisfeitos for cam os pre cos a subir (baixar).
Nas Hipoteses de Marshallian, quando existe um excesso de demanda de pre co positivo
(negativo), produtores esperam poder aproveitar-se do crescimento (prejuducar-se decresci-
mento) da quantidade ofertada.
(A) Em um modelo Walrasiano, equilbrio e estavel se um aumento (decrescimo) de
pre co causdo por positivo (negativo) excesso de demanda, diminui (aumenta) excesso de
excesso de demanda. Isto e
dE(p)
dp
=
d[D(p) S(p)]
dp
< 0,
ou seja
7
dD(p)
dp

dS(p)]
dp
< 0. (0.12)
(B) Em um modelo Marshallian, o equilbrio e estavel se um aumento(decrescimo) na
quantidade, causdo por positivo (negativo) excesso de demanda de pre co, reduz (aumenta)
excesso de excesso de demanda de pre co. Isto e
dE
1
dq

d[p
d
(q) p
s
(q)]
dq
< 0,
ou seja
dp
d
dq

p
s
(q)
dq
< 0.
Como p
d
= p
d
(q) e a inversa da fun cao demanda (D = D(p)) e p
s
= p
s
(q) e a inversa da
fun cao oferta (S = S(p)), segue do Teorema da Fun cao Inversa que
dp
d
dq
=
_
dD
dq
_
1
e que
dp
s
dq
=
_
dS
dq
_
1
.
Portanto,
_
dD
dp
_
1

_
dS
dp
_
1
< 0.
Modelo Dinamico
No modelo dinamico nos formalizamos as hipoteses de comportamento como uma equa coes
funcional, ou a incognita passa a ser uma fun cao que deve ser determinada. Suponhamos
que o preco seja uma fun cao do tempo (p(t)). A formaliza cao dinamica das hipoteses
Walrasianas e a seguinte:
p

= f(D(p) S(p)), (0.13)

onde f e a fun cao sinal (o sinal de f(s) e o mesmo sinal de s), f(0) = 0 e f

(0) > 0.
Ser f a fun coes sinal, signica que se o excesso de demanda for positivo (negativo) a
derivada de p

sera positiva (negativa), o que faz com que a fun cao seja crescente (derescente).
A hipotese f(0) = 0 signica que se a demanda for igual `a oferta p

sera nula (isto indica

equilbrio ou excesso de demanda igual `a zero). A hipotese f

(0) > 0 signica que a fun cao

f e crescente no ponto onde ela passa de valores negativos para positivos.
Vamos supor que f seja linear e as fun coes demanda e oferta sejam lineares dadas por
D(p) = a + bp, S(p) = m + np, (0.14)
onde a, b, m, n sejam constantes reais. Entao a equa cao (0.13) torna-se
p

= c(b n)p + c(a m). (0.15)

8
Vemos que o excesso de demanda igual `a zero se em p
e
=
a m
b n
.

E facil ver que
c(a m) = c(b n)p
e
. Substituindo esta utima expressao em (0.15) teremos
p

= c(b n)(p p
e
). (0.16)
A equaao (0.16) pode ser facilmente resolvida multiplicando ambos os seus membros por
e
c(bn)t
, o que nos da
e
c(bn)t
[p

