Escolar Documentos
Profissional Documentos
Cultura Documentos
Relatrio Final
Notas de Aula.
Seo 1 - Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1 - Modelos Matemticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Seo 2 - Equaes de Diferena Lineares . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1 - Equaes de Diferena Lineares . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 - Equaes de Diferena Lineares Homogneas de Ordem k . . . . . . . . . 7
2.3 - Equaes de Diferena de Segunda Ordem . . . . . . . . . . . . . . . . . 8
Seo 3 - Sistema de Equaes de Diferenas Lineares . . . . . . . . . . . . . . . . . 14
3.1 - Autovalores Complexos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.2 - Razes Complexas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.3 - Comportamento Qualitativo das Solues para a Equao de Diferena Linear 19
Seo 4 - Equaes de Diferena No Lineares . . . . . . . . . . . . . . . . . . . . . 21
4.1 - Equaes de Diferena No Lineares . . . . . . . . . . . . . . . . . . . . . 21
4.2 - Modelo Logstico de Diferena . . . . . . . . . . . . . . . . . . . . . . . . 22
4.3 - Sistema de equaes de Diferena No Lineares . . . . . . . . . . . . . . . 24
Seo 5 - Aplicao de Equaes de Diferena No Linear . . . . . . . . . . . . . . . 26
5.1 - Sistemas no Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
Seo 6
Modelos Contnuos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
6.1 - Modelos Contnuos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
6.2 - Modelos Matemticos com de Equaes Diferenciais . . . . . . . . . . . . 32
6.3 - Equilbrio e Estabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
6.3.1 - Anlise de Estabilidade dos Pontos de Equilbrio. . . . . . . . . . . . . . 40
Seo 7 - Sistemas de Equaes Diferenciais Lineares . . . . . . . . . . . . . . . . . . 43
7.1 - Sistemas de Equaes Diferenciais Lineares Bidimensionais . . . . . . . . . 43
7.2 - Sistema de Equaes Lineares n Dimensional . . . . . . . . . . . . . . . . 48
7.3 - Sistemas Autnomos (quase-linear) . . . . . . . . . . . . . . . . . . . . . 50
Seo 8 - Modelos em Biomatemticas . . . . . . . . . . . . . . . . . . . . . . . . . 52
8.1 - Modelos em Biomatemticas . . . . . . . . . . . . . . . . . . . . . . . . . 52
8.1.1 - Modelos de Competio entre duas Espcies. . . . . . . . . . . . . . . . 52
8.1.2 - Modelo Presa-Predador . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
8.2 - Modelos Epidemolgicos . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
Seo 9 - Equaes Diferenciais Parciais . . . . . . . . . . . . . . . . . . . . . . . . . 71
9.1 - Populaes Distribuidas no Espao . . . . . . . . . . . . . . . . . . . . . . 71
Seo 10 - Modelos Matemticos de Epidemiologia com Distribuio Espacial e Etria 78
10.1.1 - Um Modelo Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
2
10.1.2 - Solues Tipo Ondas Viajantes . . . . . . . . . . . . . . . . . . . . . . 79
3
Seo 1
Introduo
Definio 1 Biomatemtica: A Biomatemtica compreendida como a aplicao de modelos
matemticos para a resoluo e compreenso de fenmenos biolgicos.
4
Seo 2
Equaes de Diferena Lineares
2.1 - Equaes de Diferena Lineares
Definio 2 Equaes de diferenas lineares so equaes de recorrncia.
Uma equao geral de diferena de ordem n, tem a seguinte forma:
Ou
onde f linear nas variveis yt , yt1 , ..., ytn , isto , se (2) puder ser escrito na forma g(t) =
yt+1 +at yt +at1 y t 1+...+atn ytn , temos uma equao de diferena linear e no homognea.
A equao de diferena linear ser homognea se g(t) = 0, caso contrrio diz-se equao de
diferena linear no homognea.
Exemplo 1 Economia:
Suponha que um capital C0 aplicado a uma taxa i . Qual o montante aps t perido, se
o regime for:
a) de juros simples
b) de juros composto
Soluo
5
Soluo geral para a equao homognea:
Seja ct = kt
Substituindo no item (b) teremos:
t+1 t t t k = 0
ct+1 (1+i )ct = 0 k (1+i )k = 0 k[(1+i )] = 0
(1 + i ) = 0
Para t k = 0 = 0, temos uma soluo trivial.
Para (1 + i ) = 0 = 1 + i , e substituido em ct = kt , temos:
ct = k(1 + i )t e se t = 0 c0 = k(1 + i )0 = k ct = c0 (1 + i )t .
t
Portanto a soluo ct = k , onde soluo da equao (1 + i ) = 0. A soluo do
item (b) tambm pode ser calculada por recorrncia:
ct+1 = (1 + i )ct
t = 0 c1 = (1 + i )c0
t = 1 c2 = (1 + i )2 c0
t = 2 c3 = (1 + i )3 c0
.. ..
. .
t = n cn = (1 + i )n c0
Figura 1: Juros
6
2.2 - Equaes de Diferena Lineares Homogneas de Ordem k
Dada uma equao de diferena linear:
7
Figura 2: Soluo
yt + byt1 + cyt2 = 0
Suponha que yt = kt seja uma soluo geral para a equao (5). Substituindo yt = kt
em (5), teremos:
p2 () = 2 + b + c = 0
8
se i , com i = 1, 2, forem complexos, teremos 1 = a+b1 , 2 = abi , a soluo complexa
vem sempre em par conjugado.
xt+1 5xt + 4xt1 = 0
b) x1 = 9
x2 = 23
xt 4xt1 + 4xt2 = 0
c) x0 = 9
x1 = 2
xt+2 + xt = 0
d)
x0 = x1 = 4
Soluo
(a) yt+2 5yt+1 + 6yt = 0
Seja yt = t substituindo na equao acima, encontrmos 2 5 + 6 = 0
Obtemos um polinmio do segundo grau e usando a frmula de Baskara:
= b2 4ac
(
b 51 1 = 2
1,2 = 1,2 =
2a 2 2 = 3.
Como 1 6= 2 ento a soluo da forma:
yt = C1 t1 + C2 t2 yt = C1 2t + C2 3t
xt+1 5xt + 4xt1 = 0
b) x1 = 9
x2 = 23.
2 5 + 4 = 0 1 = 1 e 2 = 4
1 6= 2
xt = C1 t1 + C2 t2
xt = C1 + C2 4t .
9
Para x1 = 9 e para x2 = 23 temos o seguinte sistema:
9 = C1 + 4C2
23 = C1 + 16C2
Resolvendo o sistema acima temos:
26 7
C1 = e C2 =
6 6
Ento temos:
26 7
xt = + 4t
6 6
Representao grfica da equao soluo:
10
Os outros "items"resovem-se da mesma maneira
Tabela 1:
Ms casais adultos casais jovens total de casais
1 1 1 2
2 1 2 3
3 2 3 5
4 3 5 8
.. .. .. ..
. . . .
11
Se at = kt , for uma soluo da equao (6), ento:
p() = 2 1 se p() = 0 2 1 = 0
Usando a fomla de Baskara para resolver a equao de segundo grau, temos:
= b2 4ac = 1 4.1.(1) = 5 e substituindo
obteremos,
1+ 5
1 =
b 1 5
2
1,2 = 1,2 =
2a 2
= 1 5
2 .
2
A soluo geral da equao (6) :
t t
1 5
1+ 5 t = 0 A +B
= 1
at = A +B 1+ 5 1 5
2 2 t = 1 A +B = 1
2 2
Resolvendo o sistema, teremos:
51 5+1
B= e A=
2 5 2 5
Ento:
" t+1 t+1 #
1 1+5 1 5
at =
5 2 2
12
Onde:
o nmero de sementes por plantas.
a frao de sementes que sobrevivem a cada inverno.
a frao de sementes que germinam no primeiro ano.
a frao de sementes que germinam no segundo ano.
Pt o nmero de plantas no perodo t.
Pt = Pt1 + (1 ) Pt2 Pt Pt1 (1 ) Pt2 = 0
onde:
= b e (1 ) = c, e teremos
13
Seo 3
Sistema de Equaes de Diferenas Lineares
O problema anual de reproduo de plantas leva a um sistema de equaes de diferenas de
primeira ordem ou equivalentes a equaes de diferenas de segunda ordem.
Para enteder tais equaes vamos momentaneamente voltar a nossa ateno para o sistema
na forma:
xt+1 = a11 xt + a12 yt
(8)
yt+1 = a21 xt + a22 yt ,onde aij so constantes.
O
sistema
deequaes de
diferena
(8) pode ser escrito na seguinte forma matricial:
xt+1 a11 a12 xt
= .
yt+1 a21 a22 yt
14
como autovalor de M, temos que se p() = 0 2 (tr M) + detM = 0 e comparando
(9) e (10), temos que xt+2 = soluo do sistema (8). Portanto, a soluo do sistema (8)
dado
por:
xt v1 t u1
= C1 1 + c2 t2
yt v2 u2
1 v = Mv = M(u) = Mu = 2 u = 2 u = 2 v
Portanto, podemos ver que 1 v = 2 v 1 v 2 v = (1 2 )v = 0 como v um
autovetor, ento v 6= 0, e 1 2 = 0 1 = 2 , mas por hiptese temos que 1 6= 2 .
