Você está na página 1de 58

UNIDADE 1

Modelagem Matematica Ambiental

Jose Antonio Salvador

2010

3
UNIDADE 2

Modelos Matematicos Discretos


O futuro esta em nossas Maos!

2.1 Introducao

Nesta unidade apresentamos algumas ideias sobre modelos matema-


ticos discretos com o intuito de mostrar a importancia da utilizacao de fer-
ramentas matematicas simples e de algumas tecnicas para simulacao do
comportamento dinamico de problemas relativos ao meio ambiente.
Enquanto o Calculo Diferencial e Integral trata de funcoes contnuas
a matematica discreta esta associada a processos discretos construdos
passo a passo, nos quais os estados do sistema e que sao importantes e
nao a transicao entre eles.
A matematica discreta se encontra em varias situacoes de nosso dia
a dia e, em diversas areas como a teoria dos jogos, a teoria das filas, a
teoria dos grafos, a criptografia, a programacao linear, etc.
Vamos propor algumas situacoes que envolvem problemas da dinami-
ca populacional e da poluicao ambiental. Mostraremos que sob determina-
das hipoteses podemos obter possveis evolucoes das condicoes iniciais
de um sistema dinamico ambiental. A simulacao do comportamento de um
sistema ambiental desencadeia um processo que pode indicar direcoes
adequadas a serem tomadas baseadas na validade do modelo matematico
adotado.
Nos modelos matematicos discretos abordados utilizaremos as equa-
coes discretas ou de recorrencia.
Alguns conceitos matematicos sao essenciais para a compreensao
dos modelos apresentados nesta unidade, como topicos de progressao
aritmetica; progressao geometrica; funcoes (lineares, quadraticas, expo-
nencial, logartmica, etc.); equacoes algebricas; equacoes discretas; ine-
quacoes; inequacoes discretas; graficos; matrizes; determinantes e siste-

7
mas lineares.
Para obtermos uma equacao de balanco discreta de um sistema am-
biental de grande interesse como o do crescimento populacional e o de
poluicao ambiental utilizamos a logica, em que o objeto de estudo constitui
nas leis gerais do pensamento e nas formas de aplica-las para investigacao
da verdade sobre o sistema. No incio abordaremos o estudo da dispersao
de poluentes numa represa para analise da sobrevivencia do seu ecossis-
tema e do aproveitamento de sua agua, indispensavel para nossa sobre-
vivencia.

2.2 Modelo Discreto de Poluicao de uma Represa

Comecemos com a modelagem de uma situacao bem simples. Su-


pomos que uma determinada represa, abastecida por um riacho de aguas
lmpidas com vazao constante, receba acidentalmente num determinado
instante uma quantidade de poluentes, proveniente, por exemplo, de um
vazamento de uma industria local. Num modelo simplificado como esse
desprezamos a entrada de agua limpa atraves de outros meios como agua
de chuva, etc. e consideramos que nao ocorre a degradacao da poluicao
na represa.
Observemos que se a quantidade de agua (limpa) que entra na re-
presa e igual a quantidade de agua (poluda) que sa, obtemos uma equa-
cao de conservacao, ou seja, o balanco de massa (agua):

Figura 2.1: Balanco

Qe == Qs
Quantidade dagua limpa entrando = Quantidade dagua poluda saindo
Supondo que a represa recebeu uma carga de poluentes e a despo-
luicao ocorra naturalmente pela vazao de sua agua poluda com a reposi-

8
cao simultanea de agua limpa, varias questoes podem ser formuladas para
explorar o problema, por exemplo, como sera a evolucao do processo de
despoluicao natural da represa? Quanto tempo levara para obter um nvel
de poluicao de modo que ela possa recuperar o seu ecossistema ou que a
agua possa ser tratada e aproveitada? Como formular matematicamente
o problema?

2.3 Uma Simulacao da Poluicao numa Represa

Supomos que numa represa o poluente esteja diludo homogene-


amente nas suas aguas e que a quantidade de poluentes diminua em
funcao da vazao da entrada de agua limpa e da sada da agua poluda,
de modo que podemos detectar experimentalmente que o decrescimo da
poluicao seja de 25% num certo intervalo observado, que pode ser de um
dia.
Para visualizar os efeitos da poluicao numa represa podemos fazer
uma simples simulacao com um modelo fsico. Pegamos um recipiente
transparente com agua limpa, colocando 90% de agua limpa e 10% de um
suco de cor escura para representar a quantidade de poluentes, imagi-
nando que em cada litro de agua da represa contenha 900 mililitros (ml) de
agua limpa e 100 ml de poluentes conforme a Figura 2.3.1.

Figura 2.2: Simulacao de Poluicao na Agua

No recipiente, considerado como modelo fsico, supomos que a polui-


cao esteja diluda homogeneamente como na represa e que no instante
inicial
t = 0, representando o dia em que a represa recebeu a poluicao, temos
os 100 ml de poluentes em cada litro de agua da represa.
Supondo que apos um intervalo de tempo, digamos um dia, a poluicao

9
diminuiu 25%, assim, retiramos uma quantidade de agua poluda corres-
pondente a um copo de 250 ml da solucao total, e restarao 75% da quan-
tidade de poluentes original. Para simular a entrada de agua limpa reco-
locamos 250 ml de agua limpa no recipiente. Repetindo o processo do
ocorre no segundo dia, retiramos novamente 250 ml da solucao restante,
correspondente a 25% da poluicao total que havia depois de um intervalo
de tempo e novamente acrescentamos 250 ml de agua limpa. A sequencia
da concentracao da quantidade de poluentes pode ser escrita como:
P(0) = 100ml (poluicao inicial no momento de lancamento de efluen-
tes na represa)
P(1) = 100 (1 0.25)ml = 75ml (apos um intervalo de tempo)
P(2) = 75 (1 0.25)ml = 56.25ml (apos dois intervalos de tempo)
P(3) = 56.25 (10.25)ml = 42.1875ml (apos tres intervalos de tempo)
P(4) = 42.1875 (1 0.25)ml = 31.6406ml (apos quatro intervalos de
tempo)
...

P(10) = 7.508468628 (1 0.25)ml = 5.631351471ml (apos dez inter-


valos de tempo)
P(11) = 5.631351471 (1 0.25)ml = 4.223513603ml (apos onze inter-
valos de tempo) e, para n-esimo intervalo temos a equacao discreta:

P(n) = P(n 1) (1 0.25) (2.1)

A solucao da equacao discreta (2.1) e a seguencia:

100, 75, 56.25, 42.1875, 31.6406, . . .

A sequencia P(n) que representa a quantidade de poluentes depois


de transcorrido n intervalos de tempo, ou seja, a solucao da equacao dis-
creta (2.1) e dada pelos termos da progressao geometrica de termo inicial
3
P(0) = 100 e a razao q = 4
= 0.75.

P(n) = 100 (1 0.25)n

10
3
P(n) = 100 ( )n (2.2)
4
P(n) = 100 0.75n

E importante o acompanhamento da evolucao da quantidade de polu-


entes para elaborar um modelo matematico. As quantidades de poluentes
medidas P(n), em mililitros, podem ser tabeladas em cada intervalo ob-
servado, como a que aparece na Tabela 2.1.1 a seguir.

N P(n) (ml)
0 100
1 75
2 56.25
3 42.1875
4 31.640625
5 23.73046875
... ...
N ?

Alguns modelos matematicos ambientais discretos necessitam ou tor-


nam-se mais faceis de serem explorados quando utilizamos as ferramen-
tas numericas e metodos computacionais adequados. Podemos utilizar
softwares computacionais como o MatLab ou Octave para explora-lo, para
desenhar o grafico da solucao do problema anterior da Figura 2.3.2.
Para estabelecer o modelo matematico anterior partimos de alguns
dados observados tais como: a quantidade inicial de poluentes (concentra-
cao) em um litro de agua, a taxa media de decaimento da quantidade de
poluentes e uma hipotese sobre a continuidade do decaimento na mesma
razao.
Nos modelos matematicos, aparecem as razoes de proporcionali-
dade, as taxas de variacoes como taxa de decaimento ou de crescimento,
velocidade, aceleracao, crescimento ou decaimento relativo, velocidade de
reacao, etc. A principal caracterstica da modelagem matematica de um
sistema dinamico e obter a relacao entre as quantidades envolvidas, as

