Escolar Documentos
Profissional Documentos
Cultura Documentos
2010
3
UNIDADE 2
2.1 Introducao
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.
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?
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)
...
10
3
P(n) = 100 ( )n (2.2)
4
P(n) = 100 0.75n
N P(n) (ml)
0 100
1 75
2 56.25
3 42.1875
4 31.640625
5 23.73046875
... ...
N ?
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
p1 p0
r=
t
pi+1 pi
r=
pi
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
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
xn = f(xn1 ), n N
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 ), . . .
16
Escrevendo xn em funcao de n e x0 obtemos
xn = qn x0 , n = 0, 1, 2, . . .
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 ,
e, reescrevendo como
n1 ( q) = 0,
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
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
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
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,
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 )
f(m) (a) = 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)
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 + 1) = (1 + ) p(t)
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)
pn+1 = r pn ,
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)
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
25
2
dados linearizados e ajustados
log((x*x)/x)
1
4
1 2 3 4 5 6 7
t
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)
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)
r(P(n)) = r0 a P(n)
P(n)2
P(n + 1) = (1 + r0 ) P(n) r0 .
K
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)
r0
Q(n) = (1 + r0 ) Q(n + 1) (2.7)
K
Q(n) = (1 + r0 ) Q(n + 1)
29
Assim, a solucao da equacao de recorrencia homogenea e igual a
1
Qh = a ( )n (2.8)
1 + r0
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
1
a = Q0 .
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
1.6
Populao
1.4
1.2
0.8
0 2 4 6 8 10 12 14 16 18 20
Ano
Pn+1 = f(Pn ) Pn
31
Desafio 2.5:
Pesquise e explore o modelo de May. Faca simulacoes para varios
valores dos parametros.
Xn = f(Xn 1) + g(n), n N
Xn+1 = Xn + bn , nN
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
32
70
Crescimento Exponencial
60
50
40
x
30
20
10
0
0 1 2 3 4 5 6
n
s0 = x 0 s1 = x1 , . . . , sk1 = xk1 ,
33
se
sn = a1 sn1 + a2 sn2 + . . . + ak1 sn(k1) + ak snk ,
para todo n k.
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
em que pi (n) sao polinomios tais que o grau (pi (n)) i , para 1 i r.
pn = r pn1
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
xn = 4xn1 + 3 3n1 ,
xn 7xn1 + 12xn2 = 0
36
Figura 2.9: Torre de Hanoi
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
...
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
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
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
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
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 .
x0 = (p1 + p2 0)20 0 = p1
1
x1 = (p1 + p2 1)21 1 = (0 + p2 1)21 p2 = 2
1 = a + bi = ei e 2 = a bi = ei ,
42
2.11 Equacoes Discretas nao-Homogeneas
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
xn 5xn1 + 4xn2 = 0.
44
A equacao caracterstica associada a equacao homogenea obtida e dada
por:
2 5 + 4 = 0.
xn = p1 + p2 4n
xn+1 = xn + g(n), n N.
xn+1 xn = g(n)
45
10
x
5
1
1 2 3 4 5 6 7 8 9 10
n
x0 ,
x1 = x0 + r,
x2 = x1 + r = x0 + 2 r,
x3 = x2 + r = x0 + 2 r + r = x0 + 3 r,
..
.
xn = x0 + n r.
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?
47
Ck+1 = Ck + qL L Ck L Ck que pode ser escrita como
Ck+1 = qL + (1 L L ) Ck (2.12)
0r1
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 .
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
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
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
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
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
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
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
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 + 1) = M P(n)
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
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)
x=Cb
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.
58