Introdução à Teoria Qualitativa das Equações Diferenciais Ordinárias

Universidade de São Paulo
Faculdade de Filosofia Ciências e Letras

Departamento de Computação e Matemática
Processo 2019/00028-9:
Introdução à Teoria Qualitativa das Equações
Diferenciais Ordinárias
Bolsista: Isadora Zanato Leite

Orientador: Tiago de Carvalho
Ribeirão Preto
Julho de 2020
Resumo do Plano Inicial
O plano inicial do projeto, referente ao perı́odo de seis meses (abril de 2019 a setembro de
2019), é composto pelos seguintes tópicos:
1. O Teorema Fundamental de Existência e Unicidade de Soluções;
2. Dependência em Relação às Condições Iniciais e Parâmetros;
3. O Fluxo Definido por uma Equação Diferencial;
4. O Teorema do Fluxo Tubular;
5. Linearização das Equações Diferenciais;
6. O Teorema de Grobman-Hartman;
7. Conjuntos Limites e Atratores;
8. A Teoria de Poicaré-Bendixson em R2 .
Resumo do Projeto de Renovação da Bolsa de Iniciação

Cientı́fica
O projeto de renovação da bolsa, referente ao perı́odo de nove meses (outubro de 2019 a
junho de 2020), compreende os tópicos abaixo.
1. Estabilidade no Sentido de Liapounov;
2. Estabilidade Estrutural e o Teorema de Peixoto;
3. Bifurcações de Campos Vetoriais em R2 e em R3 ;
4. Campos Vetoriais Suaves por Partes.
Resumo do Conteúdo do Primeiro Relatório

Este relatório corresponde ao perı́odo de Abril a Julho de 2019.
No Capı́tulo 1 são apresentados alguns conceitos fundamentais para o desenvolvimento
dos próximos capı́tulos. Em suma, trata-se de alguns resultados relacionados à compacidade,
continuidade e continuidade uniforme.
No Capı́tulo 2 é utilizado o Método das Aproximações Sucessivas de Picard para provar o
Teorema de Existência e Unicidade de Soluções, o qual garante, se as hipóteses forem satisfeitas,
que o Problema de Valor Inicial possui solução única em um determinado intervalo.
No Capı́tulo 3 é demonstrado o Teorema de Dependência da Solução com Relação às
Condições Iniciais e Parâmetros, assim como é introduzido o conceito de Intervalo Maximal
de Existência juntamente com a resolução de exemplos.
O Capı́tulo 4 trata do Fluxo Definido por uma Equação Diferencial, sendo este referente a
sistemas lineares e, também, a não lineares.
O Capı́tulo 5 aborda o conceito de Linearização das Equações Diferenciais, além da Equi-
valência e Conjugação de Campos Vetoriais.
O Capı́tulo 6 enuncia alguns resultados importantes e demonstra o Teorema do Fluxo Tu-
bular.
Por fim, o Capı́tulo 7 apresenta o Teorema de Grobman-Hartman, o qual é essencial para o
estudo da estrutura local de pontos singulares hiperbólicos.
Resumo do Conteúdo do Segundo Relatório

Este relatório é referente às atividades realizadas durante o perı́odo de Agosto de 2019 a
Janeiro de 2020.
No Capı́tulo 1 são apresentados alguns conceitos básicos os quais serão utilizados no de-
senvolvimento da teoria, além de algumas definições importantes como a de pontos ↵ limite e
! limite. Feito isso, demonstramos alguns teoremas e desenvolvemos alguns exemplos.
O Capı́tulo 2 trata da Teoria de Poincaré-Bendixson em R2 . Inicialmente, estudamos al-
gumas ferramentas úteis no estudo de estabilidade e bifurcações de órbitas periódicas, como a
função do Primeiro Retorno. Isso nos proporcionou entender a teoria que envolve ciclos limites.
No Capı́tulo 3 é desenvolvida a teoria qualitativa por meio de retratos de fase. Aprendemos
como desenhar os mesmos e a entender a estrutura dos sistemas através dos autovalores e
autovetores. Além disso, o estudo também foi feito por meio do traço e do determinante da
matriz do sistema de equações.
No Capı́tulo 4, aplicamos o estudo desenvolvido no capı́tulo anterior para entender um
pouco sobre alguns modelos econômicos, entre eles encontra-se o famoso modelo IS-LM.
O Capı́tulo 5 aborda a estabilidade no sentido de Liapounov, assim como seu critério e um
estudo sobre instabilidade por meio do Teorema de Cetaev.
Por fim, o Capı́tulo 6 apresenta os conceitos de Estabilidade Estrutural e também o Teorema
de Peixoto.
iv
Resumo do Conteúdo do Terceiro Relatório
O terceiro reltório é referente aos últimos tópicos contidos no projeto de renovação da bolsa
de iniciação cientı́fica.
O Capı́tulo 1 aborda o estudo das bifurcações de famı́lias a um parâmetro de sistemas de
equações diferenciais em uma região plana, compacta e com fronteira de classe C r , com r 3.
No Capı́tulo 2 é desenvolvida a teoria de regularização de campos vetoriais descontı́nuos,
apresentando inúmeros conceitos como: a caracterização das possı́veis regiões da curva de
descontinuidade, as definições função de transição, ponto de pseudo-equilı́brio, assim como
algumas considerações locais a respeito dos pontos singulares e regulares.
O Capı́tulo 3 trata de duas aplicações fı́sicas de campos descontı́nuos em R2 : as oscilações
sı́smicas e o gerador elétrico valvulado.
Por fim, o Capı́tulo 4 apresenta uma aplicação de campos suaves por partes em R3 , mais
especificamente a interação entre células normais, imunes e tumorais primeiramente sem qui-
mioterapia e, após isso, com o uso da droga quimioterapêutica.
v
Sumário
1 Preliminares 1
1.1 Conceitos Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2 O Teorema Fundamental de Existência e Unicidade de Soluções 3

2.1 Método das Aproximações Sucessivas de Picard . . . . . . . . . . . . . . . . . . 3
2.2 Teorema Fundamental de Existência e Unicidadade . . . . . . . . . . . . . . . . 5
3 Dependência da Solução com Relação às Condições Iniciais e Parâmetros 11

3.1 Teorema de Dependência da Solução com Relação às Condições Iniciais e
Parâmetros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.2 Intervalo Maximal de Existência . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4 O Fluxo Definido por uma Equação Diferencial 23

4.1 O Fluxo de um Sistema Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.2 O Fluxo de um Sistema não Linear . . . . . . . . . . . . . . . . . . . . . . . . . 24
5 Linearização das Equações Diferenciais 29

5.1 Linearização . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
5.2 Equivalência e Conjugação de Campos Vetoriais . . . . . . . . . . . . . . . . . . 30
6 O Teorema do Fluxo Tubular 33

6.1 Fluxo Tubular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
7 Estrutura Local de Pontos Singulares Hiperbólicos 37

7.1 O Teorema de Grobman-Hartman . . . . . . . . . . . . . . . . . . . . . . . . . . 37
8 Conjuntos Limites e Atratores 45

8.1 Conceitos Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
vii
Sumário
9 A Teoria de Poincaré-Bendixson em R2 55
9.1 A Função de Poincaré . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
9.2 Ciclos Limites no Plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
9.3 Derivadas da Transformação de Poincaré . . . . . . . . . . . . . . . . . . . . . . 59
9.4 O Teorema de Poincaré-Bendixson . . . . . . . . . . . . . . . . . . . . . . . . . 60
9.5 Pontos Singulares no Interior de uma Órbita Periódica . . . . . . . . . . . . . . 66
10 Desenhando Retratos de Fase 67

10.1 Autovalores reais, distintos e de mesmo sinal . . . . . . . . . . . . . . . . . . . . 68
10.2 Autovalores reais, distintos e com sinais opostos . . . . . . . . . . . . . . . . . . 70
10.3 Autovalores reais e iguais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
10.3.1 Dois autovetores independentes . . . . . . . . . . . . . . . . . . . . . . . 72
10.3.2 Um autovetor independente . . . . . . . . . . . . . . . . . . . . . . . . . 73
10.4 Autovalores complexos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
10.5 Um dos Autovalores Nulos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
10.6 Dois Autovalores Nulos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
10.7 Determinando o Retrato de Fase a partir do Traço e do Determinante . . . . . . 80
10.8 Determinando o Retrato de Fase a partir de uma EDO . . . . . . . . . . . . . . 83
10.9 Estudo de Perturbações . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
11 Aplicações Econômicas 89
11.0.1 O Modelo de Palomba . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
11.1 Modelo Contı́nuo de Oligopólio . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
11.1.1 Custos Marginais Constantes . . . . . . . . . . . . . . . . . . . . . . . . 91
11.2 Diminuição dos Custos Marginais . . . . . . . . . . . . . . . . . . . . . . . . . . 94
11.2.1 Caso de duas Empresas (n=2) . . . . . . . . . . . . . . . . . . . . . . . . 94
11.3 Modelo Contı́nuo IS-LM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
11.3.1 Versão 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
11.3.2 Versão 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
11.4 Modelo de Tobin-Blanchard . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
11.5 Modelos Simples de Inflação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
11.6 O Modelo Dornbusch sob Perfeita Previsão . . . . . . . . . . . . . . . . . . . . . 105
12 Estabilidade no Sentido de Liapounov 107

12.1 Estabilidade de Liapounov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
12.2 O Critério de Liapounov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
12.3 Teorema de Cetaev . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
viii
Sumário
13 Estabilidade Estrutural e o Teorema de Peixoto 117

13.1 Estabilidade Estrutural . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
13.2 Teorema de Peixoto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
14 Bifurcações 127
14.1 Formulação dos Resultados Principais . . . . . . . . . . . . . . . . . . . . . . . . 138
15 Regularização de Campos Vetoriais Descontı́nuos 145

15.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
15.2 Considerações Locais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
15.2.1 Pontos Regulares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
15.2.2 Pontos Singulares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
16 Aplicações 163
16.1 Oscilações Sı́smicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
16.2 Gerador Elétrico Valvulado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
17 Um Modelo Matemático sobre a Quimioterapia 175

17.1 Modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
17.2 Análise da Estabilidade sem Quimioterapia . . . . . . . . . . . . . . . . . . . . . 177
17.3 Análise da Estabilidade com Quimioterapia . . . . . . . . . . . . . . . . . . . . . 179
Referências Bibliográficas 183
ix
Capı́tulo 1
Preliminares
Inicialmente, enunciaremos alguns resultados que serão de extrema importância para o

desenvolvimento dos próximos capı́tulos.
1.1 Conceitos Importantes

Definição 1.1.1. Suponha que f : E ! Rn seja diferenciável em E. Então f 2 C 1 (E) se a
derivada Df : E ! L(Rn ) for contı́nua em E.
Teorema 1.1.2. Suponha que E seja um subconjunto aberto de Rn e que f : E ! Rn . Então

@fi
f 2 C 1 (E) se as derivadas parciais , i, j = 1, 2, ..., n existem e são contı́nuas em E.
@xj
Teorema 1.1.3. Seja f : E ⇢ Rm ! Rn uma aplicação contı́nua. Se K ⇢ E é um conjunto

compacto, então f (K) também é compacto.
Corolário 1.1.4 (Weierstrass). Seja K ⇢ Rm compacto. Se f : K ! R é uma função

contı́nua, então existem x0 , x1 2 K tal que
f (x0 )  f (x)  f (x1 ), 8x 2 K.
Definição 1.1.5. Dizemos que a aplicação f : E ⇢ Rm ! Rn é uniformemente contı́nua em

E se dado " > 0, existe = (") tal que
kx yk < ) kf (x) f (y)k < ", 8x, y 2 E.
Teorema 1.1.6. Se K ⇢ Rm é compacto e f : K ! Rn é contı́nua, então f é uniformemente

contı́nua.
1
Capı́tulo 1. Preliminares
Definição 1.1.7. Seja V um espaço vetorial normado. A sequência {uk }k ⇢ V é chamada de

Sequência de Cauchy se, para todo " > 0, existe um N, tal que k, m N implica que
kuk um k < "
O espaço V é dito completo se toda sequência de Cauchy em V converge para algum

elemento de V.
Definição 1.1.8. Dizemos que uma sequência de funções {fn }, n = 1, 2, 3, ..., converge unifor-
memente em E para a função f se, para todo " > 0, existe um N 2 N, tal que n N implica
que
|fn (x) f (x)|  "
para todo x 2 E.
Teorema 1.1.9. A sequência de funções {fn } definida em E converge uniformemente em E

se, e somente se, para todo " > 0, existe um N 2 N tal que n N, m N e x 2 E implica
que
|fn (x) fm (x)|  ".
Teorema 1.1.10. Seja {fn } uma sequência de funções contı́nuas em E tal que fn ! f unifor-
memente em E, então f é contı́nua em E.
Definição 1.1.11. Seja E um subconjunto aberto de Rn . A função f : E ! Rn satisfaz a

condição de Lipschitz em E se existir uma constante positiva K tal que, para todo x, y 2 E,
|f (x) f (y)|  K|x y|
A função f é dita localmente Lipschitziana em E se, para cada ponto x0 2 E, existe

uma vizinhança de x0 , a qual denotaremos por N" (x0 ) 2 E e uma constante K0 > 0 tal que,
para todo x, y 2 N" (x0 ),
|f (x) f (y)|  K0 |x y|
Definição 1.1.12. Dizemos que E ⇢ Rn é um conjunto convexo se o segmento de reta unindo

dois pontos quaisquer de E está inteiramente contido em E. Ou seja, E é convexo se, para todos
x, y 2 E,
(1 s)y + sx 2 E, 8s 2 [0, 1].
2
Capı́tulo 2
O Teorema Fundamental de Existência

e Unicidade de Soluções
Neste capı́tulo iremos estabelecer o Teorema Fundamental de Existência e Unicidade de

Soluções para sistemas não lineares autônomos, os quais são da forma
ẋ = f (x), (2.1)
com as hipóteses de que f 2 C 1 (E), onde E é um subconjunto aberto de Rn .

Utilizaremos o Método das Aproximações sucessivas de Picard para provar este Teorema,
o qual garante, além da existência e unicidade de soluções, a continuidade e diferenciabilidade
das soluções com respeito às condições iniciais e parâmetros.
2.1 Método das Aproximações Sucessivas de Picard

Definição 2.1.1. Um problema de valor inicial (P.V.I.), ou problema de Cauchy, consiste em
uma equação diferencial com uma condição inicial.
Definição 2.1.2. Seja f 2 C 1 (E), onde E é um subconjunto aberto do Rn . Então x(t) é solução
da equação diferencial (2.1) no intervalo I se x(t) é diferenciável em I e 8t 2 I, x(t) 2 E e
x0 (t) = f (x(t)).
E dado x0 2 E, x(t) é solução do problema de valor inicial

8
<ẋ = f (x)
(2.2)
:x(t ) = x
0 0
no intervalo I se t0 2 I, x(t0 ) = x0 e x(t) é solução da equação diferencial (2.1) no intervalo I.
3
Capı́tulo 2. O Teorema Fundamental de Existência e Unicidade de Soluções
Em geral, a solução de (2.1) existe se f é contı́nua, contudo, isso não é suficiente para
garantir a unicidade da solução.
Exemplo 2.1.3. Resolva o PVI: 8

<ẋ = 3x2/3
:x(0) = 0.
Note que a equação diferencial é separável, logo,

dx
ˆ ˆ
2/3 2/3
= 3x , 3dt = x dx , 3dt = x 2/3 dx , t + C = x1/3 , x = (t + C)3
dt
Usando a condição incial x(0) = 0, temos:
x(t) = t3 , 8t 2 R.
Note que a curva v(t) = 0 também é solução do problema. Dessa forma, a continuidade de
f (x) = 3x2/3 não é suficiente para garantir a unicidade da solução. Isso ocorre pois a função
não é diferenciável em x = 0, embora seja contı́nua nesse ponto.
O Método de Picard se baseia no fato que x(t) é solução do PVI (2.2) se, e somente se, x(t)
é contı́nua e satisfaz a equação integral
ˆ t
x(t) = x0 + f (x(s))ds. (2.3)
0
As aproximações sucessivas para a solução dessa equação integral são definidas pela
sequência de funções
u0 (t) = x0
ˆ t
(2.4)
uk+1 (t) = x0 + f (uk (s))ds
0
Exemplo 2.1.4. Resolva o problema de valor inicial abaixo pelo método das aproximações
sucessivas de Picard. 8
<ẋ = ax
:x(0) = x .
0
Temos que f (x) = ax. Dessa forma,

u0 (t) = x0
ˆ t ˆ t ˆ t
u1 (t) = x0 + f (u0 (s))ds = x0 + f (x0 )ds = x0 + ax0 ds = x0 (1 + at)
0 0 0
4
2.2. Teorema Fundamental de Existência e Unicidadade
ˆ t ˆ t ˆ t
u2 (t) = x0 + f (u1 (s))ds = x0 + f (x0 (1 + as))ds = x0 + ax0 (1 + as)ds =
✓ 2
◆ 0 0 0
2t
x0 1 + at + a
2
t t ✓ 2
◆
2t
ˆ ˆ
u3 (t) = x0 + f (u2 (s))ds = x0 + f (x0 1 + at + a )ds = x0 +
ˆ t ✓ ◆ 0 ✓ 0◆ 2
2 2 3
2t 2t 3t
ax0 1 + at + a ds = x0 1 + at + a +a .
0 2 2! 3!
Segue, por indução, que

✓ k
◆
kt
uk (t) = x0 1 + at + ... + a .
k!
Logo,
lim uk (t) = x0 eat .

k!1
Isto é, a sequência das aproximações sucessivas converge para u(t) = x0 eat , que é solução
do problema de Cauchy.
2.2 Teorema Fundamental de Existência e Unicidadade

Lema 2.2.1. Seja E um subconjunto aberto de Rn e f : E ! Rn . Se f 2 C 1 (E), f é
localmente Lipschitziana em E.
Demonstração. Dado x0 2 E, como E é aberto, existe " > 0 tal que N" (x0 ) ⇢ E (note que
N" (x0 ) = {x 2 Rn /|x x0 | < "}, ou seja,
n N" (x0 ) é uma bola aberta centrada em x0 de raio
"o
"). Considere então o conjunto B0 = x 2 E/|x x0 |  . Temos que Df (x) é contı́nua
2
pois f 2 C 1 (E), além disso, kDf (x)k também é contı́nua, pois é uma composição de funções
contı́nuas. Como B0 é compacto, pelo corolário de Weierstrass, kDf (x)k atinge um máximo
em B0 e chamaremos de
K = max kDf (x)k.
x2B0
Considere agora N0 = N"/2 (x0 ). Sejam x, y 2 N0 , como N0 é convexo, temos que y+su 2 N0 ,
com s 2 [0, 1] e u = x y.
Seja F : [0, 1] ! Rn definida por F (s) = f (y + su), derivando F , obtemos:
F 0 (s) = Df (y + su)u.
5
Portanto,
|f (x) f (y)| = |F (1) F (0)|

ˆ 1
= F 0 (s)ds
0
ˆ 1
 |F 0 (s)|ds
ˆ0 1
= |Df (y + su)u|ds
0
ˆ 1
= kDf (y + su)k.|u|ds
0
 K.|u|
= K.|x y|.
Logo, |f (x) f (y)|  K.|x y| e, portanto, f é localmente Lipschitziana.
Teorema 2.2.2 (Existência e Unicidade de Soluções). Seja E um subconjunto aberto de Rn

contendo x0 e f 2 C 1 (E). Então existe a > 0 tal que o problema de valor inicial
8
<ẋ = f (x)
(2.5)
:x(0) = x
0
possui uma solução única no intervalo [ a, a].
Demonstração. Como f 2 C 1 (E), segue do Lema acima que f é localmente Lipschitziana.

Decorre disso que, para todo x0 2 E, existem ", K > 0 tais que, 8x, y 2 N" (x0 )
|f (x) f (y)|  K.|x y|.

"
Tome b = e B0 = {x 2 Rn /|x x0 |  b}. Ademais, B0 é compacto, então existe M tal
2
que
M = max |f (x)|.
x2B0
Considere as aproximações sucessivas definidas em (2.4). Assumindo que existe c > 0 tal
que uk (t) é definida e contı́nua em [ c, c] e satisfaz
max |uk (t) x0 |  b

[ c,c]
então f (uk (t)) é contı́nua em [ c, c], pois é uma composição de funções contı́nuas, visto que
f 2 C 1 (E). Com isso, ˆ t
uk+1 (t) = x0 + f (uk (s))ds
0
6
está definida e é contı́nua em [ c, c]. Além disso,

ˆ t
|uk+1 x0 | = f (uk (s))ds  M c
0
Portanto, |uk+1 x0 |  M c, 8t 2 [ c, c].

b
Agora, escolheremos a = c de forma tal que 0 < a  . Por indução, segue que uk (t) é
M
definida, contı́nua e satisfaz
max |uk (t) x0 |  b, (2.6)

[ a,a]
8t 2 [ a, a] e 8k 2 N.
De (2.6), tem-se que, 8t 2 [ a, a], k 2 N e uk (t) 2 B0 ,
ˆ t
|u2 (t) u1 (t)| = (f (u1 (s)) f (u0 (s))ds
0
ˆ t
 |(f (u1 (s)) f (u0 (s))|ds
0
Mas, como f é localmente Lipschitz,

ˆ t ˆ t
|(f (u1 (s)) f (u0 (s))|ds = K |u1 (s) u0 (s)|ds
0 0
ˆ t
K max |uk (t) x0 |ds
0 [ a,a]
 Kbt
 Kba.
Então,
|u2 (t) u1 (t)|  Kba.
Assumindo que para j 2 vale:
max |uj (t) uj 1 (t)|  b(Ka)j 1 .

[ a,a]
Temos que, 8t 2 [ a, a],

ˆ t
|uj+1 (t) uj (t)| = (f (uj (s)) f (uj 1 (s))ds
0
ˆ t
 |(f (uj (s)) f (uj 1 (s))|ds
0
ˆ t
K |uj (s) uj 1 (s)|ds
0
ˆ t
K max |uj (t) uj 1 (t)|ds
0 [ a,a]
 b(Ka)j .
7
Logo, a desigualdade acima é válida para 8j 2 N.

Nesta etapa da demonstração, mostraremos que a sequência de funções contı́nuas {uk } é
uma sequência de Cauchy.
1
Seja ↵ = Ka e escolha a de forma que 0 < a < . Sejam N um número natural qualquer
K
e m, n 2 N, então, se m > n N e t 2 [ a, a], temos:
|um (t) un (t)| = |um (t) um 1 (t)| + |um 1 (t) um 2 (t)| + ... + |un+1 (t) un (t)|
m
X1
 |uj+1 (t) uj (t)|
j=n
1
X
 |uj+1 (t) uj (t)|
j=N
X1
 b(Ka)j
j=N
X1
= b↵j
j=N
= Sj .
Mas,
Sj = b↵N + b↵N +1 + ... + b↵j
↵Sj = b↵N +1 + b↵N +2 + ... + b↵j+1
) Sj ↵Sj = b↵N b↵j+1

b(↵N
↵j+1 )
) Sj =
↵ 1
b↵N
) lim Sj = .
j!1 1 ↵
Portanto,
b↵N
|um (t) un (t)|  .
1 ↵
b↵N
A medida que N ! 1, a expressão se aproxima de zero, visto que 0 < ↵ < 1.
1 ↵
Então, para todo " > 0, existe N tal que se m, n N ,
kum (t) un (t)k = max |um (t) un (t)| < "

[ a,a]
isto é, a sequência {uk } é de Cauchy e, portanto, converge para u(t) uniformemente, 8t 2 [ a, a].
Veremos, agora, que u(t) é contı́nua. Tomando o limite dos dois lados em (2.4),
✓ ˆ t ◆
lim uk+1 (t) = lim x0 + f (uk (s))ds .
k!1 k!1 0
8
Como a convergência é uniforme, 8t 2 [ a, a], podemos inverter o limite e a integral. Logo,

ˆ t
u(t) = x0 + lim f (uk (s))ds.
0 k!1
Pelo fato de f 2 C 1 , temos:

ˆ t ⇣ ⌘
u(t) = x0 + f lim (uk (s)) ds
0 k!1
ˆ t
) u(t) = x0 + f (u(s))ds.
0
Como u(t) é contı́nua e f 2 C 1 , f (u(t)) também é contı́nua e, pelo Teorema Fundamental

do Cálculo,
u0 (t) = f (u(t))
8t 2 [ a, a].
Além disso, ˆ 0
u(0) = x0 + f (u(s))ds = x0
0
e de (2.6) segue que u(t) 2 N" (x0 ) ⇢ E,8t 2 [ a, a]. Portanto, u(t) é solução do problema de
valor inicial (2.5) em [ a, a].
Resta mostrar a unicidade da solução.
Suponhamos que a solução de (2.5) no intervalo [ a, a] não seja única e consideremos u(t) e
v(t) tais que ambas sejam solução do problema de valor inicial indicado. Então, pelo corolário
de Weierstrass, a função contı́nua |u(t) v(t)| atinge seu máximo em algum ponto t1 2 [ a, a].
Logo,
ku vk = max |u(t) v(t)|

[ a,a]
= |u(t1 ) v(t1 )|
ˆ t1
= f (u(s)) f (v(s))ds
0
ˆ t1
 |f (u(s)) f (v(s))|ds
0
ˆ t1
K |u(s) v(s)|ds
0
ˆ t1
K max |u(t) v(t)|ds
0 [ a,a]
 Kku vkt1
 Kaku vk.
9
Assim, ku vk  Kaku vk.

Como supomos que a solução não é única, ou seja, que u 6= v, segue que ku 6 0. Dessa
vk =
forma, Ka 1, o que é um absurdo pois 0 < Ka < 1. Portanto, u(t) = v(t), isto é, a solução
do problema de Cauchy no intervalo [ a, a] é única.
10
Capı́tulo 3
Dependência da Solução com Relação

às Condições Iniciais e Parâmetros
Neste capı́tulo, veremos que a solução do problema de Cauchy em um determinado intervalo

dependerá das condições iniciais.
3.1 Teorema de Dependência da Solução com Relação às

Condições Iniciais e Parâmetros
Lema 3.1.1 (Gronwall). Seja g(t) uma função contı́nua real que satisfaz
ˆ t
0  g(t)  C + K g(s)ds
0
8t 2 [0, a], em que C e K são constantes positivas. Então, temos que, 8t 2 [0, a],
g(t)  CeKt .
ˆ t
Demonstração. Tomando G(t) = C + K g(s)ds para t 2 [0, a]. Então, G(t) g(t) e
0
G(t) 0, 8t 2 [0, a]. Segue, do Teorema Fundamental do Cálculo e da hipótese, que
G0 (t) = Kg(t)
 KG(t).
Portanto,
dG dG 1
ˆ ˆ
 KG )  Kdt ) dG  Kdt
dt G G
) lnG  Kt + C1 ) G(t)  eKt+C1 ) G(t)  CeKt ,
8t 2 [0, a].
11
Capı́tulo 3. Dependência da Solução com Relação às Condições Iniciais e Parâmetros
Definição 3.1.2. Seja A = (aij ) uma matriz com i = 1, 2, ..., n e j = 1, 2, ..., m. Definimos a
norma da matriz A como sendo o maior valor absoluto dos seus elementos, isto é:
kAk = max|aij |.
Teorema 3.1.3 (Dependência das Condições Iniciais). Seja E um subconjunto aberto de Rn

que contém x0 e f 2 C 1 (E). Existem a > 0 e > 0 tal que, para todo y 2 N (x0 ), o o problema
de valor inicial 8
<ẋ = f (x)
:x(0) = y
possui uma solução única u(t, y) e u 2 C 1 (G), onde G = [ a, a] ⇥ N (x0 ) ⇢ Rn+1 . Além disso,
para cada y 2 N (x0 ), u(t, y) é uma função duas vezes diferenciável em t 2 [ a, a].
Demonstração. Como f 2 C 1 (E), temos, por (2.2.1), que f é localmente Lipschitziana.

Considere o conjunto compacto B0 = {x 2 Rn /|x x0 |  "/2}. Note que, pelo Corolário de
Weierstrass, as funções contı́nuas |f (x)| e kDf (x)k atingirão um máximo no conjunto compacto
"
B0 , os quais serão denotados por M0 = max |f (x)| e por M1 = max kDf (x)k. Tome = e,
x2B0 x2B0 4
para y 2 N (x0 ) defina a seguinte sequência de funções:
u0 (t, y) = y
ˆ t
uk+1 (t, y) = y + f (uk (s, y))ds.
0
Vamos mostrar que uk (t, y) está definida e é contı́nua para todo (t, y) 2 G e que 8y 2 N (x0 ):
"
kuk (t, y) x0 k = max |uk (t, y) x0 |  . (3.1)
t2[ a,a] 2
De fato, isso é satisfeito para k = 0. Assumindo que uk (t, y) é definida e contı́nua para
todo (t, y) 2 G, temos que uk+1 também é definida e contı́nua para todo (t, y) 2 G, visto
que f 2 C 1 (E) e que a composição de funções contı́nuas é contı́nua (ademais, a integral de
f (uk (s, t)) é contı́nua em t, pelo Teorema Fundamental do Cálculo).
Mostremos que vale (3.1).
Seja k = 0,
ku0 (t, y) x0 k = max |u0 (t, y) x0 |

t2[ a,a]
= max |y x0 |
t2[ a,a]
<
"
=
4
"
< .
2
12
3.1. Teorema de Dependência da Solução com Relação às Condições Iniciais e Parâmetros
Note que:
ˆ t
kuk+1 (t, y) yk = f (uk (s, y))ds
0
ˆ t
 kf (uk (s, y))kds
0
ˆ t
 max |f (uk (t, y))|ds
0
ˆ t
 M0 ds
0
 M0 a.
Agora, supondo que (3.1) vale para k, vamos mostrar que vale para k + 1:
kuk+1 (t, y) x0 k  kuk+1 (t, y) yk + ky x0 k

"
 M0 a +
4
"
<
2
"
se M0 a < .
4
Agora, mostraremos que as aproximações uk (t, y) convergem uniformemente para uma
função contı́nua u(t, y), 8(t, y) 2 G quando k ! 1. Como na demonstração do Teorema
Fundamental de Existência e Unicidade,
ˆ t
ku2 (t, y) u1 (t, y)k = (f (u1 (s, y)) f (u0 (s, y)))ds
0
ˆ t
 k(f (u1 (s, y)) f (u0 (s, y)))kds
0
ˆ t
K ku1 (s, y) ykds
0
ˆ t
K max ku1 (t, y) ykds
0
 Ka max ku1 (t, y) yk

 Ka max(ku1 (t, y) x0 k + kx0 yk)
⇣" "⌘
 Ka +
2 4
 Ka".
De modo análogo ao Teorema de Existência e Unicidade,
kuk+1 (t, y) uk (t, y)k  "(Ka)k .
13
De fato, se 0 < a < 1/K, temos que
kuk+1 (t, y) uk (t, y)k < ".
Logo, uk (t, y) é uma sequência de Cauchy e, assim, temos uma sequência de funções uni-
formemente convergente. As aproximações convergem para uma função contı́nua u(t, y) que
satisfaz: ˆ t
u(t, y) = y + f (u(s, y))ds (3.2)
0
para (t, y) 2 G e u(0, y) = y.
Agora, devemos mostrar que u(t, y) é duas vezes diferenciável em relação a t. Derivando
(3.2) em relação a t, temos
@u
= f (u(t, y))
@t
@ 2u @ @u
2
= (f (u(t, y))) = Df (u(t, y)) = Df (u(t, y))f (u(t, y)).
@t @t @t
Sabemos que f 2 C 1 (E), isto é, f é continuamente diferenciável em E. Logo, as derivadas
acima são contı́nuas.
Portanto,
⇢ u(t, y) é solução do PVI apresentado no conjunto G = [ a, a] ⇥ N (x0 ), onde
1 "
a = min , .
K 4M0
De modo análogo ao que foi feito na demonstração do Teorema de Existência e Unicidade,
iremos mostrar que a solução é única.
Sejam u(t, y) e v(t, y) soluções do PVI definido no teorema, para y 2 N (x0 ), ku(t, y)
v(t, y)k assume um valor máximo em G, para algum t0 2 [ a, a]. Assim,
ku vk = max |u(t, y) v(t, y)|

G
ˆ t0
= f (u(s, y)) f (v(s, y))ds
0
ˆ t0
 |f (u(s, y)) f (v(s, y))|ds
0
ˆ t0
K |u(s, y) v(s, y)|ds
0
ˆ t0
 K max |u(t, y) v(t, y)| ds
t2[ a,a] 0
 Kaku vk.
Suponha que u(t, y) 6= v(t, y). Dessa forma, ku vk 6= 0 e isso implica que Ka 1, o que
é um absurdo. Assim, concluı́mos que a solução é única para (t, y) 2 G.
Além disso, devemos mostrar que u 2 C 1 (G), isto é, u é uma função de y continuamente
diferenciável.
14
Fixemos y0 2 N (x0 ) e consideremos as funções de t: u(t, y0 ) e u(t, y0 + h). Temos:
ˆ t ✓ ˆ t ◆
|u(t, y0 ) u(t, y0 + h)| = y0 + f (u(s, y0 ))ds y0 + h + f (u(s, y0 + h))ds
0 0
ˆ t
= h+ f (u(s, y0 + h)) f (u(s, y0 ))ds
0
ˆ t
 |h| + f (u(s, y0 + h)) f (u(s, y0 ))ds
0
ˆ t
 |h| + |f (u(s, y0 + h)) f (u(s, y0 ))|ds
0
ˆ t
 |h| + K |u(s, y0 + h) u(s, y0 )|ds.
0
Por (3.1.1), temos que
|u(t, y0 ) u(t, y0 + h)|  |h|eKt , 8t 2 [ a, a] (3.3)
Em seguida, definiremos (t, y0 ) como a matriz fundamental solução do problema de valor

inicial
8
< ˙ = A(t, y0 )
: (0, y ) = I
0
em que A(t, y0 ) = Df (u(t, y0 )) e I a matriz identidade n ⇥ n. Nota-se que A(t, y0 ) é contı́nua

8t 2 [ a, a] pois f 2 C 1 (E). Além disso, como [ a, a] é compacto, então A(t, y0 ) atinge valor
máximo neste conjunto. Chamaremos esse valor de N .
Mostremos que possui uma solução única (t, y0 ) 2 [ a, a] ⇥ N (y0 ), onde a > 0.
Pelo método de Picard,
0 (t, y0 ) =I
ˆ t
k+1 (t, y0 ) =I+ A(s, y0 ) k (s, y0 )ds.
0
Indutivamente e de modo análogo à demonstração do Teorema de Existência e Unicidade

mostraremos que
k j (t, y0 ) j 1 (t, y0 )k  (N a)j . (3.4)
15
ˆ t
| 1 (t, y0 ) 0 (t, y0 )| = I + A(s, y0 ) 0 (s, y0 )ds I
0
ˆ t
= A(s, y0 )Ids
0
ˆ t
 kA(s, y0 )k ds
0
ˆ t
N ds
0
 N a.
ˆ t
| 2 (t, y0 ) 1 (t, y0 )| = (A(s, y0 ) 1 (s, y0 ) A(s, y0 ) 0 (s, y0 ))ds
0
ˆ t
= A(s, y0 )( 1 (s, y0 ) 0 (s, y0 ))ds
0
ˆ t
N k 1 (s, y0 ) 0 (s, y0 )k ds
0
 (N a)2 .
Suponha que vale (3.4) e mostremos que vale
k j+1 (t, y0 ) j (t, y0 )k  (N a)j+1 .
ˆ t
k j+1 (t, y0 ) j (t, y0 )k = A(s, y0 )( j (s, y0 ) j 1 (s, y0 ))ds
0
ˆ t
N k j (s, y0 ) j 1 (s, y0 )k ds
0
ˆ t
N (N a)j ds
0
 (N a)j+1 .
A seguir, veremos que a sequência { k} é uma sequência de Cauchy e, portanto, converge

uniformemente para (t, y0 ).
1
Temos que se 0 < a < , então k é uma sequência de Cauchy e converge uniformemente
N
para (t, y0 ), que satisfaz:
ˆ t
(t, y0 ) = I + A(s, y0 ) (s, y0 )ds
0
16
e (0, y0 ) = I. A unicidade é mostrada da mesma maneira como fizemos anteriormente.

