EA616 − Prof.

Von Zuben
DCA/FEEC/Unicamp

Modelagem e Análise de Sistemas Discretos no Tempo

1 Introdução
• uma motivação: quando se quer controlar um processo, a obtenção de um modelo
dinâmico representa o primeiro passo.
• sistemas contínuos no tempo × sistemas discretos no tempo
• sistemas contínuos no tempo com amostragem

f(t)

0 T 2T 3T kT (k+1)T t

Tópico 11 – Modelagem e Análise de Sistemas Discretos no Tempo 1

EA616 − Prof. Von Zuben

DCA/FEEC/Unicamp

• sistemas discretos no tempo em tempo contínuo:

f(t)

0 T 2T 3T kT (k+1)T t

• sistemas discretos no tempo em tempo discreto:

f(k)

0 1 2 3 k (k+1) k

Tópico 11 – Modelagem e Análise de Sistemas Discretos no Tempo 2

 EA616 − Prof. Von Zuben
DCA/FEEC/Unicamp

• T: período de amostragem
• se tk = t0 + kT , então para uma função de tempo contínuo f(t) vale a seguinte
notação para sua análise em tempo discreto:
f (tk ) = f (t0 + kT ) = f ( k ) = f k
• em tempo discreto, sistemas contínuos no tempo que coincidem com sistemas
discretos no tempo nos pontos de amostragem são completamente equivalentes.
• sistemas discretos no tempo ≡ sistemas de tempo discreto
• sistemas discretos a eventos ≡ sistemas a eventos discretos

descrição matemática do comportamento

equação a diferenças 
 dinâmico de sistemas de tempo discreto
ou  →
(modelo dinâmico do sistema)
sistema de equações a diferenças 
(evolução no tempo das saídas do sistema)

• modelar a planta de uma indústria, um sistema econômico, um comportamento

social ou um fenômeno biológico representa uma tarefa de grande complexidade.

Tópico 11 – Modelagem e Análise de Sistemas Discretos no Tempo 3

EA616 − Prof. Von Zuben

DCA/FEEC/Unicamp

• como estamos em um curso introdutório, então estaremos restritos à abordagem de

princípios básicos de modelagem.
• Nota: em estado estacionário, sistemas de tempo contínuo e de tempo discreto
apresentam os mesmos tipos de comportamento dinâmico (embora não para a
mesma ordem do sistema), seja para o caso de dinâmica linear como para o caso
de dinâmica não-linear.

2 Exemplo 1: Nível de estoque

• sendo x(k) o nível de estoque no início do mês k, obtenha o modelo matemático
para o nível mensal de estoque de uma empresa, sabendo que são contabilizados
mensalmente:
c(k): nível de estoque consumido no mês k;
r(k): nível de estoque reposto no mês k.

x ( k + 1) = x ( k ) − c( k ) + r ( k ) , com x(0) dado.

Tópico 11 – Modelagem e Análise de Sistemas Discretos no Tempo 4

 EA616 − Prof. Von Zuben
DCA/FEEC/Unicamp

3 Exemplo 2: Seqüência de Fibonacci

• Leonardo de Pisa (1180-1250), mais conhecido como Fibonacci, foi o principal
introdutor da matemática dos árabes no ocidente.
• a seqüência de Fibonacci teve origem a partir do seguinte problema:
Começando com um casal com 1 mês de idade, quantos casais de
coelhos teremos em um ano se a cada mês cada casal produtivo gera
um novo casal, o qual se torna produtivo com 2 meses de idade?
• Solução: Sendo c(k) o número de casais de coelhos no instante k, então a solução é
dada na forma:
c( k ) = c( k − 1) + c( k − 2) , com c(−1) = 1 e c(−2) = 0.
• uma das propriedades interessantes da seqüência de Fibonacci é que a razão entre
1+ 5
os termos sucessivos converge para a razão áurea .
2

Tópico 11 – Modelagem e Análise de Sistemas Discretos no Tempo 5

EA616 − Prof. Von Zuben

DCA/FEEC/Unicamp

• a razão áurea está presente em muitas manifestações da natureza, como na

disposição de folhas em um galho e em genética de populações.
• também foi utilizada na arquitetura grega e nas artes em geral.
• um retângulo é áureo quando, ao retirarmos dele um quadrado, obtemos um
retângulo com as mesmas proporções do original.

n m n+m m
= ⇒ m 2 − nm − n 2 = 0
m n
2
m m
m   − −1 = 0
n n
m 1+ 5
=
n 2

• a seqüência de Fibonacci assume os seguintes valores:

[0] [1] 1 2 3 5 8 13 21 34 55 89 144 ...