Portanto, v e u so vetores linearmente independentes.
Observao 2 Podemos ter autovalores iguais, isto , = 1 = 2 , neste caso fcil verificar
que tt tambm soluo do sistema (8), que tem como soluo geral Xt = C1 t + C2 tt .
soluo
xt+1 = 2xt+1 + yt+1
xt+2 = 2xt+1 + xt + 2yt
xt+2 = 2xt+1 + xt + 2xt+1 4xt
xt+2 = 4xt+1 3xt
xt+2 4xt+1 + 3xt = 0
Seja xt = t , ento
2 4 + 3 = 0 1 = 1 e 2 = 3
2 1
Usando a matriz M = para achar a soluo, determinamos os seus autovalores
1 2
e encontraremos a mesma equao ou mesmo polinmio caraterstico p() = 2 4 + 3.
Para 1 = 1, temos:
1 1 v1 0 v1 + v2 = 0
(M I)v = 0 = v1 = v2 .
1 1 v2 0 v1 + v2 = 0
v2 1
Assumindo v2 = 1, ento V = =
v2 1
15
Para 2 = 3
1 1 u1 0 u1 + u2 = 0
(M I)v = 0 =
1 1 u2 0 u1 u2 = 0
u1 = u2
u1 1
Assumindo u2 = 1, ento U = =
u1 1
A soluo geral do sistema dada por:
xt 1 1
= C1 + C2 3t
yt 1 1
Note que quando t aumenta, a soluo ir crescer, isto , xt ou yt aumentar.
xt+1 = xt yt
b)
yt+1 = xt + 3yt
A
soluo
geral do sistema
ser:
xt 1 t t +1
= C1 2 + C2 2t
yt 1 t 3
Quando t aumenta, xt aumenta enquanto yt diminui, isto aumenta negativamente.
1 = a + bi e 2 = a bi
Como os autovalores so complexos uma soluo dada por:
1 2
xt xt xt
= 1 + i
yt yt yt2
16
xt1
xt2
xt
porm temos que se uma soluo, ento e , tambm so solues,
yt yt1 yt2
poistemos que: 1 2
xt+1 xt xt xt
=M =M 1 +M i
yt+1 yt yt yt2
1 2 1 2
xt+1 xt+1 a11 a12 xt a11 a12 xt
1 + 2 i= 1 + i
yt+1 yt+1 a21 a22 yt a21 a22 yt2
a11 xt1 + a12 yt1
a11 xt2 + a12 yt2
= + i
a21 xt1 + a22 yt1 a21 xt2 + a22 yt2
Portanto, se Xt = Xt1 + Xt2 i for soluo, ento Xt1 e Xt2 tambm so solues e so reais.
xt v11 t v12
= C1 ( + i ) + C2 ( i )t (11)
yt v21 v22
Seja:
( + i )t = |r |t (cost + isent)
( i )t = |r |t (cost isent)
Substituindo na equao (11), teremos:
xt v11 t v12
= C1 |r | (cost + isent) + C2 |r |t (cost isent)
yt v21 v22
t v11 cost + v11 isent v12 cost v12 isent
= |r | C1 + C2
v21 cost + v21 isent v22 cost + v22 isent
t (C1 v11 + C2 v12 )cost + (C1 v12 C2 v12 )isent
= |r |
(C1 v21 + C2 v22 )cost + (C1 v21 C2 v22 )isent
Seja:
17
ou
xt
= |r |t E1 cost + |r |t E2 sent i ,
yt
A C
onde E1 = e E2 =
B D
Exemplo
( 7 Resolva o sistema:
xt+1 = xt + 2yt
yt+1 = 2xt + yt
onde:
1 2
p() = det(M I) = = (1 )2 + 4 = 0 1 = 2i = 1 2i
2 1
Multiplicada
a segunda equao
pori, temos:
i v1 = v2 v1 v1 1
v= = = v1
i v1 = v2 v2 iv1 i
Multiplicada
a segunda
equao
por i,temos:
i u1 = u2 u1 u1 1
u= = = u1 .
i u1 = u2 u2 iu1 i
A soluo do sistema :
xt 1 t 1
= C1 (1 + 2i ) + C2 (1 2i )t
yt i i
t
1 1
= ( 5) C1 (cost + isent) + C2 (cost isent)
i i
t
cost + isent cos isent
= ( 5) C1 + C2
sent + icost sent icost
t
C1 cost + iC1 sent + C2 cost iC2 sent
= ( 5) C1
C1 sent + iC1 cost + C2 sent iC2 cost
t
C1 cost + C2 cost iC1 cos iC2 sent
= ( 5) +
C1 sent C2 sent iC1 sent iC2 cost
cost sent
= ( 5)t + i
sent cost
A soluo geral :
18
xt cost sent
= C1 ( 5)t + C2 i ( 5)t
yt sent cost
Xn = Cn (12)
6) A soluo geral uma superposio linear de m solues bsicas da equao (que vem de
todos os valores de que so distintos).
7) Para o valor real de o comportamento qualitativo de uma soluo bsica de ((1), (2))
depende se cai numa das quatro possibilidades.
1, 1, 0<<1 e 1 < < 0
b) Para 0 < < 1, n decresce para zero quando n aumenta, assim Xn = Cn decresce para
zero.
c) 1 < < 0, n oscila entre o valor positivo e negativo, porm Xn = Cn decresce para
zero.
19
d) < 1, n oscila como no item c) mas com diminuio de magnitude.
a b c d
20
Seo 4
Equaes de Diferena No Lineares
4.1 - Equaes de Diferena No Lineares
Nesta seo desenvolveremos a equao de diferena no linear de primeira ordem na forma
yn+1 = yn = y
A estabilidade do ponto de equilbrio de uma equao de diferena no linear pode ser definida
do seguinte modo:
Definio 6 Seja y um ponto de equlibrio para (13), ento y dito estvel se,
df (y )
| |<1
dy
e instvel se
df (y )
| |>1
dy
Prova:
Se y um ponto de equilbrio de (13) se e somente se
21
Portanto, as propriedades de estabilidade para y so as mesmas que para o ponto origem
(0, 0) ento para (14) temos que g 0 (y ) = f 0 (y + y ), logo g 0 (0) = f 0 (y ), supondo que zero um
equilbrio e fazendo a expanso atravs da srie de Taylor obtemos que
yn+1 = C1 ()n
onde = g 0 (0).
Se |g 0 (0)| < 1, o equilbrio nulo assintoticamente estvel, e instvel se |g 0 (0)| > 1.
A soluo yn da equao (13) pode ser constituda por um nmero finito de valores, isto ,
yn = yn+T , T = 0, 1, 2, ... e yn+j 6= yn para j = 1, 2, ..., T 1 tal soluo chamada ciclo limite
ou ciclo de perodo T .
O ponto de equilbrio y pode ser encontrado fazendo a interseo da bissetriz com f (y ). Isto
significa que yn = y e portanto, satisfaz y = f (y ). Usando o diagrama de Lamery podemos
garantir a existncia do ponto de equilbrio de acordo com o grfico seguinte.
Figura 5: Lamery
yt+1 = yt (r dyt )
d
Seja xt = yt sustituindo na equao temos que
r
xt+1 = r xt (1 xt ) (15)
22
r
o termo K = a capacidade do suporte no ambiente da populao.
d
Anlise de estabilidade.
Seja x o ponto de equilbrio para (15) pela definio do ponto de equilbrio, temos que
x = f (x) ento
x = r x(1 x)
1
logo os pontos de equilbrio so, x 0 = 0 e x 2 = 1
r
Suponhamos que r > 1, ento o ponto fixo x (0, 1), e f 0 (x 0 ) = r e f 0 (x 1 ) = 2 r pelo
critrio de estabilidade o ponto de equilbrio x 0 , se r < 1, ento o ponto estvel e se r = 1 o
critrio no decide se o ponto instvel ou no.
Se 1 < r < 4 dada uma condio inicial x0 (0, 1), ento f (x0 ) (0, 1) portanto, |f 0 (x 1 )| <
1 1 < r < 3 logo, x 1 assintoticamente estvel, e se r > 3, x 1 instvel.
Se r = 3 existe um ponto de bifurcao(6), isto , o valor do parmetro muda de estado ou
de equilbrio.
Se 1 < r < 2, x 1 assintoticamente estvel monotonicamente.
Se 2 < r < 3, x 1 assintoticamente estvel oscilante.