11
100
Quantidade de Poluentes
Ajuste exponendcial
90

80

70

60

50

P
40

30

20

10

0
0 1 2 3 4 5 6 7 8 9
t

Figura 2.3: Tempo Poluente

razoes de proporcionalidade e as suas taxas de variacoes para chegar-


mos a evolucao do mesmo.
No modelo de simulacao de poluicao abordado vimos que a quanti-
dade de poluentes num instante e proporcional a quantidade de poluentes
no instante anterior.
A taxa media de variacao da quantidade de poluentes

p1 p0
r=
t

pode ser obtida observando a quantidade de poluentes pi no instante ti


e pt+1 no instante ti+1 durante um intervalo de tempo t = ti+1 ti consi-
derado.
Exemplo 2.3.1
Estimamos a taxa de decaimento relativo da quantidade p por

pi+1 pi
r=
pi

A taxa de decaimento relativo da quantidade de poluentes do pro-


75 100
blema anterior e igual a r = = 0, 25.
100

12
Ao analisarmos a Figura 2.3.2 questionamos qual seria um limite
maximo da quantidade de poluentes aceitavel na agua.
Tomamos como exemplo, uma empresa de tratamento e abasteci-
mento de agua que se deseja tratar a agua da represa considerada a fim
de poder distribu-la para a populacao, mas para compensar o tratamento
de purificacao, so se pode iniciar a operacao a partir de um limite maximo
aceitavel da quantidade de poluentes na agua.
Supondo que a concentracao (porcentagem) da quantidade inicial de
poluentes admitida para iniciar o tratamento deve ser menor do que 0.05,
ou seja 5%, do total da poluicao inicial, quantos dias apos o acidente a
empresa poderia voltar a captar agua?
De fato, se cada litro de agua da represa contem inicialmente 100 ml
de poluentes, podemos determinar o instante em que a poluicao diminui
para menos de 5 ml por litro de agua utilizando uma tabela gerada pelo
modelo, ou o grafico ou calculando o instante utilizando o proprio termo
geral da progressao geometrica (2.3.1), resolvendo a inequacao algebrica:

3
P(n) < 5 100 ( )n < 5
4
Ou, reescrevendo-a na forma da inequacao exponencial
3
( )n < 0.05 (2.3)
4
Aplicando o logaritmo em ambos os lados da inequacao exponencial (2.3)
e utilizando suas propriedades, obtemos:
3 log(0.05)
n log( ) < log(0.05) n < = 10.4133436
4 log(0.75)
donde segue que n < 10.4133436 dias, e portanto, a empresa poderia
voltar a captar agua da represa para tratamento cerca de 10 dias e 10 h
apos o acidente.
Se a cidade tivesse somente esta represa para abastecimento local,
como ficaria a populacao dependente da agua neste perodo?
Se algumas cidades vizinhas pudessem ceder uma parte da quanti-
dade de agua tratada para ser transportada por caminhoes tanques com

13
custos distintos de cada uma das localidades, teramos um problema de
otimizacao dos custos com o transporte, problema este que podera ser
abordado com o conteudo da Unidade 5 que veremos sobre otimizacao
linear.
Isto nos mostra a importancia de trabalharmos com modelos ma-
tematicos ambientais e, mesmo com ferramentas matematicas simples
podemos obter uma estimativa dos resultados de uma catastrofe desse
tipo.
Os modelos ambientais que tratam de variaveis discretas como esse
da poluicao de uma represa nos levam a um estudo mais detalhado das
equacoes discretas.

14
2.4 As Equacoes Discretas

Quando tratamos de problemas que envolvem variaveis inteiras, fre-


quentemente obtemos uma ou mais equacoes discretas, ou equacoes de
recorrencia, o que e comum em modelagem e outras areas da matematica.
Elas sao encontradas especialmente na resolucao numerica de equa-
coes diferenciais discretizadas e aproximadas por equacoes discretas, ja
que o computador calcula os valores discretos de uma funcao nos pontos
do seu domnio.
No modelo da simulacao da poluicao da represa visto anteriormente
3
obtivemos a equacao discreta Pn = 4
Pn1 , em que n = 1, 2, 3, . . . com a
condicao inicial P(0) = 100. O valor de P num instante e uma funcao de P
no(s) instante(s) anterior(es), e, neste sentido, observa-se que nos proces-
sos recursivos, uma funcao discreta e definida em termos de si mesma.
Consideramos S e X subconjuntos do conjunto dos numeros reais R
e, o conjunto dos numeros naturais N = {1, 2, 3, . . .}
Se
f : NxS X

e uma funcao dizemos que

xn = f(n, xn1 ) n N (2.4)

e uma equacao discreta, em que a incognita e uma funcao inteira x(n).


Para simplificar, neste texto denotaremos x(n) por xn .
Uma equacao discreta realmente tem caracterstica recursiva, pois
ela e lida em termos dela mesma. Encontrar uma solucao da equacao dis-
creta do tipo (2.4) para um determinado valor de n, significa calcularmos
o valor dela para todos os valores naturais anteriores a n.
A solucao da equacao discreta com uma condicao inicial x(0) = x0 , e
uma sequencia {xn } cujos elementos sao

x0 , x1 = f(1, x0 ), x2 = f(2, x1 ), . . .

15
No exemplo anterior em que tratamos a simulacao da poluicao de
3
uma represa, observamos que a solucao da equacao discreta Pn = 4
Pn1 ,
com a condicao inicial P0 = 100, e a sequencia {Pn } cujos elementos sao

P0 = 100, P1 = 75, P2 = 56.25, . . .

As equacoes discretas podem ser mais gerais, no entanto, em mode-


lagem matematica aparecem em alguns casos especficos, uma equacao
discreta como a equacao autonoma definida por

xn = f(xn1 ), n N

em que a funcao f : X X nao depende explicitamente de n.


Neste caso, a solucao desta equacao discreta autonoma pode ser
escrita como uma sequencia {xn } cujos elementos sao:

x0 ,
x1 = f(x0 ),
x2 = f(x1 ) = f(f(x0 )) = f(2) (x0 ),
x3 = f(x2 ) = f(f(x1 )) = f(f(f(x0 ))) = f(3) (x0 )
...
xn = f(n) (x0 ), . . .

Observemos que f(2) (x) representa a composicao da funcao f por ela


mesma, ou seja, (f f)(x) = f(f(x)) = f(2) (x) para todo x e f(x) no domnio
de f.
Exemplo 2.4.1
Uma aplicacao de equacao discreta e a equacao xn = q xn1 , n N
em que q e uma constante nao nula.
A solucao desta equacao autonoma com uma condicao inicial x0 , e
uma sequencia {xn } conhecida como Progressao Geometrica de razao q,
cujos elementos sao:
x0 ,
x1 = q x0 ,
x2 = q x1 = q2 x0 ,
x3 = q x2 = q q2 x0 = q3 x0
...

16
Escrevendo xn em funcao de n e x0 obtemos

xn = qn x0 , n = 0, 1, 2, . . .

Essa e uma representacao da equacao discreta em que a expressao


do termo geral pode ser escrita diretamente em funcao da variavel n, xn =
g(n), n N.
No modelo da simulacao da poluicao da represa anterior obtivemos a
3
equacao discreta Pn = 4
Pn1 com termo inicial P0 = 100, cuja solucao e
uma progressao geometrica decrescente de razao q = 43 , que em funcao
de n e dada por
3
Pn = 100 ( )n
4
Nesse caso, chamamos esta equacao discreta de funcional, pois de-
pende apenas de n.
Uma equacao discreta funcional do tipo da progressao geometrica
anterior, em que a razao esta entre 0 e 1, 0 < q < 1, pode representar
varios modelos simples de crescimento exponencial e se q < 0 decai-
mento exponencial como o decaimento radioativo, decaimento de poluen-
tes, decaimento de temperatura, decaimento de drogas no organismo, etc.
Desafio 2.1:
Pesquise e descubra a taxa de decaimento da radiacao do elemento
qumico Cesio. Apresente um modelo matematico de contaminacao radia-
tiva.

2.5 Explorando a Resolucao de Equacoes Discretas

Para obter a solucao de uma equacao discreta podemos utilizar os


metodos de resolucao teoricos, numericos ou graficos dependendo do in-
teresse e do que queremos obter e como mostrar o resultado.

Metodo Teorico
Para resolver as equacoes discretas pelo metodo teorico procuramos
transformar a equacao discreta autonoma numa equacao funcional e obter

17
os valores da sequencia

x0 , x 1 , x 2 , . . . , x n

em funcao de n e de x0 .
A equacao discreta xn = q xn1 , n N, em que q e uma constante
nao nula e a condicao inicial x0 pode ser transformada em uma equacao
autonoma funcional xn = qn x0 , e assim, dado uma condicao inicial x0 ,
podemos obter os demais termos xn da sequencia solucao.
Analogamente a exploracao de uma equacao diferencial ordinaria,
para resolvermos uma equacao discreta do tipo xn = q xn1 , n N,
em que q e uma constante nao nula e a condicao inicial x0 , supomos que
ela tenha uma solucao do tipo exponencial

xn = n ,

para uma constante nao nula.


Substituindo na equacao discreta xn = q xn1 , obtemos a equacao
caracterstica associada
n = qn1

e, reescrevendo como
n1 ( q) = 0,

obtemos duas solucoes:


=0 = q.

E, como 6= 0, temos que = q.


Assim, a solucao da equacao discreta e uma combinacao de qn .
Logo, xn = c qn em que c e uma constante. Ela pode ser determinada
conhecendo-se o valor inicial x0 . Portanto, obtemos a solucao

xn = x0 qn , n = 0, 1, 2, . . .

Metodo Numerico
O metodo numerico consiste em obter os termos da sequencia solucao
conhecendo-se uma ou mais condicoes iniciais.

18
2

1.9

1.8

1.7

1.6

1.5
x

1.4

1.3

1.2

1.1

1
0 2 4 6 8 10 12 14 16 18 20
n

Figura 2.4: Logstica

Exemplo 2.5.1
Dada uma equacao discreta logstica como a
xn1
xn = xn1 + 0.2 xn1 (1 )
2
com a condicao inicial x0 = 0.3, a solucao numerica e obtida a medida que
vamos fazendo as interacoes e, e dada pela sequencia

x0 = 0.3, x1 = 0.3510, x2 = 0.4089, x3 = 0.4739, x4 = 0.5463, x5 = 0.6257, . . .

