Escolar Documentos
Profissional Documentos
Cultura Documentos
Processo 2019/00028-9:
Introdução à Teoria Qualitativa das Equações
Diferenciais Ordinárias
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:
6. O Teorema de Grobman-Hartman;
8. A Teoria de Poicaré-Bendixson em R2 .
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
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
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
viii
Sumário
14 Bifurcações 127
14.1 Formulação dos Resultados Principais . . . . . . . . . . . . . . . . . . . . . . . . 138
16 Aplicações 163
16.1 Oscilações Sı́smicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
16.2 Gerador Elétrico Valvulado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
ix
Capı́tulo 1
Preliminares
1
Capı́tulo 1. Preliminares
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 1.1.10. Seja {fn } uma sequência de funções contı́nuas em E tal que fn ! f unifor-
memente em E, então f é contı́nua em E.
|f (x) f (y)| K0 |x y|
2
Capı́tulo 2
ẋ = f (x), (2.1)
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)).
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.
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
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!
Logo,
Isto é, a sequência das aproximações sucessivas converge para u(t) = x0 eat , que é solução
do problema de Cauchy.
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
Capı́tulo 2. O Teorema Fundamental de Existência e Unicidade de Soluções
Portanto,
K.|u|
= K.|x y|.
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
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
2.2. Teorema Fundamental de Existência e Unicidadade
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
Kbt
Kba.
Então,
|u2 (t) u1 (t)| Kba.
Assumindo que para j 2 vale:
b(Ka)j .
7
Capı́tulo 2. O Teorema Fundamental de Existência e Unicidade de Soluções
|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
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
2.2. Teorema Fundamental de Existência e Unicidadade
ˆ t
) u(t) = x0 + f (u(s))ds.
0
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,
= |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
Capı́tulo 2. O Teorema Fundamental de Existência e Unicidade de Soluções
10
Capı́tulo 3
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 |.
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].
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,
= 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:
13
Capı́tulo 3. Dependência da Solução com Relação às Condições Iniciais e Parâmetros
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,
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
3.1. Teorema de Dependência da Solução com Relação às Condições Iniciais e Parâmetros
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
0 (t, y0 ) =I
ˆ t
k+1 (t, y0 ) =I+ A(s, y0 ) k (s, y0 )ds.
0
15
Capı́tulo 3. Dependência da Solução com Relação às Condições Iniciais e Parâmetros
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 .
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 .
16
3.1. Teorema de Dependência da Solução com Relação às Condições Iniciais e Parâmetros
|R(u, u0 )|
onde ! 0, quando |u u0 | ! 0
|u u0 |
que
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,
Logo, temos que 8"0 > 0, existe 0 tal que, se |h| < 0, então:
17
Capı́tulo 3. Dependência da Solução com Relação às Condições Iniciais e Parâmetros
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
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
possui uma solução única u(t, y, µ) com u 2 C 1 (G), em que G = [ a, a] ⇥ N (x0 ) ⇥ N (µ0 ).
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).
19
Capı́tulo 3. Dependência da Solução com Relação às Condições Iniciais e Parâmetros
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).
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.
20
3.2. Intervalo Maximal de Existência
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
(i) 0 (x) = x.
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.
23
Capı́tulo 4. O Fluxo Definido por uma Equação Diferencial
(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.
ẋ = f (x) (4.2)
8
<ẋ = f (x)
(4.3)
:x(0) = x
0
é denotado por I(x0 ) pois seus extremos, em geral, dependem da condição inicial.
t (x0 ) = (t, x0 )
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
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.
25
Capı́tulo 4. O Fluxo Definido por uma Equação Diferencial
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 ).
Caso 2: s = 0.
De fato, s + t = 0 + t = t 2 I(x0 ) (por hipótese),
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
Caso 3: s < 0.
A demonstração é análoga à demonstração do Caso 1.
27
Capı́tulo 4. O Fluxo Definido por uma Equação Diferencial
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
ẋ = f (x) (5.1)
ẋ = Ax (5.2)
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 .
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.
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))
31
Capı́tulo 6
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.
@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.
33
Capı́tulo 6. O Teorema do Fluxo Tubular
34
6.1. Fluxo Tubular
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
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)
ẋ = Ax (7.2)
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
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 @x(1, 0, 0)
(1, 0, 0) = A .
@t@(y0 , z0 ) @(y0 , z0 )
@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
Capı́tulo 7. Estrutura Local de Pontos Singulares Hiperbólicos
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
40
7.1. O Teorema de Grobman-Hartman
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)
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.
