Escolar Documentos
Profissional Documentos
Cultura Documentos
Relatório Final
no do processo: 2010/07425-9
Ribeirão Preto
Janeiro/2011
Fundação de Amparo à Pesquisa
do Estado de São Paulo
Relatório Final
no do processo: 2010/07425-9
Ribeirão Preto
Janeiro/2011
Sumário
Introdução 5
3
5 Modelo de Goodwin 114
5.1 Desenvolvimento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
5.2 Ciclo econômico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
5.3 Interpretação Econômica . . . . . . . . . . . . . . . . . . . . . . . . . 120
4
Introdução
5
detalhada as interpretações econômicas. Para isto, faremos uma análise do trabalho
de [5] sobre o modelo de Kaldor, utilizando também as observações contidas em [7].
6
Capı́tulo 1
1.1 Preliminares
Um espaço vetorial X é um espaço vetorial normado se para x ∈ X, há um
correspondente número real |x| chamado norma de x e que satistaz:
Uma sequência (xn ) em X é uma sequência de Cauchy se, e somente se, para todo
ε > 0, existir um N(ε) natural tal que |xm − xn | < ε para quaisquer m, n > N(ε).
O espaço X é completo se toda sequência de Cauchy em X converge para um
elemento de X.
Um espaço de Banach é um espaço
vetorial normado completo.
n
Um conjunto S ⊂ C([a,
b] , R , · ), conjunto das funções f contı́nuas de [a, b]
n
com valores em R com
f
= sup {|f (x)|, a ≤ x ≤ b}
é
dito:
- uniformemente limitado se existe M > 0 tal que
f
< M, ∀f ∈ S.
- equicontı́nuo no ponto x0 ∈ [a, b] se, para todo ε > 0, ∃δ = δ(ε) > 0 tal que
|x0 − x1 | < δ implica que |f (x0 ) − f (x1 )| < ε, ∀f ∈ S e x1 ∈ [a, b]. S é equicontı́nuo
se for equicontı́nuo em todo ponto x de [a, b]
Definimos a distância d entre dois pontos x e y como sendo d(x, y) = |x−y|. Seja
T uma aplicação tal que T : (X, d) −→ (Y, d′ ), sendo (X, d) e (Y, d′ ) dois espaços de
′
Banach com distâncias
′
d e d , respectivamente. T é uma contração se ∃ γ ∈ 0, 1
tal que d T (x), T (y) < γd(x, y) para quaisquer x, y ∈ X.
Um conjunto X é compacto se toda sequência em X tem um subsequência que
converge para um ponto de X.
7
Teorema 1.1.1. Teorema do Ponto Fixo de Schauder
Sejam X um espaço de Banach e S ⊂ X um conjunto fechado, limitado e convexo.
Se T : S −→ S é um operador contı́nuo tal que T (S) tem fecho compacto, então T
tem um ponto fixo, isto é, ∃ x ∈ S tal que T x = x
x′ = f (t, x) (1.1)
sendo x = x(t) um caminho contı́nuo de I ⊂ R em Rn , x′ (t) = x′1 (t), x′2 (t), . . . , x′n (t)
e f : A ⊂ Rn+1 −→ Rn com (t, x) 7→ f (t, x). Quando f (t, x) = f (x), o sistema (2.1)
é dito autônomo, pois não depende da variável temporal t.
Entende-se por solução de (2.1), uma função x = x(t) = x1 (t), x2 (t), . . . , xn (t)
diferenciável num certo intervalo I real tal que a função xi (t) satisfaz a i-ésima
equação de (2.1) em I, para todo i = 1, 2, . . . , n.
Teorema 1.2.1. Se f (t, x) é contı́nua em A ⊂ Rn+1 , então para todo ponto (t0 , x0 )
em A, existe ao menos uma solução da equação x′ = f (t, x) passando por x0 .
8
Demonstração: Seja I um intervalo fechado contendo t0 . Então x = x(t) é
solução do seguinte sistema de equações diferenciais
Z x′ = f (t, x), ∀t ∈ I e x(t0 ) = x0
t
se, e somente se, x for contı́nua e x(t) = x0 + f (s, x(s)) ds.
t0
- D é fechado:
E mais,
|x(t) − x0 | = | lim xn (t) − x0 | = | lim xn (t) − x0 |
n→∞ n→∞
= lim |xn (t) − x0 | ≤ lim b = b
n→∞ n→∞
- D é convexo:
9
iii.
- D é limitado:
ii. (T x)(t0 ) = x0 ;
iii.
Z t Z t
|(T x)(t) − x0 | = | f (s, x(s)) ds| ≤ | |f (s, x(s))| ds|
t0 t0
≤ M|t − t0 | ≤ Mh ≤ b, t ∈ J;
De fato, seja (xn ) uma sequência de elementos de D, lim xn = x. Mais que isso,
n→∞
xn → x uniformemente.
Uma vez contı́nua no compacto B, f é uniformemente contı́nua e, por isso,
f
(s, xn (t))
→ f (s, x(t)) uniformemente. Portanto, T xn → T x lembrando que
T xn − T x
= sup{|T xn (t) − T x(t)|, t ∈ J}.
Mostremos que T (D) tem fecho compacto.
10
i. T (D) é uniformemente limitado, pois T (D) ⊂ D, e D é uniformemente limi-
tado, como visto acima.
ε
ii. T (D) é equicontı́nuo, pois dado ε > 0, ∃δ = tal que
M
Z t2
|(T x)(t2 ) − (T x)(t1 )| ≤ | |f (s, x(s))| ds| ≤ M|t2 − t1 | < Mδ = ε, sempre que |t2 − t1 | < δ.
t1
Sejam γ < 1 e h̄ < h tal que 0 < h̄K < γ e J¯ = [t0 − h̄, t0 + h̄] . Defi-
nimos Q = {y ∈ C(J, ¯ Rn ) : |x(t) − x0 | ≤ b, x(t0 ) = x0 }. Q é um subcon-
junto fechado do espaço de Banach C(J, ¯ Rn ). Afirmação: T : Q −→ Q dada
Z t
por (T x)(t) = x0 + f (s, x(s)) ds é uma contração.
t0
De fato,
Z t
|(T y)(t) − (T x)(t)| ≤ | |f (s, y(s)) − f (s, x(s))| ds|
t0
≤ |t − t0 |K|y(s) − x(s)|.
11
Logo,
T y − T x
≤ γ
y − x
, 0 < γ < 1.
12
Capı́tulo 2
x′ = F (t, x) (2.1)
T
sendo x = x(t) um caminho contı́nuo de I ⊂ R em Rn , x′ (t) = x′1 (t), x′2 (t), . . . , x′n (t)
e (t, x) 7→ F (t, x) em Rn uma função dita não autônoma, pois depende explicita-
mente da variável temporal t.
O sistema (2.1) é dito linear quando é da forma
x′ = Ax (2.3)
em que A ∈ M(n).
13
2.1 Sistemas Lineares Homogêneos com coeficientes
Constantes
Num primeiro momento, estudemos o sistema (2.3).
Diz-se que x : I → Rn é uma solução de (2.3) se x é diferenciável em I e
x′ (t) = Ax(t), ∀t ∈ I. E mais, xi (t) as funções coordenadas de x(t) são soluções do
sistema abaixo:
x′1 (t) = a1,1 x1 (t) + a1,2 x2 (t) + . . . + a1,n xn (t)
x′ (t) = a2,1 x1 (t) + a2,2 x2 (t) + . . . + a2,n xn (t)
2
.. .. .. .. ..
. . . . .
x′ (t) = a x (t) + a x (t) + . . . + a x (t)
n n,1 1 n,2 2 n,n n
Exemplo 2.1.1.
5 0 0
Tome x′ = Ax e A = 0 −1 0 , então o sistema toma a forma
0 0 1
′
x1 (t) = 5x1 (t) T
x′2 (t) = −x2 (t) ⇒ x(t) = k1 exp(5t − 5t0 ), k2 exp(−t + t0 ), k3 exp(t − t0 )
′
x3 (t) = x3 (t)
14
Definição 2.1.1.
Uma matriz D = (di,j )n×n é diagonal se di,j = 0 sempre que i 6= j, para quaisquer
i, j = 1, 2, . . . , n.
No exemplo acima, A é diagonal.
Notação:
λ1 0 0 . . . 0
0 λ2 0 . . . 0
0 0 λ3 . . . 0
D = diag λ1 , λ2 , λ3 , . . . , λn =
.. .. .. . . ..
. . . . .
0 0 0 . . . λn
O exemplo 2.1.1 carrega uma ideia que se mantém para sistemas n × n:
x′ = Ax, com A = diag(λ1 , λ2 , . . . , λn )
T (2.4)
x(t0 ) = k1 , k2 , . . . , kn
Então x(t) = diag exp(λ1 (t − t0 )), exp(λ2 (t − t0 )), . . . , exp(λn (t − t0 )) x(t0 ) é a
única solução do sistema acima.
15
y ′ (t) = Q−1 x′ (t) = Q−1 Ax(t) = BQ−1 x(t) = By(t)
n
X
′
define a única solução de x = Ax, x(0) = lj vj = Q(l1 , l2 , . . . , ln )T
j=1
16
Com isso, a solução de x′ = Ax é:
X
x(t) = Qy(t) = Q lj exp(λj t)ej
X
= lj exp(λj t)Qej
X X
= lj exp(λj t)vj , com x(0) = lj vj = Q(l1 , l2 , . . . , ln )T
Av = λv
x(t) = exp(λt)v, t ∈ R
[v] = {αv ∈ Rn : α ∈ R}
17
Se w ∈ [v], w também é um autovetor de A, porém existe um único autovalor λ
associado a esse subespaço.
Note que se AQ = QB, com Q invertı́vel, então a cada reta [v] gerada por um
autovetor v de A corresponde uma reta [w] gerada por um autovetor w de B, e
vice-versa, basta tomar Qw = v.
Sendo assim, todas as soluções da equação diferencial x′ = Ax podem ser obtidas
a partir de uma base de autovetores de A.
Proposição 2.2.2. Uma matriz An×n real é diagonalizável se, e somente se, existe
uma base de Rn constituı́da de autovetores de A. Mais precisamente, dadas matrizes
A e Q reais n × n, temos que: as colunas de Q formam um base de autovetores de
A se, e somente se, Q é invertı́vel e Q−1 AQ é uma matriz diagonal.
Como já sugerido, matrizes conjugadas têm os mesmos autovalores. Seja
Nλ = N(A − λI) = {v ∈ Rn /Av = λv}
com isso, v 6= 0 é autovetor de A associado a λ se, e somente se,
Av = λv ⇔ (A − λI) = 0 ⇔ v ∈ Nλ
Lema 2.2.1. Sejam dados uma matriz real An×n e um número real λ. As seguintes
afirmações são equivalentes:
i. λ é um autovalor de A
ii. existe um autovetor de A com autovalor associado λ
iii. Nλ 6= {0}
iv. a matriz A − λI é singular
v. det(A − λI) = 0
A partir do lema, encontrar os n autovalores de An×n é equivalente a encontrar
as raı́zes do polinômio p(λ) = det(A − λI), dito polinômio caracterı́stico de A.
Encontrado λ, determina-se um autovetor associado a ele.
Exemplo 2.2.1.
a b
Seja A = . Então seu polinômio caracterı́stico pA (λ) é:
c d
a−λ b
pA (λ) = det(A − λI) = = (a − λ)(d − λ) − bc
c d−λ
= λ2 − (a + d)λ + (ad − bc) = λ2 − tr(A)λ + det(A)
em que tr(A) denota o traço de A, isto é, a soma dos elementos da diagonal principal
de A. Veja que, em geral, para An×n real:
pA (λ) = (−1)n λn + an−1 λn−1 + an−2 λn−2 + . . . + a1 λ + a0
18
Lema 2.2.2. Teorema de Cayley 2 × 2
Uma matriz real A2×2 anula seu polinômio caracterı́stico, ou seja,
0 0
p(A) = 0 =
0 0
a b
Demonstração: Se A = , temos p(λ) = λ2 − (a + d)λ + (ad − bc)λ0
c d
Lidando com matrizes:
λk ⇒ Ak = AA · · · A}
| {z
k vezes
1 1
λ =λ ⇒ A =A
λ0 = 1 ⇒ A0 = I
19
Sejam v1 , v2 , . . . , vk+1 autovetores LD de An×n com autovalores λ1 , λ2 , . . . , λk+1.
Quanto aos vetores v1 , v2 , . . . , vk , eles podem ser LD ou LI.
Se são LD, então por hipótese de indução λi = λj , para algum i 6= j com
i, j = 1, 2, . . . , k. Com isso, v1 , v2 , . . . , vk , vk+1 são tais que λi = λj , para algum
i 6= j.
Se são LI, então como v1 , v2 , . . . , vk , vk+1 são LD e vi 6= 0, ∀i = 1, . . . , k + 1,
temos que vk+1 = a1 v1 + a2 v2 + . . . + ak vk , com aj 6= 0 para algum j = 1, . . . , k.
Multiplicando em ambos os lados por λk+1 :
Com isso,
Exemplo 2.2.2.
1 0 1
Considere o sistema x′ = Ax, x(0) = (k1 , k2 , k3 )T sendo A = 0 −2 1
0 0 −1
Polinômio caracterı́stico de A:
1−λ 0 1
pA (λ) = det(A − λI) = 0
−2 − λ 1
0 0 −1 − λ
= (1 − λ)(−2 − λ)(−1 − λ) = −λ3 − 2λ2 + λ + 2
20
Devemos tomar a matriz Q com os vetores-coluna v1 , v2 e v3 dados por autove-
tores associados a λ1 , λ2 e λ3 , respectivamente.
Para λ1 = 1: v1 = (a, b, c)T tal que λ1 v1 = Av1
1 0 1 a a a + c = a
0 −2 1 b = b ∼ −2b + c = b ⇒ v1 ∈ (1, 0, 0)T
0 0 −1 c c − c = c
Analogamente, v2 ∈ (1, −2, −2)T e v3 ∈ (0, 1, 0)T . Logo, a matriz Q tal que
AQ = QD é a seguinte:
1 1 0
Q = 0 −2 1
0 −2 0
Diante do sistema y ′ = Dy, y(0) = (l1 , l2 , l3 )T ,
′ ′
y1 (t) 1 0 0 y1 (t) y1 (t) = y1 (t)
y2′ (t) = 0 −1 0 y2 (t) ∼ y ′ (t) = −y2 (t)
2′
y3′ (t) 0 0 −2 y3 (t) y3 (t) = −2y3 (t)
tem solução y(t) = diag exp(t), exp(−t), exp(−2t) y(0), isto é,
exp(t) 0 0 l1
y(t) = 0 exp(−t) 0 l2
0 0 exp(−2t) l3
Quanto ao sistema original, pela proposição 2.1.1, x(t) = Qy(t) é a solução de
x′ = Ax, com isso
1 1 0 exp(t) 0 0 l1
x(t) = 0 −2 1 0 exp(−t) 0 l2
0 −2 0 0 0 exp(−2t) l3
21
Definição 2.2.1. Uma matriz Mn×n é triangular superior se mi,j = 0, ∀i > j e
triangular inferior se mi,j = 0, ∀i < j
n
Y
Sendo triangular, temos que det(M) = mi,i
i=1
n
Y
Mais ainda, seu polinômio caracterı́stico é da forma: p(λ) = (mi,i − λ), daı́
i=1
segue que os autovalores de M são os elementos de sua diagonal principal. Porém,
mesmo sendo triangular, M pode nãoser diagonalizável.
1 0
Tome, por exemplo, M = .