Metodo Grafico
O metodo grafico discreto representa a funcao discreta xn num sis-
tema de coordenadas cartesianas, escolhendo a variavel natural n no eixo
horizontal e a variavel dependente xn no eixo vertical.
Vale lembrar que, o Metodo de Newton [?] [2] para o calculo numerico
de zeros de uma funcao contnua f(x) e dado por uma equacao discreta
f(xk1 )
xk = xk1
f0 (xk1 )
em que calculamos uma aproximacao xk da raiz da equacao f(x) = 0
utilizando uma aproximacao inicial x0 e os valores de f(x) e os de sua
derivada f0 (x) (quando distinta de zero), calculados no ponto xn1 .

19
O metodo de Newton para calcular a raiz quadrada de um numero a,
ou seja, calcular o zero da funcao f(x) = x2 a ja era conhecido pelos
babilonios e as vezes e atribudo a Arquitas (428 365a.C.).
Desafio 2.2:

Verifique que o calculo da 9 pelo metodo de Newton nos leva a um
processo iterativo dado pela equacao discreta
1 9
xn = (xn1 + )
2 xn 1

Use a condicao inicial x0 = 1. Em quantas iteracoes voce chegou ao


resultado. Esboce o grafico da sequencia obtida no plano n xn ;

Comece agora com uma condicao inicial negativa, digamos, x0 = 2.


O que voce conclui?

Observe que alguns modelos matematicos podem levar a varias solu-


coes, algumas que nao fazem sentido par o problema abordado, e e de
grande importancia fazer uma analise dos resultados para verificar qual
solucao e valida dentre as varias fornecidas pelo modelo matematico.
O ponto de equilbrio de uma equacao discreta e encontrado quando

xn = xn1

Exemplo 2.5.2
1
A equacao discreta xn = 1.5 xn1 (1 xn1 ) tem o ponto x = 3
como
ponto de equilbrio, que e a solucao da equacao algebrica, conforme Fi-
gura 2.5.2.
No metodo grafico de uma equacao discreta autonoma

xn = f(xn1 ), n N,

escolhemos uma condicao inicial x0 sobre a diagonal principal do sistema


cartesiano n xn .
Partindo do valor inicial x0 , obtemos o valor x1 = f(x0 ) sobre o grafico
de f(x). Da, voltando ao grafico da diagonal por um segmento de reta
paralelo ao eixo horizontal encontramos o valor correspondente de x1 . Da

20
mesma forma obtemos o valor x2 = f(x1 ) = f(f(x0 )) = f(2) (x0 ) sobre o
grafico de f e voltamos ao grafico da diagonal por um segmento de reta
paralelo ao eixo horizontal obtendo x3 e, assim sucessivamente, obtemos
varios pontos da solucao da equacao discreta.
Se a equacao discreta tiver um ponto de equilbrio x tal que

x = xn = f(xn1 )

para algum n, este ponto de equilbrio esta sobre a diagonal principal do


sistema cartesiano xn f(xn ).

Figura 2.5: Ponto de Equilbrio na Diagonal

A solucao da equacao autonoma neste caso chama-se de orbita do


ponto x0 .
Assim, a solucao de equilbrio esta na intersecao do grafico de y = xn
com a reta y = x.
Aspectos interessantes de ordem e do caos aparecem nos graficos
de equacoes discretas, como nos modelos logsticos de populacao, bem
como em muitos outros modelos da matematica aplicada.
Seja X R e uma funcao contnua f : X X com xn = f(xn1 ), n
N. Se existe um inteiro m > 1 tal que

f(m) (a) = a

dizemos que a e um ponto periodico da funcao f(x).


O menor inteiro m em que isso acontece e chamado de perodo do
ponto a.

21
Assim, a orbita de f(x) por um ponto x = a de perodo m e a sequencia

a
x1 = f(a)
x2 = f(x1 ) = f(f(a)) = f(2) (a)
..
.
xm1 = f(m) (a)

Numa analise grafica, observamos que um ponto periodico de f(x) de


perodo 2 pode ser representado por um retangulo com dois vertices sobre
a diagonal principal e os outros dois vertices sobre o grafico de f(x).
Desafio 2.3:
Descubra um exemplo de uma funcao de perodo 2.

2.6 Crescimento Exponencial de uma populacao

O estudo da dinamica populacional visa a descricao do numero de


indivduos de uma populacao ao longo do tempo, variavel discreta (mas
que pode ser considerada contnua) e, e um fator de grande importancia
para o estudo dos impactos ambientais.
Para formulacao das hipoteses teoricas basicas para elaboracao de
um modelo matematico que descreva a evolucao de um sistema populaci-
onal a partir de um dado inicial sao extremamente importantes as informa-
coes biologicas da populacao.
O objetivo de um modelo matematico populacional discreto e deter-
minar uma funcao discreta
p : N <+

em que p(n) representa o numero total de indivduos da populacao no


instante n (numero natural que pode representar o numero de anos, por
exemplo) e <+ e o conjunto dos numeros reais nao negativos.
Quando uma populacao animal ou vegetal vive num ambiente fa-
voravel, livres de outras especies ou fatores que limitem o seu crescimento

22
como as condicoes climaticas favoraveis, recursos ilimitados etc. ocorre
um crescimento exponencial com uma taxa de crescimento especfico (po-
tencial biotico da populacao) que depende de alguns fatores como a es-
trutura etaria e as condicoes do meio em que a populacao se encontra.
O economista britanico Thomas Malthus (1766 1834) acreditava que
o excesso populacional era a causa de todos os males da sociedade.
Acreditava que enquanto a producao de alimentos se dava numa pro-
gressao aritmetica, o crescimento populacional ocorria de acordo com
uma progressao geometrica. Em 1798, propos uma hipotese simples de
crescimento para uma populacao sem restricoes, supondo que, a taxa de
variacao da populacao era proporcional a quantidade de indivduos exis-
tente em cada instante, ou seja, considerou a hipotese biologica de que
o numero de nascimento menos o numero de mortes era proporcional ao
numero de indivduos da populacao.
Vamos considerar inicialmente o crescimento discreto de uma po-
pulacao de determinada especie para perodos limitados de tempo e sem
restricoes.
Supondo que o numero de nascimentos de indivduos de uma popula-
cao num ano e uma fracao ( > 0) e o numero de mortos neste mesmo
perodo e uma fracao ( > 0) da populacao existente p(t).
Para estabelecer uma equacao discreta representando a populacao
p(n + 1) num instante (ano) n + 1 em funcao da populacao p(n) no ins-
tante n (ano anterior), dos parametros e e da populacao inicial p(0) no
instante correspondente a contagem do tempo t = 0, podemos considerar
que o numero de nascimentos e o numero de mortos dependam do tama-
nho do intervalo de tempo t considerado e, do tamanho da populacao
p(t).
Escrevemos o numero de nascimentos igual a p(t)t, e o numero
de mortes igual a p(t)t.
Assim, a equacao de balanco para a populacao nos mostra que a
taxa de crescimento populacional simples no intervalo de tempo t e igual

23
ao numero de nascimento menos o numero de mortes

p(t + t) p(t) = p(t) t p(t) t

Colocando o intervalo de variacao do tempo como um ano, por exem-


plo, temos t = 1 e a seguinte equacao discreta para um ano t = n + 1
descreve o comportamento da populacao,

p(t + 1) = (1 + ) p(t)

Neste modelo dado pela equacao discreta anterior desprezamos os


processos de migracao e emigracao de indivduos da populacao. Escre-
vendo 1 + = r, o modelo matematico pode ser descrito pela equacao
discreta:
p(n + 1) = r p(n)

em que n e o instante de tempo, p(n) e a populacao no instante n e r > 0


e a taxa de crescimento da populacao, chamada de potencial biotico.
Conhecendo-se a populacao p(0) = p0 num instante inicial t = 0,
podemos determinar univocamente o numero de indivduos da populacao
num instante discreto n. De fato,

p(1) = r p(0)
p(2) = r p(1) = r2 p(0)
p(3) = r p(2) = r3 p(0)
..
.
p(n + 1) = rn+1 p(0)

Esta sequencia nos da a solucao teorica da equacao discreta

pn+1 = r pn ,

conhecendo-se a populacao inicial p(0) = p0 e o potencial biotico r.


Conhecendo-se o crescimento de uma populacao podemos prever
os problemas que poderao surgir, os impactos ambientais, suas causas e
consequencias, portanto, podendo indicar direcoes para tomada de posi-
coes que possam minorar os impactos.

