Modelos matemticos a

Ulysses Sodr e
Londrina-PR, 27 de Junho de 2007

Conte do u
1 Introducao aos modelos matemticos a 2 Conceito de modelo matemtico a 3 O papel de um modelo em pesquisa cientca 4 Aspectos essenciais na construcao do modelo 5 Modelos mecansticos e modelos empricos 5.1 Modelos mecan sticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2 Modelos emp ricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.3 Modelos, dados previstos e dados experimentais . . . . . . . . . . . . . . 5.4 Computacao e Estat stica . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.5 Contrastes entre os tipos de modelos . . . . . . . . . . . . . . . . . . . . 5.5.1 Pontos fortes do mtodo mecan e stico . . . . . . . . . . . . . . . . 5.5.2 Pontos fortes do mtodo emp e rico . . . . . . . . . . . . . . . . . . 5.6 A Formulacao de um modelo matemtico . . . . . . . . . . . . . . . . . . a 5.7 Problema bem posto no sentido Hadamard . . . . . . . . . . . . . . . . . 3 3 4 5 6 6 7 8 8 9 9 10 10 11

Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

 CONTEUDO

5.8 Esquema do modelo matemtico . . . . . . . . . . . . . . . . . . . . . . a 6 Equacoes Diferenciais Ordinrias: y=f(x,y) a 6.1 Elementos gerais de EDO . . . . . . . . . . . . . . . . . . . . . . . . . .

11 12 12 12 13 13 14 14 14 15 16 23 24 26

6.2 EDO Separvel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . a 6.3 EDO Homognea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 6.4 EDO Exata . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.5 EDO Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.6 Solucao de uma EDO da forma y=f(x,y) . . . . . . . . . . . . . . . . . . 6.7 Aplicacoes das EDO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 Modelos Populacionais 7.1 Resolucao de EDO separveis . . . . . . . . . . . . . . . . . . . . . . . . a 7.2 Esquema usado para o modelo populacional . . . . . . . . . . . . . . . . 8 Modelos Matemticos como uma disciplina a Bibliograa

Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

Secao 1 Introducao aos modelos matemticos a

Introducao aos modelos matemticos a

Modelos matemticos so utilizados em muitos campos da atividade humana, como: a a Matemtica, Economia, F a sica, Qu mica, Biologia, Psicologia, Comunicacao, Demograa, Astronomia, Engenharia, etc. ` Muitos problemas prticos necessitam usar modelos matemticos e as vezes, as situacoes a a so muito diferentes, mas a abordagem e a losoa subjacentes so as mesmas. a a Como se v em [2], existe uma forma matemtica unicada para tratar muitas teorias e a cient cas e matemticas e tais tcnicas podem ser descritas como uma dinmica geral, a e a que tem sido desenvolvida em areas conhecidas como Teoria de Sistemas e Teoria de Controle, como o caso do Clculo Diferencial e Equacoes Diferenciais. e a H muitos textos expondo estes tpicos em todos os n a o veis, embora acreditemos que o conhecimento do Clculo Diferencial e Integral e Equacoes Diferenciais [1], podero a a facilitar os trabalhos no progresso com problemas de modelagem.

Conceito de modelo matemtico a

Conceitualmente, um modelo matemtico ou simplesmente modelo, pode ser apresena tado como uma representacao de um sistema real, o que signica que um modelo deve representar um sistema e a forma como ocorrem as modicacoes no mesmo. O ato de modelar, conhecido como modelagem, pode ser aplicado a um grande n mero u de problemas. Por exemplo, o estudo da anlise ambiental nas proximidades de um rio, a a forma da asa de um avio, um sistema econmico, uma cultura agr a o cola, um estudo populacional, um estudo f sico, e at mesmo um sistema matemtico como o conjunto e a dos n meros naturais. u O objetivo mais importante de um modelo que ele permite o entender o prprio e o modelo de uma forma simples ou ento descrever este modelo mais completamente, a de modo que o modelo possa ser to preciso quanto o mundo real. a Um modelo normalmente uma simplicacao do mundo real ou alguma forma convee niente de trabalhar com este mundo, mas as caracter sticas essenciais do mundo real devem aparecer no modelo, de modo que o seu comportamento seja igual ou semel` hante aquele do sistema modelado. Um modelo pode ser real ou abstrato. O modelo abstrato mais simples e bonito que eu conheco o sistema dos n meros naturais, esbocado por G. Peano. e u

Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

Secao 3 O papel de um modelo em pesquisa cientca

Em diversos exemplos, a anlise ambiental de um rio e a forma da asa de um avio ou a a o aeroflio de um carro de corrida, usual construir modelos f o e sicos e fazer as medidas nos prprios modelos. o Em um sistema econmico ou em um estudo de uma populacao, devemos usar um o modelo abstrato e empregar a linguagem matemtica para denir o modelo. a No normal tratar a populacao como cobaia, como acontece algumas vezes em nosso a e planeta. Na seq ncia, trataremos sobre modelos abstratos, que podem ser descritos por equacoes ue matemticas, portanto usaremos o termo modelo para representar modelo matemtico. a a Um modelo matemtico consiste de um conjunto de equacoes que representam de uma a forma quantitativa, as hipteses que foram usadas na construcao do modelo, as quais se o apoiam sobre o sistema real. Tais equacoes so resolvidas em funcao de alguns valores a conhecidos ou previstos pelo modelo real e podem ser testadas atravs da comparacao e com os dados conhecidos ou previstos com as medidas realizadas no mundo real. As equacoes matemticas de um modelo no proporcionam a prpria explicacao cient a a o ca do modelo, mas simplesmente interpretam as hipteses de um ponto de vista quantio tativo, dando-nos a condicao de deduzir conseqncias e mostrar-nos onde esto os ue a detalhes que devero ser aceitos ou recusados. a Na seq ncia, tentaremos ampliar esta denicao bsica detalhando outros passos imue a portantes no processo.

