UNIVERSIDADE ESTADUAL DE CAMPINAS

INSTITUTO DE MATEMTICA, ESTATSTICA E COMPUTAO CIENTFICA

DEPARTAMENTO DE MATEMTICA DE MATEMTICA APLICADA

Relatrio Final

Notas de Aula.

Disciplina: MT 624 - Biomatemtica I

Prof. Dr. Lacio Carvalho de Barros

Deccy Yaneth Trejos Angel

Marta Maria Mucacho Macufa
Miguel Tadayuki Koga

Campinas-SP, dezembro de 2007.

Sumrio

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.

1.1 - Modelos Matemticos

Os Modelos Matemticos surgem com o objetivo de buscar a interao entre a teoria
matemtica e outras cincias. De acordo com a histria da matemtica, a matemtica surge
da necessidade de um processo de organizao e controle. Na Babilnia por volta de 2000
a.c., atravs escavaes arqueolgicas, foram encontrados tabletes cuneiformes que mostram
uma aritmtica utilizada para o clculo de comprimentos, reas, volumes, pesos, estoques de
mercadoria, etc.
Nesses tabletes encontraram registrados smbolos e regras bem definidas, que utilizavam para
resolver problemas reais. A resoluo destes problemas propiciava a motivao e estrutura para
a construo de uma teoria matemtica, alm da sua aplicao.
Dentro deste contexto tem se mostrado atravs dos tempos que a matemtica tem se tornado
uma ferramenta importante para o desenvolvimento de uma sociedade, contribuindo para a
soluo de vrias situaes problemas. NEWMANN (apud Bassanezi, Ferreira - 1988) "Eu penso
que seria uma aproximao relativamente boa da realidade (que demasiadamente complexa para
permitir qualquer coisa melhor do que uma aproximao), dizer que as idias matemticas tem
a sua origem em situaes empricas".
Historicamente ocorreram o desenvolvimento de vrios campos da matemtica, em nossa
situao, estaremos construndo modelos matemticos de situaes problema que pressupe
a existncia de um dicionrio que interprta smbolos e operaes de uma teoria matemtica
de acordo com a linguagem utilizada para a descrio do problema estudado, transpondo o
problema para a matemtica, sendo estudado com toda teoria matemtica j desenvolvida e
atravs desta teoria objetiva-se encontrar resultados que visam solucionar o problema original,
em alguns modelos pode ocorrer de no existir uma teoria adequada para analisar o problema,
cabe ento ao matemtico, desenvolver um novo campo da matemtica.
A matemtica aplicada assume uma funo importante no desenvolvimento dessa teoria, pois
cabe a ela estruturar modelos e atac-lo com uma teoria matemtica j desenvolvida, almejando
resultados que visam solucion-lo.
Com isto o objetivo da matemtica aplicada passa a ser a de abstrair a essncia de uma
situao problema e formaliz-la em um contexto abstrato onde podemos analisar e desenvolver
estratgia encontrando soluo para o problema original.

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:

yt+1 yt = f (yt , yt1 , yt2 , ..., ytn ), (1)

onde f : D <n = <.

2.1.1 - Equaes de Diferena Autnomas

Definio 3 Equaes de diferena autnomas so equaes em que a funo f no depende
de t, mas depende apenas dos estgio.

yt+1 yt = f (yt , yt1 , yt2 , ..., ytn ) (2)

Ou

yt+1 = g(yt , yt1 , yt2 , ..., ytn ) (3)

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

a) ct+1 ct = ic0 uma equao no homognea.

b) ct+1 ct = ict uma equao homognea, pois ct+1 (1 + i )ct = 0.

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

Para soluo do item (a) ct+1 ct = ic0 , se ic0 = 0, ento ct+1 ct = 0 1 = 0

= 1.
Note que cth = k 1t = k, soluo da equao homognea. Supondo que t = 0 k = c0 ,
fcil de ver que ctp = (ic0 )t uma soluo particular.
A soluo geral :

ct = ctr + ctp = k = (ic0 )t = c0 (1 + i + t)

Figura 1: Juros

6
2.2 - Equaes de Diferena Lineares Homogneas de Ordem k
Dada uma equao de diferena linear:

yt+k + t+k1 yt+k1 + t+k2 yt+k2 + ... + t+1 yt+1 + t yt = 0 (4)

t
Seja yt = C uma soluo de (4) e substituindo yt , temos:
Ct+k + t+k1 Ct+k1 + t+k2 Ct+k2 + ... + t+1 Ct+1 + t Ct = 0

t k k1 Ct = 0
C ( +t+k1 +...+t+1 +t ) = 0
k + t+k1 k1 + ... + t+1 + t = 0

Dessa equao tiramos que:

Ct = 0 = 0
pk () = 0
Portanto: t uma soluo de (4) uma soluo de pk () e pk () chamado de
polinmio caracterstico.
Teorema 1 O conjunto soluo da equao (4) um espao de dimenso k.
Demontrao:
Seja yt e xt <k e soluo da equao (4) e i <, tal que,