24
Exemplo 2.6.1
Supondo que a populacao da terra no ano de 1650 era de 600 milhoes
de habitantes e que ela cresceu sem restricoes a uma taxa proporcional
a populacao ate o ano de 1950 quando atingiu 2800 milhoes, podemos
verificar que a taxa de crescimento relativa da populacao, conhecendo a
populacao entre varios perodos de tempo pode ser obtida resolvendo a
equacao discreta
p(n + 1) = rn p(0)

Para calcular a taxa r, basta conhecermos a populacao em dois ins-


tantes de tempo distintos como p(0) = 600 e p(300) = 2800.

p(300) = r300 p(0)

2800 = r300 600


2800
r300 =
600
2800
ln( 600 )
ln(r) r = 0.0051348123
300
Assim, a sequencia

p(0) = 600
p(1) = (1 + 0.0051348123) 600 603.08089
p(2) = 603.08089 (1 + 0.0051348123) = 600 (1 + 0.0051348123)2 606.177
..
.
p(300) = (1 + 0.0051348123)300 600 2 788.985
p(450) 6 013 035
p(550) = 600 (1 + 0.0051348123)550 10 035.18

nos mostra o crescimento da populacao ao longo dos anos.


Se a contagem inicial comecou em 1 650, e se a populacao terrestre
continuasse crescendo da mesma forma, a Terra teria cerca de 6 bilhoes
de pessoas so no ano de 2 100, e 10 035.186 milhoes de pessoas no ano
de 2 200 (= 1 650 + 550), depois de 550 anos apos o incio da contagem.
Desafio 2.4:
Questionemos quantas pessoas temos atualmente na Terra. Quantas
pessoas tem por m2 da superfcie terrestre? A distribuicao da populacao

25
2
dados linearizados e ajustados

log((x*x)/x)
1

4
1 2 3 4 5 6 7
t

Figura 2.6: Crescimento da Populacao Terrestre

terrestre e homogenea? Quais os principais impactos no crescimento po-


pulacional? O que isto acarreta para o ambiente? Quantas pessoas o
nosso planeta Terra suportara com sustentabilidade? E segundo o mo-
delo anterior quantas pessoas teramos no ano 2 200?
A taxa populacional bastante utilizada e a taxa de crescimento rela-
tiva r que pode ser obtida conhecendo os valores da populacao em dois
instantes consecutivos por
pn+1 pn
r= pn .

No Exemplo 2.6.1 temos


603 088 600 000
r= 0.0051.
600 000

2.7 Modelo de Crescimento Logstico Discreto

Enquanto uma populacao se mantem homogenea em relacao a estes


aspectos o modelo do crescimento exponencial abordado anteriormente

26
nos da uma descricao inicial da sua evolucao. Entretanto, as populacoes
com o mesmo numero de indivduos geralmente sao heterogeneas quanto
as taxas de natalidade e mortandade. Sabemos que nas condicoes nor-
mais, uma populacao mais jovem, geralmente, a geracao de filhos e maior
e a quantidade de mortes e menor do que numa populacao mais idosa, de
modo que um fato como este e outros nao sao contemplados pela Lei de
Malthus.
Alem desse modelo simples de crescimento exponencial da populacao,
temos o modelo de crescimento um pouco mais geral cuja representacao
geometrica possui uma forma sigmoidal, chamado de crescimento logstico.
Ele e mais realista do que a Lei de Malthus, em que o crescimento da
populacao tende para infinito com o tempo. Como observamos anteri-
ormente, a Lei de Malthus nao leva em consideracao varios fatores que
podem influenciar na dinamica populacional.
O modelo logstico para a evolucao de uma populacao inicialmente foi
proposto por Verhulst em 1 838. Ele notou que as populacoes nao podem
crescer ilimitadamente. As populacoes dependem fortemente do supri-
mento de alimentos, do espaco fsico, geralmente limitado, bem como de
outros recursos que a longo prazo podem desacelerar ou mesmo por fim
ao crescimento. P. F. Verhulst (1804 1849) propos que a taxa de cresci-
mento da populacao r tambem dependia da populacao em cada instante
e estabeleceu a equacao logstica, que na forma discreta pode ser escrita
como:
P(n + 1) P(n) = r(P(n)) P(n) (2.5)

em que P(n + 1) e populacao no instante n + 1, P(n) e populacao no


instante n e, r(P(n)) e a taxa de crescimento da populacao que depende
do numero de indivduos da propria populacao no instante n (densidade
dependente).
Para descrever um crescimento rapido da populacao quando ela e
pequena, a funcao r(P(n)) e escolhida de modo que a taxa de crescimento
fique igual a uma constante r0 , quando P e pequeno, ou seja,

lim r(P(n)) = r0 ,
P(n)0

27
indicando que o limite de r(P(n)) tende a r0 quando a populacao tende a
zero.
Por outro lado, se essa populacao for aumentando, queremos que a
taxa r(P(n)) decresca, ou seja,

lim r(P(n)) = 0,
P(n)

indicando que o limite de r(P(n)) tende a zero e a populacao vai se es-


tabilizando convergindo a um comportamento assintotico quando P(n) e
grande, atingindo um valor Pmax = K, o limite da populacao.
Uma funcao r(P(n)) mais simples que satisfaz estas propriedades e
a funcao linear de P(n) do tipo

r(P(n)) = r0 a P(n)

em que a e uma constante positiva. Essa expressao para r(P(n)), des-


creve satisfatoriamente as hipoteses biologicas consideradas acima e a
equacao logstica discreta fica:

P(n)
P(n + 1) P(n) = r0 1 P(n),
K

que pode ser escrita como

P(n)2
P(n + 1) = (1 + r0 ) P(n) r0 .
K

Evidentemente ela e um tipo de equacao discreta nao linear, pois


f(P(n)) = P(n) + r(P(n)) P(n) e uma combinacao nao linear de P(n)
(quadratica, potencias, exponenciais, etc.)
E encontrar a sua solucao diretamente nao e tao simples, e na maioria
das vezes se analisa tais equacoes por meio de seus pontos de equilbrio,
que veremos mais adiante.
Uma sugestao para simplificar a equacao logstica e fazermos uma
suposicao sobre a parte quadratica, aproximando um dos fatores P(n) da
parcela quadratica P(n)2 por P(n + 1), ou seja, considerar

P(n)2 = P(n + 1) P(n)

28
tornando-a numa equacao discreta mais simples de resolver analitica-
mente.
De fato, na equacao obtida ao substituirmos P(n)2 por P(n + 1) P(n)
obtemos
P(n + 1) P(n)
P(n + 1) = (1 + r0 ) P(n) r0
K
e, escrevemos
h r0 i
P(n + 1) = 1 + r0 P(n + 1) P(n) (2.6)
K

1
Com uma substituicao conveniente do tipo inverso, Qn = e,
P(n)
1
portanto, Q(n + 1) = , donde a equacao (2.7.2) fica
P(n + 1)

1 r0 1 1
= 1 + r0 ,
Q(n + 1) K Q(n + 1) Q(n)

Simplificando-a obtemos a equacao discreta nao homogenea

r0
Q(n) = (1 + r0 ) Q(n + 1) (2.7)
K

Resolve-se esta equacao discreta de modo analogo a uma equacao dife-


rencial, decompondo a solucao em duas parcelas:

Q(n) = Qh (n) + Qp (n),

ou seja, decompondo-a na soma da solucao da equacao homogenea as-


sociada Qh (n) e de uma solucao particular da equacao nao homogenea
Qp (n).
Inicialmente vamos resolver a equacao homogenea associada e em
seguida encontramos uma solucao particular da equacao nao homogenea.
Para a equacao homogenea associada a (2.7.3)

Q(n) = (1 + r0 ) Q(n + 1)

que e linear, supomos que a solucao e do tipo Qh (n) = n , com 6= 0.


Substituindo na equacao anterior, obtemos n = (1 + r0 ) n1 . Donde
1
segue que 1 = (1 + r0 ), e portanto, = .
1 + r0

29
Assim, a solucao da equacao de recorrencia homogenea e igual a

1
Qh = a ( )n (2.8)
1 + r0

em que a e uma constante.


Buscamos agora uma solucao particular da equacao nao homogenea
(2.7.3) do tipo Qp (n) = b em que b e uma constante, ja que a parcela nao
homogenea nao depende de n. Substituindo na equacao (2.7.3) obtemos

r0
b = (1 + r0 ) b (2.9)
K

ou seja,
1
b= .
K
Finalmente a solucao geral da equacao de recorrencia pode ser es-
crita como n
1 1
Q(n) = a + .
1 + r0 K
Utilizando uma condicao inicial, Q(0) = Q0 correspondente ao ins-
tante n = 0, obtemos
0
1 1
Q(0) = a + ,
1 + r0 K

o que implica que


1
Q0 = a + ,
K
e assim, determinamos o valor da constante a,

1
a = Q0 .
K

E, a solucao de (2.7.3) pode ser escrita como


n
1 1 1
Q(n) = Q0 + .
K 1 + r0 K

Resolvido o problema para a variavel Q(n), voltamos para a variavel


inicial P(n), obtendo a solucao da equacao logstica
n (1)
K P0 1 1 1
P(n) = + = n .
P0 K 1 + r0 K KP0 1
+ 1
P0 k 1+r0 k

30
Observamos que P(n) cresce rapidamente no inicio ate nao ser sus-
tentada, a entao, ela tende ao nvel de saturacao K, que e a maxima
populacao sustentavel, dada pelo
1
limn Pn = limn n = K.
KP0 1 1
P0 k 1+r0
+ k

Ilustramos a solucao da equacao discreta logstica com K = 2, P0 =


0.83 e r0 = 0.5 na Figura 2.7.1 a seguir.
2

1.8 Modelo Logstico Discreto

1.6
Populao

1.4

1.2

0.8
0 2 4 6 8 10 12 14 16 18 20
Ano

Figura 2.7: Crescimento Logistico

E interessante fazer o grafico de Lamerey consistindo de todos os


pontos do modelo logstico do tipo (P(n + 1) P(n)).
Alem do modelo logstico, outros modelos de crescimento populacio-
nal discretos foram propostos no final do seculo XX. Um deles e o modelo
de [?] May [6] sobre a dinamica populacional estabelecido como

Pn+1 = f(Pn ) Pn

em que a taxa de crescimento populacional e densidade dependente, dada


pela funcao
Pn
f(Pn ) = exp r0 1 .
K

31
Desafio 2.5:
Pesquise e explore o modelo de May. Faca simulacoes para varios
valores dos parametros.

2.8 Equacoes Discretas nao Autonomas

As equacoes discretas nao autonomas sao do tipo

Xn = f(Xn 1) + g(n), n N

em que a funcao g depende somente de n.