Se 3 < r < 1 + 6, x 1 possui duas rbitas de perodo 2, para achar os pontos fixos de f 2 (x)
ou seja f 2 (x) = x, ento
f (f (x)) = x r 2 x 2 r (r + 1)x + r + 1 = 0
p
r +1 (r 3)(r + 1)
portanto x 3,4 = . Para analizar a estabilidade dos pontos x 3 , x 4 ,
2r 2r
devemos aplicar o critrio de estabilidade em |(f 2 (xi ))0 | < 1 ou |(f 2 (xi ))0 | > 1 para i = 3, 4,
isto ,|(f 2 (xi ))0 | = |(f (f (x3 )))0 | = |f 0 (f (x3 ))f 0 (x3 )| como
as rbitas so de periodo 2, temos que
0 0
f (x3 ) = x4 ento |f (x4 )f (x3 )| < 1 tal que 3 < r < 1 + 6
Figura 6: bifurcao
23
Seja a equao
N
(1 )
Nt+1 = Nt e k (16)
N
(1
) k
onde f (N) = Nt e k ento a funo decrecente a partir do valor N = e os pontos
de equilbrio esto definidos em N = 0 e N = k
Xt+1 = F (Xt )
onde F : D <n <, consideremos primeiro um sistema de duas equaes de diferena,
isto , n = 2, ento o sistema
xt+1 = f (xt , yt )
yt+1 = g(xt , yt )
com f , g : D <2 <. Os pontos de equilbrio ou pontos fixos esto definidos por
f (x, y ) = x e g(x, y ) = y
Agora analisaremos a estabilidade local destes pontos de equilbrio, isto , dado um valor
(xt , yt ) prximo ao ponto (x, y ). Potanto, teremos xt = x + xt0 e yt = y + yt0 e desenvolvendo
encontraremos,
0
xt+1 = xt+1 x = f (xt ) x = f (x + xt0 ) x
yt+1 = yt+1 y = g(yt ) y = g(y + yt0 ) y
0
Fazendo expanso pela srie de Taylor de f na vizinhana deste ponto, temos que;
g(x + xt0 , y + yt0 ) = g(x, y ) + gx (x, y )xt0 + gy (x, y )yt0 + O(xt02 , yt02 )
xt0
fx (x, y ) fy (x, y )
A= e Xt0 =
gx (x, y ) gy (x, y ) yt0
p() = det(A I) = 0
24
Ento teremos que 2 + = 0, com
= tr aA = fx + gy e = detA = fx gy gx fy
Por ltimo determinamos as razes desta equao (os autovalores), so em magnitude
menores que a unidade.
O seguinte critrio suficiente e necessrio para o estabilidade do sistema. Portanto, como
critrio de estabilidade, podemos dizer que (x, y ) estvel se e somente se
Prova:
Seja um ponto estvel, isto , < 1 e temos
p que:
()2 4
P () = 2 + = 0 1,2 = ,
2 2
||
como || < 2 <1
2 !2
p 2 p
| 2 |
|| ()2 4 || ()2 4
1 > 1 > 1 || + >
2 2 2 2 4
2 4
1 || > > || 1
4 4
Portanto, encontramos que < 1 e > || 1 1 > > || 1 ou seja:
2 > + 1 > ||
25
Seo 5
Aplicao de Equaes de Diferena No Linear
5.1 - Sistemas no Lineares
Sejam as funes f , g : D <2 < e o sistema
xt+1 = f (xt , yt )
S= (19)
yt+1 = g(xt , yt )
Modelos de equao de diferena discreta aplica-se mais facilmente a grupos, como popu-
laes de insetos onde existe uma diviso natural de tempo entre as geraes discretas. Nesta
seo, analisaremos um modelo particular de duas espcies que tem recebido uma ateno con-
siderada para os bilogos, tanto nas reas experimentais como nas reas tericas, que o sistema
hospedeiro - parasita.
26
Encontrado quase exclusivamente no mundo dos insetos, na qual o sistemas de duas espcies
tm vrias caractersticas distintas. Essa espcie tm um nmero de fases no seu ciclo de
vida que inclui as fases de ovos, Larvas, Pupa e adultos. Uma delas chamada de parasita,
explora a segunda da seguinte forma: Uma fmea adulta parasita estuda o hospedeiro na qual
a oviposita (depositar seus ovos). Em alguns casos, os ovos so anexados superfcie exterior
do hospedeiro durante seu estgio de pupa ou larva. Em outros casos, os ovos so injetados
no corpo (na carne) do hospedeiro. As larvas do parasita se desenvolve e cresce custa do seu
hospedeiro, consumindo-o e eventualmente acaba matando. Os ciclos de vida das duas espcies,
mostrado na figura abaixo, so, portanto, intimamente interligadas.
Figura 7: hospedeiro-parasita
3. A frao dos hospedeiros que so parasitados depende da taxa de encontro das duas
espcies em geral, esta frao pode depender da densidade de uma ou de ambas as espcies.
27
c = nmero mdio de ovos depositados por um parasita em um nico hospedeiro.
Esses trs pressupostos conduz a:
Nt+1 = nmero de hospedeiros na anterior gerao x frao no parasitados x taxa reprodutiva().
Pt+1 = nmero de hospedeiros parasitados na anterior gerao X fecundidade de parasitides
(c).
Observando que 1 f a frao de hospedeiros que so parasitados, obtemos:
Nt+1 = Nt f (Nt , Pt )
S= (20)
Pt+1 = cNt (1 f (Nt , Pt ))
Essas equaes esboam um quadro geral do modelo hospedeiro-parasita. Para prosseguir,
necessrio especificar em termos de f (Nt , Pt ) e como ela depende das duas populaes. Na
prxima seo examinaremos uma determinada forma sugerida pelo Nicholson E Bailey (1935).
Ne = aNt Pt ,
e u r
Pr =
r!
Onde o nmero mdio de eventos de um determinado intervalo de tempo.
No caso de encontros entre hospedeiro-parasita, o nmero mdio de encontros por hospedeiro
por unidade de tempo
Ne
= = aPt
Nt
28
Assim, por exemplo, a probabilidade de exatamente dois encontros seria dada por
e aPt (aPt )2
P2 =
2!
A probabilidade de um parasita escapar a mesma que a probabilidade de zero encontros
durante o acolhimento da vida, ou seja p(0). Assim,
e aPt (aPt )0
f (Nt , Pt ) = p(0) = = e aPt
0!
Portanto, substitundo no sistema (20) teremos
Nt+1 = Nt e aPt
S=
Pt+1 = cNt (1 e aPt )
F (Nt , Pt ) = Nt e aPt
G(Nt , Pt ) = cNt (l e aPt ).
e aPt = 1
F (Nt , Pt ) = Nt
G(Nt , Pt ) = Pt cNt (1 e aPt ) = Pt .
Desenvolvendo este sistema encontramos:
aP t aP t 1 1 ln()
e =1 e = aP t = ln aP t = ln() P t =
a
e
1 1 ln() ln()
cNt 1 = P t cNt 1 = Nt = .
a ac( 1)
ln()
Nt = .
ac( 1)
ln()
Pt = .
a
Portanto temos dois ponto de equilbrio P1 = (0, 0) e P2 = (N, P ), para analisarmos
a estabilidade desses pontos, devemos encontrar o trao e o determinante da matriz Jaco-
biana, que so encontradas atravs das derivadas parciais das funes F (Nt , Pt ) = Nt e aPt e
G(Nt , Pt ) = cNt (1 e aPt ), onde teremos:
29
F
1. = e aP
N
F
2. = aNe aP
P
G
3. = c(1 e aP )
N
G
4. = acNe aP .
P
Para o primeiro ponto P1 = (0, 0), encontraremos:
F F
(0, 0) = , (0, 0) = 0
N P
G G
(0, 0) = 0 , (0, 0) = 0
N P
A matriz Jacobiana ,
0
J1 = (21)
0 0
desta matriz temos que:
det(J1 ) = 1 = 0
e
tr (J1 ) = 1 =
caN
tr (J2 ) = 2 = 1 + . (24)
30
Podemos desenvolvera equao
23 para verificar a estabilidade, 2 ser:
caN 1
2 = aN c 1
ln()
ca
ac( 1) ln() 1
2 = a c 1
ac( 1)
ln() ln() 1
2 = +
1 ( 1)
ln()
2 = + ln()
1
ln() + ( 1)ln()
2 =
1
ln() + (ln() ln()
2 =
1
ln()
2 =
1
e 2 temos,
caN
2 = 1 +
ln()
ca
ac( 1)
2 = 1 +
ln()
2 = 1 +
1
ln()
Vamos mostrar que 2 > 1, para isto precisamos mostrar que > 1, ou seja H() =
1
1 ln() < 0
0 1
Observe ainda que H(1) = 111ln(1) = 0 e que H () = 1ln() = ln() < 0,
para 1, portanto a funo H() decrescente e H() < 0 para 1, mas por 2 e 2
6= 1, ento > 1.
Pelo critrio de estabilidade 18, temos que 2 > 1 + > ||, mas 1, logo o ponto P2 no
estvel.
Portanto, os pontos de equilbrios (N, P ) no so estveis.
31
Seo 6
Modelos Contnuos
6.1 - Modelos Contnuos
OS modelos contnuos so problemas matemticos no qual estaremos dando um tratamento
diferencial, portanto so problemas escritos sob a forma de equaes diferenciais. Uma equao
diferencial linear de primeira ordem apresentada na forma
dx
= f (x) (25)
dt
Exemplo 9 Modelo Populacional.
Seja x(t) o tamanho de uma populao, ento, a taxa de crescimento proporcional ao
dx
tamanho na populao em um tempo t portanto = x onde > 0 e sua soluo dada
dt
pela equao x(t) = x0 e t e o ponto de equilbrio em x = 0
Decaimento radioativo
Dinmica de populacional
Resfriamento trmico
32
dN(t)
= N
dt
1 dN(t)
=
N dt
R t dN Rt
0 = 0 dt
N
Com isto pode definir que
N(t) 1 N(t)
ln = t t = ln
N0 N0
e
N(t)
ln = t N(t) = N0 exp(t)
N0
assim como,
Z 0 Z 0 Z 0
dN
t(N)dN = t(N) = N0 te t dt
N0 N0 dt N0
Z 0 Z 0 Z 0
1 t 1 1 1
t(N)dN = te dt = tdN =
N 0 N0 N0 N0 N0
que representa a taxa de vida mdia da substncia.