yt+k + t+k1 yt+k1 + t+k2 yt+k2 + ... + t+1 yt+1 + t yt = 0

e
xt+k + t+k1 xt+k1 + t+k2 xt+k2 + ... + t+1 xt+1 + t xt = 0
ento, para (yt + t xt ), teremos que:
(yt+k + t+k xt+k ) + t+k1 (yt+k1 + t+k1 xt+k1 ) + t+k2 (yt+k2 + t+k2 xt+k2 ) + ... +
t+1 (yt+1 + t+1 xt+1 )t + 1 + t (yt + t xt ) =
= yt+k +t+k xt+k +t+k1 yt+k1 +t+k1 t+k1 xt+k1 +t+k2 yt+k2 +t+k2 t+k2 xt+k2 +
... + t+1 yt+1 + t+1 t+1 xt+1 + t yt + t t xt =
= (yt+k + t+k1 yt+k1 + t+k2 yt+k2 + ... + t+1 yt+1 + t yt ) +
(t+k xt+k + t+k1 t+k1 xt+k1 + t+k2 t+k2 xt+k2 + ... + t+1 t+1 xt+1 + t t xt ) =
=0+0=0
logo, (yt + t xt ) soluo da equao (4).
se yt = 0, ento yt tambm soluo da equao (4), portanto o espao soluo da equao
(4) um espao vetorial de dimenso k
Corolrio 1 Se o polinmio pk () s tiver razes i simples, como so k razes, ento t1 , t2 , ..., tk
formam uma base do conjunto soluo.
Proposio 1 Se for uma raz de pk () com multiplicidade m ento t , tt , t 2 t , ..., t m1 t
so soluo linearmente independente.
Assim a soluo geral da equao (4) tem a forma:
yt = c11 t + c21 tt + . . . + cm (i )t m1 1 t1 + c12 t2 + . . . + cm2 t m21 t2 c1n t1 + . . . + cmn t mn1 tn
Em que m1 + m2 + . . . + mn = k.
Exemplo 2 yt+1 = ayt yt1 ayt = 0 p() = a = a
Onde a soluo yt = cat ; c > 0

7
 Figura 2: Soluo

2.2.1 - Equilbrio de uma Equao de Diferena

Definio 4 Dizemos que h equilbrio quando a gerao atual igual a gerao seguinte, isto
, yt+1 = yt t 
yt = 0 t
Neste caso teremos, ayt = yt
a=1

2.3 - Equaes de Diferena de Segunda Ordem

Definio 5 Equaes de diferena de segunda ordem so equaes que depedem de duas ger-
aes anteriores.
Frmula geral de uma equao de segunda ordem:

yt+2 + byt+1 + cyt = 0 (5)

ou

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

2.3.1 - Tipos de Solues para Equaes de Segunda Ordem

se 1 6= 2 ; a soluo de p2 () dada pela forma yt = c1 t1 + c2 t2

se 1 = 2 = ; a soluo de p2 () dada pela forma yt = c1 t + c2 tt r

8
 se i , com i = 1, 2, forem complexos, teremos 1 = a+b1 , 2 = abi , a soluo complexa
vem sempre em par conjugado.

No caso de solues complexas podemos transform-las na forma trigonomrica, ou seja,

t t t t t
yt = C1 (a + bi ) + C2 (a bi ) , onde (a bi ) = r (cost + isent), r = a2 + b2 ,
a
= ar ctg ; a 6= 0 e = se a = 0
b 2
Portanto teremos que yt = r t (Acos (t) + Bisen (t)), onde A = c1 + c2 e B = c1 c2 .

Exerccio 1 Resolva as seguintes equaes:

a) yt+2 5yt+1 + 6yt = 0

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:

Figura 3: Grfico soluo

10
 Os outros "items"resovem-se da mesma maneira

2.3.2 - Exemplos de Modelos Biolgicos com Equaes de Diferena Lineares

Exemplo 3 Insetos(Leah, ano 1988).
Insetos geralmente tem mais que um estgio no seu ciclo de vida. Um ciclo completo pode
levar semanas, meses ou mesmo anos. No entanto costume usar uma nica gerao como
unidade bsica de tempo quando tentamos escrever um modelo para o crescimento da populao
de insetos. Os vrios estgios do seu ciclo de vida podem ser representados por escrever vrias
equaes de diferena.
Por exemplo, consideremos a reproduo do choupo gall afdio. As fmas afdios adultas
produzem galls. Todos os prognios de afdios simples esto contidas em um gall. Uma frao
destas emergiro e sobrevivero at a fase adulta. Geralmente a capacidade de produzir den-
cendcia e a probabilidade de sobreviver para a fase adulta depende das condies de seu meio
ambiente, na qualidade da sua alimentao e do tamanho da populao. Vamos ignorar esses
efeitos momentaneos e fazer o um estudo ingnuo no qual os parmentros so constantes.
at - insetos adultos na gerao t (fmeas)
pt - nmero de descendentes em t
r - frao de fmeas
pt+1 = f at
at+1 = r (1 m)f at

Observao 1 para fazer o controle da populao estuda-se o parmetro a diminuio ou cresci-

mento da populao.

Exemplo 4 Sequncia de Fibonacci.

Quantos coelhos haver em um ano, comeando com um casal adulto e casal adulto e um
casal jovem, se em cada ms cada adulto gerou um novo casal, o qual se torna adulto apis dois
meses.
at o nmero de casais adultos na gerao t.

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
.. .. .. ..
. . . .

onde a0 = 1, a1 = 1, a2 = 2 . . . at+2 = at+1 + at

Temos ento uma equao de diferena de segunda ordem:

at+2 at+1 + at = 0 (6)

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

Exemplo 5 Modelo de propagao anual de plantas sazonais(Leah, ano 1988).

Determinadas plantas produzem sementes no final do vero, quando ento morrem. Parte
das sementes sobrevivem no inverno e algumas germinam dando origem a uma nova gerao
de plantas. A frao que germina depende da idade da semente que sobrevive no mximo dois
invernos.

Figura 4: Reproduo anual de plantas a cada vero

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

Pt bPt1 cPt2 = 0 (7)

Seja Pt = ct a soluo da equao (7), e substituindo encontramos a equao na forma
(5), ou seja : (
ct2 = 0
t t1 t2 t2 2
Pt bPt1 cPt2 = c bc cc = c ( bc) = 0
2 b c = 0

b + b2 + 4c b b2 + 4c
ou seja 2 b c = 0, onde 1 = e 2 =
2 2
E a soluo geral da equao (7), conforme 2.3.1 ser dada por:

Se 1 6= 2 , ento Pt = c1 t1 + c2 t2 . neste sentido se 1 1 e 2 1, a populao

de plantas cresce e se |1 | < 1 e |2 | < 1 a populao descresce;

Se 1 = 2 = ; ento pt = c1 t + c2 tt . Se 1 a populao cresce e se < |1| a

populao decresce.