Segue das funções contı́nuas u(t, y0 ), u(t, y0 + h) e (t, y0 ) e do Teorema de Taylor,
f (u) f (u0 ) = Df (u0 )(u u0 ) + R(u, u0 )
|R(u, u0 )|
onde ! 0, quando |u u0 | ! 0
|u u0 |
que
|u(t,ˆ y0 ) u(t, y0 + h) + (t, y0 )h|

t ˆ t
= (f (u(s, y0 )) f (u(s, y0 + h)))ds + Df (u(s, y0 )) (s, y0 )hds
0 0
ˆ t ˆ t
= (Df (u(s, y0 ))(u(s, y0 ) u(s, y0 + h)) + R(u(s, y0 ), u(s, y0 + h)))ds + Df (u(s, y0 )) (s, y0 )hds .
0 0
Então,
|u(t, y0 ) u(t, y0 + h) + (t, y0 )h|
ˆ t ˆ t
= Df (u(s, y0 ))(u(s, y0 ) u(s, y0 + h) + (s, y0 )h)ds + R(u(s, y0 ), u(s, y0 + h))ds
0 0
ˆ t ˆ t
 Df (u(s, y0 ))(u(s, y0 ) u(s, y0 + h) + (s, y0 )h)ds + R(u(s, y0 ), u(s, y0 + h))ds
0 0
ˆ t ˆ t
 |Df (u(s, y0 ))||(u(s, y0 ) u(s, y0 + h) + (s, y0 )h)|ds + |R(u(s, y0 ), u(s, y0 + h))|ds
0 0
ˆ t ˆ t
 kDf (u(s, y0 ))k|(u(s, y0 ) u(s, y0 + h) + (s, y0 )h)|ds + |R(u(s, y0 ), u(s, y0 + h))|ds.
0 0
(3.5)
Pelo Teorema de Taylor,
|R(u(s, y0 ), u(s, y0 + h))|

! 0, quando |u(s, y0 ) u(s, y0 + h)| ! 0.
|u(s, y0 ) u(s, y0 + h)|
Logo, temos que 8"0 > 0, existe 0 tal que, se |h| < 0, então:
|R(u(s, y0 ), u(s, y0 + h))|

< "0
|u(s, y0 ) u(s, y0 + h)|
) |R(u(s, y0 ), u(s, y0 + h))| < "0 |u(s, y0 ) u(s, y0 + h)|
para todo s 2 [ a, a].
17
Por (3.3),
ˆ t ˆ t
|R(u(s, y0 ), u(s, y0 + h))|ds < "0 |u(s, y0 ) u(s, y0 + h)|ds
0 0
 t"0 |h|eKt
 a"0 |h|eKa
Tomando g(t) = |u(t, y0 ) u(t, y0 + h) + (t, y0 )h| e voltando à desigualdade (3.5), obtemos
ˆ t ˆ t
g(t)  kDf (u(s, y0 ))kg(s)ds + |R(u(s, y0 ), u(s, y0 + h))|ds
0 0
ˆ t
 kDf (u(s, y0 ))kg(s)ds + a"0 |h|eKa
ˆ0 t
 max |Df (u(s, y0 ))|g(s)ds + a"0 |h|eKa
0
ˆ t
N g(s)ds + a"0 |h|eKa .
0
✓ ◆
Logo, para todo t 2 [ a, a], y0 2 N (x0 ) e |h| < min 0, , temos
2
ˆ t
g(t)  N g(s)ds + a"0 |h|eKa .
0
Segue, pelo Lema de Gronwall, que para qualquer "0 > 0 dado
g(t)  a"0 |h|eKa eN t

✓ ◆
para todo t 2 [ a, a] e |h| < min 0 , .
2
Fazendo "0 !, então
|u(t, y0 ) u(t, y0 + h) + (t, y0 )h| g(t)

lim = lim =0
|h|!0 |h| |h|!0 |h|
uniformemente 8t 2 [ a, a].
Pela definição de diferenciabilidade, 8(t, y0 ) 2 G
@u
(t, y0 ) = (t, y0 )
@y
Teorema 3.1.4. Seja E um subconjunto aberto de Rn+m que contém o ponto (x0 , µ0 ), onde
x0 2 Rn e µ0 2 Rm , e assuma que f 2 C 1 (E). Segue que existe a > 0 e > 0 tal que, para
18
3.2. Intervalo Maximal de Existência
todo y 2 N (x0 ) e µ 2 N (µ0 ), o problema de valor inicial

8
<ẋ = f (x, µ)
:x(0) = y
possui uma solução única u(t, y, µ) com u 2 C 1 (G), em que G = [ a, a] ⇥ N (x0 ) ⇥ N (µ0 ).
3.2 Intervalo Maximal de Existência

O Teorema de Existência e Unicidade mostra que se f 2 C 1 em um aberto de Rn , existirá
um a > 0 tal que o PVI
8
<ẋ = f (x)
:x(0) = x
0
possui solução única no intervalo [ a, a].

Além disso, o PVI possui solução única x(t) definida no intervalo maximal de existência
(↵, ), o qual é o maior intervalo onde a solução está definida.
Exemplo 3.2.1. Seja o problema de valor inicial

8
<ẋ = x2
:x(0) = 1
Solução:
dx dx 1 1
ˆ ˆ
= x2 ) 2 = dt ) dx = dt ) =t+K
dt x x2 x
1
) x(t) =
t+K
Aplicando a condição incial x(0) = 1, temos:
1
x(t) =
1 t
Note que t 6= 1, logo t 2 ( 1, 1) [ (1, 1), mas 0 2 ( 1, 1).
Portanto, a solução está definida no intervalo maximal de existência (↵, ) = ( 1, 1).
Exemplo 3.2.2. Considere o PVI abaixo

8 1
<ẋ =
2x
:x(0) = 1
19
Encontre a solução e o intervalo maximal de existência.

Solução:
dx 1
ˆ ˆ
= ) 2xdx = dt ) 2xdx = dt ) x2 = t+K
dt 2x
p
) x(t) = t + K.
Aplicando a condição inicial,

p
x(t) = t + 1.
Para que x(t) esteja definida, t 2 ( 1, 1). Como 0 2 ( 1, 1), a solução está definida no
intervalo maximal de existência (↵, ) = ( 1, 1).
Exemplo 3.2.3. Considere o problema de valor inicial

8 x2
>
> ẋ1 = 2
>
> x3
<
x1
ẋ2 = 2
>
> x3
>
>
:
ẋ3 = 1
com x(1/⇡) = (0, 1, 1/⇡)T .

Solução:
dx3
ˆ ˆ
ẋ3 = 1 ) = 1 ) dx3 = dt ) dx3 = dt ) x3 (t) = t + K. (3.6)
dt
Pela condição inicial x3 (1/⇡) = 1/⇡, temos x3 (t) = t.
x1 dx2 x1 1 1
ẋ2 = 2
) = 2 ) dx2 = 2 dt. (3.7)
x3 dt t x1 t
x2 dx1 x2 1 1
ẋ1 =
2
) = 2 ) dx1 = 2 dt. (3.8)
x3 dt t x2 t
Dos dois últimos itens, temos que
1 1
ˆ ˆ
dx2 = dx1 ) x2 dx2 = x1 dx1 ) x2 dx2 = x1 dx1
x1 x2
) x22 = x21 + K.
Pela condição inicial,

x21 + x22 = 1. (3.9)
Substituindo (3.9) em (3.7), obtemos

✓ ◆
1 1 1 1 1
ˆ ˆ
p dx2 = 2 dt ) p dx2 = dt ) x2 (t) = cos +C .
1 x22 t 1 x22 t2 t
20
3.2. Intervalo Maximal de Existência
Aplicando a condição inicial x2 (1/⇡) = 1,

✓ ◆
1
x2 (t) = cos . (3.10)
t
De (3.9) e (3.10), ✓ ◆
1
x1 (t) = sin .
t
Portanto,
2 3
sin(1/t)
6 7
x(t) = 4 cos(1/t) 7
6
5
t
Como as duas primeira funções do sistema estão definidas para t 2 ( 1, 0) [ (0, 1),
enquanto que a última está definida para todo t 2 R e, pelo fato da condição incial estar no
intervalo (0, 1), podemos concluir que o intervalo maximal de existência de x(t) é (0, 1).
21
Capı́tulo 4
O Fluxo Definido por uma Equação

Diferencial
4.1 O Fluxo de um Sistema Linear

O fluxo do sistema linear
ẋ = Ax. (4.1)
é definido por eAt : Rn ! Rn . A função t = eAt satisfaz as seguintes propriedades básicas

para todo x 2 Rn :
(i) 0 (x) = x.
(ii) s ( t (x)) = s+t (x) 8s, t 2 R.
(iii) t ( t (x)) = t( t (x)) = x 8t 2 R.
Antes de verificar essas propriedades, serão necessários os seguintes conceitos.
Definição 4.1.1. Seja A uma matriz n ⇥ n. Então, para todo t 2 R, temos que
1
X Ak tk
eAt = .
k=0
k!
Para uma matriz A, eAt é uma matriz n ⇥ n, a qual pode ser computada em termos de
autovalores e autovetores de A.
Proposição 4.1.2. Se S e T são transformações lineares em Rn com a propriedade comutativa,

isto é, que satisfaz ST = T S, então es+t = es et .
Corolário 4.1.3. Se T é uma transformação linear de Rn , a inversa da transformação linear

eT é dada por (eT ) 1
=e T
.
23
Capı́tulo 4. O Fluxo Definido por uma Equação Diferencial
Mostraremos, agora, que valem as propriedades acima
Demonstração. (i) 0 (x) = (0, x) = e0 (x) = x.
(ii) s ( t (x)) = s (e
At
(x)) = eAs eAt (x) = eA(s+t) (x) = s+t (x) 8s, t 2 R.
(iii) t ( t (x)) = t (e
At
(x)) = e At At
e (x) = eA( t+t)
(x) = eA0 (x) = 0 (x) = x 8t 2 R
t( t (x)) = t (e
At
(x)) = eAt e At
(x) = eA(t t)
(x) = eA0 (x) = 0 (x) = x 8t 2 R.
Logo, t ( t (x)) = t( t (x)) = x 8t 2 R.
4.2 O Fluxo de um Sistema não Linear

Nesta seção veremos que o fluxo do sistema não linear
ẋ = f (x) (4.2)
satisfaz as mesmas propriedades do fluxo de um sistema linear.

O intervalo maximal de existência (↵, ) da solução (t, x0 ) do problema de Cauchy
8
<ẋ = f (x)
(4.3)
:x(0) = x
0
é denotado por I(x0 ) pois seus extremos, em geral, dependem da condição inicial.
Definição 4.2.1. Seja E um subconjunto aberto de Rn e f 2 C 1 (E). Para x0 2 E, e seja

(t, x0 ) a solução do problema de valor inicial (4.3) definida no intervalo maximal de existência
I(x0 ). Então, para t 2 I(x0 ), a função t : E ! E definida por
t (x0 ) = (t, x0 )
é chamada de fluxo da equação diferencial (4.2) ou fluxo do campo de vetores f (x).
Consideremos que o ponto inicial x0 está fixo e tome I = I(x0 ). A função (t, x0 ) : I ! E
define a curva das soluções ou trajetória de (4.2), a qual pode ser vista como o movimento ao
longo da curva no subconjunto E do espaço de fase Rn . Note que essa curva passa pelo ponto
x0 , visto que para t = 0, 0 (x0 ) = x0 .
Por outro lado, se x0 variar sobre K ⇢ E, o fluxo definido pela equação diferencial, t :
K ! E poderá ser visto como o movimento de todos os pontos que percencem a K.
24
4.2. O Fluxo de um Sistema não Linear
Figura 4.1: Trajetória ⌧ do Sistema (4.2).
Exemplo 4.2.2. Considere o PVI: 8

<ẋ = 1
x
:x(0) = x
0
1
com f (x) = 2 C 1 (E) e E = {x 2 R/x > 0}.
x p
Como solução do Problema de Valor Inicial temos que ✓ (t, x0 ) = ◆ x20 + 2t. Note que o
x20
fluxo está definido para x20 + 2t > 0 disso, segue que I(x0 ) = ,1 .
2
Teorema 4.2.3. Seja f : X ! Rn uma aplicação definida no conjunto X ⇢ Rn . A fim de que
f seja contı́nua, é necessário e suficiente que a imagem inversa f 1
(A) de todo aberto A ⇢ Rn
seja um conjunto aberto em X.
Teorema 4.2.4. Seja E um subconjunto aberto de Rn e f 2 C 1 (E). Então ⌦ é um subconjunto

aberto de R ⇥ E e 2 C 1 (⌦).
Teorema 4.2.5. Seja E um subconjunto aberto de Rn e f 2 C 1 (E). Então, para todo x0 2 E,

se t 2 I(x0 ) e s 2 I( t (x0 )), segue que s + t 2 I(x0 ) e
s+t (x0 ) = s ( t (x0 )).
Demonstração. Seja E um subconjunto aberto de Rn e f 2 C 1 (E), dividiremos a demonstração

desse teorema em três casos:
Caso 1: s > 0.
Suponha que s > 0, t 2 I(x0 ) e s 2 I( t (x0 )), para todo x0 2 E. Tomaremos o intervalo
maximal I(x0 ) = (↵, ) e definiremos a função x : (↵, s + t] ! E por
(
(r, x0 ), se ↵ < r  t
x(r) =
(r t, t (x0 )), se t < r  s + t.
25
Temos que x(r) é solução do PVI em (↵, s + t].

Antes de mostrar que x(r) é diferenciável em r = t, mostraremos que x(r) é contı́nua nesse
ponto.
lim x(r) = lim (r, x0 ) = (t, x0 ) = t (x0 )

r!t r!t
lim x(r) = lim+ (r t, t (x0 )) = (0, t (x0 )) = 0 ( t (x0 )) = t (x0 ).

r!t+ r!t
Além disso, x(t) = lim x(r) = lim+ x(r) = t (x0 ). Portanto, x(r) é contı́nua em r = t.
r!t r!t
Agora, devemos mostrar que x(r) é diferenciável em r = t.
Considere y = x(r) = (r, x0 ), para ↵ < r  t, e z = x(r) = (r t, t (x0 )), para
t < r  s + t. Sabemos que ˙ = f ( ), pois é solução do PVI. Então,
y 0 = f (y)
dy
) = f ( (r, x0 )) = ˙ (t, x0 )
dt
Além disso,
z 0 = f (z)
dz
) = f ( (r t, t (x0 )) = ˙ (t t, t (x0 ))
dt
= ˙ (0, t (x0 )) = f ( (0, t (x0 ))) = f ( t (x0 ))
= f ( (t, x0 )) = ˙ (t, x0 ).
Logo, x(r) é diferenciável em r = t.

Assim, x(r) é solução do PVI e s + t 2 I(x0 ), pois I(x0 ) é o intervalo maximal de existência
da solução. Agora, pela unicidade, temos:
s+t (x0 ) = (s + t, x0 ) = x(s + t) = (s, t (x0 )) = s ( t (x0 )).
Caso 2: s = 0.
De fato, s + t = 0 + t = t 2 I(x0 ) (por hipótese),
s+t (x0 ) = 0+t (x0 ) = t (x0 )
e
s ( t (x0 )) = 0 ( t (x0 )) = t (x0 ).
Portanto,
s+t (x0 ) = s ( t (x0 )),
para s = 0.
26
4.2. O Fluxo de um Sistema não Linear
Figura 4.2: O Fluxo Definido por uma Equação Diferencial
Caso 3: s < 0.
A demonstração é análoga à demonstração do Caso 1.
Teorema 4.2.6. Seja E um subconjunto aberto de Rn e f 2 C 1 (E). Se (t, x0 ) 2 ⌦, então

existe uma vizinhança de x0 , a qual chamaremos de U , tal que {t} ⇥ U 2 ⌦. Além disso, o
conjunto V = t (U ) é aberto em E, t ( t (x)) = x, 8x 2 U e t( t (y)) = y, 8y 2 V .
Demonstração. Se (t, x0 ) 2 ⌦, então, pelas hipóteses do teorema, podemos utilizar o Teorema

da Dependência das Condições Iniciais e Parâmetros, o qual garante a existência de uma vizi-
nhança de x0 , a qual será denotada por U = N (x0 ), e " > 0, tal que (t ", t + ") ⇥ U ⇢ ⌦.
Assim, podemos concluir que {t} ⇥ U ⇢ ⌦.
Para x 2 U , tomamos y = t (x), 8t 2 I(x). Então t 2 I(y) desde que a função h(s) =
(s + t, y) seja solução da equação diferencial em [ t, 0] que satisfaz h( t) = y, isto é, t está
definida em V = t (U ). De (4.2.5), temos:
t ( t (x)) = t+t (x) = 0 (x) = x, 8x 2 U
t( t (y)) = t t (y) = 0 (y) = y, 8y 2 V
Resta mostrar que V é um conjunto aberto.

Seja V ⇤ ⇢ V o conjunto maximal de E no qual t está definida. V ⇤ é aberto porque ⌦ é
aberto e t : V ⇤ ! E é contı́nua pois, por (4.2.4), é contı́nua. Por (4.2.3), a imagem inversa
do conjunto aberto U pela aplicação contı́nua t, isto é, t (U ), é aberto em E. Portanto, V é
aberto em E.
27
Definição 4.2.7. Seja E um subconjunto aberto de Rn , f 2 C 1 (E) e t :E ! E o fluxo

da equação diferencial (4.2) definida para todo t 2 R. O conjunto S ⇢ E é chamado de
invariante com relação ao fluxo t se t (S) ⇢ S para todo t 2 R. S é chamado de
positivamente invariante com relação ao fluxo t se t (S) ⇢ S para todo t 0 e negativamente
invariante com relação ao fluxo t se t (S) ⇢ S para todo t  0.
Exemplo 4.2.8. Considere o sistema não linear abaixo

" #
x1
f (x) = .
x2 + x21
A solução do problema de Cauchy, juntamente com a condição inicial x(0) = c, é dada por
2 3
c1 e t
t (c) = (t, c) =
4 c2 5.
c2 et + 1 (et e 2t )
3
⇢
x21
Mostraremos que o conjunto S = x 2 R2 /x2 = é invariante com relação ao fluxo
3
t.
c21
Seja c 2 S arbitrário, então c2 = e segue que
3
2 3 2 3 2 3
c1 e t c1 e t c1 e t
t (c) = (t, c) =
4 c2 5=4 c21 t c21 t 5=4 c21 2t 5 .
c2 et + 1 (et e 2t
) e + (e e 2t
) e
3 3 3 3
Desse modo, t (c) 2 S e, como c é arbitrário, concluı́mos que t (S) ⇢ S, 8t 2 R.
28
Capı́tulo 5
Linearização das Equações Diferenciais
Uma boa maneira de começar a analisar o sistema não linear
ẋ = f (x) (5.1)
é determinar os pontos de equilı́brio de (5.1) e descrever o comportamento de (5.1) próximo

dos pontos de equilı́brio. Mostraremos nos próximos capı́tulos que o comportamento local do
sistema não linear (5.1) próximo do um ponto esquilı́brio hiperbólico x0 é qualitativamente
determinado pelo comportamento do sistema linear
ẋ = Ax (5.2)
com a matriz A = Df (x0 ), próxima da origem. A função linear Ax = Df (x0 )x é chamada

parte linear de f em x0 .
5.1 Linearização
Definição 5.1.1. Um ponto x0 2 Rn é chamado de ponto de equilı́brio ou ponto crı́tico de
(5.1) se f (x0 ) = 0. Um ponto de equilı́brio x0 é chamado de ponto de equilı́brio hiperbólico
de (5.1) se nenhum dos autovalores da matriz A = Df (x0 ) possui parte real nula. O sistema
linear (5.2) com a matriz A = Df (x0 ) é chamado de linearização de (5.1) em x0 .
Note que se x0 é um ponto de equilı́brio de (5.1) e t : E ⇢ Rn ! Rn é o fluxo da equação
diferencial (5.1), então t (x0 ) = x0 8t 2 R.
Se x0 é chamado de ponto fixo do fluxo t, este também pode ser chamado de zero, de
ponto crı́tico ou de ponto singular do campo de vetores f : E ! Rn .
Definição 5.1.2. Um ponto de equilı́brio x0 de (5.1) é chamado de poço se todos os autovalores

da matriz Df (x0 ) possuem parte real negativa, de fonte se todos os autovalores de Df (x0 )
29
Capı́tulo 5. Linearização das Equações Diferenciais
possuem parte real positiva e de sela se for um ponto de equilı́brio hiperbólico e se Df (x0 )
possui, no mı́nimo, um autovalor com parte real positiva e um autovalor com parte real negativa.
Exemplo 5.1.3. Vamos classificar todos os pontos de equilı́brio do sistema não linear (5.1)
com " # " #
f1 (x) x21 x22 1
f (x) = = .
f2 (x) 2x2
Para encontrar os pontos de equilı́brio devemos fazer f (x) = 0, logo
8
< x2 x2 1 = 0
1 2
:2x = 0.
2
Como solução do sistema temos que (1, 0) e ( 1, 0) são pontos de equilı́brio do sistema.
Além disso,
2 3
@f1 (x) @f1 (x) " #
6 @x2 7 2x1 2x2
Df (x) = 4 @x1 5 = .
@f2 (x) @f2 (x) 0 2
@x1 @x2
Desse modo, " #
2 0
Df (1, 0) =
0 2
e " #
2 0
Df ( 1, 0) = .
0 2
Portanto, (1, 0) é uma fonte e ( 1, 0) é uma sela.
5.2 Equivalência e Conjugação de Campos Vetoriais

Definição 5.2.1. Dados os conjuntos U ⇢ Rm e V ⇢ Rn , um homeomorfismo entre U e V é
1
um bijeção contı́nua f : U ! V , cuja inversa f :V ! U também é contı́nua. Diz-se então
que U e V são conjuntos homeomorfos.
Definição 5.2.2. Seja f : U ! V uma bijeção de classe C k (k 1) entre abertos U, V ⇢ Rn .

1 1
Se sua inversa f : V ! U é diferenciável então f 2 C k . Diz-se então que f é um
difeomorfismo de classe C k .
Definição 5.2.3. Sejam X1 e X2 campos vetoriais definidos nos abertos 1, 2 ⇢ Rn , respec-

tivamente. Dizemos que X1 é topologicamente equivalente a X2 quando existe um homeo-
morfismo h : 1 ! 2 que leva órbitas de X1 em órbitas de X2 , preservando a orientação, isto
30
5.2. Equivalência e Conjugação de Campos Vetoriais
é, sejam p 2 1 e 1 (p) a órbita orientada de X1 passando por p, então, h( 1 (p)) = 2 (h(p))
(a órbita orientada de X2 passando por h(p)). O homeomorfismo h chama-se equivalência

topológica entre X1 e X2 .
Definição 5.2.4. Sejam 1 : D1 ! Rn e 2 : D2 ! Rn os fluxos gerados pelos campos X1 :

1 ! Rn e X 2 : 2 ! Rn , respectivamente. Diz-se que X1 é topológicamente conjugado
a X2 quando existe um difeomorfismo h : 1 ! 2 tal que h( 1 (t, x)) = 2 (t, h(x)), para
todo (t, x) 2 D1 .
O difeomorfismo h chama-se conjugação topológica entre X1 e X2 .
Toda conjugação é também uma equivalência, porém a conjugação, além de preservar a
orientação das órbitas, preserva o tempo. Uma equivalência h entre X1 e X2 leva ponto singular
em ponto singular e órbita periódica em órbita periódica.
Definição 5.2.5. Sejam X : ! Rn um campo de classe C k , k 1, ✓ Rn aberto e

A ✓ Rn 1
um aberto. Uma aplicação diferenciável f : A ! de classe C r chama-se seção
transversal local de X (de classe C r ), quando Df (a)(Rn 1 ) e X(f (a)) geram o Rn , para todo
a 2 A. Se f : A ! ⌃ for um homeomorfismo, dizemos que ⌃ é uma seção transversal de X.
Figura 5.1: Conjugação Topológica
31
Capı́tulo 6
O Teorema do Fluxo Tubular
6.1 Fluxo Tubular

Definição 6.1.1. Uma aplicação f : U ! Rn , definida no aberto U ⇢ Rm , chama-se forte-
mente diferenciável no ponto a 2 U quando existe uma transformação linear T : Rm ! Rn
tal que, para x, y 2 U vale
f (x) f (y) = T.(x y) + ⇢a (x, y)|x y|
onde
lim ⇢a (x, y) = 0.
(x,y)!(a,a)
Teorema 6.1.2. Seja f : U ! Rn uma aplicação diferenciável. A fim de que f seja fortemente
diferenciável no ponto a 2 U , é necessário e suficiente que a aplicação derivada f 0 : U !
L(Rm ; Rn ) seja contı́nua no ponto a.
Teorema 6.1.3 (Teorema da Aplicação Inversa). Seja f : U ! Rm , definida no aberto

U ⇢ Rm , fortemente diferenciável no ponto a 2 U e f 0 (a) ✓
: Rm ! ◆ R um isomorfismo.
m
@fi
(Equivalentemente: o determinante jacobiano det Jf (a) = (a) é diferente de zero.)
@xj
Então f é um homeomorfismo de um aberto V contendo a sobre um aberto W contendo f (a).
1
O homeomorfismo inverso f : W ! V é fortemente diferenciável no ponto f (a) e sua
derivada nesse ponto é [f 0 (a)] 1 . Se f 2 C k (k 1) então V pode ser tomado de modo que f
1
seja um difeomorfismo de V sobre W e, tem-se ainda f 2 Ck.
Lema 6.1.4. Sejam X1 : 1 ! Rn e X 2 : 2 ! Rn campos C k e h : 1 ! 2 um

difeomorfismo de classe C r . Então h é uma conjugação entre X1 e X2 se, e somente se,
Dh(p)X1 (p) = X2 (h(p)), 8p 2 1.
33
Capı́tulo 6. O Teorema do Fluxo Tubular
Demonstração. (() Sejam '1 : D1 ! 1 e '2 : D2 ! 2 os fluxos de X1 e X2 , respec-

tivamente. Suponha que h satisfaz Dh(p)X1 (p) = X2 (h(p)), 8p 2 1. Dado p 2 1 e seja
(t) = h('1 (t, p)), t 2 I1 (p). Então é solução do problema de valor inicial x0 = X2 (x),
x(0) = h(p), pois
◆✓
0 d'1
(t) = Dh('1 (t, p)). (t, p) = Dh('1 (t, p))X1 ('1 (t, p))
dt
✓ ◆ ✓ ◆
d'2 d'2
= X2 (h('1 (t, p))) = X2 ( (t)) = (t, (t)) = (t, h('1 (t, p)).
dt dt
Desse modo, (t) = h('1 (t, p)) = '2 (t, h(p)) + K.
Aplicando a condição inicial:
(0) = h('1 (0, p)) = '2 (0, h(p)) + K
) h(p) = h(p) + K
) x(0) = x(0) + K
) K = 0.
Portanto, h('1 (t, p)) = '2 (t, h(p)).
()) Suponhamos que h seja uma conjugação de classe C r e seja p 2 1, então
h('1 (t, p)) = '2 (t, h(p)),
8t 2 I1 (p), em que I1 (p) é um intervalo que contém o zero.

Derivando ambos os lados da igualdade com respeito a t em t = 0, obtém-se:
d'1
(h('1 (t, p)))0 = Dh('1 (t, p)). dt
(t, p) = Dh('1 (t, p))X1 ('1 (t, p)).
0 d'2
('2 (t, h(p))) = dt
(t, h(p)) = X2 (h(p)).
Logo, tem-se que Dh('1 (t, p))X1 ('1 (t, p)) = X2 (h(p)), 8t 2 I1 (p), o que implica que em
t=0
Dh(p)X1 (p) = X2 (h(p)).
Teorema 6.1.5 (Teorema do Fluxo Tubular). Seja p um ponto não singular de X : ! Rn

de classe C k e f : A ! ⌃ uma seção transversal local de X de classe C k com f (0) = p. Então
existe uma vizinhança V de p em e um difeomorfismo h : V ! ( ", ") ⇥ B de classe C k ,
onde " > 0 e B é uma bola aberta em Rn 1
de centro na origem 0 = f 1
(p) tal que
(a) h(⌃ \ V ) = {0} ⇥ B;
(b) h é uma C k -conjugação entre X|V e o campo constante Y : ( ", ") ⇥ B ! Rn , Y =

(1, 0, 0, ..., 0) 2 Rn .
34
6.1. Fluxo Tubular
Figura 6.1: Fluxo Tubular
Figura 6.2: Prova do Teorema 6.1.5
Demonstração. Seja : D ⇢ R ⇥ Rn 1
! o fluxo de X e seja F : DA = {(t, u) : (t, f (u)) 2
D} ⇢ R ⇥ A ! definida por F (t, u) = (t, f (u)). F aplica linhas paralelas ao eixo t em
curvas integrais do campo X.
Seja u1 2 A, então F (t, u1 ) = (t, f (u1 )), (t, f (u1 )) 2 D. Note que esta é a trajetória de X
que em t = 0 passa por f (u1 ).
Primeiramente, mostraremos que F é um difeomorfismo local em 0 = (0, 0) 2 R ⇥ Rn 1 .
Para que o Teorema da Aplicação Inversa possa ser utilizado, devemos satisfazer suas hipóteses,
isto é, mostrar que det(DF (0)) 6= 0 e que F é fortemente diferenciável no ponto 0.
i) Mostremos que det(DF (0)) 6= 0. Temos que
✓ ◆
@F @ @F @F @F
(0, 0) = (0, f (0)) = X( (0, p)) = X(p) e = , ...,
@t @t @u @x1 @xn 1
onde u = (x1 , ..., xn 1 ).
Além disso,
@F @ @ 0 @f
(0, 0) = (0, f (0)) = (f (0)) = (0)
@x1 @x1 @x1 @x1
35
Capı́tulo 6. O Teorema do Fluxo Tubular
..
.
@F @ @ 0 @f
(0, 0) = (0, f (0)) = (f (0)) = (0).
@xn 1 @xn 1 @xn 1 @xn 1
✓ ◆ ✓ ◆
@F @F @f @f
Logo, DF (0) = (0, 0), (0, 0) = X(p), (0), ..., (0) .
@t @u @x1 @xn 1
Temos que f é uma seção transversal local de X, logo, por definição, Df (0)(Rn 1 ) e X(p)
geram o Rn . Assim, esses vetores são linearmente independentes e, portanto, det(D(F (0)) 6= 0.
ii)A aplicação derivada f 0 é contı́nua no ponto 0 por hipótese, pois f é de classe C r . Logo,
por (6.1.2), f é fortemente diferenciável em 0.
Pelo Teorema da Aplicação Inversa, existem " > 0 e uma bola B ⇢ Rn 1
com centro na
origem 0 tais que F |( ", ") ⇥ B é um difeomorfismo sobre o aberto V = F ((", ") ⇥ B). Sejam
1
h = F : V ! ( ", ") ⇥ B e x 2 ⌃ \ V , então existe u 2 A tal que f (u) = x. Ainda
1
mais, h(x) = h(f (u)) = F (f (u)) e F (0, u) = (0, f (u)) = 0 (f (u)) = f (u). Desse modo,
1 1
F (F (0, u)) = F (f (u)), o que implica que h(x) = (0, u). Portanto, h(⌃ \ V ) = {0} ⇥ B.
Isto prova (a).
Para provar a parte (b), devemos mostrar que Dh 1 (t, u)Y (t, u) = X(h 1 (t, u)), 8(t, u) 2
( ", ") ⇥ B. ✓ ◆
1 @f @f
Dh (t, u)Y (t, u) = DF (t, u)(1, 0, ..., 0) = X( (t, f (u))), (u), ..., (u) (1, 0, ..., 0) =
@x1 @xn 1
X( (t, f (u))) = X(F (t, u)) = X(h 1 (t, u)).
Assim sendo, Dh 1 (t, u)Y (t, u) = X(h 1 (t, u)), 8(t, u) 2 ( ", ") ⇥ B.
36
Capı́tulo 7
Estrutura Local de Pontos Singulares

Hiperbólicos
Neste capı́tulo, vamos estudar os pontos singulares hiperbólicos, ou seja, pontos os quais
nenhum dos autovalores da matriz A = Df (x0 ) possui parte real nula.
O Teorema de Grobman-Hartman mostra que numa região próxima do ponto de equilı́brio,
o sistema não linear
ẋ = f (x) (7.1)
possui uma estrutura qualitativa equivalente ao sistema linear
ẋ = Ax (7.2)
onde A = Df (x0 ) e x0 é uma singularidade. Assumiremos que o ponto de equilı́brio x0 foi

transladado para a origem.
7.1 O Teorema de Grobman-Hartman

Definição 7.1.1. O número de autovalores de DX(x0 ) que têm parte real menor do que
0 chama-se ı́ndice de estabilidade de X em x0 . O ı́ndice determina a classe de conjugação
topológica local.
Teorema 7.1.2 (Desigualdade do Valor Médio). Dado U ⇢ Rm aberto, seja f : U ! Rn

diferenciável em cada ponto do segmento de reta aberto (a, a + v) e tal que sua restrição ao
segmento fechado [a, a + v] ⇢ U seja contı́nua. Se |f 0 (x)|  M para todo x 2 (a, a + v) então
|f (a + v) f (a)|  M.|v|.
Teorema 7.1.3 (Teorema de Grobman-Hartman). Sejam ⌦ ⇢ Rn um aberto contendo a ori-

gem, f 2 C 1 (⌦) e t o fluxo do sistema não linear (7.1), supondo f (0) = 0 e que a matriz
37
Capı́tulo 7. Estrutura Local de Pontos Singulares Hiperbólicos
A = Df (0) não possui autovalores com a parte real nula. Então existe um homeomorfismo
H :U ! V , com U e V contendo a origem, tal que para cada x0 2 U , existe um intervalo
aberto I0 ⇢ R contendo o zero tal que, para todo x0 2 U e t 2 I0 vale
H t (x0 ) = eAt H(x0 )
isto é, H leva trajetórias de (7.1) próximas a origem em trajetórias de (7.2) próximas a origem,
preservando a orientação.
Demonstração. Considere o sistema não linear (7.1) com f 2 C 1 (⌦), f (0) = 0 e A = Df (0).
Suponha que a matriz A seja escrita na forma
" #
P 0
A=
0 Q
onde os autovalores de P possuem parte real negativa e os autovalores de Q possuem parte real
positiva.
Seja t o fluxo do sistema não linear (7.1) e escreva a solução
" #
y(t, y0 , z0 )
X(t, x0 ) = t (x0 ) =
z(t, y0 , z0 )
onde " #
y0
x0 = 2 Rn ,
z0
y0 2 ⌦s , o subespaço estável de A, isto é, todos os autovalores tem parte real negativa e z0 2 ⌦u ,
o subespaço instável de A, isto é, todos os autovalores tem parte real positiva. Note que y0 e
z0 tem tantas coordenadas quanto a quantidade de linhas de P e Q, respectivamente.
Defina as funções
Ỹ : ⌦s ⌦u ! ⌦s por Ỹ (y0 , z0 ) = y(1, y0 , z0 ) e P y0
Z̃ : ⌦s ⌦u ! ⌦u por Z̃(y0 , z0 ) = z(1, y0 , z0 ) eQ z0
e
" #
Ỹ (y0 , z0 )
X̃(y0 , z0 ) = .
Z̃(y0 , z0 )
Logo, temos que
" # " # " # " #
Ỹ (0, 0) y(1, 0, 0) 0 0
X̃(0, 0) = = = ,
Z̃(0, 0) z(1, 0, 0) 0 0
pois, por hipótese, zero é um ponto de equilı́brio hiperbólico. Mostremos que DX̃(0, 0) = 0.
38
7.1. O Teorema de Grobman-Hartman
2 3
@y @y " #
(1, 0, 0) (1, 0, 0) eP 0 @x
6 7
DX̃(0, 0) = 4 @y
@z
0 @z0
@z 5 = (1, 0, 0) eA .
(1, 0, 0) (1, 0, 0) 0 e Q @(y0 , z0 )
@y0 @z0
De fato,
@x
DX̃(0, 0) = 0 () (1, 0, 0) = eA
@(y0 , z0 )
@x
Agora, resta mostrar que vale (1, 0, 0) = eA .
@(y0 , z0 )
Por (7.1),
@x
= f (x(t, y, z)).
@t
Derivando ambos os lados da igualdade com relação a (y0 , z0 ) no ponto (1, 0, 0), tem-se
@ 2x @f (x(t, y, z)) @f (x(1, 0, 0)) @x(1, 0, 0)

(1, 0, 0) = (1, 0, 0) = .
@(y0 , z0 )@t @(y0 , z0 ) @(y0 , z0 ) @(y0 , z0 )
Como as derivadas de segunda ordem são contı́nuas, pelo Teorema de Schwarz, temos
@ 2x @x(1, 0, 0)
(1, 0, 0) = A .
@t@(y0 , z0 ) @(y0 , z0 )
Por fim, o sistema linear acima possui como solução
@x(1, 0, 0)
= eA .
@(y0 , z0 )
Portanto, " # " #
DỸ (0, 0) 0
DX̃(0, 0) = = .
DZ̃(0, 0) 0
Como f 2 C 1 (⌦), então Ỹ (y0 , z0 ) e Z̃(y0 , z0 ) são continuamente diferenciáveis e, desse modo,
DỸ (y0 , z0 )  a
e
DZ̃(y0 , z0 )  a
no conjunto compacto |y0 |2 + |z0 |2  s20 . A constante a pode ser tomada tão pequena quanto
se queira, basta diminuir s0 .
Definiremos as funções suaves Y (y0 , z0 ) e Z(y0 , z0 ) da seguinte forma:
39
8
<Y (y0 , z0 ) = Ỹ (y0 , z0 )
:Z(y , z ) = Z̃(y , z )
0 0 0 0
⇣ s ⌘2
0
para |y0 |2 + |z0 |2  e
2
8
<Y (y0 , z0 ) = 0
:Z(y , z ) = 0
0 0
para |y0 |2 + |z0 |2 s20 .