1
Interpretao geometrica para o parmetro =
T
Meia vida (T1/2 ): O tempo necessrio para que a radiao de uma amostra se reduza a
N0
metade dada por:
2
N(t) = N0 exp(t)
N0
= N0 e T1/2
2
ln(2)
de onde tiramos que ln(2) = T1/2 T1/2 =
33
Figura 9: meia vida
Exerccio 2 Nas ecavaes arqueolgicas da cidade de Nipur (Antiga Babilnia) foi encontrada
uma viga carbonizada com uma atividade de 4, 09 dpm/g. Usando para o carvo recente de
6, 7 dpm/g. Calcule quando se de tal incndio na antiga cidade.
Soluo
Usando t 1 = 5, 730 anos para c 14 temos:
2
= 0, 12 103 anos
m(t) = 4, 09 dpm/g
m0 = 6, 7 dpm/g
= 0, 000121
m(t) = m0 e t substitundo, teremos:
4, 09 = 6, 7 e 0,000121t
4, 06 4
= e 1,2110 t
6,7
4, 06
ln = 1.21 104 t
6, 7
ln (0, 606) = 0, 000121 t = t
= 4139, 5 anos
34
Usando t 1 = 5, 730anos para c 14 temos:
2
= 0, 12 103 anos
m(t) = 6, 08 dpm/g
m0 = 6, 68 dpm/g
= 0, 000121
m(t) = m0 e t substitundo, teremos:
6, 08 = 6, 68 e 1,21104t
6, 08 4
= e 1,2110 t
6, 68
4, 06
ln = 1.21 104 t
6, 7
ln (0, 6910176) = 0, 000121 t = t
= 777, 8 anos
Exerccio 4 Um indivduo encontrado morto em seu escritrio pele sua secretria que liga
imediatamente para a polcia. Quando a polcia chega, duas horas depois da chamada, examina
o cadver. Uma hora depois o detetive prende a secretria, porqu?
Soluo A temperetura do escretrio era de 20o c. Quando a polcia chegou, mediu o defunto,
achando 35o c. Uma hora depois mediu novamente, 34, 2o c. Supondo que a temperatura normal
de uma pessoa viva seja constante e igual a 36, 5o c, temos:
T (0) = 36, 5
T (t ) = 35 t tempo decorrido desde o instante da morte
T (t + 1) = 34 a temperatura da vtima mais uma hora depois que a polcia chegou.
A questo de resfriamento para esse caso :
T (t) = (T0 Ta )e t + Ta
T (t) = (36, 5 20)e t + 20
= 16, 5e t + 20
35
(t +1)
34, 2 = 16, 5e + 20
15
= e t
16, 5
14, 2
= 16, 5e (t +1)
16, 5
15 1
Resolvendo o sistema, temos: = = e = 1 0, 056338
14, 2 e
donde = 0, 05481
15
ln
16, 5
Portanto, t = = 1, 73898h
Podemos concluir que o assassinato ocorreu "exatamente" 1 hora e 44minutos e 20 segundos
antes da polcia chegar. Quando a secretria chegou seu chefe ainda estava vivo.
35
Quais seriam as medidas corretas obtidas pelo logista para termos uma melhor aproximao
da realidade?
t =6 horas
1 100 (20 36, 5)
6 = ln
20
Ou seja
= 1, 36 = t = 1, 7389, fazemos
T (t ) = 16, 5e 1,361,7389 + 20 21, 55o c
T (t + 1) = 16, 5e 1,36+2,7389 + 2 20, 39o c
Suponha que o indivduo assassinado estivesse com febre quando morreu, ainda possvel
descobrir o instante da sua morte?
Soluo
Supondo:
T (0) = 36, 5
T (t ) = 38t tempo decorrido desde o instante da morte
T (t + 1) = 37, 2 a temperatura da vtima mais 1 hora depois que a polcia chegou.
(t) = (36, 5
T 20)e t + 20
t
38 = 16, 5e + 20
(t +1)
34, 2 = 16, 5e + 20
18
= e t
16, 5
14, 2
= 16, 5e (t +1)
16, 5
1, 09 = e t
0, 86 = 16, 5e (t +1)
1, 09
= e t e t e
0, 86
= 1, 26744186 = e
= 1, 16744186 = 0, 2370006
18 18
= = e t = ln = t
16, 5 16, 5
0, 087011376
= = 36, 71
0, 2370006
36
dN
Exemplo 10 Para a equao = N + K, onde g(N) = N + K e h(t) = 1, t 0.
dt
K
1. solues constantes: g(N) = 0 N + K = 0 N = , t 0
o coeficiente de natalidade;
o de mortalidade;
1
o tempo meia-vida de um individuo pertenecente a esta populao;
o nmero meio de nascimentos sobre o tempo de vida de um individuo.
Assim,
P = P (t + t) P (t)
P = P (t)t P (t)t
P = ( )P (t)t
P
= ( )P (t)
t
dP
Fazendo com que t 0, obtemos, da equao de diferena, a equao diferencial =
dt
( )P (t) que nos diz que a taxa de variao de uma populao proporcional a populao
em cada instante.
A soluo desta dada pela equao
P (t) = P0 e ()t
P (0) = P0
De onde obtemos os seguintes resultados:
37
1. Se = , ento a populao no varia.
= > <
dP
= ( aP (t))P (t)
dt
Introduzido pela primeira vez por Verhulst (1838) e estudada por Pearl e L. J. Redd (1920).
Pode-se escrever a equao da seguinte forma:
dP P (t)
= P (t) 1
dt K
Os parmetros = , K = com > 0 dito taxa de crescimento intrinsico por que
a
representa a taxa per capita e K > 0 onde K a capacidade do suporte da populao.
Desenvolvendo oprocesso de separao
de variveis teremos, e observando que
1 1 1 1
= + :
P (K P ) K P KP
R dP R
= dt
P (K P ) K
R 1 R 1 R
dP + dP = dt
KP K(K P ) K
1 1
lnP ln(K P ) = t +C
K K K
1 P
ln = t +C
K KP K
onde C uma constante de integrao.
Se o tamanho da populao em o tempo t = 0 P0 , ento a equao fica
38
KP0
P (t) =
P0 + (K P0 )e t
A soluo valida no sentido biolgico para 0 < P0 < K, e o tamanho da populao Pt K
quando t .
T (t) = Ta + Ce t
resfriamento1 resfriamento2
39
No exemplo, podemos chamar de t o tempo necessrio para que T atinja 0, 99 de Ta . Em
termos numricos, isto significa que se o erro relativo de 0, 01 ou menos, podemos considerar
T (t) como sendo praticamente Ta . Assim,
99
Ta = (T0 T a)e t + Ta
100
t
Ta
e =
100(Ta T0 )
Ta
t = ln
100(Ta T0 )
1 100(Ta T0 )
t = ln
Ta
Exemplo 11 Se uma populao inicial x0 = x ento a soluo da equao diferencial dada por
x(t) = x t.
Para determinar se um ponto de equilbrio estvel ou no, podemos usar o seguinte teorema.
dx dx
Observao 3 = f (x) = f (x)x esta segunda equao chamada de linearizao de
dt dt
(25) em torno de x.
40
Exemplo 12 Seja a equao de Verhulst
dy
= ay (K y )
dt
os pontos de equilbrio so y = 0 ou y = K f (y ) = aKy ay 2 , onde a e K so positivos,
logo temos que:
f 0 (y ) = aK 2ay = 0 e f 0 (0) = aK > 0 y = 0 portanto o ponto instvel e para
0
f (K) = aK 2aK = aK < 0 y = K assimtticamente estvel.
A Equao de Gompertz dada por
dy y
= ay ln
dt K
com a > 0 e y > K, os pontos de equilbrio da equao so y 6= 0 ou y = K, ento temos que:
y
f (y ) = ay ln
y K
0 K 1
f (y ) = a ln ay
K y K
0 y
f (y ) = a ln a
K
0 0 K
temos que, para y = K ento f (y ) = f (K) = a ln a = a < 0 portanto,
y K
f 0 (y ) = a ln a logo f 0 (K) = a estvel.
K
Consideramos as seguintes taxas de crescimento especfio para os modelos dados por:
Mathus figura 1
1 dy
=
y dt
Verhulst figura 2
1 dy
= a(K y )
y dt
Gompertz figura 3
1 dy y
= a(ln )
y dt K
41
6.3.1 - Crescimento Especfico ou Lei da Alometria
Nem todas as partes do corpo de um inivduo tm em cada instante um desenvolvimento
proporcional. A cabea de uma criana cresce mais lentamente que seu corpo. O rpido cresci-
mento dos ps de um adolescente, comparado com o resto de seu corpo, causa muitas vezes
alguns transtornos. A alometria estuda estes diferentes padres de crescimento. O tamanho de
um orgo pode ser a medida do seu volume, peso, comprimento ou rea lateral.
Sejam x = x(t) e y = y (t) os tamanhos de rgos ou partes do corpo distintos de um
mesmo individuo, num instante t.
A Lei da Alometria establece que, no mesmo indivduo, os crescimentos especficos de seus
rgos so proporcionais. Logo o modelo matmtico :
1 dx 1 dy
=
x dt y dt
Separando as variveis e integrando, obtemos
dP
= A(t) P (t)
dt
onde e so as taxa de anabolismo e cotabolismo, respectivamente.