c(b n)(p p
e
)] = 0. ou seja
d[e
c(bn)t
(p p
e
)]
dp
= 0. (0.17)
Se calcularmos a integral indenida de ambos os membros da ultima igualdade em (0.18)
teremos,
e
c(bn)t
[(p p
e
)] = k, onde k e uma constante a ser determinada.
Multiplicando esta ultima igualdade por e
c(bn)t
e realizando alguns calculos algebricos tere-
mos
p(t) = k[e
c(bn)t
+ p
e
] (solu cao geral de (0.15)). (0.18)
Por ser p
e
o unico equilbrio de (0.13), em (0.18)
Observe que ao nos valermos de algumas tecnicas matematicas determinamos a fun cao pre co
p(t) para todo t real. Entao nao seremos pretenciosos se armarmos que conhecemos com-
pletamente a dinamica dos pre cos em um mercado cujo comportamento seja modelado pela
equa cao (0.13) com demanda e oferta lineares.
Vamos Interpretar Nossas Respostas
Tomemos as expressoes das fun coes demanda e oferta em (0.14) e apliquemos a deni cao
de estabilidade Walrasiana cuja condi cao necessaria expressa em (0.12).Note que a fun cao
sinal (supposta linear) dada por f em (0.13) e dada por f(s) = cs com c > 0.
Walras Estavel Vemos entao, que o equilbrio q
e
de (0.15) sera Walras estavel se
b n < 0.
Isto poder ser observado analisando a expressao da fun cao pre co dada em (0.18). Veja que
lim
t
p(t) = lim
t
[ke
c(bn)t
+ p
e
] = p
e
.
O limite acima nos diz que se o excesso de demanda for negativo, mesmo que o mercado
atue fora do pre co de equilbrio em algum isntante, no futuro, isto e, quando t tende para o
innito, o pre co p(t) no mercado tendera para o pre co de equilbrio p
e
=
a m
b n
.
Walras Instavel Vemos entao, que o equilbrio p
e
de (0.15) sera Walras estavel se
b n > 0.
Isto poder ser observado analisando a expressao da fun cao pre co dada em (0.18). Veja que
9
lim
t
p(t) = lim
t
[ke
c(bn)t
+ p
e
] = .
O limite acima nos diz que se o excesso de demanda for positivo, se o mercado atuar fora do
pre co de equilbrio p
e
=
a m
b n
em algum isntante, no futuro, isto e, quando t tende para o
innito, o pre co p(t) no mercado tendera para o innito, o que nos mostra que o mercado se
descontrolara por completo.
Nosso passo seguinte e analisar a formaliza cao das hipoteses Marshallianna. Veremos ha
uma diferen ca importante na interpreta cao da Walras estabilidade para Marshallian estabi-
lidade.
1 Exemplos e Aplica coes
Exemplo 3. Sejam um subconjunto aberto do espaco vetorial R R
n
, f : E uma
aplicacao contnua e I e o intervalo maximal. Consideremos o seguinte sistema de equacoes
diferenciais
_
_
_
x
1
= x
1
+ x
2
+ 2x
3
x
2
= x
1
+ 2x
2
+ x
3
x
3
= 2x
1
+ x
2
+ x
3
(1.19)
que pode ser escrito na forma
x =
_
_
1 1 2
1 2 1
2 1 1
_
_
_
_
x
1
x
2
x
3
_
_
(1.20)
onde A e a matriz constante e x s ao os vetores coluna, onde x : R R
3
.
Vemos que o sistema 1.20 pode ser escrito como
x = Ax (1.21)
que e um sistema linear homogeneo e sabemos que a solu cao geral e dada por
x(t) = e
t
(1.22)
onde e um n umero real ou complexo e e o vetor constante.
Seja V = C
1
(I, E) e o conjunto das fun coes que tem uma derivada contnua, onde I e
o Intervalo Maximal de deni cao de uma solu cao da equa c ao (1.21). Se S e o conjunto
de todas as solu coes de (1.21), entao S e um subespa co vetorial de V . Tendo A : R
3
R
3
uma transforma cao linear, logo, L(R
3
) o espa co vetorial de todas as transforma coes lineares
de R
3
.
Assim, para obtermos os autovalores de A devemos procurar as solu coes de (1.21) dadas
por e

, tal que R
3
seja nao nulo. Substituindo em (1.21) teremos
e
t
= A(e
t
) Ae
t
e
t
= 0
(A I)(e
t
) = 0, para algum = 0
10
que e equivalente `a (AI) = 0. Vemos que e solu cao de um sistema linear homogeneo
com tres equa coes e tres incognitas cujo interesse e encontrar solu coes nao nulas, ou seja
queremos encontrar C tais que det(A I) = 0. Portanto,
det

_
_
1 1 2
1 2 1
2 1 1
_
_

= 0 (1.23)
o que produz os autovalores

1
= 4,
2
= 1,
3
= 1.
Vamos calcular os vetores R
3
nao nulos tais que por
A =
i
para i {1, 2, 3}. (1.24)
Nossos calculos nos mostram que
1
= (1, 1, 1)
T
e o autovetor assiciado a
1
;
2
=
(1, 2, 1)
T
e o autovetor assiciado a
2
e
3
= (1, 0, 1)
T
e o autovetor assiciado a
3
. Como
os autovalores sao distintos, os autovetores sao linearmente independentes e portanto os tres
vetores v
1
, v
2
, v
3
formam uma bases de R
3
. Assim, a matriz P cujas colunas sao dadas pelos
autovetores (v
1
, v
2
, v
3
), e nao singular e seu determinantre e 6. Ainda P e dada por
P =
_
_
1 1 1
1 2 0
1 1 1
_
_
(1.25)
Nos calculamos a matriz inversa da matriz P
Como A L(R
3
) e temos as matrizes dos autovetores P e sua inversa P
1
, ent