Pela Desigualdade do Valor Médio, temos que 8(y0 , z0 ) 2 Rn :
|Y (y0 , z0 )| = |Y (y0 , z0 ) Ỹ (0, 0)|

= |Y (y0 , z0 ) Y (0, 0)|
 a|(y0 , z0 ) (0, 0)|
 a|(y0 , z0 )|
p
 a |y0 |2 + |z0 |2
 a(|y0 |2 + |z0 |2 ).
De maneira análoga, temos |Z(y0 , z0 )|  a(|y0 |2 + |z0 |2 ), 8(y0 , z0 ) 2 Rn .

Denotando B = ep e C = eq e assumindo que já tenha sido feita a normalização dos
1
operadores, (Hartman[H], p.233), temos b = kBk < 1 e c = kC k < 1.
Além disso, vamos definir c⇤ = kCk.
Para " #
y
x= 2 Rn
z
vamos definir as transformações
" #
By
L(y, z) =
Cz
e " #
Y (y, z) + By
T (y, z) =
Z(y, z) + Cz
isto é, L(x) = eA x e T (x) = 1 (x).
Lema 7.1.4. Existe um homeomorfismo H0 : U ! V , em que U e V abertos de Rn contendo

a origem, tal que:
H0 T = L H0 .
40
A demonstração desse Lema será feita utilizando aproximações sucessivas. Para x 2 Rn

" #
(y, z)
H0 (y, z) = .
(y, z)
Então, H0 T = L H0 é equivalente ao par de equações
B (y, z) = (Y (y, z) + By, Z(y, z) + Cz) (7.3)
C (y, z) = (Y (y, z) + By, Z(y, z) + Cz) (7.4)
pois
" #
(Y (y, z) + By, Z(y, z) + Cz)
H0 T = H0 (T ) =
(Y (y, z) + By, Z(y, z) + Cz)
e " #
B (y, z)
L H0 = L(H0 ) = .
C (y, z)
Primeiramente, definiremos as aproximações sucessivas para equação (9.4.2) por
0 (y, z) =z
..
. (7.5)
1
k+1 (y, z) =C k (Y (y, z) + By, Z(y, z) + Cz).
Segue, por indução, que para k = 1, 2, ...,, k (y, z) são contı́nuas e satisfazem k (y, z) =z
para |y| + |z| 2s0 .
Se k = 0, então 0 (y, z) = z e, dessa forma, 0 é contı́nua. Suponhamos que vale para
k (y, z). Provaremos que vale para k+1 . Sabendo que Z(y, z) = 0, se |y| + |z| 2s0 , então
1
k+1 =C k (Y (y, z) + By, Z(y, z) + Cz)
1
=C (Z(y, z) + Cz)
1
=C (Cz)
= z.
Logo, k (y, z) =z e k (y, z) são contı́nuas 8k 2 N.

Agora, provaremos também por indução , que para j = 1, 2, ...
| j (y, z) j 1 (y, z)|  M rj (|y| + |z|)
41
em que r = c[3 max(a, b, c⇤ )] , com 2 (0, 1) escolhido suficientemente pequeno, de modo que
ac(2s0 )1
r<1eM = . Para j = 1 e sabendo que Z(y, z) = 0 para |y| + |z| 2s0
r
1
| 1 (y, z) 0 (y, z)| = |C 0 (Y (y, z) + By, Z(y, z) + Cz) z|
1
= |C (Z(y, z) + Cz) z|
1
= |C Z(y, z)|
1
 kC k|Z(y, z)|
 ca(|y| + |z|)
 M r(|y| + |z|) .
Assumindo que vale para j = 1, ..., k, mostraremos que também vale para k + 1:
1 1
| k+1 (y, z) k (y, z)| = |C k (Y (y, z) + By, Z(y, z) + Cz) C k 1 (Y (y, z) + By, Z(y, z) + Cz)|
1
= |C [ k (Y (y, z) + By, Z(y, z) + Cz) k 1 (Y (y, z) + By, Z(y, z) + Cz)]|
1
 kC k| k (Y (y, z) + By, Z(y, z) + Cz) k 1 (Y (y, z) + By, Z(y, z) + Cz)|
 cM rk (|By + Y (y, z)| + |Cz + Z(y, z)|)
 cM rk [b|y| + 2a(|y| + |z|)| + c⇤ |z|]
 cM rk [3 max(a, b, c⇤ )] (|y| + |z|)]
= M rk+1 (|y| + |z|)] .
Note que, k (y, z) é uma sequência de Cauchy de funções contı́nuas, portanto, converge
uniformemente para a função contı́nua (y, z), quando k ! 1. Além disso, (y, z) = z para
|y| + |z| 2s0 .
Tomando o limite em (7.5), temos
1
lim k+1 (y, z) = lim C k (Y (y, z) + By, Z(y, z) + Cz)
k!1 k!1
e, portanto
C (y, z) = (Y (y, z) + By, Z(y, z) + Cz),
o que mostra que (y, z) é solução de (9.4.2).

A equação (9.4.1) pode ser escrita da seguinte forma
1
B (y, z) = (B 1 y + Y1 (y, z), C 1
z + Z1 (y, z))
onde as funções Y1 e Z1 são definidas através da inversa de T e

" #
1
B y + Y 1 (y, z)
T 1 (y, z) = 1
.
C z + Z1 (y, z)
42
Provamos que (y, z) = B (Y1 (y, z) + B 1 y, Z1 (y, z) + C 1

z) de modo análogo ao que
fizemos para (y, z), tomando 0 (y, z) = y como aproximação inicial. Dessa forma, obtemos a
aplicação contı́nua
" #
(y, z)
H0 (y, z) = .
(y, z)
Anteriormente, foi provado por indução que (y, z) é uma função contı́nua, o que é feito
de modo análogo para (y, z). Assim, podemos concluir que H0 (y, z) é contı́nua. Além disso,
existe a inversa de H0 . De (7.1.4), temos que existe H0 tal que
H0 T = L H0 .
Tomando a inversa de ambos os lados da equação, resulta em
1
T H0 1 = H0 1 L 1 .
Considere G0 = H0 1 e T 1
e L 1 , o fluxo não linear no tempo t = 1 e o fluxo linear,
respectivamente. Assim, temos que
1
T G0 = G0 L 1 .
Fazendo o mesmo processo que fizemos para H0 , concluı́mos que G0 é contı́nua. Logo, H0
é um homeomorfismo.
Isso finaliza a prova do Lema. Voltando à demonstração do Teorema...
Seja H0 o homeomorfismo do Lema acima e considere Lt e T t a famı́lia de transformações
definidas por Lt (x0 ) = eAt x0 e T t (x0 ) = t (x0 ).
Definimos
ˆ 1
H= L s H0 T s ds.
0
Segue de (7.1.4) que existe uma vizinhança da origem tal que
ˆ 1 ˆ 1
t t s s
LH=L L H0 T ds = Lt s H0 T s t dsT t .
0 0
43
Tomando u = s t e usando o fato de que H0 = L 1 H0 T , segue

ˆ 1 t ˆ 0 ˆ 1 t
u u t u u
L H0 T duT = L H0 T du + L u H0 T u du T t
t t 0
ˆ 0 ˆ 1 t
u 1 u
= L L H0 T T du + L u H0 T u du T t
t 0
ˆ 0 ˆ 1 t
= L u 1 H0 T u+1 du + L u H0 T u du T t
t 0
ˆ 1 ˆ 1 t
v v
= L H0 T dv + L v H0 T v dv T t
1 t 0
ˆ 1
= L v H0 T v dv T t
0
= HT t .
Como
Lt H = HT t , (7.6)
então,
H t (x0 ) = eAt H(x0 ).
Para finalizar a demonstração, é suficiente verificar que H é um homeomorfismo. Note que

H é dada por ˆ 1
H= L s H0 T s ds,
0
isto é, H é a integral de uma composição de funções contı́nuas, visto que H0 é contı́nua e Lt (x0 )
e T t (x0 ) são, respectivamente, o fluxo do campo linear e não linear. Vale lembrar que o fluxo
é uma aplicação contı́nua.
Como vimos, H0 é um homeomorfismo, logo, possui inversa, a qual chamaremos de G0 .
1
Assim, a inversa de H é H , que será definida por
ˆ 1
1
H = T s H0 Ls ds.
0
1 1
Mais uma vez, H é a integral de uma composição de funções contı́nuas e assim H é
contı́nua. Portanto, a aplicação H é um homeomorfismo.
44
Capı́tulo 8
Conjuntos Limites e Atratores
8.1 Conceitos Importantes

Considere o sistema autônomo
ẋ = f (x) (8.1)
com f 2 C 1 (E), em que E é um subconjunto aberto de Rn . Para x 2 E, a função (. , x) :

R ! E define a solução curva, trajetória ou órbita de (8.1) que passa por x 2 E. Podemos
pensar na trajetória através do ponto x0 2 E como o movimento ao longo da curva
x0 = {x 2 E/x = (t, x0 ), t 2 R}
definida por (8.1) e que passa pelo ponto x0 em t = 0. Denotaremos a trajetória simplesmente
por , que será um subconjunto do espaço de fase Rn .
Definição 8.1.1. A trajetória positiva de (8.1) que passa pelo ponto x0 2 E é dada por
+
x0 = {x 2 E/x = (t, x0 ), t 0}. Analogamente, a trajetória negativa de (8.1) que passa pelo
+
ponto x0 2 E é dada por x0 = {x 2 E/x = (t, x0 ), t  0}. Assim, temos que = [ .
Definição 8.1.2. Um ponto p 2 E é um ponto !-limite da trajetória (. , x) do sistema (8.1)

se existe uma sequência tn ! 1 tal que
lim (tn , x) = p.
n!1
Similarmente, se existir uma sequência tn ! 1 tal que
lim (tn , x) = q.
n!1
e o ponto q 2 E, então o ponto q é chamado de um ponto ↵-limite da trajetória (. , x) de

(8.1).
45
Capı́tulo 8. Conjuntos Limites e Atratores
O conjunto de todos os pontos !-limite da trajetória é chamado de conjunto !-limite

de e é denotado por !( ).
De modo análogo, o conjunto de todos os pontos ↵-limite da trajetória é chamado de
conjunto ↵-limite de e é denotado por ↵( ). O conjunto ↵( ) [ !( ) é chamado de
conjunto limite de .
Definição 8.1.3. Um ponto a 2 Rn diz-se aderente a um conjunto X ⇢ Rn quando é limite

de uma sequência de pontos desse conjunto.
Definição 8.1.4. O conjunto de todos os pontos aderentes a X chama-se fecho de X e é

indicado com a notação X̄.
Definição 8.1.5. Um conjunto X ⇢ Rn chama-se chama-se fechado quando contém todos os

seus pontos aderentes, isto é, quando X = X̄.
Definição 8.1.6. Seja M um conjunto e X ✓ M . Dizemos que {U↵ }↵ 2 é uma cobertura

de X em M quando cada U↵ ✓ M e X ✓ [↵2 U↵ .
Definição 8.1.7. Seja (M, d) um espaço métrico e X ✓ M . Uma cobertura por abertos de X
é uma cobertura no sentido anterior no qual cada U↵ é um aberto em M .
Definição 8.1.8. Seja (M, d) um espaço métrico e X ✓ M . Dizemos que X é compacto em

M se para toda cobertura aberta de X em M existe uma subcobertura finita de X em M , isto
é, X ✓ [↵2 U↵ ) existe ↵1 , ↵2 , ..., ↵m 2 tal que X ✓ [U↵1 ... [ U↵m .
Teorema 8.1.9. K ⇢ Rn é fechado e limitado se, e somente se, K é compacto.
Proposição 8.1.10. Seja (M, d) um espaço métrico compacto. K ✓ M é fechado se, e somente
se, K é compacto.
Teorema 8.1.11. Um conjunto X ⇢ Rn é compacto se, e somente se, toda sequência em X

possui uma subsequência convergente para um ponto de X.
Definição 8.1.12. Uma cisão do conjunto X é uma decomposição da forma
X =A[B
no qual A, B são abertos em M e A \ B = ?.

A decomposição X = X \ ? é chamada de cisão trivial.
Definição 8.1.13. Um conjunto X é conexo quando a única cisão possı́vel é a cisão trivial.
46
8.1. Conceitos Importantes
Teorema 8.1.14. Os conjuntos ↵ e !-limites da trajetória de (8.1) são subconjuntos fe-

chados de E. Se está contido em um subconjunto compacto de Rn , então ↵( ) e !( ) são
subconjuntos não vazios, conexos e compactos de E.
Demonstração. Decorre da definição que !( ) ⇢ E. Para mostrar que !( ) é um subconjunto

fechado de E, tomaremos uma sequência de pontos em !( ), a qual denotaremos por pn , tal
que pn ! p 2 Rn e, por fim, mostraremos que p 2 !( ). Seja x0 2 e pn 2 !( ), segue que,
(n)
para cada n = 1, 2, ..., existe uma sequência tk ! 1 quando k ! 1 tal que
(n)
lim (tk , x0 ) = pn
k!1
n = 1, t11 < t12 < t13 < ... ! 1

n = 2, t21 < t22 < t23 < ... ! 1
..
.
n = l, tl1 < tl2 < tl3 < ... ! 1
Logo, existe k(n) tal que
(n) 1
| (tk , x0 ) pn | <
n
8k k(n).
(n) (n+1) (n)
Seja tn = tk(n) , queremos mostrar que tn ! 1. Assumindo que tk > tk , temos
tn+1 > tn , pois
(n+1) (n)
tn+1 = tk(n+1) > tk (n + 1)(n) > tk(n) = tn .
Portanto tn ! 1 e, pela desigualdade triangular
| ( t n , x0 ) p| = | ( tn , x0 ) p + pn pn |
 | ( tn , x0 ) pn | + |pn p|
1
 + |pn p|.
n
Quando n ! 1, temos | ( tn , x0 ) p| ! 0. Dessa forma, p 2 !( ), o que implica que

!( ) seja fechado.
Vamos mostrar agora que se está contido em K ⇢ Rn compacto, então !( ) é não vazio,
conexo e compacto em E.
Por hipótese, ⇢ K e (tn , x0 ) ! p 2 !( ). De fato, tem-se que (tn , x0 ) 2 ⇢ K,
8n 2 N. Como (tn , x0 ) é uma sequência no compacto K, então possui uma subsequência
convergente para um ponto de K, mas como (tn , x0 ) ! p, então toda subsequência de
(tn , x0 ) também converge para p. Portanto, p 2 K, o que implica em !( ) ⇢ K. Já provamos
que !( ) é fechado em E e que !( ) ⇢ K, em que K é compacto, então !( ) é compacto.
47
Além disso, !( ) 6= ?, pois a sequência de pontos (n, x0 ) 2 K possui uma subsequência

convergente a um ponto p 2 !( ).
Finalmente, provemos que !( ) é conexo. Suponha, por absurdo, que !( ) não seja conexo.
Uma prova similar pode ser feita para estabelecer os mesmos resultados para ↵( ). Então
existem A, B ⇢ Rn abertos disjuntos e não vazios tais que !( ) = A [ B. Como A e B são
limitados, definimos a distância entre A e B como
= d(A, B) = inf |x y|.

x2A,y2B
Como os pontos de A são de !-limite, existe uma sequência tn 0 ! 1 tal que (tn 0 , x0 ) !
a 2 A. Assim, dado > 0, existe n̄, tal que, para n > n̄ tem-se
| (tn 0 , x0 ) A| < .
2
Analogamente, existe uma sequência tn 00 ! 1 tal que (tn 00 , x0 ) ! b 2 B. Então, dado
¯ , tal que, para n > n̄
> 0, existe n̄ ¯ tem-se
| (tn 00 , x0 ) B| <
2
) | (tn 0 , x0 ) A| > .
2
Logo, podemos definir a sequência
8
<tn 0 , se n é par
tn =
:t 00 , se n é ı́mpar
n
¯ }, para n > n⇤ tem-se

e, portanto, tomando n⇤ = max{n̄, n̄
| (tn , x0 ) A| <
2
e
| (tn 0 , x0 ) A| > .
2
A função d( (tn , x0 ), A) é uma função de t contı́nua e segue que deve existir uma sequência
tm ! 1 tal que d( (tm , x0 ), A) = /2. Como (tm , x0 ) ⇢ K, existe uma subsequência con-
vergindo para um ponto p 2 !( ) com d(p, A) = /2. Pela desigualdade triangular,
d(p, A) + d(p, B)  d(A < B)
) d(p, B)
2
o que implica que p 2
/Aep2
/ B, isto é, p 2
/ !( ), uma contradição.
48
Teorema 8.1.15. Seja p um ponto !-limite de (8.1), então todos os outros pontos da trajetória
(. , p) de (8.1) também são pontos !-limite, isto é, se p 2 !( ) então p⇢ !( ) e similarmente
se p 2 ↵( ) então p ⇢ ↵( ).
Demonstração. Seja p 2 !( ), onde é a trajetória de (t, x0 ). Seja q = (t⇤ , p), para algum
t⇤ 2 R. Como p é um ponto !-limite da trajetória (t, x0 ), temos que existe uma sequência
tn ! 1 tal que (tn , x0 ) ! p. Devido à continuidade com respeito às condições iniciais e às
propriedades de fluxo, temos
(tn + t⇤ , x0 ) = (t⇤ , (tn , x0 )) ! (t⇤ , p) = q.
Logo, q é um ponto !-limite. A mesma demonstração pode ser feita para um ponto ↵-limite.
Corolário 8.1.16. Os conjuntos !( ) e ↵( ) são invariantes com respeito ao fluxo t de (8.1).
Definição 8.1.17. Um conjunto fechado e invariante A ⇢ E é chamado de conjunto atrator

do sistema (8.1) se existir alguma vizinhança U de A tal que, para todo x 2 U , temos t (x) 2 U,
para todo t 0e t (x) ! A, quando t ! 1.
Observe que, dado um ponto de equilı́brio x0 de (8.1), temos que (t, x0 ) = x0 para todo
t 2 R e a trajetória possui um único ponto !-limite e ↵-limite, o próprio x0 .
Definição 8.1.18. Um ciclo limite ou órbita fechada isolada de (8.1) é uma curva fechada
que é solução do sistema e que não tem ponto de equilı́brio. O ciclo limite é chamado de
+
atrator, se existe " > 0 e uma vizinhança U de , tal que para todo x 2 U , d( x, ) < ".
Um ciclo limite é repulsor se existe " > 0 e uma vizinhança U de , tal que, para todo x 2 U ,
d( x, ) < ". Se não é atrator e nem repulsor, dizemos que é semi-estável.
Vale destacar que define uma curva fechada se, e somente se, para todo t 2 R vale
(t + T, x0 ) = (t, x0 )
em que T é o perı́odo da órbita periódica.
Exemplo 8.1.19. Considere o sistema

8
<ẋ = y + x(1 x2 y 2 )
:ẏ = x + y(1 x2 y 2 ).
Em coordenadas polares, temos x = r. cos ✓ e y = r. sin ✓.

Substituindo no sistema:
8
<(r. cos ✓)0 = r. sin ✓ + r. cos ✓(1 r2 . cos2 ✓ r2 . sin2 ✓)
:(r. sin ✓)0 = r. cos ✓ + r. sin ✓(1 r2 . cos2 ✓ r2 . sin2 ✓).
49
Derivando o lado esquerdo da igualdade com relação a t, obtemos

8
<r0 . cos ✓ ✓0 .r. sin ✓ = r. sin ✓ + r. cos ✓(1 r2 )
(8.2)
:r0 . sin ✓ + ✓0 .r. cos ✓ = r. cos ✓ + r. sin ✓(1 r2 ).
Multiplicando a primeira equação de (8.2) por (cos ✓) e a segunda equação por (sin ✓) e, por
fim, somando ambas, encontramos
r0 = r(1 r2 ).
Multiplicando a primeira equação de (8.2) por ( sin ✓) e a segunda equação por (cos ✓) e,
por último, somando as duas, temos
✓0 = 1.
Logo, o sistema dado é correspondente ao sistema abaixo em coordenadas polares

8
<r0 = r(1 r2 )
:✓0 = 1.
Figura 8.1: A circunferência de raio 1(em azul) é um conjunto atrator.
Note que,
• se r = 1, então r0 = 0, isto é, não há variação do raio e o fluxo é definido por uma
circunferência de raio unitário;
• se r > 1, então r0 < 0, ou seja, o raio está decrescendo em forma de uma espiral;
50
• se 0 < r < 1, então r0 > 0, ou seja, o raio está crescendo em forma de uma espiral.
É claro que a origem é um ponto de equilı́brio. Além disso, como ✓0 = 1, o ângulo ✓ é

crescente, o que nos permite concluir que o fluxo ocorre no sentido anti-horário.
A circunferência de raio unitário é um conjunto !-limite de fluxos com r > 1 e r < 1. A
origem é um ponto ↵-limite de fluxos com r < 1 e fluxos com r > 1 não possuem um conjunto
↵-limite.
Exemplo 8.1.20. Considere o sistema abaixo

8
>
>ẋ = y + x(1 z 2 x2 y 2 )
>
<
ẏ = x + y(1 z 2 x2 y 2 )
>
>
>
:ż = 0.
Em coordenadas esféricas, temos x = ⇢. sin . cos ✓, y = ⇢. sin . sin ✓ e z = ⇢. cos . Substi-

tuindo no sistema:
8
>
> (⇢. sin . cos ✓)0 = ⇢. sin . sin ✓ + ⇢. sin . cos ✓(1 ⇢2 . cos2 ⇢2 . sin2 . cos2 ✓ ⇢2 . sin2 . sin2 ✓)
>
<
(⇢. sin . sin ✓)0 = ⇢. sin . cos ✓ + ⇢. sin . sin ✓(1 ⇢2 . cos2 ⇢2 . sin2 . cos2 ✓ ⇢2 . sin2 . sin2 ✓)
>
>
>
:(⇢. cos )0 = 0.
Derivando o lado esquerdo da igualdade em t, obtemos

8
>
> ⇢0 . sin . cos ✓ + 0 .⇢. cos . cos ✓ ✓0 .⇢. sin . sin ✓ = ⇢. sin . sin ✓ + ⇢. sin . cos ✓(1 ⇢2 )
>
<
⇢0 . sin . sin ✓ + 0 .⇢. cos . sin ✓ ✓0 .⇢. sin . cos ✓ = ⇢. sin . cos ✓ + ⇢. sin . sin ✓(1 ⇢2 )
>
>
>
:⇢0 . cos 0
.⇢. sin = 0.
(8.3)
⇢0 = ⇢(1 ⇢2 ) sin2 .
✓0 = 1.
Logo, o sistema dado é correspondente ao sistema abaixo

8
>
> ⇢0 = ⇢(1 ⇢2 ) sin2
>
<
✓0 = 1
>
>
>
:z 0 = 0.
51
Note que cada plano z = z0 é invariante e, como ✓0 = 1, o fluxo é anti-horário.

Tomando ⇢ = 0, ⇢ = 1 ou = 0, temos ⇢0 = 0, logo a esfera de raio ⇢ e o eixo z são
conjuntos atratores.
Considerando o plano z = 0, temos = ⇡/2 e, assim, caı́mos no caso do exemplo anterior.
0
Para 0 < ⇢ < 1 temos ⇢ > 0 e, dessa forma, o raio cresce, isto é, o fluxo é atraı́do pela
circunferência de raio 1 e para ⇢ > 1 temos ⇢0 < 0 o que implica no decrescimento do raio, ou
seja, o fluxo é atraı́do pela circunferência de raio 1.
O mesmo raciocı́nio pode ser feito para z = z0 6= 0 e, com isso, pode-se encontrar o mesmo
retrato de fase, porém, diminuindo o raio das circunferências conforme nos distanciamos de
z = 0.
Figura 8.2: Sistema dinâmico com S 2 como parte de um conjunto atrator.

8
>
> ẋ = y + x(1 x2 y 2 )
>
<
ẏ = x + y(1 x2 y 2 )
>
>
>
:ż = ↵.
Em coordenadas cilı́ndricas, temos x = r. cos ✓ e y = r. sin ✓, z = z. Substituindo no sistema:

8
>
> (r. cos ✓)0 = r. sin ✓ + r. cos ✓(1 r2 . cos2 ✓ r2 . sin2 ✓)
>
<
(r. sin ✓)0 = r. cos ✓ + r. sin ✓(1 r2 . cos2 ✓ r2 . sin2 ✓)
>
>
>
:z 0 = ↵.
52
Derivando o lado esquerdo da igualdade das duas primeiras equações dos sistema com relação
a t, obtemos 8
<r0 . cos ✓ ✓0 .r. sin ✓ = r. sin ✓ + r. cos ✓(1 r2 )
(8.4)
:r0 . sin ✓ + ✓0 .r. cos ✓ = r. cos ✓ + r. sin ✓(1 2
r ).
r0 = r(1 r2 ).
✓0 = 1.
Logo, o sistema dado é correspondente ao sistema abaixo em coordenadas cilı́ndricas

8
>
>r0 = r(1 r2 )
>
<
✓0 = 1
>
>
>
:z 0 = ↵.
Observe que, substituindo r = 0 ou r = 1 na primeira equação do sistema em coordenadas

cilı́ndricas, temos r0 = 0, logo, neste caso, não temos variação do raio ao considerar o eixo z ou
o cilindro de raio 1.
Tomando 0 < r < 1, então r0 > 0 e, portanto, o raio da trajetória aumenta, se aproximando
da circunferência de raio 1. Tomando r > 1, então r0 < 0 e, assim, o raio da trajetória diminui,
o que faz com que a mesma se aproxime da circunferência de raio 1.
Além disso, note que a segunda equação do sistema (✓0 = 1) mostra que o fluxo ocorre no
sentido anti-horário.
Por fim, z 0 = ↵ revela um aumento da coordenada z para ↵ > 0.

8
>
> x0 = (y z)
>
<
y 0 = ⇢x y xz
>
>
>
:z 0 = z + xy.
Esse sistema é conhecido como Sistema de Lorenz. Para certos valores de , ⇢, , esse
sistema possui um comportamento não usual. Por exemplo, a figura abaixo mostra os retratos
de fase para = 10, ⇢ = 28 e = 8/3. Note que cada trajetória do sistema tem a forma de
uma ”superfı́cie ramificada”, as quais se intercalam e se interceptam. No entanto, dois pontos
próximos da trajetória podem caminhar para lugares diferentes após passados t instantes.
53
Figura 8.3: Sistema dinâmico com um cilindro como um conjunto atrator.
Figura 8.4: Sistema de Lorenz.
54
Capı́tulo 9
A Teoria de Poincaré-Bendixson em R2
9.1 A Função de Poincaré
A Função de Poincaré ou Função do Primeiro Retorno é uma das ferramentas mais úteis no
estudo de estabilidade e bifurcações de órbitas periódicas.
Seja a órbita periódica do sistema
ẋ = f (x) (9.1)
que passa por x0 e ⌃ o hiperplano perpendicular a em x0 . Para todo x 2 ⌃ suficientemente

próximo de x0 , a solução t (x) de (9.1), que passa por x em t = 0, interceptará ⌃ novamente
em um ponto P (x) próximo a x0 , para t 6= 0. A função x 7 ! P (x) é chamada de função do
primeiro retorno de Poincaré.
A função de Poincaré também pode ser definida quando ⌃ é uma superfı́cie suave, que passa
por x0 2 , mas não tangente a em x0 . Neste caso, diz-se que a superfı́cie ⌃ intersecta a
curva transversalmente em x0 .
55
Capı́tulo 9. A Teoria de Poincaré-Bendixson em R2
Figura 9.1: Função do Primeiro Retorno.
Teorema 9.1.1 (Teorema da Função Implı́cita). Seja E ⇢ Rn+m um aberto e f 2 C 1 (E).