Se = b2 + 4c < 0, ento 1 e 2 so complexos e conjugados.

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

A soluo do sistema (8)faremos por meio de equaes de diferenas de segunda ordem.

Considerando a gerao seguinte e da primeira equao do sistema (8), temos:

xt+2 = a11 xt+1 + a12 yt+1 .

Utilizando yt+1 da segunda equao e substituindo na equao anterior, teremos:

xt+2 = a11 xt+1 + a12 a21 xt + a12 a22 yt

xt+2 = a11 xt+1 + a12 a21 xt + a22 (xt+1 a11 xt )
xt+2 = a11 xt+1 + a12 a21 xt + a22 xt+1 a22 a11 xt
xt+2 = (a11 + a22 ) xt+1 (a11 a22 a12 a21 ) xt
0 = xt+2 (a11 + a22 ) xt+1 + (a11 a22 a12 a21 ) xt
ou
0 = xt+2 (tr M) xt+1 + (detM) xt (9)
 
a11 a12
onde, M=
a21 a22
Outra forma de resolver o sistema (8) atravs do seguinte teorema:
 
v1
Teorema 2 Se for um autovalor de M associada ao autovetor v = ento Xt = v t =
v2
   
v1 t t u1
1 e yt = u = t2 uma soluo do sistema (8).
v2 u2
 
v1
Seja autovalor de M e v = , autovetor associado a . Ento temos que:
v2
    
a11 a12 v1 v1
Mv = v = .
a21 a22 v2 v2
Desse sistema temos que:

p() = 2 (tr M) + detM (10)

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

Proposio 2 O conjunto soluo do sistema (8) um espao vetorial de dimenso 2.

Proposio 3 Se 1 6= 2 forem autovetores associados a v e u, ento v e u so linearmente

independentes.
Demonstrao:
Suponha que v e u sejam vetores linearmente dependentes, isto , v = u com <, logo
temos:

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 .

Exemplo 6 Resolver os seguintes sistemas de equaes de diferena:


xt+1 = xt + yt
a)
yt+1 = xt + 2yt

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

Para resolver este sistema comearemos

 pelo calculo
 dos autovalores da matriz M:
1 1
p() = det(M I) = 0 det = (1 ) (3 ) + 1 = 0
1 3

logo temos os autovalores de M so razes da equao 2 4 + 4 = 0 1 = 2 = 2

Como 1 = 2 = 2,temos que:     
1 1 v1 0 v1 v2 = 0
(M I)v = 0 = v1 = v2
1 1 v2 0 v1 + v2 = 0
   
v1 1
Assumindo v1 = 1, temos V = =
v1 1

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.

3.1 - Autovalores Complexos

O polinmio caracterstico (10) pode apresentar autovalores complexos, quando < 0 ou
seja, 2 < 4, ocorrendo portanto, um par conjulgado.

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.

3.2 - Razes Complexas

Sejam 1 = + i e 1 = i autovalores complexos
A soluo geral dada por:

     
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:

A = (C1 v11 + C2 v12 )

B = (C1 v11 C2 v12 )
C = (C1 v21 + C2 v22 )
D = (C1 v21 C2 v22 ).
Ento:
     
xt t Acost t Csent
= |r | + |r | i
yt Bcost Dsent

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 

Para = 1 2i, o autovetor

  associado
  dados
 por:
 
2i 2 v1 0 2iv1 + 2v2 = 0 iv1 = v2
M I = 0 =
2 2i v2 0 2v1 + 2iv2 = 0 v1 = iv2

Multiplicada
 a segunda equao
  pori, temos:
  
i v1 = v2 v1 v1 1
v= = = v1
i v1 = v2 v2 iv1 i

Para = 1 +2i, temos:

     
2i 2 u1 0 2iu1 + 2u2 = 0 iu1 = u2
=
2 2i u2 0 2u1 2iu2 = 0 u1 = iu2

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

3.3 - Comportamento Qualitativo das Solues para a Equao Linear de

Diferena
As equaes de diferena lineares so caraterizadas pelas seguintes propriedades.

1) Uma equao de diferena tem a seguinte forma:

a0 xn + a1 xn1 + + am xnm

2) A ordem da equao o nmero de geraes prvias que influenciam directamente o valor

de x numa dada gerao.

3) Quando a0 , a1 , am so constantes e bn = 0, o problema um coeficiente constante

da equao de diferena linear homognea; o mtodo estabelecido neste captulo pode ser
usado para resolver tais equaoes. As solues so compostas por combinaes lineares
de expresses bsicas da forma:

Xn = Cn (12)

4) Os valores de que aparece em (12) so obtidos por determinar as razes do polinmio

caraterstico P () = a0 m + a1 m1 + + am .

5) O nmero de solues bsicas (distintas) determinada pela ordem da equao caraters-

tica. Por exemplo uma equao de primeira ordem tem uma soluo bsica, a equao
de ordem 2 tem duas solues bsicas em geral a equao de m-sima ordem pode ter m
solues bsicas.

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

Uma soluo bsica caraterizada pela seguintes classificaes:

a) Para > 1, n Cresce quando n aumenta, assim Xn = Cn cresce sem limite.

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.

No caso em que = 1, = 0 ou = 1 que so pontos marginais da demarcao entre

o domnio do comportamento, corresponde respetivamente para a (1) soluo esttica, onde
x = C, (2) x = 0 e (3) uma oscilao entre o valor de x = C e x = C.