2 1
Note ainda que a matriz identidade é diagonal e possui somente o autovalor
λ = 1, mas como toda matriz diagonal D, a identidade é diagonalizável: D ∼ D,
em particular, I ∼ I. E é diagonalizável porque possui um número suficiente de
autovetores LI que formam uma base.
A dimensão de Nλ , denotada por dλ = dim(Nλ ), é chamada multiplicidade
geométrica do autovalor λ. Sabendo que autovetores associados a autovalores dis-
tintos são LI, se Bλ1 e SBλ2 são bases dos autoespaços Vλ1 e Vλ2 , respectivamente,
S
com λ1 6= λ2 , então BX
λ1 [ pela união Vλ1 Vλ2 . E
Bλ2 é uma base do espaço gerado
mais, se resultar que dλ = n, então obtemos uma base Bλ de Rn constituı́da de
λ λ
autovetores de A, isto é, A é diagonalizável. Caso contrário, A não é diagonalizável,
como ocorre com a matriz M no exemplo acima.
Afirmação: Toda matriz simétrica é diagonalizável.
Com essa dada teoria, a resolução de um sistema linear abaixo pode ser feita
sempre que A é diagonalizável.
′
x = Ax
(2.5)
x(0) = x0
Basta encontrar os n autovalores distintos λ1 , λ2 , . . . , λn - que formam a matriz
diagonal D = diag(λ1, λ2 , . . . , λn ) - e a partir destes, os autovetores v1 , v2 , . . . , vn -
que formam as colunas da matriz Q tal que D = Q−1 AQ - linearmente indepen-
dentes. E mais, a solução é da forma x(t) = QD(t)Q−1 x(0), com
exp(λ1 t) 0 0 ... 0
0 exp(λ2 t) 0 ... 0
D(t) =
0 0 exp(λ 3 t) . . . 0
.. .. .. .. ..
. . . . .
0 0 0 . . . exp(λn t)
22
Porém, a resolução pode ser tornar muito complexa se n é muito grande, mesmo
com auxı́lio computacional.
Proposição 2.3.1. Dados uma matriz An×n , um número complexo não real γ e um
vetor não nulo w ∈ Cn , temos:
i. γ é um autovalor complexo de A ⇔ γ também o é.
ii. w é um autovetor complexo de A com autovalor γ ⇔ w é um autovetor complexo
de A com autovalor γ.
iii. se w é um autovetor complexo de A então {w, w} é linearmente independente
em Cn .
23
A, resulta que pA (γ) = pA (γ) = 0 = 0 e assim, γ também é um autovalor complexo
de A.
Se w ∈ Cn é um autovetor complexo de A com autovalor γ, então:
Aw = Aw = γw = γ w,
Com isso, autovalores complexos não reais de uma matriz real A aparecem sempre
aos pares conjugados, assim como seus respectivos autovetores complexos.
Se w ∈ Cn é um autovetor complexo de A, então zw ∈ Cn também é autovetor
complexo de A, ∀z ∈ C. Assim, a cada autovetor real de A corresponde uma reta
real em Rn invariante por A e a cada autovetor complexo corresponde uma “reta
complexa” em Cn invariante por A.
Identifique Cn = Rn + iRn , o que equivale a separar cada coordenada de um
vetor complexo em suas partes real e imaginária e, assim, dado w ∈ Cn , podemos
escrever w = u + iv, u, v ∈ Rn . É imediato que w = u + iv = u − iv. Ainda mais,
1 1
u = (w + w) e v = (w − w) (2.6)
2 2i
são os únicos vetores de Rn tais que w = u + iv.
Proposição 2.3.2. Sejam An×n uma matriz real e w ∈ Cn um autovetor complexo
de A associado ao autovalor complexo a + ib ∈ C, com b 6= 0. Escrevendo w = u + iv
com u, v ∈ Rn dados por (2.6), temos que {u, v} é LI em Rn e
Au = au − bv
(2.7)
Av = bu + av
24
Para resolver o caso geral de sistemas (2.5), necessitamos da decomposição de
uma matriz em forma canônica dada pelo Teorema da Decomposição de Jordan.
Teorema 2.3.1. Forma Canônica de Jordan 2 × 2
Dependendo das duas raı́zes λ1 e λ2 do polinômio caracterı́stico pA (λ) de uma
matriz 2×2 real A, ocorre exatamente um dos seguintes casos de classes de equivalência
de semelhança de matrizes:
λ1 0
(i.) se λ1 e λ2 são reais e λ1 6= λ2 , então A ∼ , sendo as colunas
0 λ2
da matriz de conjugação linear dada por quaisquer autovetores associados aos auto-
valores λ1 e λ2 .
(ii.) se λ0 = λ1 = λ2 é real e
λ0 0
(A) dλ0 = 2, então A = λ0 I =
0 λ0
λ0 0
(B) dλ0 = 1, então A ∼ , sendo as colunas da matriz de conjugação
1 λ0
linear dadas por qualquer vetor u fora do autoespaço Nλ0 e o autovetor v = Au−λ0 u
de A associado ao autovalor λ0
25
Tomemos um vetor u ∈ R2 \ N(A − λ0 I) qualquer, logo u 6= 0 e (A − λ0 I)u 6= 0.
Definindo v = (A−λ0 I)u, decorre que v 6= 0 e Au = λ0 u+v, então v ∈ Im(A−λ0 I) =
N(A − λ0 I). Assim, v é um autovetor de A associado ao autovalor λ0 , {u, v} é uma
base de R2 e a matriz
Q ∈ M(2) de colunas Qe1 = u e Qe2 = v é invertı́vel.
λ0 0
Escrevendo J = , tem-se Je1 = λ0 e1 + e2 e Je2 = λ0 e2 , logo
1 λ0
AQe1 = Au = λ0 u + v = λ0 Qe1 + Qe2 = Q(λ0 e1 + e2 ) = QJe1
AQe2 = Av = λ0 v = λ0 Qe2 = Qλ0 e2 ) = QJe2
26
Demonstração: Como w ∈ Cn é um autovetor de An×n real com autovalor
complexo associado λ, temos que Aw = λw; escrevendo z(t) = exp(λt)w, obtemos:
de modo que z(t) é uma solução complexa de z ′ (t) = Az(t). Escrevendo w = u + iv,
com u, v ∈ Rn e λ = a + ib, com b 6= 0, a fórmula de Euler garante que
z(t) = exp (a + ib)t w = exp(at) cos(bt) + i sen(bt) (u + iv)
= exp(at) [cos(bt)u − sen(bt)v] + i exp(at) [sen(bt)u + cos(bt)v]
= x(t) + i y(t)
Essas partes real e imaginária - x(t) e y(t) - da solução complexa z(t) são, de
fato, soluções de x′ (t) = Ax(t), x(0) = u e y ′(t) = Ay(t), y(0) = v, respectivamente.
Para tal conclusão, basta lembrar que
Au = au − bv
Av = bu + av
E a partir daı́,
Exemplo 2.3.1.
Considere o sistema
z ′ (t) = Jz(t)
,
z(0) = (l1 , l2 )T
a b
em que J = está exatamente sob a forma do caso (iii.) do Teorema 2.3.1
−b a
da Decomposição de Jordan.
27
Polinômio caracterı́stico da matriz J acima:
a−λ b
pJ (λ) = = λ2 − 2aλ + a2 + b2
−b a − λ
Os autovalores de J são λ = a + ib e λ = a − ib. Quanto aos autovetores:
Para λ = a + ib: w = (w1 , w2 )T tal que λw = Jw
a b w1 w1 aw1 + bw2 = (a + ib)w1
=λ ∼
−b a w2 w2 −bw1 + aw2 = (a + ib)w2
w2 = iw1
∼ ⇒ w2 = iw1
−w1 = iw2
Logo, w ∈ (1, i)T e w ∈ (1, −i)T são autovetores complexos de J e
w = (1, i)T = e1 + ie2 ⇒ u = e1 e v = e2
Usando o corolário 2.3.1, temos que
cos(bt)
x(t) = exp(at) [cos(bt)e1 − sen(bt)e2 ] = exp(at)
−sen(bt)
é a solução de x′ = Jx, x(0) = e1 e
sen(bt)
y(t) = exp(at) [sen(bt)e1 + cos(bt)e2 ] = exp(at)
cos(bt)
é a solução de y ′ = Jy, y(0) = e2
Então,
l1 cos(bt) + l2 sen(bt)
l1 x(t) + l2 y(t) = exp(at)
−l1 sen(bt) + l2 cos(bt)
cos(bt) sen(bt) l1
= exp(at)
−sen(bt) cos(bt) l2
é a única solução de z ′ (t) = Jz, z(0) = (l1 , l2 )T , sendo, portanto, periódica de
2π
perı́odo se a = 0 e x(0) 6= (0, 0)T .
b
Observação: Lembrando das relações trigonométricas de seno e cosseno da diferença,
a solução geral z(t) acima pode ser reescrita empcoordenadas polares de forma muito
conveniente. Supondo x(0) 6= (0, 0) , r = l12 + l22 > 0, existe α ∈ R tal que
T
l1 l2
cos(α) = e sen(α) = e daı́ seque que
r r
l1 cos(bt) + l2 sen(bt) = r cos(α)cos(bt) + r sen(alpha)sen(bt)
= r cos(α − bt)
= r cos(bt − α)
28
e, analogamente, −l1 sen(bt) + l2 cos(bt) = −r sen(bt − α).
2π
Escolhamos θ tal que α = bθ e 0 ≤ θ ≤ e, com isso,
b
cos(bt − bθ)
z(t) = r exp(at)
sen(bt − bθ)
é a única solução de
′ a b
z (t) = z(t)
−b a
z(0) = (l1 , l2 )T
Se r = 0, então a solução é a trivial: z(t) = (0, 0)T
Exemplo 2.3.2.
a b
Considere o sistema (2.5) com A ∼ .
−b a
Os autovalores de A são λ = a + ib e λ = a − ib. Tomando as colunas de Q como
sendo os autovetores complexos w e w, terı́amos:
−1 a + ib 0
Q AQ =
0 a − ib
Porém, é mais conveniente trabalhar com a forma proposta pelo teorema 2.3.1,
isto é, tomar os vetores-coluna u e v da matriz Q tais que, pela equação (2.6),
w = u + iv é o autovetor associado ao autovalor λ.
Usando a proposição 2.1.1 e a solução z(t) do exemplo 2.3, a solução de x′ (t) =
Ax(t), com x(0) = (k1 , k2 )T é x(t) = Qz(t), isto é,
cos(bt) sen(bt) l1
x(t) = exp(at)Q
−sen(bt) cos(bt) l2
cos(bt) sen(bt) −1 k1
= exp(at)Q Q
−sen(bt) cos(bt) k2
Exemplo 2.3.3.
′ −3 0 2
x (t) = Ax(t)
Considere o sistema em que A = 1 −1 0 .
x(0) = (k1 , k2 , k3 )T
−2 −1 0
Dado o polinômio caracterı́stico p(λ) = −6 − 7λ − 4λ2 − λ3 , os autovalores e
autovetores de A são, respectivamente:
λ1 = −2 e w1 = (2, −2, 1)T
√ √ √
λ2 = −1 + i 2 e w2 = (2 − i 2, −1 − i 2, 3)T
√ √ √
λ2 = −1 − i 2 e w3 = (2 + i 2, −1 + i 2, 3)T
29
√ √
Como w2 = (2, −1, 3)T + i(− 2, − 2, 0)T = u + iv, a matriz Q de conjugação e
a matriz J que comuta com A são
√
2 2 −√2 −2 0 √0
Q = −2 −1 − 2 e J = 0 −1
√ 2
1 3 0 0 − 2 −1
′
y (t) = Jy(t)
Afirmação: Quanto ao sistema , a solução y(t) é
y(0) = (l1 , l2 , l3 )T
l 1 exp(−2t)
√ √
y(t) = exp(−t) l2 cos( √ 2t) + l3 sen( √2t)
exp(−t) −l2 sen( 2t) + l3 cos( 2t)
exp(−t) 0√ 0√ l1
= exp(−t) 0 cos( √2t) sen(√ 2t) l2
0 −sen( 2t) cos( 2t) l3
30
2.4 Classificação de Sistemas Planares
A fim de descrever geometricamente as soluções da equação linear vetorial X ′ =
AX e X(0) = (k1 , k2 )T no plano, definimos, para cada solução X(t) = (x, y) de
X ′ = AX, uma curva parametrizada - órbita -, que é simplesmente o conjunto de
pontos {(x(t), y(t)) /t ∈ R} munido de orientação dada pelo sentido de percurso
com t crescente, desde −∞ até ∞.
Pela unicidade das soluções, por cada ponto do plano passa uma única órbita
e dadas duas órbitas quaisquer, ou elas coincidem ou são disjuntas. Esboçando de
maneira sistemática algumas dessas curvas, obtemos um retrato de fase da equação
diferencial, cujo objetivo é dar uma ideia do comportamento global da totalidade
das soluções da equação com diferentes condições iniciais.
Estudemos a classificação de acordo com os autovalores da matriz do sistema:
λ1 0
CASO 1: Suponha A = , sendo λ1 < λ2 , então a solução do sistema
0 λ 2
′ k1 eλ1 t
X = AX é X(t) =
k2 eλ2 t
y y
x x
Figura 2.1: Origem: poço/nó estável Figura 2.2: Origem: fonte/nó instável
31
(C) λ1 < 0 < λ2 (D) λ1 < λ2 = 0
y y
x x
(E) 0 = λ1 < λ2
y
32
2
CASO 2: Considere A tal que pA (λ) =(λ − λ0 ) .
λ0 t
k1 e
Suponha que A = λ0 I, então X(t) = a solução de X ′ = AX com
k2 eλ0 t
condição inicial X(0) = (k1 , k2 )T
y y
x x
Figura 2.4: Origem: poço/nó estável Figura 2.5: Origem: fonte/nó instável
(C) λ0 = 0
y
33
λ0 0 k1 eλ0 t
Suponha agora que A = , então X(t) = é a
1 λ0 (k2 + tk1 ) eλ0 t
solução de X ′ = AX com condição inicial X(0) = (k1 , k2 )T
y y
x x
Figura 2.6: poço/nó impróprio estável Figura 2.7: fonte/nó impróprio instável
(F) λ0 = 0
34
CASO 3: Considere A tal que a + ib e a − ib são raı́zes de pA (λ), com b 6= 0.
y y
x x
(C) a = 0
y
35
Estudemos agora a classificação usando-se do determinante e do traço da matriz
do sistema associado. Considere o seguinte sistema:
′
x = ax + by ′ a b
∼ X = AX com A =
y ′ = cx + dy c d
Seja p = a + d e q = ad − bc, tem-se então que pA (λ) = λ2 − pλ + q = λ2 −
2
√ é ∆ = p − 4q. Sendo assim, os autovalores de
tr(A)λ + det(A),√cujo discriminante
p+ ∆ p− ∆
A são λ1 = e λ2 = .
2 2
Quanto ao ponto crı́tico (0, 0), temos:
• nó se q > 0 e ∆ ≥ 0.
Logo p 6= 0.
Para ∆ = 0, λ = λ1 = λ2 = p/2
p > 0 : λ > 0 ⇒ nó impróprio instável, isto é, fonte
p < 0 : λ < 0 ⇒ nó impróprio estável, isto é, poço
p > 0 : λ1 > λ2 ≥ 0 ⇒ nó instável, isto é, fonte
Para ∆ > 0
p < 0 : λ2 < λ1 ≤ 0 ⇒ nó estável, isto é, poço
• ponto de sela se q < 0.
Logo ∆ > 0 e λ1 > λ2 . Mais ainda, λ2 < 0 < λ1 e com isso (0, 0) é ponto de
sela.
• ponto espiral se p 6= 0 e ∆ < 0.