41
Capı́tulo 7. Estrutura Local de Pontos Singulares Hiperbólicos
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),
1
B (y, z) = (B 1 y + Y1 (y, z), C 1
z + Z1 (y, z))
42
7.1. O Teorema de Grobman-Hartman
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 .
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
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
Capı́tulo 7. Estrutura Local de Pontos Singulares Hiperbólicos
= HT t .
Como
Lt H = HT t , (7.6)
então,
H t (x0 ) = eAt H(x0 ).
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
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 = [ .
lim (tn , x) = p.
n!1
lim (tn , x) = q.
n!1
45
Capı́tulo 8. Conjuntos Limites e Atratores
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 .
Proposição 8.1.10. Seja (M, d) um espaço métrico compacto. K ✓ M é fechado se, e somente
se, K é compacto.
X =A[B
Definição 8.1.13. Um conjunto X é conexo quando a única cisão possı́vel é a cisão trivial.
46
8.1. Conceitos Importantes
(n)
lim (tk , x0 ) = pn
k!1
| ( t n , x0 ) p| = | ( tn , x0 ) p + pn pn |
| ( tn , x0 ) pn | + |pn p|
1
+ |pn p|.
n
47
Capı́tulo 8. Conjuntos Limites e Atratores
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
| (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, B)
2
o que implica que p 2
/Aep2
/ B, isto é, p 2
/ !( ), uma contradição.
48
8.1. Conceitos Importantes
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
Logo, q é um ponto !-limite. A mesma demonstração pode ser feita para um ponto ↵-limite.
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 )
49
Capı́tulo 8. Conjuntos Limites e Atratores
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.
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
8.1. Conceitos Importantes
• se 0 < r < 1, então r0 > 0, ou seja, o raio está crescendo em forma de uma espiral.
⇢0 = ⇢(1 ⇢2 ) sin2 .
Multiplicando a primeira equação de (8.3) por ( sin ✓) e a segunda equação por (cos ✓) e,
por último, somando as duas, temos
✓0 = 1.
51
Capı́tulo 8. Conjuntos Limites e Atratores
52
8.1. Conceitos Importantes
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 ).
Multiplicando a primeira equação de (8.4) por (cos ✓) e a segunda equação por (sin ✓) e, por
fim, somando ambas, encontramos
r0 = r(1 r2 ).
Multiplicando a primeira equação de (8.4) por ( sin ✓) e a segunda equação por (cos ✓) e,
por último, somando as duas, temos
✓0 = 1.
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
Capı́tulo 8. Conjuntos Limites e Atratores
54
Capı́tulo 9
A Teoria de Poincaré-Bendixson em R2
A Função de Poincaré ou Função do Primeiro Retorno é uma das ferramentas mais úteis no
estudo de estabilidade e bifurcações de órbitas periódicas.
ẋ = f (x) (9.1)
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
= {x 2 Rn : x = (t, x0 ), 0 t T }
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 ) \ ⌃.
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
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 ) \ ⌃.
P (x) = (⌧ (x), x)
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.
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
• Se d(s) < 0 para s > 0, logo d0 (0) < 0 e o ciclo limite é atrator;
57
Capı́tulo 9. A Teoria de Poincaré-Bendixson em R2
• 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
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:
• 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,
|⇡(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.
59
Capı́tulo 9. A Teoria de Poincaré-Bendixson em R2
Demonstração. Por hipótese, sabemos que = {'(t, q)} e p 2 ⌃ \ !( ), como mostra a figura
abaixo.
60
9.4. O Teorema de Poincaré-Bendixson
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 ⌃.
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.
61
Capı́tulo 9. A Teoria de Poincaré-Bendixson em R2
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
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
9.4. O Teorema de Poincaré-Bendixson
+
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) = .
63
Capı́tulo 9. A Teoria de Poincaré-Bendixson em R2
(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.
64
9.4. O Teorema de Poincaré-Bendixson
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
Capı́tulo 9. A Teoria de Poincaré-Bendixson em R2
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 .
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
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,
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.
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:
3 1 2
= 5 + 4.
2 2
69
Capı́tulo 10. Desenhando Retratos de Fase
1t 2t
x(t) = c1 .v1 .e + c2 .v2 .e
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:
3 2 2
= 2.