Ao
calculamos e
At
usando o Corolario ??. Portanto, e
At
= P.Diag([e

j
t
]).P
1
.
Assim, temos uma Matriz Fundamental para (1.21) e dada por
X(t) =
_
_
e
4t
e
t
e
t
e
4t
2e
t
0
e
4t
e
t
e
t
_
_
(1.26)
multiplicando agora pela matriz inversa P
1
dos autovetores, teremos
e
At
=
_
_
1
3
e
4t
+
1
6
e
t
+
1
2
e
t 1
3
e
4t

1
3
e
t 1
3
e
4t
+
1
6
e
t

1
2
e
t
1
3
e
4t

1
3
e
t 1
3
e
4t
+
2
3
e
t 1
3
e
4t

1
3
e
t
1
3
e
4t
+
1
6
e
t

1
2
e
t 1
3
e
4t

1
3
e
t 1
3
e
4t
+
1
6
e
t
+
1
2
e
t
_
_
(1.27)
Para analisar a estabilidade da solu cao nula do sistema (1.21) calculamos a norma de e
At
usando a norma de operadores dada em (??). Observamos que se escolhermos a terceira co-
luna da matrize (1.27) e denirmos (e
4t
, e
4t
, e
4t
)
T
= (t) teremos (t) =
_
(e
4t
)
2
+ (e
4t
)
2
+ (e
4t
)
2
=

3e
4t
. Agora, a norma da matriz fundamental (ver (??)) satisfaz e
At
sup
t(0,)
(t) = .
Assim, pela deni cao (??), nos temos que a solu cao nula do sistema (1.21 nao e estavel.
Agora vamos analisar um exemplo onde a multiplicidade algebrica dos autovalores envol-
vidos e maior que um.
11
Exemplo 4. Consideremos o sistema
x =
_
_
_
_
1 1 1 0
0 1 0 1
0 1 1 1
0 0 0 1
_
_
_
_
_
_
_
_
x
y
w
v
_
_
_
_
(1.28)
Vamos calcular os autovalores para o sistema (1.28), isto e queremos encontrar solu coes
de (1.28) do tipo e
t
para C e R
4
, = 0. Derivando teremos e
t
= A(e
t
) que
e equivalente a det(A I) = 0. Assim,
det
_
_
_
_
1 1 1 0
0 1 0 1
0 1 1 1
0 0 0 1
_
_
_
_
= 0 (1.29)
O que nos da o polinomio caracter

Astico
() =
4
4
3
+ 6
2
4 + 1 = 0
logo os autovalores serao

1
=
2
=
3
=
4
= 1
vericamos que os autovalores tem multiplicidade algebrica maior que um. Nosso problema
agora e determinar todos os autovetores que estao associados ao autovalor
1
= 1. Entao
devemos procurar solu coes de (1.28) do tipo
x(t) = te
t
+ e
t
, para , = 0
onde
_
(A I) = 0
(A I) =
, (1.30)
o que e equivalente a procurar solu coes de (1.28) onde estejam envolvidos produtos de
polinomios com fun coes exponenciais, como na serie
e
t
= 1 + t +
1
2!

2
t
2
+ . . . +
1
n!