Exemplo 2.8.1
Uma equacao discreta nao autonoma bem simples e a equacao dis-
creta linear de primeira ordem com coeficiente inteiro 1, dada por

Xn+1 = Xn + bn , nN

em que bn e uma sequencia conhecida.


Com uma condicao inicial x0 obtemos a solucao

X0
X1 = X0 + b0
X2 = X1 + b1 = X0 + b0 + b1
X3 = X2 + b2 = X0 + b0 + b1 + b2
...
P
n1
Xn = X0 + bi , n 1.
i=0

Observe que a equacao discreta nao autonoma de primeira ordem


xn+1 = xn + 2n , n N, com a condicao inicial x0 = 1, tem como solucao
xn = 2 n , n N.

32
70
Crescimento Exponencial

60

50

40
x

30

20

10

0
0 1 2 3 4 5 6
n

Figura 2.8: Crescimento Exponencial

2.9 Equacoes Lineares Discretas com Coeficientes Constantes

Consideremos equacoes discretas lineares homogeneas com coefici-


entes constantes mais gerais do que a equacao do crescimento exponen-
3
cial Pn 4
Pn1 = 0.
Uma equacao discreta linear com coeficientes constantes de ordem
k e do tipo

xn = a1 xn1 + a2 xn2 + . . . + ak1 xn(k1) + ak xnk , n N, (2.10)

em que ai , i = 0, 1, 2, . . . , k sao sequencias dadas que independem de n


e os valores xi sao conhecidos para i = 0, 1, 2, . . . , k 1
Uma sequencia {sn } e solucao da equacao discreta linear (2.9.1) com
condicoes iniciais

s0 = x 0 s1 = x1 , . . . , sk1 = xk1 ,

33
se
sn = a1 sn1 + a2 sn2 + . . . + ak1 sn(k1) + ak snk ,

para todo n k.

2.10 Resolucao de Equacoes Lineares Discretas com Coeficientes


Constantes

Consideremos equacoes discretas lineares homogeneas com coefici-


entes constantes mais gerais do que a equacao do crescimento exponen-
3
cial abordada anteriormente Pn 4
Pn1 = 0
Uma equacao discreta linear com coeficientes constantes de ordem
k e do tipo

xn = a1 xn1 + a2 xn2 + . . . + ak1 xn(k1) + ak xnk , n N, (2.11)

em que ai , i = 0, 1, 2, . . . , k sao sequencias dadas que independem


de n e os valores xi sao conhecidos para i = 0, 1, 2, . . . , k 1.
Uma sequencia {sn } e solucao da equacao discreta linear (2.9.1) com
condicoes iniciais s0 = x0 , s1 = x1 , . . . , sk1 = xk1 , se

sn = a1 sn1 + a2 sn2 + . . . + ak1 sn(k1) + ak snk , para todo n k

A teoria das solucoes de equacoes discretas e semelhante a das


equacoes diferenciais ordinarias [?] [12] obtidas em termos de seus au-
tovalores.
Supomos que xn = n ( inteiro), e uma solucao da equacao discreta
(2.9.1) escrita da seguinte forma:

xn a1 xn1 a2 xn2 . . . +ak1 xn(k1) ak xnk = 0

Assim, se 6= 0, obtemos a equacao caracterstica associada a


equacao discreta (2.9.1)

n a1 n1 a2 n2 . . . +ak1 n(k1) ak nk = 0

34
Sejam as razes 1 , 2 , . . . , r da equacao caracterstica (2.9.2) com
multiplicidade 1 , 2 , . . . , r N respectivamente, com

1 + 2 + . . . + r = m

entao as solucoes de (2.9.1) sao as sequencias {xn } da forma

xn = p1 (n)n1 + p2 (n)n2 + . . . + pr (n)nr

em que pi (n) sao polinomios tais que o grau (pi (n)) i , para 1 i r.

Razes Simples da Equacao Caracterstica


Observe que se cada i e uma raiz simples da equacao caracterstica
associada a equacao discreta, entao os polinomios pi (n), i = 1, 2, . . . , n
sao simplesmente constantes p1 , p2 , . . . , pn e a solucao geral de (2.9.1)
e do tipo:
sn = p1 n1 + p2 n2 + . . . + pn nn

Exemplo 2.9.1 Um tipo especial de equacao discreta linear homogenea


com coeficientes constantes e a de primeira ordem do tipo da (2.3.2)

pn = r pn1

A solucao da equacao caracterstica associada n = rn1 , ou seja,


n1 ( r) = 0 e = r. Segue que a solucao da equacao pn = p0 rn e
multipla de rn , com n = 1, , 2, . . . .
Exemplo 2.9.2 A equacao xn = 2xn1 xn3 e uma equacao discreta
linear com coeficientes constantes de ordem 3, pois o termo da sequencia
solucao depende de 3 termos anteriores (mesmo que os coeficientes dos
termos anteriores sejam nulos, como neste caso, o de xn2 e nulo).
Com um pouco de criatividade podemos resolver uma equacao dis-
creta nao homogenea sem usar a recorrencia como a do Exemplo 2.9.3
seguinte em que a transformamos numa equacao homogenea.
Uma equacao discreta linear nao homogenea de primeira ordem com
coeficientes constantes e do tipo

xn = a1 xn1 + k

35
em que a1 e k sao constantes reais. Conhecendo-se um valor inicial x0
podemos obter xn para n = 1, 2, 3, . . . e resolve-la usando a ideia do
Exemplo 2.9.3, a seguir.
Exemplo 2.9.3 Considere a equacao discreta nao homogenea de pri-
meira ordem xn = 4xn1 + 3n com x1 = 0.
Para transforma-la numa equacao homogenea, podemos escrever o
termo de ordem n 1 da equacao como xn1 = 4xn2 + 3n1 . Isolando o
valor de 3n1 , obtemos

3n1 = xn1 4xn2 .

Substituindo na equacao inicial, que pode ser escrita como

xn = 4xn1 + 3 3n1 ,

obtemos uma equacao homogenea xn = 4xn1 +3 (xn1 4xn2 ) , ou seja,

xn 7xn1 + 12xn2 = 0

A equacao caracterstica dela e 2 7 + 12 = 0, com duas razes


distintas 1 = 3 e 2 = 4. Portanto, a solucao geral da equacao discreta
e uma combinacao de 3n e 4n dada por xn = p1 3n + p2 4n , com p1 e p2
constantes.
Usando a condicao inicial x1 = 0, obtemos:
x1 = p1 31 + p2 41 0 = 3p1 + 4p2 p2 = 34 p1

x2 = p1 32 + p2 42 9 = 9p1 + 16 43 p1 p1 = 3,
3 9
e, como x2 = 4 0 + 32 = 9, nos indica que p2 = p1 = .
4 4
Assim, a solucao da equacao com a condicao inicial x 1 = 0 e igual
9
a xn = 3 3n + 4n ,ou seja, xn = 9(4n1 3n1 ).
4
Exemplo 2.9.4
O problema da Torre de Hanoi estabelecido pelo matematico frances
Edouard Lucas (1882) nos leva a uma equacao discreta.
Conta-se numa lenda que, no inicio Deus criou as Torres de Brahma,
com 64 discos de ouro dispostos em agulhas de diamante dispostos como

36
Figura 2.9: Torre de Hanoi

na Figura 2.9.1 a seguir.


Quando chegou a hora, pediu a um grupo de padres de um monas-
teiro do Tibete que dessem inicio a transferencia dos discos segundo uma
regra estabelecida. Alertou-os que quando terminassem o trabalho as tor-
res desmoronariam e chegaria o final dos tempos.
A equacao discreta linear de primeira ordem com coeficientes cons-
tante hn = 2hn1 + 1, estabelece o numero de jogadas da Torre de Hanoi,
comecando com h1 = 1.
Ela estabelece o numero mnimo de jogadas necessario para que a
pilha de n discos da Torre de Hanoi em ordem decrescente de diametro
seja transferida do lado esquerdo para o direito utilizando uma posicao no
meio dos tres suportes, de modo a movimentar um disco de cada vez e,
com o cuidado de nao sobrepor em nenhum momento do jogo um disco
maior sobre um menor.
Imagine um disco so, logo ele pode ser movido em uma unica vez do
primeiro pino para o terceiro. Se tivermos 2 discos no primeiro pino? E se
tivermos 3 discos no primeiro pino? etc.
Desafio 2.6:
Verifique que a solucao da equacao discreta hn = 2hn1 + 1 e dada
por hn = 2n 1, em que n = 1, 2, e o numero de discos utilizados no
jogo da Torre de Hanoi. Sugestao: Escreva:

37
hn = 2hn1 + 1
= 2(2hn2 + 1) + 1 = 22 hn2 + 21 + 1
= 22 (2hn3 + 1) + 21 + 20 = 23 hn3 + 22 + 21 + 20
...
P
n2
= 2n1 + 2i
i=0
...