@f
Suponhamos que (a, b) 2 E é tal que f (a, b) = 0 e (a, b) 6= 0. Então existe uma vizinhança
@x
N (b), em que b 2 Rm , e uma única função g 2 C 1 (N )(b) tal que g(b) = a e f (g(y), y) = 0,
8y 2 N (b). Ou seja, a função g é definida implicitamente pela função f .
Teorema 9.1.2. Seja E um subconjunto aberto de Rn e f 2 C 1 (E). Suponhamos que t (x0 ) é

uma solução periódica de (9.1) de perı́odo T e que o ciclo
= {x 2 Rn : x = (t, x0 ), 0  t  T }
está contido em E. Seja ⌃ um hiperplano ortogonal a em x0 , ou seja,
⌃ = {x 2 Rn /(x x0 ).f (x0 ) = 0}
então existe > 0 e uma única função ⌧ (x) 2 C 1 (E) para x 2 N (x0 ) \ ⌃, tal que ⌧ (x0 ) = T e
(⌧ (x), x) 2 ⌃, para todo x 2 N (x0 ) \ ⌃.
Demonstração. Seja x0 2 \ ⌃. Definimos a função
F (t, x) = [ (t, x) x0 ]f (x0 )
Como 2 C 1 (R ⇥ E), temos que F 2 C 1 (R ⇥ E). Além disso, como é uma função
periódica de perı́odo T , segue que
F (T, x0 ) = [ (T, x0 ) x0 ]f (x0 ) = (x0 x0 )f (x0 ) = 0.
Ademais,
56
9.1. A Função de Poincaré
@F @
(T, x0 ) = (T, x0 )f (x0 ) = f (x0 )f (x0 ) = |f (x0 )|2
@t @t
Como x0 não é ponto de equilı́brio, temos que f (x0 ) 6= 0 e, desse modo, concluı́mos que
@F
(T, x0 ) 6= 0.
@t
Segue do Teorema da Função Implı́cita que existe > 0 e uma única função ⌧ (x) 2
C 1 (N (x0 ) \ ⌃), tal que ⌧ (x0 ) = T e F (⌧ (x), x) = 0, para todo x 2 N (x0 ) \ ⌃. Conse-
quentemente, (⌧ (x), x) 2 ⌃, 8x 2 N (x0 ) \ ⌃.
Definição 9.1.3. Para x 2 N (x0 ) \ ⌃, a função
P (x) = (⌧ (x), x)
á chamada de função de Poincaré de ⌃ e x0 . Note que, diretamente do teorema acima, P 2

C 1 (N (x0 ) \ ⌃).
Teorema 9.1.4. Seja f : [a, b] ! R uma função contı́nua. Se f é derivável em (a, b), então
existe c 2 (a, b) tal que
f (b) f (a)
f 0 (c) = .
b a
Teorema 9.1.5 (Teorema da Curva de Jordan). Se J é uma curva fechada, contı́nua e simples
(injetiva), de outro modo, J é a imagem homeomorfa de um ciclo, então R2 J tem duas
componentes conexas: Si (limitada) e Se (ilimitada), as quais têm J como fronteira comum.
Sendo uma curva fechada, segue que ⌃ é divido em dois segmentos: ⌃+ , localizado no
exterior da curva, e ⌃ , localizado no interior da curva.
Considere a função distância dada por
d(s) = P (s) s.
Segue que d(0) = P (0) 0 = (⌧ (0), 0) = 0 e d0 (s) = P 0 (s) 1. Logo, pelo Teorema do
Valor Médio de Lagrange, como d : [0, s] ! R é uma função contı́nua e d é derivável em (0, s),
então existe u 2 (0, s) tal que
d(s) d(0) d(s)

d0 (u) = = .
s 0 s
Como d0 (s) é contı́nua, temos que d0 (0) 6= 0, então d0 (s) terá o mesmo sinal de d0 (0) para
|s| suficientemente pequeno. Podemos dividir nos casos a seguir:
• Se d(s) < 0 para s > 0, logo d0 (0) < 0 e o ciclo limite é atrator;
57
• Se d(s) > 0 para s < 0, logo d0 (0) < 0 e o ciclo limite é atrator;
• Se d(s) > 0 para s > 0, logo d0 (0) > 0 e o ciclo limite é repulsor;
• Se d(s) < 0 para s < 0, logo d0 (0) > 0 e o ciclo limite é repulsor.
Note que se d0 (s) > 0, então P 0 (s) > 1 e, portanto, é repulsor. De modo análogo, se
d0 (s) < 0, então P 0 (s) < 1 e, dessa forma, é atrator.
Exemplo 9.1.6. Vimos que o sistema do exemplo (8.1.19) possui um ciclo limite dado por
(t) = (cos t, sin t). A função de Poincaré deste exemplo pode ser obtida encontrando a solução
do sistema abaixo com as condições iniciais r(0) = r0 e ✓(0) = ✓0 .
8
<r0 = r(1 r2 )
:✓ 0 = 1
Resolvendo o sistema, obtemos

 ✓ ◆ 1/2
1 2t
r(t, r0 ) = 1 + 1 e
r02
✓(t, ✓0 ) = t + ✓0 .
Note que T = 2⇡. Logo, a Função de Poincaré neste exemplo é:

 ✓ ◆ 1/2
1 4⇡
P (r0 ) = P (x) = (⌧ (x), x) = (T, x) = (2⇡, x) = 1 + 1 e .
r02
Como P 0 (1) = e 4⇡
< 1, então d0 (1) = P 0 (1) 1 < 0 e, portanto, o ciclo limite é atrator.
9.2 Ciclos Limites no Plano

Definição 9.2.1. Sejam ⇢ R2 um aberto, X : ! R2 um campo vetorial de classe C 1 e
uma órbita fechada de X. Denotaremos Ext e Int como, respectivamente, o exterior e o
interior da órbita .
Proposição 9.2.2. Seja ' a solução do sistema ẋ = f (x). Seja V uma vizinhança da órbita
e, considerando as condições da definição acima, existem apenas três tipos de ciclos limites:
• Atrator: quando lim t!1 d('(t, q), ) = 0, 8q 2 V ;
• Repulsor: quando lim t! 1 d('(t, q), ) = 0, 8q 2 V ;
• Semi-estável: quando lim t!1 d('(t, q), ) = 0, 8q 2 V \ Ext e lim t! 1 d('(t, q), ) =
0, 8q 2 V \ Int , ou o contrário.
58
9.3. Derivadas da Transformação de Poincaré
Demonstração. Suponha que em X temos uma V -vizinhança que não contém singularidades.
Seja p um ponto tal que p 2 , ⌃ uma seção transversal a que passa por p e ⇡ : ⌃0 ! ⌃
a função de Poincaré. Consideremos o sentido positivo de ⌃ de Ext para Int . Dado q 2
⌃ \ Ext , temos que ⇡(q) > q ou ⇡(q) < q. Estudemos o caso ⇡(q) > q.
[ e pelo segmento q⇡(q) ⇢ ⌃.
Considere a região limitada por , pelo arco da trajetória q⇡(q)
Chamaremos esta região de A.
Dado x 2 A, '(t, x) 2 A, 8t 0, isto é, a região A é homeomorfa a um anel e positivamente
invariante devido à unicidade e à orientação das órbitas. Além disso, '(t, x) intercepta ⌃ em
uma sequência monótona (xn )n que converge para p. Logo, o ciclo limite é atrator quando
limt!1 d('(t, q), ) = 0.
Se ⇡(q) < 0, basta considerar o campo X e repetir o mesmo raciocı́nio para concluir que
o ciclo limite é repulsor quando limt! 1 d('(t, q), ) = 0.
As mesmas considerações podem ser feitas para Int . Combinando todas as possibilidades,
temos a prova da proposição.
Observação: Temos que é um ciclo limite se, e somente se, p é um ponto fixo isolado de
⇡. Assim,
• é atrator , |⇡(x) p| < |x p|, 8x 6= p próximo de p;
• é repulsor , |⇡(x) p| > |x p|, 8x 6= p próximo de p;
• é semi-estável , |⇡(x) p| < |x p|, 8x 2 ⌃ \ Ext próximo de p e |⇡(x) p| > |x p|,

8x 2 ⌃ \ Int próximo de p, ou o contrário.
Pela definição de derivada,
|⇡(x) ⇡(p)|
|⇡ 0 (p)| = lim
x!p |x p|
Assim, se ⇡ 0 (p) > 1, então |⇡(x) ⇡(p)| > |x p| e é repulsor. Assim, se ⇡ 0 (p) < 1, então
|⇡(x) ⇡(p)| < |x p| e é atrator.
9.3 Derivadas da Transformação de Poincaré

O Teorema a seguir estabelece uma condição suficiente para classificar uma órbita periódica.
59
Teorema 9.3.1. Sejam ⇢ R2 um aberto e X = (X1 , X2 ) : ! R2 um campo vetorial de

classe C 1 . Seja uma órbita periódica de X de perı́odo T e ⇡ : ⌃ ! ⌃ a transformação de
Poincaré numa seção ⌃ transversal a passando por p. Então:
ˆ T
0
⇡ (p) = exp divX( (t))dt
0
´T ´T
onde divX(x) = D1 X1 (x)+D2 X2 (x). Se 0
divX( (t))dt < 0 então é atrator e se 0
divX( (t))dt >
0 então é repulsor.
9.4 O Teorema de Poincaré-Bendixson

Antes de provar o Teorema de Poicaré-Bendixson, estudaremos alguns lemas que irão nos
auxiliar na demonstração do mesmo.
Lema 9.4.1. Se p 2 ⌃ \ !( ), sendo ⌃ uma seção transversal a X e Y = {'(t)} uma órbita

de X, então p pode ser expresso como limite de uma sequência de pontos, '(tn ), de ⌃, onde
tn ! 1.
Demonstração. Por hipótese, sabemos que = {'(t, q)} e p 2 ⌃ \ !( ), como mostra a figura
abaixo.
Figura 9.2: Ilustração do Lema 9.4.1.
Consideremos a vizinhança V de p e a aplicação ⌧ : V ! R, tal que ⌧ (V \ ⌃) = 0. Como

p 2 !( ), existe uma sequência {t̄n } ! 1 e '(t̄n ) ! p quando n ! 1. Dessa forma,
existe n0 2 N, tal que '(t̄n ) 2 V , 8n n0 .
60
9.4. O Teorema de Poincaré-Bendixson
Se tn = t̄n + ⌧ ('(t̄n )), temos
'(tm ) = '(tn , q) = '(t̄n + ⌧ ('(t̄n )), q) = '(⌧ ('(t̄n )), '(t̄n ))
e, por definição de ⌧ , segue que '(tn ) 2 ⌃.

Como a aplicação ⌧ é contı́nua, obtemos
lim '(tn ) = lim '(t̄n + ⌧ ('(t̄n ))) = '(⌧ (p), p) = '(0, p) = p

n!1 n!1
pois '(t̄n ) ! p e ⌧ ('(t̄n )) ! ⌧ (p) quando n ! 1.
Observação: Note que uma seção transversal ⌃ a um campo X tem dimensão um, pois
estamos considerando o campo X em R2 . Logo, localmente, ⌃ é a imagem difeomorfa de um
intervalo da reta. Assim, ⌃ possui ordenação total induzida pela ordenação total do intervalo.
Por isso, podemos falar em sequências monótonas em ⌃.
Lema 9.4.2. Seja ⌃ uma seção transversal a X contida em . Se é uma órbita de X e

+
p 2 ⌃ \ , então p = {'(t, p); t > 0} intercepta ⌃ numa sequência monótona p1 , p2 , ..., pn , ...
Demonstração. Seja D = {0 < t1 < t2 < ... < tn < ...}. Se p1 = p2 , então é uma trajetória
fechada de perı́odo ⌧ = t1 e pn = p, 8n. Se p1 6= p2 , temos p1 < p2 ou p1 > p2 . Vamos tomar
p1 < p2 e, caso exista p3 , vamos mostrar que p3 > p2 .
Orientamos a seção transversal ⌃ conforme a imagem abaixo. Observamos que, devido ao
fato de ⌃ ser conexo e devido à continuidade do campo, as órbitas de X cruzam a seção sempre
no mesmo sentido, digamos, da esquerda para a direita.
Figura 9.3: Orientação da seção ⌃.
61
Consideremos então a curva de Jordan formada pela união do segmento p1 p2 ⇢ ⌃ com o

arco pd 1 p2 = {'(t, p); 0 < t < t1 }, como mostra a figura abaixo.
1 p2 da órbita, pd
Figura 9.4: Curva de Jordan, região Si e região Se .
Em particular, a órbita , a partir de p2 , isto é, para valores de t > t1 , fica contida em
Si . De fato, ela não pode interceptar o arco pd
1 p2 devido à unicidade das órbitas e não pode
interceptar o segmento p1 p2 porque contraria o sentido do fluxo.
Figura 9.5: Impossibilidades.
Pelo que foi visto acima, caso p3 exista, devemos ter p1 < p2 < p3 como mostra a Figura
(9.6). Continuando com este raciocı́nio, obteremos p1 , p2 , ..., pn , ...
62
Figura 9.6: Sequência monótona interceptando ⌃.
Portanto, {pn }n é uma sequência monótona.

De modo análogo, podemos mostrar para p2 < p1 .
Lema 9.4.3. Se ⌃ é uma seção transversal ao campo X e p 2 , então ⌃ intercepta !(p) no

máximo em um ponto.
+
Demonstração. Segue do lema anterior que o conjunto de pontos de p em ⌃ tem no máximo
um ponto limite, pois o mesmo forma uma sequência monótona. O Lema 9.4.1 garante a
existência da sequência de pontos '(tn ) em ⌃.
+
Lema 9.4.4. Sejam p 2 , com p contida num compacto, e uma órbita de X com ⇢ !(p).
Se !( ) contém pontos regulares então é uma órbita fechada e !(p) = .
Demonstração. Sejam q 2 ⇢ !( ) um ponto regular, V uma vizinhança de q e ⌃q a seção

transversal correspondente. Pelo Lema 9.4.1, existe uma sequência, tn ! 1, tal que (tn ) 2
⌃q e (tn ) ! q. Como (tn ) 2 !(p), a sequência { (tn )} reduz-se a um ponto, pelo Lema
(9.4.3). Isto prova que é periódica.
Provemos agora que = !(p). Como !(p) é conexo e é fechado e não vazio, basta provar
que é aberto em !(p).
Sejam p̄ 2 , Vp uma vizinhança de p̄ em e ⌃p a seção transversal correspondente. Vamos
mostrar que Vp \ = Vp \ !(p). Obviamente, Vp \ ⇢ Vp \ !(p). Suponha, por absudo, que
exista q 2 Vp \ !(p) tal que q 2
/ . Pelo Teorema do Fluxo Tubular e pela invariância de !(p),
existe t 2 R tal que '(t, q) 2 !(p) \ ⌃p e '(t, q) 6= p̄. Logo, existem dois pontos distintos de
!(p) em ⌃p , o que é impossı́vel pelo lema anterior. Logo, Vp \ = Vp \ !(p).
63
Portanto, U = [p2 Vp é aberto em M , ⇢ U e U \ !(p) = U \ = , isto é, é a interseção

de um aberto de R2 com !(p). Então, é aberto em !(p).
Teorema 9.4.5 (Poicaré-Bendixson). Seja ⇢ R2 um aberto, X : ! R2 um campo

vetorial de classe C k , com k 1, '(t) = '(t, p) uma curva integral de X, definida 8t 0, tal
+
que está contida num compacto K ⇢ .
Suponha que o campo X possua um número finito de singularidades em !(p). Têm-se as

seguintes alternativas:
(a) Se !(p) contém somente pontos regulares, então !(p) é uma órbita periódica.
(b) Se !(p) contém pontos regulares e singulares, então !(p) consiste de um conjunto de
órbitas, cada uma das quais tende a um desses pontos quando t ! ±1.
(c) Se !(p) não contém pontos regulares, então !(p) é um ponto singular.
Demonstração. Se acontece a hipótese de (a) e q 2 !(p), então a órbita q ⇢ !(p). Sendo !(p)
compacto, como p ⇢ !(p) e toda sequência no compacto possui uma subsequência convergente
para um ponto do compacto, então !( q ) 6= 0. Segue do Lema (9.4.4) que !(p) = q, que é
uma órbita fechada.
Figura 9.7: Caso (a)
64
Figura 9.8: Caso (b)
Figura 9.9: Caso (c)
Se acontece a hipótese (b) e é uma órbita contida em !(p), não é reduzida a um ponto
singular, então, pelo Lema (9.4.4) e por ↵( ) e !( ) serem conexos, concluı́mos que ↵( ) e !( )
são pontos singulares de X.
O caso (c) decorre do fato de !(p) ser conexo e de X possuir somente um número finito de
singularidades em !(p).
65
9.5 Pontos Singulares no Interior de uma Órbita Periódica

Lema 9.5.1 (Lema de Zorn). Seja V um conjunto não vazio e parcialmente ordenado. Se todo
subconjunto totalmente ordenado tem uma cota superior, então V tem elemento maximal.
Teorema 9.5.2. Seja X um campo vetorial de classe C 1 num conjunto aberto ⇢ R2 . Se

é uma órbita fechada de X tal que Int ⇢ , então existe um ponto singular de X contido em
Int .
Demonstração. Vamos supor, por absurdo, que não existem pontos singulares em Int . Consi-
derando o conjunto ⌃ de órbitas fechadas de X contidas em Int , ordenadas da forma abaixo
1  2 ) Int 1 ◆ Int 2 .
Mostraremos que todo subconjunto S totalmente ordenado de (isto é, 1 6= 2 em S

implica que 1 < 2 ou 2 < 1) admite uma cota superior, ou seja, um elemento maior ou
igual que todo elemento de S. Um conjunto ordenado nessas condições chama-se indutivo.
De fato, seja = {\Int i ; i 2 S}. Notemos que 6= ø, pois cada Int i é compacto e a
famı́lia {Int i ; i 2 S} tem a propriedade da interseção finita. Isto é, qualquer interseção finita
de elementos da famı́lia é não vazia. Seja q 2 . Pelo Teorema de Poincaré-Bendixson, !(q) é
uma órbita fechada contida em , pois este conjunto é invariante por X e não contém pontos
singulares. Essa órbita é uma cota superior de S.
Pelo Lema de Zorn, tem um elemento maximal, o qual chamaremos de µ. Isto quer dizer
que não existe nenhuma órbita fechada de contida em Intµ. Por outro lado, p 2 µ e ↵(p),
!(p) são órbitas fechadas, pelo Teorema de Poicaré-Bendixson, visto que não possuem pontos
singulares. Como ↵(p) e !(p) não podem ser ambas iguais a µ, uma delas estará contida em
Intµ, o que é um absurdo, visto que µ é elemento maximal.
Por contradição, provamos que devem existir pontos singulares em Int .
Exemplo 9.5.3. Seja X um campo vetorial de classe C 1 em R2 que não possui pontos singulares
em
Br,R = {(x, y) : r2 < x2 + y 2 < R2 }
com 0 < r < R. Se X aponta para o interior de Br,R em todo ponto da fronteira, então X
tem uma órbita periódica em Br,R , pois, neste caso, se a órbita não fosse periódica, ela estaria
limitada em um compacto K ⇢ Br,R que contém um ponto singular, o que é um absurdo.
66
Capı́tulo 10
Desenhando Retratos de Fase
Neste capı́tulo, estudaremos a estrutura qualitativa de um sistema de equações lineares,

homogêneas e de primeira ordem por meio de retratos de fase. Considere o sistema na forma
8
< dx = ax + by
>
dt (10.1)
> dy
: = cx + dy
dt
Na forma matricial, temos
" # " #" #
x0 a b x
= (10.2)
y0 c d y
isto é,
X 0 = AX (10.3)
" # " # " #
0
x0 a b x
em que X = , A = e X = .
y0 c d y
Faremos a análise por meio dos autovalores e dos seus respectivos autovetores gerados pela
matriz A. Os autovalores, os quais são as raı́zes do polinômio caracterı́stico da matriz, serão
calculados fazendo
det(A I) = 0.
ou seja
a b 2
= (a + d) + (ad bc) = 0
c d
Por fim, podemos encontrar os autovetores associados aos autovalores da seguinte forma:
67
Capı́tulo 10. Desenhando Retratos de Fase
(A I)v = 0,
em que I é a matriz identidade e v o autovetor associado ao autovalor .
Definição 10.0.1. Seja um sistema linear homogêneo de primeira ordem com coeficientes
constantes na forma matricial, como (10.2). Os pontos (x, y) 2 R2 que satisfazem Ax = 0 são
chamados de pontos crı́ticos do sistema.
Considerando det A 6= 0, é natural que (0, 0) seja o único ponto crı́tico. Sendo assim, vamos
analisar os possı́veis casos de raı́zes do polinômio caracterı́stico da matriz A, já que os retratos
de fase dependem diretamente de tais raı́zes.
10.1 Autovalores reais, distintos e de mesmo sinal

Como temos dois autovalores, 1 e 2, logo teremos dois autovetores, v1 e v2 . Neste caso, a
solução do sistema é
1t 2t
x(t) = c1 .v1 .e + c2 .v2 .e .
Assim, se 1 > 0 e 2 > 0 temos que x(t) diverge, quando t ! 1. Geometricamente,

teremos que a trajetoria da solução irá se afastar do ponto crı́tico, o qual será chamado de nó
repulsor. No caso de 1 <0e 2 < 0, teremos que x(t) ! 0, quando t ! 1, dessa forma, a
trajetória irá convergir para o ponto crı́tico, chamado de nó atrator.
Exemplo 10.1.1. Seja o sistema

8
< dx = x
>
dt
> dy
: = 2y
dt
Na forma matricial,
" # " #" #
x0 1 0 x
= .
y0 0 2 y
O polinômio caracterı́stico da matriz A é dado por
1 0 2
= (1 ).(2 )= 3 + 2.
0 2
Logo, as raı́zes do polinômio caracterı́stico acima são 1 = 1 e 2 = 2. Dessa forma, a
trajetória será um nó repulsor. Calculando os autovetores temos que v1 = (1, 0) e v2 = (0, 1),
respectivamente.
68
10.1. Autovalores reais, distintos e de mesmo sinal
Os autoespaços gerados são os eixos x e y do plano cartesiano. Vale destacar que a trajetória
sempre irá tangenciar o autoespaço gerado pelo autovalor de menor módulo. Assim, teremos o
seguinte retrato de fase:

8
< dx = 3x y
>
dt
> dy
: = 2x + 2y
dt
Na forma matricial,
" # " #" #

x0 3 1 x
= .
y0 2 2 y
3 1 2
= 5 + 4.
2 2
Logo, as raı́zes do polinômio caracterı́stico acima são 1 = 1 e 2 = 4. Dessa forma, a

trajetória será um nó repulsor. Calculando os autovetores temos que v1 = (1, 2) e v2 = (1, 1),
respectivamente.
Os autoespaços gerados por tais vetores serão duas retas cujos vetores diretores são os
próprios autovetores, como segue na imagem a seguir
69
10.2 Autovalores reais, distintos e com sinais opostos

Aqui, novamente, teremos dois autovalores que irão gerar dois autovetores v1 e v2 . Segue
que a solução do sistema é dada por
1t 2t
x(t) = c1 .v1 .e + c2 .v2 .e
no qual 1 <0< 2. Neste caso, o ponto crı́tico é chamado de ponto de sela.

A órbita do autoespaço gerado por 1 converge para a origem, enquanto a órbita do auto-
espaço gerado por 2 converge para longe da origem. As trajetórias fora dos autoespaços são
hipérboles.
Exemplo 10.2.1. Dado o sistema

8
< dx = x
>
dt
> dy
: = 2y
dt
Na forma matricial,
" # " #" #
x0 1 0 x
= .
y0 0 2 y
70
10.2. Autovalores reais, distintos e com sinais opostos
1 0 2
=( 1 ).(2 )= 2.
0 2
Logo, as raı́zes do polinômio caracterı́stico acima são 1 = 1e 2 = 2. Portanto, segue
que o ponto crı́tico é uma sela. Encontrando os autovetores temos que v1 = (1, 0) é o autovetor
associado ao autovalor 1 = 1 e v2 = (0, 1) é o autovetor associado ao autovalor 2 = 2.
Assim, segue que os autoespaços serão os eixos x e y. Porém, como v1 está associado a um
autovalor negativo, então a trajetória sobre o eixo x irá convergir para a origem. Analogamente,
como v2 está associado a um autovalor positivo, a trajetória sobre o eixo y irá divergir da origem.
As trajetórias fora dos eixos serão hipérboles, como segue o desenho abaixo:

8
< dx = 3x
>
2y
dt
> dy
: = 2x 2y
dt
Na forma de matriz,
" # " #" #
x0 3 2 x
= .
y0 2 2 y
3 2 2
= 2.
2 2
71
Logo, as raı́zes do polinômio caracterı́stico acima são 1 = 1e 2 = 2. Portanto, segue

que o ponto crı́tico é uma sela. Encontrando os autovetores temos que v1 = (1, 2) é o autovetor
associado ao autovalor 1 = 1 e v2 = (2, 1) é o autovetor associado ao autovalor 2 = 2.
Temos que os autoespaços são retas passando pela origem, onde os vetores diretores são v1
e v2 . Logo, o retrato de fase do sistema é
10.3 Autovalores reais e iguais

Aqui, vamos supor que 1 = 2 = . Teremos dois subcasos, em que a diferença entre eles
é se o autovalor gera um ou dois autovetores.
10.3.1 Dois autovetores independentes

A solução do sistema é dada por
x(t) = c1 .v1 .e t + c2 .v2 .e t
onde é o autovalor e v1 e v2 são autovalores independentes. A trajetória é uma reta que passa
pela origem e, além disso, se < 0 a solução converge para (0, 0) quando t ! 1 e se >0
as soluções se afastam de (0, 0) quando t ! 1. Para este caso, o ponto crı́tico é chamado de
Nó Próprio.
72
10.3. Autovalores reais e iguais

8
< dx = x
>
dt
> dy
: =y
dt
Segue que a forma matricial do sistema é dada por
" # " #" #
x0 1 0 x
= .
y0 0 1 y
O polinômio caracterı́stico da matriz A é
1 0
= (1 )2 .
0 1
A raiz do polinômio caracterı́stico acima é 1 = 2 = = 1. Note que qualquer par de
vetores v1 e v2 satisfaz a equação (A I)v = 0. Neste caso, o retrato de fase desse sistema
será
10.3.2 Um autovetor independente

8
< dx = x + y
>
dt
> dy
: =y
dt
73
Na forma matricial
" # " #" #
x0 1 1 x
= .
y0 0 1 y
1 1
= (1 )2 .
0 1
A raiz do polinômio caracterı́stico acima é 1 = 2 = = 1. Calculando os autovetores,
temos que v1 = v2 = v = (1, 0). Neste caso, o ponto crı́tico é chamado de Nó Impróprio e o
retrato de fase desse sistema será
Assim, quando t ! 1 as trajetórias possuirão como assintotas retas paralelas ao auto-

espaço gerado por v.
10.4 Autovalores complexos

Vamos considerar o sistema da forma
8
< dx = ax by
>
dt
> dy
: = bx + ay
dt
74
10.4. Autovalores complexos
Na forma matricial
" # " #" #
x0 a b x
= .
y0 b a y
a b
= (a ) 2 + b2 = 2
2a + (a + b)2 .
b a
Logo, os autovalores são 1 = a + bi e 2 =a bi. Do estudo sobre coordenadas polares,
sabemos que x = r. cos ✓ e y = r. sin ✓. Substituindo no sistema, temos
8
<x0 = ax by
:y 0 = bx + ay
8
<(r. cos ✓)0 = a.r. cos ✓ b.r. sin ✓
)
:(r. sin ✓)0 = b.r. cos ✓ + a.r. sin ✓
8
<r0 . cos ✓ r.✓0 . sin ✓ = a.r. cos ✓ b.r. sin ✓
) (10.4)
:r0 . sin ✓ + r.✓0 cos ✓ = b.r. cos ✓ + a.r. sin ✓
Multiplicando a primeira linha do sistema (10.4) por cos ✓, a segunda linha por sin ✓ e
somando ambas, temos
r0 = a.r
Analogamente, multiplicando a primeira linha do sistema (10.4) por sin ✓, a segunda linha
por cos ✓ e somando ambas, temos
✓0 = b
Portanto, o sistema em coordenadas polares será da forma

8
<r0 = ar
.
:✓ 0 = b
Logo, 8
<r(t) = c0 eat
.
:✓(t) = ✓ + bt
0
75
Observa-se que a é responsável pelo cresciemnto ou decrescimento do raio, enquanto b é res-

ponsável pela rotação das soluções em torno da origem. As órbitas podem ser circunferências
(a = 0) ou espirais (a 6= 0). Neste último caso, se a > 0 as soluções espiralam para longe da
origem, enquanto se a < 0 elas espralam em direção à origem. Vale destacar que, necessaria-
mente, b 6= 0, pois, caso contrário, os autovalores seriam reais. Seja v1 = ↵ + i o autovetor
associado à 1 = a + bi, a solução geral do sistema será da forma
x(t) = (↵ + i)e(a+bi)t = (↵ + i)eat (cos bt + i sin bt).

8
< dx =
>
0.5x + y
dt
> dy
: = x 0.5y
dt
Calculando o polinômio caracterı́stico, temos
0.5 1
= ( 0.5 )2 + 1.
1 0.5
1 1
As raizes do polinômio caracterı́stico acima são 1 = +i e 2 = i. Como
2 2
1
a = < 0 então as trajetórias serão espirais convergindo para a origem. Escolhendo um
2
ponto arbitrário e analisando o comportamento do campo de vetores sobre o mesmo, isto é,
seja o ponto (x, y) = (1, 0), temos que o vetor tangente à trajetória em (x, y) é v = ( 0.5, 1),
podemos concluir que as trajetórias espiralam no sentido anti-horário.
76
10.5. Um dos Autovalores Nulos

8
< dx = y
>
dt
> dy
: =x
dt
1 2
= + 1.
1
As raı́zes do polinômio caracterı́stico são 1 = i e 2 = i. Como a = 0, segue que as

trajetórias são elipses de centro na origem e, de modo análogo ao exemplo anterior, temos que
a rotação ocorre no sentido anti-horário.
10.5 Um dos Autovalores Nulos

A partir de agora discutiremos sistemas degenerados. Para isso, vamos considerar sistemas
dx
onde det A = 0, ou seja, o sistema possui mais de um ponto crı́tico. Se = 0, teremos
dt
x(t) = c0 , enquanto y(t) cresce ou decresce exponencialmente, dependendo do sinal do autovalor
dy
não nulo. Além disso, todos os pontos do eixo x serão pontos fixos. Se = 0, teremos y(t) = c1 ,
dt
enquanto x(t) cresce ou decresce exponencialmente, dependendo do sinal do autovalor não nulo
e todos os pontos do eixo y serão pontos fixos.
77
8
< dx = x
>
dt
> dy
: =0
dt
1 0
=( 1 ).( ).
0
Os autovalores são 1 = 1e 2 = 0. Como y 0 = 0 temos que as trajetórias não possuem
variação em y, ou seja, elas são paralelas ao eixo x. Além disso, como 1 = 1 < 0 as trajetórias
convergem para os pontos crı́ticos, os quais se encontram no eixo y.
Logo, o retrato de fase será da forma

8
< dx = 0
>
dt
> dy
: =y
dt
0 2
= .
0 1
78
10.6. Dois Autovalores Nulos
Os autovalores são 1 =0e 2 = 1. Como x0 = 0 temos que as trajetórias não possuem

variação em x, ou seja, elas são paralelas ao eixo y. Além disso, como 2 = 1 > 0 as trajetórias
se afastam dos pontos crı́ticos, os quais se encontram no eixo x.
Segue o retrato de fase
10.6 Dois Autovalores Nulos

Quando 1 = 2 = 0, teremos um sistema completamente degenerado, ou seja, todos os
pontos do plano de fase serão pontos crı́ticos. Além disso, todas as soluções do sistema são
funções constantes.

8
< dx = 0
>
dt
> dy
: =0
dt
Segue que o polinômio caracterı́stico é dado por
0 2
= .
0
e assim teremos que os autovalores são 1 = 2 = 0. Assim, o retrato de fase do sistema é
79
10.7 Determinando o Retrato de Fase a partir do Traço

e do Determinante
Podemos analisar o sistema (10.1) olhando para o traço e para o determinante da matriz
A. Assim, podemos determinar qual será o tipo do retrato de fase sem precisar calcular os
autovalores e os autovetores. Para isso, demonstraremos o seguinte teorema:
Teorema 10.7.1. Considere o sistema (10.2):
1. Se det A < 0, então o ponto crı́tico será uma sela;
2. Se det A = 0 e trA 6= 0, então o sistema será degenerado;
3. Se det A > 0 e trA = 0, então o sistema terá um centro na origem;
4. Se (trA)2 = 4 det A com det A > 0 e trA 6= 0, então o sistema terá um nó próprio ou um
nó impróprio na origem;
5. Se (trA)2 > 4 det A com det A > 0 e trA 6= 0, então o sistema terá um nó atrator ou um
nó repulsor na origem;
6. Se (trA)2 < 4 det A com det A > 0 e trA 6= 0, então o sistema terá um foco (atrator ou
repulsor).
80
10.7. Determinando o Retrato de Fase a partir do Traço e do Determinante
Demonstração. Note que o polinômio caracterı́stico da matriz A do sistema (10.2) é dado pelo
seguinte determinante
a b
= (a )(d ) bc.
c d
Desenvolvendo e igualando a zero, temos
2
(a + d) + (ad bc) = 0
2
) trA + det A = 0
2
Sabe-se que os autovalores da matriz A são as raı́zes do polinômio caracterı́stico trA +
det A, ou seja, os autovalores são dados por:
p
trA ± (trA)2 4 det A
= .
2
Portanto, calculando os autovalores, temos:
p
1. Como det A < 0, logo (trA)2 4 det A nos dará uma raiz real. Além disso, como
p
| (trA)2 4 det A > |trA|, então o polinômio terá uma raiz positiva e outra negativa.
Logo, o ponto crı́tico do sistema será uma sela.
2. Consisiderando det A = 0, as raı́zes do polinômio caracterı́tico serão da forma

p
trA ± (trA)2 trA ± |trA|
= = .
2 2
Consequentemente, teremos 1 = trA e 2 = 0 e o sistema será degenerado.
3. Como det A > 0 e trA = 0, as raı́zes do polinômio serão da forma

p
± 4 det A p
= = ±i det A.
2
Portanto, teremos que as órbitas serão centros.
4. Considerando (trA)2 = 4 det A com det A > 0 e trA 6= 0, segue que as raı́zes do polinômio
caracterı́stico serão dadas por
trA
=
2
logo, o polinômio terá apenas uma raiz e o ponto crı́tico será um nó próprio ou um nó
impróprio, dependendo da quantidade de autovetores independentes que o autovalor irá
gerar.
81
5. Considerando (trA)2 > 4 det A com det A > 0 e trA 6= 0 teremos que o polinômio carac-
p
terı́stico terá duas raı́zes de mesmo sinal, já que |trA| > | (trA)2 4 det A|. Portanto,
a origem será um nó atrator ou um nó repulsor, dependendo do sinal de trA.
6. Considerando (trA)2 < 4 det A com det A > 0 e trA 6= 0 teremos que o polinômio
caracterı́stico terá duas raı́zes complexas com parte real diferente de zero, dessa forma,
teremos um foco atrator ou repulsor.
Vale destacar que o fato das trajetórias se aproximarem ou se afastarem da origem de-
pendem do sinal de trA, ou seja, se trA < 0 as trajetórias se aproximam da origem e se
trA > 0 as trajetórias se afastam da origem.
Para o caso det A = trA = 0, teremos um sistema totalmente degenerado, como visto no
exemplo ( 15.2.11).
Podemos esboçar um diagrama o qual engloba os seis casos analisados através da parábola
2
dada por trA + det A = 0, conforme a figura a seguir:
82
10.8. Determinando o Retrato de Fase a partir de uma EDO
10.8 Determinando o Retrato de Fase a partir de uma

EDO
Em alguns casos, podemos encontrar as trajetórias do sistema resolvendo uma equação
diferencial. Considere o sistema
8
< dx = F (x, y)
>
dt
> dy
: = G(x, y)
dt
Se for possı́vel resolver a EDO
dy G(x, y)
=
dx F (x, y)
e se for possı́vel escrever a solução na forma implı́cita
H(x, y) = C (10.5)
em que C é uma constante, então a equação ( 10.5) é uma equação para as trajetórias do nosso
sistema. Isto é, as trajetórias são as curvas de nı́vel de H(x, y). Em alguns casos, não é possı́vel
obter a função H(x, y).
Exemplo 10.8.1. Seja o sistema 8

< dx = y
>
dt
> dy
: =x
dt
Para encontrarmos as trajetórias da solução, basta resolver a seguinte EDO:
dy x
=
dx y
) ydy = xdx
y2 x2
) + C1 = + C2
2 2
y 2 x2
) H(x, y) = =C
2 2
onde C é uma constante qualquer. Observe que H(x, y) é a função que determina um parabo-
loide hiperbólico no R3 .
Agora, vamos encontrar os pontos crı́ticos.
Derivadas parciais de primeira ordem:
@H
= x,
@x
83
@H
= y.
@y
Igualando as derivadas parciais a zero temos que o único ponto crı́tico é a origem.
Figura 10.1: Parabolóide Hiperbólico.
Figura 10.2: Retrato de Fase: Sela.
84
10.8. Determinando o Retrato de Fase a partir de uma EDO

8
< dx = 4 2y
>
dt
> dy
: = 12 3x2
dt
Para encontrarmos as trajetórias da solução, basta resolver a seguinte EDO:
dy 12 3x2
=
dx 4 2y
) (4 2y)dy = (12 3x2 )dx
) 4y y 2 + C1 = 12x x3 + C2
) H(x, y) = 4y y2 12x + x3 = C
Agora, vamos encontrar os pontos crı́ticos:
@H
= 12 + 3x2 = 0 ) x = ±2,
@x
@H
=4 2y = 0 ) y = 2.
@y
Logo, os pontos crı́ticos são ( 2, 2) e (2, 2).
Figura 10.3: Gráfico de H(x, y).
85
Figura 10.4: Retrato de Fase.
Pelas curvas de nı́vel, podemos notar que ( 2, 2) é um centro e (2, 2) é uma sela.
10.9 Estudo de Perturbações

Como vimos anteriormente, os autovalores 1 e 2 gerados pela matriz A determinam o
tipo de ponto crı́tico e como serão as trajetórias do sistema. De fato, 1 e 2 dependem dos
elementos de tal matriz. Se pensarmos em um campo aplicado, os elementos da matriz são,
de modo geral, determinadas quantidades fı́sicas. Tais medidas podem possuir pequenos erros,
logo, é extremamente importante estudarmos a influência desses erros nas trajetórias, também
chamados de perturbações.
O caso mais sensı́vel é quando o ponto crı́tico é um centro, ou seja, 1 = ni e 2 = ni.
Se forem feitas pequenas mudanças nos coeficientes da matriz A, teremos novos autovalores:
0 0
1 = m + ni e 2 =m ni. Dessa forma, as trajetórias em torno do ponto crı́tico deixarão de
ser curvas fechadas e passarão a ser espirais que convergem para a origem no caso de m < 0
ou espirais que divergem da origem caso m > 0, isto é, o ponto crı́tico passará de um centro
a um foco (atrator ou repulsor). Assim, no caso de um centro, pequenas perturbações podem
transformar um sistema estável em um sistema instável.
86
10.9. Estudo de Perturbações
Outro caso que merece uma atenção especial é quando 1 = 2, ou seja, quando o ponto
crı́tico é um Nó (próprio ou impróprio). Pequenas perturbações fazem com que os autovalores
se tornem diferentes. Se 1 e 2 forem reais, o ponto crı́tico continua sendo um nó (atrator ou
repulsor), enquanto se 1 e 2 forem complexos, o ponto crı́tico será um foco. A estabilidade
ou instabilidade não se altera, apenas as trajetórias serão diferentes.
Em outros casos, pequenas perturbações não alteram o sistema qualitativamente.
87
Capı́tulo 11
Aplicações Econômicas
11.0.1 O Modelo de Palomba