n
t
n
.
ja que existem k autovetores linearmente independentes a autovalor , inicialmente vamos
procurar e tais queo x(t) = te
t
, seja solu cao de (1.28), assim,
te
t
+ e
t
= A(te
t
) = e
t
[t + ] = te
t
A, ou seja
t + tA = 0, para todo t ,
o que produz = 0 e nao nos interessa. Tomemos agora x(t) = te
t
+ e
t
, onde e sao
vetores constantes nao nulos.
Substituindo x(t) no sistema (1.28) obtemos
12
te
t
+ e
t
( + ) = A(te
t
+ e
t
)
ou seja
t + + 2 = tA + A
Por identidade de polinomios temos que e devem satisfazer
_
A =
A = +
(1.31)
o que implica que as igualdades em (1.30) estao satisfeitas.
Este procedimento deve ser repetido ate obtermos o n umero m aximo de solu coes indepen-
dentes que satisfa cam o sistema (1.28)(ver [4]).
Assim, ao nal do procedimento acima encontramos a base de autovetores do sistema
(1.28) que sao geradores para R
n
dada pelos vetores
x
1
(t) = e
t
(1, 0, 0, 0)
T
x
2
(t) = te
t
(1, 0, 0, 0)
T
+ e
t
(0, 0, 1, 0)
T
= (te
t
, 0, e
t
, 0)
T
x
3
(t) =
t
2
2
e
t
(1, 0, 0, 0)
T
+ te
t
(0, 0, 1, 0)
T
+ e
t
(0, 1, 1, 0) = (
t
2
2
e
t
, e
t
, e
t
(t 1), 0)
T
x
4
(t) =
t
3
6
e
t
(1, 0, 0, 0)
T
+
t
2
2
e
t
(0, 0, 1, 0)
T
+ te
t
(0, 1, 1, 0)
T
+ e
t
(0, 0, 0, 1)
T
=
(
t
3
6
e
t
, te
t
, e
t
(
t
2
2
t), e
t
)
T
.
Que formam a Matriz Fundamental do sistema (1.28)
X(t) =
_
_
_
_
_
_
_
e
t
te
t
t
2
2
e
t
t
3
6
e
t
0 0 e
t
te
t
0 e
t
e
t
(t 1) e
t
(
t
2
2
t)
0 0 0 e
t
_
_
_
_
_
_
_
(1.32)
uma vez que os autovetores encontrados para o sistema (1.28) sao solu coes Linearmente
Independentes
Assim, pelo Lema (??), que e
At
= X(t)X(0)
1
onde
X(0)
1
=
_
_
_
_
1 0 0 0
0 1 1 0
0 1 0 0
0 0 0 1
_
_
_
_
(1.33)
entao
13
e
At
=
_
_
_
_
_
_
_
e
t
e
t
(t
t
2
2
) te
t
t
3
6
e
t
0 e
t
0 te
t
0 te
t
e
t
e
t
(t +
t
2
2
)
0 0 0 e
t
_
_
_
_
_
_
_
(1.34)
Agora analisaremos a estabilidade do sistema (1.28), para isso calcularemos a norma
de e
At
, usando a norma de operadores dada em (??). Observamos que se escolhermos
a primeira coluna da matriz (1.34) e denirmos (e
t
, 0, 0, 0)
T
= (t) teremos (t) =
_
(e
t
)
2
+ 0
2
+ 0
2
+ 0
2
= e
t
. Agora, a norma da matriz fundamental (ver (??)) satisfaz
e
At
sup
t(0,)
(t) = .
Assim, pela deni cao (??), nos temos que a solu cao nula do sistema (1.21 nao e estavel.
DUOP

OLIO DE COURNOT COM CUSTOS MARGINAIS CONSTANTES

Exemplo 5. (ver [8])
Considere o duop

lio de Cournot, em que as duas empresas produzem o mesmo produto

e tem custos marginais constantes c
1
e c
2
. O preco de mercado P(t) para este produto e dado
em fun cao da quantidade total Q(t) produzida que e vendida, isto e
P(t) = a
0
a
1
Q(t), a
0
, a
1
> 0
Cada uma das empresas deseja maximizar seus lucros mas ela deve ajustar o lucro no sentido
da maximizacao das vendas. A quest ao e saber se este vetor preco que maximiza o lucro
das empresas e est avel.
Neste estudo faremos algumas restri coes sobre o lucro, planejamento e ajuste de vendas
realizados de cada uma das empresa. No instante t, a rma i lucra
i
(t), i = 1, 2, que e dado
por

i
(t) = Q
i
(t)P(t) c
i
Q
i
(t), c
i
> 0, i = 1, 2, (1.35)
onde Q
i
e a quantidade produzida que e vendida pela i- empresa. Notemos que Q = Q
i
+Q
j
.
No planejamento de produ cao , cada empresa supoe que a outra mantera seu nvel de vendas
inalterado. Isto e simplicado para mostrarmos que a seguinte solu cao Q
i
(t) maximiza

i
(t), i = 1, 2.
Q
i
(t) = A
i

Q
j
(t)
2
, i, j = 1, 2 e i = j,
(1.36)
onde A
i
=
a
0
c
i
2a
1
.
Suponhamos que cada empresa ajusta suas quantidades produzidas Q
i
(t) para que sua
venda esteja o proximo a quantidade que maximiza o seu lucro Q
i
(t). Esta ideia pode ser
modelada pela equa cao diferencial dada por
14