As figuras abaixo representam o comportamento de Xn = Cn nos quarto casos

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 = f (yn ) (13)

onde f : I < < o valor de y na n-sima iterao e f uma funo dependente das
combinaes no lineares de yn . Dado um valor inicial y0 , ento

{y0 , f (y0 ), f 2 (yn ), ..., f n (yn )}

as sequncias de iteraes sobre a funo f , a soluo ou rbitas de y0 , isto , yn = f n (yn )
a soluo de (13).
O estudos deste tipo de equao (13) se faz qualitativamente encontrando um ponto de
equilbrio, isto , definindo um ponto fixo y tal que f (y ) = y ento

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,

> 0, > 0, |y0 y | < |f n (y0 ) y | <

y dito instvel se no estvel.
y assintticamente estvel se for estvel e existe > 0 tal que

|y0 y | < = lim f n (y0 ) y

n

Teorema 3 Critrio de estabilidade

Seja f de classe C 1 e y ponto de equlibrio, ento, f assintoticamente 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

yn+1 = g(yn ) (14)

onde g(y ) = f (y + y ) f (y ) = f (y + y ) y .

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

g(yn ) + g(0) + g 0 (0)yn + O((yn )2 )

ento o sistema (14) linearizado yn+1 = g 0 (0)yn portanto a soluo

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

4.2 - Modelo Logstico de Diferena

Quando os recursos so limitados, o crescimiento da populao num intervalo do tempo
unitrio reduzido de uma quantidade proporcional ao quadrado da populao existente no
incio do intervalo. De fato, se existe uma competio entre elementos de uma mesma especie,
o termo de inibio do crescimento populacional proporcional ao produto destes elementos.
Na forma de recorrncia, para tal modelo dado por:

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

No modelo de populao (inibido) a funo f deve ser descrecente a partir de um valor de

populao. Esse valor est relacionado com a capacidade do soporte do ambiente.

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

4.3 - Sistema de equaes de Diferena No Lineares

Seja o sistema de n equaes de diferena no lineares dada na forma

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;

f (x + xt0 , y + yt0 ) = f (x, y ) + fx (x, y )xt0 + fy (x, y )yt0 + O(xt02 , yt02 )

g(x + xt0 , y + yt0 ) = g(x, y ) + gx (x, y )xt0 + gy (x, y )yt0 + O(xt02 , yt02 )

O novo sistema linearizado

0
= a11 xt0 + a12 yt0

xt+1
0 (17)
yt+1 = a21 xt0 + a22 yt0
0
Podemos escrever este sistema na forma matricial do tipo Xt+1 = AXt0 , onde

xt0
   
fx (x, y ) fy (x, y )
A= e Xt0 =
gx (x, y ) gy (x, y ) yt0

A matriz A chamada Jacobiana do sistema.

Para analizar a estabilidade do sistema linearizado obtemos o polinmio caracteristico, fazendo

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

2 > 1 + > || (18)

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 )

Vamos realizar um estudo qualitativo de (S), seu equilbrio e sua estabilidade.

Dizemos que (x, y ) ponto de equilbrio do sistema (19) se e somente se:

x = f (x, y )
S=
y = g(x, y ).

E a estabilidade do sistema (19) do ponto (x, y ) dado por:

f (x + x 0 , y + y 0 ) = f (x, y ) + fx (x, y )x 0 + fy (x, y )y 0 + R1 (x, y ).
g(x + x 0 , y + y 0 ) = g(x, y ) + gx (x, y )x 0 + gy (x, y )y 0 + R2 (x, y ).

Portanto o sistema (19) pode ser escrito como:


xt+1 = f (xt , yt )
S=
yt+1 = g(xt , yt ).
ou
 0
xt+1 = a11 xt0 a12 yt0
S= 0
yt+1 = a21 xt0 a22 yt0 .
Tambm sobre a forma matricial seria
 0    
xt+1 a11 a12 xt
S= 0 = .
yt+1 a21 a22 yt

Para analisarmos a estabilidade deste sistema basta encontrar os autovalores da matriz A o

qual poderemos verificar o comportamento do sistema, conforme o critrio de estabilidade (18).

Exemplo 8 INTERAES ENTRE DUAS ESPCIES: SISTEMA HOSPEDEIRO - PARASITA.

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

Um modelo simples para este sistema tem o seguinte conjunto de restries:

1. Hospedeiros que foram parasitados daro origem prxima gerao de parasitas;

2. Hospedeiros que no foram parasitados daro origem sua prpria prole;

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.

Enquanto outros efeitos provocam mortalidade encontrada em todo o sistema natural,

instrutivo considerar apenas este conjunto mnimo de primeiros encontros e examinar as suas
conseqncias. Estamos, portanto, definindo o seguinte:
Nt = quantidade de hospedeiros na gerao t;

Pt = quantidade de parasitas na gerao t;

f = f (Nt , Pt ) = frao dos hospedeiros no parasitados;

= taxa reproduo do hospedeiro;

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).

5.1.1 - O Modelo de Nicholson-Bailey

A.J. Nicholson foi um dos primeiros bilogos a sugerir o sitema hospedeiro-parasita que
poderia ser entendida utilizando um modelo terico, embora apenas com a ajuda do fsico V.A.
Bailey que seus argumentos foram desenvolvidos com o rigor matemtico.
Nicholson e Bailey estruturaram mais duas hipteses sobre o nmero de encontros e a taxa
de parasitismo de um hospedeiro:

4. Encontros ocorrem aleatoriamente. O nmero mdio de encontros Ne dos hospedeiros

com os parasitas , portanto, proporcional ao produto da sua densidade.

Ne = aNt Pt ,

onde a uma constante, que representa a busca da eficincia dos parasitas.

5. Apenas o primeiro encontro entre o hospedeiro e o parasita levado em conta.

A distribuio de Poisson a que descreve a probabilidade de ocorrncia de eventos discretos,

aleatoriamente (como o encontro entre um predador e suas presas). A probabilidade de que um
certo nmero de eventos ir ocorrer em algum intervalo de tempo (como o tempo de vida do
hospedeiro) dado pelos sucessivos termos nesta distribuio. Por exemplo, a probabilidade de
r eventos

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 )

Vamos agora analisar esse modelo, os passos incluem:

1. Encontrar os coeficientes da matriz Jacobiana (para o sistema linearizado);

2. Analisar a estabilidade do sistema.

Modelo Nicholson-Bailey: Equilbrio e Estabilidade

Seja

F (Nt , Pt ) = Nt e aPt
G(Nt , Pt ) = cNt (l e aPt ).