O papel de um modelo em pesquisa cientca

Ao considerar a aplicacao do modelo constru para a pesquisa, podemos observar que do esta pesquisa pode ser decomposta em duas grandes categorias: qualitativa e quantitativa. Na pesquisa qualitativa algumas perguntas comuns so: a 1. O que acontece? 2. Acontece alguma coisa? Na pesquisa quantitativa algumas perguntas comuns so: a 1. Quantos satisfazem o modelo? 2. Como ocorre a modicacao?

Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

Secao 4 Aspectos essenciais na construcao do modelo

Com estas perguntas, modelos matemticos podem ser largamente utilizados e existem a alguns problemas nas cincias nos quais o mtodo no o mais importante. Um simples e e a e racioc lgico , as vezes, adequado a vrios problemas e a introducao do formalismo nio o e ` a matemtico mais delicado, destri a simplicidade do racioc a o nio. Modelagem no um mtodo que resolve todos os problemas e aplicar a modelagem de a e e forma desorganizada poder levar o pesquisador a car frustrado e desiludido, tendo a uma imagem ruim do mesmo, que no bem aceita por todos os pesquisadores. a e Muitos pesquisadores usam a modelagem como uma novidade, pensando que se trata de uma nova ferramenta matemtica, o que no o caso, pois modelagem nada mais a a e do que um teste de hipteses quantitativo que tem sido usado com sucesso h muitas e o a centenas de anos na Matemtica e nas cincias. O que tem de novo que est ocorrendo a e e a um uso intenso deste mtodo em sistemas reais, ao contrrio da abordagem tradicional. e a O valor prtico da modelagem depende da: natureza do problema, ajuda do pesquisador a e tipo de modelo matemtico escolhido. a

Aspectos essenciais na construcao do modelo

Vrios aspectos sero discutidos com detalhes na seqncia, mas alguns pontos sero a a ue a salientados: 1. Devemos possuir uma base matemtica muito boa para formular as hipteses que a o permitiro um melhor entendimento quantitativo dos objetos reais e a resposta a no mundo real; ` 2. As vezes, a construcao do modelo pode ajudar a identicar informacoes em que o conhecimento e os dados sejam insucientes; 3. A modelagem pode estimular idias e abordagens experimentais; e 4. A modelagem poder reduzir a importncia dos experimentos no prprio local, a a o habilitando o modelo experimental a dar respostas a questes particulares entre o algumas hipteses alternativas; o ` 5. Comparados com os mtodos tradicionais, as vezes, modelos fazem um melhor e uso dos dados, que se tornam cada vez mais precisos, porm mais dif e ceis de obter; 6. Informacoes do mundo real, podem ser passadas para o modelo matemtico, a dando uma abordagem unicada e muitas vezes estimulando a colaboracao e o trabalho em equipe;

Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

Secao 5 Modelos mecansticos e modelos empricos

7. Com muita freqncia, o modelo proporciona um resumo conveniente dos dados; ue 8. Em modelos, podemos usar mtodos de interpolacao, aproximacao, extrapolacao e ou de previso dos dados; a 9. Um bom modelo pode ser usado para sugerir prioridades para a pesquisa e desenvolvimento aplicados. Se a sugesto for usada com cautela, poder ajudar o a a responsvel pela pesquisa a tomar decises importantes. a o

Modelos mecansticos e modelos empricos

Existem pelo menos duas abordagens diferentes para o uso de modelos em pesquisa, sendo que cada uma delas escolhida em funcao do que se espera que o modelo e importante que o pesquisador esteja advertido soseja: mecan stico ou emp rico. E bre os objetivos do modelo, de modo que estes sejam real sticos e isto poder salva a lo de comprometer-se com modelagem quando o modelo no estiver apropriado, ou a quando estiver construindo uma classe errada de modelos. Os dois tipos de modelos: mecan stico ou emp rico, sero considerados na seq ncia. a ue

5.1

Modelos mecansticos

Se desejarmos entender a resposta de um sistema cient co em termos de um mecanismo, um modelo mecan stico dever ser usado. Este tipo de modelo pode ser cona stru pela viso da estrutura do sistema, dividindo-se o sistema em vrias compodo a a nentes e tentando entender o comportamento do todo o sistema atravs de cada parte e e atravs das interacoes que ocorrem com as partes. e Ao tentar construir um modelo mecan stico, necessrio construir algumas hipteses e a o sobre quais devem ser as componentes (tambm conhecidas como variveis) que so e a a importantes no sistema, quais delas devem ser ignoradas e como elas devem se comportar. Estas hipteses so a base deste tipo de modelo. o a A seguir, o modelo deve ser descrito matematicamente e as hipteses devero aparecer o a nas equacoes. Os dois passos mais importantes na construcao desses modelos, so: construcao das a hipteses e descricao matemtica. Estes devem assumir que determinadas compoo a nentes devem obedecer a determinadas equacoes. Estas duas etapas no processo de modelagem mecan stica, fornecem o conte do real do modelo neste estgio e elas so u a a muito facilitadas.

Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

5.2

Modelos empricos

Finalmente, as equacoes devem ser resolvidas e as solucoes, que podero ser funcoes a ou n meros, sero as previses dos dados atravs do modelo. u a o e Os prximos passos analisam a solucao, comparando-a com os valores previstos com os o dados experimentais. Nesta fase gastamos muito tempo e cometemos erros. Quando um modelo testado pela comparacao de suas previses com os dados expere o imentais, na verdade, testamos tambm as hipteses do modelo, considerando que os e o trabalhos algbricos e numricos tenham sido executados sem erros. e e Em virtude do enorme investimento de tempo e esforco, as vezes necessrio ver um ` e a modelo atravs dos dois ultimos estgios, pois existe um perigo real que pode vir a ocore a rer para um particular modelo. Em outras palavras, mesmo quando se percebe com o passar do tempo que as hipteses iniciais no eram to boas quanto se poderia esperar, o a a algumas pesquisadores deixam de mudar as hipteses porque isto gera a repeticao do o trabalho de solucao e comparacao. Aqui est um erro grav a ssimo do pesquisador.