Q
i
=
i
(Q
i
Q
i
),
i
> 0, (1.37)
onde
i
i {1, 2} e a velocidade de ajustamento. De (1.35) temos

i
(t) = Q
i
(t)P(t) c
i
Q
i
(t), temos P(t) = a
0
a
1
(Q
i
(t) + Q
j
(t))

i
(t) = Q
i
(t)(a
0
a
1
(Q
i
(t) Q
j
(t))) c
i
Q
i
(t)

i
(t) = a
0
Q
i
(t) a
1
Q
2
i
(t) a
1
Q
i
(t)Q
j
(t) c
i
Q
i
(t)
Como queremos maximizar o lucro para a quantidade produzida da empresa i, isto e, Q
i
deve satisfazer,

i
(t)
max
Q
i
(t)
= a
0
2a
1
Q
i
(t) a
1
Q
j
(t) c
i
= 0 Q
i
(t) =
a
0
c
i
2a
1

Q
j
(t)
2
, i, j = 1, 2 e i = j
(ver (1.36)). Da equa cao (1.37) segue que Q
i
(t) =

Q
i

i
+ Q
i
, usando (1.36), teremos
A
i

Q
j
(t)
2
=

Q
i

i
+ Q
i
2A
i

i
Q
j
=

Q
i
+ 2
i
Q
i
entao

Q
i
= A
i

i
Q
j
2

i
Q
i
o que nos leva ao sistema
_

Q
1

Q
2
_
=
_

1
2

2
2

2
_

_
_
Q
1
Q
2
_
+
_
A
1

1
A
2

2
_
. (1.38)
Como iliustra cao, tomaremos
1
=
2
= , a
0
= 9, a
1
= 1ec
1
= c
2
= 3. Assim, o sistema
(1.38) tera a forma
_

Q
1

Q
2
_
=
_

2

_

_
_
Q
1
Q
2
_
+
_
3
3
_
. (1.39)
Notamos que o sistema (1.39) e um Sistema Linear Nao-Homogeneo, e pode ser escrito como

Q = AQ + B. (1.40)
Para estudar a estabilidade do equilbrio

Q e necessario encontrar os autovalores e seus
respectivos autovetores, da matriz A dada no sistema (1.39) que sao os valores de C que
satisfazem
det(A I) = 0
isto e
15
det
_
_
_

2

_
_
_
= 0. (1.41)
Entao os autovetores que procuramos sao os valores C que anulam o polinomio carac-
terstico
p() = 4
2
+ 8 + 3
2
.
que sao dados por

1
=

2
,
2
=
3
2
.
Vamos calcular os autovetores associados aos autovalores
1
=

2
e
2
=
3
2
. Procu-
ramos por vetores R
2
nao nulos tais que
A =
i
para i {1, 2}. (1.42)
Vemos que o autovalor
1
esta associado ao autovetor
1
= (1, 1)
T
, e o autovalor
2
esta
associado ao autovetor
2
= (1, 1)
T
.
Agora, podemos calcular uma Matriz Fundamental da parte linear de (1.40) que e dada
por
X(t) =
_
e
t
2
e
3t
2
e
t
2
e
3t
2
_
. (1.43)
Como o sistema (1.39) e um Sistema nao Linear, para encontrarmos a solu cao geral,
utilizaremos o metodo da Varia