Tópico 11 – Modelagem e Análise de Sistemas Discretos no Tempo 6

 EA616 − Prof. Von Zuben
DCA/FEEC/Unicamp

4 Exemplo 3: Expansão populacional de Lactobacillus

• Lactobacillus é um gênero de bacilo, o qual é uma bactéria em forma de bastonete,
cujas extremidades se apresentam cortadas em ângulo reto.

• bactérias do gênero Lactobacillus apresentam forte produção de ácidos, sobretudo

de ácido láctico, razão por que coagulam o leite.

• obtenha o modelo matemático para a expansão populacional de Lactobacillus sob

a hipótese de que a população dobra a cada 12 horas.

• período de amostragem: T = 12 horas.

• Solução: Sendo n(k) o número de indivíduos da população no instante (de

amostragem) k, então a solução é dada na forma:

n( k ) = 2n ( k − 1) , com n(0) dado.

Tópico 11 – Modelagem e Análise de Sistemas Discretos no Tempo 7

EA616 − Prof. Von Zuben

DCA/FEEC/Unicamp

5 Exemplo 4: Composto radioativo

• obtenha o modelo matemático para a massa de um composto radioativo, sabendo
que esta cai pela metade a cada 5 anos.
• período de amostragem: T = 5 anos.
• Solução: Sendo m(k) a massa do composto radioativo no instante (de amostragem)
k, então a solução é dada na forma:
1
m( k ) = m( k − 1) , com m(0) dado.
2

6 Exemplo 5: Empréstimo com juros e pagamento ao final

• qual é o único pagamento P ao final de um empréstimo no valor de D0, sabendo
que a duração do empréstimo é de n meses e que a taxa de juros mensais é r%?
• período de amostragem: T = 1 mês.
• evolução da dívida com o tempo: D ( k ) = (1 + r ) D ( k − 1) , com D (0) = D0 .
• solução: P = D (n )

Tópico 11 – Modelagem e Análise de Sistemas Discretos no Tempo 8

 EA616 − Prof. Von Zuben
DCA/FEEC/Unicamp

7 Exemplo 6: Empréstimo com juros e pagamento mensal

• qual é o pagamento mensal P para um empréstimo no valor de D0, sabendo que a
duração do empréstimo é de n meses, a taxa de juros mensais é r% e a dívida deve
estar liquidada ao final do empréstimo?
• período de amostragem: T = 1 mês.
• evolução da dívida com o tempo: D ( k ) = (1 + r ) D ( k − 1) − P , com D (0) = D0 e
D(n) = 0 .
• solução: obter D(k) para um k qualquer e aplicar as condições inicial e final.

8 Exemplo 7: Integrador numérico

• a integral de uma função f(t) em um intervalo [t0, tf] corresponde à área sob a
curva. Uma aproximação numérica para esta área pode ser dada pela soma dos
trapézios formados pela divisão do intervalo em sub-intervalos menores (partes),
dentro dos quais f(t) é tomada como sendo linear (por partes).

Tópico 11 – Modelagem e Análise de Sistemas Discretos no Tempo 9

EA616 − Prof. Von Zuben

DCA/FEEC/Unicamp

f(t)

t0 tf

f(t)

t0 tf

Tópico 11 – Modelagem e Análise de Sistemas Discretos no Tempo 10

 EA616 − Prof. Von Zuben
DCA/FEEC/Unicamp

• a divisão em sub-intervalos não precisa ser uniforme, mas a uniformidade será

uma hipótese desta formulação.

f(t)

∆Ik

t0 tk−1 tk tf

f (tk −1 ) + f (tk )
(tk − tk −1 )
tk
• ∫tk −1 f (t )dt ≅ área do trapézio = ∆I k = 2
f (tk −1 ) + f (tk )
• solução: I k = I k −1 + ∆I k = I k −1 + (tk − tk −1 )
2
f (tk −1 ) + f (tk )
• sub-intervalos uniformes e iguais a T: I k = I k −1 + T
2

Tópico 11 – Modelagem e Análise de Sistemas Discretos no Tempo 11

EA616 − Prof. Von Zuben

DCA/FEEC/Unicamp

9 Exemplo 8: Modelo de enterramento larval

• para desenvolver um modelo de tempo discreto para dispersão larval até a
pupariação, considere a seguinte notação:

N é o número de larvas no experimento.

i ∈ {0,1,2,...,q} representam os índices de pontos dispostos uniformemente e
em linha reta a partir do substrato alimentar. As posições i = 0 e i = q
correspondem aos limites da área de pupariação.
k ∈ {0,1,2,...} representa o instante discreto de tempo.
Ci ,k fornece o número de larvas na superfície, na posição i e no instante k.

Ai ,k fornece o número de larvas enterradas, na posição i e no instante k.