Ao estudar os estgios estveis, obtemos a soluo triviais P = N = 0, para outro ponto de

equilbrio, pelo ponto fixo, teremos que,

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 =

Portanto temos que P1 estvel || 1, mas < 1 P < 0.

Para o segundo ponto P2 (N, P ), encontraremos:
F F
(N, P ) = 1 , (N, P ) = aN
N P
 
G 1 G caN
(N, P ) = c 1 , (N, P ) =
N P
A matriz Jacobiana ,

1aN
 
J2 = 1 caN (22)
c 1

desta matriz temos que:
  
caN
1
det(J2 ) = 2 = aN c 1 (23)

e

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

6.2 - Modelos Matemticos com Equaes Diferenciais

Os primeros modelos matemticos que apareceram envolvendo equaes diferenciais ordinar-
ias foram:

Decaimento radioativo

Dinmica de populacional

Resfriamento trmico

Difuso atravs de uma menbrana

6.2.1 - Decaimento Radioativo

Uma substncia radiotiva desintegra-se proporcionalmente da sua quantidade presente. Seja
dN(t) 1 dN(t)
N(t) a quantidade da substncia, ento = N, > 0 e = a taxa de
dt N dt
variao especifica. O estudo da unidade importante para o parmetro .
Analise dimensional
[N] = P Populao
[t] =T Tempo

dN P
=
dt T  
1P 1 1
[] = =T ou =T
PT
1
A vida mdia de uma substncia dada pela razo e seja

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

Figura 8: meia vida

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

Exerccio 3 Tvola Redonda

A enorme mesa redonda presa as paredes do castelo de wincherster - e que mostrada aos
crdulos turistas como sendo famosa "Tvola redonda"do rei Artur - apresentou em 1977 uma
atividade de 6, 08 dpm/g. Sabendo que a atividade da madeira viva da regio de 6, 68 dpm/g,
verifique se esta mesa serviu de fato para os cotovelos do Rei e dos seus lediros cavaleiros
Lancelot, Galahad, Gwain, Percival etc. Do pouco que se sabe dessa famosa confraria, uma
coisa certa: viveram no sculo V.
Soluo:

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 :

Equao do resfriamento do corpo

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

Mtodo de Separao de Variveis

dy
Seja = g(y )h(t), desejamos:
dt
1. Achar as solues constantes: g(y ) = 0

2. Achar as solues no constantes: g(y ) 6= 0

dy R dy R
Temos = g(y )h(t) = h(t)dt
dt g(y )
ou seja G(y ) = H(t) + Constante

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

2. solues no constantes: g(y ) 6= 0

dN R dN
= dt ln(K N) = t C K N = e t C
R
= dt
K N K N
K A t
N(t) = + e

1
Se N(0) = N0 N(t) = (K (K N0 )e t )

6.2.2 - Dinmica Populacional

Seja P (t) o tamanho da populao de um pas num instante t. Num intervalo de tempo
t, a Lei de Malthus (1789) pressupe que os nascimentos e as mortes so proporcionais ao
tamanho da populao e ao tamanho do intervalo.
Seja:
N = P (t)t nmero de nascimentos;
M = P (t)tnmero de mortes;

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.

2. Se > , ento a populao cresce exponencialmente com o tempo.

3. Se < , ento a populao diminui e tende extino medida que t cresce.

= > <

Se consideramos que os recursos da populao so limitados, o crescimento da populao

num intervalo de tempo reduzido de uma quantidade proporcional ao quadrado da populao
existente no incio do intervalo. De fato, se existe uma competio entre elementos de uma
mesma espcie, o termo de inibio do crescimento populacional proporcional ao produto
destes elementos. Ento a equao de Malthus modificada a equao logstica,

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 .

6.2.3 - Resfriamento de um Corpo - Propagao de Calor

Um corpo que no possui internamente nenhuma fonte de calor, quando deixado em um meio
ambiente na temperatura T , tende quela do meio que o cerca Ta . Assim, se a temperatura
T < Ta , este corpo se aquecer e, caso contrrio, se resfriar.
A temperatura do corpo, considerada uniforme, ser pois uma funo do tempo T = T (t).
Verifica-se experimentalmente que quanto maior for o valor |T Ta | mais rpida ser a variao
de T (t).
Isto evidenciado de forma precisa pela chamada Lei de resfriamento enunciada por I. New-
ton: A taxa de variao da temperatura de um corpo proporcional diferena entre sua
temperatura e a do meio ambiente.
Ento colocando em termos matemticos temos que
dT
= (Ta T ) = f (T )
dt
dT dT
onde > 0 pois se T < Ta ento > 0 e se T > Ta , < 0.
dt dt
Observe que T = Ta soluo da equao f (T ) = 0 e significa que se a temperatura do
corpo for igual temperatura ambiente, ento ela no variar.
A soluo geral da equao diferencial dada por:

T (t) = Ta + Ce t

Usando T (0) = T0 , obtemos a equao T (t) = (T0 Ta )e t + Ta

Neste modelo matemtico, a temperatura do corpo s atinge a temperatura Ta no limite em
que t +; entretanto, na realidade, a temperatura ambiente atingida num tempo finito.

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 

6.3 - Equilbrio e Estabilidade

Definio 7 x um ponto de equilbrio para (25) se f (x) = 0.

Exemplo 11 Se uma populao inicial x0 = x ento a soluo da equao diferencial dada por
x(t) = x t.

6.3.1 - Anlise de Estabilidade dos Pontos de Equilbrio.