Ao dos Parametros. Queremos uma fun cao matricial

dada por
Q(t) = X(t)u(t),
seja solu cao de (1.39) com u(t) que satisfaz X(t)u

(t) = B(t), onde B(t) esta descrita no

sistema (1.40). Calcularemos entao X(t)u

(t) = B(t), o que nos da

_
e
t
2
e
3t
2
e
t
2
e
3t
2
_
_
u

1
u

2
_
=
_
3
3.
_
(1.44)
Encontramos as fun coes
u
1
(t) = c
1
, e
u
2
(t) = 2e
3t
2
+ c
2
e assim podemos resolver
Q(t) = X(t)u(t),
16
_
e
t
2
e
3t
2
e
t
2
e
3t
2
_
_
c
1
2e
3t
2
+ c
2
_
=
_
c
1
e
t
2
+ 2 + e
3t
2
c
2
c
1
e
t
2
+ 2 + e
3t
8
c
2
_
(1.45)
que pode ser escrita na forma
Q(t) = (2 + c
1
e
t
2
+ c
2
e
3t
2
; 2 c
1
e
t
2
+ c
2
e
3t
2
)
ou
Q
1
(t) = 2 + c
1
e
t
2
+ c
2
e
3t
2
Q
2
(t) = 2 c
1
e
t
2
+ c
2
e
3t
2
.
Fazendo t = 0, temos
Q
1
(0) = 2 + c
1
+ c
2
= Q
10
Q
2
(0) = 2 c
1
+ c
2
= Q
20
que nos da
c
1
= Q
10
Q
20
c
2
=
Q
10
+ Q
20
2
2
portanto, a solu cao do sistema (1.40) e dada por
Q
1
(t) = 2 + (Q
10
Q
20
)e
t
2
+
_
Q
10
+ Q
20
2
2
_
e
3t
2
Q
2
(t) = 2 (Q
10
Q
20
)e
t
2
+
_
Q
10
+ Q
20
2
2
_
e
3t
2
.
Vamos analisar o Retrato de Fase do sistema (1.40)
Q(t) =
_
2 + c
1
e
t
2
+ c
2
e
3t
2
; 2 c
1
e
t
2
+ c
2
e
3t
2
_
. (1.46)
Fazendo c
1
= 0 na expressao (1.46) teremos
Q(t) =
_
2 + c
2
e
3t
2
; 2 + c
2
e
3t
2
_
, (1.47)
analisando (1.47) se c
2
> 0; para t , Q(t) (2, 2); e quando t , Q(t)
(, ). Se em (1.47) tomarmos c
2
< 0; se t , Q(t) (2, 2); se t , Q(t)
(, ).
Agora, fazendo c
2
= 0 na expressao (1.46) teremos
Q(t) =
_
2 + c
1
e
t
2
; 2 c
1
e
t
2
_
(1.48)
o que de (1.48) resulta em; se c
1
> 0 e t Q(t) (2, 2); se t Q(t) (, ).
Ainda, se em (1.47) tomarmos c
1
< 0 para t teremos Q(t) (2, 2) e para t
teremos (, ). Um esbo co destas situa coes pode ser observada no graco abaixo.
17
GRAFICO 2.
Com as modica coes que foram realizadas no sistema original vemos que o ponto de equilbrio

Q = (2, 2).
Analisaremos a estabilidade da solu cao constante Q(t) =

Q do modelo (1.40). Calculando a
norma de operadores dada em (??), observamos que se escolhermos a primeira coluna da ma-
triz (1.43) e denirmos
_
e
t
2
, e
t
2
_
T
= (t), teremos |(t)| =
_
_
e
t
2
_
2
+
_
e
t
2
_
2
=

2 e
t
2
. Agora, a norma da matriz fundamental(1.43), temos que X(t) = sup
t(0,)
(t) =

2.
Assim, pela deni cao de (??), concluimos que o modelo (1.39) e estavel, e ainda pelo
Teorema (?? iii) podemos ver que
lim
t
|X(t)| = 0.
(1.49)
Portanto,
|X(t)| 0, para t ,
assim, podemos concluir que o equilbrio

Q para o modelo (1.39)

A c assintoticamente
estavel.
DUOP

OLIO DE COURNOT E CUSTOS MARGINAIS CRESCENTES

Exemplo 6. (ver [8])
Considere o duop olio de Cournot, em que as duas empresas produzem o mesmo produto
e fun coes de custo total est ao especicadas como 3Q
2
i
(t), onde Q
i
e a quantidade que a i-
esima empresa vende. Veja que os custos marginais, 6Q
i
(t), n ao s ao constantes. O preco de
mercado P(t) e em fun cao da quantidade total Q(t) produzida e que e vendida, especicada
por
P(t) = 9 Q(t)
onde Q = Q
i
+ Q
j
Cada empresa deseja maximizar seus lucros, mas elas devem ajustar o lucro em direcao
a maximizacao das vendas. A quest ao e saber se o preco de venda com lucros maximizados
e est avel.
Em nosso estudo faremos algumas restri coes sobre o lucro,
planejamento e ajuste de vendas realizados por cada empresa. Neste caso no instante t,
a empresa lucra
i
(t) dada por

i
(t) = Q
i
(t)P(t) 3Q
2
i
(t) (1.50)
18
No planejamento de produ cao cada empresa supoe que a outra mantera seu nvel de venda
inalterado. Esta simplica cao nos mostra que o lucro
i
(t) e maximizado pelo valor Q
i
(t)
que e dado por
Q
i
(t) =
9
8

Q
j
(t)
8
, i, j = 1, 2 e i = j.
(1.51)
Suponhamos, ainda, que cada empresa ajusta suas vendas Q
i
(t) em dire cao a Q
i
(t) de
maneira que