Giuseppe Palomba considera uma economia em que há apenas dois tipos de bens: os bens
de consumo (a) e os bens de capital (b). As premissas feitas por ele foram as seguintes:
1. Existem dois tipos de bens: Bens do tipo (a), que consistem nos bens prontos para o con-
sumo imediato, sendo eles duráveis ou não duráveis; e bens do tipo (b), usados no processo
produtivo para produzir novos bens, como por exemplo máquinas e equipamentos.
2. A economia está em uma situação dinâmica tentendo a aumentar seu equipamento de ca-
pital. Consequentemente, parte das commodities (produtos que funcionam como matéria
prima) do tipo (a) são desviadas do seu destino normal e alocadas para a categoria (b).
3. Em qualquer dado instante, bens do tipo (a) têm um coeficiente de aumento igual a "1 ,
enquanto bens do tipo (b) têm um coeficiente de aumento igual a "2 , em que "1 e "2
são constantes positivas. Isso significa que, na ausência da mudança do destino descrita
acima, bens do tipo (a) seriam aumentados continuamente, enquanto bens do tipo (b)
tenderiam a zero, devido à depreciação a uma taxa "2 .
4. O coeficiente de dininuição dos bens do tipo (a), devido a uma mudança de destino, é
igual a 1, enquanto o coeficiente de aumento dos bens do tipo (b), devido a mesma
razão, é igual a 2, em que 1 e 2 são constantes positivas.
Sejam C1 e C2 tais que denotam o volume dos bens do tipo (a) e do tipo (b), respectivamente,
teremos imediatamente o sistema de equações diferenciais
8
< dC1 = C1 ("1
>
1 C2 )
dt (11.1)
> dC
: 2 = C2 ("2 2 C1 )
dt
89
Capı́tulo 11. Aplicações Econômicas
Primeiramente, vamos encontrar os pontos crı́ticos do sistema. Igualando o lado direito do

sistema (11.1) a zero, temos
8
<C1 ("1 1 C2 ) =0
(11.2)
: C ("
2 2 2 C1 ) = 0.
"1
Da primeira linha de (11.2), concluı́mos que C1 = 0 ou C2 = . Se C1 = 0, da segunda
1
"1
linha do mesmo sistema temos que C2 = 0. Além disso, se C2 = , substituindo na segunda
1
equação de (11.2), temos
"1
( "2 + 2 C1 ) = 0.
1
"1
Como "1 e 1 são constantes positivas, o mesmo concluı́mos para . Logo,
1
"2 + 2 C1 =0
"2
) C1 = .
2
✓ ◆
"2 "1
Portanto, os pontos de equilı́brio são (0, 0) e , .
2 1
Como os pontos crı́ticos são hiperbólicos, podemos aplicar o Teorema de Hartman-Grobman.
" #
"1 1 C2 1 C1
Df (C1 , C2 ) =
2 C2 "2 + 2 C1
Seja (C1 , C2 ) = (0, 0),

" #
"1 0
Df (0, 0) =
0 "2
O polinômio caracterı́stico da matriz Df (0, 0) é dado por
"1 0
= ("1 ).( "2 ) = 0.
0 "2
Logo, as raı́zes do polinômio caracterı́stico acima são 1 = "1 e 2 = "2 . Portanto, segue
que o ponto crı́tico é uma sela. Encontrando os autovetores, temos que v1 = (1, 0) é o autovetor
associado ao autovalor 1 = "1 e v2 = (0, 1) é o autovetor associado ao autovalor 2 = "2 .
Para saber que o✓ponto ◆crı́tico é uma sela basta notar que det Df (0, 0) = "1 "2 < 0.
"2 "1
Seja (C1 , C2 ) = , ,
2 1
90
11.1. Modelo Contı́nuo de Oligopólio
2 "2 3
✓ ◆ 0 1
"2 "1
Df , =4 "1 2 5
2 1 2 0
1
✓ ◆
"2 "1
O polinômio caracterı́stico da matriz Df , é dado por
2 1
"2
1
2 2
"1 = + "1 "2 = 0.
2
1
p p
Logo, as raı́zes do polinômio caracterı́stico acima são 1 = i "1 "2 e 2 = i "1 "2 . Como
a = 0, segue que temos
✓ um ◆centro. ✓ ◆
"2 "1 "2 "1
Note que trDf , = 0 e det Df , = "1 "2 > 0, assim, de fato, o ponto de
2 1 2 1
equilı́brio é um centro.
Mais tarde, Palomba percebeu que os parâmetros "1 , "2 , 1 e 2 deveriam ser considerados,
de modo mais geral, como funções contı́nuas do tempo.
Do ponto de vista matemático, a intuição de Palomba pode ser expressa pelo seguinte
sistema: 8
< dC1 = C1 ["1 (t)
>
1 (t)C2 ]
dt (11.3)
> dC2
: = C2 ["2 (t) 2 (t)C1 ].
dt
Palomba teve que contar com considerações de intuições gráficas. De fato, não existe um
único resultado possı́vel, visto que tudo depende da natureza das funções "1 (t), "2 (t), 1 (t) e
2 (t).
Além disso, devemos lembrar que Palomba foi o primeiro a sugerir que os fenômenos cı́clicos
deveriam ser mais geralmente analisados considerando os coeficientes como funções do tempo
ao invés de constantes.
11.1 Modelo Contı́nuo de Oligopólio

Vamos considerar um setor qualquer da economia. Quando o mesmo é composto por um
número reduzido de empresas, geralmente duas ou três, ofertando um produto ou serviço então
o sistema é denominado de Oligopólio.
11.1.1 Custos Marginais Constantes

Caso de duas Empresas (n=2)
91
Prestaremos atenção no que ocorre quando existe um aumento no número de empresas e o

que ocorre quando há uma mudança de custo marginal constante para um aumento do custo
marginal.
Para o caso de duas empresas, nosso modelo é
p(t) = 9 Q(t)
Q(t) = q1 (t) + q2 (t)
T C1 (t) = 3q1 (t)
T C2 (t) = 3q2 (t),
em que
p(t)- preço de venda;
Q(t)- quantidade vendida;
qi (t)- quantidade vendida pela empresa i;
T Ci (t)- custo total da empresa i.
Sabemos que a receita total (TR) e o lucro (⇡) da empresa i são dados da seguinte forma:
T Ri (t) = p(t).qi (t)
⇡i (t) = T Ri (t) T Ci (t)
Isso conduz à receita total e aos lucros de cada firma

EMPRESA 1
T R1 (t) = [9 q1 (t) q2 (t)]q1 (t)
⇡1 (t) = [9 q1 (t) q2 (t)]q1 (t) 3q1 (t)
EMPRESA 2
T R2 (t) = [9 q1 (t) q2 (t)]q2 (t)
⇡2 (t) = [9 q1 (t) q2 (t)]q2 (t) 3q2 (t)
Suponha que, para a empresa 1, o resultado é ajustado continuamente na proporção da

discrepância entre o nı́vel desejado e o nı́vel atual. O mesmo se aplica a empresa 2. Conse-
quentemente
EMPRESA 1
dq1 (t)
= K1 [x1 (t) q1 (t)] (11.4)
dt
EMPRESA 2
dq2 (t)
= K2 [x2 (t) q2 (t)], (11.5)
dt
em que xi (t) corresponde ao nı́vel desejado pela firma i.
O nı́vel esperado do resultado para cada empresa é o nı́vel de resultado que maximiza os
lucros assumindo que as outras empresas não alteram o seu nı́vel de resultado.
92
11.1. Modelo Contı́nuo de Oligopólio
Derivando a função do lucro e igualando a zero, temos

@⇡1 (t)
= 6 2q1 (t) q2 (t) = 0
@q1 (t)
@⇡2 (t)
= 6 q1 (t) 2q2 (t) = 0.
@q2 (t)
Rearranjando os termos das equações acima, obtemos
1
q1 (t) = 3 q2 (t)
2
1
q2 (t) = 3 q1 (t).
2
Mas, como o nı́vel esperado é o de lucro máximo, admitindo que a outra empresa não mo-
difica seus resultados, então
1
x1 (t) = 3 q2 (t)
2
1
x2 (t) = 3 q1 (t).
2
Substituindo nas equações de ajuste dinâmico (11.4) e (11.5), encontramos

8
< dq1 (t) = 3K1 K1 q2 (t) K1 q1 (t)
>
dt 2 (11.6)
>
: dq 2 (t) K 2
= 3K2 q1 (t) K2 q2 (t).
dt 2
Primeiro, considere um ponto fixo do sistema. Isso ocorre quando o nı́vel de resultado não
muda. Isto é representado por 8
>
<q1 (t) = 3 1
q2 (t)
2
> 1
:q2 (t) = 3 q1 (t).
2
Dessa forma, o ponto crı́tico é (2,2).
Escrevendo (11.6) na forma matricial, temos
" # " # " #" #
q̇1 (t) 3K1 K1 K1 /2 q1 (t)
= + .
q̇2 (t) 3K2 K2 /2 K2 q2 (t)
Além disso, a matriz do sistema é
" #
K1 K1 /2
A=
K2 /2 K2
3K1 K2
com tr(A) = (K1 + K2 ) < 0 e det(A) = > 0. Ademais,
4
(trA)2 4 det(A) = (K1 + K2 )2 3K1 K2 = (K1 K2 ) 2 + K1 K2 > 0

desde que K1 , K2 > 0.
Logo, temos um nó atrator.
93
11.2 Diminuição dos Custos Marginais
11.2.1 Caso de duas Empresas (n=2)

Voltando ao modelo
p(t) = 9 Q(t)
Q(t) = q1 (t) + q2 (t)
T C1 (t) = 3q12 (t)
T C2 (t) = 3q22 (t),
Isso conduz à receita total e aos lucros de cada firma

EMPRESA 1
T R1 (t) = [9 q1 (t) q2 (t)]q1 (t)
⇡1 (t) = [9 q1 (t) q2 (t)]q1 (t) 3q12 (t)
EMPRESA 2
T R2 (t) = [9 q1 (t) q2 (t)]q2 (t)
⇡2 (t) = [9 q1 (t) q2 (t)]q2 (t) 3q22 (t)
Considerando o ajuste, como no caso acima

EMPRESA 1
dq1 (t)
= K1 [x1 (t) q1 (t)], K1 > 0 (11.7)
dt
EMPRESA 2
dq2 (t)
= K2 [x2 (t) q2 (t)], K2 > 0, (11.8)
dt
As empresas são maximizadoras do lucro, então
@⇡1 (t)
= 9 8q1 (t) q2 (t) = 0
@q1 (t)
@⇡2 (t)
= 9 q1 (t) 8q2 (t) = 0.
@q2 (t)
Rearranjando os termos das equações acima, obtemos
9 q2 (t)
q1 (t) =
8 8
9 q1 (t)
q2 (t) = .
8 8
Mas, como o nı́vel esperado é o de lucro máximo, admitindo que a outra empresa não mo-
difica seus resultados, então
9 q2 (t)
x1 (t) =
8 8
94
11.3. Modelo Contı́nuo IS-LM
9 q1 (t)
x2 (t) = .
8 8
Substituindo nas equações de ajuste dinâmico (11.7) e (11.8), encontramos

8
< dq1 (t) = 9K1 K1 q1 (t) K1 q2 (t)
>
dt 8 8 (11.9)
: dq2 (t) = 9K2 K2 q1 (t) K2 q2 (t).
>
dt 8 8
Primeiro, considere um ponto fixo do sistema. Isso ocorre quando o nı́vel de resultado não
muda. Isto é representado por 8
<q1 (t) = 9
> q2 (t)
8 8
:q2 (t) = 9
> q1 (t)
.
8 8
Dessa forma, o ponto crı́tico é (1,1).
O sistema pode ser expresso por
" # " # " #" #
q̇1 (t) 9K1 /8 K1 K1 /8 q1 (t)
= + .
q̇2 (t) 9K2 /8 K2 /8 K2 q2 (t)
Além disso, a matriz do sistema é
" #
K1 K1 /8
A=
K2 /8 K2
63K1 K2
com tr(A) = (K1 + K2 ) < 0 e det(A) = > 0. Ademais,
64
63 K1 K2
(trA)2 4 det(A) = (K1 + K2 )2 K1 K2 = (K1 K2 ) 2 + > 0.
16 16
Logo, temos um nó atrator.
11.3 Modelo Contı́nuo IS-LM
11.3.1 Versão 1
Começaremos com uma formulação simples do modelo. Este descreve o mercado de bens
com o mercado monetário.
IS: Curva que representa o equilı́brio no mercado de bens ou, equivalentemente, a igualdade
entre poupança e investimento.
LM: Curva que representa o equilı́brio no mercado monetário ou, equivalentemente, a igual-
dade entre oferta e demanda por moeda.
95
A despesa real é a soma das despesas do consumidor, despesas de investimento e despesas

do governo (assumindo que a economia é fechada).
A despesa do consumidor está relacionada com o rendimento disponı́vel real, a despesa de
investimento está negativamente relacionada com a taxa de juros e a despesa do governo é
considerada exógena. Portanto, faremos uma simples função linear da despesa
e(t) = a + b(1 t1 )y(t) hr(t),
com a > 0, 0 < b < 1, 0 < t1 < 1, h > 0, em que

e= despesa real;
a= despesa autônoma;
b= propensão marginal a consumir;
t1 = taxa marginal de imposto;
y= salário real;
h= coeficiente de investimento em resposta a r;
r= taxa nominal de juros.
A demanda por saldos monetários reais é assumida por ser positivamente relacionada ao
salário real e negativamente relacionada com a taxa nominal de juros.
md (t) = Ky(t) µr(t), K, µ > 0.
A oferta monetária nominal é assumida exógena em Ms = M0 e o nı́vel de preços é assumido

constante. Consequentemente, a balança monetária real é exógena em m0 = M0 /P .
Isso é necessário para ser mais preciso nas premissas de ajuste em cada um dos mercados.
Assumiremos que em mercados de bens a renda se ajusta de acordo com o excesso de demanda
nesse mercado e as taxas de juros de acordo com o excesso de demanda no mercado de moeda,
isto é
ẏ = y 0 (t) = ↵(e(t) y(t)), ↵ > 0
ṙ = r(t) = (md (t) m0 ), > 0.
Essas equações diferenciais podem ser expressas explicitamente em termos de y e r, em que

assumiremos que essas variáveis são funções contı́nuas do tempo. Omitiremos a variável tempo
(t) por conveniência.
ẏ = ↵[b(1 t1 ) 1]y ↵hr + ↵a
ṙ = Ky µr m0 .
96
11.3. Modelo Contı́nuo IS-LM
Exemplo 11.3.1. Considere o nı́vel de preços constante e os parâmetros abaixo

a = 50, K = 0.25,
b = 0.75, m0 = 8,
t1 = 0.25, µ = 0.5,
h = 1.525, ↵ = 0.1
= 0.8.
Substituindo nas equações, temos
8
<ẏ = 0.04375y 0.1525r + 5
:ṙ = 0.2y 0.4r 6.4
Note que (y,r)=(62,15) é ponto de equilı́brio do sistema. Escrevendo na forma matricial
" # " #" # " #
ẏ 0.04375 0.1525 y 5
= + .
ṙ 0.2 0.4 r 6.4
O polinömio caracterı́stico da matriz A é
0.04375 0.1525
A= = ( 0.04375 ).( 0.4 ) + 0.0305 = 0.
0.2 0.4
As raizes do polinômio caracterı́stico acima são 1 = 0.186825 e 2 = 0.256925. Cal-
culando os autovetores, temos que v1 = (1, 0.9382) e v2 = (1, 1.397868). Neste caso, o ponto
crı́tico é chamado de nó atrator e o retrato de fase desse sistema será
97
11.3.2 Versão 2
Aqui, devemos estender a função de investimento para incluir o salário real. Em outras
palavras, os negócios alterarão o nı́vel de investimento de acordo com o nı́vel de renda. De-
vemos continuar com um simples modelo linear, porém, essa mudança nos conduzirá a uma
possibilidade de que a curva IS seja positivamente inclinada.
Considere as equações
e = a + b(1 t1 )y hr + jy
md = Ky µr
ẏ = ↵(e y)
ṙ = (md m0 ) com a > 0, 0 < b < 1, 0 < t1 < 1, h > 0, j > 0, K > 0, µ > 0, ↵ > 0, > 0.
Elas nos fornecem duas equações diferenciais:
ẏ = ↵[b(1 t1 ) + j 1]y ↵hr + ↵a
ṙ = Ky µr m0 .
com a curva IS obtida tomando ẏ = 0, isto é,
a [1 b(1 t1 ) j]y
r=
h
e com a curva LM obtida tomando ṙ = 0, isto é,
Ky m0
r= .
µ
Exemplo 11.3.2. Considere os parâmetros abaixo

a = 2, K = 0.25,
b = 0.8, m0 = 8,
t1 = 0.2, µ = 0.25,
h = 1.525, ↵ = 0.2
= 0.3, j = 0.95.
Substituindo nas equações, temos
8
<ẏ = 0.118y 0.305r + 0.4
:ṙ = 0.075y 0.075r 2.4
Note que (y,r)=(54.3316,22.3316) é ponto de equilı́brio do sistema. Escrevendo na forma

matricial
98
11.4. Modelo de Tobin-Blanchard
" # " #" # " #

ẏ 0.118 0.305 y 0.4
= + .
ṙ 0.075 0.075 r 2.4
O polinömio caracterı́stico da matriz A é
0.118 0.305
A= = (0.118 ).( 0.075 ) + 0.022875 = 0.
0.075 0.075
p p
193 + i 89651 193 i 89651
As raizes do polinômio caracterı́stico acima são 1 = e 2= .
2000 2000
Neste caso, o ponto crı́tico é um foco repulsor e o retrato de fase desse sistema será
11.4 Modelo de Tobin-Blanchard

Houve um interesse por economistas sobre se o comportamento do mercado de ações pode
influenciar renda e taxa de juros, pelo menos no curto prazo. O modelo IS LM esboçado
anteriormente não é permitido para tal link. É plausı́vel pensar que o investimento irá, de
alguma forma, ser influenciado pelo comportamento do mercado de ações. Isso foi considerado
por Blanchard em 1981, seguindo a aproximação de investimento sugerida por Tobin em 1969,
a qual foi chamada de q-teoria de investimento.
99
A variável q representa o valor de mercado das ações na proporção dos custos de substituição.
Se todos os retornos futuros são iguais- denotados por R- e são descontados a uma taxa de
juros r, então o valor presente das ações (V ) é igual a R/r. Por outro lado, empresas investirão
enquanto o custo de substituição de algum notável estoque de capital (RC) for igual ao retorno
de investimento, R/p, em que p é a eficiência marginal do capital. Então
V R/r p
q= = = .
RC R/p r
Consequentemente, o investimento lı́quido é uma função positiva de q, o que ainda significa
que isso é inversamente proporcional a r. No longo prazo, r = p e, então, q = 1 e não há
investimento lı́quido.
Podemos expressar o gasto agregado (e) como
e(t) = a1 y(t) + a2 q(t) + g,
com 0 < a1 < 1, a2 > 0 e g representando o gasto do governo.

Além disso, a renda varia da seguinte forma
ẏ = (e(t) y(t)),
com coeficiente de reação > 0.

Por outro lado, assumimos que o mercado de moeda se ajusta instantaneamente, logo a
demanda por saldos monetários reais é igual a oferta por saldos monetários reais, isto é, como
md = Ky(t) µr(t),
ms = m0 ,
com K > 0 e µ > 0, então
Ky(t) µr(t) = m0 .
A próxima equação mostra que a taxa de juros dos tı́tulos e os rendimentos das ações são
iguais, visto que estes são substitutos perfeitos.
b1 y(t) + q̇ e (t)
r(t) = ,
q(t)
em que b1 y constitui o lucro da empresa, os quais são assumidos proporcionalmente aos resul-
tados e q̇ e constitui os ganhos de capital esperados. Assumiremos que q̇ e = q̇. Ocultando a
variável tempo, o modelo pode ser visto em termos de cinco equações
e = a1 y + a2 q + g,
m0 = Ky µr,
ẏ = (e y),
100
11.4. Modelo de Tobin-Blanchard
b1 y + q̇ e
r= ,
q
e
q̇ = q̇,
as quais podem ser reduzidas a duas equações diferenciais
8
>
<ẏ = (a1 1)y + a2 q + g
✓ ◆
> Kq qm0
:q̇ = b1 y
µ µ
Exemplo 11.4.1. Vamos ilustrar o modelo com um exemplo numérico:
e = 0.8y + 0.2q + 7;
8 = 0.25y 0.2r;
ẏ = 2(e y);
0.1y + q̇
r= .
q
A partir das equações acima podemos encontrar o seguinte sistema de equações diferenciais
8
<ẏ = 14 0.4y + 0.4q
:q̇ = 1.25qy 0.1y 40q
Os pontos de equilı́brio são (y, q) ⇡ (35.76, 0.7607) e (y, q) ⇡ (31.32, 3.681), os quais são
hiperbólicos. Aplicando o Teorema de Hartman-Grobman podemos aproximar o sistema não
linear por um sistema linear.
A matriz jacobiana é
" #
0.4 0.4
Df (y, q) =
1.25q 0.1 1.25y 40
Seja (y, q) ⇡ (35.76, 0.7607), então
" #
0.4 0.4
) A = Df (35.76, 0.76) = .
0.8509 4.7
Note que det A = 2.22 < 0, logo o ponto de equilı́brio do sistema será uma sela.
Temos que os autovalores são 1 ⇡ 4.766 e 2 ⇡ 0.4656. O autovetor associado a 1 é
v1 ⇡ (0.07743, 1) e o autovetor associaodo a 2 é v2 ⇡ ( 6.071, 1).
Seja (y, q) ⇡ (31.32, 3.681), então
" #
0.4 0.4
) A = Df (31.32, 3.681) = .
4.701 0.85
Note que det A = 2.22 > 0 e trA = 1.25 < 0. Além disso,
(trA)2 4 det A = 7.318 < 0,
101
logo o sistema terá um foco atrator.

Temos que os autovalores são 1 ⇡ 0.625 + 1.353i e 2 ⇡ 0.625 1.353i.
11.5 Modelos Simples de Inflação

Aqui, basicamente, o mercado de bens e o mercado de moeda se combinam para fornecer a
curva de demanda agregada.
MERCADO DE BENS
c = a + b(1 t)y
i = i0 h(r ⇡e)
y = c + i + g.
MERCADO DE MOEDA
md = Ky µr
ms = m p
md = ms
em que
102
11.5. Modelos Simples de Inflação
c=consumo real;
y=salário real;
i=investimento real;
r=taxa nominal de juros;
⇡ e =inflação esperada;
g=gasto real do governo;
md =demanda real de capital;
ms =oferta real de capital;
m=estoque monetário nominal;
p=nı́vel de preços.
A partir das equações acima podemos encontrar
(a + i0 + g) + (h/µ)(m p) + h⇡ e
y= (11.10)
1 b(1 t) + (hK/µ)
e
Ky (m p)
r= . (11.11)
µ
Fornecendo uma maior atenção para (11.10), devemos notar que essa é uma equação linear
em termos de (m p) e de ⇡ e , isto é,
y = a0 + a1 (m p) + a2 ⇡ e , (11.12)
a1 , a2 > 0 e isso representa a curva de demanda agregada.

Podemos expressar a curva de demanda agregada, de modo usual, por meio de uma relação
entre p e y.
✓ ◆ ✓ ◆ ✓ ◆
a0 + a1 m 1 a2
p= y+ ⇡e
a1 a1 a1
isto é,
p = c0 c1 y + c2 ⇡ e
a0 + a1 m 1 a2
em que c0 = , c1 = e c2 = , o que indica, claramente, uma relação inversa entre
a1 a1 a1
o nı́vel de preços (p) e o nı́vel de salário real (y).
Assumiremos que a taxa de inflação é proporcional ao hiato do produto (diferença entre o
PIB corrente e o PIB potencial, o que nos mostra o quanto a economia está distante de sua
capacidade máxima de produção) e ajustado prla inflação esperada.
⇡ = ↵(y yn ) + ⇡ e , ↵ > 0,
103
yn é o nı́vel de resultado esperado para ⇡ = ⇡ e = 0, isto é, o PIB potencial.

Derivando (11.12) em t, obtemos
ẏ = a1 (ṁ ⇡) + a2 ⇡˙ e ,
em que ṁ é o crescimento monetário, dado exogenamente.

Assumimos que as variáveis estão em termos logaritmos, então
dp d ln P
= = ⇡.
dt dt
Podemos, agora, combinar com a curva de Phillips e com o ajuste dinâmico por expectativas
inflacionárias, fornecendo o modelo
ẏ = a1 (ṁ ⇡) + a2 ⇡˙ e , a1 , a2 > 0
⇡ = ↵(y yn ) + ⇡ e , ↵ > 0
⇡˙ e = (⇡ ⇡ e ), > 0.
Exemplo 11.5.1. Considere o modelo numérico

ẏ = 10(15 ⇡) + 0.5⇡˙ e
⇡ = 0.2(y 15) + ⇡ e
⇡˙ e = 1.5(⇡ ⇡ e ).
Isso nos fornece o seguinte sistema de equações
8
<ẏ = 177.75 1.85y 10⇡ e
:⇡˙ e = 0.3y 4.5
O ponto de equilı́brio é (15, 15). Além disso,
!
1.85 10
A= .
0.3 0
Como trA = 1.85 < 0, det A = 3 > 0 e (trA)2 < 4 det A, temos que o sistema terá
um foco atrator. O mesmo pode ser notado calculando os autovalores de A, os quais são
1 ⇡ 0.925 + 1.46i e 2 ⇡ 0.925 1.46i.
104
11.6. O Modelo Dornbusch sob Perfeita Previsão
Figura 11.1: Retrato de fase do exemplo acima.
11.6 O Modelo Dornbusch sob Perfeita Previsão

Todos os modelos de Dornbusch começam com três mercados: o mercado de bens, o mercado
de moeda e o mercado de câmbio. O mercado de bens se reduz a duas simples relações: a
equação de despesa total e a equação de ajustamento de preços, onde a renda é considerada
constante no nı́vel completo de empregados.
MERCADO DE BENS
e = cy + g + h(s p), 0 < c < 1, h > 0
ṗ = a(e y), a > 0
MERCADO DE MOEDA
md = p + Ky µr, K > 0, µ > 0
ms = md = m
MERCADO DE ATIVOS INTERNACIONAIS
r = r⇤ + ṡe
ṡe = ṡ
em que
e = despesa total
y = renda real(exógena)
105
g = gasto do governo
s = taxa de câmbio
p = nı́vel de preços
ṗ = taxa de inflação (p=ln P )
md = demanda por moeda
r = taxa de juros doméstica
ms = oferta de moeda
m = balança monetária exógena
r⇤ = juros no exterior
ṡe = mudança na taxa local esperada
ṡ = mudança na taxa de câmbio local
Manipulando as equações temos o sistema abaixo

8
>
<ṗ = a[g (1 c)y] ahp + ahs
 (11.13)
> 1 1
:ṡ = (Ky m) r⇤ + p
µ µ
Escrevendo (11.13) na forma matricial, temos:
" # 2 3 " #" #

ṗ a[g (1 c)y ah ah p
=4 1 ⇤
5+ .
ṡ (Ky m) r 1/µ 0 s
µ
ah
Como det A = < 0, conclui-se que o ponto crı́tico é uma sela.
µ
106
Capı́tulo 12
Estabilidade no Sentido de Liapounov
Considere uma solução x(t) de um sistema de equações diferenciais tal que x(t) é periódica
ou singular. Diz-se que x(t) é estável quando, para toda solução com valores iniciais próximos
aos de x(t) está definida para todo t 0 e permanece próximo a x(t) quando t ! 1.
12.1 Estabilidade de Liapounov
Considere o sistema
ẋ = f (t, x) (12.1)
em que f é uma função contı́nua e f : ⌦ ! Rn , ⌦ ⇢ R ⇥ Rn .
Definição 12.1.1. Seja '(t) uma órbita de (12.1), a qual está definida para t 0. Dizemos
que '(t) é estável se, para todo ✏ > 0, existir > 0 tal que se (t) é solução de (12.1) e
k (0) '(0)k < , então (t) está definida para todo t 0 e k (t) '(t)k < ✏.
Se, além disso, existir 1 tal que k (0) '(0)k < 1.
) lim k (t) '(t)k = 0,

t!+1
então dizemos que ' é assintoticamente estável.
107
Capı́tulo 12. Estabilidade no Sentido de Liapounov
Figura 12.1: Órbitas estável e assintoticamente estável.
Definição 12.1.2. Dizemos que um ponto singular x0 do sistema
ẋ = f (x), (12.2)
com x 2 ⇢ Rn , é estável quando, para toda vizinhança U de x0 , existe uma vizinhança U1

de x0 , tal que toda solução '(t) de (12.2) com '(0) 2 U1 está definida e contida em U para
todo t 0. Se, além disso,
lim '(t) = x0 ,
t !+1
então dizemos que x0 é assintoticamente estável.
108
12.1. Estabilidade de Liapounov
Figura 12.2: Singularidades estável e assintoticamente estável.
Teorema 12.1.3. As seguintes proposições são equivalentes:
1. O sistema ẋ = Ax é um atrator;
2. Todos os valores próprios de A têm parte real negativa;
3. Existem µ > 0 e K 1 tais que |eAt x| Ke µt

|x|, para todo x 2 Rn e t 0;
4. O sistema ẋ = Ax é topologicamente conjugado a ẋ = x.
Exemplo 12.1.4. Seja A ⇢ Rn um operador linear e assuma que todos os seus autovalores
possuem parte real negativa.
Considere o seguinte sistema
ẋ = Ax. (12.3)
Note que 0 2 Rn é um ponto singular de (12.3). Ademais, pelo teorema acima, existem K
e µ > 0 tais que |eAt |  Ke µt
, 8t 0.
De fato, a solução do sistema (12.3) fica restrita dentro de um conjunto e, pelo teorema do
confronto,
lim '(t) = x0 .
t !1
Logo, 0 2 Rn é um ponto singular assintoticamente estável.
Exemplo 12.1.5. Seja ẋ = Ax um centro em R2 . Podemos verificar que 0 2 R2 é uma

singularidade estável, mas não assintoticamente estável. Estável porque, para toda vizinhança
de x0 = 0, as soluções permanecem na mesma vizinhança. Não temos a estabilidade assintótica
pois as soluções não convergem para o ponto de equilı́brio.
109
De fato, verificar a estabilidade de ' equivale a verificar a estabilidade da solução nula de

ẋ = f (x + '(t), t) f ('(t), t). Suponhamos então que (12.1) tenha solução nula e que f seja
de classe C 1 . O desenvolvimento de Taylor de f (t, x) em torno de x = 0 nos fornece o sistema
ẋ = A(t)x + g(t, x), (12.4)

onde A(t) 2 L(Rn ), g(t, 0) ⌘ 0 e g(t, x) = o(|x|) quando x ! 0, para cada t. Um sistema
desse tipo é chamado de quase-linear. O Teorema abaixo estabelece uma condição suficiente
para que a solução nula seja assintoticamente estável em (12.4).
Teorema 12.1.6. Consideremos o sistema quase linear
ẋ = Ax + g(t, x), (12.5)
(t, x) 2 ⌦b , onde ⌦b = {(t, x) 2 R ⇥ Rn ; |x| < b}, A é um operador linear em Rn cujos auto-
valores têm parte real negativa, g é contı́nua e g(t, x) = o(|x|) uniformemente em t. Suponha,
ainda, que (12.5) tenha soluções únicas em cada ponto. Então, a solução nula de (12.5) é
assintoticamente estável.
Demonstração. Pelo teorema (12.1.3), sabemos que existem µ > 0 e K 1 tais que |etA |
tµ
Ke , 8t
0 (pois temos como hipótese que os autovalores de A têm parte real negativa).
µ
Ainda, existe 1 > 0 para o qual |x| < 1 implica que |g(t, x)|  |x|, para todo t 2 R.
2K
Dado |x| < = 1 /K e seja '(t) a solução de (12.5) em
⌦ 1 = (t, x) 2 R ⇥ Rn ; |x| < 1, (12.6)
com '(0) = x e intervalo maximal (! , !+ ). Sabemos que

ˆ t
tA
'(t) = e x + e(t s)A g(s, '(s))ds
0
8t 2 (! , !+ ). Por (12.6) temos que |x| < 1 , para todo t, isso implica que, para t 0,
ˆ t
tA
|'(t)| = e x + e(t s)A g(s, '(s))ds
0
ˆ t
tA
 |e x| + |e(t s)A g(s, '(s))|ds
0
ˆ t
tµ
 Ke |x| + Ke (t s)µ |g(s, '(s))|ds
0
ˆ t
tµ µ
 Ke |x| + K e µ(t s) |'(s)|ds
0 2K
µ t µs
ˆ
tµ
= Ke |x| + e µt e |'(s)|ds
2 0
✓ ˆ t ◆
µt µs
=e K|x| + e |'(s)|ds .
0
110
12.2. O Critério de Liapounov
Logo,
✓ ˆ t ◆
µt µs
e |'(t)|  K|x| + e |'(s)|ds .
0
Aplicando a desigualdade de Gronwall, obtemos
eµt |'(t)|  K|x|eµt/2 ,
8t 0.
Portanto,
1 µt/2 µt
|'(t)|  K e e
K
 1 e µt/2 .
Dessa forma,
µt/2
|'(t)|  1e (12.7)
8t 0.
Note que, no enunciado do Teorema, fizemos t 2 R. Logo, podemos fazê-lo tender ao
infinito. Tomando o limite de (12.7) quando t ! 1 podemos concluir que a solução nula é
Corolário 12.1.7. Seja x0 um ponto singular de
ẋ = f (x), (12.8)
com f : ! Rn , f de classe C 1 e um subconjunto aberto de Rn . Suponhamos que Df (x0 )

tem todos os autovalores com parte real negativa. Então, existem uma vizinhança U de x0 e
constantes K > 0 e v > 0 tais que, para todo x 2 U , a solução '(t) de (12.8) tal que '(0) = x
vt
está definida em U , 8t 0, e |'(t) x0 |  Ke |x x0 |, 8t 0. Em particular, x0 é
12.2 O Critério de Liapounov

Considere o sistema
ẋ = f (x), f : ! Rn (12.9)
em que f é de classe C 1 no aberto ⇢ Rn .
111
Sabemos que a solução de (12.9) que passa por x 2 será indicada por 'x (t), sendo que
'x (0) = x.
Seja V : ! R uma função diferenciável. Consideremos, para cada x 2 , V̇ (x) =
dV
DVx .f (x), isto é, V̇ (x) = V ('x (t)) |t=0 .
dt
Definição 12.2.1. Seja x0 um ponto singular de (12.9). Uma função Liapounov para x0 é uma
função V : U ! R diferenciável, definida em um aberto U tal que x0 2 U , satisfazendo as
seguintes condições:
1. V (x0 ) = 0 e V (x) > 0, 8x 6= x0 .
2. V̇  0 em U .
A função de Liapounov diz-se estrita quando
3. V̇ < 0 em U {x0 }.
O critério de Liapounov para o sistema (12.9) é
Teorema 12.2.2. Seja x0 um ponto singular de (12.9). Se existe uma função de Liapounov
para x0 , então x0 é estável. Se a função for estrita, x0 é assintoticamente estável.
Demonstração. Seja V : U ! R uma função de Liapounov para x0 . Dado B = {x 2