2 2
71
Capı́tulo 10. Desenhando Retratos de Fase
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
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
73
Capı́tulo 10. Desenhando Retratos de Fase
Na forma matricial
" # " #" #
x0 1 1 x
= .
y0 0 1 y
O polinômio caracterı́stico da matriz A é
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
74
10.4. Autovalores complexos
Na forma matricial
" # " #" #
x0 a b x
= .
y0 b a y
O polinômio caracterı́stico da matriz A é
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
Logo, 8
<r(t) = c0 eat
.
:✓(t) = ✓ + bt
0
75
Capı́tulo 10. Desenhando Retratos de Fase
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
1 2
= + 1.
1
77
Capı́tulo 10. Desenhando Retratos de Fase
8
< dx = x
>
dt
> dy
: =0
dt
Calculando o polinômio caracterı́stico, temos
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
0 2
= .
0 1
78
10.6. Dois Autovalores Nulos
0 2
= .
0
e assim teremos que os autovalores são 1 = 2 = 0. Assim, o retrato de fase do sistema é
79
Capı́tulo 10. Desenhando Retratos de Fase
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.
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
Capı́tulo 10. Desenhando Retratos de Fase
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
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).
) 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
Capı́tulo 10. Desenhando Retratos de Fase
@H
= y.
@y
Igualando as derivadas parciais a zero temos que o único ponto crı́tico é a origem.
84
10.8. Determinando o Retrato de Fase a partir de uma EDO
dy 12 3x2
=
dx 4 2y
) 4y y 2 + C1 = 12x x3 + C2
) H(x, y) = 4y y2 12x + x3 = C
@H
= 12 + 3x2 = 0 ) x = ±2,
@x
@H
=4 2y = 0 ) y = 2.
@y
Logo, os pontos crı́ticos são ( 2, 2) e (2, 2).
85
Capı́tulo 10. Desenhando Retratos de Fase
Pelas curvas de nı́vel, podemos notar que ( 2, 2) é um centro e (2, 2) é uma sela.
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
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
"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
"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.
91
Capı́tulo 11. Aplicações Econômicas
EMPRESA 2
T R2 (t) = [9 q1 (t) q2 (t)]q2 (t)
92
11.1. Modelo Contı́nuo de Oligopólio
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
93
Capı́tulo 11. Aplicações Econômicas
EMPRESA 2
T R2 (t) = [9 q1 (t) q2 (t)]q2 (t)
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
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
Capı́tulo 11. Aplicações Econômicas
ṙ = Ky µr m0 .
96
11.3. Modelo Contı́nuo IS-LM
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
Capı́tulo 11. Aplicações Econômicas
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:
ṙ = Ky µr m0 .
a [1 b(1 t1 ) j]y
r=
h
Ky m0
r= .
µ
98
11.4. Modelo de Tobin-Blanchard
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
99
Capı́tulo 11. Aplicações Econômicas
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
ẏ = (e(t) y(t)),
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,
101
Capı́tulo 11. Aplicações Econômicas
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)
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
Capı́tulo 11. Aplicações Econômicas
ẏ = a1 (ṁ ⇡) + a2 ⇡˙ e ,
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.
8
<ẏ = 177.75 1.85y 10⇡ e
:⇡˙ e = 0.3y 4.5
!
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
105
Capı́tulo 11. Aplicações Econômicas
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
106
Capı́tulo 12
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.
Considere o sistema
ẋ = f (t, x) (12.1)
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.
107
Capı́tulo 12. Estabilidade no Sentido de Liapounov
ẋ = f (x), (12.2)
lim '(t) = x0 ,
t !+1
108
12.1. Estabilidade de Liapounov
1. O sistema ẋ = Ax é um atrator;
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
109
Capı́tulo 12. Estabilidade no Sentido de Liapounov
(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
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
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
assintoticamente estável.
ẋ = f (x), (12.8)
111
Capı́tulo 12. Estabilidade no Sentido de Liapounov
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:
2. V̇ 0 em U .
A função de Liapounov diz-se estrita quando
3. V̇ < 0 em U {x0 }.
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.
112
12.2. O Critério de Liapounov
e então,
V ('x (tn + 1)) = V ('z (1)).
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
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.
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
Capı́tulo 12. Estabilidade no Sentido de Liapounov
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).
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 }.
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.
Além disso,
V ('x (t̃)) < A/2. (12.13)
8t 0.