Q
i
=
i
(Q
i
Q
i
)
i
> 0. (1.52)
Vamos realizar alguns calculos para encontrar o valor Q
i
(t). De (1.50) temos que

i
(t) = Q
i
(t)P(t) 3Q
2
i
(t), temos P(t) = 9 Q
i
(t) Q
j
(t)

i
(t) = Q
i
(t)(9 Q
i
(t) Q
j
(t)) 3Q
2
i
(t)

i
(t) = 9Q
i
(t) Q
2
i
(t) Q
i
(t)Q
j
(t) 3Q
2
i
(t) = 9Q
i
(t) 4Q
2
i
(t) Q
i
(t)Q
j
(t).
Como queremos maximizar o lucro pela quantidade produzida da empresa i, isto e, Q
i
deve
satisfazer,

i
(t)
max
Q
i
(t)
= 9 8Q
i
(t) Q
j
(t) = 0 entao Q
i
(t) =
9
8

Q
j
(t)
8
, i, j = 1, 2 e i = j,
dessa forma chegamos em Q
i
(t) da equa cao (1.51). Da equa cao (1.52) temos Q
i
(t) =

Q
i

i
+Q
i
portanto, usando (1.51) temos
9
8

Q
j
(t)
8
=

Q
i

i
+ Q
i
entao 9
i

i
Q
j
= 8

Q
i
+ 8
i
Q
i
entao 8

Q
i
= 9
i

i
Q
j
8
i
Q
i
portanto,

Q
i
=
9
8

Q
j
(t)
i
8

i
Q
i
, que nos leva ao sistema
_

Q
1

Q
2
_
=
_

1
8

2
8

2
_

_
_
Q
1
Q
2
_
+
_

_
9
1
8
9
2
8
_

_
. (1.53)
Como iliustra cao, tomaremos
1
=
2
= . Assim teremos o sistema
_

Q
1

Q
2
_
=
_

8

_

_
_
Q
1
Q
2
_
+
_

_
9
8
9
8
_

_
, (1.54)
19
observamos que o sistema (1.54) e um Sistema Linear Nao-Homogeneo, que pode ser escrito
como

Q = AQ + B. (1.55)
Entao precisaremos encontrar os autovalores e os respectivos autovetores, para o sistema
(1.55). Os autovalores sao os valores C tais que
det(A I) = 0.
ou seja
det
_
_
_

8

_
_
_
= 0 (1.56)
o que nos da o polinomio caracterstico de (1.56), dado por
p() =
2
+ 2 +
2

2
64
cujas razes sao dada por

1
=
7
8
,
2
=
9
8
.
Vamos encontrar os autovetores associados `a estes autovalores, que sao os vetores R
2
tais que
A = (1.57)
assim, temos que para ao autovalor
1
esta associado o autovetor
1
= (1, 1)
T
, e ao auto-
valor
2
esta associado o autovetor
2
= (1, 1)
T
.
Com os autovetores para o sistema (1.55), calculamos a Matriz Fundamental
X(t) =
_
e
7t
8
e
9t
8
e
7t
8
e
9t
8
_
. (1.58)
Como o sistema (1.54) e um Sistema Linear Nao-Homogeneo, para encontrarmos a solu cao
geral, utilizaremos o Metodo da Varia cao dos Parametros, ou seja
Q(t) = X(t)u(t), (1.59)
onde u(t) e uma fun cao tal que Q(t) e solu cao de (1.55).
Agora calcularemos u(t) que satisfa ca X(t)u