Um equilbrio x de (25) dito estvel se para todo  > 0, existe > 0 tal que, para todo
|x0 x| < , a soluo, x(t, x0 ) obedece |x(t, x0 ) x| < t t0 , caso contrrio, x chamado
de instvel.
x assintoticamente estvel se for estvel e limt |x(t, x0 ) x| = 0 se |x0 x| <

Para determinar se um ponto de equilbrio estvel ou no, podemos usar o seguinte teorema.

Teorema 4 Suponhamos que f C 1 e x um ponto de equilbrio de (25). Ento x assimtot-

icamente estvel se f 0 (x) < 0 e instvel se f 0 (x) > 0
.
Seja y = x x e y 0 = x 0 onde x constante.
dx dy dy
Considere = f (x) = f (x + y ) f (x) + f 0 (x)y = f 0 (x)y = f 0 (x)dt,
dt dt y
temos que o equilbrio de f (x) = x equilbrio de f (x + y ) = 0 equilbrio de f 0 (x)y portanto
dy 0 dy dx
= f 0 (x)y y (t) = Ae f (x)t como = = f (x) se fizermos x = y + x temos que o
dt 0
dt dt
equilbrio de f (x + y ) tambm de f (x)y

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

figura 1 figura 2 figura 3

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

lnx = lny + lnC

com C > 0 ou x = Cy

Exemplo 13 Crescimento de peixes

O peso de um peixe cresce proporcionalmente sua rea A(t) e descrece proporcionalmente
ao prprio peso. Seja P (t) o peso do peixe em um tempo t, ento a equao metemtica :

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

x 0 (t) = a11 x + a12 y

(26)
y 0 (t) = a21 x + a22 y
   
0 0 x a11 a12
ou em forma matricial X = AX (26) onde X = eA= .
y a21 a22

v1 e t

t
Suponhamos que X(t) = V e X(t) = , com <, V um vetor de entradas
v2 e t
independente do tempo, seja uma soluo para o sistema (26), ento temos que:

v1 e t

0
X (t) = t = AV e t ,
v2 e
para que X 0 = AX, basta que AV = V portanto se for autovalor correspondente ao
autovetor V de A, ento X(t) = V e t soluo de (26).
Pelo teorema de existncia temos que a dimeno do espao soluo do sistema (26) 2.

Teorema 5 As solues de (26) so linearmente independente.

Seja X1 e X2 solues do sistema (X1 = V1 e 1 t ), temos que:

Se 1 6= 2

Mostraremos que X1 = V1 e 1 t e X2 = V2 e 2 t so linearmentes independentes, ento por

reduo ao absurdo suponhamos que so linearmente dependente, ento

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

Ento a soluo de (26) fica na forma

X(t) = K1 V1 e (+i)t + K2 V2 e (i)t

X(t) = K1 (A + Bi )e (+i)t + K2 (A Bi )e (i)t
Onde A e B so dois vetores constantes, ento a soluo geral de valor real pode ser expressa
usando a identidade e (+i)t = e t (cost + isent) ento definimos que

U = e t (Acost + Bsent)
X(t) = K1 U(t) + K2 W (t)
W = e t (Asent Bcost)

Exemplo 14 Difuso atravs de uma membrana submersa em um lquido.

Lei de Fick
O Fluxo atravs de uma membrana de uma clula proporcional a diferena de concentrao
entre seu exterior e seu interior.
Modelo:
dc1
dt = a(c2 c1 ) = ac1 + ac2
dc1
dt = a(c2 c1 ) = ac1 + ac2
 
a a
a a
 
a a
p() = det(A I) =
a a
2 2
= (a ) a
a2 + 2a + 2 a2 = 0
( + 2a)
=0
Ou = 2a      
a a v1 0 av1 + av2 = 0
= 0 = = =
a a v 0 av1 av2 = 0
  2
1
= v1 = v2 v1
1
     
a a v1 0 av1 + av2 = 0
= 2a = = =
a a v2 0 av1 + av2 = 0
 
1
= v1 = v2 v1
1
Ento a soluo
 dada por:  
k1 2at 1
X(t) = + k2 e
k2 1

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:

1. Se 1 6= 2 e positivos, ento kX(t)k .

2. Se 1 < 0 < 2 , ento kX(t)k .

3. Se 1 < 0 e 2 < 0, ento kX(t)k 0, X = 0 assimtoticamente estvel.

4. Se 1,2 = i , temos:

(a) Se = 0 kX(t)k = r , r constante, ento no converge.

(b) Se > 0 kX(t)k .

(c) Se < 0 kX(t)k 0.

para o item 1) e 2) dizemos que o equilbrio X = 0 instvel.

Apresentamos os diferentes tipos de rbitas (solues) do sistema (26), temos:

1) i 1 > 0 e 2 > 0, o ponto crtico x um ndulo e o ponto instvel;

ii 1 < 0 e 2 < 0, o ponto crtico x um ndulo e o ponto estvel;

2) 1 < 0 e 2 > 0, o ponto crtico x um ponto de sela e o ponto instvel;

3) i 1 = 2 > 0, o ponto crtico x um ndulo e o ponto instvel;

ii 1 = 2 < 0, o ponto crtico x um ndulo e o ponto estvel;

4) 1 = + i , com = 0 o ponto crtico x um centro e o ponto instvel, mas no

assintoticamente estvel;

5) i 1 = + i , com > 0, o ponto crtico x uma espiral e o ponto instvel;

ii 1 = + i , com < 0, o ponto crtico x uma espiral e o ponto estvel;

46
 item 1 - ndulo item2 - sela item3 - ndulo

item 4 - centro item 5 - espiral

Para o sistema (26),o polinmio caracterstico dado por

p() = 2 b + c

onde b =trao(A) e c = det(A), ento os autovalores so dados por

b
1,2 =
2
Se = b2 4c 0 temos autovalores reais;

Se c > 0, ento < |b|, logo b , tm mesmo sinal de b ou seja 1 e 2 tem o
mesmo sinal de b.

Se c < 0, ento |b|, logo 1 e 2 tm sinais contrrios.

