Tarefas da Disciplina Métodos Matriciais

(MEC00038) – Trimestre 2023/1

Prof. Bardo E.J. Bodmann

29 de maio de 2023

1 O Problema
Como problema a ser considerado nas tarefas da disciplina será avaliado um
modelo matemático para a evolução temporal do vírus COVID-19, ou seja um
modelo de cinética. Portanto, o presente modelo depende explicitamente apenas
da variável tempo, a fim de motivar consistentemente um modelo baseado nas
taxas de reação, não se pode evitar o uso de concepções que envolvam graus de
liberdade espaciais, como será motivado mais adiante.

O cenário: O vírus é transmitido através de uma interação de curta alcance,

por simplicidade reduzida a uma interação de contato. Consequentemente, pes-
soas em circulação que ocasionalmente encontram outras pessoas podem trans-
mitir ou receber uma determinada doença, como por exemplo o vírus COVID-19.
Para formalizar o modelo segue-se o raciocínio de Boltzmann, ou seja utili-
zando quantidades distributivas em vez de um conjunto inumerável de sujeitos,
isto é frações da população. Então, pode-se pensar em um fluxo de pessoas e em
interação entre fluxos. Se considerarmos um domínio espacial bidimensional e
um fluxo (φ) através de uma fronteira (s), que delimita um volume de controle
(aqui uma área), este fluxo pode ser dado pelo número líquido de sujeitos (os
entrando menos os saindo) (∆N ) que passam por unidade de tempo ∆t e um
segmento de linha (∆s) – a separaratriz de duas regiões adjacentes. Se agora
∆x ⊥ ∆s denota um elemento de caminho perpendicular ao elemento da fron-
teira, a área ∆A = ∆s∆x contém ∆N sujeitos que cruzam este segmento de
linha. Além disso, ∆x∆t é a velocidade efetiva com a qual os sujeitos cruzam o
segmento de linha e o fluxo pode ser interpretado como a densidade de superfície
n = ∆N ∆x
∆A e a velocidade é v = ∆t .
Observe que, a velocidade aqui não se refere diretamente à locomoção, mas
é uma medida para uma varredura (ou influência no sentido de causalidade) de
uma área mais ou menos povoada sobre uma área alvo.
∆N ∆N ∆x
φ= = = nv
∆t∆s ∆s∆x ∆t
O fluxo tem então a unidade de uma dimensão recíproca no tempo-distância,
por exemplo, um por dia e quilômetro (d km)−1 .
De forma intuitíva, é plausível que, quanto maiores os fluxos de sujeitos,
maiores as taxas de uma interação específica. Contudo, a taxa de reação ou

1
interação deve ter a dimensão de um por área e unidade de tempo (km2 d)−1 , de
modo que o produto dos fluxos seja multiplicado por uma constante de tempo
e uma probabilidade.