Rn ; |x x0 |  } ⇢ U , então o número m = min{V (x); |x x0 | = } é positivo. Em virtude
da continuidade de V , existe um aberto U1 3 x0 , contido em B, tal que V (x) < m para todo
x 2 U1 .
Como V é não crescente ao longo das órbitas de (12.9), o que pode ser concluı́do pela
definição (13.1.1), temos que 'x (t) permanece no interior de B, 8t 0 e x 2 U1 . Suponha que
'x (t) (órbita que passa por x) não permaneça no interior de B, então existiria algum t⇤ > 0, tal
que 'x (t⇤ ) 2(int B)c e, então V ('x (t⇤ )) m, o que contradiria o fato de V ser não crescente
ao longo das órbitas. Portanto, x0 é estável.
Vamos supor agora que V̇ < 0 em U {x0 }. Sejam x 2 U1 e {tn } uma sequência crescente
de números reais positivos tal que 'x (tn ) ! y 2 B. Temos que V ('x (tn )) ! V (y) e, como
V é decrescente, V ('x (tn )) > V (y), 8t 0. Suponhamos que y 6= x0 . Como V ('y (t)) < V (y),
então, em particular, V ('y (1)) < V (y). Para z suficientemente próximo de y temos que 'z (1)
está suficientemente próxima de 'y (1) e assim, V ('z (1)) ⇡ V ('y (1)). Portanto,
V ('z (1)) < V (y). (12.10)
Agora, considere 'x (tn ) = z = 'z (0). Isso implica que
'x (tn + 1) = 'z (1)
112
12.2. O Critério de Liapounov
e então,
V ('x (tn + 1)) = V ('z (1)).
Logo, por (12.10),

V ('x (tn + 1)) < V (y),
um absurdo, pois V̇ < 0 em U {x0 }. Portanto, y = x0 . Como B é compacto, isto é suficiente

para provar que x0 é assintoticamente estável.
Exemplo 12.2.3. Consideremos o sistema

8
<ẋ = x + 2x(x + y)2
(12.11)
:ẏ = y 3 + 2y 3 (x + y)2 , (x, y) 2 R2
A origem (0, 0) é um ponto singular isolado. Não podemos aplicar o Teorema (12.1.6), visto
1
que os autovalores possuem parte real positiva. Consideremos a função V (x, y) = (x2 + y 2 ).
2
Temos
V (0, 0) = 0
e
V (x, y) > 0, 8(x, y) 6= (0, 0).
Ainda,
1 1
V̇ (x, y) = xx0 + yy 0
2 2
= xx + yy 0
0
= x[ x + 2x(x + y)2 ] + y[ y 3 + 2y 3 (x + y)2 ]

= [2(x + y)2 1](x2 + y 4 ).
Assim, V̇ (x, y) < 0 numa vizinhança de (0, 0), exceto em (0, 0). Em virtude do Teorema
(12.2.2), (0, 0) é assintoticamente estável.
Exemplo 12.2.4. A origem (0, 0) é uma singularidade assintoticamente estável do sistema

8
<x0 = y xy 2
: y 0 = x3
com (x, y) 2 R2 .
1 1
De fato, V (x, y) = x4 + y 2 é uma função Liapounov estrita do sistema acima, pois
4 2
1. V (0, 0) = 0 e V (x, y) > 0, 8(x, y) 6= (0, 0).
113
1 3 0 1
2. V̇ (x, y) = 4x x + 2yy 0 = x3 (y xy 2 ) + y( x3 ) = x4 y 2 < 0, em uma vizinhança de
4 2
(0, 0), exceto em (0, 0).
Definição 12.2.5. Seja x0 uma singularidade assintoticamente estável de (12.9). O conjunto

B(x0 ) = {x 2 ; 'x (t) ! x0 quando t ! 1} chama-se bacia de atração ou variedade estável
de x0 .
O conjunto P ⇢ diz-se positivamente invariante para (12.9) quando para cada x 2 P ,
'x (t) está definido e contido em P , 8t 0.
Teorema 12.2.6. Sejam x0 uma singularidade de (12.9) e P ⇢ uma vizinhança de x0 ,

compacta e positivamente invariante. Seja V uma função C 1 tal que V̇ < 0 em P {x0 }.
Então x0 é assintoticamente estável e P ⇢ B(x0 ).
Demonstração. Sejam x 2 P e !(x) = {y 2 ; 9tn ! 1 com 'x (tn ) ! y} o conjunto

! limite de x. Como P é fechado, temos !(x) ⇢ P . Ainda, sabemos que !(x) é invariante.
Vamos mostrar que V é constante em !(x). De fato, como V é contı́nua, limn!1 V ('x (tn )) =
V (a) para toda sequência {tn } de números positivos tal que limn!1 'x (tn ) = a. De modo
análogo, limn!1 V ('x (sn )) = V (b) para toda sequência {sn } de números positivos tal que
limn!1 'x (sn ) = b. Suponha que V (a) > V (b). Como V̇ < 0 em P {x0 }, então existe n0 , tal
que 8n n0 ,
V ('x (sn0 )) < V ('x (tn )).
Como tn ! 1, existe tm0 tal que tm0 > sn0 com
V ('x (sn0 )) < V ('x (tm0 )),
o que contradiz o fato de V ser decrescente em t. Suponha que V (a) < V (b) e de modo análogo
chegamos a uma contradição.
Assim, V (a) = V (b), quaisquer que sejam a e b em !(x). Portanto, V é constante em !(x),
isto é, V̇ ⌘ 0 em !(x). Logo, !(x) = {x0 }.
12.3 Teorema de Cetaev

Definição 12.3.1. Um ponto singular x0 do sistema ẋ = f (x), f : ! Rn diz-se instável
quando não é estável.
114
12.3. Teorema de Cetaev
Por exemplo, seja A um operador linear em Rn que tenha algum autovalor com perte real
positiva. Então, o zero é um ponto singular instável do sistema linear ẋ = Ax.
O teorema abaixo, devido à Cetaev, fornece um critério para a instabilidade.
Teorema 12.3.2. Consideremos um sistema autônomo (12.9) admitindo um ponto singular

x0 . Seja D um domı́nio em tal que x0 2 @D. Suponhamos que exista uma função C 1 ,
V : ! R tal que V > 0 e V̇ > 0 em D e V ⌘ 0 em @D. Então x0 é instável.
Demonstração. Seja B ⇢ uma bola fechada com centro em x0 e x 2 D\intB. Suponhamos

que 'x (t) esteja definida e contida em B para todo t 0, isto é, suponhamos que x0 é uma
singularidade estável.
Em D, V cresce ao longo das soluções de (12.9), pois V̇ > 0 em D, e, devido a esse fato,
V ('x (t)) > V (x) > 0 para todo t > 0 tal que 'x (t) 2 D. Vamos mostrar que para um compacto
U disjunto de @D, 'x (t) 2 U , 8t 0. Seja V ('x (0)) = A e considere M = {y 2 D; V (y) <
A/2}. Seja U = D M e x 2 U , temos que V ('x (0)) > 0. Suponha que existe t̄ tal que
'x (t̄) 2
/ U . Então, pela continuidade do fluxo existe t̃ de forma que 'x (t̃) 2
/ U , mas 'x (t̃) 2 D,
isto é, existe t̃ tal que t̃ 2 M . Como V̇ > 0 em D, temos que
V ('x (0)) < V ('x (t̃)). (12.12)
Além disso,
V ('x (t̃)) < A/2. (12.13)
Por (12.12) e (12.13), temos

V ('x (0))
V ('x (0)) < V ('x (t̃)) < ,
2
o que é um absurdo, visto que V > 0 em D. Assim, conclui-se que para um compacto U
disjunto de @D, 'x (t) 2 U , 8t 0.
Como f e V são de classe C 1 , então 'x (t) é C 1 e V̇ é contı́nua, respectivamente. Dessa
forma, V̇ ('x (t)) também é uma função contı́nua, a qual está definida no conjunto compacto U
e, pelo teorema de Weierstrass, admite um mı́nimo. Logo, existe m > 0 para o qual
V̇ ('x (t)) m, (12.14)
8t 0.
Integrando (12.14), temos:
ˆ t ˆ t
V̇ ('x (s))ds mds
0 0
) V ('x (t)) V ('x (0)) mt
115
) V ('x (t)) V (x) mt
) V ('x (t)) V (x) + mt.
Fazendo t ! 1, então
lim V ('x (t)) = 1,

t!1
o que implica que V não é limitada em U .

Porém, V é limitada em U (função contı́nua em um conjunto compacto), o que é uma
contradição. Isso se deve à suposição de que 'x (t) fica restrita a B. Portanto, 'x (t) deve sair
de B e, assim, x0 é instável.
Figura 12.3: Ilustração do Teorema de Cetaev.
116
Capı́tulo 13
Estabilidade Estrutural e o Teorema de

Peixoto
Neste capı́tulo estudaremos o conceito de campo de vetores estruturalmente estável e dare-

mos condições necessárias e suficientes para um campo de vetores f de classe C 1 ser estrutu-
ralmente estável em uma região compacta do plano.
Estes são os sistemas cujos retratos de fase são suficientemente robustos de modo que não
se alteram qualitativamente sob pequenas perturbações de funções que os definem. A ideia de
estabilidade estrutural foi originada de Andronov e Potryagin em 1937.
13.1 Estabilidade Estrutural

Dizemos que f é um campo de vetores estruturalmente estável se, para cada campo de
vetores g próximo de f , o campo de vetores f e g são topologicamente equivalentes.
Se f 2 C1 (E) em que E ⇢ Rn é aberto, então a norma C 1 de f é
kf k1 = sup |f (X)| + sup kDf (X)k. (13.1)

X2E X2E
onde |.| denota a norma euclidiana no Rn e k.k denota a norma usual da matriz Df (X)
(kDf (X)k = max|X|1 |Df (X)|). A função k.k de classe C 1 (E) em R possui todas as pro-
priedades usuais de norma. O conjunto de funções C 1 (E) juntas com a norma C 1 é um espaço
de Banach, isto é, um espaço linear normado completo. Devemos usar a norma C 1 para medir
a distância entre duas funções C 1 (E). Se K ⇢ E compacto, então a norma C 1 de f em K é
definida por
kf k1 = max |f (X)| + max kDf (X)k < 1. (13.2)
X2K X2K
117
Capı́tulo 13. Estabilidade Estrutural e o Teorema de Peixoto
Definição 13.1.1. Seja E ⇢ Rn aberto. O campo de vetores f 2 C 1 (E) é dito estruturalmente

estável se existir " > 0 tal que, para todo g 2 C 1 (E) com
kf gk1 < ",
f e g são topologicamente equivalentes em E, isto é, existe um homeomorfismo H : E ! E o

qual mapeia trajetórias de
Ẋ = f (X) (13.3)
em trejetórias de
Ẋ = g(X). (13.4)
Nesse caso, dizemos que o sistema dinâmico (13.3) é estruturalmente estável. Se um campo
de vetores f 2 C 1 (E) não é estruturalmente estável, então f é dito estruturalmente instável.
Se K ⇢ E é compacto e f 2 C 1 (E) então, se usarmos a C 1 norma da Definição (13.1.1),
dizemos que o campo de vetores f é estruturalmente estável em K.
Além disso, se K é um subconjunto compacto de E e se g 2 C 1 (K) satisfaz
max |f (X) g(X)| + max kDf (X) Dg(X)k < ",

X2K X2K
então existe K̃ ⇢ E compacto que contém K e uma função função g̃ 2 C 1 (E) tal que g̃(X) =
g(X), 8x 2 K, g̃(X) = f (X), 8X 2 E K̃ e kf g̃k1 < ". Assim, para mostrar que f não
é estruturalmente estável em Rn , é suficiente mostrar que f não é estruturalmente estável em
algum compacto K ⇢ Rn com interior não vazio.
A estabilidade estrutural é tı́pica em qualquer sistema que modela problemas fı́sicos. Con-
sidere, por exemplo, um pêndulo amortecido. Se a massa, o comprimento e o atrito no pêndulo
for mudado por uma quantidade suficientemente pequena, ", o comportamento qualitativo
da solução irá permanecer o mesmo, isto é, o retrato de fase global dos dois sistemas (13.3) e
(13.4) que modela dois pêndulos serão topologicamente equivalentes. Assim, o sistema dinâmico
(13.3), que modela o sistema fı́sico o qual consiste em um pêndulo amortecido, é estruturalmente
estável. Por outro lado, o sistema dinâmico que modela um pêndulo não amortecido é estru-
turalmente instável, visto que a adição de qualquer pequena quantidade de atrito transforma o
movimento periódico não amortecido em um movimento amortecido.
É claro que um pêndulo sem atrito não é fisicamente realizável. Se formos considerar so-
mente problemas fı́sicos os quais conduzem a sistemas de equações diferenciais em R2 , então não
devemos nos preocupar com pequenas mudanças arbitrárias no modelo conduzindo a um dife-
rente comportamento qualitativo do sistema. Contudo existem sistemas de dimensões maiores
(n 3) os quais são modelos realistas para certos problemas fı́sicos e que são estruturalmente
instáveis.
118
13.1. Estabilidade Estrutural
Exemplo 13.1.2. O campo de vetores

!
y
f (X) =
x
em Rn não é estruturalmente estável. Para ver isso, tome K um subconjunto compacto do R2
o qual contém a origem em seu interior e mostre que f não é estruturalmente estável em K.
Seja k.k1 a norma C1 em K e defina o campo de vetores
!
y + µx
g(X) = .
x + µy
Então,
kf gk1 = max |f (X) g(X)| + max kDf (X) Dg(X)k

X2K X2K
! ! ! !
y y + µx 0 1 µ 1
= max + max
X2K x x + µy X2K 1 0 1 µ
! !
µx µ 0
= max + max
X2K µy X2K 0 µ
= |µX| + |µ|
= |µ|(|X| + 1)
"
e, seja d = maxX2K |X|, segue que, para todo " > 0, se escolhermos |µ| = então
(d + 2)
"
kf gk1 = |µ|(|X| + 1)  (d + 1) < ".
d+2
Vamos estudar a estrutura qualitativa de Ẋ = g(X).

! ! !
y + µx µ 1 x
Ẋ = = .
x + µy 1 µ y
!
µ 1
Seja A = , então trA = 2µ e det A = µ2 + 1. Dividiremos o nosso estudo em
1 µ
três casos:
1. µ < 0
Então, trA < 0, det A > 0 e (trA)2 < 4 det A. Logo, teremos um foco atrator.
2. µ = 0
Então, trA = 0, det A = 1 > 0. Portanto, teremos um centro.
119
3. µ > 0
Dessa forma, trA > 0, det A > 0 e (trA)2 < 4 det A. Logo, teremos um foco repulsor.
Os retratos de fase do sistema Ẋ = g(X) são dados pela figura abaixo.
Figura 13.1: Retrato de fase do sistema do exemplo (13.1.2)
Claramente, f não é topologicamente equivalente a g. Logo, f não é estruturalmente estável
120
em R2 . O número µ = 0 é chamado de valor de bifurcação para o sistema Ẋ = g(X).
Exemplo 13.1.3. O sistema

8
<ẋ = y + x(x2 + y 2 1)2
:ẏ = x + y(x2 + y 2 1)2
é estruturalmente instável em qualquer subconjunto compacto K ⇢ R2 , o qual contém o disco

unitário em seu interior. Isso pode ser visto considerando o sistema
8
<ẋ = y + x[(x2 + y 2 1)2 µ]
(13.5)
:ẏ = x + y[(x2 + y 2 1)2 µ]
De modo análogo ao exemplo anterior, temos
kf gk1 = |µ|(|X| + 1).

"
Seja d = maxX2K |X|, segue que, para todo " > 0, se escolhermos |µ| = então
(d + 2)
kf gk1 < ".
Escrevendo (13.5) em coordenadas polares, obtemos

8
<(r. cos ✓)0 = r. sin ✓ + r. cos ✓[(r2 1)2 µ]
(13.6)
:(r. sin ✓)0 = r. cos ✓ + r. sin ✓[(r2 1)2 µ]
Multiplicando a primeira equação de (13.6) por (cos ✓), a segunda por (sin ✓) e somando
ambas, encontramos
r0 = r[(r2 1)2 µ].
Multiplicando a primeira equação de (13.6) por ( sin ✓), a segunda por (cos ✓) e somando
ambas, encontramos
✓0 = 1.
Portanto, o sistema (13.5) pode ser representado, em coordenadas polares, por

8
<r0 = r[(r2 1)2 µ]
:✓ 0 = 1
De fato, a trajetória ocorre no sentido anti-horário, visto que ✓0 = 1. Vamos estudar o que
ocorre com o sistema dividindo o estudo em três casos:
121
1. µ < 0
Então (r2 1)2 µ > 0, o que implica que r0 > 0. Logo, temos que o raio cresce ao longo
da trajetória.
2. µ = 0
Caso r = 0 ou r = 1, temos um ponto de equilı́brio e uma trajetória periódica, respecti-
vamente. Para 0 < r < 1 e para r > 1 encontramos r0 > 0, isto é, o raio cresce ao longo
das trajetórias.
3. µ > 0
Considere (r2 1)2 µ = 0.
) (r2
1)2 = µ
p
) r2 1 = ± µ
8
< pµ + 1
2
)r = p
: µ+1
8p
< p
µ + 1 = r1
) r = pp
: µ + 1 = r2
Seja r < r1 ,
q
p
)r< µ+1
p
) r2 < µ+1
p
) r2 1< µ
) (r2 1)2 > µ.
Assim, r0 > 0. Portanto, para r < r1 , r cresce ao longo das trajetórias.

Seja r1 < r < r2 , q q
p p
) µ+1<r < µ+1
p p
) µ + 1 < r2 < µ + 1
p p
) µ < r2 1 < µ
p
) |r2 1| < µ
) (r2 1)2 < µ.
Logo, r0 < 0. Dessa forma, para r1 < r < r2 , r decresce ao longo das trajetórias.
122
Consequentemente, temos os retratos de fase mostrados na figura abaixo e o sistema com

µ = 0, ou seja, f(X), é estruturalmente instável, isto é, uma pequena perturbação modifica
sua estrutura qualitativa. O número µ = 0 é chamado de valor de bifurcação para o sistema
acima e, para µ = 0 o sistema tem um ciclo limite de multiplicidade dois representado por
(t) = (cos t, sin t)T .
Figura 13.2: Retrato de fase do sistema do exemplo (13.1.3)
123
Note que, para µ = 0, a origem é um ponto crı́tico não hiperbólico para o sistema do
exemplo (13.1.2) e (t) é um ciclo limite não hiperbólico do sistema no exemplo (13.1.3). Em
geral, sistemas dinâmicos com pontos de equilı́brio não hiperbólicos e/ou órbitas periódicas não
hiperbólicas não são estruturalmente estáveis. Isso não significa que sistemas dinâmicos com
somente pontos de equilı́brio hiperbólicos e órbitas periódicas hiperbólicas são estruturalmente
estáveis.
Teorema 13.1.4. Seja f 2 C 1 (E), E ⇢ Rn aberto contendo um ponto crı́tico hiperbólico x0

de ẋ = f (x). Então, para todo " > 0 existe > 0 tal que 8g 2 C 1 (E) com
kf gk1 <
existe um y0 2 N" (x0 ) tal que y0 é um ponto crı́tico hiperbólico de ẋ = g(x). Além disso,
Df (x0 ) e Dg(y0 ) têm a mesma quantidade de autovalores com parte real positiva e negativa.
Teorema 13.1.5. Seja f 2 C 1 (E), E ⇢ Rn aberto contendo a órbita periódica hiperbólica ⌃

de ẋ = f (x). Então, para todo " > 0 existe > 0 tal que 8g 2 C 1 (E) com
kf gk1 <
existe uma órbita periódica ⌃0 de ẋ = g(x) contida em uma " vizinhança de ⌃.
Um outro importante resultado para sistemas n-dimensionais é que qualquer sistema linear
ẋ = Ax
em que a matriz A não possui autovalores com parte real zero é estruturalmente estável no Rn .
13.2 Teorema de Peixoto

Definição 13.2.1. Um ponto x 2 E (ou x 2 M ) é um ponto não-errante do fluxo t definido
por
ẋ = f (x)
se, para qualquer vizinhança U de x e para todo T > 0, existe um t > T que
t (U ) \ U 6= ?.
124
13.2. Teorema de Peixoto
O conjunto não-errante ⌦ do fluxo t é um conjunto de todos os pontos não-errantes de t
em E (ou em M ). Todo ponto x 2 E ⌦ (ou em M ⌦) é chamado de ponto errante de t.
Pontos de equilı́brio e pontos em órbitas periódicas são exemplos de pontos não-errantes

de um fluxo e, para um fluxo planar, os únicos pontos não-errantes são pontos crı́ticos, pontos
em ciclos e gráficos- pontos de equilı́brio conectados por trajetórias regulares- especı́ficos. Em
geral, isso não pode ser estendido para dimensões maiores.
Exemplo 13.2.2. Seja S um quadrado com os lados opostos identificados de acordo com o
modelo para o toro. Seja (x, y) as coordenadas em S as quais são identificadas (mod1). O
sistema 8
<ẋ = !1
:ẏ = !
2
define o fluxo no toro. Resolvendo o sistema de equações temos que o fluxo é dado por
t (x0 , y0 ) = (!1 t + x0 , !2 t + y0 ).
Se !1 /!2 é irracional, então todos os pontos descrevem órbitas no toro as quais não são
fechadas, porém são densas. Se !1 /!2 é racional, então os pontos descrevem órbitas periódicas.
Nos dois casos todos os pontos de T 2 são pontos não-errantes, isto é, ⌦ = T 2 . Além disso, o
sistema é estruturalmente instável se, ao adicionarmos uma pequena constante arbitrária em
!1 e !1 /!2 mudar de irracional para racional, ou o contrário.
Figura 13.3: Fluxo no quadrado e o fluxo correspondente no toro.
Agora, enunciaremos o Teorema de Peixoto, provado em 1962, o qual caracteriza comple-

tamente a estabilidade estrutural de um campo de vetores C 1 em uma variedade M compacta,
bidimensional e diferenciável.
Teorema 13.2.3. Seja f um campo de vetores de classe C 1 em uma variedade M compacta,

bidimensional e diferenciável. Então f é estruturalmente estável em M se, e somente se,
i) O número de pontos crı́ticos e ciclos é finito e cada um deles é hiperbólico;
125
ii) Não existem trajetórias conectando um ponto de sela a outro ponto de sela ou a ele mesmo;
iii) O conjunto não-errante ⌦ consiste, apenass, em pontos crı́ticos e ciclos limites.
Além disso, se M é orientável, o conjunto dos campos de vetores estruturalmente estável

em C 1 (M ) é um subconjunto aberto e denso de C 1 (M ). Aberto pelo fato de que, ao pegarmos
um campo f 2 C 1 (M ), existe uma vizinhança tal que todo ponto da mesma é estruturalmente
estável e denso, porque, para todo campo em C 1 (M ), existe uma vizinhança suficientemente
pequena a qual contém um campo estruturalmente estável.
De acordo com o Teorema de Peixoto temos que a estabilidade estrutural é uma propriedade
genérica do campo de vetores em uma variedade M compacta, bidimensional e diferenciável,
isto é, a estabilidade estrutural é mantida após pequenas perturbações em um campo estrutu-
ralmente estável.
126
Capı́tulo 14
Bifurcações
Neste capı́tulo abordaremos o estudo das bifurcações de famı́lias a um parâmetro de sistemas

de equações diferenciais da forma
8
<ẋ = P (x, y, )
(14.1)
:ẏ = Q(x, y, ).
em uma região plana M ⇢ R2 , compacta e com fronteira suave @M , de classe C r , r 3.

Suporemos que percorre um intervalo compacto [a, b].
Um valor 0 2 [a, b] chama-se valor de bifurcação de (14.1), ou da famı́lia ⇠ : !
(P (., ., ), Q(., ., )) de campos vetoriais em M , se em toda vizinhança V ( 0 ) de 0 em [a, b]
existem valores 1 tais que ⇠( 0 ) não é topologicamente equivalente a ⇠( 1 ) em M . Mais
precisamente, não existe homeomorfismo h : M ! M que aplique arcos de trajetórias de
(14.1) com = 0 sobre arcos de trajetórias de (14.1) com = 1, preservando a orientação
dos mesmos.
Vejamos, a seguir, alguns exemplos tı́picos de bifurcações para famı́lias de sistemas de
equações diferenciais do tipo (14.1), ou seja, de campos vetoriais ⇠( ), no plano R2 , dependentes
de um parâmetro 2 R.
Exemplo 14.0.1 (Sela-nó). Considere ⇠( ) = (x2 + , y) ou, equivalentemente

8
<ẋ = x2 +
:ẏ = y.
Vamos encontrar a estrutura qualitativa do sistema. Dividiremos o problema em três casos.
CASO 1: < 0.
p p
Neste caso, temos dois pontos crı́ticos, ( , 0) e ( , 0). Como os pontos de equilı́brio
são hiperbólicos, podemos aplicar o Teorema de Grobman-Hartman.
127
Capı́tulo 14. Bifurcações
" #
2x 0
Df (x, y) = .
0 1
p
Seja (x, y) = ( , 0),
" p #
p 2 0
Df ( , 0) = .
0 1
p
Logo, os autovalores da matriz acima são 1 = 2 <0e 2 = 1 < 0. Portanto, segue
que o ponto crı́tico é um nó atrator.
p
Seja (x, y) = ( , 0),
" p #
p 2 0
Df ( , 0) = .
0 1
p
Logo, os autovalores da matriz acima são 1 =2 >0e 2 = 1 < 0. Portanto, segue
que o ponto crı́tico é uma sela.
CASO 2: = 0.
Aqui, o único ponto crı́tico é (x, y) = (0, 0) e
" #
0 0
Df (0, 0) = .
0 1
Note que os autovalores da matriz são 1 =0e 2 = 1. Não podemos aplicar o Teorema
de Grobman-Hartman, visto que o ponto crı́tico não é hiperbólico, o que é um forte indı́cio de
bifurcação.
CASO 3: > 0.
Neste caso não temos pontos crı́ticos.
Portanto, temos uma sela e um nó para < 0, os quais colapsam entre si para = 0,
formando um sela-nó. Estes pontos se cancelam para > 0.
128
Figura 14.1: Diagrama de bifurcação do Exemplo 14.0.1.
Exemplo 14.0.2 (Foco composto ou bifurcação de Andronov-Hopf). Considere o sistema

8
<ẋ = y x[ + (x2 + y 2 )
(14.2)
:ẏ = x y[ (x2 + y 2 )].
Escrevendo (14.2) em coordenadas polares, obtemos:

8
<r0 cos ✓ r✓0 sin ✓ = sin ✓ r cos ✓[ + r2 ]
(14.3)
:r0 sin ✓ + r✓0 cos ✓ = r cos ✓ r sin ✓[ + r ].2
Multiplicando a primeira equação de (14.3) por cos ✓, a segunda por sin ✓ e somando ambas,
temos
r0 = r[ + r2 ].
Multiplicando a primeira equação de (14.3) por sin ✓, a segunda por cos ✓ e somando
ambas, temos
✓0 = 1.
Dessa forma, escrevendo (14.2) em coordenadas polares encontramos
129
8
<r0 = r[ + r2 ]
:✓0 = 1.
Como ✓0 = 1 > 0, o deslocamento ao longo da trajetória ocorre no sentido anti-horário.

Assim como no exemplo anterior, dividiremos o estudo em três casos:
CASO 1: < 0.
Vamos encontrar os pontos em que r0 = 0.
) r[ + r2 ] = 0
)r=0
ou
p
) + r2 = 0 ) r2 = )r=±
como r > 0,
p
)r= .
p
Caso r1 = 0 ou r2 = , temos um ponto de equilı́brio e uma trajetória periódica,
respectivamente.
Seja r1 < r < r2 ,
p
)0<r<
) r2 <
) r3 < r
) r r3 > 0
) r0 > 0.
Seja r > r2 ,
p
)r>
) r2 >
) r3 > r
) r r3 < 0
) r0 < 0.
Logo, r aumenta ao longo das trajetórias para r1 < r < r2 e diminui ao longo das trajetórias
para r > r2 .
130
CASO 2: = 0.
) r0 = r3 .
Caso r = 0, temos um ponto de equilı́brio. Para r > 0, temos que r0 < 0 e, portanto, r
diminui ao longo das órbitas.
CASO 3: > 0.
Neste caso, temos um único ponto de equilı́brio (r = 0).
Seja r > 0,
) + r2 > 0
) r( + r2 ) > 0
) r( + r2 ) < 0
r0 < 0.
Portanto, r diminui ao longo das trajetórias.

Assim, um foco instável e um ciclo estável ( < 0) colapsam entre si para = 0, formando
um foco atrator fraco. Para > 0 o foco atrator torna-se hiperbólico.
Exemplo 14.0.3 (Ciclo semi-estável). Considere X = R X, onde X tem um ciclo semi-

estável, por exemplo
X = ([(x2 + y 2 )1/2 1]2 x y, [(x2 + y 2 )1/2 1]2 y + x)
e R é a rotação de ângulo dada por
131
!
cos sin
R = .
sin cos
Primeiramente, vamos escrever o campo X em coordenadas polares:
X = ((r 1)2 r cos ✓ r sin ✓, (r 1)2 r sin ✓ + r cos ✓).
Fazendo X = R X, obtemos
!
(r 1)2 r cos ✓ cos r sin ✓ cos (r 1)2 r sin ✓ sin r cos ✓ sin
X =
(r 1)2 cos ✓ sin r sin ✓ sin + (r 1)2 r sin ✓ cos + r cos ✓ cos
8
<r0 cos ✓ r✓0 sin ✓ = (r 1)2 r cos ✓ cos r sin ✓ cos (r 1)2 r sin ✓ sin r cos ✓ sin
)
:r0 sin ✓ + r✓0 cos ✓ = (r 1)2 cos ✓ sin r sin ✓ sin + (r 1)2 r sin ✓ cos + r cos ✓ cos .
Multiplicando a primeira equação do sistema acima por cos ✓, a segunda por sin ✓ e somando
ambas, encontramos
r0 = (r 1)2 r cos r sin .
De modo análogo, multiplicando a primeira equação do sistema por sin ✓, a segunda por
cos ✓ e somando ambas, obtemos
✓0 = cos + (r 1)2 sin ✓.
Logo, o sistema será da forma

8
<r0 = (r 1)2 r cos r sin
(14.4)
:✓0 = cos + (r 1)2 sin ✓.
Dividiremos o estudo qualitativo em três casos:

CASO 1: < 0.
Como ⇡ 0, pertence ao quarto quadrante do ciclo trigonométrico. Assim, cos ⇡ 1
e sin ⇡ 0, mas sin < 0, o que implica em ✓0 > 0. Portanto, a rotação ocorre no sentido
anti-horário.
Encontrando os pontos crı́ticos,
r=0
132
ou
(r 1)2 cos sin =0
) tan = (r 1)2 0.
Porém, percence ao quarto quadrante, isto é, tan < 0. Assim, o único ponto em que
0
r = 0 é r = 0.
Seja r > 0, temos que r0 > 0, ou seja, o raio cresce ao longo das órbitas.
CASO 2: = 0.
Reescrevendo o sistema (14.4), temos
8
<r0 = (r 1)2 r
:✓0 = 1.
Como ✓0 = 1 > 0, então a rotação ocorre no sentido anti-horário. De fato, para r = 0 e

r = 1 temos um ponto de equilı́brio e um ciclo limite, respectivamente. Para 0 < r < 1 e r > 1
temos r0 > 0, logo o raio cresce ao longo das órbitas.
CASO 3: > 0.
Como ⇡ 0, isto é, está no primeiro quadrante do ciclo trigonométrico então ✓0 > 0, ou
seja, a rotação ocorre no sentido anti-horário.
Vamos encontrar os pontos de equilı́brio.
r0 = (r 1)2 r cos r sin

= r[(r 1)2 cos sin ].
Logo,
r=0
ou
(r 1)2 cos sin =0
) r2 2r + (1 tan ) = 0
p
2 ± 4 4(1 tan ) p
)r= = 1 ± tan .
2
p p
Então, para r = 0 temos um ponto de equilı́brio e para r1 = 1 tan e r2 = 1 + tan
temos ciclos limites.
Considere 0 < r < r1 ,
p
)0<r<1 tan
p
)r 1< tan
133
) (r 1)2 > tan
) (r 1)2 cos sin >0
) r0 > 0.
Assim, o raio cresce ao longo das órbitas para 0 < r < r1 .

Agora, seja r1 < r < r2 ,
p
)r <1+ tan
p
)r 1< tan
) (r 1)2 < tan
) (r 1)2 cos sin <0
) r0 < 0.
Portanto, o raio diminui ao longo das órbitas para r1 < r < r2 .

Seja, r > r2 ,
p
)r >1+ tan
p
)r 1> tan
) (r 1)2 > tan
) (r 1)2 cos sin >0
) r0 > 0.
Logo, o raio cresce ao longo das órbitas para r > r2 .

Resumidamente, um ciclo atrator e um ciclo instável ( > 0) colapsam para = 0, formando
um ciclo semi-estável. Ambos os ciclos se cancelam para < 0.
134
Exemplo 14.0.4 (Conexão de Selas). Considere ⇠( ) = R X, onde X tem uma ligação de

selas e R é uma rotação, como no exemplo anterior.
CASO A: Selas diferentes.
Duas separatrizes de selas diferentes p1 , p2 para < 0, colapsam para = 0, formando uma
conexão entre as selas p1 e p2 . Para > 0 as separatrizes desconectam-se.
Figura 14.4: Diagrama de bifurcação do Exemplo 14.0.4- CASO A.
CASO B: Selas iguais ou laço.

Inicialmente, temos selas coincidentes, p1 = p2 = p, formando um laço atrator de X. Quando
as separatrizes de sela se desconectam para > 0, aparece um ciclo atrator que resulta ser o
conjunto !-limite da separatriz instável da sela.
135
Figura 14.5: Diagrama de bifurcação do Exemplo 14.0.4- CASO B.
Exemplo 14.0.5 (Laço de Sela-Nó). Se, no exemplo (14.0.1), a separatriz dos setores hi-
perbólicos da sela-nó penetra na região nodal da mesma, então, quando > 0, aparece um
ciclo atrator Y .
Exemplo 14.0.6 (Ligações de Selas emergentes da eliminação de um Ciclo Semi-estável).