2 b i
Se = b 4c < 0,1,2 = , temos
2
1. Se b > 0 e c > 0 um n instvel

2. c < 0 ponto de sela

3. b < 0 e c > 0 um n estvel

4. b2 < 4c e b > 0 espiral instvel

5. b2 < 4c e b = 0 centro neutro

6. b2 < 4c e b < 0 espiral estvel

47
 Figura 10: grfico do sistema 26

7.2 - Sistema de Equaes Lineares n Dimensional

Seja um polinmio caracterstico de coeficientes reais,

p() = k + a1 k1 + a2 k2 + ... + ak (27)

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.

Exemplo 16 Para k = 2, temos que p() = 2 + a1 + a2

H1 = (a1 ) det(H1 ) > 0 a1 > 0

 
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

1. V (x) = 0 e V (x) > 0, x 6= x

2. V 0 (x) 0 em x 6= x ento x estvel

3. V 0 (x) < 0 em x 6= x ento x assintoticamente estvel. (existe uma V inteiramente em

U global a estabilidade).

49
 para o tem (3) V 0 (x) = V (x) f (x)

7.3 - Sistemas Autnomos (quase-linear)

Seja o sistema de equaes deferenciales ordinrias

dx = F (x, y )

dt (29)
dy

= G(x, y )
dt
Onde F e G so funes no lineares. Suponhamos que x e y so solues de equilbrio, isto
,

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 .

Teorema 6 da linearizao de Lyapunov-Poincar. Suponha que F e G seja continuamente

diferenciveis em uma vizinhana de (x, y ) ento,

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

Figura 11: sela1

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.

Figura 12: equilibrio

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

Figura 14: equilbrio 2

Para P4 = (x4 , y4 ) temos que
 
bx4 xc
J(P4 ) =
yc dyc
O polinmio caracteristico

P () = det(J(P4 ) I) = 2 + (bx4 + dy4 ) + bdx4 y4 x4 y4

Ento os autovalores associados so

(bx4 + dy4 )
1,2 =
2
onde = (bx4 + dy4 )2 4x4 y4 (bd ) > 0.

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.

Se bd < 0, ento 1 < 0 e 2 > 0

Figura 15: equilibrio 4

8.1.2 - Modelo Presa-Predador

a) Lotka - Volterra

O modelo de presa-predador de Lotka-Volterra um modelo de importncia histrica na

modelagem matemtica de sistemas ecolgicos, o modelo surgiu em meados da dcada de 20
quando Umberto DAncona, biolgo marinho italiano, desenvolveu uma anlise estatstica com
dados sobre peixes vendidos nos mercados de Trieste, Fiume e Veneza entre 1910 e 1923. A
pesca havia sido suspensa em parte do Mar Adritico durante a Primeira Guerra Mundial, de
1914 a 1918, e Umberto DAncona mostrou que houve aumento da freqncia relativa de certas
espcies e reduo da freqncia relativa de outras espcies.
Os dados mostravam que a freqncia de predadores, como tubares, aumentara durante
os anos de guerra e posteriormente diminuira com o aumento da pesca. A abundncia relativa
das presas, por outro lado, seguira um padro inverso. Umberto DAncona estava noivo de
Luisa Volterra, uma ecologista, filha de Vito Volterra, um famoso matemtico. DAncona

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.

b) Presa - Predador com perturbao das populaes mdias

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

A.N. Kolmogorov (1903- ) generaliza o sistema de Lotka - Volterra, abolindo completamente

as formas explcitas das caractersticas das espcies e das relaes funcionais de suas interaes
e usando hiptesis qualitativas. O modelo geral dado por

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;

b) xe < x; > 0 e 2 < 4;

c) xe < x; > 0 e 2 > 4.

a) (x, 0) N estvel b) (xe , ye ) Foco estvel c)(xe , ye ) N estvel

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

O modelo de Holling - Taner definido pelo sistema:

dx = x 1 x mxy
 

dt K  D+x
dy = sy 1 h y


dt x

8.2 - Modelos Epidemolgicos

a) Modelo Kermack-Mckendrick tipo SIR

O modelo Kermack-McKendrick foi proposto para explicar o rpido aumento e queda no

nmero de pacientes infectados observados em epidemias tais como a peste (Londres 1665-1666,
Bombaim 1906) e a clera (Londres 1865). Neste modelo, considerou-se que uma populao
total N que se separou em trs classes: susceptveis S, os que foram removidos devido imu-
nidade R, e aqueles que no momento estavam infectados ou contagiosos I. Estas quantidades
esto relacionadas pelas equaes diferenciais abaixo.
dS
= SI
dt
dI
= SI I
dt
dR
= I
dt
Com as condies iniciais I(0) = I0 , R(0) = R0 e S(0) = S0
O modelo supe que:

61
 1. A populao est fixa, de modo que ningum entra, sai, ou morre.

2. O perodo de incubao zero.

3. O perodo da infeco coincide com o da doena clnica.

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

Figura 18: Curva epidmica

a) Modelo tipo SIRS

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 )

Se c < 0 N > 0 N > o ponto sela.

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

Figura 19: Diagrama tipo SIRS

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

Teorema 7 O ponto de equilbrio trivial P0 = (N, 0, 0, 0, ..., 0) localmente assintoticamente

estvel se an > 0, instvel se an < 0.

c) Modelo tipo SIS

Seja o modelo epidemiolgico tipo SIS representado no sistema

dS = SI + I

dt
dI

= SI I
dt
onde S(t) + I(t) + N constante.
O sistema anterior, apesar de ser no linear, pode ser facilmente resolvido se usarmos a
condio S(t) = N I(t), substitundo o valor de S na segunda equao do sistema, temos
uma nica equao diferencial.

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)

Figura 20: Modelo SIS com populao N constante

O ponto (S, I) = (N, 0) tambm de equilbrio, mas instvel. Se I 6= 0, a doena se propaga,

isto , as solues no constante se afastam deste ponto.

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).