Integrando (12.14), temos:
ˆ t ˆ t
V̇ ('x (s))ds mds
0 0
115
Capı́tulo 12. Estabilidade no Sentido de Liapounov
Fazendo t ! 1, então
116
Capı́tulo 13
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
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
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
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
Capı́tulo 13. Estabilidade Estrutural e o Teorema de Peixoto
3. µ > 0
Dessa forma, trA > 0, det A > 0 e (trA)2 < 4 det A. Logo, teremos um foco repulsor.
120
13.1. Estabilidade Estrutural
Multiplicando a primeira equação de (13.6) por (cos ✓), a segunda por (sin ✓) e somando
ambas, encontramos
Multiplicando a primeira equação de (13.6) por ( sin ✓), a segunda por (cos ✓) e somando
ambas, encontramos
✓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
Capı́tulo 13. Estabilidade Estrutural e o Teorema de Peixoto
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
Logo, r0 < 0. Dessa forma, para r1 < r < r2 , r decresce ao longo das trajetórias.
122
13.1. Estabilidade Estrutural
123
Capı́tulo 13. Estabilidade Estrutural e o Teorema de Peixoto
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.
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.
kf gk1 <
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 .
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
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.
125
Capı́tulo 13. Estabilidade Estrutural e o Teorema de Peixoto
ii) Não existem trajetórias conectando um ponto de sela a outro ponto de sela ou a ele mesmo;
126
Capı́tulo 14
Bifurcações
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.
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.
129
Capı́tulo 14. Bifurcações
8
<r0 = r[ + r2 ]
:✓0 = 1.
) 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.
131
Capı́tulo 14. Bifurcações
!
cos sin
R = .
sin cos
Primeiramente, vamos escrever o campo X em coordenadas polares:
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
De modo análogo, multiplicando a primeira equação do sistema por sin ✓, a segunda por
cos ✓ e somando ambas, obtemos
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.
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
Capı́tulo 14. Bifurcações
) r0 > 0.
p
)r <1+ tan
p
)r 1< tan
) r0 < 0.
p
)r >1+ tan
p
)r 1> tan
) r0 > 0.
134
Figura 14.3: Diagrama de bifurcação do Exemplo 14.0.3.
135
Capı́tulo 14. Bifurcações
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 .
136
Figura 14.7: Diagrama de bifurcação do Exemplo 14.0.6.
137
Capı́tulo 14. Bifurcações
• ⌃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, a) é o conjunto de campos que não têm conexões de separatrizes de pontos singu-
lares em M .
- ⌃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, 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
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.
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
Capı́tulo 14. Bifurcações
Sela: DX(p) tem autovalores reais e com sinais opostos e os autovetores são transversais
a @M .
Nó: DX(p) tem autovalores reais, distintos e de mesmo sinal. Os autoespaços são trans-
versais a @M .
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
14.1. Formulação dos Resultados Principais
- ⌃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.
- ⌃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
Capı́tulo 14. Bifurcações
• ⌃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
14.1. Formulação dos Resultados Principais
- ⌃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 .
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 )
r r
Definição 14.1.3. Chamaremos de o subconjunto dos ⇠ 2 tais que
1) ⇠ é transversal a ⌃r1 .
143
Capı́tulo 14. Bifurcações
˜ ⌃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
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 ⌃ .
145
Capı́tulo 15. Regularização de Campos Vetoriais Descontı́nuos
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.
146
15.1. Introdução
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.
147
Capı́tulo 15. Regularização de Campos Vetoriais Descontı́nuos
148
15.2. Considerações Locais
x1 + p1 x2 1
y1 + p1 y2 1 =0
x y 1
(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
✓ ◆
⌃ 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
Capı́tulo 15. Regularização de Campos Vetoriais Descontı́nuos
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
15.2. Considerações Locais
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 ⌃ ).
151
Capı́tulo 15. Regularização de Campos Vetoriais Descontı́nuos
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:
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 ⌃ .
152
15.2. Considerações Locais
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:
Temos que
0 1
det[X, Y ] = = h(x, y).
h(x, y) g(x, y)
153
Capı́tulo 15. Regularização de Campos Vetoriais Descontı́nuos
1. Z✏ não possui pontos crı́ticos numa vizinhança de p, onde Y é transversal, isto é, Y f 6= 0
em p;
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
15.2. Considerações Locais
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)
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.