Se, no exemplo (14.0.3), há separatrizes de selas que espiralam por ambos os lados do ciclo
semi-estável ( = 0), após a eliminação deste ciclo aparecem, para uma sequência infinita { n },
n ! 0, ligações entre selas interiores e exteriores do campo X n , de comprimentos crescentes.
136
Exemplo 14.0.7 (Ligações de Selas emergentes da eliminação de um laço de Sela). Se no

laço do exemplo (14.0.4-B), há separatrizes de selas cujo !-limite é o laço, então quando o
laço é quebrado ( < 0), aparecem infinitos ( n) com ligações das selas interiores ao laço,
conectando-se com as separatrizes estáveis da sela.
137
14.1 Formulação dos Resultados Principais

Denotaremos por Xr = Xr (M ), r 1, o conjunto de campos vetoriais X = (P, Q) de classe
C r em M , isto é, tais que P e Q são restrições a M de funções de classe C r em R2 .
Com o intuito de estudar teoremas importantes, definiremos alguns subconjuntos de Xr ⌃r ,
espaço dos campos não estruturalmente estáveis de classe C r numa região M compacta e conexa
de R2 , com fronteira suave @M , de classe C r .
Inicialmente, definiremos o conjunto de campos estruturalmente estáveis
⌃r = ⌃r (1) \ ⌃r (2) \ ⌃r (3) \ ⌃r (4).
• ⌃r (1) = ⌃r (1, a) \ ⌃r (1, b), onde
- ⌃r (1, a) é o conjunto de campos com todas as singularidades em M hiperbólicas.
- ⌃r (1, b) é o conjunto de campos sem singularidades contidas em @M .
• ⌃r (2) = ⌃r (2, a) \ ⌃r (2, b), onde
- ⌃r (2, a) é o conjunto de campos em que todas as órbitas periódicas contidas em M são

hiperbólicas.
- ⌃r (2, b) é o conjunto de campos com todas as órbitas periódicas em M disjuntas de @M .
• ⌃r (3) é o conjunto dos campos cuja tangência com @M é parabólica. Isto é, X.f (p) = 0
e X 2 .f (p) 6= 0.
• ⌃r (4) = ⌃r (4, a) \ ⌃r (4, b) \ ⌃r (4, c), onde
- ⌃r (4, a) é o conjunto de campos que não têm conexões de separatrizes de pontos singu-
lares em M .
- ⌃r (4, b) é o conjunto de campos que têm todas as órbitas contidas em M tangentes a

@M em, no máximo, um ponto.
- ⌃r (4, c) é o conjunto dos campos que têm todas as suas separatrizes de pontos singulares
transversais a @M .
4
[
Definiremos, a seguir, certos subconjuntos de Xr ⌃r = (Xr ⌃r (i)).
i=1
• ⌃r1 (1) = ⌃r1 (1, a) [ ⌃r1 (1, b), onde
- ⌃r1 (1, a) é o conjunto de campos X de ⌃r (1, b)\⌃r (2)\⌃r (3)\⌃r (4) que possuem vários
pontos singulares e um deles, p, é não hiperbólico em M , o qual será do tipo sela-nó ou
138
14.1. Formulação dos Resultados Principais
foco-composto. O ponto singular p é uma sela-nó de X se DX(p) tem um autovalor

0 = 0 e o outro 1 6= 0.
Figura 14.9: Sela-nó.
Uma sela-nó tem dois setores: um hiperbólico, à direita, e um nodal, à esquerda. Note
que duas separatrizes constituem a fronteira entre o setor nodal e o setor hiperbólico, e
uma separatriz separa as partes inferior e superior do setor hiperbólico.
Um ponto singular é um foco-composto se DX(p) tem os valores próprios da forma

= a ± bi, com a 6= 0 e a derivada terceira da transformação de retorno ⇢ : I0 ! I,
definida pelas órbitas de X num segmento I que passa por p é diferente de zero em p.
Figura 14.10: Foco composto.
Quando necessário distinguiremos cada um dos casos com as notações ⌃r1 (1, a, s-n) e
⌃r1 (1, b, f-c) para designar o subconjunto de campos de ⌃r1 (1, a) com uma sela-nó e com
um foco composto, respectivamente.
- ⌃r1 (1, b) é o conjunto de campos X em ⌃r (1, a) \ ⌃r (2) \ ⌃r (3) \ ⌃r (4) que têm um único
ponto singular p em @M que é um dos seguintes tipos
Foco: DX(p) tem autovalores complexos com parte real não nula.
139
Figura 14.11: Foco.
Sela: DX(p) tem autovalores reais e com sinais opostos e os autovetores são transversais
a @M .
Figura 14.12: Sela.
Nó: DX(p) tem autovalores reais, distintos e de mesmo sinal. Os autoespaços são trans-
versais a @M .
Figura 14.13: Nó.
Utilizaremos ⌃r1 (1, b, f ), ⌃r1 (1, b, s), ⌃r1 (1, b, n) para nos referir ao conjunto de campos
⌃r1 (1, b) com foco, sela e nó, respectivamente.
140
• ⌃r1 (2) = ⌃r1 (2, a) [ ⌃r1 (2, b), onde
- ⌃r1 (2, a) é o conjunto de campos em ⌃r (1) \ ⌃r (2, b) \ ⌃r (3) \ ⌃r (4) que têm uma única
órbita periódica não hiperbólica.
Aqui, ⇡ denota a transformação de Poincaré.
- ⌃r1 (2, b) é o conjunto de campos em ⌃r (1) \ ⌃r (2, a) \ ⌃r (3) \ ⌃r (4) que têm uma única
órbita periódica em M tangente a @M .
Será importante para o nosso estudo definir alguns subconjuntos de ⌃r1 (2, a) e ⌃r1 (2, b).
˜ r (2, a) ⇢ ⌃r (2, a) é o conjunto o qual a órbita periódica não hiperbólica não é, si-
- ⌃ 1 1
multaneamente, ↵ e ! limite das separatrizes de selas ou de órbitas que são tangentes a
@M .
˜ r1 (2, b) ⇢ ⌃r1 (2, b) é o conjunto o qual a órbita periódica tangente a @M não é ↵ e nem
-⌃
! limite das separatrizes de selas ou das outras órbitas que são tangentes a @M .
141
• ⌃r1 (3) é o conjunto dos campos de X em ⌃r (1) \ ⌃r (2) \ ⌃r (4) que têm um único ponto
p de tangência com @M que não é parabólica, ou seja, X.f (p) = X 2 .f (p) = 0, porém p é
um ponto de tangência cúbica, isto é, X 3 .f (p) 6= 0.
• ⌃r1 (4) = ⌃r1 (4, a) [ ⌃r1 (4, b) [ ⌃r1 (4, c), em que
- ⌃r1 (4, a) é o conjunto de campos vetoriais X de ⌃r (1) \ ⌃r (2) \ ⌃r (3) \ ⌃r (4, b) \ ⌃r (4, c)
que têm uma única separatriz Y , contida em intM cujos ↵ e !-limites são selas p e q de
X, tais que se p = q temos um laço simples com vértice em p.
- ⌃r1 (4, b) é o conjunto de campos vetoriais X de ⌃r (1) \ ⌃r (2) \ ⌃r (3) \ ⌃r (4, a) \ ⌃r (4, c)
que têm uma única órbita em M com exatamente dois pontos de tangência com @M .
142
- ⌃r1 (4, c) é o conjunto de campos vetoriais X de ⌃r (1) \ ⌃r (2) \ ⌃r (3) \ ⌃r (4, a) \ ⌃r (4, b)
que têm uma única separatriz de sela tangente a @M .
Será necessário para o estudo futuro distinguir subconjuntos de ⌃r1 (4, a). Denotaremos por
⌃r1 (4, a, d) os campos com ligação de selas diferentes e por ⌃r1 (4, a, `) os campos com um laço.
Além disso, precisaremos distinguir também o subconjunto ⌃ ˜ r1 (4, a, `) de campos de ⌃r1 (4, a, `)
para os quais o laço Y não é ↵ e nem !-limite de separatrizes de sela ou de órbitas tangentes
a @M .
Aqui, chamaremos o espaço Xr ⌃r , munido da topologia induzida por Xr , de X̃r1 .
Definição 14.1.1. Diz-se que X é estruturalmente estável por pequenas perturbações em ,

com ⇢ Xr (M ), se existe uma vizinhança U = U (X) de X em tal que para todo Y 2 U é
possı́vel encontrar um homeomorfismo h = hY : M ! M que transforma arcos de órbitas de
Y em arcos de órbitas de X, preservando a orientação dos mesmos.
Dessa forma, um campo vetorial estável por pequenas perturbações em X̃r1 é um campo
estruturalmente estável de primeira ordem (codimensão 1).
r
Definição 14.1.2. Denotamos por o espaço de famı́lias a um parâmetro de campos vetoriais.
Mais precisamente,
r
= C 1 ([a, b], Xr )
é o espaço de aplicações de classe C 1 de [a, b] em Xr = Xr (M ) munido da norma C 1 .
r r
Definição 14.1.3. Chamaremos de o subconjunto dos ⇠ 2 tais que
1) ⇠ é transversal a ⌃r1 .
143
˜ ⌃r ) [ ⌃r , onde Int
2) ⇠[a, b] ⇢ (Int ˜ ⌃r é o interior de Xr ⌃r em X̃r1 .
1 1
r r
Teorema 14.1.4. 1) é aberto e denso em .
r r
2) ⇠ 2 é estruturalmente estável se, e somente se, ⇠ 2 .
144
Capı́tulo 15
Regularização de Campos Vetoriais

Descontı́nuos
Este capı́tulo tem o intuito de apresentar o processo de regularização de campos vetoriais

definidos em variedades descontı́nuas de dimensão 2, sendo que estas descontinuidades ocorrem
sobre uma subvariedade de codimensão 1. Este processo consiste em definir um novo campo
suave que é uma aproximação do campo descontı́nuo, o que é uma vantagem, visto que o
campo regularizado é um campo contı́nuo, para o qual se pode aplicar a teoria desenvolvida
até o momento.
15.1 Introdução
Consideremos M = R2 , ⌃ uma curva do R2 dada por ⌃ = f 1
(0), onde f : M ! R é uma
função C 1 que possui 0 2 R como valor regular, isto é, rf (p) 6= 0 para todo p 2 f 1
(0). Essa
curva de descontinuidade possui uma só componente conexa e separa o plano em duas regiões:
⌃+ = {p 2 M ; f (p) 0} e ⌃ = {p 2 M ; f (p)  0}.
Denotaremos por X r o espaço de campos vetoriais C r sobre M (r 1) e por ⌦ = ⌦(M, f )
o espaço dos campos vetoriais Z sobre M definidos por:
8
<X(p), para p 2 ⌃+
Z(p) =
:Y (p), para p 2 ⌃ .
No restantes do capı́tulo, utilizaremos a notação Z = (X, Y ) para ressaltar a dependência

de X e Y . Se olharmos para as soluções de ṗ = Z(p), observamos que pode não haver unicidade
sobre os pontos de ⌃. Sobre ⌃, as soluções de ṗ = Z(p) obedecem a formulação de Filippov, a
ser descrita abaixo.
145
Capı́tulo 15. Regularização de Campos Vetoriais Descontı́nuos
Considere o produto interno usual em R2 , dado por
Xf (p) =< X(p), rf (p) >= kX(p)kkrf (p)k cos ✓,
onde ✓ é o ângulo entre os vetores X(p) e rf (p). Dessa forma, se cos ✓ > 0, então o ângulo
entre os dois vetores X(p) e rf (p) é menor do que 90º, mas se cos ✓ < 0, então o ângulo entre
os dois vetores X(p) e rf (p) é maior do que 90º.
A partir do ângulo entre os vetores X(p) e rf (p), e também entre Y (p) e rf (p), iremos
distinguir partições da região de descontinuidade.
(i) p 2 ⌃ está na Região de Costura ⌃c se (Xf (p))(Y f (p)) > 0.
Figura 15.1: Região de Costura.
(ii) p 2 ⌃ está na Região de Escape ⌃e se Xf (p) > 0 e Y f (p) < 0.
Figura 15.2: Região de Escape.
(iii) p 2 ⌃ está na Região de Deslize ⌃d se Xf (p) < 0 e Y f (p) > 0.
146
15.1. Introdução
Figura 15.3: Região de Deslize.
Na região de costura temos, por exemplo, Xf (p) > 0 e Y f (p) > 0. Neste caso, o ângulo
entre os vetores X(p) e rf (p) é menor do que 90º. Analogamente, o ângulo entre os vetores
Y (p) e rf (p) é menor do que 90º, o que nos dá o esboço à direita na Figura 15.1.
Na região de escape o ângulo entre os vetores X(p) e rf (p) é menor do que 90º e o ângulo
entre os vetores Y (p) e rf (p) é maior do que 90º. Veja a Figura 15.2. Na região de deslize o
ângulo entre os vetores X(p) e rf (p) é maior do que 90º e o ângulo entre os vetores Y (p) e
rf (p) é menor do que 90º, o que pode ser visto na Figura 15.3.
Definição 15.1.1. Dizemos que uma função C 1 , ' : R ! R é uma Função de Transição
quando '(t) = 0 se t  1, '(t) = 1 de t 1 e '0 (t) > 0 se t 2 ( 1, 1). Veja a figura 15.4.
Figura 15.4: Função de Transição.
Definição 15.1.2. Uma '✏ Regularização de Z = (X, Y ) 2 ⌦ é uma famı́lia a um parâmetro

de campos vetoriais Z✏ em X r dada por
Z✏ = (1 '✏ (f (p)))Y (p) + '✏ (f (p))X(p),

✓ ◆
t
onde '✏ (t) = ' .
✏
147

8
<ẋ = 1
:ẏ = 2 + sqn(y).
Note que f (p) = y. Se y > 0, temos que sqn(y) = 1, então

8
<ẋ = 1
:ẏ = 3.
Logo, X(x, y) = (1, 3).

Se y < 0, temos que sqn(y) = 1, então
8
<ẋ = 1
:ẏ = 1.
Portanto, Y (x, y) = (1, 1).

Graficamente temos uma região de costura, pois Xf (p) =< X, rf >= (1, 3).(0, 1) = 3 > 0
e Y f (p) =< Y, rf >= (1, 1).(0, 1) = 1 > 0. Dessa forma, (Xf (p))(Y f (p)) > 0.
Considere
8
>
>0, se t  1;
>
<
'(t) = 1, se t 1;
>
>
>
:'0 (t) > 0, se t 2 ( 1, 1).
✓ ◆
t
e '✏ (t) = ' .
✏
Assim,
Z✏ = (1 '✏ (f (p)))Y (p) + '✏ (f (p))X(p)

= (1 '✏ (y)) Y (x, y) + '✏ (y)X(x, y)
⇣ ⇣ y ⌘⌘ ⇣y ⌘
= 1 ' (1, 1) + ' (1, 3)
⇣ ⇣ y✏ ⌘ ⇣ y ⌘⌘ ✏ ⇣ ⇣ y ⌘ ⇣ y ⌘⌘
= 1 ' ,1 ' + ' , 3'
⇣ ✏ ⇣ ⌘⌘ ✏ ✏ ✏
y
= 1, 1 + 2' .
✏
é uma '✏ regularização para este campo.
148
15.2. Considerações Locais
15.2 Considerações Locais
Definição 15.2.1. O Campo Vetorial Deslizante associado a Z 2 ⌦ é um campo vetorial

Z d tangente a ⌃d e definido em p 2 ⌃d por Z d (p) = m p, com m sendo o ponto do segmento
que une p + X(p) e p + Y (p) tal que m p é tangente a ⌃d .
Se p 2 ⌃d , então p 2 ⌃e para Z e podemos definir o campo vetorial de escape associado
a Z por Z e = ( Z)d . Usaremos a notação Z ⌃ para ambos os casos.
Observação: Aqui iremos encontrar o campo deslizante seguindo a convenção de Filippov.

Considere o seguinte caso, como apresentado na Figura 15.5, onde p = (p1 , 0). O vetor
X(p) + p tem coordenadas (x1 + p1 , x2 ) e o vetor Y (p) + p tem coordenadas (y1 + p1 , y2 ), no qual
X = (x1 , x2 ) e Y = (y1 , y2 ). Podemos encontrar a equação da reta r que passa pelos pontos
(x1 + p1 , x2 ) e (y1 + p1 , y2 ) através do seguinte determinante.
x1 + p1 x2 1
y1 + p1 y2 1 =0
x y 1
e concluir que a equação geral é dada por
(y2 x2 )x x1 y2 y2 p1 + x2 y1 + x2 p1
y= .
y1 x1
Analogamente, encontramos a equação da reta s que passa pelo ponto (p1 , 0) e tem como
vetor diretor (1, 0). A equação geral da reta é y = 0.
Se fizermos a interseção dessas duas retas encontraremos o ponto
✓ ◆
x1 y2 x2 y1
m= p1 + ,0 .
y2 x2
Logo, o campo deslizante é dado por
✓ ◆
⌃ x1 y2 x2 y1 Y f.X(p) Xf.Y (p)
Z (p) = m p= p1 + ,0 (p1 , 0) = ,
y2 x2 Y f (p) Xf (p)
onde f (x, y) = y.
149
Figura 15.5: Convenção de Filippov.
Definição 15.2.2. Seja p 2 ⌃ e Z = (X, Y ). Um ponto p 2 ⌃d ou ⌃e é chamado de pseudo-

equilı́brio de Z se Z ⌃ (p) = 0.
Definição 15.2.3. Seja p 2 ⌃d (respectivamente p 2 ⌃e ) um ponto de pseudo-equilı́brio de Z.

Dizemos que p é do tipo sela se p é uma singularidade repulsora (respectivamente atratora)
de Z ⌃ sobre ⌃. Veja a Figura 15.6.
Figura 15.6: Pontos de Equilı́brio do tipo Sela.
Definição 15.2.4. Seja p 2 ⌃d . Dizemos que p será do tipo atrator se p é uma singularidade
atratora de Z ⌃ sobre ⌃. Seja p 2 ⌃e . Dizemos que p será do tipo repulsor se p é uma
singularidade repulsora de Z ⌃ sobre ⌃. Veja a Figura 15.7.
150
Figura 15.7: Pontos de Equilı́brio do tipo Atrator e Repulsor.
Definição 15.2.5. Dizemos que um ponto p 2 ⌃ é um ponto de dobra de X 2 X r se

Xf (p) = 0 e X 2 f (p) 6= 0. Isso significa que p é um ponto de tangência parabólica.
Figura 15.8: Ponto de Dobra.
Observação: Quando p é um ponto de dobra e X 2 f (p) > 0, dizemos que o ponto de dobra
é visı́vel. Se p é um ponto de dobra e X 2 f (p) < 0, dizemos que o ponto de dobra é invisı́vel.
Definição 15.2.6. Dizemos que p 2 ⌃ é um ponto ⌃-regular se (Xf (p))(Y f (p)) > 0 (isto é,
p 2 ⌃c ) ou (Xf (p))(Y f (p)) < 0 e Z ⌃ (p) 6= 0 (isto é, p 2 ⌃e [ ⌃d e não é ponto de equilı́brio de
Z ⌃ ).
Figura 15.9: Pontos ⌃-Regulares.
151
Definição 15.2.7. Os pontos de ⌃ que não são ⌃-regulares são chamados de ⌃-singulares.
Se p é ⌃-singular, então é possı́vel classificá-lo em dois tipos:
(i) p é singularidade tangencial se (Xf (p))(Y f (p)) = 0. Se p é singularidade tangencial

dizemos que p 2 ⌃t .
(ii) p é de pseudo-equilı́brio de Z se Z ⌃ (p) = 0. Neste caso dizemos que p 2 ⌃p .
Definição 15.2.8. p 2 ⌃ é um ponto ⌃-Singular Elementar de Z = (X, Y ) se uma das

condições é satisfeita:
(i) p é um ponto de dobra de Z = (X, Y ). Isso significa que p é um ponto de dobra de Y

(Xf (p) 6= 0, Y f (p) = 0 e Y 2 f (p) 6= 0) ou p é um ponto de dobra de X (Y f (p) 6= 0,
Xf (p) = 0 e X 2 f (p) 6= 0).
d
(ii) Xf (p).Y f (p) < 0, det[X, Y ](p) = 0, mas (det[X, Y ] |⌃ )(p) 6= 0, ou seja, p é um ponto
dp
crı́tico hiperbólico de Z ⌃ .
Figura 15.10: Pontos ⌃-Singulares Elementares.
15.2.1 Pontos Regulares

Lema 15.2.9. Seja p 2 M um ponto ⌃-Regular de Z = (X, Y ). Então existe uma vizinhança
V de p em M e ✏0 tal que para todo ✏ < ✏0 , Z✏ não possui pontos crı́ticos em V .
Demonstração. Tomemos p 2 M um ponto ⌃-Regular de Z. Por definição, p 2 ⌃c ou p 2 ⌃e

ou ainda p 2 ⌃d , mas não é singularidade de Z ⌃ . Então, temos dois casos a considerar.
Caso 1: p 2 ⌃c .
Se p 2 ⌃c , então (Xf (p))(Y f (p)) > 0, isto é, Xf (p) > 0 e Y f (p) > 0 ou Xf (p) < 0 e
Y f (p) < 0. Vamos supor, sem perda de generalidade, que Xf (p) > 0 e Y f (p) > 0, em que
p = (0, 0). Desse modo, podemos assumir que ⌃ = {y = 0}, X = (0, 1), Y = (h, g) com
152
g(p) = b > 0 e f (x, y) = y. Nessas condições:
Z✏ (x, y) = (1 '✏ (f (p)))Y (p) + '✏ (f (p))X(p)

= (1 '✏ (y))(h(x, y), g(x, y)) + '✏ (y)(0, 1)
= ((1 '✏ (y))h(x, y), (1 '✏ (y))g(x, y)) + (0, '✏ (y))
= ((1 '✏ (y))h(x, y), (1 '✏ (y))g(x, y) + '✏ (y)).
Queremos mostrar que Z✏ 6= (0, 0). Para isso, basta provar que (1 '✏ (y))h(x, y) 6= 0 ou
que (1 '✏ (y))g(x, y) + '✏ (y) 6= 0. Mostraremos que (1 '✏ (y))g(x, y) + '✏ (y) 6= 0.
Sabemos que '✏ (y) 2 [0, 1]. Logo, (1 '✏ (y))g(x, y) 0 em uma vizinhança V de p, pois
g(p) = b > 0. Assim, (1 '✏ (y))g(x, y) + '✏ (y) = 0 se (1 '✏ (y))g(x, y) = 0 e '✏ (y) = 0. Mas
isso nunca ocorre, pois se '✏ (y) = 0, então (1 '✏ (y))g(x, y) > 0.
Portanto, Z✏ não possui pontos crı́ticos em V .
Caso 2: p 2 ⌃e ou p 2 ⌃d mas não é um ponto de pseudo-equilı́brio de Z ((Xf (p))(Y f (p)) <
0 com det[X, Y ](p) 6= 0).
Podemos assumir que p = (0, 0), ⌃ = {y = 0}, X = (0, 1), Y = (h, g) com g(p) = b > 0 e
f (x, y) = y. Nessas condições:
Z✏ (x, y) = (1 '✏ (f (p)))Y (p) + '✏ (f (p))X(p)

= (1 '✏ (y))(h(x, y), g(x, y)) + '✏ (y)(0, 1)
= ((1 '✏ (y))h(x, y), (1 '✏ (y))g(x, y)) + (0, '✏ (y))
= ((1 '✏ (y))h(x, y), (1 '✏ (y))g(x, y) '✏ (y)).
Temos que
0 1
det[X, Y ] = = h(x, y).
h(x, y) g(x, y)
Logo, por hipótese, h(x, y) 6= 0.

Suponha que Z✏ (x, y) = (0, 0). Então, (1 '✏ (y))h(x, y) = 0, mas, como h(x, y) 6= 0, temos
que 1 '✏ (y) = 0 e, dessa forma, '✏ (y) = 1. Substituindo '✏ (y) = 1 em (1 '✏ (y))g(x, y) '✏ (y),
obtemos Z✏ (x, y) = (0, 1). Logo, Z✏ não tem pontos crı́ticos em V .
153
Figura 15.11: Pontos ⌃-Regulares e suas Regularizações.
15.2.2 Pontos Singulares

Lema 15.2.10. Seja p um ponto de dobra de Z = (X, Y ). Então existe ✏0 tal que para todo
✏  ✏0 temos que se p é um ponto de dobra de X (respectivamente de Y ) então
1. Z✏ não possui pontos crı́ticos numa vizinhança de p, onde Y é transversal, isto é, Y f 6= 0
em p;
2. Sobre a curva {Z✏ f = 0} o contato entre Z✏ e a curva {f = ✏} é quadrático.
Demonstração. 1. Seja p um ponto de dobra de X, então Xf (p) = 0, X 2 f (p) 6= 0 e

Y f (p) 6= 0. Numa vizinhança de p = (0, 0), tem-se X(x, y) = (a(x, y), b(x, y)), Y (x, y) =
(c(x, y), d(x, y)) e f (x, y) = y. Logo, Z✏ = ((1 '✏ (y))c(x, y) + a(x, y)'✏ (y), ((1
'✏ (y))d(x, y) + b(x, y)'✏ (y)).
Para que Z✏ = (0, 0), devemos ter
8
<(1 '✏ (y))c(x, y) + a(x, y)'✏ (y) = 0
:(1 '✏ (y))d(x, y) + b(x, y)'✏ (y) = 0.
Então,
c(x, y) d(x, y)
'✏ (y) = = . (15.1)
c(x, y) a(x, y) d(x, y) b(x, y)
154
Além disso,
a(x, y) b(x, y)
det[X, Y ] = = a(x, y)d(x, y) b(x, y)c(x, y).
c(x, y) d(x, y)
Por (15.1), temos que det[X, Y ](x, y) = 0.
No ponto p, tem-se det[X, Y ](p) = a(p)d(p) b(p)c(p) (*). Mas, temos que Xf (p) =
2
(a(p), b(p))(0, 1) = b(p) = 0, X f (p) = Xr(Xf (p)) = (a(p), b(p))(bx (p), by (p)) = a(p)bx (p) 6=
0, logo, a(p) 6= 0, e Y f (p) = (c(p), d(p))(0, 1) = d(p) 6= 0.
Voltando a (*), temos que det[X, Y ](p) 6= 0, o que é uma contradição. Assim, Z✏ 6= (0, 0).
Seja ✏0 > 0 tal que det[X, Y ](x, y) 6= 0 se |x|  ✏0 e |y|  ✏0 , é imediato que em uma
vizinhança de p, o campo Z✏ não possui singularidades.
2. Seja p 2 ⌃ um ponto de dobra de X, então Xf (p) = 0, X 2 f (p) 6= 0 e Y f (p) 6= 0.

Vamos assumir Xf (p) = 0, X 2 f (p) > 0 e Y f (p) > 0. Os outros casos são análogos.
Seja p = (0, 0) tal que f (x, y) = y, X(x, y) = (1, x) e Y (x, y) = (g(x, y), l(x, y)) com
l(0, 0) > 0, o campo vetorial Z✏ é escrito como
Z✏ = (Z✏1 , Z✏2 ) = (1 '✏ (f (x, y))))Y (x, y) + '✏ (f (x, y))X(x, y)

= (1 '✏ (y))(g(x, y), l(x, y)) + '✏ (y)(1, x)
= (g(x, y) g(x, y)'✏ (y) + '✏ (y), l(x, y) l(x, y)'✏ (y) + x'✏ (y)).
Devemos mostrar que Z✏ f = 0 e Z✏2 f 6= 0 no nı́vel {f = ✏}.
Note que Z✏ f = Z✏ rf = l(x, y) l(x, y)'✏ (y) + x'✏ (y). Logo,
Z✏ f (0, ✏) = l(0, ✏) l(0, ✏)'✏ (✏) + 0'✏ (✏) = l(0, ✏) l(0, ✏)'(1) = l(0, ✏) l(0, ✏) = 0.
Além disso, Z✏2 f = Z✏ r(Z✏ f ). Como

✓ ◆
@l(x, y) @l(x, y) 0
rZ✏ f = (1 '✏ (y)) + '✏ (y), (1 '✏ (y)) + (x l(x, y))('✏ (y)) ,
@x @y
então rZ✏ f (0, ✏) = (1, 0).
Portanto, Z✏2 f (0, ✏) = Z✏ (0, ✏)rZ✏ f (0, ✏) = (1, 0)(1, 0) = 1 6= 0. Logo, o contato é
quadrático, o que conclui a demonstração do lema.
155
Figura 15.12: Pontos ⌃-Singulares Elementares e suas Regularizações.
Exemplo 15.2.11. Considere o seguinte sistema

8
<ẋ = y
:ẏ = sgn(x).
Note que f (p) = x. Se x < 0, temos que sqn(x) = 1, então

8
<ẋ = y
:ẏ = 1.
Portanto, X(x, y) = (y, 1).

Se x > 0, temos que sqn(x) = 1, então
8
<ẋ = y
:ẏ = 1.
Logo, Y (x, y) = (y, 1).

Note que este sistema é descontı́nuo e seu retrato de fase está dividido em duas regiões
separadas pela reta de descontinuidade ⌃ = {x = 0}.
Faremos agora alguns cálculos importantes para o estudo da região de descontinuidade e
para investigar a ocorrência de pontos singulares.
✓ ◆
@f @f
1. rf = , = (1, 0).
@x @y
156
2. Xf = X.rf = (y, 1).(1, 0) = y.
3. Y f = Y.rf = (y, 1).(1, 0) = y.
4. X 2 f = X.rY f = (y, 1).(0, 1) = 1.
5. Y 2 f = Y.rXf = (y, 1).(0, 1) = 1.
y 1
6. det[X, Y ] = = 2y.
y 1
Agora, por meio desses cálculos, estudaremos a estrutura qualitativa do sistema inicial.
• Se p 2 ⌃ está na Região de Costura ⌃c , então (Xf (p))(Y f (p)) > 0.

Neste caso, temos (Xf (p))(Y f (p)) = y 2 > 0, se y 6= 0. Logo, qualquer ponto de ⌃
{(0, 0)} é um ponto de costura.
• Se p 2 ⌃ está na Região de Escape ⌃e , então Xf (p) > 0 e Y f (p) < 0.

Assim, Xf (p) = y > 0 e Y f (p) = y < 0, o que é uma contradição. Dessa forma, não
existe região de escape.
• Se p 2 ⌃ está na Região de Deslize ⌃d , então Xf (p) < 0 e Y f (p) > 0.

Portanto, Xf (p) = y < 0 e Y f (p) = y > 0, o que é uma contradição. Dessa forma, não
existe região de deslize.
• Note que não existem pontos singulares no campo X(p) = (y, 1), pois X(p) 6= (0, 0),
8p.
• Note que não existem pontos singulares no campo Y (p) = (y, 1), pois Y (p) 6= (0, 0),
8p.
• Vamos verificar se existem pontos singulares em ⌃:
1. Pontos de Dobra de X:
Note que Xf (p) = 0, se e somente se y = 0. Além disso, X 2 f = 1 6= 0, 8p. Então,
(0, 0) é um ponto de dobra de X. Ademais, (0, 0) é um ponto de dobra invisı́vel de
X.
2. Pontos de Dobra de Y :
Observe que Y f (p) = 0, se e somente se y = 0. Além disso, Y 2 f = 1 6= 0, 8p. Então,
(0, 0) é um ponto de dobra de Y . Além disso, (0, 0) é um ponto de dobra visı́vel de
Y.
157
3. Pontos de Pseudo-equilı́brio:
Como ⌃ é uma região de costura, não existem pontos de pseudo-equilı́brio.
Considere o sistema
8
<ẋ = y
:ẏ = 1.
Integrando ẏ = 1 obtemos y(t) = t + c1 . Substituindo isto na primeira equação do

t2
sistema (ẋ = y), encontramos ẋ = t + c1 e assim obtemos x(t) = + c1 t + c2 . Tomando
2
1 y2
c1 = 1 e c2 = 0, temos x = . Desse modo, podemos construir o retrato de fase para o
2
campo X. O processo é análogo para o campo Y .
O retrato de fase deste exemplo está ilustrado na Figura 15.13.
Figura 15.13: Retrato de Fase do Exemplo 15.2.11.
Considere
8
>
> 0, se t  1;
>
<
'(t) = 1, se t 1;
>
>
>
:'0 (t) > 0, se t 2 ( 1, 1)
✓ ◆
t
e '✏ (t) = ' .
✏
Assim,
158
Z✏ (x, y) = (1 '✏ (f (p)))X(p) + '✏ (f (p))Y (p)

= (1 '✏ (x)) X(x, y) + '✏ (x)Y (x, y)
⇣ ⇣ x ⌘⌘ ⇣x⌘
= 1 ' (y, 1) + ' (y, 1)
⇣ ✏
⇣x⌘ ⇣x⌘ ✏
⌘ ⇣ ⇣ x ⌘ ⇣ x ⌘⌘
= y y' ,' 1 + y' ,'
⇣ ⇣ x ⌘✏ ⌘ ✏ ✏ ✏
= y, 2' 1
✏
é uma '✏ regularização para este campo. O campo regularizado é ilustrado pela Figura 15.14.
Figura 15.14: Campo Regularizado do Exemplo 15.2.11.
Observação: Note que, no exemplo acima, a origem é um ponto de dobra de X e de Y .

Dessa forma, (0, 0) não é um ponto ⌃-singular elementar de Z = (X, Y ). Assim, um campo
arbitrariamente próximo a Z0 = (X, Y ) poderá não ter seu retrato de fase topologicamente
equivalente a Z0 . Tomemos, por exemplo, o campo
✓ ◆
sgn(x) sgn(x)
Zn = y+ , sgn(x) + ,
n n
que converge para Z quando n ! 1.
Note que f (p) = x. Se x < 0, temos que sqn(x) = 1, então
8
<ẋ = y 1/n
:ẏ = 1 1/n.
✓ ◆
1 1
Logo, Xn (x, y) = y , 1 .
n n
159
Se x > 0, temos que sqn(x) = 1, então

8
<ẋ = y + 1/n
:ẏ = 1 + 1/n.
✓ ◆
1 1
Portanto, Yn (x, y) = y + , 1 + . Logo,
✓ ◆ n n
@f @f
1. rf = , = (1, 0).
@x @y
✓ ◆
1 1 1
2. Xn f = Xn .rf = y , 1 .(1, 0) = y .
n n n
✓ ◆
1 1 1
3. Yn f = Yn .rf = y + , 1 + .(1, 0) = y + .
n n n
✓ ◆
1 1 1
4. Xn2 f = Xn .rYn f = y , 1 .(0, 1) = 1 .
n n n
✓ ◆
2 1 1 1
5. Yn f = Yn .rXn f = y + , 1 + .(0, 1) = 1 + .
n n n
✓
◆
y 1/n 1 1/n 1
6. det[Xn , Yn ] = = 2y 1 + .
y + 1/n 1 + 1/n n
Agora, por meio desses cálculos, estudaremos a estrutura qualitativa do sistema.
• Se p 2 ⌃ está na Região de Costura ⌃c , então (Xn f (p))(Yn f (p)) > 0.

Neste caso, temos (Xn f (p))(Yn f (p)) = y 2 1/n2 > 0. Logo, qualquer ponto (0, y) tal que
y< 1/n ou y > 1/n é um ponto de costura.
• Se p 2 ⌃ está na Região de Escape ⌃e , então Xn f (p) > 0 e Yn f (p) < 0.

Assim, Xn f (p) = y 1/n > 0 e Yn f (p) = y + 1/n < 0, o que é uma contradição. Dessa
forma, não existe região de escape.
• Se p 2 ⌃ está na Região de Deslize ⌃d , então Xn f (p) < 0 e Yn f (p) > 0.