Equao de Vor Bertalanffy
1 dA 1 dP
=C
A dt P dt
dP
integrando, obtemos A(t) = K(P (t))C e portanto = a(P (t))C P (t), onde a = K
dt
2
e o valor de C
= logo a equao diferencial no linear :
3
2
dP
= a(P (t)) 3 P (t)
dt
1
a 3 2 1
e os pontos de equilbrio so P1 = 0 ou P2 = ( ) e f (P ) = aP 3 f 0 (P2 ) = < 0
0
3 3
portanto o ponto assimtticamente estvel.
42
Seo 7
Sistemas de Equaes Diferenciais Lineares
7.1 - Sistemas de Equaes Diferenciais Lineares Bidimensionais
Consideremos o seguinte sistema de equaes diferencial
Se 1 6= 2
X1 = X2 X1 = V2 e 2 t V1 e 1 t = V2 e 2 t
o fato de que V1 = V2 contradiz a hiptese de que autovalores diferentes tem autovetores
so linearmente independentes, portanto X1 e X2 so linearmente independentes e a soluo do
sistema (26) a combinao linear de suas solues. AV1 = 1 V1 e AV2 = 2 V2
portanto se 1 6= 2 , ento a soluo geral de (26)
X(t) = K1 X1 + K2 X2 = K1 V1 e 1 t + K2 V2 e 2 t
se = 1 = 2
Vamos mostrar que uma soluo para (26) dada por X(t) = (U + V t)e t .
Derivando em funo de t temos:
X 0 (t) = V e t + (U + V t)e t
AX = e t AU + te t AV
AX = e t AU + V te t
43
ento U deve satisfazer AU = V + AU (A I)U = V portanto X1 (t) = V1 e 1 t e
X2 (t) = (U + V t)e t onde (A I)V = 0, (A I)U = V ento X1 (t) e X2 (t) so linearmente
independentes.
Logo a soluo geral de (26) dada por
X(t) = K1 V e t + K2 (U + V t)e t
se 1 6= 2 com 1 = + i e 2 = i
U = e t (Acost + Bsent)
X(t) = K1 U(t) + K2 W (t)
W = e t (Asent Bcost)
44
Caso complexo: 1 6= 2
1 = + i e 2 = i
1 = + i , temos;
v11 (+i)t v12
X(t) = K1 e + K2 e (i)t
v21 v22
Sendo:
v11 = a + bi
v21 = c + di
v21 = e + f i
v22 = g + hi
donde temos
x1 (t) x2
X(t) = K1 + K2 i
y1 (t) y
2
x1 (t) x2
Se K1 + K2 i soluo, ento
y1 (t) y2
x1 (t) x2
K1 e K2 tambm so solues reais.
y1 (t) y2
Exemplo
0 15 : Resolve o sistema
x = x + 2y
y 0 = 2x + y
Soluo:
1 2
A=
2 1
1 2
= p() = det(A I) = = (1 )2 + 4 = 0
2 1
Ento, os autovalores so:
1 = 1 + 2i e 1 = 1 2i
Para 1 = 1 +
2i , temos:
2i 2 v1 0 2iv1 + 2v2 = 0
=
2 2i v 0 2v1 2iv2 = 0
2
1
= V1 =
i
Para
2 = 1 2i , temos:
2i 2 v1 0 2iv1 + 2v2 = 0
=
2 2i v2 0 2v1 + 2iv2 = 0
1
= V2 =
i
A soluo do sistema
dada por:
1 1
X(t) = k1 e (1+2i)t + k2 e (12i)t
i i
Onde
(1 + 2i )t = e t (cos2t + isen2t)
(1 2i )t = e t (cos2t isen2t)
Ento
45
cos2t + isen2t cos2t isen2t
X(t) = k1 e t + k2 et
icos2t sen2t icos2t sen2t
cos2t t cos2t t sen2t t sen2t
= k1 e + k2 e + k1 e + k2 et i
sen2t sen2t cos2t cos2t
cos2t t sen2t
k1 e + k2 e t ; k1 , k2 R
sen2t cos2t
Para o sistema linear (26), definimos o vetor X = 0 como ponto de equilbrio, ento a
estabilidade de X = 0 tal que, X 0 quando t limt kX(t)k 0, portanto
teremos:
4. Se 1,2 = i , temos:
46
item 1 - ndulo item2 - sela item3 - ndulo
p() = 2 b + c
47
Figura 10: grfico do sistema 26
Crterio 1 de Routh-Hurwistz
Ento o polinmio P () ser estvel se e somente se todos os determinantes menores prin-
cipais da matriz, Hk , k = 1, ..., n, forem positivos, onde
H1 = (a1 )
a1 1
H2 =
a3 a2
a1 1 0
H3 = a3 a2 a1
a5 a4 a3
a1 1 0 0 ... 0
a3 a2 a1 1 ... 0
Hj =
a5 a4 a3 a2 ... 0
: : : : ; :
a2j1 a2j2 ... ... ... aj
48
.. .. ..
. . .
a1 1 0 0 ... 0
a3 a2 a1 1 ... 0
Hk =
a5 a4 a3 a2 ... 0
: : : : ; :
0 0 0 ... ... ak
O equilbrio ser estvel, se e somente se, det(Hj ) > 0, j = 1, 2, ..., k.
a1 1
H2 = det(H2 ) > 0 a1 a2 > 0 como a1 > 0 logo a2 > 0
a3 a2
.
Portanto, se a1 > 0 e a2 > 0 os pontos de equilbrio so estveis.
Para k = 3
p() = 3 + a1 2 + a2 + a3
H1 = (a1 ) det(H1 ) > 0 a1 > 0
a1 1
H2 = det(H2 ) > 0 a1 a2 > 0 como a1 > 0 logo a2 > 0
a3 a2
.
a1 1 0
H3 = a3 a2 a1 pretendemos verificar se det(H3 ) > 0 e det(H3 ) = a1 a2 a3 a32 > 0,
0 0 a3
dos dados anteriores temos que a1 > 0 e a2 > 0, portanto para que det(H3 ) > 0 basta a3 > 0
e a1 a2 > a3 .
Portanto, se a1 > 0, a2 > 0, a3 > 0 e a1 a2 > a3 os pontos de equilbrio sero estveis.
Crterio 2 de Lyapunov
Seja
x 0 = f (x) (28)
com x <n onde f : I <n <n e seja x um ponto de equilbrio, V uma funo tal que
V : U <n < de classe C 1 e U uma vizinhana de x, tal que
49
para o tem (3) V 0 (x) = V (x) f (x)
F (x, y ) = G(x, y ) = 0
Ento consideremos solues prximas ao equilbrio, fazendo expanso em srie de Taylor na
vizinhaa de (x, y ), temos
F (x, y ) = F (x, y ) + F (x, y )(x x) + F (x, y )(y y ) + R1 (x, y )
x y
G(x, y ) = G(x, y ) + G(x, y )(x x) + G(x, y )(y y ) + R2 (x, y )
x y
onde R1 e R2 so termos de segunda ordem e superiores, respectivamente. Tal que
R1 (x, y ) R2 (x, y )
li m(x,y )(x,y ) p = li m(x,y )(x,y ) p =0
2
(x x) + (y y ) 2 (x x)2 + (y y )2
O sistema abaixo a linearizao de (29) em torno de (x, y ).
du
= F (x, y )u + F (x, y )v
dt x y (30)
dv
= G(x, y )u + G(x, y )v
dt x y
onde u = x x e v = y y .
1. Se (x, y ) for assintoticamente estvel para (30), ele ser tambm para (29).
2. Se a parte real do autovalor > 0 para algum de (30), ento (x, y ) ser estvel para
(29).
3. Se a parte real do autovalor > 0 autovalor de (30), ento (x, y ) repulsor e X(t)
soluo de (29),t0 , X(t)
/ V, t t0 , onde V vizinhana de (x, y )
50
Exemplo 17 Seja o sistema:
dx
= 3x 2 6y = F (x, y )
dt
dy
= x + y = G(x, y )
dt
6x 6
Os pontos de equilbrio so: P1 = (0, 0) e P2 = (2, 2) e J =
1 1
O polinmio caracterstico associado a J no ponto P1 dado P () = 2 6 = 0 e seus
autovalores so 1 = 3 e 2 = 2
Anlise do ponto P1 para 1 = 3, como o sistema no linear podemos escrev-lo na forma
(30), isto ,
du = 6xu 6v
dt
dv
= u + v
dt
onde u = x x e v = y y . Achando o autovetor associado a 1 temos
2
V1 =
1
e para 2 = 2, temos
3
V2 =
1
segundo o teorema acima temos que para 1 repulsor
e 2 atrator.
13 145
A anlisea do ponto P2 anlogo, ento 1,2 = portanto 1 < 0 < 2
2
51
Seo 8
Modelos em Biomatemticas
8.1 - Modelos em Biomatemticas
8.1.1 - Modelos de Competio entre duas Espcies.