Tem-se que λ1 = λ e λ2 = λ complexos não puros.
p > 0 : espiral instável, isto é, fonte
p < 0 : espiral estável, isto é, poço
• centro se p = 0 e ∆ < 0.
Tem-se que λ1 = λ e λ2 = λ complexos puros. Logo, (0, 0) é um centro.
Dizemos que (0, 0) é:
• assintoticamente estável se q > 0 e p < 0.
∆ < 0 : λ1 e λ2 complexos com parte real negativa ⇒ (0, 0) é uma espiral estável
∆ = 0 : λ1 = λ2 < 0 ⇒ (0, 0) é um poço
∆ > 0 : λ2 < λ1 ≤ 0 ⇒ (0, 0) é um poço/nó estável
• estável se q > 0 e p = 0.
Logo, ∆ = −4q < 0. Como p = 0, tem-se que λ1 = λ e λ2 = λ são complexos
puros. Então (0, 0) é um centro, logo estável.
36
• instável se q < 0 ou p > 0.
Suponha que q < 0. Então ∆ > 0 ⇒ λ2 < 0 < λ1 ⇒ (0, 0) é um ponto de sela,
logo, instável.
Suponha que p > 0:
∆ < 0 : (0, 0) é uma espiral instável
∆ = 0 : λ1 = λ2 > 0 ⇒ (0, 0) é uma fonte
∆ > 0 : λ1 > λ2 > 0 ⇒ (0, 0) é uma fonte
Tais considerações levam ao seguinte resultado representado graficamente:
q
espiral estável
espiral instável
D= p2 - 4 q < 0 D= p2 - 4 q = 0
nó impróprio
nó impróprio
instável
estável
nó estável: poço nó instável: fonte
centro
p
D= p2 - 4 q > 0
sela sela
37
A seção a seguir aborda a teoria necessária para se determinar a solução de um
sistema linear de ordem n de forma a generalizar os resultados propostos ao longo
do capı́tulo.
Podendo ainda ser escrita como exp(A) ou exp A. Cabe agora saber se eA está
bem definida, isto é, estudemos a convergência da série acima.
∞ ∞ ∞
X
1 j
X 1
X 1
A
=
Aj
≤
A
j = e
A
j=0
j! j=0
j! j=0
j!
Com isso, a série é absolutamente convergente, logo convergente. Daı́ segue que
A
e está bem definida.
38
Em particular, e0 = I e eI = diag(e, e, . . . , e) = eI.
n n
A
X 1 j X 1 j
e Q = lim A Q = lim AQ
n→∞
j=0
j! n→∞
j=0
j!
n n
X 1 X 1 j
= lim QB j = Q lim B = QeB
n→∞
j=0
j! n→∞
j=0
j!
d tA d tA
e = AetA ∈ M(n) e e x0 = AetA x0 ∈ Rn
dt dt
Demonstração: Dados A ∈ M(n) e t ∈ R, temos
tA
= |t|
A
, de modo que,
1 tA
(e − I) − A
= 1
etA − I − tA
≤ 1
tA
2 e
tA
t t t
2 |t|
A
2
= |t|
A
e ≤ |t|
A
e A , para |t| < 1
Seja X(t) = etA , como X(0) = I e a partir da desigualdade acima decorre pela
definição de derivada que X ′ (0) = A.
Afirmação: X(t + u) = X(t)X(u) ∈ M(n), ∀t, u ∈ R
Por definição de derivada, decorre que X(t) é derivável em R, valendo
39
De fato, X(t + u) = X(t)X(u) ∈ M(n), ∀t, u ∈ R. Fixemos t, u em R. Dado
m ∈ N, temos que:
m m
1 m 1 X m j m−j X tj um−j X tr us
(t + u) = tu = =
m! m! j=0 j j=0
j! (m − j)! r+s=m r! s!
1 1 X tr us X tr Ar us As
⇒ (tA + uA)m = (t + u)m Am = Am =
m! m! r+s=m
r! s! r+s=m
r! s!
Com isso, para cada n ∈ N,
Xn
1 Xn X tr Ar us As Xn
tr r
Xn
ts s
m
(tA + uA) = = A A
m=0
m! m=0 r+s=m
r! s! r=0
r! s=0
s!
⇒ etA+uA = etA euA , quando n → ∞
⇒ X(t + u) = e(t+u)A = etA+uA = etA euA = X(t)X(u)
Para finalizar a demonstração, basta mostrar as seguintes afirmações:
1. Para cada A
∈
M(n) com a norma da soma, tem-se:
i.
eA
≤ e A
ii.
eA − I
≤ e A −
1
≤
A
e A
A
A
2
A
iii. e − I − A ≤ e
−1− A ≤ A e
n n
A
e − I
=
lim
X 1 j
X 1
A
j = exp(
A
) − 1
A
≤ lim
n→∞
j=1
j! n→∞
j=1
j!
1
2 1
3
≤
A
+
A
+
A
+ . . .
2! 3!
2 1
3 1
4
≤
A
+
A
+
A
+
A
+ . . . =
A
exp(
A
)
2! 3!
40
n n
A
e − I − A
=
lim
X 1 j
X 1
A
j = exp(
A
) − 1 −
A
A ≤ lim
n→∞
j=2
j! n→∞
j=2
j!
n n
X 1
j+2
2 X 1
A
j =
A
2 exp(
A
)
≤ lim
A
= A lim
n→∞
j=0
j! n→∞
j=0
j!
Afirmação 2:
X(t + h) − X(t) X(h)X(t) − X(t)
X ′ (t) = lim = lim
h→0
h h→0 h
X(h) − I X(h) − X(0)
= lim X(t) = lim X(t)
h→0 h h→0 h
= X ′ (0)X(t)
41
(i.)
λ1 0 A eλ1 0
A= ⇒ e =
0 λ2 0 eλ2
eλ1 t 0
Daı́ segue que x(t) = e x0 =tA
x0 é a solução de x′ = Ax com
0 eλ2 t
condição inicial x(0) = x0 .
(ii.)
eλ0 t 0
tA
(a) A = λ0 I ⇒ x(t) = e x0 = x0 é a solução de x′ = Ax com
0 eλ0 t
condição inicial x(0) =
x0 .
λ 0
(b) Neste caso, A = pode ser decomposta sob a soma de duas matrizes
1 λ
que comutam, então:
A λ 0 0 0 λ 0 0 0
e = exp + = exp exp
0 λ 1 0 0 λ 1 0
λ
e 0 0 0 1 0 0 1 0 0
= I+ + + + ...
0 eλ 1 0 2! 0 0 3! 0 0
λ λ
e 0 1 0 e 0 λ 1 0
= = =e
0 eλ 1 1 eλ eλ 1 1
1 0
tA
Mais ainda, x(t) = e x0 = e λ
x0 é a solução de x′ = Ax com x(0) = x0 .
t 1
Há um resultado implı́cito nessa conclusão: matrizes do tipo “subdiagonal” são
matrizes nilpotentes, isto é, existe m ∈ N tal que a m-ésima potência da matriz é
nula. Considere a seguinte matriz
0 0 0 0 0 0 ··· 0 0
c 0 0 0 0 0 ··· 0 0
0 c 0 0 0 0 ··· 0 0
0 0 c 0 0 0 ··· 0 0
Gc (m) = 0 0 0 c 0 0 · · · 0 0 ∈ M(m)
0 0 0 0 c 0 ··· 0 0
.. .. .. .. .. .. . . .. ..
. . . . . . . . .
0 0 0 0 0 0 ··· 0 0
0 0 0 0 0 0 ··· c 0
Afirmação: Gm
c = 0.
42
0 0 0 0 0
c 0 0 0 0
Tome Gc (5) =
0 c 0 0 0 . Segue que:
0 0 c 0 0
0 0 0 c 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
2
Gc (5)2 =
c 02 0 0 0 , Gc (5)3 =
0 0 0 0 0 ,
0 c 0 0 0 c3 0 0 0 0
0 0 c2 0 0 0 c3 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
Gc (5)4 =
0 0 0 0 0 , Gc (5)5 =
0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
c4 0 0 0 0 0 0 0 0 0
Com isso,
1 2 1 3 1 4 1 5 1 6 1 7
eGc = I + Gc + G + G + G + G + G + G + ...
2! c 3! c 4! c 5! c 6! c 7! c
1 2 1 3 1 4 1 1 1
= I + Gc + G + G + Gc + 0 + 0 + 0 + ...
2! c 3! c 4! 5! 6! 7!
1 0 0 0 0
c 1 0 0 0
2
c3 /2!
=
2
c 1 0 0
c /3! c /2! c 1 0
c4 /4! c3 /3! c2 /2! c 1
1 0 0 0 0 0 ··· 0
c 1 0 0 0 0 ··· 0
c2 /2! c 1 0 0 0 ··· 0
c3 /3! 2
c /2! c 1 0 0 ··· 0
Em geral, eGc (m) = c4 /4! c3 /3! c2 /2! c 1 0 ··· 0
c5 /5! c4 /4! c3 /3! 2
c /2! c 1 ··· 0
.. .. .. .. .. .. .. ..
. . . . . . . .
cm−1 cm−2 cm−3 cm−4 cm−5 cm−6
(m−1)! (m−2)! (m−3)! (m−4)! (m−5)! (m−6)!
··· 1
a b
(iii.) A =
−b a
43
a + bi 0
Poderı́amos encarar A como uma matriz complexa conjugada a ,
0 a− bi
a 0 0 b
mas é conveniente calcular eA quando se considera A = + , uma
0 a −b
0
0 b
decomposição com matrizes que comutam. Calculemos exp :
−b 0
2 3
0 b 0 b 1 0 b 1 0 b
exp =I+ + + + ...
−b 0 −b 0 2! −b 0 3! −b 0
Por outro lado,
2
0 b 0 b 0 b −b2 0
= = ,
−b 0 −b 0 −b 0 0 −b2
3
0 b 0 b −b2 0 0 −b3
= = ,
−b 0 −b 0 0 −b2 b3 0
4
0 b b4 0
= ,
−b 0 0 −b4
5
0 b 0 b5
= ,
−b 0 −b5 0
6
0 b −b6 0
= ,
−b 0 0 −b6
7
0 b 0 −b7
=
−b 0 b7 0
Por indução,
2j 2j+1
0 b j b2j 0 0 b j 0 b2j+1
= (−1) e = (−1)
−b 0 0 b2j −b 0 −b2j+1 0
44
Logo,
a b a 0 0 b
exp = exp +
−b a 0 a −b 0
a 0 0 b
= exp exp
0 a −b 0
a
e 0 cos(b) sen(b)
=
0 ea −sen(b) cos(b)
a cos(b) sen(b)
= e
−sen(b) cos(b)
cos(bt) sen(bt)
Sendo assim, x(t) = e = etA at
é a solução de x′ = Ax
−sen(bt) cos(bt)
com condição inicial x(0) = x0 .
45
tamanho m é definido como sendo
λ 0 0 ...
0 0
1 λ 0 ...
0 0
0 1 λ ...
0 0
Jλ (m) = .. .. .. ..
.. ∈ M(n)
. . . ..
0 0 0 ... λ 0
0 0 0 ... 1 λ
J = diag(J1 , J2 , . . . , Jr ) ∈ M(n)
46
subespaço Vλ (m) de Rn tal que A restrita a Vλ (m) é linearmente conjugada a Ji .
Observe que:
Ji u1 = λu1 + u2
Ji u2 = λu2 + u3
..
.
Ji um−1 = λum−1 + um
Ji um = λum
e como todos esses núcleos são subespaços vetoriais de Rn , existe k = k(α) a partir
do qual todos são iguais. Sendo dj = dim N(A − λI)j , temos
1 ≤ d = d1 ≤ d2 ≤ d3 ≤ . . . ≤ dk = dk+1 = . . . ≤ n
47
Considere o sistema x′ = Ax, com A ∈ M(n) e com condição inicial x(0) = x0 .
Pelo teorema 2.5.2, a solução é x(t) = etA x0 . Cabe agora à teoria vista sobre
exponencial de matrizes na forma canônica de Jordan, calcular exp(tA) e explicitar
a solução dada acima. Lembre-se que se A é tal que A = QP Q−1 (sendo P na forma
canônica de Jordan), então et(QP Q ) = QetP Q−1 = etA . Sob a observação de que
−1
tJλ (m) = λtI + tG1 (m), sendo que qualquer matriz comuta com a identidade, temos
que
etJλ (m) = eλtI eGt (m)
Exemplo 2.6.1.
Seja A tal que pA (λ) = (λ − 7)3 uma matriz de M(3). Com isso temos que:
e7t 0 0
• Se dim N7 = 1 então etJ = te7t e7t 0
t2 e7t /2 te7t e7t
7t
e 0 0
• Se dim N7 = 2 então etJ = te7t e7t 0
0 0 e7t
7t
e 0 0
• Se dim N7 = 3 então etJ = 0 e7t 0
0 0 e7t
Notação:
0
Ja,b (m) = diag(Ja,b, . . . , Ja,b )2m×2m
0 0 0 ... 0 0
tI 0 0 ...
0 0
0 tI 0 ...
0 0
Gt,I (m) = .. .. .. ..
.. ..
. . . . . .
0 0
0 ... 0 0
0 0
0 . . . tI 0 m×m
cos(b) sen(b)
Rb =
−sen(b) cos(b)
Quanto aos blocos associados a autovalores complexos, note que tJa,b = Jta,tb e
0
daı́ segue que etJa,b = eJta,tb = eat Rbt . E mais, sabendo que tJa,b (m) = tJa,b (m) +
48
tG1, I(m) e que a matriz em blocos Gt,I (m) comuta com a matriz diagonal em blocos
0
tJa,b (m), temos
0
exp tJa,b (m) = etJa,b (m) eGt,I (m)
= eat diag(Rbt , Rbt , . . . , Rbt )eGt,I (m)
Rbt 0 0 0 ... 0 0
tR bt R bt 0 0 ... 0 0
2
t
Rbt tRbt Rbt 0 ... 0 0
23 2
t t
at
Rbt Rbt tRbt Rbt ... 0 0
= e 3! 2
.. .. .. .. .. .. ..
. . . . . . .
tm−2 tm−3
tm−4
tm−5
(m − 2)! Rbt (m − 3)! Rbt (m − 4)! Rbt (m − 5)! Rbt ... Rbt 0
tm−1 tm−2 tm−3 tm−4
Rbt Rbt Rbt Rbt . . . tRbt Rbt
(m − 1)! (m − 2)! (m − 3)! (m − 4)!
Exemplo 2.6.2.
1 0 −2 1 0 0
A = −5 6 11 ∼ 0 −2 1 = J
5 −5 −10 0 −1 −2
3t
e 0 0
⇒ etA = QetJ Q−1 = e−2t Q 0 cos(t) sen(t) Q−1
0 −sen(t) cos(t)
Exemplo 2.6.3.
3 8 −29 18 −1 0 0 0
0 −1 −3 2 1 −1 0 0
4 6 −29 18 ∼ 0
A = =J
0 −2 1
5 7 −34 21 0 0 −1 2
t
e 0 0 0
tet et 0 0
⇒ etA = QetJ Q−1 = e−2t Q −1
0 0 cos(t) sen(t) Q
0 0 −sen(t) cos(t)
49
ou de uma das formas:
tj at tj at
e cos(bt) ou e sen(bt) (2.8)
j! j!
para algum 0 ≤ j ≤ n − 1 e a, b ∈ R tais que λ = a + ib é um autovalor generalizado
tj
de A; se b = 0 e a = λ, os dois tipos acima se reduzem à mesma forma eλt .
j!