Supondo que cada movimento um disco demorasse apenas 109 se-


gundos, quanto tempo os padres do monasteiro moveriam os 64 discos de
acordo com a regra? Sera que eles viveriam o final dos tempos?
Exemplo 2.9.5
Uma equacao discreta linear homogenea de segunda ordem com co-
eficientes constantes bastante conhecida e a de Fibonacci (filho de Bo-
nacci)

fn+2 = fn+1 + fn

para n 0, com f0 = 1 e f1 = 1.
Nesta equacao discreta, os numeros fn+2 da sequencia solucao sao
definidos em termos dos numeros anteriores fn+1 e fn . Ela gera os numeros
de Fibonacci 1, 1, 2, 3, 5, 8, 13, . . .
Esta equacao ficou muito conhecida como um problema do Liber
Abace (livro dos Abacos) de Leonardo de Pisa (Fibonacci, 1175 1250)
para designar uma evolucao populacional de coelhos. Fiboncci tambem
introduziu a notacao Hindu-Arabica para os numeros tal como os repre-
sentamos atualmente.
Afirmacoes indicam que a ideia da sequencia de Fibonacci veio de
um modelo matematico para descrever a populacao de casais de coelhos,
considerando que em cada mes, cada casal de coelhos adultos gera um
novo casal de filhotes. Cada casal de filhotes tambem comecava procriar
apos 2 meses de idade. (Sera que um casal de coelhos so gera um casal
de filhotes cada vez?)
Comecando com um casal de coelhos adultos, observamos que a

38
35

Fibonacci

30

25

20
f

15

10

0
1 2 3 4 5 6 7 8 9
n

Figura 2.10: Numeros de Fibonacci

39
sequencia de Fibonacci gera o numero de casais de coelhos em n meses.
A solucao da equacao de Fibonacci, escrita como fn fn+1 fn+2 = 0

1+ 5
com f0 = 1 e f1 = 1 e obtida em termos das razes distintas 1 = 2
e

1 5
2 = 2
da sua equacao caracterstica 2 1 = 0.
Desafio 2.7:
Verifique que se escrevermos a equacao de Fibonacci na forma ma-
tricial XN = F Xn1

fn 1 1
XN = , F = ,
fn1 1 0

podemos obter as razes da equacao caracterstica associada a matriz F,


calculando o det(F I) = 0. Obtida as razes da equacao caracterstica
encontre os autovetores correspondentes.
Desafio 2.8:
fn+1 fn
Mostre que Fn = para todo n 1 considerando f0 = 1
fn fn1
e f1 = 1. Em seguida verifique a Identidade de G. D. Cassini (1625 1712)
dada por
fn+1 fn1 f2n = (1)n

A solucao geral da equacao discreta de Fibonacci e do tipo


!n !n
1+ 5 1 5
fn = p1 n1 + p2 n2 = p1 + p2
2 2

Com as condicoes iniciais f0 = 1 e f1 = 1 obtemos o sistema linear


1 = p1 + p2

1 = p1 ( 1+ 5 )1 + p2 ( 1 5 )1
2 2
Resolvendo o sistema anterior pelo metodo de Gauss-Jordan [?], ob-
temos os valores
1 1+ 5
p1 = ( )
5 2


1 1 5
p2 = ( )
5 2

40
donde segue que a solucao da equacao discreta de Fibonacci e dada
por
!n+1 !n+1
1 1+ 5 1 1 5
fn =
5 2 5 2

Observamos que na equacao discreta de Fibonacci obtivemos uma


unica solucao, quando especificamos as duas condicoes iniciais f0 = 1 e
f1 = 1, correspondentente a ordem da equacao discreta, igual ao grau do
polinomio caracterstico da equacao discreta.
Observemos que o segundo autovalor 2 = 1 < 0. O primeiro auto-
valor 1 > 0, e igual ao numero aureo = 1 = 1.61803 > 1, o que implica
que a sequencia de Fibonacci e uma sequencia crescente e nao limitada,
portanto e divergente.
Podemos verificar uma propriedade importante da sequencia de Fibo-
nacci em que a razao de seus termos consecutivos nos da uma sequencia
convergindo para o numero aureo . De fato,

fn+1 1+ 5
limn == = 1.61803 .
fn 2

Observemos que e a raiz positiva da equacao 2 1 = 0, ou


1
da equacao, 1 = , para 6= 0.

1
Observe que e a secao aurea ou a divina proporcao que aparece
 e satisfaz a proporcao AC
na divisao de um segmento AB, AB AC
 = CB
 .


Um retangulo aureo tem a propriedade de ser subdividido em infini-


tos retangulos aureos, e aparece com frequencia nas obras de arte da
renascenca e na arquitetura classica, pois, para os gregos caracterizava a
beleza e o equilbrio.
O proprio Leonardo da Vinci (1452 1519) usou a razao aurea em
diversas obras, como na representacao do Homem de Vitruvio.
-
Desafio 2.9:
Se considerarmos o espaco vetorial V = R , verifique que o conjunto
S = (x1 , x2 , x3 , ) V com xn+2 = xn + xn+1 e um subespaco vetorial
de V

41
Razes Multiplas da Equacao Caracterstica
Observamos que se uma das razes da equacao caracterstica e de
multiplicidade r, temos uma solucao da equacao discreta do tipo

s = (p1 + p2 n + p3 n2 + . . . + pr1 nr1 )n .

Exemplo 2.9.6
A equacao discreta xn 4xn1 + 4xn2 = 0 , n 2, cuja equacao
caracterstica associada e 2 4+4 = 0, obtida ao supormos uma solucao
do tipo xn = n , com 6= 0, possui duas razes reais iguais 1 = 2 = 2.
Logo, a sua solucao geral e

xn = (p1 + p2 n) 2n .

Com as condicoes iniciais x0 = 0 e x1 = 1, obtemos

x0 = (p1 + p2 0)20 0 = p1
1
x1 = (p1 + p2 1)21 1 = (0 + p2 1)21 p2 = 2

e a solucao da equacao discreta com as condicoes iniciais x0 = 0 e x1 = 1,


fica xn = 21 n 2n xn = n 2n1

Razes Complexas da Equacao Caracterstica


Caso a equacao caracterstica associada a uma equacao discreta te-
nha razes complexas conjugadas do tipo

1 = a + bi = ei e 2 = a bi = ei ,

entao a solucao da equacao discreta homogenea correspondente e do tipo



s = c1 n1 + c2 n2 = n c1 ein + c2 ein , que pode ser escrita em termos
das funcoes trigonometricas s = d1 n sen(n) + d2 n cos(n), com d1 e d2
constantes.
Exemplo 2.9.7
Considere a equacao discreta xn +9xn2 = 0, cujas razes da equacao
caracterstica n + 9n2 = 0, sao os numeros complexos conjugados es-

critos como: 1 = 3i = 3ei 2 e 2 = 3i = 3ei 2 , tem como solucao

xn = p1 3n cos n + p2 3n sen n .
2 2

42
2.11 Equacoes Discretas nao-Homogeneas

Consideremos equacoes discretas nao homogeneas de primeira or-


dem com coeficientes constantes do tipo

Ak xn+k + Ak1 xn+k1 + . . . + A0 xn = yn , n N, (2.10.1),

em que Ak , k = 0, 1, 2, . . . , n sao sequencias constantes que indepen-


dem de n.
Uma ideia e encontrar a solucao como a soma da solucao da equacao
homogenea mais uma solucao particular da equacao nao homogenea, imi-
tando o que fazemos para encontrar a solucao de uma equacao diferencial
nao homogenea.
No exemplo da equacao gerada pelo modelo logstico discreto sim-
plificada, obtivemos a equacao discreta (2.7.3), em que encontramos a
solucao da equacao nao homogenea xn = xnp + xp como a soma da
solucao da equacao homogenea xnp mais uma solucao particular xp da
equacao nao-homogenea.
No caso de yn ser uma funcao polinomial, exponencial ou produto
de polinomial por exponencial, a solucao particular a ser procurada e do
mesmo tipo.
Exemplo 2.10.1:
Considere a equacao discreta nao homogenea de segunda ordem
xn 5xn1 + 6n2 = 1 + n.
Como a parte nao homogenea e um polinomio do primeiro grau, mos-
tre que a solucao particular deve ser do tipo xp = b1 + b2 n e encontre os
va- lores de b1 e b2 .
Exemplo 2.10.2
Considere a equacao discreta nao homogenea de segunda ordem
xn 5xn1 + 6xn2 = 3n .
Observamos que a parte nao homogenea e uma exponencial do tipo

43
3n e 3 ja e uma raiz da equacao caracterstica, portanto 3n ja e solucao
simples da equacao discreta homogenea, entao devemos procurar uma
solucao particular do tipo xp = n3n .
Se yn satisfaz uma equacao homogenea de primeira ordem com co-
eficientes constantes

Bi xn+i + Bi1 xn+i1 + . . . + B0 yn = 0

em que B0 , B1 , B2 , ..., Bi sao constantes, podemos reduzir a equacao


nao homogenea em uma equacao homogenea. De fato, observamos que

Bi (Ak xn+i+k + Ak1 xn+i+k1 + . . . + A0 xn+i ) +


Bi1 (Ak xn+i+k1 + Ak1 xn+i+k2 + . . . + A0 xn+i1 ) +
..
.
+B0 (Ak xn+k + Ak1 xn+k1 + . . . + A0 xn1 ) = 0

e uma equacao homogenea de primeira ordem com coeficientes constan-


tes.
Exemplo 2.10.3
Considere a equacao discreta nao homogenea de primeira ordem
xn 4xn1 = 3
Para transforma-la numa equacao homogenea, podemos fazer como
no Exemplo 2.9.4, usando um metodo conhecido como backtracking e,
em que retornamos pelo caminho, escrevendo o termo de ordem n 1 da
equacao,
xn1 4xn2 = 3.