A interao entre duas espcies A e B se processa de maneira que cada espcie afeta nega-
tivamente a outra na luta pela sobrevivncia (espao, alimentao, etc). Como os recursos so
limitados, o modelo de crescimento logstico o mais indicado para cada espcie, na ausncia
da outra.
dx = ax bx 2
dt
dy
= cy dy 2
dt
onde x e y so as populaes das espcies A e B, respectivamente. Se incluirmos o efeito da
competio, a interao ser modelada, supondo que a variao de crescimento de cada espcie
seja reduzida por um fator proporcional populao da outra espcie. Assim, as equaes das
populaes so:
dx = ax bx 2 xy
dt
dy
= cy dy 2 xy
dt
O sistema de equaes diferenciais acima no tem necessariamente uma soluo analtica, por
isso, neste caso especfico, um estudo qualitativo das solues imprescindvel.
Os pontos de equilbrio para o sistema so dados pelas solues do sistema
x(a bx y ) = 0
y (c dy x) = 0
Obtemos 4 pontos de equilbrio assim,
P1 = (0, 0)
a
P2 = ( , 0)
b
c
P3 = (0, )
d
ad c cb a
P4 = (x4 , y4 ) = ( , ) se bd 6= 0
bd bd
Para o ponto P4 com bd 6= 0, temos que;
Se bd > 0 ento,
a c
x4 > 0 ad c > 0 >
d
c a
y4 > 0 cb a > 0 >
b
52
Se bd < 0 ento,
a c
x4 > 0 ad c < 0 <
d
c a
y4 > 0 cb a < 0 <
b
A matriz Jacobiana associada ao sistemas :
a 2bx y x
J=
y c 2dy x
Para o ponto P1 temos
a 0
J(P1 ) =
0 c
com autovalores 1 = a > 0 e 2 = c > 0 portanto P1 um ponto repulsor.
Para o ponto P2 temos que
c
a 0
J(P2 ) = cd
c
d
ad c a c
Os autovalores associados a J(P2 ) so 1 = < 0 se ad c < 0 < e
d d
2 = c < 0 ento P2 um ponto estvel.
ad c a c
Se 1 = > 0 se > e 2 = c < 0 ento P2 ponto de sela.
d d
Para P3 temos que a
a
J(P3 ) = ba
0 c
b
53
Figura 13: equilbrio 3
a cb a
Os autovalores associados a J(P3 ) so 1 = a < 0 e 2 = c < 0
b b
cb < a ento P3 um ponto assintoticamente estvel.
c a
Se 2 > 0 > ,ento P3 ponto de sela.
b
54
a c c a
Se bd > 0 > e > , ento 1 < 0 e 2 < 0, logo o ponto P4 = (x4 , y4 )
d b
um n assintoticamente estvel.
55
props, ento, a questo a Vito Volterra, que escreveu um par simples de equaes diferenciais
para descrever o sistema. Se definirmos x(t) como o nmero (ou densidade) de presas e y (t) e
nmero (ou densidade) de predadores, o sistema proposto por Vito Volterra apresenta a seguinte
formulao:
dx = ax xy = F (x, y )
dt (31)
dy
= by + xy = G(x, y )
dt
onde a, b, e so constantes positivas.
Como nos explica Kot, o termo ax(t) implica que as presas crescero de modo exponencial
na ausncia de predadores. Por sua vez, o segundo termo da primeira equao, x(t)y (t),
est relacionado reduo das presas por ao dos predadores. Na segunda equao, o termo
x(t)y (t) indica que a perda de presas leva produo de novos predadores, e by (t) indica
que a populao de predadores decai exponencialmente na ausncia de presas.
Achamos os pontos de equilbrio para analisar
o sistema (31), fazendo, F (x, y ) = 0 e
b a
G(x, y ) = 0, ento temos P1 = (0, 0) e P2 = , , linearizando (31),
a y x
J(P ) =
y b + x
e obtemos os seguintes resultados;
2 = b um ponto de sela.
Para o ponto P1 os autovalores 1 = a e
Para o ponto P2 os autovalores 1,2 = abi um ponto centro estvel.
De fato, tomando
dy x(a y )
=
dx y (b + x)
separvel. As curvas solues desta equao dada implicitamente por aln(y ) y =
bln(x) + x + ln(K) onde K > 0 uma constante de integrao.
Nessa equao, nem x, nem y podem ser explicitados em termos de funes elementares.
As rbitas representadas por ela podem ser traadas atravs do mtodo grfico de Volterra.
Seja z uma varivel auxiliar,
1/b
z = aln(y ) y 1
, onde c =
z = bln(cx) + x K
dz a
Fazendo um esboo de z como funo de x e y , separadamente, temos que = ;
dy y
2
dz a d z a a
= 0 y = . Ainda, 2
= 2 < 0 e Portanto, para y = , z atinge seu valor
dy a dy y
mximo z = a ln 1 .
cb b
Analogamente, z atinge seu valor mnimo z = b 1 ln quando x = . Desta
forma, a populao x deve variar entre un valor mnimo x1 e um valor mximo x2 , solues de
a
a ln 1 = bln (cx) + x
56
O mesmo acontece com a variao da populao y que est compreendida entre as duas
solues de
cb
b 1 ln = aln(y ) y
Os valores limitantes de ambas as populaes so dependentes de seus estgios iniciais, pois
dependem da constante arbitrria c.
b a
As trajetrias no plano xy so fechadas em torno , . O ponto P2 estvel, mas no
assintoticamente estvel.
Qual deve ser o nmero mdio de presas e de predadores em um determinado perodo T ?
Para responder esta pregunta, consideremos o sistema (31) escrito na forma
1 dx
= a y
x dt
1 dy
= b + x
y dt
Integrando ambas as equaes no intervalo 0 at T , onde T o perodo da soluo em
questo, ento obtemos
RT 1 RT
0 dx = 0 (a y )dt
x RT
ln(x0T ) = at0T 0 y dt
RT
ln(T ) ln(0) = aT 0 y dt
RT
0 = aT 0 y dt
RT
aT = 0 y dt
a 1 RT
= y (t)dt
T 0
1 RT
Y = y (t)dt
T 0
onde Y o nmero mdio de individuos de predadores (y ) ao longo de um perodo de tempo
t.
Analogamente para o nmero mdio de presas ao longo de um perodo de tempo t dado
1 RT b
por X = 0
x(t)dt = .
T
Como vimos nos resultados, temos que os valores mdios das populaes x e y independem
a b
de seus estados iniciais e so exatamente iguais a seus valores estacionrios e , isto , quando
existe uma diminuio da quantidade de presas em um ecossistema no adianta aumentarmos
a quantidade de predadores, pois somente aumentaria a magnitude da oscilao do ciclo. Os
valores mdios continuariam os mesmos.
Se considerarmos uma retirada uniforme de elementos das duas populaes, que interagem
segundo o modelo presa - predador, cada populao ser diminuda a uma taxa proporcional a
57
esta populao. De fato, denotando por a constante de proporcionalidade de retirada, temos
o seguinte sistema
dx
= ax xy x = x(a ) xy
dt
dy
= by + xy y = (b + ) + xy
dt
Adiferena entre
o sistema (31) e este sistema que o ponto de equilbrio P2 dado por
a b+
P2 = , , assim, o valor mdio para predadores diminui, enquanto aumenta o valor
mdio das presas.
c) Modelo de Kolmogorov
dx
= A(x)x V (x)y
dt (32)
dy
= B(x)y
dt
Onde A, V e B so funes consideradas essencialmente de caractersticas biolgicas:
A(x) descrescente; A(0) > 0 > A(). Estas restries podem ser interpretadas como:
na ausncia do predador (y = 0), o coeficiente de natalidade da presa diminui com o
aumento da populao (populao inihibida), indo de valores positivos para negativos;
isto significa que a populao das presas assume caractersticas de uma competio para
recursos limitados. Assim, esta populao estabilizada num nvel dado por A(x) = 0 (y =
0).
B(x) crescente com x; B(0) < 0 < B(). A taxa de crescimento da populao dos
predadores vai de valores negativos (com a falta de alimentos) a valores positivos.
V (x) > 0 para x > 0 e V (0) = 0 V (x) a resposta funcional dos predadores densidade
da populao de presas. Os tipos mais freqentes para a funo V (x) em sistemas do tipo
presa - predador clsico so dados nas figuras abaixo.
58
a) invertebrados e alguns peixes b) moluscos c)vertebrados
O sistema (32) tem dois ou trs pontos de equilbrio no primeiro quadrante: (0, 0), (x, 0)
onde x satisfaz A(x) = 0, e o ponto (xe , ye ) determinado pelas equaes.
A(xe )xe V (xe )ye = 0
B(xe ) = 0
para xe < x, isto , A(xe ) > 0.
Linearizando o sitema (32) podemos estudar o comportamento das trajetrias na vizinhana
da cada ponto de equilbrio, para isto, basta considerar u = x xe ,v = y ye , onde xe y ye so
as coordenadas destes pontos.
No ponto (0, 0) temos o sistema linearizado
du = A(0)u
dt
dv
= B(0)v
dt
As razes do polinmio caracterstico associado a a este sistema so 1 = A(0) e 2 = B(0),
ambas reais e de sinais diferentes e, portanto, a origem ser um ponto de sela (instvel). Os
eixos x e y so as separatrizes.
No ponto (x, 0), temos
du = A (x)xu V (x)v
dt dx
dv
= B(x)v
dt
dA
As razes de polinmio caracterstico so 1 = (x)x e 2 = B(x). Se 1 < 0, pois
dt
dA
(x) < 0 e x > 0; 2 < 0, se x < xe (n estvel), enquanto que 2 > 0, se x > xe (ponto de
dt
sela).