Teorema 2.6.2. Seja A ∈ M(n) uma matriz qualquer. Cada coordenada de qual-
quer solução de x′ = Ax é uma combinação linear das funções
Exemplo 2.6.4.
x′ = Ax
−2 −3 1 4 −4 −1 0 0 0 0
−3 −9 1 5 −1
1 −1 0 0 0
A=
0 −1 −1 1 −1 ∼
0 1 −1 0 0 =J
−5 −14 2 9 −4 0 0 0 −2 1
−3 −9 0 7 −4 0 0 0 −1 −2
A partir da forma canônica de Jordan J = diag (J−1 (3), J−2,1(1)) dessa matriz
A, obtemos
et 0 0 0 0
t t
te e 0 0 0
t2
etA = QetJ Q−1 −2t −1
= e Q tet et 0 0 Q
2
0 0 0 cos(t) sen(t)
0 0 0 −sen(t) cos(t)
50
e podemos até explicitar a solução geral x(t) = etA x(0) da equação x′ = Ax como
t2
uma combinação linear das funções e−t , te−t , e−t , e−2t cos(t) e e−2t sen(t), como
2
garante o teorema 2.6.2.
Do ponto de vista qualitativo, mais importante que explicitar a solução diferen-
cial é entender o comportamento assintótico das soluções. No exemplo acima, note
que todas as soluções tendem à origem quando t → ∞ e que isso pode ser verificado
sem necessidade de explicitar as soluções.
51
Qualquer conjunto de soluções x(1) , x(2) , . . . , x(n) de (2.9) que seja LI em cada
ponto do intervalo I é dito uma base de soluções nesse intervalo. Podemos encarar
(2.9) como uma equação diferencial matricial
X ′ = A(t)X (2.10)
Uma vez que é sempre possı́vel tomar x(i) (t0 ) = ei para cada i = 1, . . . , n como
condição inicial, isto é, tomar uma condição inicial X(t0 ) = I ∈ M(n) com determi-
nante não nulo, estabelecemos que:
52
2.8 Sistemas Lineares Não Homogêneos
Considere o sistema não homogêneo
Daı́ seque que z(t) é solução da equação homogênea (H): z ′ (t) = A(t)z(t)
Tome agora x(t) uma solução qualquer de (2.11), xP (t) uma solução particular
de (2.11) e {x1 , x2 , . . . , xn } uma base de soluções para (H), então x(t) − xP (t) é
solução de (H).
Porém como toda solução de (H) se escreve como combinação linear de x1 , x2 , . . . , xn :
n
X
x(t) − xP (t) = ci xi (t)
i=1
Diagonalização
Considere o seguinte sistema:
x′ = Ax + b(t) (2.12)
53
Pelo Método do Fator Integrante, a equação (2.14) tem como solução:
Z t
yj (t) = exp(λj t) exp(−λj s) dj (s) ds + cj exp(λj t), j = 1, . . . , n
t0 =0
em que cj são constantes arbitrárias. Com isso, a solução de (2.12) é dada por
x(t) = Qy(t), e mais,
Z t
exp(λ1 t) exp(−λ1 s) d1(s) ds
t0 =0
Z t
c1 exp(λ1 t)
exp(λ t)
2 exp(−λ2 s) d2(s) ds
c2 exp(λ2 t)
x(t) = Q t0 =0 +Q ..
.. .
.
Z t
| cn exp(λn t)
{z }
exp(λn t) exp(−λn s) dn (s) ds xH
t0 =0
| {z }
xP
54
Daı́ segue o seguinte sistema:
a = 1
a=1
6a + b = 0 b = −6
4a + 3b + c = 0 ∼ c = 14
−2α − 3β = 3
α = −3/11
3α − β = 0 β = −9/11
55
Uma vez que c é arbitrário, qualquer condição inicial no ponto t0 = 0 pode ser
satisfeita por uma escolha apropriada de c. Então, cada solução do sistema (2.15)
está contida na expressão dada pela equação (2.17), sendo esta, portanto, a solução
geral de (2.15). Encare o primeiro termo de (2.17) como a solução do (H) e o
segundo como a solução particular de (2.15).
Considere agora a condição inicial x(0) = x0 . A solução geral toma a forma
Z t
x(t) = X(t)c + X(t) X −1 (s)b(s) ds (2.18)
0
é a solução de (2.15) com condição inicial x(0) = x0 . Apesar de ser útil usar X −1
para escrever as soluções acima, geralmente é melhor em casos particulares resolver
as equações necessárias por redução de linhas do que calcular X −1 .
A solução (2.19) toma uma forma ligeiramente mais simples se usarmos uma
matriz fundamental X(t) tal que X(0) = In×n . Neste caso,
Z t
x(t) = X(t)x0 + X(t) X −1 (s)b(s) ds (2.20)
0
Exemplo 2.8.1.
Considere o sistema
′ −2 1 2e−t
x = x+ = Ax + b(t) (2.21)
1 −2 3t
Diagonalização
56
Seja y = Q−1 x, pela equação (2.21), temos:
′ −1 −3 0 1 2e−t − 3t
y = Jy + Q b(t) = y+
0 −1 2 2e−t + 3t
Logo,
y ′1 + 3y1 = e−t − 3t/2
y ′2 + y2 = e−t + 3t/2
1 T
Daı́ segue que (y1 , y2 ) = (1 + 3e−t − 3t + 6k1 e−3t , 9t − 9 + 6te−t + k2 e−t ) é
6
solução da equação acima. Logo, a solução de (2.21) é
1 −8 + (3 + k2 )e−t + 6t + 6te−t + 6k1 e−3t
x(t) = Q(y1 , y2) =
6 −10 + (k2 − 3)e−t + 12t + 6te−t − 6k1 e−3t
−3t 1 −t 1 e−t 1 1 −t 1 1 8
= k1 e + k2 e + +t + te −
−1 1 2 −1 2 1 6 10
57
Note que (a1 , a2 )T é o autovetor de A associado ao autovalor é λ = −1, logo
(a1 , a2 )T = (a, a)T , com a 6= 0. Da segunda equação acima, decorre que a = 1 e que
b1 1 0
=b − ,b∈R
b2 1 1
A solução geral de (2.21) é dada por x(t) = X(t)u(t), em que u(t) satisfaz
X(t)u′ (t) = b(t), ou seja,
−3t ′ −t
e e−t u1 2e
−3t −t ′ =
−e e u2 3t
e então
x(t) = X(t)u(t)
−3t 1 −t 1 e−t 1 1 −t 1 1 8
= c1 e + c2 e + +t + te −
−1 1 2 −1 2 1 6 10
58
2.9 Modelo IS-LM
Consideremos agora o famoso Modelo IS-LM, um modelo de determinação da
renda no curto prazo. Abordamos aqui o modelo sob uma formulação bem simples
e esclarecendo, sempre que possı́vel, a intuição econômica implı́cita nas equações
matemáticas. Nesta versão, supõe-se uma economia fechada, isto é, não há comércio
internacional e daı́ segue que exportações e importações são iguais a zero.
Desenvolvido a partir de uma crı́tica à polı́tica clássica de não intervencionismo
do Estado, o modelo IS-LM propõe que existem momentos em que a atividade
econômica não é capaz de se recuperar por conta própria, momentos em que se fazem
necessárias polı́ticas de incentivo ao crescimento econômico via Governo. Assume-
se que há rigidez de preços no curto prazo, isto é, ausência de inflação num curto
horizonte de tempo, e mais, assume-se que existe capacidade ociosa de fatores pro-
dutivos, principalmente trabalho. Com isso, a oferta pode se ajustar a qualquer
nı́vel de demanda via contratação de trabalhadores.
O nome do modelo advém da segmentação do mercado em dois: o de bens e
o monetário. No mercado de bens, os consumidores tomam decisões sobre quanto
consumir e poupar (IS: investment and saving). Já no mercado monetário, também
dito, mercado financeiro, as pessoas decidem quanto comprar e vender de tı́tulos de
investimento. Vamos supor aqui que é válida a Teoria da Preferência pela Liquidez,
isto é, as pessoas dão preferência por investir em tı́tulos mais lı́quidos. Lembre
que liquidez se refere à facilidade com que um ativo é convertido em moeda fı́sica,
sendo assim, um tı́tulo é dito lı́quido se é relativamente fácil comprá-lo e o vender
no mercado. É daı́ que deriva o nome LM (liquity and money).
O produto interno bruto (PIB) é o valor total dos bens e serviços finais produzidos
na economia em um dado perı́odo, ou ainda, a soma das rendas na economia em
um dado perı́odo. É natural encarar o PIB como sendo a oferta de bens e serviços.
Denotaremos a renda/produção/PIB num perı́odo t por y(t).
A demanda por um bem é a vontade de consumir esse bem. Pensando na de-
manda agregada (DA) de um paı́s, podemos encarar o consumo (C), o investimento
(I) e os gastos do governo (G) como sendo os componentes da DA.
DA = C + I + G
Note que se o consumo interno de um paı́s estiver crescendo a um ritmo su-
perior ao do crescimento da produção, temos um excesso de demanda que deverá
ser atendida via aumento da produção pelas empresas, isso porque se supõe, por
simplicidade, que as empresas não mantêm estoque. Se, por algum motivo, houver
um crescimento da demanda, de DA1 para DA2 , então a produção se ajustará, de
Y1 para Y2 , como mostrado na Figura 2.11. E esse ajustamento se dá sem afetar os
preços, uma consequência direta da ausência de inflação e da hipótese de capacidade
produtiva ociosa no curto prazo.
59
P DA1 DA2
P
OA
Y1 Y2 Y
DA = c0 + c1 (1 − T )y(t) − hr(t) + G
sendo
c0 : o gasto autônomo, isto é, o que as pessoas consumiriam se sua renda disponı́vel
fosse zero; (c0 > 0)
T : alı́quota de imposto de renda; (0 < T < 1)
c1 : a propensão a consumir, isto é, a parcela da renda disponı́vel ao consumidor que
será utilizada para o consumo; (0 < c1 < 1)
h: é a sensibilidade do investimento à taxa de juros, isto é, supomos aqui que
I = −hr(t), em que r(t) representa a taxa de juros nominal no instante t do tempo;
(h > 0)
G: gastos do governo - variável assumida como constante e determinada exogena-
mente pelo governo.
Pela formulação acima, entende-se C = c0 + c1 (1 − T )y(t), I = −hr(t) e G,
exógena. O equilı́brio no mercado de bens se dá quando não há excesso de demanda
60
nem excesso de oferta, isto é, quando OA = DA, que é equivalente a
y(t) = c0 + c1 (1 − T )y(t) − hr(t) + G (2.22)
Analisemos agora o Mercado Monetário. Dada uma quantidade de riqueza, as
pessoas decidem o quanto retém na forma de moeda e quanto retém na forma de
tı́tulos. A primeira é necessária para que as pessoas possam consumir e a segunda
oferece pagamento de juros. A maneira como se pondera essas quantidades está
intimamente ligada à taxa de juros, pois quanto mais alta for a taxa de juros, mais
se estará disposto a ter tı́tulos e menos disposto a reter riqueza sob a forma de
moeda. Note que as pessoas de maior renda requerem mais moeda para realizar
seu consumo, algo já esperado. Daı́ segue que a demanda real por moeda mD é
negativamente relacionada com a taxa de juros e positivamente relacionada com a
renda:
mD (t) = ky(t) − ur(t), k, u > 0
A oferta de moeda MS , por outro lado, é determinada pelo Banco Central e tida
então como exógena, MS = M0 . Sabendo que o nı́vel de preço é constante, então o
poder de compra do consumidor é estável e a oferta real de moeda é m0 = M0 /P .
Como antes, o equilı́brio é alcançado quando não há excesso de demanda por moeda
ou por tı́tulos, isto é, quando mD (t) = m0 .
Mais precisamente, assume-se que no mercado de bens, a produção y(t) se ajusta
de acordo com o excesso de demanda e que a taxa de juros r(t) se ajusta de acordo
com o excesso de demanda por moeda no mercado monetário, isto é,
′
y = α (DA(t) − y(t)) , com α > 0
(2.23)
r ′ = β (mD (t) − m0 ) , com β > 0
Diante de um excesso de demanda, DA(t) > y(t), há estı́mulo ao aumento da
produção e diante de um excesso de demanda por moeda, mD (t) > m0 , aumenta-se
a taxa de juros, servindo de desestı́mulo a demanda por moeda, afinal os tı́tulos se
tornam mais “interessantes”. Para ganhar intuição, tome a taxa de juros como o
“preço do dinheiro”, pois os juros são o que se tem de pagar por “tomar emprestado”
uma certa quantia de dinheiro por um certo tempo - algo como o valor do aluguel
do dinheiro. Note que quando há excesso de demanda por um bem, seu preço sobe.
Em particular, quando o bem é o próprio dinheiro. Essas dinâmicas de ajuste estão
bem representadas em (2.23).
Estas equações podem ser expressas explicitamente em termos de y e r, em que
assumimos ser funções contı́nuas do tempo, mas omitimos a variável tempo para
simplificar a notação:
′
y = α (c1 (1 − T ) − 1) y − αhr + α(G + c0 )
(2.24)
r ′ = βky − βur − βm0
61
1 − c1 (1 − T )
assumindo que > 0 para estar empiricamente de acordo com a reali-
h
dade, apesar de ser algebricamente possı́vel que essa hipótese seja falsa.
Como sugerido anteriormente, o equilı́brio se dá quando y ′ = 0 e r ′ = 0:
G + c0 − (1 − c1 (1 − T )) y
Para o mercado de bens, temos a curva IS: r =
h
−m0 + ky
Para o mercado monetário, temos a curva LM: r =
u
r
c0 + G 1-c1 H1-T L m0 k
r= h
- h
y r=- + y
u u
P0
LM IS
y
PA
T1
T3 T4
r1
P1 T2
r0 P0
IS
y1 y0
y
63
A trajetória T2 , por outro lado, indica que ambos os mercados se ajustam im-
perfeitamente de tal maneira que a economia se move gradualmente de P0 para
P1 , sendo que a taxa de juros cresce gradualmente até alcançar r1 e a renda cai
gradualmente até y1 . Se a economia se comportar conforme esta trajetória, então
a taxa de juros não ultrapassa o novo nı́vel ótimo r1 . Mas nossa análise na figura
2.12 indica que não há razão para assumir que esta é a única possı́vel trajetória.
Por exemplo, a trajetória T3 mostra um crescimento mais forte na taxa de juros
que o da trajetória T2 , havendo um comportamento assintótico espiral anti-horário
convergindo para o novo equilı́brio P1 . Se assumirmos que o mercado monetário,
embora não se ajuste instantaneamente, ajuste-se rapidamente e que o mercado de
bens se ajuste igualmente rápido, então a trajetória T3 é a mais provável. Esta é
uma importante observação. Uma trajetória espiral convergente ao novo equilı́brio
(trajetória T3 ) é mais provável se ambos os mercados têm uma dinâmica rápida de
ajustamento e consequentemente, ambas as variáveis endógenas y e r, ultrapassarão
o novo nı́vel de equilı́bio (y1 , p1 ). Mesmo assim, uma espiral anti-horário não é o
resultado mais provável. Empiracamente, espera-se observar a trajetória T4 . Isto
porque, em geral, o mercado monetário é relativamente mais rápido para se ajustar
que o mercado de bens, de modo que a trajetória efetuada pela economia permanece
dentro do triângulo P0 PA P1 , sendo “atraı́do” para a trajetória T1 .
Considere agora que o governo promova uma polı́tica fiscal expansionista, au-
mentando seus gastos ou reduzindo a carga tributária.