Figura 21: Propagao da doena

A anlise para a populao de pessoas sadias anloga

dS
= (N S)S + (N S) = (N S)( S), 0 < S N
dt
d 2S
 
1
= (N S) ( S) = 2S (N + ) = 0, se S = N+
dt 2 2 2
2
dS d S
Se S < >0e < 0, como indica a figura (22).
dt dt 2

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".

9.1.1 - Leis de Conservao

Consideremos um fluxo em um "tubo"de campo x:

Figura 23: fluxo

c(x + t) = concentrao de partculas no tubo e no instante t;

J(x, t) = fluxo de partculas (x, t): nmero de partculas que atravessam uma rea unitria
em x por unidade de tempo.

(x, t) =densidade da fonte (ou sumidouro) por unidade de volume.

Admitindo que haja um balano, temos:

(c(x, t))Ax = J(x, z)x J(x + x, t)A (x, t)Ax
t

Se Ax for constante no tempo:

c(x, t) = J(x, z) J(x + x, t) (x, t)
t

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

9.1.2 - Convenco, Difuso e Atrao (ou Repulso)

Escolhendo-se termos especficos para o fluxo J(x, t), obtemos as equaes que representam
cada um dos conceitos acima.
Conveo: Partculas passam a ter velocidade igual ao fluxo.
J(x, t) = cv (x, t) em (36), teremos:

J(x, t) = (c(x, t), v (x, t) em (36).
x x
c
= (c(x, t), v (x, t)) (x, t)
t x
c
= (c~
v)
t

Difuso: Movimento de partculas devido a concentrao.

J~ = DV C vetorial
c
J = D unidimensional
x
Nota: O fluxo das
 particulas
 vo em direo contrria ao gradiente.
c c
(x, t) = D (x, t)
t x

Se D for constante com x, (s) fica assim:

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

9.1.3 - Solues Fundamentais e Mtodo de Separao de Variveis Para as EDP

Estaremos tratando
 de equao do tipo:
c 2c
=D 2 difuso
t x
Solues fundamentais coincidem com operador de funes.
2
L=D 2
x
2f
L=D
x 2

f uma autofuno se <, ento Lf = f

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)

Lf1 = D(f1 (x)) = Df1 (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

9.1.4 - Mtodo de Separao de Variveis

Com este mtodo investiga-se se h solues dessa forma:
c(x, t) = cT (x, t) + c(x)
c c
Observao: 2
Pois = 0 (pois depende de t)
x t
Onde cT (x, t) = S(x)T (t)

cT 0
= S(x)T (t)
t2 s(x)T 0 (t) = DS 00 (x)T (t) sopondo s(x) 6= 0 e T (t) 6= 0
c I
= T (t)S 00 (x)

x 2
T 0 (t) S 00 (x)
=D =k
T (t) S(x)
T (t)eS(x) no dependem de x, porque so iguais, ento constante.

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.

Figura 24: ondas viajantes

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

u(t1 , x1 ) = v (x1 ct1 ) = v (x0 + c(t1 c0 ) ct1 ) = v (t0 , x0 ) = u(x0 , t0 )

Vamos achar v que a onda viajante:
u
= (v (x ct)) = v 0 (x ct) (x ct) = v 0 (x ct)
t x x
2u
= (v 00 (x ct))
x

cv 0 (x xt) = v 00 (x ct) + r v (x ct)(1 v (x ct))

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

Figura 25: fischer

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.

10.1.1 - Um Modelo Geral

Consideremos uma verso simples de um modelo de epidemia na qual assumimos que a
soluo consiste somente de infectados I(x, t) e suscetveis S(x, t). Modelamos a disperso
espacial de I e S por difuso com mesmo coeficiente de difuso D. Como nos modelos classcos,
consideremos que a transio de S para I proporcional ao nmero de encontros entre suscetveis
e infectados, isto , r SI onde r > 0 constante e mede a eficincia da doena. A classe dos
infectados possui uma taxa a de mortalidade devido a infeco. Assim temos:

S = r IS + D2 S

t (39)
I 2

= r IS aI + D I
t
Vamos ilustrar o sistema (39) com um modelo simples de disperso da raiva entre raposas
na europa.
A raiva difundida em todo mundo e epidemias so comuns. A raposa vermelha representa 70
por cento dos caso registrados no oeste da europa. Apesar de muitos animais estarem envolvidos,
ser feita a hiptese razovel de que as raposas so responsveis pela dinmica da disperso da
raiva. Ser assumido tambm que a disperso se d devido migrao de raposas infectadas uma
vez que as sadias reconhecem seus territrios e portanto tm baixa disperso, contrariamente as
infectadas perdem seu senso territorial. Com estas hipteses e dimensionalizando (39), obtemos:

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.

10.1.2 - Solues Tipo Ondas Viajantes

So solues com mesmo perfil para cada t fixo. Mais percisamente, s, i : R R uma
soluo de (40) do tipo onda viajante se (s, t) = s(z), I(x, t) = i (z) onde z = x ct. Onde
c > 0 indica a velocidade da onda. Assim ct o espao percorrido pela onda no tempo t.
Assim podemos dizer que se i (ou s) onda viajante, ento o que ocorre em x1 na data t1
coincide com o que ocorre com x0 na data t0 pois x1 = x0 + c(t t0 )
I(x1 , t1 ) = i (x1 ct1 ) = i (x0 + c(t1 t0 ) ct1 ) = i (x0 t0 ) = I(x0 , t0 ).
S I
Agora supondo que (s, i ) soluo do tipo onda viajante e vendo que = cS 0 , =
t t
2I
cI 0 , 2
x
O sitema (40) passa a ser um sistema de equaes diferenciais ordinrias.

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

Se < 1: f decrescente e f (1) = 1, logo f () < 1

Que o que queramos.

Admitindo ento as solues do tipo onda viajante as hipteses acima (S() = 1, S 0 () =
0eI() = I() = 0 poderamos ter as seguintes solues:

Figura 26: tipo onda

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