E, em seguida, isolamos o valor de 3 e substitumos na equacao ori-


ginal, reescrevendo-a como

xn 4xn1 = xn1 4xn2 .

pois o termo nao homogeneo 3, satisfaz a equacao 3 = xn1 4xn2 .


Assim, obtemos uma equacao homogenea

xn 5xn1 + 4xn2 = 0.

44
A equacao caracterstica associada a equacao homogenea obtida e dada
por:

2 5 + 4 = 0.

Como as razes distintas da equacao caracterstica sao 1 = 1 e 2 = 4, a


solucao geral da equacao discreta e xn = p1 1n + p2 4n , ou seja

xn = p1 + p2 4n

Com uma condicao inicial, por exemplo, x0 = 0, obtemos



x = p + p 40 0 = p + p p = p
0 1 2 1 2 2 1
x1 = p1 + p2 41 3 = p1 + 4(p1 ) p1 = 1

e, portanto, p2 = p1 = 1. Assim, a solucao da equacao com a condicao


inicial x0 = 0 e igual a xn = 1n + 4n , ou seja, xn = 4n1 1.

2.12 Equacoes de Diferencas

As equacoes discretas que podem ser escritas como As equacoes


discretas que podem ser escritas como

xn+1 = xn + g(n), n N.

sao denominadas equacoes de diferencas.


Observe que, neste caso podemos escrever a parcela g(n) como uma
diferenca entre dois termos consecutivos da sequencia xn .

xn+1 xn = g(n)

A equacao discreta xn+1 = xn + r, n N, em que r e uma constante,


e uma equacao de diferencas bastante simples.
De fato, com a condicao inicial x0 obtemos como solucao uma sequencia

45
10

x
5

1
1 2 3 4 5 6 7 8 9 10
n

Figura 2.11: Equacao Discreta da Progressao Geometrica

conhecida como progressao aritmetica

x0 ,
x1 = x0 + r,
x2 = x1 + r = x0 + 2 r,
x3 = x2 + r = x0 + 2 r + r = x0 + 3 r,
..
.
xn = x0 + n r.

Exemplo deste tipo de equacao de diferencas e o do crescimento de


producao dos alimentos, como acreditava Malthus, considerando r = 1, e
x0 = 1 obtemos a solucao grafica a seguir.

2.13 Modelo de Poluicao de Rios

Uma equacao de balanco que descreve o modelo de poluicao em rios


mostra que a quantidade de poluentes contida num certo compartimento
de um rio num instante t = k + 1 e igual a quantidade de poluentes que ja
havia no compartimento do rio no instante t = k, k N mais a quantidade
de poluentes de outras regioes contiguas que entra no compartimento (a
montante ou lateralmente) e das fontes poluidoras menos a quantidade

46
de poluentes que e levada pelo fluxo (para jusante ou lateralmente) e a
quantidade de poluentes degradada, que passa para outros locais como
as suas margens, ambiente aereo, sedimento, biota, etc.
Quais modelos podemos elaborar para representar a evolucao da
poluicao de um rio? Que parametros podemos considerar?

Figura 2.12.1 Esquema Grafico de um Rio


No caso de obtermos os dados sobre a quantidade de poluentes me-
didos em intervalos regulares de tempo (e nao continuamente) podemos
utilizar modelos constitudos de equacoes discretas.

2.14 Poluicao num Compartimento do Rio

Um primeiro modelo simples pode ser obtido supondo que um trecho


de um rio esta recebendo poluentes apenas num ponto de uma secao
transversal considerada como um compartimento ALVES [?].
Supondo que neste compartimento do rio a quantidade de poluentes
Ck+1 presente no instante tk+1 seja igual a quantidade de poluente Ck
que havia no instante anterior tk , acrescida do efeito oriundo das fontes
poluidoras locais qL Ck menos a quantidade degradada L Ck , que deixa
de afetar o compartimento do rio.
Nesse modelo nao consideramos outros fatores como aqueles em
que o fluxo do rio carregue poluentes do compartimento anterior para este
compartimento considerado.

Figura 2.12: Esquema de um Compartimento Ck do Rio

Deste modo, obtemos a equacao de balanco discreta,

47
Ck+1 = Ck + qL L Ck L Ck que pode ser escrita como

Ck+1 = qL + (1 L L ) Ck (2.12)

Observamos que L representa a quantidade de poluentes que e le-


vada do compartimento pelo fluxo, L e a quantidade de poluentes que
e degradada e a fonte qL e a quantidade de poluentes que e lancada no
compartimento do rio por unidade de tempo.
Alem disso, considere r = 1 L L , em que

0r1

Se o compartimento do rio e percorrido pela mancha de poluentes em


1
L unidades de tempo, a cada uma destas unidades de tempo = L
L
que representa numa primeira aproximacao o fluxo de poluentes naquela
parte do rio, consequentemente a mancha de poluente superficial, que sai
do compartimento do rio considerado, levada pelo do fluxo natural do rio.
Da mesma forma, o parametro L indica o percentual de poluente por
unidade de tempo que degrada e portanto deixa de afetar o compartimento
do rio.
A quantidade Ck+1 Ck representa a variacao da quantidade de po-
luentes por unidade de tempo.
Entrando com os valores de C0 , e conhecendo os valores de qL , L ,
e L obtemos C1 , conhecendo C1 , obtemos C2 e assim sucessivamente.
Numa analise qualitativa preliminar, observamos que quando o tempo
t tende ao infinito, Ck+1 tende a um valor assintotico C , donde escrevemos
a equacao:
C = (1 L L ) C + qL

O que segue que a quantidade de poluentes C tende a um valor


estacionario
qc
C =
c + c
Isto nos mostra que a poluicao neste compartimento do rio decresce
quando o aporte qL diminui ou quando L ou L aumenta, ou seja, quando
o fluxo e mais intenso ou a degradacao e maior.

48
Desafio 2.10:
Estimando os valores de qL , L , L e Ck ou pesquisando tais valo-
res num rio proximo de sua residencia, estabeleca o comportamento de
poluicao no instante k + 1, e assim sucessivamente. Com os valores ela-
bore um grafico de Ck+1 em funcao de Ck .

2.15 Modelo com Emissao Periodica de Poluentes

A emissao de poluentes em muitos casos e uma funcao periodica,


digamos com intervalos de um dia = 24h = 1440 minutos digamos

2t
qL = q + cos
2 1440

em que q e uma quantidade media de poluentes lancada no comparti-


mento do rio atraves de uma fonte poluidora e e a amplitude media entre
os valores maximo e mnimo de poluentes que chegam ao rio conforme a
Figura 2.14.1 dada por:

t
qL = q + cos
2 720

em que q = 1 e = 2.
Deste modo, a equacao de recorrencia (2.12.1) fica

t
C k+1
= q + cos + (1 L L ) Ck
2 720

Podemos generalizar um pouco mais o modelo, supondo que alem


das quantidades ja consideradas levamos em conta a quantidade de polu-
entes que vem da parte imediatamente a montante M, transportada pelo
rio como um fluxo de poluentes k Ck , que somado ao aporte local qL do
proprio compartimento, nos da a seguinte equacao

Ck+1 = k Ck + qL + (1 L L ) Ck

49
2

1.8
Lanamento Peridico de Poluentes
1.6

1.4

1.2

qL
1

0.8

0.6

0.4

0.2

0
0 500 1000 1500 2000 2500
t

Figura 2.13: Fonte de Emissoes Periodicas

2.16 Modelos Matriciais Discretos

Quando estamos interessados em acompanhar a mancha de poluen-


tes seguindo o curso do rio, e conveniente tratar o problema considerando
varios compartimentos simultaneamente. No modelo matematico de um
rio discutido em (2.12.1), se considerarmos que em varios trechos ocor-
rem entradas e sadas de poluentes nas varias partes da sua margem,
podemos obter um modelo matematico de poluicao de um rio com varios
compartimentos Cj , j = 2, 3, , n que pode ser escrito na forma matri-
cial [?] dado por:


Ck+1
1 1 r1 0 0 0 Ck1 q1

Ck+1 1 1 r2 0 Ck q
2 2 2

Ck+1 = 0 2 1 r3 Ck + q 3
3 3

... 0

Ck+1
n 0 0 n1 1 rn k
Cn qn

n = 1, 2, e rj = j j , e a diferenca do fluxo de entrada e


a degradacao em cada compartimento do rio. Na diagonal encontram-

50
se os valores de 1 rj = 1 j j que estao entre 0 e 1. O sistema
de equacoes discretas obtido e um sistema linear, e conhecendo-se as
quantidades iniciais de poluentes em cada compartimento do rio

C01

C0
2

C0 ,
3



C0n
obtemos uma solucao analtica ou numerica do problema.
Escrevendo o sistema linear como

Ck+1 = MCk + Q

em que M e a matriz de transicao.