Suponha que aumentando gastos de G0 para G1 . Isso fará com que a curva IS se
desloque para a direita, de IS0 para IS1 , já que agora para cada taxa de juros fixada,
um aumento dos gastos do governo leva a um aumento do produto. Algebricamente,
aumentar os gastos do governo aumenta o valor do intercepto da IS, (G + c0 )/h, e
então ocorre um deslocamento desta curva. Seja P1 o ponto de novo equilı́brio.
A particular trajetória que a economia fará de P0 até P1 depende dos parâmetros
envolvidos no modelo.
64
r
LM
r1
P1
T1
P0 T2
r0 T3
IS1 HG1L
IS0 HG0L
y0 y1
y
65
do modelo podem ser assim representado
′
y −α(1 − c1 (1 − T )) −αh y α(c0 + G)
= +
r′ βk −βu r −βm0
Sejam A, a matriz do sistema planar assim e b(t) a perturbação. Da suposição
1 − c1 (1 − T )
de que > 0, temos que tr A < 0 e que det A > 0. Daı́ segue que o
h
equilı́brio do sistema é assintoticamente estável. Considere que:
c0 = 20, c1 = 0.75, T = 0.25, h = 1.525, k = 0.25, u = 0.5, m0 = 8 e G = 30
O equilı́brio da economia se dá em (y0 , r0 ) = (62, 15). Uma queda na oferta real
de moeda para m1 = 5 leva ao novo ponto de equilı́brio (y1 , r1 ) = (54.375, 17.1875),
representado pelo ponto P1 na Figura 2.15.
r
20
T1
19 T2
T3
18
17
P1
16
P0
56 58 60 62
y
66
Para cada trajetória temos diferentes autovalores associados à matriz A:
Assim, a nossa discussão sobre como a economia responderia às polı́ticas monetária
e/ou fiscal está intimamente ligada aos parâmetros α e β, consequentemente, aos
autovalores da matriz do sistema de EDO’s no modelo ISLM, de modo que, esses
parâmetros medem a velocidade com que os mercados de bens e monetário se ajus-
tam a alterações em parâmetros macroeconômicos, como a oferta de moeda m0 ,
os gastos do governo G, a expectativa dos consumidores e consequentemente sua
propensão a consumir c1 e a taxa de juros r.
67
Capı́tulo 3
3.1 Introdução
Apesar de já termos analisado a teoria de estabilidade para os sistemas lineares,
ainda não temos formalmente a definição de estabilidade. Considere então um sis-
tema autônomo x′ = f (x), x ∈ Rn , na vizinhança do ponto crı́tico x∗ , satisfazendo
as condições do Teorema de Existência. Sendo assim, f (x∗ ) = 0 e x(t) = x∗ é a
solução de equilı́brio.
Definição 3.1.1. Dizemos que x∗ é estável se, dado qualquer ε > 0, existe um δ > 0
tal que se |x0 − x∗ | < δ, a solução x(t, x0 ) do sistema autônomo
x′ = f (x)
x(0) = x0
existe para todo t > 0 e satisfaz |x(t, x0 ) − x(t, x∗ )| = |x(t, x0 ) − x∗ | < ε, ∀t ≥ 0.
Em outras palavras, todas as soluções que partem suficientemente próximas de
∗
x são definidas para todo t > 0 e se mantêm próximas deste ponto. Note que a
solução de equilı́brio existe para todo t > 0, e a estabilidade desta solução pode ser
interpretada como uma continuidade uniforme (para t > 0) das soluções com respeito
às condições iniciais, isto é, para condições iniciais suficientemente próximas de x∗ ,
a solução do sistema existe para todo t > 0 e se mantém uniformemente próxima
da solução de equilı́brio. Veja as figuras 3.1 e 3.2 que representam estas definições
no caso particular de R2 .
Definição 3.1.2. Dizemos que o ponto de equilı́brio x∗ de x′ = f (x) é assintotica-
mente estável se for estável e, além disto,
lim x(t, x0 ) = x∗
t→∞
68
y y
Ε Ε
∆ ∆
HxH0L,yH0LL HxH0L,yH0LL
x x
69
Qual o sentido de um sistema estar “próximo” de um sistema linear (3.1)?
Por simplicidade de notação, considere o sistema em R2 e entenda X = (x, y)
X ′ = AX + b(X) (3.2)
e suponha que (0, 0) seja um ponto crı́tico isolado de (3.2), isto é, suponha que
existe um bola centrada na origem em que o único ponto crı́tico interior a ela é
o próprio (0, 0). E mais, suponha que det(A) 6= 0 e que (0, 0) seja também um
ponto crı́tico isolado de X ′ = AX. Para o sistema (3.2) estar próximo do sistema
X ′ = AX, assume-se que b(X) é pequeno. Mais precisamente, assume-se que as
componentes de b tem derivadas parciais primeiras contı́nuas e satisfazem a condição
|b(X)|
lim = 0, isto é, |b| é pequeno em comparação com |X| sempre que X está
X→0 |X|
próximo de (0, 0). Então o sistema (3.2) é quase-linear na vizinhança do ponto
crı́tico (0, 0).
Considere o caso particular n = 2 do sistema (3.1):
′
x = F (x, y)
(3.3)
y ′ = G(x, y)
η1 (x, y)
em que → 0 quando (x, y) → (x∗ , y ∗) e similarmente para η2 (x, y).
|(x − x∗ , y − y ∗)|
dx d(x − x∗ ) dy d(y − y ∗)
Note que F (x∗ , y ∗) = G(x∗ , y ∗) = 0 e que = e = .
dt dt dt dt
Então o sistema (3.3) se reduz a
d x − x∗ Fx (x∗ , y ∗) Fy (x∗ , y ∗) x − x∗ η1 (x, y)
= + (3.4)
dt y − y ∗ Gx (x∗ , y ∗) Gy (x∗ , y ∗) y − y∗ η2 (x, y)
ou vetorialmente,
du Fx (x∗ , y ∗) Fy (x∗ , y ∗)
= u + η(X) (3.5)
dt Gx (x∗ , y ∗) Gy (x∗ , y ∗)
em que u = (x − x∗ , y − y ∗ ) e η = (η1 , η2 ).
70
Fazendo u1 = x − x∗ e u2 = y − y ∗, o sistema linear que se aproxima do não
linear (3.3) em (x∗ , y ∗) é dado pelas partes lineares das equações (3.4) e (3.5), isto
é,
d u1 Fx (x∗ , y ∗) Fy (x∗ , y ∗) u1
= (3.6)
dt u2 Gx (x∗ , y ∗) Gy (x∗ , y ∗) u2
Já a equivalência quanto a estabilidade é dependente dos autovalores da matriz
quadrada 2 × 2 das derivadas parciais (a matriz Jacobiana) aplicada aos pontos
crı́ticos de (3.5) e é dada conforme a tabela abaixo:
71
de repouso, um sistema mecânico conservativo tem energia potencial mı́nima, então
esta posição corresponde a um estado de equilı́bio; se a posição de repouso não é de
energia potencial mı́nima, então o equilı́brio é instável.” Para ilustrar tal conceito,
consideremos, por simplicidade, uma partı́cula de massa m se movendo em uma
linha reta sob a ação de uma força f (x) que depende da posição x ∈ R mas não do
tempo t. Então a equação de movimento é
Podemos pensar em f (x) como derivada de uma função potencial F (x), f (x) =
dF (x) dF (x)
− e, portanto, mx′′ = − . Multiplicando a equação por x′ , temos
dx dx
dF (x)
mx′′ x′ = −x′
dx
que pode ser escrita como
d mx′ 2 (t) d
= − F (x(t))
dt 2 dt
ou
d mx′ 2 (t)
+ F (x(t)) = 0
dt 2
mx′ 2 (t)
Esta igualdade nos diz que a expressão + F (x(t)), que representa ob-
2
viamente a energia total V (energias cinética e potencial) do sistema, mantém-se
constante sobre a trajetória x(t) do sistema, por essa razão, chamado de conserva-
tivo. Daı́, temos
mx′ 2 (t)
V (x) = V (x, x′ ) = + F (x(t)) (3.8)
2
Observação: uma função constante ao longo das curvas soluções de um sistema
é chamada função integral do sistema.
Considerando a equação (3.7) como um sistema no plano de fase (posição-
velocidade), podemos escrevê-la como um sistema de equações autônomas de primeira
ordem fazendo x1 = x e x2 = x′
x′ 1 = x2
dF (x1 ) (3.9)
mx′ 2 = f (x1 ) = −
dx1
dF (x1 )
verificamos que a função função V (x) é uma integral do campo x2 , − ,
dx1
isto é, as trajetórias deste sistema dinâmico são traçadas sobre as linhas de nı́vel de
72
V (x) = V (x0 ). É claro que o argumento acima, embora carregado de linguagem e
significado fı́sico, pode ser repetido matematicamente para qualquer equação difer-
encial ordinária autônoma de segunda ordem.
Para o caso em que x ∈ Rn , multiplicando a equação x′′ = f (x) por x′ (produto
escalar), temos
d m|x′ |2
= f (x).x′
dt 2
sendo |x′ |2 , sob a norma euclidiana, igual ao produto escalar x′ .x′ .
d
Mas o termo f (x).x′ só poderá ser escrito como − F (x(t)) se f (x) = −∇F (x).
dt
Entretanto, diferente do caso unidimensional, isto só é possivel se a função f (x)
satisfizer as condições de compatibilidade
∂fi ∂fj
=
∂xj ∂xi
∂fi
ou seja, se a matriz jacobiana for simétrica. Nestes casos, dizemos que
∂xj i,j
o sistema é conservativo. Em outras palavras, a declaração de que o sistema é
conservativo significa que a função força é determinada por uma função F pela
relação f (x) = −∇F , sendo F (x) chamada energia potencial. Note que aqui também
as trajetórias do sistema conservam energia
d m|x′ (t)|2 d m|x′ (0)|2
+ F (x(t) = + F (x(0))
dt 2 dt 2
73
1
com x1 = y, x2 = z e H(y, z) = V (y, z) é chamada Hamiltoniana de (3.9).
m
Mais geral, um sistema de 2n equações determinada por uma única função escalar
H(y1, . . . , yn , z1 , . . . , zn ) é chamado Hamiltoniano se é da forma
dH
y′i =
dzi (3.11)
dH
z′i = −
dyi
Voltemos à demonstração intuitiva do Teorema de Lagrange pelo sistema (3.7) ou
(3.9). Esta demonstração contém as ideias intuitivas por trás do Segundo Método de
Lyapunov. Restrinjamo-nos ao caso simples de um ponto de equilı́brio em (x1 , x2 ) =
(0, 0), quando a energia potencial tem um mı́nimo em x1 = 0. Assumimos que
F (0) = 0; assim pela propriedade do mı́nimo, F (x1 ) > 0 para x1 6= 0 e |x1 | pequeno.
Queremos mostrar que o ponto de equilı́brio (x1 , x2 ) = (0, 0) de (3.7) é estável. Se V
é definida por (3.8), sabemos que V é constante ao longo de uma solução. Considere
agora uma famı́lia de curvas V (x1 , x2 ) = c (constante) no plano de fase x1 x2 . Se c <
0, não existem curvas reais. Se c = 0, conseguimos um ponto único (x1 , x2 ) = (0, 0).
Se c > 0 mas suficientemente pequeno, então o conjunto V (x1 , x2 ) = c é uma famı́lia
de curvas. Existe uma vizinhança da r origem que contém exatamente uma dessas
2
curvas Γc , dada pela equação x2 = ± (c − F (x1 )). Esta curva Γc é fechada, cerca
m
a origem e é simétrica com relação ao eixo x1 , como mostra a figura 5.2 (Brauer). É
claro que pela propriedade de um mı́nimo, se c1 e c2 são pequenos com c1 < c2 ≤ c,
então as curvas correspondentes Γ1 e Γ2 estão situadas como mostrado, contraindo
em direção à origem conforme c tende a zero. Se uma solução (x1 (t), x2 (t)) começa
em um tempo t0 com |x1 (t0 )| e |x2 (t0 )| pequenos, ela permanece próxima à origem
porque está na curva Γ dada pela equação
74
tal como atrito, que causaria dissipação de energia. Quando discutirmos a equação
de Liénard, veremos que essas afirmações estão essencialmente corretas. Veremos
também que é a função V em (3.8) que é a básica para o método que estamos prestes
a descrever.
Para clareza de exposição, consideraremos primeiro sistemas autônomos da forma
x′ = f (x) (3.12)
∂f
sendo f e contı́nuas em uma região D do espaço n dimensional. Assumiremos
∂xi
que D contém a origem em seu interior, que f (0) = 0 (isto é, a origem é um ponto
crı́tico de (3.12) de forma que x ≡ 0 é uma solução de (3.12)) e que a origem é
um ponto crı́tico isolado de (3.12). Apresentaremos um critério para a estabilidade
e instabilidade da solução nula. A consideração da solução nula não é restritiva
desde que, como já vimos anteriormente, o problema de investigar a estabilidade de
qualquer ponto crı́tico x = x0 pode sempre ser transformada para a investigação da
solução nula (página 150, sec 4.2 Brauer).(RETIRAR)
Vimos na seção 2.8 (pag 85) do Brauer (RETIRAR) que soluções de sistemas
autônomos como (3.12) são convenientemente representadas como órbitas no espaço
de fase. Na apresentação da teoria de estabilidade para sistemas autônomos, é
conveniente introduzir certa terminologia extra e alguns fatos simples sobre órbitas.
Se C é uma órbita de (3.12) correspondente à solução x(t) existindo de −∞ < t <
∞, denotaremos por C + (a semi-órbita positiva) o conjunto de pontos de C com
coordenadas x(t) em que t0 ≤ t < ∞ para qualquer t0 e por C − (a semi-órbita
negativa) o conjunto de pontos de C com coordenadas x(t) em que −∞ < t ≤ t0 .
Então C = C + ∪ C − é frequentemente chamada de órbita completa.
Existe uma ı́ntima conexão entre unicidade de soluções do problema do valor
inicial para (3.12) e os seguintes fatos simples, que são de interesse geral. No que
segue, será conveniente denotar por x(t, x0 ) a solução de x′ = f (x) que satisfaz a
condição inicial x(t0 , x0 ) = x0 .
Lema 3.3.1. Se x0 é qualquer ponto de D que não é um ponto crı́tico de (3.12),
então por x0 passa no máximo uma órbita de (3.12).
Lema 3.3.2. Se uma órbita C de (3.12) passa por um ponto comum de D, então
C não pode alcançar qualquer ponto crı́tico x em D em tempo finito. (Mais pre-
cisamente, se C é gerado por uma solução φ e se lim φ(t) = x, com x ∈ D, então
t→a
a = ±∞.)
Uma simples consequência dos Lemas 3.3.1 e do 3.3.2 é o seguinte resultado:
Lema 3.3.3. Uma órbita C de (3.12) que passa por ao menos um ponto comum de
D não pode se cruzar, a menos que seja uma curva fechada em D. Neste caso, C
corresponde a uma solução periódica de (3.12).
75
Seja V (x) uma função escalar contı́nua (isto é, uma função de valores reais das
variáveis x1 , x2 , . . . , xn ) definida em alguma região U contendo a origem.
Definição 3.3.1. A função escalar V é dita positiva definida no conjunto U se, e
somente se, V (0) = 0 e V (x) > 0 se x 6= 0 e x ∈ U.
Definição 3.3.2. A função escalar V é dita negativa definida no conjunto U se, e
somente se, −V (x) é positiva definida em U.
Vamos assumir que a função escalar V (x) tem derivadas parciais de 1a ordem
contı́nuas em todo ponto da região U.