Exemplo: Um encontro entre uma pessoa infectada e uma pessoa imune tem
uma taxa de infecção nula independente da duração do contato. Por outro
lado, o contato de um infectado com um agente suscetível tem uma maior taxa
de infecção de acordo com em princípio a escala da duração do contato. Na
vida real, a duração do contato varia significativamente, de modo que se deve
ter uma distribuição para a taxa em vez de um parâmetro único. Por uma
questão de simplicidade e para tornar o modelo determinístico neste trabalho,
a distribuição será representada ainda por seu valor médio, que foi estimado a
partir de dados reais.
O sistema de equações que descreve a cinética acoplada dos quatro grupos
acima mencionados, isto é, a fração fluxo suscetível, infectada, recuperada e
falecida da população é dado abaixo.
variação do fluxo de suscetíveis por dia = −taxa de infecção
variação do fluxo de infectados por dia = taxa de infecção
−taxa de mortalidade
−taxa de recuperação
variação do fluxo de recuperados por dia = taxa de recuperação
variação do fluxo de mortalidade por dia = taxa de mortalidade
A versão quantitativa do modelo é então configurada para os quatro fluxos,
ou seja, o fluxo dos suscetíveis φS , o fluxo dos infectados φI , o fluxo dos recupe-
rados φR e o fluxo dos falecidos φD . Embora as equações de equilíbrio sugiram
um modelo simples, porém não linear, é necessário uma reinterpretação de al-
guns dos termos para que o modelo possa ser calibrado usando alguns dos dados
estatísticos provindo do monitoramento e dos testes da população verificando
uma possível infecção. Os levantamentos devem ser comparados com previsões
do modelo. Um dos problemas é a impossibilidade de diferenciar se um susce-
tível já está infectado por causa do tempo de incubação, enquanto a infecção
ainda não se manifesta ou não é detectada. Para o modelo isto implica num
termo de auto-interação do tipo ∝ φS φS , que deve ser incluida na variação do
fluxo de infecção. Também a identificação da origem do falecimento não acerta
100%, pacientes não infectadas com doenças pulmonares existem independente-
mente de uma epidemia ou pandemia em andamento ou não. Então, apenas o
aspecto mais crucial da infecção oculta é levado em consideração ao introduzir
uma fração β de suscetíveis (infectadas sem manifestação da doença) que pode
dar origem à infecção.
dφS
= −κφI (1 − β)φS − κβφS φS
dt
dφI
= κφI (1 − β)φS + κβφS φS − λD φI − λR φI
dt
dφR
= λ R φI (1)
dt
dφD
= λ D φI
dt

2
 Infected
100 Recovered 1
Infected, Recovered / [1/km2]

80 0.8

Dead / [1/km2]
60 0.6

40 0.4

20 0.2

0 0
0 100 200 300 400 500 0 100 200 300 400 500
t/[days] t/[days]

Figura 1: Simulação dos fluxos dos infectados, dos recuperados e dos falecidos
pelo modelo proposto.

A previsão do modelo para as quatro fluxos é dado nas figuras 1. Para a si-
mulação os parâmetros que seguem foram usados κ = 10−2 km, β = 10−7 ,
λR = 0.1/2.4 h, λD = 10−3 /2.4 h e as condiçes iniciais são dados por φS |t=0 =
102 (2.4 h)−1 km−1 , φI |t=0 = 1 (2.4 h)−1 km−1 , φR |t=0 = 0, φD |t=0 = 0, e o
tempo é dado em multíplos de 2.4 h, ou seja 500 significa dia 50.

2 Instruções para a tarefa

O modelo junto aos parâmetros acima especificados devem ser implementados
num programa. A escolha da linguagem C, C++, Fortran ou da plataforma
Matlab, Mathematica, SciLab, Maple, Maxima ou outras, é escolha livre de cada
um. No ato de entrega preferencialmente via e-mail, no documento entrego
deve constar os recursos computacionais utilizados para a realizaço da tarefa
junto aos códigos fontes (arquivos com os programas). Além da implementação,
um documento deve relatar sobre os desenvolvimentos formais das respectivas
tarefas que levaram à implementação com os seus resultados gráficos.

1. Escreve o sistema de equações em forma matricial; utilize os valores numé-

ricos para verificar o número de condicionamento deste sistema matricial
utilizando uma linearização do problem original.

2. Implemente o modelo utilizando um método numérico matricial para re-

produzir os resultados analíticas mostrados na figura 1 φS , φI , φR e φD .
3. Implemente o modelo utilizando o método espectral (capítulo 4 da apos-
tila) junto ao método de decomposição de Adomian. Representa o sistema
recursivo até a segunda ordem em uma única forma matricial e resolve este
sistema.

Data de entrega
Resultados parciais podem ser enviados para discutir o andamento dos desen-
volvimentos. A data final de entrega das tarefas será o término do trimestre
(16/06/2023). Caso que haja a necessidade de prorrogar o prazo final peço que
me avisem para que posso combinar com a o coordenador da Pós-graduação um

3
atraso na entrega dos conceitos finais previsto para o dia 30/06/2023 (ou até
mais).

Desejo um bom trabalho para todos e peço que vocês encaminham as per-
guntas dúvidas e observações por e-mail, também para compartilhar essas com
a turma. O compartilhamento será realizado através de uma lista Perguntas e
Respostas divulgada na página da disciplina.