(t) = B(t) (B esta dado em (1.55)). Entao

_
_
_
_
e
7t
8
e
9t
8
e
7t
8
e
9t
8
_
_
_
_
_
_
_
_
u

1
u

2
_
_
_
_
=
_
_
_
_
_
9
8
9
8
_
_
_
_
_
(1.60)
20
de (1.60) encontramos os valores
u
1
(t) = c
1
e
u
2
(t) = e
9t
8
+ c
2
.
Podemos resolver agora (1.59)
_
e
7t
8
e
9t
8
e
7t
8
e
9t
8
_
_
c
1
e
9t
8
+ c
2
_
=
_
c
1
e
7t
8
+ 1 + e
9t
8
c
2
c
1
e
7t
8
+ 1 + e
9t
8
c
2
_
(1.61)
que pode ser escrito da forma
Q(t) =
_
1 + c
1
e
7t
8
+ c
2
e
9t
8
; 1 c
1
e
7t
8
+ c
2
e
9t
8
_
ou
Q
1
(t) = 1 + c
1
e
7t
8
+ c
2
e
9t
8
Q
2
(t) = 1 c
1
e
7t
8
+ c
2
e
9t
8
.
Fazendo t = 0, temos que
Q
1
(0) = 1 + c
1
+ c
2
= Q
10
Q
2
(0) = 1 c
1
+ c
2
= Q
20
isto nos rende
c
1
=
Q
10
Q
20
2
c
2
=
Q
10
+ Q
20
2
1
portanto, temos como solu cao do sistema (1.54)
Q
1
(t) = 1 +
_
Q
10
Q
20
2
_
e
7t
8
+
_
Q
10
+ Q
20
2
1
_
e
9t
8
Q
2
(t) = 1
_
Q
10
Q
20
2
_
e
7t
8
+
_
Q
10
+ Q
20
2
1
_
e
9t
8
.
(1.62)
Vamos fazer uma analise do Retrato de Fase do sistema (1.55). Escrevendo
Q(t) =
_
1 + c
1
e
7t
8
+ c
2
e
9t
8
; 1 c
1
e
7t
8
+ c
2
e
9t
8
_
(1.63)
Agora, fazendo c
1
= 0 na expressao (1.63) temos
Q(t) =
_
1 + c
2
e
9t
8
; 1 + c
2
e
9t
8
_
(1.64)
21
analisando (1.64) vemos que, se c
2
> 0; para t , Q(t) (1, 1); e quando t
, Q(t) (, ). Se em (1.64) tomarmos c
2
< 0; se t , Q(t) (1, 1); se t
, Q(t) (, ).
Fazendo c
2
= 0 na expressao (1.63) temos
Q(t) =
_
1 + c
1
e
7t
8
; 1 c
1
e
7t
8
_
(1.65)
o que de (1.65) resulta em; se c
1
> 0 e t , Q(t) (1, 1); se t , Q(t)
(, ). Ainda, se em (1.65) tomarmos c
1
< 0 para t , teremos Q(t) (1, 1) e para
t , teremos (, ). Um esbo co destas situa coes pode ser observada no graco
abaixo.
GRAFICO 1
Com as modica coes que foram realizadas no sistema original vemos que o ponto de
equilbrio

Q = (1, 1).
Analisaremos a estabilidade da solu cao constante Q(t) =

Q do modelo (1.55). Calcu-
lando a norma de operadores dada em (??), observamos que fazendo maxX(t) temos para
a primeira coluna da matriz (1.43) o equivalente
_
e
7t
8
, e
7t
8
_
T
= (t), logo teremos
|(t)| =
_
_
e
7t
8
_
2
+
_
e
7t
8
_
2
=

2 e
7t
8
, j

A para a segunda coluna da matriz (1.43)

temos,
_
e
9t
2
, e
9t
2
_
T
= (t), assim teremos |(t)| =
_
_
e
9t
2
_
2
+
_
e
9t
2
_
2
=

2 e
9t
2
.
Agora, a norma da matriz fundamental (1.58), e dada pelo max{(t), (t)}, assim temos
que X(t) = sup
t(0,)
(t) =

2.
Assim, pela deni cao de (??), concluimos que o modelo (1.54) e estavel, e ainda pelo
Teorema (??)(iii) podemos ver
|X(t)| 0, para t
assim o modelo (1.54) e assintoticamente estavel.
Isso nos garante que o ponto de equilbrio (1, 1), apos um longo tempo, permitira que as
empresas quem proximas ao seus nveis de produ cao que maximizam seus lucros indepen-
dentemente da produ cao inicial de cada empresa.
22
Referencias
[1] Amann, H. Ordinary Dierential Equations - An Introduction to Nonlinear
Analysis, Berlin, New York, Walter de Gruyter, 1990.
[2] Boyce, W.E.; Di Prima, R.C. Equacoes Diferenciais Elementares e Problemas
de Valores de Contorno, 7d ed., Rio de Janeiro, Livros T

A c cnicos e Cient

Acos
Editora, 2002.
[3] Braun, M. Dierential Equations and Their Applications, New York, Springer-
Verlag, 1978.
[4] Cassago Jr., H.; Crema, J.; Ladeira, L.A.C. Equacoes Diferenciais Ordin

Arias
(Apostila), S

Ao Carlos, ICMC, 2005.

[5] Domingues, H.D.; Callioli, C. A.; Costa, R.C.F.; Algebra linear e plicacoes Atual
Editora; 1978.
[6] Perko, L. Dierential Equations and Dynamical Systems, 2d ed., New York,
Springer-Verlag, 1996.
[7] Rudin, W. Principles of mathematical analysis, 3d ed, New York, McGraw-Hill,
1976.
[8] Zhang, W.B. Dierential Equations, Bifurcations, and Chaos in Economics,
London, World Scientic, 2005.
23