Portanto, Xn f (p) = y 1/n < 0 e Yn f (p) = y + 1/n > 0 e a região de deslize sobre ⌃ é
1/n < y < 1/n.
✓ ◆
1 1
• Note que não existem pontos singulares no campo Xn (p) = y , 1 , pois
n n
Xn (p) 6= (0, 0), 8p.
✓ ◆
1 1
• Note que não existem pontos singulares no campo Yn (p) = y + ,1 + , pois
n n
Yn (p) 6= (0, 0), 8p.
160
1. Pontos de Dobra de Xn :
Note que Xn f (p) = 0, se e somente se y 1/n = 0, isto é, quando y = 1/n. Além
disso, Xn2 f = 1 1/n 6= 0, 8p. Então, (0, 1/n) é um ponto de dobra de Xn .
Ademais, (0, 1/n) é um ponto de dobra invisı́vel de Xn .
2. Pontos de Dobra de Yn :
Observe que Yn f (p) = 0, se e somente se y + 1/n = 0, isto é, quando y = 1/n.
Além disso, Yn2 f = 1 + 1/n 6= 0, 8p. Então, (0, 1/n) é um ponto de dobra de Yn .
Além disso, (0, 1/n) é um ponto de dobra visı́vel de Yn .
Para que Z tenha pontos de pseudo-equilı́brio devemos ter que (Xn f (p))(Yn f (p)) < 0
e det[Xn , Yn ](p) = 0. Como vimos anteriormente, existe região de deslize sobre ⌃,
quando y 2 ( 1/n, 1/n). Dessa forma, a primeira condição é satisfeita. Além disso,
det[Xn , Yn ](p) = 0 se e somente se y = 0. Logo, o ponto (0, 0) é um ponto de
pseudo-equilı́brio de Zn .
O retrato de fase do campo perturbado pode ser observado na Figura 15.15.
Figura 15.15: Campo Perturbado do Exemplo.
Lema 15.2.12. Seja Z = (X, Y ) e p um ponto de equilı́brio hiperbólico de Z ⌃ . Então existe

✏0 tal que, para todo ✏ < ✏0 , Z✏ tem, em uma vizinhança de p, um ponto de equilı́brio que
é uma sela hiperbólica ou um nó hiperbólico. Desse modo, os autoespaços associados a esta
singularidade são transversais às curvas {f = ✏} e {f = ✏}.
161
Figura 15.16: Ponto ⌃-Singular Hiperbólico e sua Regularização.
Definição 15.2.13. Uma ⌃-Conexão de Sela de Z = (X, Y ) em ⌦ é uma órbita de Z

conectando um ponto de sela de X ou Y e um ponto crı́tico de Z ⌃ do tipo sela ou dois pontos
de sela de Z ⌃ , ou dois pontos de sela de X e/ou de Y , de tal modo que é permitido aos seus
pontos interiores encontrar ⌃ somente em ⌃c .
Figura 15.17: ⌃ -Conexões de Sela.
Corolário 15.2.14. Seja Z = (X, Y ) em ⌦. Assuma que X e Y são campos suaves e que todas
as ⌃-singularidades de Z são hiperbólicas e que Z não possui ⌃-conexões de selas. Então, existe
✏0 tal que, para todo 0 < ✏ < ✏0 , temos
1. Todos os pontos crı́ticos de Z✏ são hiperbólicos;
2. Z✏ não tem conexões de sela.
162
Capı́tulo 16
Aplicações
16.1 Oscilações Sı́smicas

O efeito de um terremoto em estruturas construı́das pelo homem pode provocar resultados
devastadores, particularmente em áreas onde a atividade sı́smica não é esperada e as construções
não estão preparadas para suportá-la. Cálculos numéricos e experimentos mostram claramente
que uma pequena mudança em parâmetros como amplitude de força e dimensões estruturais
podem iniciar mudanças consideráveis no equilı́brio de uma estrutura rı́gida. Vamos analisar a
estrutura matemática que governa o equilı́brio de um bloco de concreto, o que é muito utilizado
na construção de edifı́cios. Nosso modelo corresponderá ao movimento deste bloco para um
dos lados, devido a perda de energia decorrente do impacto com o chão, assim, um terremoto
é simulado pelo efeito de uma oscilação senoidal na direção horizontal. Vamos considerar o
bloco como tendo dimensões H e B, de acordo com a figura abaixo, em que aH é a aceleração
do terremoto e g é a aceleração da gravidade.
Assumimos que o bloco é rı́gido e uniforme, de modo que seu centro de gravidade coincide
com o centro geométrico, que está a uma distância R de todos os seus vértices.
163
Capı́tulo 16. Aplicações
Se considerarmos um bloco estreito, as equações que descrevem o movimento ao redor dos

vértices O e O’ são dadas, respectivamente, pelo seguinte sistema:
8
<ẍ-x+1=- cos !t, se x > 0
:ẍ-x-1=- cos !t, se x < 0.
Para a análise qualitativa deste modelo, vamos considerar o caso particular em que =0e
ẋ = y.
Note que f (p) = x. Se x < 0, temos que
8
<ẋ = y
:ẏ = x + 1.
Logo, X(x, y) = (y, x + 1).

Se x > 0, temos que
8
<ẋ = y
:ẏ = x 1.
Portanto, Y (x, y) = (y, x 1).

Note que X e Y são campos vetoriais que descrevem o movimento do bloco, separados pela
reta de descontinuidade ⌃ = {x = 0}.
Faremos agora alguns cálculos importantes para o estudo da região de descontinuidade e
para investigar a ocorrência de pontos singulares.
✓ ◆
@f @f
1. rf = , = (1, 0).
@x @y
2. Xf = X.rf = (y, x + 1).(1, 0) = y.
3. Y f = Y.rf = (y, x 1).(1, 0) = y.
4. X 2 f = X.rXf = (y, x + 1).(0, 1) = x + 1.
5. Y 2 f = Y.rY f = (y, x 1).(0, 1) = x 1.
y x+1
6. det[X, Y ] = = 2y.
y x 1
Agora, por meio desses cálculos, estudaremos a estrutura qualitativa do sistema.
164
16.1. Oscilações Sı́smicas
{(0, 0)} é um ponto de costura.
• Note que X(p) = (y, x+1) = (0, 0), quando (x, y) = ( 1, 0). Dessa forma, (x, y) = ( 1, 0)
é um ponto singular de X.
Escrevendo o campo X na forma matricial, temos
" # " #" # " #

ẋ 0 1 x 0
= + .
ẏ 1 0 y 1
1 2
= 1.
1
Assim, as raı́zes do polinômio caracterı́stico acima são 1 = 1 e 2 = 1. Portanto,

( 1, 0) é uma sela hiperbólica.
• Note que Y (p) = (y, x 1) = (0, 0), quando (x, y) = (1, 0). Dessa forma, (x, y) = (1, 0) é
um ponto singular de Y . Vamos determinar seu tipo topológico.
Escrevendo o campo Y na forma matricial, temos
" # " #" # " #

ẋ 0 1 x 0
= + .
ẏ 1 0 y 1
1 2
= 1.
1
165
Logo, as raı́zes do polinômio caracterı́stico acima são 1 =1e 2 = 1. Dessa forma,

(1, 0) também é uma sela hiperbólica.
Note que Xf (p) = 0, se e somente se y = 0. Além disso, X 2 f = x + 1 6= 0, se e
somente se x 6= 1. Então, todo ponto da forma p = (x, 0), com x 6= 1, é um
ponto de dobra de X. Além disso, para x > 1, temos pontos de dobra visı́veis e,
para x < 1, temos pontos de dobra invisı́veis. Logo, (0, 0) é um ponto de dobra
visı́vel de X.
Observe que Y f (p) = 0, se e somente se y = 0. Além disso, Y 2 f = x 1 6= 0, se e
somente se x 6= 1. Então, todo ponto da forma p = (x, 0), com x 6= 1, é um ponto de
dobra de Y . Além disso, para x > 1, temos pontos de dobra visı́veis e, para x < 1,
temos pontos de dobra invisı́veis. Portanto, (0, 0) é um ponto de dobra invisı́vel de
Y.
Como ⌃ é uma região de costura, não existem pontos de pseudo-equilı́brio.
O retrato de fase deste exemplo está ilustrado na Figura 16.1.
Figura 16.1: Retrato de Fase.
Considere
166
16.2. Gerador Elétrico Valvulado
8
>
> 0, se t  1;
>
<
'(t) = 1, se t 1;
>
>
>
:'0 (t) > 0, se t 2 ( 1, 1)
✓ ◆
t
e '✏ (t) = ' .
✏
Assim,
Z✏ (x, y) = (1 '✏ (f (x, y))X(x, y) + '✏ (f (x, y))Y (x, y)

= (1 '✏ (x)) X(x, y) + '✏ (x)Y (x, y)
⇣ ⇣ x ⌘⌘ ⇣x⌘
= 1 ' (y, x + 1) + ' (y, x 1)
⇣ ⇣✏ x ⌘ ⇣x⌘ ✏ ⇣ x ⌘⌘ ⇣ ⇣ x ⌘ ⇣x⌘ ⇣ x ⌘⌘
= y y' , x x' +1 ' + y' , x' '
⇣ ⇣ x✏ ⌘ ⌘ ✏ ✏ ✏ ✏ ✏
= y, 2' +x+1
✏

Vamos
⇣x⌘ analisar se existem pontos de equilı́brio em Z✏ . De fato, Z✏ (x, y) = (0, 0) se y = 0 e
se 2' + x + 1 = 0.
✏ ⇣x⌘
Seja g(x, ✏) = 2' + x, então g( ✏, ✏) = ✏ e g(✏, ✏) = 2 + ✏. Note que g é C 1 , logo
✏
9x̄ 2 [ ✏, ✏] tal que g(x̄, ✏) = 1. Então, existem pontos de equilı́brio em Z✏ em [ ✏, ✏].
Considere abaixo a matriz Jacobiana do campo Z✏ .
0 1
0 1
J =@ ⇣x⌘ A.
2'0 +1 0
✏
⇣x⌘
0
Temos que det J = 2' 1. Portanto, nada podemos afirmar sobre a dinâmica do
✏
sistema.
16.2 Gerador Elétrico Valvulado
Vamos considerar as auto-oscilações de um Gerador Elétrico Valvulado com rede ressonante

no circuito em grade ou no circuito anôdo (veja figura abaixo).
167
Figura 16.2: Geradores Elétricos Valvulados.
Se desprezarmos a condutância do anôdo, a corrente na grade e a capacitância intereletrodos,

então a equação das oscilações deste Gerador Elétrico Valvulado pode ser escrita na seguinte
forma
d2 u du
LC + [RC M S(u)] +u=0 (16.1)
ds2 ds
onde
dia
S(u) =
du
é a inclinação da curva caracterı́stica da válvula que depende da voltagem na grade. Usaremos
uma aproximação linear para a curva caracterı́stica da válvula ia = ia (u) dada por
8
<0, se u  u0 .
ia =
:S(u+u ), se u u0
0
em que u0 é a voltagem eliminada da válvula (u0 > 0). Graficamente, temos
Figura 16.3: Curva Caracterı́stica da Valvula.
168
Vamos agora introduzir as variáveis adimensionais
u
x=
u0
e
t = !0 s,
no qual
1/2
!0 = (LC)
é a frequência natural não-amortecida do circuito ressonante. Então, a equação 16.1 pode ser
escrita como
8
<ẍ+2h1 ẋ + x = 0, se x < 1
:ẍ-2h ẋ + x = 0, se x 1
2
onde
!0
h1 = RC
2
e
!0
h2 =
[M S RC].
2
Considere ẋ = y. Se x < 1, temos que
8
<ẋ = y
:ẏ = 2h1 y x.
Logo, X(x, y) = (y, 2h1 y x).
Se x 1, temos que
8
<ẋ = y
:ẏ = 2h y x.
2
Portanto, Y (x, y) = (y, 2h2 y x).

Note que X e Y são campos vetoriais separados pela reta de descontinuidade ⌃ = {x = 1}
e tomemos f : R ! R definida por f (x, y) = x + 1. Temos então:
2
✓ ◆
@f @f
1. rf = , = (1, 0).
@x @y
2. Xf = X.rf = (y, 2h1 y x).(1, 0) = y.
169
3. Y f = Y.rf = (y, 2h2 y x).(1, 0) = y.
4. X 2 f = X.rXf = (y, 2h1 y x).(0, 1) = 2h1 y x.
5. Y 2 f = Y.rY f = (y, 2h2 y x).(0, 1) = 2h2 y x.
y 2h1 y x
6. det[X, Y ] = = 2(h1 + h2 )y 2 .
y 2h2 y x
Identificaremos agora as regiões da reta de descontinuidade e verificaremos a existência ou

não de pontos singulares:
{( 1, 0)} é um ponto de costura.
Note que Xf (p) = 0 se e somente se y = 0. Além disso, X 2 f = 2h1 y x 6= 0 se e
somente se x 6= 0. Isto significa que ( 1, 0) é um ponto de dobra de X. Além disso,
para x > 0, temos pontos de dobra invisı́veis e, para x < 0, temos pontos de dobra
visı́veis. Logo, ( 1, 0) é um ponto de dobra visı́vel de X.
Observe que Y f (p) = 0 se e somente se y = 0. Além disso, Y 2 f = 2h2 y x 6= 0 se e
somente se x 6= 0. Isto significa que ( 1, 0) é um ponto de dobra de Y . Além disso,
para x > 0, temos pontos de dobra invisı́veis e, para x < 0, temos pontos de dobra
visı́veis. Logo, ( 1, 0) é um ponto de dobra visı́vel de Y .
Como (Xf (p))(Y f (p)) > 0, não existem pontos de pseudo-equilı́brio.
170
• Note que X(p) = (y, 2h1 y x) = (0, 0), quando (x, y) = (0, 0). Mas, como o ponto
(0, 0) não pertence à região do campo X(x, y) (definido para x < 1), então X não possui
singularidades.
• Note que Y (p) = (y, 2h2 y x) = (0, 0), quando (x, y) = (0, 0). Dessa forma, (x, y) = (0, 0)
é um ponto singular de Y . Vamos determinar o tipo topológico desta singularidade.
Observemos que o campo Y pode ser escrito na forma
" # " #" #

ẋ 0 1 x
= .
ẏ 1 2h2 y
1
= (2h2 ) + 1 = 0.
1 2h2
Então
p q
2h2 ± 4h22 4
= = h2 ± h22 1.
2
Temos três casos a considerar:
1. Se h22 1 < 0 então 1 < h2 < 1.Logo, os autovalores 1 e 2 são conjugados

complexos, podendo o retrato de fase ser um foco ou um centro.
2. Se h22 1 > 0 então h2 > 1 ou h2 < 1. Assim, os autovalores 1 e 2 são reais e

distintos e, portanto, o retrato de fase pode ser umas sela ou um nó.
3. Se h22 1 = 0 então h2 = ±1. Neste caso, temos dois autovalores iguais
1 = 2 =1
ou
1 = 2 = 1.
Logo, o retrato de fase será um nó impróprio.
Os retratos de fase de alguns casos deste exemplo estão ilustrados na Figura 16.4.
171
Figura 16.4: Retratos de Fase.
Vamos calcular Z✏ (x, y) considerando a função de transição que já definimos anteriormente.
Z✏ (x, y) = (1 '✏ (f (x, y))X(x, y) + '✏ (f (x, y))Y (x, y)

= (1 '✏ (x + 1)) X(x, y) + '✏ (x + 1)Y (x, y)
= (1 '✏ (x + 1)(y, 2h1 y x) + '✏ (x + 1)(y, 2h2 y x)
= (y, x 2h1 y + 2(h1 + h2 )y'✏ (x + 1))
✓ ✓ ◆◆
x+1
= y, x 2h1 y + 2(h1 + h2 )y'
✏
Note que (0, 0) é a única singularidade de Z✏ . Considere abaixo a matriz Jacobiana do
campo Z✏ .
0 1
0 1
J(x, y) = @ 2(h1 + h2 )y 0 A.
1+ '✏ (x + 1) 2h1 + 2(h1 + h2 )'✏ (x + 1)
✏
Como (x, y) = (0, 0), então
!
0 1
J(0, 0) = .
1 2h1 + 2(h1 + h2 )'✏ (1)
Temos que det J(0, 0) = 1 > 0 e trJ(0, 0) = 2h1 + 2(h1 + h2 )'✏ (1). Portanto, (0, 0) pode
ter diferentes estruturas qualitativas, dependendo dos valores de h1 e h2 , podendo ser um
• centro, se trJ(0, 0) = 0;
172
• nó (próprio ou impróprio), se trJ(0, 0) 6= 0 e (trJ(0, 0))2 = 4 det J(0, 0);
• nó (atrator ou repulsor), se trJ(0, 0) 6= 0 e (trJ(0, 0))2 > 4 det J(0, 0);
• foco (atrator ou repulsor), se trJ(0, 0) 6= 0 e (trJ(0, 0))2 < 4 det J(0, 0).
173
Capı́tulo 17
Um Modelo Matemático sobre a

Quimioterapia
Em um futuro próximo, o câncer tem pontencial de se tornar a causa principal de mortes

prematuras. Os tratamentos clássicos do câncer incluem quimioterapia, radioterapia e cirurgias.
Mais recentemente, a imunoterapia também tem sido uma alternativa na luta contra o desen-
volvimento do câncer. Embora exista uma compreensão consistente das respostas imunológicas
a vários patógenos, muitos aspectos da interação imuno-tumoral permanecem desconhecidos,
não apenas do ponto de vista biológico, mas também quantitativamente.
Modelos matemáticos de crescimento de tumores, sob a influência do sistema imunológico,

têm sido abordados em vários artigos nos quais os autores fazem uso de parâmetros estimados,
por meio de dados experimentais, para propor diferentes formas de interação imune-tumoral
e modelos de dinâmica tumoral, que são posteriormente validados. Em relação a interação
imune-tumoral com quimioterapia, busca-se também melhores estratégias de tratamento.
17.1 Modelo
Vamos considerar N1 o número de células tumorais, N2 o número de células normais, I o

número de células do sistema imunológico e Q a quantidade de droga quimioterapêutica. O
modelo será dado pelo seguinte sistema:
175
Capı́tulo 17. Um Modelo Matemático sobre a Quimioterapia
8 ✓ ◆
>
> dN1 N1 ↵12 N2 µN1 Q
>
> = r 1 N1 1 c1 IN1
>
> dt k1 k1 a+Q
>
> dN vN Q
>
< 2
= r2 ↵21 N2 N1
2
dt b+Q (17.1)
>
> dI ⇢N 1 I IQ
>
> = s mI + c 2 N1 I
>
> dt + N1 c+Q
>
> dQ
>
: = q(t) Q.
dt
Embora existam diferentes modelos matemáticos usados para descrever o crescimento do
tumor, considere o modelo logı́stico, em que r1 é a taxa de crescimento intrı́nseco e k1 é a capa-
cidade de transporte das células tumorais. Os coeficientes de competição entre as populações
N1 e N2 são dados por ↵ij , que mede os efeitos da população j na população i (i, j = 1, 2). O
parâmetro r2 representa a reprodução constante total de células normais.
A dinâmica na população de células imunes é ativada pela população de tumores a uma
taxa ⇢, sendo a constante de meia saturação da resposta funcional Michaelis-Menten dada
⇢IN1
por , e também há uma taxa de mortalidade natural de células imunes dada por m.
+ N1
Além disso, acrescentamos mais dois termos, c1 IN1 e c2 IN1 , em que o último representa a
inativação de células imunes que atuam nas células tumorais e o primeiro é devido à morte de
células tumorais devido à ação do sistema imunológico. O termo s descreve uma fonte natural
de células imunes.
Para modelar a quantidade de quimioterapia injetada no sistema, a função q = q(t) modela
a infusão do medicamento no sistema e é a taxa de lavagem do medicamento. A resposta
de cada população celular à quimioterapia é considerada da forma de Michaelis-Menten, com
parâmetros de meia saturação a, b e c; µ é a taxa de tratamento das células tumorais; v é a taxa
de mortalidade de células normais devido ao tratamento; e representa a taxa de mortalidade
de células imunes devido à droga quimioterapêutica.
A administração da droga q(t) assume duas formas diferentes:
1. Administração contı́nua q(t) = q > 0 e a infusão da droga ocorre a uma taxa contı́nua.
2. Administração em ciclos. Neste caso, q(t) é uma função periódica definida por
8
<qp > 0, n < t  n + ⌧
q(t) =
:0, n + ⌧ < t  n + T .
onde T é o tempo entre as infusões da droga, n = 0, T, 2T, 3T, ..., mT representa os

instantes de administração e ⌧ é o tempo necessário para a infusão.
Analisaremos a estabilidade do sistema, primeiramente, considerando que não há quimiote-

rapia e, após isso, estudaremos o caso em que há quimioterapia.
176
17.2. Análise da Estabilidade sem Quimioterapia
17.2 Análise da Estabilidade sem Quimioterapia

Como o modelo representa a evolução temporal de variáveis de estado não negativas, é
desejável que essas variáveis permaneçam com essa propriedade. Mas mesmo para uma condição
inicial positiva, não há razão aparente para as soluções não convergirem para um equilı́brio com
uma ou mais coordenadas. No entanto, a partir de agora, provaremos que isso não pode ocorrer,
dada a dinâmica nos planos N1 , N2 e I.
• No plano N2 = 0, o modelo é dado por
8 ✓ ◆
>
> dN1 N1
>
> = r 1 N1 1 c1 IN1
>
< dt k1
dN2
> = r2
>
> dt
>
> dI ⇢N1 I
: = s mI + c2 N1 I.
dt + N1
dN2
Como = r2 > 0, a população celular normal está aumentando estritamente, ou seja,
dt
as trajetórias seguem a direção de N2 < 0 a N2 > 0. Dessa forma, se a condição inicial
abranger N2 (0) 0, então os valores de N2 (t), com t > 0, sempre serão positivos (veja a
Figura 17.1).
Figura 17.1: Campo de Vetores no Plano N2 = 0.
• No plano I = 0, o sistema é escrito como
177
8 ✓ ◆
>
> dN1 N1 ↵12 N2
>
> = r 1 N1 1
>
< dt k1 k1
dN2
> = r2 ↵21 N2 N1
>
> dt
>
> dI
: = s.
dt
dI
À medida que = s > 0, as células imunes aumentam, ou seja, qualquer trajetória
dt
seguirá a direção de I < 0 a I > 0 (veja a Figura 17.2).
Figura 17.2: Campo de Vetores no Plano I = 0.
• Quando N1 = 0, obtém-se o seguinte sistema:
8
> dN
> 1 =0
>
>
< dt
dN2
= r2 (17.2)
>
> dt
>
: dI = s mI = f (I).
>
dt
dN1
Note que este plano é um subespaço invariante, já que = 0. Como consequência, dada
dt
uma condição inicial em que N1 (0) = 0, a população de câncer será sempre zero. Além
disso, ao resolver as equações neste plano com a condição inicial (0, N20 , I0 ), obtém-se:
8
>
> N1 (t) = 0
>
<
N2 (t) = r2 t + N20
>
>
>
:I(t) = I e mt + s (1 mt
0 e ).
m
178
17.3. Análise da Estabilidade com Quimioterapia
Considerando a variação das células imunes dada pela terceira equação em (17.2), percebe-
se que a reta H(t) = (0, r2 t+N2 (0), s/m) é um conjunto invariante dentro do plano N1 = 0.
Além disso, como @f /@I = m < 0, onde f (I) = s mI, concluı́mos que H(t) é um
atrator, o que significa que, para um valor grande de t > 0, a população I converge para
s/m e a população N2 vai para o infinito (veja a Figura 17.3).
Figura 17.3: Retrato de Fase no Plano N1 = 0.
17.3 Análise da Estabilidade com Quimioterapia

Agora, adicionaremos quimioterapia em nossa análise, a fim de estudar o Modelo (17.1)
completo. Temos o mesmo comportamento da situação sem quimioterapia nos subespaços
N2 = 0 e I = 0. Tomando N1 = 0 e q(t) = q (constante) chegamos no seguinte sistema:
8
> dN1
>
> =0
>
> dt
>
> dN2 vN2 Q
>
< = r2
dt b+Q
> dI IQ
>
> = s mI
>
> dt
>
>
c+Q
>
: dQ
=q Q = h(Q).
dt
179
O subespaço ainda é invariante, uma vez que a condição inicial (N1 , N2 , I, Q) = (0, N20 , I0 , Q0 )
nos fornece
t q t
Q(t) = Q0 e + (1 e ).
Como N1 = 0 é a solução para a população de células cancerı́genas, escrevemos g(t) e

f (t) como soluções para as populações de células normais e imunes, respectivamente. Vamos
considerar a solução do sistema de equações dada por Y (t) = (N1 (t), N2 (t), I(t), Q(t)) e W o
subespaço em que N1 = 0. Para uma condição inicial P = (0, N2 (0), I(0), Q(0)) 2 W , a solução
é dada por
⇣ q ⌘
t t
Y (t) = 0, g(t), f (t), Q(0)e + (1 e ) 2 W.
Logo, a solução permanecerá neste subespaço caso esteja inicialmente nele e, assim, W é
invariante. Consequentemente, podemos descartar N1 < 0.
O ponto de equilı́brio da equação quimioterapêutica é dado por Q(t) = q/ e é estável,
pois @h/@Q = , onde h(Q) = q Q. Temos outro subespaço invariante W3 ⇢ W , dado
por N1 = 0 e Q = q/ . Este é invariante pois, para P = (0, N2 (0), I(0), q/ ) 2 W3 , a solução
dada por Y (t) = (0, g(t), f (t), q/ ) 2 W3 . Quando q = 0 e Q(0) = 0, concluı́mos que W3
tem comportamento semelhante ao plano invariante sem quimioterapia, onde as soluções estão
ficando mais próximas da linha invariante I = s/m e N2 ! 1. À medida que q > 0 aumenta,
existe um ponto de equilı́brio na linha invariante com coordenadas
✓ ◆
(b + q)r2 s(q + c ) q
Pinf = (N2 , I, Q) = , ,
qv mq + q + cm
no subespaço com N1 = 0. Como N1 não muda no subespaço invariante W , analisaremos a
estabilidade neste subespaço. A matriz Jacobiana é:
2 3
vQ vN2 Q vN2
0
6 b+Q (b + Q)2 b+Q 7
6 7
J1 = 6 Q IQ I 7.
6 0 m 7
4 c+Q (c + Q)2 c+Q 5
0 0
Avaliando a matriz Jacobiana em Pinf , temos
2 3
vq br2 2
6 0 7
6 b +q q 2 + bq 7
J1 (Pinf ) = 6 q cs 2 7. (17.3)
6 0 m 7
4 c +q (q + c )(q(m + ) + cm ) 5
0 0
180
17.3. Análise da Estabilidade com Quimioterapia
Os autovalores de (17.3) são dados por
⇠1 = < 0,
✓ ◆
qv
⇠2 = < 0,
b +q
e ✓ ◆
mc + mq + q
⇠3 = < 0,
c +q
implicando que o ponto de equilı́brio seja estável nesse subespaço. O ponto, Pinf , ocorre devido
à morte de células normais pela droga quimioterapêutica.
Note que o estudo no espaço em que N1 = 0 é feito para verificar o que acontece quando
uma pessoa que não tem câncer é submetida à quimioterapia. Isso se aplica ao caso do fim do
tratamento, em que é difı́cil detectar a presença de células tumorais e assim o tratamento se
estende por um perı́odo maior, com o intuito de garantir a cura do paciente. Dessa forma, é
importante saber o que acontece quando pacientes já curados se submetem à quimioterapia.
Agora, vamos estudar o modelo de câncer em todo o domı́nio. O sistema (17.1) possui cinco
pontos de equilı́brio para q > 0, quatro deles têm a seguinte estrutura
⇣ q⌘
P ⇤ = N1⇤ , N2⇤ , I ⇤ ,
e um deles possui a estrutura

✓ ◆
r2 (q + b ) qs + cs q
Pinf = 0, , , .
qv mq + q + cm
O ponto Pinf representa a extinção das células cancerı́genas, e isso foi analisado no subespaço
W , com Q = q/ > 0. A matriz Jacobiana é
2 3
↵12 N1 r1 µN1 Q µN1
6 Ā c 1 N1 7
6 k1 (a + Q)2 a+Q 7
6 vQ vN2 Q vN2 7
6 ↵21 N2 ↵21 N1 0 7
J2 = 6
6 b+Q (b + Q)2 b+Q 7.
7
6 IQ I 7
6 B̄ 0 C̄ 7
4 (c + Q)2 c+Q 5
0 0 0
em que ✓ ◆
N1 r 1 N1 ↵12 N2 µQ
Ā = c1 I + r1 1 ,
k1 k1 k1 a+Q
IN1 ⇢ I⇢
B̄ = c2 I + ,
(N1 + )2 N1 +
181
e
Q N1 ⇢
C̄ = m c 2 N1 + .
c + Q N1 +
Consequentemente, J2 (Pint ) toma a forma
2 3
D̄ 0 0 0
6 7
6 ↵21 r2 (q + b ) vq br2 2 7
6 0 7
6 qv q+b q 2 + bq 7
J2 (Pinf ) = 6 s(q + c )(c2 ⇢) mq + q + cm 7
6 7
6 0 Ē 7
4 ((q + m(q + c )) q+c 5
0 0 0
onde
c1 s(q + c ) qµ r1 ↵12 r2 (q + b )
D̄ = + r1
q + m(q + c ) q+a k1 qv
e
cs 2
Ē = .
(q + c )(q + m(q + c ))
Os autovalores dessa matriz são
1 = ,
✓ ◆
qv
2 = ,
q+b
✓ ◆
mq + q + cm
3 = ,
q+c
e
c1 s(c + q) µq r1 ↵12 r2 (q + b )
4 = r1 .
mc + mq + q a +q k1 qv
Os três primeiros autovalores são negativos desde que os parâmetros sejam positivos. O
quarto será negativo sob a seguinte condição:
c1 s(c + q) µq r1 ↵12 r2 (q + b )
r1 < + + .
mc + mq + q a + q k1 qv
182
Referências Bibliográficas
[1] A. ANTUNES. Relatório de Iniciação Cientı́fica: Introdução à Teoria Qualitativa

das Equações Diferenciais Ordinárias Suaves e Suaves por Partes com aplicações às
Engenharias Mecânica e Elétrica. Universidade Estadual Paulista ”Júlio de Mesquita
Filho”, Faculdade de Ciências, Departamento de Matemática.
[2] D. GAZETTA. Relatório de Iniciação Cientı́fica: Introdução à Teoria Qualitativa das

Equações Diferenciais. Universidade Estadual Paulista ”Júlio de Mesquita Filho”,
Faculdade de Ciências, Departamento de Matemática.
[3] D. GAZETTA. Dissertação: Conjuntos Minimais e Caóticos em Campos de Veto-

res Planares Suaves por Partes. Universidade Estadual Paulista ”Júlio de Mesquita
Filho”, Faculdade de Ciências, Departamento de Matemática.
[4] E. LIMA. Curso de Análise, 10ª ed. Vol.2, IMPA, 2007.
[5] G. GANDOLFO. Economic Dynamics, 4th Edition. Heidelberg Springer-Verlag, New

York, 2010.
[6] J. SOTOMAYOR. Lições de Equações Diferenciais Ordinárias. Projeto Euclides,

IMPA, 1979.
[7] J. SOTOMAYOR. Curvas Definidas por Equações Diferenciais no Plano. IMPA, 1981.
[8] L. PERKO. Di↵erential Equations and Dynamical Systems. Springer-Verlag, New

York, 1991.
[9] P. HARTMAN. Ordinary Di↵erential Equations, 2ª ed. Society for Industrial and
Applied Mathematics, Philadelphia, 1973.
[10] M. VERGÈS. Dissertação: Regularização e Análise Qualitativa de Modelos da Teo-

ria do Controle. Universidade Estadual de Campinas, Instituto de Matemática, Es-
tatı́stica e Computação Cientı́fica, Departamento de Matemática.
183
Referências Bibliográficas
[11] R. SHONE. Economic Dynamics- Phase Diagrams and their Economic Application,
Second Edition. Cambridge, New York, 2002.
[12] W.F.F.M. GIL, T. CARVALHO, P.F.A. MANCERA and D.S. RODRIGUES. Dis-
sertação: A Mathematical Model on the Immune System Role in Achieving Better
Outcomes of Cancer Chemotherapy. Tendências em Matemática Aplicada e Compu-
tacional.
[13] W. RUDIN. Principles of Mathematical Analysis, 3ª ed. McGraw-Hill, 1976.
184

Introdução à Teoria Qualitativa das Equações Diferenciais Ordinárias

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Introdução à Teoria Qualitativa das Equações Diferenciais Ordinárias

Enviado por

Direitos autorais:

Formatos disponíveis

Universidade de São Paulo

Faculdade de Filosofia Ciências e Letras

Bolsista: Isadora Zanato Leite

1. O Teorema Fundamental de Existência e Unicidade de Soluções;

2. Dependência em Relação às Condições Iniciais e Parâmetros;

3. O Fluxo Definido por uma Equação Diferencial;

4. O Teorema do Fluxo Tubular;

5. Linearização das Equações Diferenciais;

7. Conjuntos Limites e Atratores;

Resumo do Projeto de Renovação da Bolsa de Iniciação

1. Estabilidade no Sentido de Liapounov;

2. Estabilidade Estrutural e o Teorema de Peixoto;

3. Bifurcações de Campos Vetoriais em R2 e em R3 ;

4. Campos Vetoriais Suaves por Partes.

Resumo do Conteúdo do Primeiro Relatório

Resumo do Conteúdo do Segundo Relatório

2 O Teorema Fundamental de Existência e Unicidade de Soluções 3

3 Dependência da Solução com Relação às Condições Iniciais e Parâmetros 11

4 O Fluxo Definido por uma Equação Diferencial 23

5 Linearização das Equações Diferenciais 29

6 O Teorema do Fluxo Tubular 33

7 Estrutura Local de Pontos Singulares Hiperbólicos 37

8 Conjuntos Limites e Atratores 45

10 Desenhando Retratos de Fase 67

12 Estabilidade no Sentido de Liapounov 107

13 Estabilidade Estrutural e o Teorema de Peixoto 117

15 Regularização de Campos Vetoriais Descontı́nuos 145

17 Um Modelo Matemático sobre a Quimioterapia 175

Referências Bibliográficas 183

Inicialmente, enunciaremos alguns resultados que serão de extrema importância para o

1.1 Conceitos Importantes

Teorema 1.1.2. Suponha que E seja um subconjunto aberto de Rn e que f : E ! Rn . Então

Teorema 1.1.3. Seja f : E ⇢ Rm ! Rn uma aplicação contı́nua. Se K ⇢ E é um conjunto

Corolário 1.1.4 (Weierstrass). Seja K ⇢ Rm compacto. Se f : K ! R é uma função

f (x0 )  f (x)  f (x1 ), 8x 2 K.

Definição 1.1.5. Dizemos que a aplicação f : E ⇢ Rm ! Rn é uniformemente contı́nua em

kx yk < ) kf (x) f (y)k < ", 8x, y 2 E.

Teorema 1.1.6. Se K ⇢ Rm é compacto e f : K ! Rn é contı́nua, então f é uniformemente

Definição 1.1.7. Seja V um espaço vetorial normado. A sequência {uk }k ⇢ V é chamada de

kuk um k < "

O espaço V é dito completo se toda sequência de Cauchy em V converge para algum

Teorema 1.1.9. A sequência de funções {fn } definida em E converge uniformemente em E

Definição 1.1.11. Seja E um subconjunto aberto de Rn . A função f : E ! Rn satisfaz a

|f (x) f (y)|  K|x y|

A função f é dita localmente Lipschitziana em E se, para cada ponto x0 2 E, existe

Definição 1.1.12. Dizemos que E ⇢ Rn é um conjunto convexo se o segmento de reta unindo

O Teorema Fundamental de Existência

Neste capı́tulo iremos estabelecer o Teorema Fundamental de Existência e Unicidade de

com as hipóteses de que f 2 C 1 (E), onde E é um subconjunto aberto de Rn .

2.1 Método das Aproximações Sucessivas de Picard

E dado x0 2 E, x(t) é solução do problema de valor inicial

no intervalo I se t0 2 I, x(t0 ) = x0 e x(t) é solução da equação diferencial (2.1) no intervalo I.

Exemplo 2.1.3. Resolva o PVI: 8

Note que a equação diferencial é separável, logo,

Usando a condição incial x(0) = 0, temos:

Temos que f (x) = ax. Dessa forma,

Segue, por indução, que

lim uk (t) = x0 eat .

2.2 Teorema Fundamental de Existência e Unicidadade

|f (x) f (y)| = |F (1) F (0)|

Logo, |f (x) f (y)|  K.|x y| e, portanto, f é localmente Lipschitziana.

Teorema 2.2.2 (Existência e Unicidade de Soluções). Seja E um subconjunto aberto de Rn