No ponto (xe , ye ) temos
59
du dV (xe ) A
= ye + (xe )xe + A(xe ) u
dt dx dx
dv dB
= (xe )ye u
dt dx
dV dA dB
Tomemos = (xe )ye A(xe ) e = V (xe ) (xe )ye .
dx dx dx
2
O polinmio caracterstico desse sistema dado por + + = 0. Como > 0, ento
o ponto (xe , ye ) ser um foco, se 2 < 4, ou um n, se 2 > 4, logo a estabilidade
determinada pelo sinal de , isto , para > 0 ser estvel e para < 0, instvel.
Portanto, na figura abaixo teremos:
a) xe > x;
No caso em que xe < x, a separatriz que se origina em (x, 0) pode ficar girando em torno do
ponto (xe , ye ), dando origem a um ciclo limite.
60
Figura 16: xe < x; ciclo limite
d) Holling - Taner
61
1. A populao est fixa, de modo que ningum entra, sai, ou morre.
dS dI dR
Seja a populao N(t) constante no tempo, isto , + + = 0, ento N =
dt dt dt
1
S + I + R, t 0 e o tempo mdio com que cada individuo fica em I.
um sistema no linear mas, uma vez que as duas primeiras equaes s dependem de S e
I, podemos reduz-las a uma nica equao,
dI SI I
= = 1 + (33)
dS SI S
cuja soluo dada por
I = S + lnS + K
Usando as condies iniciais, obtemos o valor da constante K.
K=N lnS0
Assim,
S
I = N S + ln
S0
Da equao (33), vemos que > 1, ou seja, se S < , ento a funo I crescente.
S
Analogamente, I decrescente, quando S > .
Observemos que I quando S 0, e como I0 > 0, existe pelo menos un valor de S
para o qual I = 0. Seja S = S este valor.
dS dI
Se I = 0 no h infectados e portanto, livre da doena temos que < 0, > 0 se S >
dt dt
dI
e, < 0 se S <
dt
Quando t cresce, o ponto (S, I) se move ao longo da trajetria, com S sempre decrescendo,
I cresce se S0 > e decresce se S0 < .
Observemos que quanto maior for a variao de remoo relativamente variao de infeco,
mais rapidamente a epidemia cessar (Ver figura(17)).
62
Figura 17: Trajetria no plano-SI(modelo SIR)
Supondo que a doena no tenha cura e que uma pessoa contaminada morra, ento
importante saber o valor de R em cada instante no tempo, para o sistema tipo SIR tomemos a
primeira e terceira equaes, podemos escrev-las de maneira reduzida como uma s equao
dS
= S
dt
Resolvendo para S, obtemos
R
S = S0 e
e como N constante substituimos I na terceira equao, vem
dR
= (N R S)
dt
Ou
dR R
= N R S0 e
dt
Esta equao no pode ser resolvida explicitamente, mas supondo que R seja suficientemente
pequeno, podemos escrever
2 S0 2
dR
= N S0 + S0 1 R R
dt 2 2
Podemos resolver tal equao separando variveis e fazendo a integrao por fraes parcias.
Se consideramos
63
" 2 #1
2 2
a= S0 1 +2 S0 (N S0 )
2
e
S0 1
1
= tgh
a
ento
2
at
R(t) = 2 S0 1 + atgh
S0 2
dR
A variao das pessoas isoladas dada por
dt
3 a2
dR 2 at
= sech
dt 2 2 S0 2
2 dR
para t = ento = 0 o qual o ponto mximo.
a dt
Consideremos que a populao de removidos R perdem imunidade, isto , eles voltam a ser
suscetveis S, ento o sistema que modela o fenmeno
dS
= SI + I
dt
dI
= SI I
dt
dR = I R
dt
64
A populao constante e o parmetro indica a frao de indivduos que saem da classe
1
de removidos R e o tempo em que um individuo fica em R.
O sistema no linear, ento no tm soluo anlitica podemos fazer um estudo qualitativo,
achando os pontos de equilbrio livre e na presena da doena, trivial e no trivial, respectiva-
mente.
Fazendo
dS dI dR
= = =0
dt dt dt
obtemos
SI + I = 0 SI = I = I
SI I = 0 I = 0ouS =
I R = 0 I = R2 = I 2
R R
e como N = S + I + R ospontos de equilbrio
livre da doena p1 = (N, 0, 0), e na presena
N S 2 I 2
da doena dado por P2 = , ,
+
Se
N S2
I2 > 0 > 0 N S2 > 0 N > N > 1
+
1
O termo a frao da populao que se infecta com o contacto com um indivduo
infectado durante o perodo infeccioso dele e R0 = N o numero de infees secundrias, ou
seja, o nmero de novos casos de infeco causados por um nico infectado numa populao
de suscetiveis, este nmero chamada taxa reproductiva intrsica na infeco, se R0 > 1, ento
tm doena (endmica) e se R0 < 1, no tm doena (no endmica).
Seja R = N S I, reduzindo o sistema de trs dimenses para duas dimenses o sistema
fica na forma
dS = SI + (N S I) = F (S, I)
dt
dI
= SI I = G(S, I)
dt
Se fazemos F (S, I) = 0 e G(S, I) = 0 obtemos os pontos de equilbrio como no caso anterior,
ento;
Se I(S ) = 0 I = 0 ou S =
N
e de N S I = SI N = ( + )I I = .
+
Portanto, o ponto de equilbrio
no plano
SI livre da doena P1 = (N, 0) e o ponto em
(N )
presena da doena P2 = ,
+
65
Fazendo um estudo qualitativo para analisar a estabilidade dos pontos de equilbrio temos,
que a matriz de linearizao Jacobiana para o sistema dada por:
(I + ) (S + )
J(P ) =
I S
obtemos que:
b = (I + ) + S e c = (I + )(S ) + I(S + ) onde b =trao(J(P )) e
c = det(J(P ))
Para P1 = (N, 0), temos que;
b = N ( + ) e c = (N )
N
1. Se > 1, ento instavel.
N
2. Se < 1,
N
Se c > 0 <1b>0
N
Se b > 0 >1
+
P1 = (N, 0) estvel.
Observao 4 A estabilidade
do ponto
P1 no implica que exista P2 .
(N /)
Para o ponto P2 = ,
+
c = (I2 + ) e b = I2 ( + ), ento P2 estvel.
66
Seja
Se = 0, ento um modelo tipo SIRS = R0 = N
+ +
Se = = 0, ento um modelo tipo SIR = R0 = N
Se = 0, ento um modelo tipo SIS = = R0 = N
+
dI
Em cada modelo, R0 a realo entre os parmetros do modelo que indica dt > 0 (R0 > 1)
dI
ou dt < 0 (R0 < 1)
dI S
dt = SI I > 0 S > 0 >1
R0 : taxa reproductiva intrisica da doena, p: fraco que vai ser imunizada e 1 p fraco
0
no inmunizada e N(1p) populao de doentes e R0 = (1p)R0 a fraco aps a vacinao,
isto ,
0
R0 < 1 (1 p)R0 < 1 p > 1 R10
Nos modelos clssicos de epidemiolgia, quando o equilbrio no trivial existir (do ponto de
vista biolgico) ento o equilbrio trivial instvel, isto , R0 > 1
Suponhamos um modelo epidemiolgico cujo polinmio caracterstico dado por:
p() = n + a1 n1 + a2 n2 + ... + an
67
dI
= (N I)I I = I N I
dt
com I(0) = I0 > 0, que pode ser resolvida ao separarmos as variveis, obtendo
N
I(t) =
1
+ (N ) e (N)t
I0
para I 6= 0 e I 6= N
I(t) N quando t , e conseqentemente I(t) , isto , doena mantm-se
num nvel constante na populao.
dS dI
Se fazemos =0e = 0, obtemos que I = 0 ou S = e, portanto, no h epidemia.
dt dt
Se I = 0 N = S, todas as pessoas so sadias.
dN dS
Se S = I = N e neste caso = = 0.
dt dt
Se estamos com uma quantidade S > e I 6= 0, o ponto (S, I) sobre a reta S = N I
dI dS dS dI
tende ao valor ,N , ento >0e < 0. Se S < , como >0e < 0,
dt dt dt dt
ento o ponto (S, I) ainda se aproxima de ,N sobra a reta S = N I.
Neste caso, dizemos que o ponto ,N assintoticamente estvel, pois as solues
no constante se aproximam deste ponto. (ver figura 20)
68
dI
A maior velocidade da epidemia obtida quando atinge seu ponto mximo, isto , quando
dt
d 2I d 2I
1
=0 = N 2I = 0 I = N ou seja, quando I o ponto
dt 2 dt 2 2
mdio entre os dois pontos de equilbrio, I = 0 e I = N , conforme vemos na figura (21).
69
Figura 22: S = N e S = so as solues constantes para S
Consideremos agora a populao N varivel. Vamos supor inicialmente que todos os bebs
nascem sadios, com taxa de natalidade igual taxa de mortalidade da populao. Obtemos o
seguiente sistema
dS
= SI + I + N S
dt
dI
= SI I I
dt
Temos que, N = S + I constante, apesar da populao ter elementos renovados.