Definição 3.3.3. A derivada de V com respeito ao sistema x′ = f (x) é o produto
escalar
d
V (x(t)) = ∇V (x).f (x) (3.13)
dt
d
Note que V (x) pode ser calculada da equação diferencial sem qualquer conhec-
dt
imento das soluções. Aqui está o poder do método de Lyapunov. Observe ainda que
se x(t) é qualquer outra solução de (3.12), então pela regra da cadeia, pela definição
de solução e por (3.13), temos que
d ∂V ∂V ∂V
V (x(t)) = (x)x1 ′ (t) + (x)x2 ′ (t) + . . . + (x)xn ′ (t) (3.14)
dt ∂x1 ∂x2 ∂xn
∂V ∂V ∂V
= (x)f1 (x) + (x)f2 (x) + . . . + (x)fn (x)
∂x1 ∂x2 ∂xn
= ∇V (x).f (x)
77
d
demonstração do resultado a). Se V (x) é negativa definida, como na hipótese do
dt
resultado b), as órbitas efetivamente atravessam do exterior para o interior da região
limitada pela superfı́cie V (x) = c para todo c > 0, não importa o quão pequeno,
e isto indica a estabilidade assintótica. Os resultados de instabilidade podem ser
discutidos de uma maneira similar.
Exemplo 3.3.1.
u′ 2
Por outro lado, a energia cinética é de modo que a energia total é
2
Z u
u′ 2
+ g(s) ds
2 0
Isto sugere que devemos tentar esta energia total como uma função de Lyapunov
Z x1
x22
V (x1 , x2 ) = + g(s) ds (3.16)
2 0
Esta função é definida na região U = {(x1 , x2 )/|x1 | < k, |x2 | < ∞}, V (0, 0) = 0
e já que s g(s) > 0, o gráfico de g tem a forma sugerida na figura 5.4 Brauer, de
modo que Z x1
g(s) ds > 0, para 0 < |x1 | < k
0
78
Então V (x1 , x2 ) é positiva definida em U. Agora a derivada de V com respeito
ao sistema (3.15) é
d
V (x1 , x2 ) = x2 x′ 2 + g(x1 )x′ 1 = x2 (−g(x1 )) + g(x1 )x2 = 0, (x1 , x2 ) ∈ U (3.17)
dt
Sendo assim, encontramos uma função V que satisfaz as hipóteses do resultado
a) do Teorema 3.3.1 e então o equilı́brio (x1 , x2 ) = (0, 0) é estável. Neste caso,
encontramos também muito mais: a função V em (3.16) pode ser usada para obter
o retrato completo do plano de fase do sistema. Por (3.14) e (3.17), sabemos que se
(x10 , x20 ) é um ponto qualquer em U e se (x1 (t), x2 (t)) é uma solução qualquer de
dV (x1 (t), x2 (t)) d
(3.15) passando por esse ponto, então = V (x1 (t), x2 (t)) = 0, e a
dt dt
integração nos dá que
Pelas hipóteses impostas sobre g, estas órbitas são, para |x1 | e |x2 | suficiente-
mente pequenos, próximas da origem, simétricas com respeito ao eixo x1 , tais como
as mostradas na figura 5.5
Então pelo Lema 3.3.3, cada solução de (3.15) é periódica e não podemos esperar
provar mais; por exemplo, estabilidade assintótica da solução nula.
Exemplo 3.3.2.
sendo x = θ e y = θ′ .
figura pág 19 Boyce
79
Pelo exemplo anterior, temos que
y2
V (x, y) = + (1 − cos x)g
2
Os pontos crı́ticos do sistema 3.18 são (x, y) = (nπ, 0) com n ∈ Z. Em termos
fı́sicos, espera-se que os pontos (x, y) = (nπ, 0) com n par sejam estáveis já que
correspondem ao momento em que o pêndulo se encontra verticalmente posicionado;
e mais, espera-se que sejam instáveis os pontos (x, y) = (nπ, 0) com n ı́mpar, uma
vez que correspondem aos momentos em que o extremo do pêndulo atinge altura
máxima. Isto está de acordo com o Teorema de Lagrange, uma vez que a expressão
(1 − cos x)g - correspondente à função energia potencial - alcança seus mı́nimo e
máximo respectivamente nos pontos (x, y) = (2nπ, 0) e (x, y) = ((2n + 1)π, 0), com
n ∈ Z.
Nos pontos crı́ticos estáveis, temos que V é nula. Se a condição inicial (x0 , y0)
está suficientemente próxima de um desses pontos crı́ticos estáveis, então a energia
V (x0 , y0 ) é pequena e movimento associado a esta energia permanece próxima ao
ponto crı́tico. E por outro lado, se V (x0 , y0 ) é suficientemente pequena, a trajetória
se mantém próxima ao ponto crı́tico. Por exemplo, suponha (x0 , y0) próxima à
origem e V (x0 , y0 ) muito pequeno. A equação do movimento do pêndulo sujeito à
y2
energia V (x0 , y0 ) é V (x, y) = + (1 − cos x)g = V (x0 , y0 ). Para x pequeno, temos
2
que 1 − cos x = 1 − (1 − x2 /2! + . . .) ∼ = x2 /2. Assim, a equação do movimento é
2 2
y gx
aproximadamente + = V (x0 , y0 ) ou ainda
2 2
x2 y2
+ =1 (3.19)
2V (x0 , y0 )/g 2V (x0 , y0 )
Esta é uma elipse circundante ao ponto crı́tico (0, 0); quanto menor V (x0 , y0),
menores são os eixos maior e menos da elipse. Fisicamente, a trajetória fechada
corresponde a uma solução que é periódica em t - o movimento é uma pequena
solução ao redor do ponto de equilı́brio. Obviamente, se algum amortecimento é
adicionado de forma que a energia total V decai com o tempo, é natural esperar
que a amplitude do movimento também decaia com tempo, fazendo o centro (0, 0)
se tornar um ponto crı́tico assintoticamente estável.
Verifiquemos agora a aplicabilidade do Teorema 3.3.1 aos pontos crı́ticos (0, 0)
e (π, 0) deste problema. Tome V em D = {(x, y)/ |x| < π/2, |y| < ∞}, então V é
d
positiva definida em D. E mais, já savemos que V = 0 para todo (x, y). Logo
dt
d
V é não positiva definida em D. Daı́ segue, pelo Teorema 3.3.1, que a origem é
dt
um ponto crı́tico estável para o pêndulo sem atrito. (RETIRAR: tal conclusão não
pode obtida a partir da teoria de Sistemas Quase-Lineares)
80
Agora considere o ponto (π, 0). A função V que usamos até agora já não é mais
d
apropriada porque o resultado c) do Teorema 3.3.1 exige uma função V tal que V
dt
seja positivo definido. Para analisar tal ponto, é conveniente movê-lo para a origem
pela mudança de variáveis x = π + u, y = v. Então a equação diferencial toma a
seguinte forma: ′
u = v
v ′ = g sen u
e o ponto crı́tico é (0, 0) no plano uv. Considere a função V (u, v) = v sen u em
D = {(u, v)/ 0 < u < π/4, v > o}, então V é positiva definida em D e
d
V (u, v) = v 2 cos u + g sen2 u
dt
é positiva definida em D. Daı́ segue, pelo resultado c) do Teorema 3.3.1, que o ponto
(0, 0) no plano uv ou o ponto (π, 0) no plano xy é instável.
Exemplo 3.3.3.
Considere o seguinte sistema:
x′ = −x − y
y′ = x − y3
Aqui não existe motivação fı́sica alguma para tentar alguma particular função
V . Em tais casos, devemos tentar uma função como V (x, y) = x2 + y 2 , que é
d
obviamente positiva definida. A questão é: o que será V para este sistema em
dt
d 2 4
particular? Ora, temos que V (x, y) = −2x − 2y , que é obviamente negativa
dt
definida. Sendo assim, sobrou sorte e concluimos do resultado b) do Teorema 3.3.1
que (x, y) = (0, 0) é assintoticamente estável. Note porém que ainda não temos
informação alguma sobre a região de estabilidade assintótica.
Exemplo 3.3.4.
Considere agora a equação de Liénard
ou ainda,
x′ = y
y ′ = −g(x) − y
em que g(u) satisfaz as hipóteses do Exemplo 3.3 (g é continuamente diferenciável
para |u| < k, para alguma constante k > 0, u g(u) > 0 se u 6= 0) e tal função é
81
normalmente chamada de um ??nonlinear spring??. Fisicamente, sob estas hipóteses,
o sistema u′′ + u′ + g(u) modela o movimento de um pêndulo, que se depara com
uma resistência do ar proporcional à velocidade. Como no Exemplo 3.3, devemos
naturalmente tentar a energia total como uma função de Lyapunov V . Sendo assim,
Z x
y2
V (x, y) = + g(s) ds
2 0
parece ser uma boa candidata. De fato, a função V é positiva definida na região
d d
D = {(x, y)/ |x| < k, |y| < ∞} e como V = −y 2 , temos que V ≤ 0 em D. Com
dt dt
d
isso, (0, 0) é estável, aplicando o resultado a) do Teorema 3.3.1. Mas V (x, y) não
dt
d
é negativa definida em D uma vez que V (x, 0) = 0, ∀x ∈ D, e então não podemos
dt
aplicar o resultado b) para concluir que a origem é assintoticamente estável. Porém,
espera-se que seja esse o caso; Se g(u) fosse linear ou quase-linear, poderı́amos facil-
mente comprovar este fato por teoremas anteriores (adicionar teorema 4.3 Brauer
pag 161), mas não podemos inferir sobre este comportamento aqui, mesmo em casos
simpels, usando o Teorema 3.3.1 e a função V acima. (REVER esse final)
Exemplo 3.3.5.
em que (x, y) ∈ D = {(x, y) |x| < k, |y| < ∞} e β > 0 uma constante suficien-
temente pequena a ser determinada por várias restrições. A primeira delas é que
U(x, y) deve ser positiva definida. A motivação é muito simples: se U é da forma
quadrática, digamos ax2 + bxy + cy 2 , então podemos certamente escolher número
reais a, b e c de modo que ax2 + bxy + cy 2 é positivo definido. Aqui tentamos fazer
algo análogo e esperamos ser suficiente pois g(x) tem o mesmo sinal de x. Lembre
da seguite desiguldade para números reais A e B: 2|AB| ≤ A2 + B 2 , e mais geral,
u √
para qualquer γ > 0, fazendo A = √ e B = v γ, temos
γ
u2
2|uv| ≤ + v2γ (3.22)
γ
82
Assim de (3.21) e (3.22) com γ = 1, temos
β 2
U(x, y) ≥ V (x, y) − (g (x) + y 2) (3.23)
2Z
x
1−β 2 β 2
= y + g(s) ds − g (x)
2 0 2
para (x, y) ∈ D. Agora considere
g 2 (x)
sendo k1 um constante positiva menor que k. Note que a razão Z x é obvia-
g(s) ds
0
mente positiva para 0 < |x| < k.
Substituindo em (3.23), obtemos a seguinte desigualdade
Z x
1−β 2 Cβ
U(x, y) ≥ y + 1− g(s) ds (3.24)
2 2 0
Então, tomando 0 < β < min {1, 2/C}, temos U(x, y) positiva definida em
{(x, y)/ |x| < k1 , |y| < ∞}.
d
Vamos agora calcular U(x, y) com respeito ao sistema (3.21) e ver ser podemos
dt
d
também escolher β a fim de fazer U(x, y) negativa definida. Começando com
dt
(3.21), temos
d
U(x, y) = y(−g(x) − y) + βg ′ (x)y 2 + βg(x) [−g(x) − y] + g(x)y
dt
= −y 2 + βg ′(x)y 2 − βg(x)y − βg 2 (x)
83
Tome M = max |g ′ (x)|, em que 0 < k1 < k e obtemos
|x|<k1
h
d 2 γ i 1
− U1 (x, y) ≥ y 1 − β M + +β 1− g 2(x) (3.26)
dt 2 2γ
Agora escolhendo
γ suficientemente grande, em particular γ = 1 servirá, de tal
1
forma que 1 − > 0 e ainda escolha β suficientemente pequeno de forma que
2γ
γ d
0<β< M+ ; com isso, U(x, y) é negativa definida. Lembre que escolhemos
2 dt
β pequeno o suficiente de modo que 0 < β < min {1, 2/C}; isto certamente pode
ser feito. Então, (3.24) e (3.26) mostram que a função U(x, y) definida em (3.21) é
d
positiva definida e tem U(x, y) negativa definida (com respeito ao sistema (3.21))
dt
em {(x, y)/ |x| < k1 , |y| < ∞}, sendo k1 qualquer constante que satisfaz 0 < k1 < k.
Finalmente, o resultado b) do Teorema (3.3.1) pode ser aplicado e concluimos pela
estabilidade assintótica de (0, 0).
84
Tome Br uma bola centrada na origem, r < r0 , e tomemos p > 0 tal que Ap ⊂ Br ,
e Bε uma bola contida em Ap .
d
a) V (x) ≤ 0
dt
d
Se x(t0 ) está em Bε , então está em Ap e da hipótese de V (x) ≤ 0, segue que
dt
V (x(t)) ≤ V (x(t0 )) para todo t > t0 para o qual exista x(t). Mas isto implica
imediatamente que x(t) está em Ap e, portanto, x(t) está em Br . A estabilidade
pode daı́ ser concluı́da da existência de x(t) para todo t > t0 , o que decorre do
princı́pio de continuação de soluções (ver Brauer pag 132).
d
b) V (x) < 0
dt
Se x(t0 ) está em Bε então x(t) está em Br para t > t0 . Mostremos que dado
σ > 0, existe tσ tal que x(t) está em Aσ para todo t > tσ , o que, pela propriedade
“decrescente” das vizinhanças Aσ , conduz à conclusão de que x(t) → 0 quando
t → ∞, isto é, o ponto crı́tico é assintoticamente estável.
Suponha que esta afirmação não seja válida, isto é, existe σ > 0 tal que x(t, x0 )
d
não está em Vσ para todo t > t0 . Tomemos então a função V (x) no conjunto
dt
fechado {x/ |x| ≤ r0 e V (x) ≥ σ}, onde ela tem um máximo negativo −λ0 < 0.
Como a trajetória se encontra nesta região para t > t0 , temos dV (x(t)/dt < −λ0
para t > t0 . Mas isto é um absurdo, pois implicaria que lim V (x(t)) = −∞, o que
t→∞
prova a afirmação.
c) Deixado como exercı́cio.
Definição 3.3.4. Uma matriz A é dita positiva definida se v T Av > 0, para todo
vetor não nulo v.
85
Sejam A uma dada matriz constante assintoticamente estável e C uma dada ma-
triz positiva definida simétrica. Então existe uma matriz positiva definida simétrica
B tal que
AT B + BA = −C
X ′ = AX + XAT (3.27)
Seja X(t) = U(t) exp(AT t), com U uma matriz a ser determinada. Então (3.27)
se torna
ou
U ′ = AU (3.28)
Então a solução U(t) de (3.28) com U(0) = C é
U(t) = eAt C
A próximo passo é usar (3.29) para resolver a equação matricial AB+BAT = −C.
Defina a matriz
Z ∞ Z ∞
T
B= exp(At) C exp(A t) dt = X(t) dt (3.30)
0 0
desde que esta integral seja convergente. Antes de usar tal matriz, mostremos que
sob as hipóteses já impostas, a integral converge. Já que A é assumida como sendo
assintoticamente estável, todos os seus autovalores possuem parte real negativa. Os
autovalores de AT são os mesmos que os de A. Então existem constantes positivas
K e σ tais que
|eAt | ≤ Ke−σt
Assim,
86
Isto prova a convergência da integral (3.30). Mostremos agora que a matrix B
fornece a solução do sistema AB + BAT = −C. Então,
Z ∞ Z ∞
T
AB + BA = A X(t) dt + X(t) dt AT
Z ∞0 0
Z ∞
= T
AX(t) + X(t)A dt = X ′ (t) dt
0 0
= lim (X(R) − X(0))
R→∞
em que usamos o fato de que X(t) definida por (3.29) satisfaz (3.27) e que X(0) = C.