α representa a proporção de larvas que se enterram em cada posição, em um

dado instante discreto de tempo, em relação ao número de larvas na
superfície em cada posição e naquele instante.

Tópico 11 – Modelagem e Análise de Sistemas Discretos no Tempo 12

 EA616 − Prof. Von Zuben
DCA/FEEC/Unicamp

β representa a proporção de larvas em cada posição que se move uma posição

adiante em um dado instante discreto de tempo, em relação ao número de
larvas na superfície em cada posição e naquele instante.
conseqüentemente, 1−α−β fornece a proporção de larvas que permanecem na
superfície e na mesma posição entre dois instantes consecutivos de tempo,
em relação ao número de larvas na superfície em cada posição e naquele
instante.

• um conjunto adicional de proposições será adotado aqui para definir

apropriadamente o cenário do experimento:
para normalizar os resultados, N será considerado como sendo igual a 1.
Logo, Ci ,k e Ai ,k são valores reais no intervalo [0,1], ∀ i,k.

α e β são considerados constantes ao longo do experimento.

como a região de pupariação tem um número finito de posições, para i < 0 e
i > q, Ci ,k = 0 ∀ k, o que implica Ai ,k = 0 ∀ k.

Tópico 11 – Modelagem e Análise de Sistemas Discretos no Tempo 13

EA616 − Prof. Von Zuben

DCA/FEEC/Unicamp

a condição inicial em k=0 é definida como sendo C0,0 = 1 e Ci ,0 = 0 para

i > 0, ou seja, as larvas estão todas na superfície na posição i=0.
• por unidade de tempo, dadas as hipóteses acima, uma larva pode:
permanecer imóvel;
enterrar-se;
mover-se uma posição adiante.
Com isso, para i > k, Ci ,k = 0 , o que implica Ai ,k = 0 .

• repare que as hipóteses acima indicam implicitamente que nenhuma larva pode se
mover para trás. Embora seja possível incorporar este tipo de movimento no
modelo (como também outros refinamentos), o termo adicional resultante
impediria a obtenção de uma solução algébrica geral em forma fechada.
• de acordo com a notação, hipóteses e conjunto de proposições acima, o modelo
discreto para enterramento larval assume a forma:

Tópico 11 – Modelagem e Análise de Sistemas Discretos no Tempo 14

 EA616 − Prof. Von Zuben
DCA/FEEC/Unicamp

Ai ,k +1 = Ai ,k + α Ci ,k (1)
Ci ,k +1 = (1 − α − β )Ci ,k + β Ci −1,k (2)

• a equação (1) pode ser interpretada como segue: a quantidade de larvas enterradas
na posição i no instante de tempo k+1 ( Ai ,k +1 ) é igual à quantidade de larvas já

enterradas naquela posição ( Ai ,k ) adicionada à proporção fixa de larvas atualmente

na superfície na posição i e instante k ( α Ci ,k ).

• a equação (2) fornece a quantidade de larvas na superfície na posição i e instante

k+1 ( Ci ,k +1 ) como o número de larvas que estavam na superfície na posição i e

instante k ( Ci ,k ), adicionada à proporção de larvas que estavam na posição

anterior e se moveram adiante ( β Ci −1,k ), subtraída de uma proporção de larvas que

estavam na superfície na posição i e instante k e se enterraram ( αCi ,k ), subtraída

de uma proporção de larvas que estavam na superfície na posição i e instante k e
se moveram adiante ( βCi ,k ).

Tópico 11 – Modelagem e Análise de Sistemas Discretos no Tempo 15

EA616 − Prof. Von Zuben

DCA/FEEC/Unicamp

10 Referências
BASSANEZI, R.C. & FERREIRA JR., W.C. “Equações Diferenciais com Aplicações”, Editora Harbra Ltda.,
1988.
CADZOW, J.A. “Discrete-Time Systems: An Introduction With Interdisciplinary Applications”, Prentice Hall,
1973.
CASE, T.J. “An illustrated guide to theoretical ecology”, Oxford University Press, 449 p., 2000.
EDELSTEIN-KESHET, L. “Mathematical models in biology”, Random House, 586 p., 1988.
ELAYDI, S.N. “An Introduction to Difference Equations”, Undergraduate Texts in Mathematics, Springer
Verlag, 2nd. edition, 1999.
GOLDBERG, S. “Introduction to Difference Equations with Illustrative Examples from Economics,
Psychology, and Sociology”, 1958.
KULENOVIC, M.R.S. & MERINO, O. “Discrete "Dynamical" Systems and Difference Equations with
Mathematica”, Chapman & Hall, 2002.
RENSHAW, E. “Modelling biological populations in space and time”, Cambridge University Press, 403 p.,
1991.

Tópico 11 – Modelagem e Análise de Sistemas Discretos no Tempo 16