5.2

Modelos empricos

` E poss vel e as vezes valioso tentar obter e entender a resposta de um sistema sem passar pelos estgios de estruturar um sistema, fazendo hipteses sobre as componentes a o do sistema e ento tentando trabalhar sem usar as conseq ncias matemticas daquelas a ue a hipteses. o Em s ntese, o mtodo emp e rico consiste em ver os dados experimentais, possivelmente fazendo alguma anlise dos dados e tentando fazer alguma suposicao inteligente a (quase sempre muito simples) na forma de conjunto de equacoes ou mesmo atravs de e explicacoes intuitivas, que podero ser usadas como um modelo matemtico e com os a a dados de uma forma conveniente. Embora este mtodo pareca pobre e arbitrrio, em alguns casos ele desejvel, e a e a quando no o unico a ser usado para atacar o problema. Observamos que o moda e elo matemtico da Geometria Euclidiana um t a e pico exemplo de modelo emp rico. Se uma resposta excelente for obtida com dados experimentais atravs da abordagem e emp rica, ento ela pode ser supervalorizada para um mecanismo que pode levantar a aquele tipo de resposta desejada, e isto tem sido realizado de uma forma normal pelos cientistas, ao fazer deducoes sobre mecanismos de dados experimentais. E necessrio esclarecer que no existe uma linha bem denida entre os mtodos mecan a a e sticos e emp ricos e bastante comum, a maioria dos exerc e cios sobre modelagem ser realizada como uma mistura dos dois mtodos. e

Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

5.3

Modelos, dados previstos e dados experimentais

O modelador mecan stico construir seus modelos antes de fazer os experimentos, pena sando sobre os poss veis mecanismos e deducoes das suas conseqncias por meio do ue modelo, o experimento testar as suas hipteses e possivelmente denir um mecana o a ismo ao invs de outro. e No entanto, pensando sobre o mecanismo constru na mente do modelador, ele do e guiado pela existncia de dados e o conhecimento para este mecanismo, pode ser aplie cado para a sua prpria combinacao do uso emp o rico e da sua intuicao. Por outro lado, o modelador emp rico pode fazer pressupor a existncia de um mecane ismo aps fazer o experimento e ver os dados, assim, ela comeca uma investigacao o como um emp rico e a termina como um mecanicista. Na prtica, o modelador ca se movendo como um pndulo entre os dois mtodos a e e de modelos: mecan stico e emp rico, de modo que ele dever fazer progresso com a qualquer um dos dois mtodos e possivelmente com os dois, de modo a obter resultado e desejado.

5.3

Modelos, dados previstos e dados experimentais

Apresentamos abaixo um quadro com o relacionamento entre os dois tipos de modelos, mostrando as idias sobre um modelo matemtico envolvido com um sistema experie a mental.

Abordagem Emp rica Realidade Modelo Matemtico a Solucao Dados previstos pelo modelo

Abordagem Mecan stica Realidade Hipteses o Modelo Matemtico a Solucao

Sistema Experimental Realidade Realizar experimento Dados do experimento Comparar e testar a validade do modelo

5.4

Computacao e Estatstica

Dois assuntos que nem sempre so tratados com a devida atencao so, os computadores a a e a Estat stica. Infelizmente, alguns modelos so to complicados de resolver manualmente que a a e necessrio usar computadores. O computador deve ser visto como uma ferramenta a util para realizar clculos trabalhosos. Observamos que o computador nada acrescenta a

Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

5.5

Contrastes entre os tipos de modelos

de novo ao modelo, mas poder extrair dados ou informacoes erradas e a validade do a modelo reside quase que inteiramente em quo razoveis devam ser as hipteses. a a o Em geral, o uso de Estat stica importante em modelagem. Dados biolgicos so e o a variveis e no existem questes em modelagem com dados perfeitos. Mtodos esa a o e tat sticos so exigidos para decidir quo signicativo o ajustamento e como servem a a e para comparar a qualidade do ajuste obtido com modelos alternativos. Programas como o Curve Expert e o Gnuplot so muito valiosos para obter ajustes de curvas planas, em a um n bsico. vel a As equacoes matemticas que aparecem no esquema podem envolver diferentes ramos a da Matemtica como: Conjuntos, Lgica, Clculo, Algebra, Trigonometria, Estat a o a stica Matemtica, etc. Por exemplo, a Estat a stica Matemtica importante em modelos com a e informacoes estocsticas, assim, a Estat a stica pode ser envolvida no modelo, mas em alguns casos desejvel que a mesma seja usada para testar o modelo e para valid-lo. e a a Computadores devem ser usados na solucao das equacoes de um modelo e tambm e para testar a validade do modelo na comparacao dos dados experimentais com os dados preditos. Na prtica, o uso de computadores e de Estat a stica, podem e devem ser realizados em conjunto.

5.5

Contrastes entre os tipos de modelos

` As vantagens das abordagens mecan sticas e emp ricas aplicadas a modelagem sero a agora apresentados, na forma de contraste.

5.5.1

Pontos fortes do mtodo mecanstico e

1. Os parmetros do modelo devem ter signicado cient a co e devem fornecer algum entendimento do sistema real. 2. Os parmetros (ou variveis) podem ser avaliados separadamente e a extenso a a a de um parmetro afeta a resposta de todo o sistema. De uma forma positiva, a so obtidas prioridades que sugerem qual ambiente ou quais parmetros sobre o a a mundo real devem ser modicados para trazer bom resultado. 3. E bom que um modelo mecan stico possua mais parmetros do que o correspona menos apropriado para resumir os dados dente modelo emp rico. Dessa forma, e e mais dif para obter clculos de resposta do sistema ou para extrapolar os cil a mesmos e pode ser muito menos usado para propsitos comparativos. o

Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

5.6

A Formulacao de um modelo matemtico a

10

4. A forma disciplinada de tentar construir um modelo mecan stico que possua solucao, as vezes ser objeto de atencao sobre alguns aspectos do sistema que ` a so pouco entendidos e onde existem grandes diculdades em conhecer quais a ` so as hipteses razoveis. Vale a pena fazer um pequeno modelo, com poucas a o a variveis, aps fazer um experimento, desde que esse modelo sugira como o exa o perimento pode ser usado para obter dados exatamente nas areas onde ela mais e necessria. a 5.5.2 Pontos fortes do mtodo emprico e

1. O principal interesse est em descrever a resposta do sistema todo e existe muito a menor interesse nas razes pelas quais o sistema indique como ele feito. Basio e camente, um modelo emp rico redescreve como so os dados e nada diz sobre o a que no est nos dados. a a 2. Em geral, o sistema complexo e uma anlise da estrutura do sistema no e a a e poss com o conhecimento atual, de modo que um entendimento real do funvel cionamento do sistema est fora de questo. a a 3. E bom resumir uma grande quantidade de dados em termos de poucos parmetros a bons. Um tal resumo valioso para obter resposta para o sistema, de modo que e possamos interpolar e extrapolar dados, tambm para os nossos propsitos de e o comparacao. 4. Uma das vantagens da abordagem emp rica que o modelo sempre mais simples e e e mais fcil de ser constru e a do. 5. A principal desvantagem do mtodo emp e rico que os parmetros do modelo so e a a usualmente quantidades sem signicado f sico ou biolgico. o 6. Ao comparar diferentes tipos de situacoes reais por meio de um unico modelo emp rico, esperamos que as diferencas desses tipos sejam reetidas na alteracao de um unico parmetro do modelo e passa a ser importante atribuir algum signia ` cado cient co aquele parmetro e esta pode ser uma tentativa de construir um a modelo mecan stico que d como resultado a mesma equacao ou alguma equacao a semelhante.

5.6

A Formulacao de um modelo matemtico a

A formulacao de um modelo matemtico envolve a escolha de variveis mais impor a a tantes para o fenmeno em estudo e de leis consideradas obedecidas pelas variveis o a escolhidas.

Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

5.7

Problema bem posto no sentido Hadamard

11

Na formulacao de um modelo, devemos decidir sobre o grau de generalidade que ire mos admitir e devemos ter em mente que nem toda hiptese que simplica ir facilitar o a o tratamento posterior do modelo, tanto do ponto de vista terico como do ponto de o vista computacional.

5.7

Problema bem posto no sentido Hadamard

Para um modelo representar um fenmeno f o sico ou biolgico, assumiremos alguns o fatos important ssimos: 1. Existncia de solucao que indica que o fato representado pelo modelo, possui e solucao e que tal solucao ocorre dentro das condicoes estudadas. 2. Unicidade de solucao signica que sob as mesmas condicoes, o comportamento do modelo sempre se repetir. a 3. Estabilidade da solucao signica que pequenas modicacoes realizadas no sis tema no alteram sensivelmente o fenmeno. a o Um sistema com estas trs condicoes, recebe o nome de Problema bem posto no e sentido de Hadamard. Para trabalhar com aplicacoes, uma quarta condicao necessria: e a 4. Computacao de dados signicando que deve haver um modo para calcular os valores da solucao com a margem de preciso necessria. a a Atualmente as tcnicas da Matemtica Computacional permitem, quase sempre, e a encontrar um mtodo para calcular os dados, desde que se trate de um problema e bem posto no sentido de Hadamard, embora existam fenmenos aleatrios que o o no so apropriados a modelos que obedecem ao esquema acima. a a

5.8

Esquema do modelo matemtico a

Modelo matemtico: Se estamos estudando situacoes que envolvem tanto a Matemtica a a como equacoes, a teoria muito importante bem como o modelo. e Modelo matemtico aplicado: Quando deixamos as situacoes envolvendo a Matemtica, a a a teoria torna-se menos importante que o modelo e vale a pena incluir de uma forma

Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

Secao 6 Equacoes Diferenciais Ordinrias: y=f(x,y) a

12

conveniente a teoria e o modelo em uma mesma unidade. Modelo matemtico a Situacao real Perguntas e Respostas Modelo matemtico a Perguntas e Respostas Teoria Modelo matemtico aplicado a Situacao real Perguntas e Respostas Modelo matemtico e Teoria a Perguntas e Respostas

Os modelos matemticos explicam de forma quantitativa e de forma qualitativa os a fenmenos da vida e so normalmente descritos por equacoes diferenciais que podem o a ser analisadas matematicamente. Uma parte extremamente importante do modelo a e comparacao entre o mundo real e o modelo matemtico. a

Equacoes Diferenciais Ordinrias: y=f(x,y) a

As principais leis relacionadas com as cincias so representadas por Equacoes Difere a enciais Ordinrias. Tais leis nos permitem investigar problemas em Mecnica dos a a Flu dos, Circuitos eltricos, Reacoes Qu e micas, Transferncia de calor, Crescimento Pope ulacional, Geometria e muitos outros.

6.1

Elementos gerais de EDO

Uma Equacao Diferencial Ordinria (EDO) de Primeira Ordem pode ser escrita na a forma y = f (x, y) onde f = f (x, y) depende das variveis x e y. Alguns exemplos: a 1. y = x + 5 2. y = y exp(x) 3. y = x2 y 4. y = x2 y, x + y = 3 5. y = sin(y) 6. y = y

Uma equacao diferencial ordinria da forma y = f (x, y) pode ser classicada por um a dos quatro tipos: Separvel, Homognea, Exata e Linear. a e

6.2

EDO Separvel a

Quando f = f (x, y) pode ser escrita como o produto de duas funcoes cont nuas g = g(x) e h = h(y), isto , e y = g(x) h(y)

Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

6.3

EDO Homognea e

13

que tambm pode ser escrita na forma separvel (elementos com a varivel x esto de e a a a um lado e elementos com a varivel y esto do outro lado da igualdade): a a dy = g(x)dx h(y) Exemplo: A EDO sin(x)dx + y 2 dy = 0 Separvel. e a