A convergência da integral (3.30) implica que lim X(R) = 0, e então AB + BAT =
R→∞
−X(0) = −C e daı́ segue que B é uma solução de AB + BAT = −C.
Podemos encarar AB + BAT = −C como um sistema de n2 equações algébricas
para os elementos de B. Desde que este sistema tenha uma solução para todo termo
não homogêneo C, o determinante de seus coeficientes é não nulo, e portanto a
solução é única. ????
Finalmente, devemos mostrar que a solução B dada por (3.30) é simétrica e
positiva definida. Já que C é simétrica,
Z ∞ Z ∞
T T
T
B = X (t) dt = exp(At) C exp(AT t) dt
0
Z0 ∞
= exp(At) C T exp(AT t) dt
Z0 ∞
= exp(At) C exp(AT t) dt
Z0 ∞
= X(t) dt = B
0
87
com A uma matriz assintoticamente estável (não necessariamente simétrica). Procu-
ramos por uma função escalar positiva definida da forma
V (x) = xT Bx
d d ′
V (x(t)) = [V (x(t))] = xT (t)Bx(t)
dt dt ′
= xT (t) Bx(t) + xT (t)Bx′ (t)
T
= (x′ (t)) Bx(t) + xT (t)BAx(t)
= (Ax(t))T Bx(t) + xT (t)BAx(t)
= xT (t)AT Bx(t) + xT (t)BAx(t)
= xT (t) AT B + BA x(t)
Sendo assim,
d
V (x) = xT AT B + BA x
dt
d
E com isso, V (x) será negativa definida se, e somente se, a matriz simétrica
dt
C for positiva definida
−C = AT B + BA
O Teorema de Lyapunov 3.3.2 diz que para qualquer dada matriz positiva definida
simétrica C e para qualquer matriz assintoticamente estável A, pode-se satifazer esta
condição com uma matriz positiva definida B.
88
Teorema 3.3.3. Teorema da Linearização de Lyapunov-Poincaré
Seja f (x) um campo continuamente diferenciável em uma vizinhança da origem
na qual podemos escrever
f (x) = Ax + ξ(x)
então
Mas
|ξ(x)| 2
2Bx.ξ(x) ≤ 2|Bx| |ξ(x)| ≤ σ|x| |ξ(x)| ≤ σ |x|
|x|
|ξ(x)|
Se tomarmos x em uma região U tal que σ < 1 − ε (o que é possı́vel, visto
|x|
ξ(x) d
que lim = 0), vemos que, em U, V (x) < −ε|x|2 e, portanto, V (x) é uma
x→0 |x| dt
função de Lyapunov do tipo b) para o campo f (x) na vizinhança da origem, o que
implica, pelo Teorema de Lyapunov, a estabilidade assintótica.
89
Teorema 3.3.4. Sejam a origem um ponto de equilı́brio isolado para o sistema
x′ = f (x) e V uma função continuamente diferenciável. Se existe um domı́nio
d
limitado DK contendo a origem em que V (x) < K, V é positiva definida e V é
dt
negativa definida, então toda solução x(t) do sistema autônomo que começa em um
ponto de DK é tal que lim x(t) = 0.
t→∞
90
Exemplo 3.3.7.
Considere o sistema
x′ = x(1 − x − y)
y ′ = y(0, 75 − y − 0, 5x)
de modo que esses termos são positivos definidos. Por outro lado, o termo cúbico
d
de V pode mudar de sinal. Então devemos mostrar que, em alguma vizinhança
dt
de (u, v) = (0, 0), os termos cúbicos são menores em magnitude que os termos
quadráticos, isto é,
91
o que fornece r < 1/28. Então, ao menos neste disco, as hipóteses do Teorema 3.3.1
estão satisfeitas, isto é, a origem é um ponto crı́tico assintoticamente estável. O
mesmo é verdade para o ponto crı́tico (0.5, 0.5) do sistema original.
A seguir, apresentamos dois modelos que retratam a interação entre duas espécies,
usando-se das ferramentas da teoria qualitativa já vista.
indicando que as respectivas taxas de crescimento são inibidas de uma maneira linear
pelas duas populações.
O sistema de equações (3.32) não tem necessariamente uma solução analı́tica;
por isso, neste caso especı́fico, um estudo qualitativo das soluções é imprescindı́vel.
Os pontos crı́ticos de (3.32) são dados pelas soluções do sistema algébrico
x(a − bx − αy) = 0
y(c − dy − βx) = 0
92
O ponto de equilı́brio (0, 0) será sempre um nó instável, independentemente dos
valores dos coeficientes que aparecem em (3.32), pois tal sistema linearizado é dado
por ′
x = ax
y ′ = cy
em que λ1 = a e λ2 = c, ambos positivos, são os autovalores desse sistema linear.
a b
Consideremos o caso em que bd − αβ = 0. Dadas as retas paralelas y = − x
α α
c β a c
e y = − x, suponha < .
d d α d
y
dc
a b
x
a c
Figura 3.3: Retas paralelas com <
α d
95
y
c
d
a
Α
a b c Β x
c a c a
Figura 3.4: > e >
d α β b
a
Α
c
d
c Β a b x
c a a c
Figura 3.5: < e >
d α b β
96
y
a
Α
c
d
a b c Β x
a c c a
Figura 3.6: > e >
α d β b
y
c
d separatriz
a
Α
c Β a b x
c a c a
Figura 3.7: > e <
d α β b
97
(x∗ , y ∗): ponto de sela. Haverá extinção de uma das espécies, dependendo da
condição inicial das populações. Só pode haver coexistência das espécies se o ponto
inicial estiver na trajetória divisória (separatriz), que é composta das duas órbitas
que se dirigem para (x∗ , y ∗).
98
equações algébricas
ax − αxy = 0
(3.35)
−by + βxy = 0.
b a
Tais pontos crı́ticos são (0, 0) e , , sendo (0, 0) um ponto de sela, uma vez
β α
que o sistema linearizado ′
x = ax
y ′ = −by
caracterı́stico, λ1 = a > 0 e λ2 = −b < 0. Para
admite como raı́zes do polinômio
b a
analisar o ponto crı́tico , , fazemos a mudança de variáveis
β α
b a
x= +u e y = +v (3.36)
β α
em (3.34) e obtemos
αb
u′ = − v − αuv
β
v′ = aβ
u + βuv.
α
Tal sistema quase linear é associado ao sistema linearizado
αb
u′ = − v
β (3.37)
v′ = aβ
u
α
2
cujo polinômio
√ caracterı́stico associado é λ + ab = 0. As raı́zes são os imaginários
puros λ = ±i ab. Neste caso, o ponto crı́tico é um centro (estável) para o sistema
linear acima. De fato, tomando
aβ
dv u
=− α
du bα v
β
obtemos as curvas-solução no plano-uv de fase, dadas por
aβ 2 bα 2
u + v =K (3.38)
α β
(sendo K uma constante positiva arbitrária) que são elipses concêntricas para cada
valor de K > 0.
99
Sabemos que quando λ1 e λ2 são imaginários puros, a natureza do ponto crı́tico
para o sistema linear é indeterminada. No modelo presa predador, especificamente,
esta indeterminação pode ser resolvida, uma vez que a equação do plano de fase
dy y(−b + βx)
= (3.39)
dx x(a − αy)
é separável. As curvas soluções de (3.39) são dadas implicitamente por
−a ln y + αy − b ln x + βx = ln k (3.40)
onde k > 0 é uma constante de integração. Tal equação pode ser reescrita como
Embora usar somente funções elementares não nos permita resolver a equação
(3.41) explicitamente para uma variável em termos da outra, é possı́vel mostrar que
o gráfico da equação
para
um dado valor de k é uma curva fechada que circunda
b a
o ponto crı́tico , . Sendo assim, o ponto crı́tico é também um centro para
β α
o sistema não linear (3.34) e as populações do predador e da presa exibem uma
variação cı́clica.
As órbitas representadas pela equação (3.41) podem ser traçadas através do
método gráfico de Volterra. Considere as funções F1 e F2 como abaixo:
É claro que, para cada valor da constante arbitrária k, existe uma curva integral
correspondente. A fim de construir as curvas integrais, investiguemos a forma das
funções F1 (x) e F2 (y). Temos que
dF1 −b−1 −b b
= −bx exp(βx) + βx exp(βx) = β − F1 (x)
dx x
b b dF1
e então F1′ < 0 para 0 < x < e F1′ > 0 para x > , logo = 0 se, e somente se,
β " #β dx
2
b d2 F1 b b
x= . Note que 2
= F1 (x) β − + 2 > 0, para x > 0. Então a função
β dx x x
F1 tem a forma dada pela figura abaixo.
100
F1 HxL
x
bΒ
Quanto à F2 ,
dF2 a−1 a a
= ay exp(−αy) − αy exp(−αy) = F2 (y) −α ,
dy y
a a
de onde segue que F2′ = 0 se, e somente se, y = e, F2′ > 0 para 0 < y < e
α α
a
F1′ < 0 para x > . Portanto, a função F2 é como mostrado na figura abaixo.
α
F2 HyL
y
aΑ
" 2 #
d2 F2 a a
De fato, existem pontos de inflecção, dado que = F2 (y) −α − ,
dy 2 y y
mas eles serão negligenciados por simplicidade gráfica.
101
Podemos agora construir as curvas integrais da figura 3.10. Nos segundo e quarto
quadrantes, as curvas F2 e F1 encontrados acima são desenhadas; no terceiro quad-
rante a reta representa a equação (3.42). Tome P0 um ponto arbitrário sobre a
reta R de inclinação k. Desenhe duas linhas a partir dele, uma perpendicular ao
eixo OF1 e a outra ao eixo OF2. Sejam D, E, F, G os pontos de interesecção destas
linhas com as curvas F1 e F2 . Dos pontos D e E desenho duas linhas paralelas ao
eixo OF1 e dos pontos F e G desenhe duas linhas paralelas ao eixo OF2 . Os qua-
tro pontos de intersecção dessas quatro linha (pontos 1, 2, 3, 4) pertencem à curva
integral F1 (x) = kF2 (y). De fato, cada um desses pontos, por construção, é tal
que iguala F1 (x) a kF2 (y). Os pontos P0 sobre a reta R deve estar compreendidos
entre P ′ e P ′′ , dado o valor arbitrário k. Para cada valor de k, existe uma curva
integral correspondente e pode ser construı́da da mesma maneira. Todas as curvas
são fechadas (excetouma correspondente aos eixos coordenados), de modo que o
b a
ponto de equilı́brio, , , é um centro.
β α
Basta verificar pela figura 3.10 e pelas equações (3.34) que a direção do movi-
mento ao longo da curva integral é o apontado pelas setas (anti-horário). Tome,
a
por exemplo, o ponto 2. Lá, y é maior que , de modo que a − αy < 0 e x′ < 0
α
b
(x decresce); x é menor que , de modo que b − βx > 0 e y ′ < 0 (y decresce).
β
102
Então o ponto caminha no sentido anti-horário sobre a curva integral indicada. Se
puséssemos y no eixo horizontal e x no vertical, a curva integral resultante teria
sentido oposto (horário).
Enquanto o ponto representativo caminha ao longo da curva integral, x oscila
entre os valores xm e xM , e y oscila entre ym e yM . Os valores limitantes de ambas
as populações são dependentes de seus estágio iniciais, pois dependem da constante
arbitrária k. Dadas as condições iniciais, a inclinação da reta R (e então a curva
integral correspondente) é determinada, bem como o ponto sobre a curva integral
do qual o movimento começa.
É também interessante notar que qualquer choque externo simplesmente traz
uma mudança de uma curva integral para outra, onde o sistema
retorna a seu movi-
b a
mento periódico. Quando o desvio do ponto crı́tico , for pequeno, as órbitas
β α
são a famı́lia de elipses dada por (3.38). A solução analı́tica do sistema (3.37) fornece
estas elipses na forma paramétrica, em que o tempo t é o parâmetro.
Derivando, em relação a t, ambos os membros da primeira equação de (3.37) e
dv
tomando o valor de da segunda equação, obtemos
dt
d2 u bα dv bα aβ
2
=− =− u
dt β dt β α
ou
u′′ + bau = 0.
Com processo análogo, obtemos
v ′′ + abv = 0.
103
b a
Portanto, para pequenas flutuações em torno do ponto crı́tico , , o tamanho
β α
das populações de presas e predadores varia periodicamente com o perı́odo T =
2π
√ , independentemente das condições iniciais (Lei do Isocronismo dos Pequenos
ab
Desvios).
Temos também que as populações de presas e de predadores estão defasadas
r em
b a b
1/4 de ciclo e a amplitude das oscilações é k para as presas e k para os
β α a
predadores, dependendo das condições iniciais e também dos parâmetros do prob-
lema.
dx a
Do sistema (3.34), temos que > 0 quando y < (com nı́vel baixo de
dt α
dx a
predadores, o número de presas aumenta) e < 0 quando y > (o número
dt α
de presas diminui quando a quantidade de predadores é grande).
dy b
Também, > 0 quando x > (alimentação em grande quantidade favorece
dt β
dy b
o crescimento dos predadores) e < 0 quando x < (com pouco alimento, os
dt β
predadores diminuem).
3.5
3.0
2.5
2.0
1.5
1.0
0.5 presa
predador
5 10 15 20 25 30
104
forma
1
x′ = a − αy
x (3.45)
1
y ′ = −b + βx.
y
Integrando ambas as equações de (3.45) entre 0 e T , sendo T é o perı́odo das
soluções em questão, obtemos
Z T
ln x(T ) − ln x(0) =
(a − αy) dt
0
Z T (3.46)
ln y(T ) − ln y(0) =
(−b + βx) dt.
0
ou Z Z
T T
1 a 1 b
y dt = e x dt = (3.47)
T 0 α T 0 β
sendo os dois primeiros membros das equações (3.47) os valores médios de y e de x
ao longo do perı́odo.
Como consequência deste resultado, temos que os valores médios das populações
x e y independem de seus estados iniciais e são exatamente iguais a seus valores
a b
estacionários e .
α β
Isto sugere que para diminuir a quantidade de presas em um ecossistema não
adianta aumetarmos a quantidade de predadores, pois tal fato somente aumentaria
a magnitude da oscilação do ciclo. Os valores médios continuariam os mesmos.
Um fenômeno interessante que ocorre num modelo presa-predador é que uma
retirada uniforme de elementos de ambas as populações beneficia as presas. Por
exemplo, o bicudo (praga do algodão) e a formiga (predadora) convivem num sistema
presa-predador. Se usarmos um inseticida que mata indiscriminadamente tanto os
insetos predadores (formigas) como as presas (bicudos), valor médio dos bicudos deve
aumentar, a não ser que o veneno seja suficientemente eficaz a ponto de destruir toda
a praga.
Este fenômeno foi observado pela primeira vez por Volterra, analisando os da-
dos fornecidos por D’Ancona, relativos à quantidade de tubarões e outros peixes
predadores, que havia aumentado consideravelmente durante a 1a Guerra Mundial
(1914-1918) no Mar Adriático. A diminuição da pesca, neste perı́odo, propiciou o
aumento do valor médio dos predadores.
105
Capı́tulo 4
O Teorema de Poincaré-Bendixson
106
Exemplo 4.1.1. Para qualquer ponto de equilı́brio x∗ ∈ Rn do sistema (4.1), o
conjunto Γ = {x∗ } é invariante.