O sistema anterior se reduz equao
dI +
= I N I (34)
dt
ou ento a
dS +
= (N S) S (35)
dt
dS dI
Observemos que = .
dt dt
+
Os pontos de equilbrio da equao (34) so I = 0 e I = N e da equao (35)
+
S=N eS=
70
Seo 9
Equaes Diferenciais Parciais
9.1 - Populaes Distribuidas no Espao
Para se estudar o movimento de partculas no tempo e no espao utilizam-se "Leis de Con-
servao".
J(x, t) = fluxo de partculas (x, t): nmero de partculas que atravessam uma rea unitria
em x por unidade de tempo.
Ax 0,
c J
= (x, t) + (x, t) (36)
t x
71
a equao da continuidade
Se J : Rn Rn
A equao (36) fica:
c ~ t) (x, t)
= J(x,
t
J~ o divergente de J~
J1 J2 Jn
J~ = , ,..., (J1 , J2 , . . . , Jn ) = + ... +
x1 x2 xn x1 x2 xn
c 2c
(x, t) = D 2 + (x, t)
t x
Vetorial:
c
(x, t) = D2 c + (37)
t
2 c o Laplaciano de c : 2 =
Atrao: Suponhamos que uma funo que representa uma atrao. Aqui as partculas
movimentam-se no sentido
72
J~ = c ou J = c
x
c
(x, t) = c (x, t)
t x x
Comentrio para a equao de Difuso
c 2t
= D 2, 0
f x
(di st)2
A unidade D
tempo
d2
Qual ser o tempo t mdio para difundir uma distncia d? D =
t
d 2 5 2
t =
= 10 cm /s t = 109 s
= 30anos
D
t =?
sed = 1metr o
Exemplos de autofunes
f10 (x) = e x
lambda 0
2 f1
L(f1 x) = L = D
x 2
f10 (x) = e x
f100 (x) = x
= f1 (x)
73
2c c
L(c) = D 2
=
x t
Exemplos
1) f1 (x) = e 0 x
2) f1 (x) = sen( x)
3) f1 (x) = cos( x)
A famlia c(x, t) = e kt
c
L(c) =
t
c
L(c) = = e kt Dsen( x)
t
c
L(c) = = ke kt sen( x)
t
Se k = D ento:
c = e kt sen( x) soluo
c(0, t) = 0 e kt = 0 t
(L, t) = 0 e kt sen( L) = 0
L = n
n 2
= ; n = 0, 1,
L
74
T 0 (t)
= k T 0 (t) = kT (t) T (t) = Ae kt
T (t)
S 00 (x) k k
D = k S 00 S(x) = 0 2 =0
S(x) D D
q
= Dk
k k
S(x) = Be D x + ce D x
Se c(0, t) = c(L, t) 0
c(0, t) = Ae kt (B + C) + c(0) = 0
k k
c(L, t) = Ae kt (Be D
L
+ Ce D L )
T (t)S(0) = T (t)S(L) = 0
q
k
Se T (t) 0 S(x) = Bsen D x ek <0
k n 2
S(L) = 0 =
D L
As Ondas viajantes so possveis solues de Equaes Diferenciais Parciais com o mesmo
perfil para todo t.
75
9.1.5 - Equaes de Fisher
u 2u
= D 2 + u (38)
t x
Vamos investigar se a equao (36) tem onda viajante.
u(x, t) soluo de (36) onda viajante se u(x, t) = v (x ct), v : R R
Observao: Para uma onda viajante, o que ocorre em x1 (espao) na data t1 coincide com
o que ocorreu em x0 no tempo t0 pois c a velocidade da onda.
x0 + c(t1 t0 )
Supondo que a soluo onda viajante
v 00 + cv 0 + r v (1 v ) = 0.
uma equao diferencial ordinria, onde r a taxa de nascimento da populao.
dv
v0 = s = x ct
ds
Vamos
verificar que para c 2 r , s soluo do tipo ondas viajantes:
v (p 1 s
v (s) 0 s +
Seja w = v 0 w 0 = v 00
w = v 0 = f1 (r, w )
w 0 = v 00 = cw r (1 v ) = f2 (v , w )
9.1.6 - Equilbrio
f1 (r, w ) = 0
Significa
f2 (r, w ) = 0
Temos como pontos de equilbrio P1 (0, 0) e P1 (1, 0)
Analisando a estabilidade de P1 e de P2 .
76
0 1
J(v , w ) =
r + 2r v c
Em P1 (0, 0), temos
0 1
J(v , w ) = 2 + c + r = 0
r c
c 2 4r
c < 0 se c 2 r
2
Em P2 (1, 0), temos
0 1
J(v , w ) = 2 + c r = 0
r c
c 2 4r
c < 0 se c 2 r
2
Se > 0 temos um ponto de sela;
Se < 0 temos,
v 0
(J(1, 0) I) = w = v
w 0
77
Seo 10
Modelos Matemticos de Epidemiologia com Distribuio Es-
pacial e Etria
Os modelos matemticos para epidemias (propagao de doenas) levando em conta a dis-
tribuio espacial, so muito mais complexos e menos estudados do que aqueles com apenas o
tempo variando. Intuitivamente, no podia ser diferente j que "solues" para tais modelos
devem depender de dois nmeros: x que nos d uma "posio"espacial, e do tempo t. Modelos
onde julgamos que sua dinmica est envolvido apenas no tempo, tem "solues" dependendo
apenas de t. Mais precisamente fenmenos biolgicos (fsicos) para os quais a distribuio espa-
cial relevante (no homogneos). So modelos escritos matemticamente atravs de equaes
diferenciais parciais ao passo que os homogneos por equaes diferenciais ordinrias, cuja teoria
tambm mais conhecida.
O caso da distribuio etria ainda pior que o de distribuio espacial. Neste caso existem
poucos modelos de biomatemtica que levam em conta a distribuio etria. O modelo aqui, mais
difundido devido a Mckendrick-Vou Fourter, para o qual so levados em conta as mortalidades
para diversas faixas etrias bem como o fluxo entre as diversas idades.
Apesar de toda dificuldade, a utilidade de tais modelos bvia, j que tenta prever, por
exemplo, a evoluo de doenas no tempo e no espao.
78
S
= IS
t 2 (40)
I = IS I + I
t x 2
1
O parmetro a taxa de reprodutividade basal que mede o nmero mdio de infeces
1
secundrias causadas por um nico infectado em contato com a populao sadia pois o
a
tempo mdio que um indivduo fica infectado antes de morrer. Assim, a frao de indivduos
1 1 S0
infectados na populao devido a uma elemento infectado r . Finalmente R0 = =r
a a
tem interpretao dada acima. Embora no consigamos uma soluo geral para o sistema (40).
Vamos investigar a existncia de soluo do tipo onda viajante.
cS 0 = is
(41)
i 00 + ci 0 + ((s )i = 0
Vamos procurar ondas viajantes supondo que longe do foco todas sejam sadias (S() =
1, i() = 0), que a doena desaparea um dia r 0 ( = 0)
s 0 (s )
Fazendo a primeira equao de (41) na segunda temos i 00 + ci 0 + c =0
s
Integrando, temos
i 0 + ci + cs cln(s) = k
Como s 1, se z + ento k = c. Em seguida fazendo z , i 0 = 0, temos a
equao para os sobreviventes = s():
1
ln() = 1 ou =
ln()
a
crescente com o , ou seja quanto maior for o , maior o de . Como = , pode
r S0
ser visto como uma medida de mortalidade. Assim quanto mais severa a doena (maior ), mais
sobreviventes teremos depois da epidemia.
Nota: Para ver que cresce com , 0 < < 1, calculemos:
79
1 1
ln(5) + 1 ln() +
0 = >0 >1
(ln())2 f ()
1 1 1
se = 1 ln() + por outro lado, f 0 () = 2 < 0
A onda epidmica I do tipo "pulso". Verifica-se que estas solues apresentam alguma
semelhana com os dados experimentais apenas no perodo em h epidemia. No entanto se no
sistema (41) for acrescentado em termos de crescimento logstico para os suscetveis, verifica-se
existir uma boa semelhana entre a soluo encontrada e os dados experimentais.
Vamos fazer aqui um comentrio a respeito da epidemiologia etria baseada na equao geral
de Mckendrick-Vou Fourter.
+ = (x, t)(x, t) (42)
t x
onde a densidade populacional com idade x no perodo t e ((x, t) a taxa da mortalidade.
Em muitas doenas a idade cronolgica fator importante para que um indivduo torne-se
infectado (doente). Por exemplo doenas infantis: Cataporra, caxumba, sarampo, etc. Assim
com infectados I(x, t) com idade x em t temos:
+ = (x, t)I(x, t) (43)
t x
80
Dada a condio inicial I(x, 0) = I0 e de fronteira I(0, t) possvel se encontrar uma soluo
para a equao (43).
Os novos casos de doena no perodo t, so provenientes dos casos dos suscetveis que
enttram em contato com infectados de diversas idades. Assim razovel supor que a densidade
dos novos casos da doena uma mdia ponderada da distribuio por idade da populao
infectada no perodo t ou seja
Z
I(0, t) = r (x, t)I(x, t)dx (44)
0
onde r (x, t) a medida da infecciosidade das doenas para as diversas idades na data t, e
pode ser considerada como um dado do problema.
Note que a equao (43) e a condio da fronteira (44) tornam o problema num sistema
integral-diferencial j que a incgnita I(x, t) aparece em (43) e em (44).
81