6.3

EDO Homognea e

Uma funcao real f : R2 R denominada homognea de grau n, se para todo e e t R, (t = 0), vale a relacao: f (tx, ty) = tn f (x, y) Exemplo: A funcao f (x, y) = x2 + y 2 homognea de grau 2, enquanto que f (x, y) = e e x2 + y no uma funcao homognea. a e e Uma equacao diferencial da forma y = f (x, y) Homognea, se a funcao f = f (x, y) e e e homognea de grau 0 (zero), isto : e e f (tx, ty) = f (x, y) Exemplo: A EDO y = (x + y)/x homognea pois e e f (tx, ty) = tx + ty x+y = = f (x, y) tx x

6.4

EDO Exata

Uma EDO exata aquela que pode ser escrita na forma M (x, y)dx + N (x, y)dy = 0 e sendo M = M (x, y) e N = N (x, y) funcoes continuamente diferenciveis e satisfazendo a ` a igualdade N M = x y Exemplo: A EDO 3x2 ydx+(y +x3 )dy = 0 Exata, pois M (x, y) = 3x2 y e N (x, y) = y +x3 e e alm disso e N M = 3x2 = x y mas a EDO x2 dx + xydy = 0 no exata. a e

Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

6.5

EDO Linear

14

6.5

EDO Linear

Uma EDO linear y = f (x, y) aquela em que f (x, y) = p(x)y + q(x) e que, em geral, e pode ser reescrita como: y + p(x)y = q(x) Neste caso, as potncias de y e de y so exatamente iguais a 1. e a Exemplo: A EDO y = sin(x)y + exp(x) Linear, mas a EDO y = sin(x)y + exp(x) y e no linear. a e

6.6

Solucao de uma EDO da forma y=f(x,y)

Solucao de uma equacao diferencial da forma y = f (x, y) uma funcao y = g(x) que e satisfaz a identidade g (x) f (x, g(x)) Exemplos: 1. A EDO de primeira ordem y = y tem uma solucao y = exp(x), pois y (x) = (exp(x)) = exp(x) = y(x) 2. A funcao y1 (x) = sin(x) solucao da EDO y cos(x) = 0, pois e y1 (x) cos(x) = (sin(x)) cos(x) = 0 3. A funcao y2 (x) = sin(x) + 5 solucao da EDO y cos(x) = 0, pois e y2 (x) cos(x) = (sin(x) + 5) cos(x) = 0

6.7

Aplicacoes das EDO

Problema Geomtrico: Determinar o Lugar Geomtrico de todos os pontos (x, y) em e e 2 R cuja inclinacao da curva y = f (x), dada por y = y (x) igual ao produto das e coordenadas x e y no ponto genrico (x, y). A EDO que rege tal situacao y = x y. e e Problema de Fsica: Uma part cula de massa m move-se ao longo do eixo OX, sujeita a duas forcas: uma forca Fd proporcional ao seu deslocamento a partir de um ponto

Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

Secao 7 Modelos Populacionais

15

` xo 0 da trajetria e uma forca Fa de atrito contrria ao movimento, proporcional a o a velocidade da part cula. A EDO que exprime a forca resultante Fr pode ser obtida com: Fr = Fd Fa A primeira forca pode ser expressa por: Fd = k1 x Sabendo-se que a velocidade v = dx da part cula dada pela primeira derivada do e dt deslocamento com relacao a varivel tempo, ento a forca de atrito dada por: ` a a e Fa = k2 dx dt

onde k1 e k2 so constantes de proporcionalidade. a Sabendo-se que a aceleracao da part cula a segunda derivada do deslocamento em e d2 x a relacao ao tempo, isto , a = 2 , ento, expressamos pela Lei de Newton: e dx d2 x Fr = m a = m 2 dx Assim, a EDO que rege o deslocamento desta part cula em funcao do tempo : e m dx d2 x = k1 x + k 2 dx2 dt

Modelos Populacionais

Em 1798, o economista ingls Thomas Malthus, no trabalho An Essay on the Principle of e Population formulou um modelo para descrever a populacao presente em um ambiente em funcao do tempo. Considerou N = N (t) o n mero de indiv u duos de uma populacao, sendo N0 esta populacao no instante t = 0. Considerou a hiptese que os nascimentos e mortes naquele ambiente eram proporo ` cionais a populacao presente e que a variacao da populacao era conhecida entre dois per odos, num lapso de tempo t.

Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

7.1

Resolucao de EDO separveis a

16

Se N a variacao da populacao, temos e N = a N (t) t b N (t) t onde aN (t)t o n mero de nascimentos e bN (t)t o n mero de mortes no per e u e u odo. Dessa forma N = r N (t) t

onde r = a b. Tomando o limite quando t 0, obtemos dN =rN dt que a EDO que rege o fenmeno populacional, segundo o ponto de vista de Malthus. e o Para resolver a equacao acima, necessitamos conhecer o mtodo de resolucao de equacoes e separveis. a

7.1

Resolucao de EDO separveis a

Seja uma EDO separvel escrita na forma h(y) y = g(x) onde g = g(x) e h = h(x) so a a funcoes reais cont nuas. Para resolver tal equacao, procuraremos uma funcao F = F (x) que seja solucao da EDO e para tal podemos reescrever a EDO acima na forma: h(y)dy = g(x)dx Integrando em ambos os lados da igualdade, obteremos: dy = H(y) + C1 , dx = G(x) + C2

A solucao ser apresentada na forma impl a cita por: H(y) + C1 = G(x) + C2 ou seja H(y) = G(x) + C onde C = C2 C1 tambm uma constante arbitrria. e e a

Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

7.1

Resolucao de EDO separveis a

17

Exemplo: A solucao da EDO y = xy pode ser obtida reescrevendo esta EDO na forma: dy = x dx y de onde segue que 1 log(y) = x2 + K 2 ou seja 1 y(x) = K exp( x2 ) 2 O grco de uma solucao que passa prximo da origem dado por: a o e