Teorema 4.1.1. Os conjuntos ω-limite e α-limite de uma órbita γ são dados por
\ \[
ω(γ + ) = γ(x0 ) = x(s) (4.3)
x0 ∈γ + t≥0 s≥t
\ \[
α(γ − ) = γ(x0 ) = x(s)
x0 ∈γ − t≤0 s≤t
107
Suponhamos que γ + é limitada e seja x(t) uma solução correspondente a γ + ,
então existe M > 0 tal que |x(t)| ≤ M, ∀t ≥ 0 e, como toda sequência (tn )n com
tn → ∞ é tal que |x(tn )| ≤ M, tem-se que ω(γ + ) ⊂ BM (0, Rn ). Assim, ω(γ + ) é um
subconjunto limitado e fechado de Rn ; logo, ω(γ + ) é compacto.
Para ver que ω(γ + ) 6= ∅, basta notar que a sequência (x(tn ))n definida por
x(tn ) = x(n) é limitada em Rn e, portanto, possui uma subsequência convergente a
um ponto p ∈ Rn . Sendo ω(γ + ) compacto, temos que p ∈ ω(γ + ).
Mostremos que d (x(t), ω(γ + )) → 0. Se esta afirmação não fosse verdadeira,
existiriam um número ε0 > 0 e uma sequência (tn )n com tn → ∞ tais que
d x(tn ), ω(γ + ) > ε0 . (4.5)
Como (x(tn ))n é uma sequência limitada, existe uma subsequência (x(tnk ))k con-
vergente para um ponto p que, pela definição de conjunto ω-limite, pertenceria a
ω(γ + ), contrariando a desigualdade (4.5). Logo, d (x(t), ω(γ + )) → 0.
Suponhamos, por absurdo, que ω(γ + ) não seja conexo. Como ω(γ + ) é fechado,
existem A e B conjuntos fechados, disjuntos e não vazios tais que ω(γ + ) = A ∪ B.
Tome ρ = d(A, B) > 0, então existem a ∈ A e b ∈ B tais que d(a, b) = ρ. Sejam
(sn )n e (s̃n )n sequências tais que sn → ∞, s̃n → ∞ e ainda x(sn ) → a e x(s̃n ) → b.
Consideremos a sequência (tn )n definida por
t2n−1 = sn e t2n = s̃n
e a função g(t) = d(x(t), A) contı́nua em (tn , tn+1 ), para todo n.
Como x(sn ) → a e x(s̃n ) → b, existe n0 tal que
g(t2n−1 ) < ρ/2
n ≥ n0 ⇒
g(t2n ) > ρ/2
e então segue do Teorema do Valor Intermediário que existe t∗n entre tn e tn+1 tal
que
g(t∗n ) = d(x(t∗n ), A) = ρ/2.
∗
Ainda, como a sequência (x(t
n ))n ⊂ {x ∈ U/ d(x, A) = ρ/2}, um compacto, ex-
iste uma subsequência x(tnk ) k convergente para um ponto p∗ ∈ ω(γ + ) = A ∪ B.
∗
108
4.2 Considerações Geométricas
Considere o sistema autônomo planar
′
x = f1 (x, y)
(4.6)
y ′ = f2 (x, y),
• existe nk tal que pnk = p∗ : neste caso, γ é uma órbita periódica com perı́odo
T > 0. Logo, uma infinidade de pontos pnk coincidem com p∗ , o que implica
que b − a = mT , ∀m, o que é impossı́vel;
109
• pnk 6= p∗ , ∀k: então (p∗ pnk )k é uma sequência de retas secantes à órbita, cuja
direção limite é a tangente a γ em p∗ . Mas esta direção limite é tangente a
mesma de L; portanto, L é tangente a γ em p∗ , contrariando a definição de
segmento transversal.
Logo, γ ∩ L é um conjunto finito.
Mostremos iv). Não há perda de generalidade em supor p = (0, 0) e L ⊂
{(x, 0)/ x ∈ R}, o eixo x. A solução (x(t, x0 , y0), y(t, x0 , y0)) de (4.6) é uma função
continuamente diferenciável das variáveis t, x0 e y0 em alguma Br (0, R3). Além
disso, pela definição de segmento transversal, temos
∂y
(0, 0, 0) 6= 0.
∂t
Pelo Teorema da Função Implı́cita, a equação y(t, x0, y0 ) = 0 tem uma única
solução t = t(x0 , y0 ) definida em alguma bola Bδ (0, R2 ) que depende continuamente
de (x0 , y0 ). Como t(0, 0) = 0, segue que, para δ > 0, suficientemente pequeno, temos
|t(x0 , y0)| < ε, ∀(x0 , y0) ∈ Bδ (0, R2 ).
Lema 4.2.2. Dada uma órbita γ, suponha um ponto regular p em ω(γ) e seja L um
segmento transversal passando p. Então, existe uma sequência monótona (tn )n tal
que tn → ∞ e γ ∩ L = {p1 , p2 , . . .}, em que (pn )n = (x(tn ), y(tn ))n .
Se p1 = p2 , então pn = p, ∀n e γ é uma órbita periódica.
Se p1 6= p2 , então todos os pontos pn são distintos e pn+1 está entre pn e pn+2 .
Demonstração: Como p ∈ ω(γ), toda bola centrada em p contém pontos de γ
correspondentes a valores arbitrariamente grandes de t. Portanto, o Lema 4.2.1 iv)
implica que existem infinitos valores de t correspondentes a pontos de L ∩ γ. Mas,
pelo Lema 4.2.1 iii), qualquer arco finito de γ só pode interceptar L um número
finito de pontos. Assim, L ∩ γ = {p1 , p2 , . . .}, com (pn )n = (x(tn ), y(tn ))n e tn → ∞,
monotonicamente.
Se p1 = p2 , então γ é uma órbita periódica, o que implica que pn = p1 , ∀n e,
como pn → p, temos que p = p1 = pn , ∀n.
Suponhamos p1 6= p2 . Como γ não intercepta L para t1 < t < t2 , segue-se que o
arco de γ dado por t1 < t < t2 mais o segmento p1 p2 formam uma curva de Jordan
Γ. Há dois casos a se considerar:
Caso 1: Para t2 < t < t2 + ε, γ está dentro de Γ. Para sair do interior de Γ, a órbita γ
deveria cruzar Γ, pelo Teorema da Curva de Jordan, mas γ não pode cruzar
a si própria e, pelo Lema 4.1 ii), não pode cruzar p1 p2 no sentido contrário.
Assim, γ permanece no interior de Γ para todo t > t2 . Portanto, p3 6= p1 e
p3 6= p2 e p2 está entre p1 e p3 . Agora, procedendo por indução, obtemos a
sequência (pn )n monótona.
110
L
p1
p2
p3 Γ
p4
p5
Caso 2: Para t2 < t < t2 + ε, γ está fora de Γ. Então Γ não pode entrar no interior de
Γ, e o argumento procede como no Caso 1, com as devidas alterações.
L Γ
p5
p4
p3
p2
p1
111
Observação: Como a sequência (pn )n é monótona, segue que p é o único ponto
limite de (pn )n . Isto implica o seguinte lema:
Lema 4.2.3. Nenhum segmento transversal pode interceptar ω(γ) em 2 pontos dis-
tintos.
Lema 4.2.4. Se ω(γ) contém uma órbita periódica Γ, então ω(γ) = Γ.
Demonstração: Suponhamos que não: então existe p ∈ ω(γ) tal que p ∈ / Γ.
Como ω(γ) é não vazio e conexo, o conjunto ω(γ)\Γ não é fechado (caso contrário,
ω(γ) seria união de dois conjuntos fechados disjuntos: ω(γ)\Γ e Γ). Como ω(γ) é
fechado, existe q ∈ Γ que é ponto de acumulação de ω(γ)\Γ. Seja L um segmento
transversal passando por q. Como toda bola Bδ (q, R2 ) contém um ponto de ω(γ)\Γ,
é claro que L será interceptado por uma órbita pertencente a ω(γ)\Γ. Portanto, ω(γ)
intercepta L em dois pontos distintos, contrariando o Lema 4.2.3. Esta contradição
mostra que ω(γ) = Γ.
112
fora de ω(γ + ) temos a configuração abaixo (pelo Teorema de Jordan) e portanto a
aproximação é espiral.
113
Capı́tulo 5
Modelo de Goodwin
114
de Goodwin conduzem a diferente resultados.
Termos como crescimento e taxa de crescimento são extensamente utilizados em
análises e modelos econômicos. Vale lembrar que o termo crescimento se refere
a variação em valor absoluto de uma variável, podendo portanto ser positivo ou
negativo. Por exemplo, o PIB do Brasil em 2009 e em 2010 foi de R$ 3,418 trilhões
e de R$ 3,675 trilhões, respectivamente; um crescimento de R$ 257 bilhões de 2009
para 2010. Porém, a maneira mais corriqueira de se referir a esse crescimento é
pela taxa de crescimento, isto é, dado o valor de uma variável x num instante t,
digamos, xt , e o seu valor, xt+1 , no instante t + 1, a taxa de crescimento nada mais
xt+1 − xt
é que ; em nosso exemplo então, o PIB sofreu um crescimento de 7, 519%
xt
(aproximadamente). Para fins econômicos, a taxa de crescimento é comumente
dx x2 − x1
t − t1
expressa pela forma dt , uma vez que pode ser aproximada pela expressão 2 ,
x x1
ainda que grosseiramente. E mais, em contextos econômicos, são comuns variáveis
cujo valor é calculado anualmente, como o PIB e o Investimento agregado, por
x2 − x1 dx
t − t1 x − x
≈ dt . Na intenção de simplificar a
2 1
exemplo. Daı́ seque que 2 =
x1 x1 x
x′
notação, considere gx a taxa de crescimento da variável x, isto é, gx = .
x
5.1 Desenvolvimento
Considere as seguintes hipóteses:
Note que não existe aqui a hipótese de pleno emprego, isto é, a suposição de
que todos os trabalhadores estão empregados: L = N, em que L representa a
quantidade de trabalhadores empregados e N a quantidade de trabalhadores;
115
(iii.) a produção, Y , é uma variável dependente apenas da força de trabalho N e do
capital K, isto é, Y = Y (N, K), sendo N e K homogêneos e não especı́ficos.
A variável K, dada em valor monetário assim como Y , engloba ativos fı́sicos
da empresa utilizados para a produção tais como máquinas, fábricas, móveis,
imóveis entre outros;
(iv.) todas as quantidades são reais e lı́quidas, isto é, as quantidades monetárias
estão expressas lı́quidas de impostos e em valor real de compra, portanto,
descontadas já a inflação;
(v.) todos os salários são consumidos e todos os lucros são poupados e automati-
camente reinvestidos;
K
(vi.) a razão é constante e igual a k;
Y
(vii.) sendo w o salário real, a taxa de crescimento do salário real, gw , cresce quando
próximo do pleno emprego. O que parece razoável, uma vez que os trabal-
hadores ganham mais poder de barganha quando existem poucos desempre-
gados, basta notar que as empresas se sentem obrigadas a ceder salários mais
altos para não perder seu trabalhador (já escasso).
Seja u a participação dos trabalhadores no produto
wL
u= (5.4)
Y
e daı́ segue que a participação das empresas no produto é 1 − u. Como
wL Y − wL
1−u =1− = ,
Y Y
segue que os lucros são a diferença entre a receita, Y , e o salário total, wL, isto é, o
salário pago w a L empregados. Note ainda que Y − wL = (1 − u)Y é outra forma
de descrever os lucros.
A cada ano, a empresa toma seus lucros e os reinveste, aumentando o seu capital.
(1 − u)Y
O retorno sobre ativo é a taxa expressa por e representa o quanto do capital
K
investido se transformou em lucro empresarial, servindo de medida para a eficiência
com que a empresa usa seu capital. Das hipóteses (iv.), (v.) e (vi.), segue que
(1 − u)Y 1−u
= = gK = gY . (5.5)
K k
Estas igualdades decorrem do fato de que a empresa reinveste todos seus lucros
e então a variação do capital é simplesmente o lucro: (1 − u)Y = K ′ . E ainda, dada
K
a hipótese de que = k, por diferenciação logarı́tmica, segue que gK = gY .
Y
116
Usando diferenciação logarı́tmica em (5.2), temos gY −gL = p e logo gL = gY −p.
1−u
Por (5.5), gL = − p.
k
L
Seja agora a taxa v de emprego, v = , então
N
1−u
gv = gL − gN = − (p + n). (5.6)
k
Consideremos agora a hipótese (vii.): podemos escrever gw = f (v), em que f é
uma função crescente do tipo abaixo.
fHvL
v
1
117
5.2 Ciclo econômico
Aplicando o mesmo procedimento descrito na seção 3.5, podemos desenhar as
curvas integrais usando a relação
φ(v) = kψ(u),
118
uma queda em valores absolutos ou apenas significa que estes últimos crescem menos
rapidamente depende do quão “severo” é o ciclo. O mesmo é válido para os salários
reais.
3.5
3.0
2.5
2.0
1.5
1.0
0.5 presa
predador
5 10 15 20 25 30
O mecanismo econômico subjacente ao movimento dos pontos (u, v) é, nas palavras
de Goodwin (1967), o seguinte: “When profit is greatest, u = um , employment is
average, v = b/β, and the high growth rate pushes employment to its maximum
vM , which squeezes the profit rate to its average value a/α. The deceleration in
growth lowers employment (relative) to its average value again, where profit and
growth are again at their nadir uM . This low growth rate leads to a fall in out-
put and employment to well below full employment, thus restoring profitability to
its average value because productivity is now rising faster than wage rates . . . The
improved profitability carries the seed of its own destruction by engendering a too
vigorous expansion of output and employment, thus destroying the reserve army of
labour and strengthening labour’s bargaining power” (pp. 57-8, os sı́mbolos foram
alterados de acordo com a notação aqui empregada). De acordo com Goodwin,
esta é essencialmente a ideia de Marx sobre as contradições do capitalismo; há, no
entanto, uma diferença, uma vez que no modelo a participação dos salários pode
não cair em valor absoluto, como já comentado anteriormente. Marx acreditava que
“capitalism’s alternate ups and downs can be explained by the dynamic interaction
of profits, wages and employment” (Goodwin (1972), p. 442).
Como já é sabido, choques externos não afetam as caracterı́sticas do ciclo, uma
vez que eles meramente mudam as trajetórias (u, v) para uma outra curva integral,
a b
tendo a mesma forma e circundando o mesmo ponto, C = , . Em ambos os
α β
casos, isto é, para o sistema não perturbado e para o perturbado, os valores médios
de longo prazo de u e v, que são as coordenadas do ponto C, são independentes das
119
condições iniciais e de choques externos, como mostrado durante o desenvolvimento
do modelo de Lotka-Volterra.
Z Z
1 T a 1 T b
u dt = e v dt = ,
T 0 α T 0 β
2π
sendo T = √ o perı́odo das funções u e v.
ab
120
Referências Bibliográficas
[4] BRAUER, F.; NOHEL, J.A. The Qualitative Theory of Ordinary Differential
Equations. New York: W.A. Benjamim, 1969.
[5] CHIANG, W.W.; SMYTH, D.J. The Existence and Persistence of Cycles in
a Non-Linear Model: Kaldor’s 1940 Model Re-examined. The Review of Eco-
nomics Studies. v. 38, n. 1, pp. 37-44, 1971.
[8] HALE, J.K. Ordinary Differential Equations. Florida: Robert e Krieger Pub-
lishing Co., 1969.
[9] SHONE, R.: Economic Dynamics: Phase Diagrams and their Economic Appli-
cation. Second Edition Cambridge University Press, 2002.
121