Desafio 2.11:
1000 1000

900 900

800 800

700 700
Quantidade de poluente

niveis de poluiao

600 600

500 500

400 400

300 300

200 200

100 100

0 0
1 2 3 0 500 1000 1500
Compartimentos tempo

Figura 2.14: Dinamica da Poluicao de 3 Compartimentos de um Rio

Elabore um modelo de poluicao de um considerando 3 compartimen-


tos. Faca uma simulacao e ilustre o nvel de poluicao nos 3 compartimen-
tos admitindo que so ocorreu uma descarga acidental de poluentes como
na figura anterior. Verifique como no incio so o compartimento C1 recebe

51
poluentes e que devido ao cluxo do rio vao passando de um comparti-
mento para o outro. Simule tambem a dinamica do sistema se a descarga
de poluentes for contnua?

52
2.17 Modelos Matriciais Discretos de Crescimento Populacional

Para a evolucao das populacoes heterogeneas L. P. Euler (1707 1873)


generalizou o modelo inicial de Malthus, levando em consideracao mais
informacoes biologicas acerca da populacao como as taxas de natali-
dade e mortandade que dependiam da distribuicao das faixas etarias da
populacao.
Imaginando uma populacao cujas informacoes biologicas dependem
das faixas etarias, digamos que a primeira subpopulacao pi seja cons-
tituda de indivduos com idade entre 0 e T1 , ou seja, pertencente ao
intervalo [T0 , Ti ) a segunda p2 com indivduos com idade entre T1 e T2 ,
e a i-esima subpopulacao seja constituda de indivduos com idade entre
[Ti1 , Ti ), etc.
Considerando os intervalos periodicos de amplitude T = Ti Ti1 , o
instante n + 1 significa T anos apos o instante n.
Assim, no instante n + 1 todos os indivduos que estavam na i-esima
faixa etaria no instante n, estarao na (i + 1)-esima faixa etaria caso nao
ocorram mortes.
Descrevendo cada subpopulacao pi por um numero de indivduos
pi (n) com idades no intervalo [Ti1 , Ti ], i = 1, , k teremos uma funcao
vetorial
P(n) = (p1 (n), p2 (n), , pk (n))T

satisfazendo um sistema de equacoes discretas na seguinte forma matri-


cial P(n + 1) = M P(n) em que M e a matriz de transicao, que neste caso,
representa o potencial biotico da populacao.
A matriz de transicao M pode ser obtida utilizando os dados de-
mograficos da populacao, como os seguintes:
i : taxa de natalidade dos indivduos da i-esima faixa etaria da po-
pulacao num perodo de tempo unitario T ;
i : taxa de mortalidade dos indivduos da i-esima faixa etaria num
perodo de tempo unitario T .
Assim, considerando um grupo de N indivduos de uma populacao

53
situados na i-esima faixa etaria, nasceriam i N filhos e morreriam i N
apos um perodo T .
No modelo de Euler, definimos as funcoes

pi : N N

de modo que pi (n) representa o numero de indivduos na i-esima faixa


etaria no instante n.
Consequentemente, o numero total de indivduos de toda a populacao,
considerando as K faixas etarias e
k
X
P(n) = pi (n)
i=1

Formulando o modelo matematico de Euler para a dinamica da po-


pulacao, obtemos:


pi (n + 1) = pi (n) i pi (n),
P
k1

p0 (n + 1) = i pi (n)
i=0
em que i = 1, 2, . . . , k e
k1
X
P(n) = pi (n)
i=0

e o numero total de indivduos da populacao.


Exemplo 2.17.1
Considere uma populacao com duas faixas etarias modelado pelo
sistema de equacoes discretas acopladas

p (n + 1) = (1 ) (n)
1 0 0
p0 (n + 1) = 0 0 (n) + 1 1 (n)
E, como P(n) = p0 (n) + p1 (n) , obtemos a equacao discreta de se-
gunda ordem

P(n + 2) 0 P(n + 1) 1 (1 0 )P(n) = 0 (2.13)

De fato, aplicando as definicoes anteriores do modelo,

p(n + 2) = p0 (n + 2) + p1 (n + 2)
= 0 p0 (n + 1) + 1 p1 (n + 1) + (1 0 )p0 (n + 1)

54
Somando e subtraindo 0 p1 (n + 1) no segundo membro da equacao
anterior, obtemos
P(n + 2) = [0 p0 (n + 1) + 0 p1 (n + 1)] + 1 p1 (n + 1) 0 p1 (n + 1) +
(1 0 )p0 (n + 1)
= 0 P(n + 1) + 1 p1 (n + 1) 0 p1 (n + 1) + (1 0 )p0 (n + 1)
= 0 P(n + 1) + 1 (1 0 )p0 (n) 0 (1 0 )p0 (n) +
(1 0 ) [0 p0 (n) + 1 p1 (n)]
= 0 P(n + 1) + 1 (1 0 )P(n)
Escrevendo a equacao discreta anterior na forma vetorial de primeira
ordem, dada pela funcao vetorial P : N R2 definida por

P(n) = (p0 (n), p1 (n))T

que satisfaz o sistema linear

P(n + 1) = M P(n)

No caso de uma populacao com duas faixas etarias temos:



p1 (n + 1) 1 0 0 p0 (n)
=
p0 (n + 1) 0 1 p1 (n)

A matriz de transicao M para o caso de duas faixas etarias e dada por



1 0 0
M=
0 1

Desafio 2.12:
Elabore um modelo de dinamica populacional do tipo de Euler cons-
titudo de 3 faixas etarias: jovens, adultos e idosos.

55
2.18 Ferramentas Computacionais

Os softwares computacionais MatLab (http://www.matlab.com), ou


os softwares livres Octave (http://www.gnu.org/software/octave) e Scilab
(http://www.scilab.org) faceis de serem utilizados nos calculos aritmeticos
com numeros, matrizes, sistemas de equacoes algebricas, etc. podem
nos auxiliar na resolucao dos problemas ambientais.
Ilustramos inicialmente o decrescimento da quantidade de poluentes
na represa num grafico cartesiano, tempo versus quantidade de poluentes.
No Octave ou MatLab representamos o grafico, definindo os comandos
basicos
n=1:5 % uma sequencia de valores da variavel independente n
p = 100 (3/4)n % uma sequencia de valores da variavel p corres-
pondente a cada valor de n
plot(n, p) % grafico de n p
legend( quantidade de poluentes) % legenda do grafico
xlabel(n) % label nos eixo x
ylabel(p) % label nos eixo y
grid on % grafico com grade
Ver por exemplo as figuras 2.3.2 e .
Para resolver uma equacao ou inequacao como a (2.2.3) entramos
com o comando:
solve( n * log(0.75) = log(0.05) ) % usando format long
ans = 10.413343619304302547440815994360
Muitos modelos matematicos de problemas ambientais necessitam
de operacoes com matrizes ou resolucao de um sistema de equacoes
lineares. As operacoes entre duas matrizes A e B de mesma ordem sao
A+B % adicao de matrizes;
AB % subtracao de matrizes;

56
A/B % divisao direta entre as matrizes A e B que corresponde a
multiplicar a matriz A pela inversa da matriz B. A (barra invertida) B divisao
indireta entre as matrizes A e B que corresponde a multiplicar a matriz B
pela inversa de A.
AB % multiplicacao de matrizes;
inv(A) % inversa da matriz A
A0 % transposta de uma matriz A
det(A) % determinante de uma matriz quadrada A
eig(A) % sao os autovalores de A
Para obter a matriz de autovetores V de A e os autovalores D de
modo que A V = V D escrevemos [V, D] = eig(A)
No Octave ou MatLab temos uma matriz A dada por:
A = [123; 456; 789] % entrando com a matriz A(1,2)
% Extraindo um elemento da linha 1 e coluna 2 da matriz A
b = [123] % entrando com a matriz coluna
Ab
x=Ab % resolvendo o sistema A x = b
Obtemos como a solucao
x=
0
0
Outro modo, e encontrar a inversa da matriz A e

C = inv(A)

E em seguida multiplicar a inversa de A pela matriz b

x=Cb

2.19 Consideracoes finais

57
Com algumas das ideias apresentadas nos modelos ambientais trata-
dos discretamente esperamos ter mostrado um caminho para elaboracao
de alguns modelos discretos mais gerais.

2.20 Estudos complementares

Para pesquisa complementar sobre modelos discretos recomenda-


mos fortemente um estudo detalhados das equacoes discretas e os meto-
dos de resolucao teorico, grafico e numerico.
Somos todos hospedes nesse Planeta - vamos preserva-lo

58