Z✏ f (0, ✏) = l(0, ✏) l(0, ✏)'✏ (✏) + 0'✏ (✏) = l(0, ✏) l(0, ✏)'(1) = l(0, ✏) l(0, ✏) = 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
Capı́tulo 15. Regularização de Campos Vetoriais Descontı́nuos
156
15.2. Considerações Locais
y 1
6. det[X, Y ] = = 2y.
y 1
Agora, por meio desses cálculos, estudaremos a estrutura qualitativa do sistema inicial.
• 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.
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
Capı́tulo 15. Regularização de Campos Vetoriais Descontı́nuos
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.
Considere
8
>
> 0, se t 1;
>
<
'(t) = 1, se t 1;
>
>
>
:'0 (t) > 0, se t 2 ( 1, 1)
✓ ◆
t
e '✏ (t) = ' .
✏
Assim,
158
15.2. Considerações Locais
159
Capı́tulo 15. Regularização de Campos Vetoriais Descontı́nuos
160
15.2. Considerações Locais
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 .
3. Pontos de Pseudo-equilı́brio:
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 .
161
Capı́tulo 15. Regularização de Campos Vetoriais Descontı́nuos
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
162
Capı́tulo 16
Aplicações
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
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.
y x+1
6. det[X, Y ] = = 2y.
y x 1
164
16.1. Oscilações Sı́smicas
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.
Assim, Xf (p) = y > 0 e Y f (p) = y < 0, o que é uma contradição. Dessa forma, não
existe região de escape.
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 X(p) = (y, x+1) = (0, 0), quando (x, y) = ( 1, 0). Dessa forma, (x, y) = ( 1, 0)
é um ponto singular de X.
1 2
= 1.
1
• 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.
1 2
= 1.
1
165
Capı́tulo 16. Aplicações
1. Pontos de Dobra de X:
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.
2. Pontos de Dobra de Y :
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.
3. Pontos de Pseudo-equilı́brio:
Como ⌃ é uma região de costura, não existem pontos de pseudo-equilı́brio.
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,
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.
167
Capı́tulo 16. Aplicações
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
168
16.2. Gerador Elétrico Valvulado
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
✓ ◆
@f @f
1. rf = , = (1, 0).
@x @y
2. Xf = X.rf = (y, 2h1 y x).(1, 0) = y.
169
Capı́tulo 16. Aplicações
y 2h1 y x
6. det[X, Y ] = = 2(h1 + h2 )y 2 .
y 2h2 y x
Neste caso, temos (Xf (p))(Y f (p)) = y 2 > 0, se y 6= 0. Logo, qualquer ponto de ⌃
{( 1, 0)} é um ponto de costura.
Assim, Xf (p) = y > 0 e Y f (p) = y < 0, o que é uma contradição. Dessa forma, não
existe região de escape.
Portanto, Xf (p) = y < 0 e Y f (p) = y > 0, o que é uma contradição. Dessa forma, não
existe região de deslize.
1. Pontos de Dobra de X:
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.
2. Pontos de Dobra de Y :
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 .
3. Pontos de Pseudo-equilı́brio:
Como (Xf (p))(Y f (p)) > 0, não existem pontos de pseudo-equilı́brio.
170
16.2. Gerador Elétrico Valvulado
• 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.
1
= (2h2 ) + 1 = 0.
1 2h2
Então
p q
2h2 ± 4h22 4
= = h2 ± h22 1.
2
1 = 2 =1
ou
1 = 2 = 1.
Os retratos de fase de alguns casos deste exemplo estão ilustrados na Figura 16.4.
171
Capı́tulo 16. Aplicações
Vamos calcular Z✏ (x, y) considerando a função de transição que já definimos anteriormente.
• centro, se trJ(0, 0) = 0;
172
16.2. Gerador Elétrico Valvulado
• 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
17.1 Modelo
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 .
176
17.2. Análise da Estabilidade sem Quimioterapia
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).
177
Capı́tulo 17. Um Modelo Matemático sobre a Quimioterapia
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).
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).
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
Capı́tulo 17. Um Modelo Matemático sobre a Quimioterapia
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 ).
⇣ 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
⇠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 ⇤ ,
IN1 ⇢ I⇢
B̄ = c2 I + ,
(N1 + )2 N1 +
181
Capı́tulo 17. Um Modelo Matemático sobre a Quimioterapia
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
[7] J. SOTOMAYOR. Curvas Definidas por Equações Diferenciais no Plano. IMPA, 1981.
[9] P. HARTMAN. Ordinary Di↵erential Equations, 2ª ed. Society for Industrial and
Applied Mathematics, Philadelphia, 1973.
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.
184