Figura 1: Grco de uma solucao que passa prximo da origem a o Temos innitas solucoes que dependem da constante K. A solucao da EDO N = r N , obtida pelo mtodo das variveis separveis dada por: e a a e N (t) = C exp(r t) Se no instante t = 0, a populacao tem N0 indiv duos, ento a constante C pode ser a tomada como C = N0 e desse modo: N (t) = N0 exp(r t) a solucao da equacao populacional de Malthus, mas o grco correto para esta funcao e a depende dos valores de N0 e r. Como a solucao N = N (t) uma funcao exponencial, o seu grco ter a mesma forma e a a que o grco da funcao y = exp(x). a

Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

7.1

Resolucao de EDO separveis a

18

Figura 2: Vrias solucoes dependentes da constante K a Este modelo que estudamos supe que o meio ambiente tenha pouca ou nenhuma ino uncia sobre a populacao, logo, ele funciona melhor como um indicador do potencial e de sobrevivncia e de crescimento de uma certa espcie de populacao do que como um e e modelo para mostrar o que realmente ocorre. De acordo com esta equacao se uma populacao de bactrias duplicasse a cada 20 min e utos, dentro de dois dias, estariam formando uma camada em volta da Terra com 30 cm de espessura. Assim, segundo este modelo, enquanto os efeitos do meio ambiente ` so nulos, os dados da populacao obedecem a funcao: N (t) = N0 exp(rt). a Na realidade, quando N = N (t) aumenta, o meio ambiente oferece resistncia ao seu e crescimento populacional e tende a manter a populacao sob controle, e, alguns desses fatores so: a quantidade de alimentos, acidentes, guerras, epidemias, ... a Em 1837, Verhulst props uma modicacao no modelo de Malthus, levando em conta o estes fatores limitadores para a populacao. Verhulst assumiu a existncia de uma populacao limite L se o tempo fosse muito e grande, pois os alimentos se reduziriam ao m nimo quando t . Verhulst fez a suposicao que: ` 1. A taxa de variacao da populacao em relacao ao tempo deveria ser proporcional a populacao presente (o mesmo que Malthus), 2. Acrescentou uma nova hiptese. A taxa de variacao da populacao em relacao ao o ` tempo deveria ser proporcional a fracao da populacao ainda no utilizada at o a e L N (t) momento da anlise, identicada com a . L

Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

7.1

Resolucao de EDO separveis a

19

Figura 3: Modelo de Malthus Assim, foi montada a EDO: N (t) = r N (t) L N (t) L

O grco que segue mostra a situacao deste modelo. a Quando N (t) se aproxima de 0, tem-se L N (t) 1 L e o modelo se parece com o modelo de Malthus: dN rN dt Quando N (t) se aproxima de L, tem-se L N (t) 0 L e a populacao tende a decrescer: dN 0 dt Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

7.1

Resolucao de EDO separveis a

20

Figura 4: Modelo de Verhulst Observacao: O termo matemtico a A EDO L N (t) conhecido como fator de correcao. e L

dN L N (t) = rN (t) dt L

equivalente a: e dN N (t) = r(1 )N (t) dt L e esta equacao no-linear porque a varivel de estado N = N (t) aparece com um e a a expoente diferente de 1. O n mero L, denominado capacidade mxima do ambiente, o n mero mximo de u a e u a indiv duos que o ambiente permite. A reta N (t) = L uma ass e ntota horizontal para a curva sigmide. o Para resolver a EDO no-linear a dN N (t) = r(1 )N (t) dt L Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

7.1

Resolucao de EDO separveis a

21

Figura 5: Modelo de Verhulst versus modelo de Malthus usamos o mtodo de separacao das variveis, para escrever e a dN = rdt N (t) (1 ) N (t) L Usando a decomposicao em fracoes parciais, obtemos: [ 1 1 1 + ( )]dN = rdt N L 1 N/L

Integrando ambos os membros da igualdade, obtemos: dN 1 + N L que garante que: ln(N ) ln(1 N/L) = r t + A Tomando t = 0 segue que N (0) = N0 e obtemos A = ln( e substituindo esta constante, segue que: N (t) N0 exp(r t) = 1 N (t)/L 1 N0 /L Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a N0 ) 1 N0 /L dN = 1 N/L rdt

7.1

Resolucao de EDO separveis a

22

Explicitando N = N (t), obtemos: N (t) = 1+( L L 1) exp(r t) N0

Quando t , a populacao N = N (t) se aproxima de L que o mximo poss no e a vel ambiente, isto , e lim N (t) = L
t

A adequacao ao modelo de Verhulst j foi comprovada para muitas espcies popula a e cionais, em experincias de laboratrio e tambm em modelos populacionais estveis. e o e a As populacoes de germes de fermento e de moscas aquticas, por exemplo, crescem a a uma taxa que no se afasta muito da que dada pelo modelo. Voc j experimena e e a tou fazer iogurte em sua casa? Voc saberia construir um modelo para o crescimento e populacional deste tipo de lactobacilo do iogurte? ` No entanto, quando o modelo aplicado a comunidades humanas, as vezes, os resule tados no so conveis principalmente quando o intervalo de tempo muito grande. a a a e Isto ocorre porque as comunidades humanas so muito instveis. a a A populacao dos Estados Unidos, entre 1790 e 1930 (um per odo relativamente longo) satisfez com boa aproximacao este modelo como mostra o quadro seguinte. Anos Populacao Real Clculo com a equacao Erro relativo a 1790 3.900.000 3.900.000 0, 000% 1800 5.300.000 5.300.000 0, 000% 1810 7.200.000 7.200.000 0, 000% 1820 9.600.000 9.700.000 1, 042% 1830 12.900.000 13.000.000 0, 775% 1840 17.100.000 17.400.000 1, 754% 1850 23.200.000 23.000.000 0, 862% 1860 31.400.000 30.200.000 3, 822% 1870 38.600.000 38.100.000 1, 295% 1880 50.200.000 49.900.000 0, 598% 1890 62.900.000 62.400.000 0, 795% 1900 76.000.000 76.500.000 0, 658% 1910 92.000.000 91.600.000 0, 435% 1920 106.500.000 107.000.000 0, 469% 1930 123.200.000 122.000.000 0, 974% Os dados e informacoes correspondentes a este per odo parecem sugerir uma populacao cr tica, para os Estados Unidos, de aproximadamente 200 milhes de habitantes. Como o

Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

7.2

Esquema usado para o modelo populacional

23

a populacao americana ultrapassou os 200 milhes desde 1970, e est duplicando a o a cada 35 anos, o quadro parece assustador. A Segunda Guerra Mundial fez com que tal modelo no mais servisse para descrever o a crescimento da populacao americana, mostrando que necessrio um modelo mais re e a ` nado, que responda bem, a extrapolacao da populacao e para a estimativa da populacao cr tica como funcoes do tempo. Observa-se com grande importncia que o modelo de Malthus no apropriado para a a e descrever populacoes humanas, porm este tipo de modelo utilizado em muitas outras e e situacoes como os modelos do tipo exponencial, como: Decaimento radioativo, Carga e descarga de um capacitor em um circuito eltrico RC, Inacao, Juros compostos e e Temperatura de um corpo.

7.2

Esquema usado para o modelo populacional

` 1. Considerar o crescimento proporcional a populacao atual. 2. Montar a EDO dN = kN, dt N (0) = N0 .

3. Obter a solucao N (t) = N0 exp(k t). 4. Vericar que o crescimento ilimitado se k > 0. e 5. Concluir que o modelo ruim para esta populacao no per e odo 1820-1930. 6. Refazer o processo fazendo previses sobre populacao, usando agora o modelo o de Verhulst, que considera duas situacoes ` (a) O crescimento proporcional a populacao atual (Malthus). e ` a (b) O crescimento proporcional a fracao no utilizada. e 7. Montar a EDO
dN dt

= r(1

N )N . L

8. Obter a solucao N (t) =

L L 1+( 1) exp(r t) N0

9. Analisar a solucao e vericar que N (t) L quando t e como conseqncia ue dN segue que 0. dt 10. Concluir que o modelo excelente para a populacao americana em 1820-1930. e

Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

Secao 8 Modelos Matemticos como uma disciplina a

24

Modelos Matemticos como uma disciplina a

Em 2001, apresentei uma sugesto ao Conselho Estadual de Educacao do Paran, para a a que fosse inclu uma disciplina denominada Modelos matemticos em todos os cursos da a de Matemtica do estado do Paran. Algumas das sugestes apresentadas esto abaixo: a a o a 1. Disciplina: Modelos matemticos a 2. Carga horria: 04 hs/sem 30 semanas = 120 horas aulas. a 3. Ementa: Conceito de modelo matemtico. Modelos matemticos abstratos. Fases a a de discusso de uma modelagem. Conexo entre modelos matemticos e Equacoes a a a Diferenciais. Modelos matemticos no Ensino de Matemtica do Fundamental e a a Mdio. e 4. Programa: Modelos matemticos abstratos. A construcao de teorias matemticas a a como: o Conjunto dos N meros Naturais, a Teoria dos Conjuntos, a Geometria u Euclidiana e geometrias no-Euclidianas. Fases de discusso do processo de moda a elagem: Experimentar, Abstrair, Resolver, Validar, Modicar e Aplicar. Ligacao entre modelos matemticos e Equacoes Diferenciais. a 5. Tpicos relativos a modelos matemticos aplicados ao Ensino de Matemtica no o a a Fundamental e Mdio. e (a) Estudo da Beleza e Esttica em Matemtica, atravs do estudo da seqncia e a e ue de Fibonacci e da Divina Proporcao, culminando com o estudo do cresci mento de plantas como o feijo, abacaxi e outras, onde se observa relacoes a ` matemticas associadas a lotaxia. Analisar a espiral de Arquimedes e o seu a aparecimento na natureza. (b) O conjunto dos n meros Naturais como um modelo matemtico abstrato, u a para mostrar como se pode construir relacoes e funcoes uteis da Matemtica, a fortemente apoiadas numa base abstrata. (c) Explorar a construcao da Geometria Euclidiana em todas as situacoes poss veis e em especial como um modelo matemtico, usando ruas, logradouros, prdios, a e etc. como uma situacao prtica. a (d) Construir a Teoria dos Conjuntos como um modelo matemtico, mostrando a que poss classicar conjuntos de pessoas e objetos de um local e fazer e vel anlises com reunies e intersecoes de conjuntos. a o (e) Modelo matemtico com as funcoes trigonomtricas, para estudar alguns a e ritmos biolgicos e da natureza. o

Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

Secao 8 Modelos Matemticos como uma disciplina a

25

(f) Modelo matemtico para o clculo de areas de regies planas e a estrutura a a o do Clculo Integral por Riemann. Analisar diversas demonstracoes do Teoa rema de Pitgoras usando areas. Construir uma clara conexo entre assuntos a a tratados na Universidade e aqueles tratados no Ensino Fundamental. (g) Mostrar a grande quantidade de modelos matemticos uteis na vida que a aparecem quando se estuda a Anlise Combinatria e elementos de Proba o abilidade. Analisar fatores genticos, situacoes de loterias e de placas de e ve culos, analisar jogos de tabuleiro como o Xadrez e o jogo de Damas. (h) Uso de permutacao no clculo de diagonais de uma gura plana regular. a (i) Modelo de escala musical, envolvido com os conceitos de mdias aritmtica, e e geomtrica e harmnica, alm de aprofundar estudos sobre n meros racionais e o e u e fracoes. (j) Modelo com Relacoes e Funcoes no estudo de frmulas matemticas da o a F sica como queda livre e lancamento de projteis, Qu e mica com a lei de Boyle-Mariotte e Biologia com o crescimento de clulas. e (k) Modelo matemtico das secoes cnicas, com detalhes sobre a elipse, parbola, a o a hiprbole e circunferncia. A parbola pode ser estudada com as suas proe e a priedades geomtricas para mostrar que existem diversas aplicacoes desta e curva na transmisso de ondas por satlites ou atravs de sistemas de microa e e ondas ou na emisso de luz de faris de carros. Para a hiprbole, podem ser a o e estudadas as lentes usadas em oculos e para a elipse, podem ser estudados elementos Mecnica Newtoniana e de Astronomia. a (l) Estudar o modelo de alguns ciclos astronmicos envolvidos com as nocoes de o dia, ms e ano, atravs dos conceitos de Mximo Divisor Comum e M e e a nimo M ltiplo Comum. Explorar situacoes de carros em corridas com estes dois u conceitos matemticos. a (m) Modelo matemtico da estrutura de Grupo e construcoes de ligacoes qu a micas em compostos carbnicos. Estudos de simetrias e assimetrias na natureza. o (n) Modelos matemticos ligados a sistemas de numeracao decimal e binria, a a alertando para a utilidade destes processos matemticos no uso de computaa dores. (o) Estudar o conceito de ordem no Sistema dos n meros Naturais, com os prou cessos de classicacao de objetos e seres vivos.

Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

 REFERENCIAS PARA ESTAS NOTAS DE AULAS

26

Referncias para estas notas de aulas e

[1] Bassanezi, R. C. Ferreira Jr., W. C. Equacoes Diferenciais com aplicacoes, Editora Harbra Ltda., So Paulo, 1988. a [2] Bertalanffy, L. Teoria Geral dos Sistemas, Editora Vozes, 1973, Petrpolis. o [3] Bezerra, M. J. Putnoki, J. C. Novo Bezerra Matemtica, Editora Scipione, So Paulo, 1994. a a [4] Bolt, B. Actividades Matemticas, Colecao Prazer da Matemtica, Editora Gradiva - Portua a gal [5] Bolt, B. Mais actividades matemticas, Colecao Prazer da Matemtica, Editora Gradiva a a Portugal [6] Bolt, B. Matemquinas, Colecao Prazer da Matemtica, Editora Gradiva - Portugal a a [7] Burghes, D. N. Borrie, M. S. Modelling with Differential Equations, Ellis Horwood Ltd., 1981. [8] Costa, N. C. A. O conceito de estrutura em Cincia, in Boletim Sociedade Paranaense de e a . Srie, vol.8 (1987) Matemtica 2 a e [9] Dym, C. L. Ivey, Elizabeth S. Principles of Mathematical Modeling, Academic Press, N.York, 1980. [10] Gardner, M. Ah, Descobri!, Colecao Prazer da Matemtica, Editora Gradiva, Portugal a [11] Glen, W. H. Johnson, Donovan A. Invitation to Mathematics, Dover Publications, Inc., New York [12] Hole, V. Como ensinar Matemtica no bsico e no secundrio, Biblioteca do Educador Prosa a a sional, Livros Horizonte. Lisboa. 1977 [13] Huntley, E. A Divina Proporcao: Um ensaio sobre a Beleza na Matemtica, Editora Univer a sidade de Bras lia, Bras lia, 1985. [14] Ifrah, G. Os nmeros: A histria de uma grande invencao, Editora Globo, 3a. edicao, So u o a Paulo, 1989. [15] Ignatiev, I. En el Reino del Ingenio, Colecao Cincia Popular, Editorial Mir Moscu e [16] Korovkin, P. Inequalities, Little Mathematics Library, Mir Publishers - Moscow [17] Langue, N. Problemas Experimentales Ingeniosos de F sica, Editorial Mir - Moscu [18] Lichnerowicz, A. A Nova Matemtica, Biblioteca Salvat de Grandes Temas, Livros GT, Sala vat Editora do Brasil S.A., Rio de Janeiro, 1979. [19] Margenau, H. e outros, O Cientista, Biblioteca Cient ca Life,Livraria Jos Ol e mpio Edit,Rio, 1966.

Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a

 REFERENCIAS PARA ESTAS NOTAS DE AULAS

27

[20] Mathematical Association, Applications of sixth form Mathematicas, A compendium prepared for The Mathematical Association, G. Bell Sons Ltd. London [21] Mathematical Association, Applications of Elementary Mathematics, A compendium prepared for The Mathematical Association, G. Bell Sons Ltd. London [22] Oech, R. Um Toc na cuca, Livraria Cultura, So Paulo. a [23] Oech, R. Um chute na rotina, Livraria Cultura, So Paulo. a [24] PATTEN, B.C. Systems Analysis and Simulation in Ecology, vol. I, Academic Press, N. York, 1971. [25] Perelman, Y.I. Brincando com Astronomia, Editora Fulgor, So Paulo, 1961. a [26] Perelman, Y.I. Algebra Recreativa, Colecao Cincia Popular, Editorial Mir - Moscu e [27] Perelman, Y.I. Matemticas Reacreativas, Colecao Cincia Popular, Editorial Mir - Moscu a e [28] Perelman, Y.I. Problemas y Experimentos Recreativos, Editorial Mir. Moscu [29] Polya, G. A arte de resolver problemas, Editora Intercincia, Rio. 1986 e [30] Sociedade Brasileira de Matemtica, REVISTA DO PROFESSOR DE MATEMATICA, Soa ciedade Brasileira de Matem tica, IMPA - Rio [31] Sodr, U. Modelos Matemticos, Notas de aulas. Dep. de Matemtica da UEL, 1987. e a a [32] Solodovnikov, A. S. Sistemas de desigualdades lineales, Lecciones populares de matemticas, Editorial Mir - Moscu a [33] Trota, Imenes Jabucovic, Matemtica Aplicada, 1a., 2a. e 3a. sries do segundo grau (trs a e e livros), Editora Moderna Ltda, So Paulo, 1980. a [34] Uspensky, V.A. Pascals Triangle-Certain Applications of Mechanics to Mathematics, Mir Publ.,Moscow, 1976. [35] Zaro, Milton Hillebrand, Vicente Matemtica Experimental, Editora Atica 1990 a

Modelos matemticos - Ulysses Sodr - Matemtica - UEL - Londrina - 2007 a e a